王梨 王飛 陳亮杰 王林

摘 要：快速、準(zhǔn)確地檢測(cè)車(chē)位空閑狀態(tài)是智慧停車(chē)系統(tǒng)的一個(gè)重要環(huán)節(jié)。在室內(nèi)停車(chē)場(chǎng)都普遍安裝有安防監(jiān)控視頻的基礎(chǔ)上，對(duì)采集到的實(shí)時(shí)圖像先進(jìn)行分塊處理，通過(guò)灰度共生矩陣提取圖像塊0°、45°、90°、135°的能量、對(duì)比度、熵3個(gè)紋理特征參數(shù)，構(gòu)建特征向量，利用支持向量機(jī)（SVM）方法對(duì)其進(jìn)行分類(lèi)，以實(shí)現(xiàn)對(duì)空閑車(chē)位的檢測(cè)。實(shí)驗(yàn)結(jié)果表明，該算法在不對(duì)停車(chē)場(chǎng)作較大改造及不增加更多投入的前提下，能快速、有效地檢測(cè)出車(chē)位是否空閑，因而具有廣闊的應(yīng)用前景與較高的推廣價(jià)值。

關(guān)鍵詞：智慧停車(chē)系統(tǒng);視覺(jué)分析;車(chē)位檢測(cè);灰度共生矩陣;支持向量機(jī)

DOI：10. 11907/rjdk. 182821

中圖分類(lèi)號(hào)：TP306文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2019）004-0013-03

0 引言

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展與人民生活水平的日益提高，現(xiàn)有汽車(chē)保有量已達(dá)2.17億輛，城市中的停車(chē)難問(wèn)題越來(lái)越突出。引發(fā)該問(wèn)題有諸多原因，一方面停車(chē)場(chǎng)資源較少，另一方面存在部分停車(chē)位閑置的情況。例如，城市小區(qū)的很多固定車(chē)位，當(dāng)其擁有者白天外出工作時(shí)，車(chē)位都處于空閑狀態(tài)，可用于共享。由于目前停車(chē)場(chǎng)的信息化程度較低，難以及時(shí)獲取空閑車(chē)位所在位置信息并對(duì)外發(fā)布，因而無(wú)法很好地引導(dǎo)車(chē)主前往停車(chē)。因此，實(shí)時(shí)檢測(cè)停車(chē)場(chǎng)空閑車(chē)位成為智慧停車(chē)系統(tǒng)中的重要環(huán)節(jié)之一。

目前，國(guó)外許多停車(chē)管理系統(tǒng)已經(jīng)實(shí)現(xiàn)了智慧停車(chē)，即在停車(chē)管理系統(tǒng)中添加停車(chē)車(chē)位引導(dǎo)、停車(chē)車(chē)位查詢(xún)等功能，并且一些設(shè)備廠(chǎng)商正在研究能夠?qū)崿F(xiàn)“網(wǎng)絡(luò)化停車(chē)”的停車(chē)管理系統(tǒng)，停車(chē)用戶(hù)可通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)停車(chē)位預(yù)定、停車(chē)費(fèi)繳納與停車(chē)信息查詢(xún)等功能。國(guó)內(nèi)一些一線(xiàn)城市的部分停車(chē)場(chǎng)也已實(shí)現(xiàn)了停車(chē)引導(dǎo)功能，例如深圳市推出的“深圳地王—書(shū)城片區(qū)停車(chē)誘導(dǎo)系統(tǒng)”。

智慧停車(chē)系統(tǒng)的核心是收集停車(chē)場(chǎng)的車(chē)位信息用于車(chē)位檢測(cè)。目前常用的車(chē)位檢測(cè)方法主要分為兩類(lèi)：基于視覺(jué)分析技術(shù)與非視覺(jué)分析技術(shù)的方法。國(guó)內(nèi)現(xiàn)有室內(nèi)停車(chē)場(chǎng)的車(chē)位檢測(cè)方法主要采用基于非視覺(jué)分析技術(shù)的方法?；诜且曈X(jué)分析技術(shù)的車(chē)位檢測(cè)方法包括基于AMR傳感器的車(chē)位檢測(cè)方法[1-6]、基于地磁傳感器的車(chē)位檢測(cè)方法[7-11]，以及基于超聲波與紅外線(xiàn)的車(chē)位檢測(cè)方法。基于AMR傳感器與地磁傳感器的車(chē)位檢測(cè)方法是先在車(chē)位區(qū)域的地下安裝傳感器，然后根據(jù)傳感器內(nèi)的磁場(chǎng)變化判斷車(chē)位狀態(tài)（有車(chē)/無(wú)車(chē)）;基于超聲波與紅外線(xiàn)的車(chē)位檢測(cè)方法是在車(chē)位上方和下方安裝聲波設(shè)備，若在另一方未檢測(cè)到回波，則車(chē)位狀態(tài)顯示為有車(chē)。然而，這些方法都需要對(duì)停車(chē)場(chǎng)進(jìn)行地面挖掘、布線(xiàn)等大量工程改造，施工強(qiáng)度大，檢測(cè)系統(tǒng)易發(fā)生故障，安裝與使用成本高，且改造后對(duì)停車(chē)場(chǎng)的收入增加有限。因此，很多停車(chē)場(chǎng)不愿投入資金對(duì)停車(chē)場(chǎng)進(jìn)行改造，推廣較為困難。而且絕大多數(shù)停車(chē)場(chǎng)出于安防考慮，都會(huì)在停車(chē)場(chǎng)內(nèi)安裝視頻監(jiān)控設(shè)備，這些設(shè)備的視頻圖像幾乎覆蓋停車(chē)場(chǎng)的每一角落。圖1為現(xiàn)實(shí)中的某室內(nèi)停車(chē)場(chǎng)車(chē)位狀態(tài)。

從圖1可以看出，室內(nèi)停車(chē)場(chǎng)表面通常為灰色或被漆成單一顏色的混凝土地面，并用黃色或白色線(xiàn)條劃分車(chē)位區(qū)域。當(dāng)車(chē)位上未停放車(chē)輛時(shí)，車(chē)位呈現(xiàn)單一的地表顏色，而當(dāng)車(chē)位上停放有車(chē)輛時(shí)，由于車(chē)窗、引擎蓋、車(chē)燈等邊緣效應(yīng)，使其具有一定紋理特征。因此，要判斷一個(gè)車(chē)位是否有車(chē)輛停放，可將其轉(zhuǎn)變?yōu)闄z測(cè)車(chē)身紋理特征。

為了充分利用現(xiàn)有室內(nèi)停車(chē)場(chǎng)安防監(jiān)控這一基礎(chǔ)設(shè)施，而不過(guò)多地增加室內(nèi)停車(chē)場(chǎng)改造成本，本文提出一種基于視覺(jué)的圖像處理方法。該方法首先對(duì)攝像頭實(shí)時(shí)采集的圖像進(jìn)行車(chē)位提取，并對(duì)車(chē)位圖像進(jìn)行塊劃分，然后提取圖像塊灰度共生矩陣中的紋理性代表特征，最后將這些特征組成特征向量，采用支持向量機(jī)（Support Vector Machine，SVM）[18]對(duì)圖像塊進(jìn)行分類(lèi)，從而實(shí)時(shí)、準(zhǔn)確地對(duì)車(chē)位空閑狀態(tài)進(jìn)行檢測(cè)。

1 基于灰度共生矩陣的車(chē)位紋理特征提取

由于車(chē)位信息主要是根據(jù)車(chē)身紋理特征判斷是否停放有車(chē)輛，而采用灰度共生矩陣能較好地表示圖像紋理特征?；叶裙采仃囎钤缬蒆aralick等[19]提出，早期稱(chēng)為灰度空間依賴(lài)矩陣（Gray-Tone Spatial-Dependence Matrices）?；叶裙采仃嚩x為像素對(duì)的聯(lián)合分布概率，是一個(gè)對(duì)稱(chēng)矩陣，其不僅反映了圖像灰度在相鄰方向、相鄰間隔、變化幅度方面的綜合信息，而且也反映了相同灰度級(jí)像素之間的位置分布特征，從灰度共生矩陣中可以得到14個(gè)紋理特征參數(shù)[20]。經(jīng)過(guò)實(shí)驗(yàn)對(duì)比，本文選取能量、對(duì)比度、熵3個(gè)參數(shù)描述車(chē)位狀態(tài)特征。

（1）能量特征（Angular Second Moment）。能量特征計(jì)算公式如下：

ASM是灰度共生矩陣元素值的平方和，所以也稱(chēng)為能量，反映了圖像灰度分布的均勻程度和紋理粗細(xì)度。如果共生矩陣所有值均相等，則ASM值較小;反之，如果所有值大小不等，則ASM值較大。當(dāng)共生矩陣中的元素集中分布時(shí)，此時(shí)ASM值較大。

（2）對(duì)比度（Contrast）。對(duì)比度計(jì)算公式如下：

對(duì)比度刻畫(huà)了圖像的紋理清晰程度，當(dāng)圖像紋理越清晰，其值越大。

（3）熵（Entropy）。熵的計(jì)算公式如下：

熵是圖像包含信息量的隨機(jī)性度量，紋理信息也屬于圖像信息。當(dāng)共生矩陣中所有元素有最大的隨機(jī)性、空間共生矩陣中所有值幾乎相等，且共生矩陣中元素分散分布時(shí)，熵較大。因此，熵值表明了圖像灰度分布的復(fù)雜程度，熵值越大，圖像越復(fù)雜。無(wú)紋理時(shí)，熵值為0。

從表中可以看出，除了車(chē)位有車(chē)的能量比車(chē)位無(wú)車(chē)的能量小，車(chē)位有車(chē)的對(duì)比度、熵都比車(chē)位無(wú)車(chē)的對(duì)比度與熵大。

2 車(chē)位狀態(tài)檢測(cè)

為了檢測(cè)車(chē)位是否停放有車(chē)輛，具體步驟如下：

（1）對(duì)每一個(gè)監(jiān)控?cái)z像頭獲取的圖像進(jìn)行[16×16]網(wǎng)格塊劃分，將有車(chē)身紋理信息的圖像塊標(biāo)定為1，其余圖像塊標(biāo)定為0。