[发明专利]地下车库停车位占用情况的识别方法及系统

权利要求书

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。

7.一种地下车库停车位占用情况的识别系统，其特征在于，该系统包括，

视频获取模块，用于获取地下车库内摄像头拍摄的视频作为基础数据；

图像处理模块，用于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；

车位定位模块，用于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；

训练模块，用于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；

实时检测模块，用于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。