[发明专利]一种基于OpenCV的停车泊位线识别方法

权利要求书

1.一种基于OpenCV的停车泊位线识别方法，其特征在于，采取目标区域检测、目标区域优化以及目标轮廓提取的递进式流程，包括以下步骤：

A、图像预处理，视频数据采集后获取停车区域停车泊位线图片，分别对图像进行形态学去噪、图像降噪及增强和二值化阈值处理；

B、边缘检测，主要检查每个像素的临域并对灰度变换率进行量化，确定方向和幅度；

C、轮廓提取，并获取边界点；

D、图像分割，将图像中的目标与背景区域进行分离，保证分离后的区域特征具有完整性且轮廓清晰，以获得清晰的停车泊位线。

2.根据权利要求1所述的一种基于OpenCV的停车泊位线识别方法，其特征在于，所述形态学去噪的具体步骤为：针对停车泊位线高噪声及可能存在严重色偏等问题，采取中值滤波算法和广义的色偏矫正算法对抓取的图像进行初期处理。

3.根据权利要求1所述的一种基于OpenCV的停车泊位线识别方法，其特征在于，所述图像降噪及增强的具体步骤为：对形态学去噪后的图像，需要进行两次腐蚀、两次膨胀操作，其中，腐蚀操作会腐蚀图像中白色像素，消除小斑点，膨胀操作将使剩余的白色像素扩张并重新增长回去，以达到形态学降噪效果。

4.根据权利要求1所述的一种基于OpenCV的停车泊位线识别方法，其特征在于，所述二值化阈值处理的具体步骤为：调用OpenCV的cv2.threshold函数，阈值设定为默认值，同时将灰度图中灰度值大于175的点统一置为255。

5.根据权利要求1所述的一种基于OpenCV的停车泊位线识别方法，其特征在于，所述步骤B具体包括以下步骤：

B1、Canny边缘检测：在边缘检测阶段，使用Canny边缘检测算法，从不同视觉图象中提取有用的结构信息并减少要处理的数据量；

B2、处理流程：高斯滤波器滤除噪声、Sobel算法计算像素梯度方向、进行非最大信号抑制以及确定真实和潜在边缘点。

6.根据权利要求1所述的一种基于OpenCV的停车泊位线识别方法，其特征在于，所述步骤C具体包括以下步骤：

C1、二值化图像轮廓提取：如果原图中有一点为黑，且它的8个相邻点都是黑色时，则该点为内部点，将该点删除，即可将内部点掏空，得到图像轮廓；

C2、“跟踪准则”获取边界点。

7.根据权利要求6所述的一种基于OpenCV的停车泊位线识别方法，其特征在于：所述步骤C2具体包括以下步骤：

C21、从第一个边界点开始，定义初始的搜索方向为沿左上方；

C22、如果左上方的点是黑点，则为边界点，否则顺时针旋转45度，直到找到第一个黑点为止；

C23、然后把这个黑点作为新的边界点，在当前搜索方向的基础上逆时针旋转90度，继续同样方法搜索下一个边界点，直至返回最初边界点或找不到点为止。

8.根据权利要求1所述的一种基于OpenCV的停车泊位线识别方法，其特征在于，所述步骤D具体包括以下步骤：采用基于数据的图像分割方法，通过与用户之间简单的交互选定样本图像，为所选区域的前景与背景建立GMM模型，然后使用K-means聚类算法初始化GMM，得到分割能量权重，对图像进行分割处理。