[发明专利]停车场车位状态的检测方法及系统

说明书

技术领域

本发明属于图像处理技术领域，涉及一种停车导引技术，特别涉及一种停车场车位状态的检测方法及系统。

背景技术

我国是世界上人口众多的国家之一，随着经济的迅猛发展，人们的生活水平得到了极大的改善，不再满足于基本的温饱，进而竭力去追求生活的品质。如今，私家车几乎成了每个家庭的标配，这不仅代表了生活的质量，也极大了方便了人们的出行。但是当私家车迅速普及的同时，作为一个人口大国，随之而来的车辆拥堵问题也着实令人头疼。尤其到了上班、下班、节假日期间，“出行难”成了各个城市的通病。而难上加难的是，要在车位供不应求的状况下寻找一席停车之地。而这也间接地加剧了交通的拥堵。

面对巨大的停车压力，同时提高停车效率，缓解交通问题，智能的停车场管理系统也应运而生。其中空闲的停车位检测是该系统中重要的一个环节，它可以极大地节省车主在不知情况的状态下盲目寻找车位的时间。

目前，有关停车位检测的方法主要分为两大类，一类是传统的基于传感器的物理特征检测技术，另一类是现代的基于视频的图像检测技术。传统的物理特征检测技术主要包括利用磁场变化情况的感应线圈检测技术、通过反射回波的声波车位检测技术以及利用检测器形变的动态称重检测技术等。虽然这类检测方法技术含量低，但是由于需要在地面下进行施工，操作困难，所以安装和维修的代价比较大。

而相比传统的物理特征检测技术，现代的视频图像检测技术则有效地避免了上述问题。孟焱、孙军等提出了基于采样点的检测算法，通过预先在各个停车位上定制采样点，然后依据被覆盖的采样点个数来判别车位状态。杨英杰、张文龙等提出了基于Harris与SVM角点判断的检测算法，通过SVM支持向量机对提取的角点进行分类，从而确定停车位，然后根据车位内的角点个数与阈值的比较来判定车位状态。李宇成、严娟莉等提出了基于车位组合状态网络模型的检测算法，通过贝叶斯分类器对改进的HSI车位图像像素进行分类，然后利用预先训练得到的条件概率的值，计算出该网络模型中的状态转移概率。最后根据车位组合状态网络模型，在最大后验概率的意义下，准确有效地检测出车位的实际状态。

在车位状态检测的过程中发现，根据实际情况下的拍摄角度的不同，或者是车位被占据后存在车位线被遮挡的问题，会给实际的车位状态检测带来极大的不便，实际的检测结果也会存在一定的偏差。

发明内容

本发明的目的是提出一种停车场车位状态的检测方法及系统，可以应用到停车导引领域，实现准确反馈给车主何处车位存在空闲，方便车主寻找，节省停车时间，并提高了检测的准确性和及时性。

为了解决上述技术问题，本发明采用了下述技术方案：

本发明提出一种停车场车位状态的检测方法，其包括以下步骤：

获取无车状态下停车场的第一灰度图像；

将第一灰度图像转化为轮廓图像；

根据轮廓图像获取各个车位的区域信息，区域信息包括各个车位的区域范围和位置信息；

获取当前状态下停车场的第二灰度图像；

根据区域信息，对第二灰度图像中的各个车位进行轮廓检测，计算得到各个车位各自对应的轮廓面积之和，轮廓面积之和为第二灰度图像中某一个车位的区域内所有轮廓的面积之和；

将各个轮廓面积之和分别与设定的判别阈值进行比较，得到当前状态下停车场中各个车位的闲置状态。

优选的，将第一灰度图像转化为轮廓图像的步骤包括：将第一灰度图像转化为二值图像，对二值图像进行腐蚀处理得到腐蚀图像，并将二值图像与腐蚀图像作差，得到轮廓图像。

优选的，将第一灰度图像转化为二值图像的步骤包括：将第一灰度图像进行高斯滤波处理，并将高斯滤波处理后得到的图像转化为二值图像。

优选的，根据轮廓图像获取各个车位的区域信息的步骤包括：根据轮廓图像，利用Hough直线检测获取各个车位的区域信息。

优选的，对第二灰度图像中的各个车位进行轮廓检测的步骤之前，还包括：以第一灰度图像为基准，对第二灰度图像进行图像配准。

优选的，图像配准包括平移处理、旋转处理和/或缩放处理。

优选的，各个车位各自对应的轮廓面积之和的计算公式为：其中，第i个车位的区域region[i]内的各个轮廓为countour[i][j]，其面积为countour_area[i][j]，轮廓总个数为n[i]，即0<＝j<＝n[i]，D[i]为第i个车位的轮廓面积之和。

优选的，各个车位设有与其区域范围大小对应的判别阈值。