張士可，路林吉

0 引言

近年來(lái)城市機(jī)動(dòng)車數(shù)量迅速增加，而城市空間有限.為了緩解停車難的問(wèn)題。一方面要增加停車場(chǎng)建設(shè)的投入，擴(kuò)大停車位的資源；另一方面要提高車位的使用率.車位檢測(cè)即檢測(cè)指定車位上有無(wú)泊車的情況，車位檢測(cè)技術(shù)是智能停車場(chǎng)管理系統(tǒng)中的關(guān)鍵技術(shù)，國(guó)內(nèi)現(xiàn)有的車位檢測(cè)技術(shù)多采用地感線圈或超聲波傳感器等來(lái)檢測(cè)車位信息，對(duì)于室外停車場(chǎng)多采用咪表或人工方式檢測(cè)車位信息。

本文提出了一種基于視頻圖像處理的車位監(jiān)測(cè)方法。車位的視頻圖像檢測(cè)方法中，主要的困難是停車場(chǎng)周圍光照、天氣、車輛的陰影的相互干擾等等[1]，本文利用基于紋理識(shí)別的方法，利用Gabor濾波和LBP紋理提取，最后利用Fisher判別方法來(lái)檢測(cè)車位。在環(huán)境因素干擾的情況下，相對(duì)以前的方法具有更好的識(shí)別效果[2]。

1 Gabor 小波變換

1.1 Gabor 濾波器

Gabor 濾波器能夠提取空間位置，空間方向，空間頻域特性等，自從提出被廣泛應(yīng)用在圖像識(shí)別領(lǐng)域[3]。

Gabor 濾波器的定義，如公式（1）

1.2 濾波器構(gòu)建

（1）將輸入圖像分為 4×4（16 塊）的圖像塊；（2）建立Gabor 濾波器組：選擇4 個(gè)尺度，4 個(gè)方向，這樣組成了16 個(gè)Gabor 濾波器；（3）Gabor 濾波器組與每個(gè)圖像塊在空域卷積，每個(gè)圖像塊可以得到16 個(gè)濾波器輸出，這些輸出是圖像塊大小的圖像，如果直接將其作為特征向量，特征空間的維數(shù)會(huì)很大，所以需要降維。

經(jīng)過(guò)Gabor 濾波如圖1，圖2所示：

圖1 車位灰度圖

圖2 Gabor 濾波后的特征圖

2 LBP 特征提取

2.1 LBP 算子

局部二元模式(LBP)算子能夠有效地描述圖像的紋理信息，最早由Ojala 等提出，它通過(guò)比較灰度圖像中任意一點(diǎn)的灰度值與其鄰近點(diǎn)的灰度值之間的大小關(guān)系來(lái)進(jìn)行紋理特征的提取。該算法原理簡(jiǎn)單并且對(duì)光照變化和局部變換有一定的魯棒性，能夠與全局特征相整合，從而提高識(shí)別分類的精度，同時(shí)具有一定的抗旋轉(zhuǎn)、抗亮度變化等優(yōu)點(diǎn)。在近10年來(lái)，LBP 算子已經(jīng)被廣泛地應(yīng)用于圖像檢索、人臉圖像分析、圖像內(nèi)容識(shí)別和紋理識(shí)別等領(lǐng)域，都取得了不錯(cuò)的效果。

最初的 LBP 算子是將3×3 矩陣中的中心灰度值與其鄰域中的8 個(gè)灰度值進(jìn)行比較判決[5]，對(duì)于一幅圖像中的某區(qū)域內(nèi)的任意像素點(diǎn)f(xc,yc)，以其為中心點(diǎn)gc，對(duì)和其鄰近的8 個(gè)點(diǎn)g0,g1,...,g7的紋理T 定義為公式（3）

以區(qū)域中心點(diǎn)的灰度值為閾值對(duì)區(qū)域內(nèi)其它鄰近的像素作二值化處理，鄰域中的灰度值大于或等于中心點(diǎn)灰度值的子塊為1，反之為0，如公式（4）

3×3的矩陣區(qū)域經(jīng)過(guò)LBP 運(yùn)算后按照一定的次序排列，形成了一個(gè)8 位的二進(jìn)制數(shù)，再按照公式（1），公式（3）對(duì)像素的不同位置進(jìn)行加權(quán)求和，即可得到該窗口的LBP值，明顯地可看出每個(gè)窗口的LBP 值范圍在0-255 之間，如公式（5）

一個(gè)基本的LBP 算子，如圖3所示：

圖3 基本的LBP 算子

2.2 改進(jìn)的LBP 算子

基本的 LBP 算子的窗口大小為3×3，無(wú)法提取尺度較大結(jié)構(gòu)的紋理特征，為了改善這一局限性，LBP 算子的3×3鄰域擴(kuò)展到使用不同尺寸的矩形塊以及不同數(shù)量的鄰近子塊，并用圓形鄰域代替了正方形鄰域。對(duì)于沒(méi)有完全落在像素位置上的點(diǎn)，采用雙線性插值算法計(jì)算其灰度值。幾種擴(kuò)展后的LBP 算子如圖4所示。

圖4 幾種改進(jìn)的LBP 算子

利用LBP 算法提取到的車位紋理信息，如5，圖6所示：

圖5 車位紋理圖

圖6 紋理直方圖

3 Fisher 判別方法

Fisher 判別法是歷史上最早提出的判別方法之一，其基本思想是將n 類m 維數(shù)據(jù)集盡可能地投影到一個(gè)方向（一條直線），使得類與類之間盡可能分開(kāi)。從形式上看，該方法就是所謂的一種降維處理方法[4]。

Fisher 判別的基本步驟：（1）尋找1 個(gè)最能反映組和組之間差異的投影方向，即尋找線性判別函數(shù)，使相同類內(nèi)方差盡量小，類間方差盡量大；（2）將屬于A 類的樣本點(diǎn)集合與屬于B 類的樣本點(diǎn)集合進(jìn)行分類，并分別存儲(chǔ)于x 和y矩陣中；（3）根據(jù)已知多維樣本數(shù)據(jù)計(jì)算出2 類樣本均值向量φx和φy；（4）根據(jù)2 類的均值向量求得樣本類內(nèi)離散度矩陣Sx、Sy 和總類內(nèi)離散度矩陣S；（5）求得使Fisher準(zhǔn)則取極大值時(shí)的解ωy；（6）利用先驗(yàn)知識(shí)，選定分界閾值點(diǎn) Y0。

4 實(shí)驗(yàn)結(jié)果

首先我們將攝像頭放置于靠近停車場(chǎng)的一個(gè)屋頂上，用來(lái)獲取停車場(chǎng)白天和夜晚的圖像數(shù)據(jù)。該停車場(chǎng)有3 個(gè)停車區(qū)域，72 個(gè)停車位。我們將利用3 個(gè)指標(biāo)來(lái)評(píng)價(jià)此監(jiān)控算法

空白區(qū)域誤判率FV，有車區(qū)域誤判率FP，識(shí)別率RR，得公式（6），（7），（8）

像前面提到的一樣，對(duì)于車位的識(shí)別這些困難：光照條件的干擾，車輛陰影的干擾，天氣的干擾，周圍環(huán)境的干擾等等。這樣我們將測(cè)試分為白天和夜晚兩種光照條件下進(jìn)行測(cè)試。我們將一天分為兩個(gè)時(shí)段白天（5：00——19:00）夜晚（19:00——5:00），天氣條件分為晴天，強(qiáng)光天，陰天3種情況。白天在各個(gè)不同條件下的監(jiān)測(cè)結(jié)果對(duì)比，如表1所示：

表1 白天的監(jiān)測(cè)結(jié)果

夜晚不同條件下的監(jiān)測(cè)結(jié)果，如表2所示：

表2 夜晚的監(jiān)測(cè)結(jié)果

白天我們主要是考察天氣對(duì)監(jiān)測(cè)結(jié)果的影響，夜晚以為燈位不同我們主要是考慮陰影對(duì)監(jiān)測(cè)結(jié)果的影響。綜合白天和夜晚的監(jiān)測(cè)結(jié)果我們可以有效的判斷此種方法的判別正確率。

綜上分析，基于紋理的車位識(shí)別方法，能夠有效的克服天氣，光照，陰影的影響。

5 結(jié)束語(yǔ)

本文主要提出了利用車位圖像的紋理信息來(lái)進(jìn)行車位識(shí)別的監(jiān)控算法，對(duì)預(yù)處理的圖像進(jìn)行了Gabor 濾波，LBP紋理提取，并且利用紋理圖像通過(guò)Fisher 判別來(lái)有效地對(duì)車位信息進(jìn)行識(shí)別判斷。根據(jù)提出的方法我們對(duì)實(shí)際的情況進(jìn)行有效地實(shí)驗(yàn)驗(yàn)證，證實(shí)了我們提出的方法與傳統(tǒng)方法的優(yōu)越性。在天氣，光照，陰影存在等等的影響情況下，相對(duì)于傳統(tǒng)方法更具有良好的性能。

[1]劉薇，朱虹，楊向波.停車場(chǎng)視頻監(jiān)視系統(tǒng)中的陰影檢測(cè)方法[J].機(jī)械科學(xué)與技術(shù)，2008，27(5)：673—676.

[2]練秋生，劉春亮，基于Gabor 濾波和LBP的分級(jí)掌紋識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用.2007,43(6）：212-215.

[3]楊兆選，吳佳鵬，白卓夫，蘇育挺，王曾敏.基于Gabor濾波和BP 神經(jīng)網(wǎng)絡(luò)的二維條碼區(qū)域提取[J].天津大學(xué)學(xué)報(bào).2010,43(3):210-214.

[4]蔣大林，鄧紅麗，平彧，韋燕鳳.基于視頻的多特征車位檢測(cè)算法[J].北京工業(yè)大學(xué)學(xué)報(bào)，2008,34（2）：137-140.