【技术实现步骤摘要】
地下车库停车位占用情况的识别方法及系统
[0001]本专利技术涉及图像处理
,具体地说是一种地下车库停车位占用情况的识别方法及系统。
技术介绍
[0002]众所周知,21世纪是一个信息化的时代,图像作为人类感知世界的视觉基础,一直以来是人类获取、表达和传递信息的重要工具。数字图像处理,就是用计算机对图像进行处理,首先数字图像处理技术可以帮助人们更客观、准确地认识世界,人的视觉系统可以帮助人类从外界获取3/4以上的信息,而图像、图形又是所有视觉信息的载体,尽管人眼的鉴别力很高,可以识别上千种颜色,但很多情况下,图像对于人眼来说是模糊的甚至是不可见的,通过图象增强技术,可以使模糊甚至不可见的图像变得清晰明亮。在计算机中,按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。大多数图像处理软件都支持这四种类型的图像。
[0003]支持向量机(SVM)是一类以监督学习方式对数据进行二元分类的广义线性分类器,其决策边界是对学习样本求解的最大边距超平面。SVM使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险,是一个具有稀疏性和稳健性的分类器。此外,SVM可以通过核方法进行非线性分类,是常见的核学习方法之一。
[0004]随着社会生产力及人们生活水平的提高,家庭用车数量也越来越高,停车位的数量也在随之增加。许多地方都会设有停车场,针对小区地下车库停车空间如何合理利用是亟待解决的技术问题。且为了充分利用地下车库的停车空间,不同地下停车场可能会设置不同 ...
【技术保护点】
【技术特征摘要】
1.一种地下车库停车位占用情况的识别方法,其特征在于,该方法具体如下:视频获取:获取地下车库内摄像头拍摄的视频作为基础数据;图像处理:读取视频中的车位图像信息,利用图像处理技术获取对应的车位图像;定位车位,并保存车位位置:对待处理地下车库图像中的所有车位进行定位,制成车位位置表并保存;获取样本,训练模型:将所有车位图像进行裁剪单独保存,利用有监督学习SVM进行训练,得到所有车位的位置信息,保存所有车位图像数据,并把每个车位图像打上标签,形成用于模型训练的训练数据集,利用训练数据集对SVM分类器进行训练,训练过程是将每一个车位图像压缩成一维特征向量;实时检测:从实际的地下车库车位视频里获取每一个车位位置的图像信息,把每一个车位图像压缩成一维特征向量输入到SVM分类器进行分类,判断对应车位是否可用;再根据SVM的分类结果,在原图像中标注出可用的空车位,更新并保存未占用车位位置信息,最后统计空车位数量。2.根据权利要求1所述的地下车库停车位占用情况的识别方法,其特征在于,图像处理具体如下:使用边缘检测算法将车位所在区域的边缘提取出来;把车位所在区域在图像中选中并保留;去除无关区域,进一步缩小图像的范围,即经过图像处理获取车位被保留区域。3.根据权利要求2所述的地下车库停车位占用情况的识别方法,其特征在于,定位车位,并保存车位位置具体如下:在车位被保留的区域中做霍夫变换找直线,使用霍夫变换找出直线定位车位所在列的位置;在霍夫变换后,过滤掉部分直线,其目标是寻找与车位相关的直线特征;对筛选后的直线按照水平方向进行排序,找到车位所在的多个列,将多个列按车位的大小分成若干份,得到每个车位的坐标;制作成车位位置信息表并且保存,一个车位对应一个位置。4.根据权利要求1所述的地下车库停车位占用情况的识别方法及,其特征在于,训练数据集是从原图像中裁剪得到车位图像的集合,选取被车位占用的车位图像作为正训练样本,未被车辆占用的车位图像作为负训练样本;将多个正训练样本和负训练样本一起放到SVM训练器中进行训练;其中,正训练样本和负训练样本的数量分别为至少500个。5.根据权利要求1所述的地下车库停车位占用情况的识别方法,其特征在于,训练模型具体如下:使用训练好的SVM分类器对实际的地下车库车位情况进行预测,情况如下:若SVM分类器输出的预测值大于设定的阈值,则该车位为被占用的车位;若SVM分类器输出预测值小于设定的阈值,则该车位是未被未占用的车位。6.根据权利要求1所述的地下车库停车位占用情况的识别方法,其特征在于,实时检测具体如下:在完成当前一帧的地下车库图像车位识别并显示后,等待下一帧图像的输入,重复使
用整体车位位置信息,并且重复使用SVM分类器进行分类,最终实现实时更新未被占用的车位信息和数量信息。7.一...
【专利技术属性】
技术研发人员:陈晨,王菲,杨宝华,赵国森,崔乐乐,
申请(专利权)人:天元大数据信用管理有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。