一种基于灰度共生矩阵的车位状态检测方法技术

本发明专利技术公开了基于灰度共生矩阵的车位状态检测方法，包括获取视频流图像；将视频流图像转换成单通道的灰度图像；获得各帧图像的灰度矩阵并从完整的灰度矩阵中提取车位所在的区域灰度矩阵；将区域灰度矩阵归一化并计算其灰度共生矩阵；根据灰度共生矩阵计算相应的特征并评估车位的状态。本发明专利技术适合于对视野较为清晰的车位利用图像判断其是否为空置车位，能够较快速、准确的评估其状态，并一定程度上的减少光照影响所带来的误差。

【技术实现步骤摘要】
一种基于灰度共生矩阵的车位状态检测方法
本专利技术属于数字图像处理领域，具体涉及一种基于灰度共生矩阵的车位状态检测方法。
技术介绍
随着人们生活水平的提高和对汽车消费能力的提升，汽车走进更多的家庭。相应的，人们对停车位的需求越来越高，停车位资源的供需矛盾愈加剧烈。并且伴随着自动驾驶技术如火如荼的发展着，停车位监测和泊车诱导技术也慢慢显示出其必要性。如何做到停车位的实时监测，对车位的使用情况进行实时并准确的监测，对车辆进行诱导、调配成为重要的话题。近年来，对于私有的封闭式停车场的管理依靠的是智能闸机，该类型的停车场由于场地封闭并且出入口数量较少，因此依靠智能闸机可以对场馆内的停车位做一定程度的统计、管理。但是大多数的停车场对于车位的管理也只是计算车位余量的信息，能够做到定位闲置车位、对入场停车的车辆进行引导的停车场少之又少。而对于开放性的停车位，情况就更加恶劣，找不到车位、乱停车的现象时有屡见不鲜。如何利用物联网技术将监测车位实时状态的设备通过服务器与终端设备等形成实时车位监控网络，满足人们实时查询空置车位或者附近的车位状本文档来自技高网...

【技术保护点】
1.一种基于灰度共生矩阵的车位状态检测方法，其特征在于，该方法包括以下步骤：/nSO1：通过设置于停车位的监控摄像头获取所述停车位的视频流的图像，选取其中若干帧作为样本图像，其他作为待检测图像，获取每一帧所述样本图像的视野中停车位的有效区域，所述有效区域为视野中停车位的边界四边形中最大的内接矩形，所述有效区域具有有车状态和无车状态，所述有车状态为样本A，所述无车状态为样本B；/nSO2：将所述样本图像通过平均法转换成单通道灰度图像，并对所述灰度图像的灰度做归一化转换，使所述灰度图像的灰度级压缩在16以内，从归一化之后的所述灰度图像中提取出所述有效区域的灰度矩阵，通过有效区域的灰度矩阵计算有效区...

【技术特征摘要】
1.一种基于灰度共生矩阵的车位状态检测方法，其特征在于，该方法包括以下步骤：
SO1：通过设置于停车位的监控摄像头获取所述停车位的视频流的图像，选取其中若干帧作为样本图像，其他作为待检测图像，获取每一帧所述样本图像的视野中停车位的有效区域，所述有效区域为视野中停车位的边界四边形中最大的内接矩形，所述有效区域具有有车状态和无车状态，所述有车状态为样本A，所述无车状态为样本B；
SO2：将所述样本图像通过平均法转换成单通道灰度图像，并对所述灰度图像的灰度做归一化转换，使所述灰度图像的灰度级压缩在16以内，从归一化之后的所述灰度图像中提取出所述有效区域的灰度矩阵，通过有效区域的灰度矩阵计算有效区域的灰度矩阵的灰度共生矩阵，并通过所述灰度共生矩阵计算第一特征量F，所述第一特征量F包括：角二阶矩FASM、熵FENT、逆差分矩FIDM、对比度FCON，得到每种第一特征量F的有车状态特征集合M和无车状态特征集合N；
SO3：根据每种所述特征集合M和所述特征集合N分别计算相应种类第一特征量F的样本中心Ofull、Oempty，并计算每种第一特征量的有效范围Rfull、Rempty；
SO4：对每种第一特征量F的Ofull、Oempty，根据有效范围和样本中心之间的比例关系，分别计算出其“有车”状态和“无车”状态的分界点flag；
SO5：，依照步骤SO2计算所述待检测图像的第二特征量F’，包括角二阶炬F’ASM、熵F’ENT、逆差分炬F’IDM、对比度F’CON，对每种第二特征量F’依照步骤SO3、步骤SO4计算出相应种类第二特征量F’的Ofull、Oempty以及分界点flag，并进行“有车”状态的概率评估，计算出待检测图像的角二阶矩概率PASM、熵概率PENT、逆差分炬概率PIDM、对比度概率PCON，四种概率均表示根据第二特征量F’评估的停车位有车的概率；
SO6：对每种第二特征量评估的“有车”状态的概率进行权重的分配，并计算出各概率的加权和作为该帧图像下有效区域的“有车”状态的总概率P，当P大于临界值的时候，该车位处于“有车状态”，所述临界值大于等于0.8，如果超过连续三秒读取出的待检测图像中的有效区域均为“有车”状态，则认为该车位被占用。


2.如权利要求1所述的方法，其特征在于，所述步骤SO2中包括如下子步骤：
①对所述样本图像的RGB三通道利用平均法转换成单通道灰度图像，并将转换后的单通道灰度图像单独保存到一个二维数组之中，数组的大小与转换后的单通道灰度图像的分辨率保持一致，再对二维数组中的每个元素进行归一化处理，归一化的方式为：
B(i,j)＝int((double)(A(i,j)–minSubLevel)/(double)(maxSubLevel–minSubLevel)*16)；
其中，A(i,j)为二维数组中的元素，B(i,j)为待求的元素，minSubLevel为元素的最小值，maxSubLevel为元素的最大值；
②找到转换后的单通道灰度图像中有效区域的像素坐标起点以及其宽、高，从步骤①中的二维数组中将对应范围的元素储存到一个新的数组中，新的数组即为有效区域的灰度矩阵；
③从有效区域的灰...

【专利技术属性】
技术研发人员：华璟，俞庭，彭浩宇，胡峥，吕佳俊，
申请(专利权)人：杭州图歌科技有限公司，
类型：发明
国别省市：浙江;33