葉 卿 徐建閩 林培群

（華南理工大學(xué)土木與交通學(xué)院 廣州 510640）

0 引言

目前，國(guó)內(nèi)各大城市汽車(chē)保有量的快速增長(zhǎng)導(dǎo)致停車(chē)場(chǎng)資源日趨緊張，如何對(duì)停車(chē)場(chǎng)進(jìn)行科學(xué)管理、提高其運(yùn)行效率越來(lái)越引起管理人員的重視。目前大部分停車(chē)場(chǎng)管理系統(tǒng)只是對(duì)入場(chǎng)車(chē)輛的停車(chē)時(shí)間、計(jì)費(fèi)進(jìn)行管理，對(duì)停車(chē)位的管理尚缺乏有效的手段。停車(chē)位車(chē)輛存在性檢測(cè)是停車(chē)位管理的前提，對(duì)停車(chē)場(chǎng)的資源統(tǒng)籌、人員配置，以及停車(chē)導(dǎo)引（可大幅減少停車(chē)場(chǎng)內(nèi)的尋位繞行交通）具有重要的意義，因此如何判斷某個(gè)停車(chē)位上是否有車(chē)輛停泊近年來(lái)得到了國(guó)內(nèi)外工程技術(shù)領(lǐng)域的廣泛關(guān)注［1］。

現(xiàn)有車(chē)輛存在性檢測(cè)技術(shù)主要有：超聲波、地感線圈、地磁、壓力、紅外、計(jì)算機(jī)視覺(jué)（視頻）等［2］。除計(jì)算機(jī)視覺(jué)外，其他檢測(cè)技術(shù)均需為每個(gè)車(chē)位配置1 個(gè)傳感器，設(shè)備安裝、維護(hù)工作量大，成本較高。視頻監(jiān)控是許多停車(chē)場(chǎng)的基本安防系統(tǒng)，如果能夠直接利用監(jiān)控系統(tǒng)的視頻圖像進(jìn)行停車(chē)位車(chē)輛存在性檢測(cè)［3－4］，則可在不增加新硬件設(shè)備的情況下獲得有價(jià)值的信息。但是，目前計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)大部分采用背景差分、紋理分析等方法［5－6］，受光照、陰影等因素的影響嚴(yán)重，在實(shí)際應(yīng)用中檢測(cè)準(zhǔn)確率偏低。

1 總體思路

筆者提出1種基于計(jì)算機(jī)視覺(jué)的停車(chē)位車(chē)輛存在性檢測(cè)方法，其基本內(nèi)容如下：首先在停車(chē)場(chǎng)內(nèi)的每個(gè)車(chē)位上繪制特定的輔助識(shí)別圖案［7］，這種圖案具有各向同質(zhì)性的特征以適應(yīng)攝像機(jī)在各個(gè)角度的拍攝，在大部分光照、陰影的影響下具備圖案特征不變性，且與一般車(chē)輛上繪制的圖案具有顯著差別。在此基礎(chǔ)上采用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像中各個(gè)車(chē)位對(duì)應(yīng)的圖塊是否存在輔助識(shí)別圖案進(jìn)行檢測(cè)，如果圖案的特征存在，則判定該車(chē)位沒(méi)有車(chē)輛停泊，否則該車(chē)位有車(chē)輛停泊。

2 停車(chē)位設(shè)置

2.1 圖案形狀設(shè)計(jì)

考慮停車(chē)場(chǎng)（尤其是地下停車(chē)場(chǎng)）光照（包括固定照明燈、車(chē)燈等）、陰影（包括車(chē)的陰影，工作人員的陰影等）等眾多因素，輔助識(shí)別圖案采用同心環(huán)組、各環(huán)帶具有一定寬度、相鄰環(huán)帶間RGB色差顯著的圖案，其中黑白同心環(huán)組是彩色同心環(huán)組的特殊形式。如光照條件較好、攝像機(jī)成像后能準(zhǔn)確分辨環(huán)間色差，可采用彩色的同心環(huán)組；如果光照條件較差、陰影干擾嚴(yán)重，可采用黑白相間的同心環(huán)組。彩色同心環(huán)組包含更多的信息量，黑白同心環(huán)組表達(dá)的信息量相對(duì)較少，但可靠性更高，見(jiàn)圖1。

圖1 同心環(huán)組示意圖Fig.1 Concentric rings group

上述輔助識(shí)別圖案的特征為：任意經(jīng)過(guò)圓心的直線，出現(xiàn)左右對(duì)稱(chēng)、色彩或灰度變化過(guò)程一致的情況，見(jiàn)圖2。這種色彩或灰度對(duì)稱(chēng)變化的特征即便在光照較弱、有陰影干擾的環(huán)境下仍具有較強(qiáng)的不變性。

如圖2（b）中，如無(wú)遮擋，從左到右考察經(jīng)過(guò)圓心的水平直線，直線上的像素則經(jīng)歷“暗—亮—暗—亮—暗—亮—暗”的灰度變化過(guò)程，除非有車(chē)輛停泊將圖案遮擋，否則總能在圖像中識(shí)別出該特征，這為車(chē)輛存在性檢測(cè)提供了良好的基礎(chǔ)。在具體實(shí)施中，輔助識(shí)別圖案可通過(guò)刷漆（如采用地坪漆、車(chē)道線漆）等方式進(jìn)行繪制，十分經(jīng)濟(jì)、簡(jiǎn)便。

圖2 經(jīng)過(guò)同心環(huán)組圓心的直線示意圖Fig.2 Straight crossing the center of concentric rings group

2.2 圖案位置及大小

圖案的位置一般設(shè)置在停車(chē)位中間，以車(chē)輛正常停泊時(shí)能將其全部或大部分覆蓋為原則，其尺寸與攝像機(jī)分辨率、焦距、拍攝角度相關(guān)，一般以攝像機(jī)中能夠清晰成像（要求每個(gè)同心環(huán)帶經(jīng)過(guò)攝像機(jī)成像后至少有3個(gè)像素的寬度）、圖案不超出車(chē)位邊線為原則。

在停車(chē)場(chǎng)進(jìn)行輔助識(shí)別圖案繪制，見(jiàn)圖3，停車(chē)場(chǎng)局部在攝像機(jī)中的成像見(jiàn)圖4。

圖3 停車(chē)位上的輔助識(shí)別圖案Fig.3 Auxiliary recognition pattern on the parking spaces

圖4 停車(chē)場(chǎng)局部在攝像機(jī)中的成像Fig.4 Parking partial image in the camera

3 圖像檢測(cè)算法

由于在攝像機(jī)成像之后，圓形可能變成不規(guī)則的類(lèi)橢圓形，難以進(jìn)行數(shù)學(xué)解析描述，因此采用多邊形（由有限條線段組成）框定一定的圖像區(qū)域，用以近似代表輔助識(shí)別圖案的對(duì)應(yīng)區(qū)域，多邊形框定的范圍即為圖像檢測(cè)區(qū)?？紤]到多邊形檢測(cè)區(qū)本身也具有一定的檢索難度，因此以包含多邊形檢測(cè)區(qū)的最小規(guī)則矩形（規(guī)則矩形各條邊與x軸或y軸平行，方便進(jìn)行逐行或逐列掃描）為圖像檢索范圍，這種矩形稱(chēng)為多邊形的外接矩形。多邊形檢測(cè)區(qū)、外接矩形見(jiàn)圖5。

圖5 多邊形檢測(cè)區(qū)和外接矩形示意圖Fig.5 Polygon detection area and external rectangle

識(shí)別某像素是否在多邊形上，一般有矢量法、面積法、水平／垂直交叉點(diǎn)數(shù)判別法等。對(duì)于本文而言，由于需要分析多邊形檢測(cè)區(qū)內(nèi)每1個(gè)像素的色彩或灰度特征，因此如采用上述方法，則每個(gè)像素都需要調(diào)用1次以上算法過(guò)程，算法開(kāi)銷(xiāo)較大［8－9］。為了實(shí)現(xiàn)以上目標(biāo)，需進(jìn)行下面的定義和算法描述。

定義1。有限多邊形A＝｛I1，I2，…，In｝。其中：Ii為 第i條線段。Ii的起止點(diǎn)為po（Ii），pd（Ii），而分別表示po（Ii）的橫坐標(biāo)和縱坐標(biāo)。假如任何水平直線k與A的交點(diǎn)數(shù)量為0，1，2或無(wú)窮多個(gè)，則A為水平規(guī)則多邊形，記AXR，相應(yīng)的，如果k為垂直直線，則A為垂直規(guī)則多邊形，記AYR。

顯然凸多邊形是水平規(guī)則多邊形和垂直規(guī)則多邊形的特例，而同心環(huán)組輔助識(shí)別圖案在攝像機(jī)中的成像，可采用凸多邊形進(jìn)行近似標(biāo)定。

在笛卡爾坐標(biāo)系中，記A的外接矩陣為R（A），定義R（A）的左上角為po（R（A）），其坐標(biāo)，長(zhǎng)與高 分別為｛1，2，…，n｝。

定義2。記A的標(biāo)記矩陣為M（A），定義M（A）的行數(shù)與列數(shù)分別為

i，j∈｛1，2，…，n｝，矩陣元素的值域?yàn)椋?，1｝。令M（A）與R（A）的像素一一對(duì)應(yīng)，即M（A）的第1行與R（A）最上1行像素對(duì)應(yīng)，M（A）的第1列與R（A）最左1行像素對(duì)應(yīng)，以此類(lèi)推。如M（A）對(duì)應(yīng)像素在A上，則令其在M（A）上對(duì)應(yīng)的元素取1，否則取－1。

若AXR，M（A）可通過(guò)以下算法獲取。

1）令M（A）的每個(gè)元素都為－1。

2）自上而下按照行掃描的方式掃描R（A）對(duì)應(yīng)每1行：

令min（X）＝＋∞，max（X）＝－∞，分別考察A＝｛I1，I2，…，In｝每條線段與考察直線的關(guān)系。

1）如果某條線段Ii剛好在掃描線上，則如果，那么min（X），如 果 max（X）＜，那 么 max（X）＝

2）如果某條線段Ii與掃描線只有1個(gè)交點(diǎn)，其橫坐標(biāo)為Xc，則如果min（X）＞Xc，那么min（X）＝Xc，如果max（X）＜Xc那么max（X）＝Xc。

3）如果min（X）≤max（X）則，在M（A）中修正對(duì)應(yīng)行，該行從第min（X）－（R（A））＋1到max（X）－（R（A））＋1個(gè)元素均設(shè)為1。

如AXR，則以上算法采用列掃描。

標(biāo)記矩陣M（A）在進(jìn)行實(shí)際檢測(cè)之前可離線獲得，此后除非攝像機(jī)拍攝畫(huà)面變動(dòng)，否則將保持不變，因此可以作為參數(shù)進(jìn)行存儲(chǔ)。標(biāo)記矩陣的主要作用是記錄檢測(cè)區(qū)的范圍，為后面的目標(biāo)識(shí)別奠定基礎(chǔ)。

4 圖像識(shí)別算法

分別考察圖像中各個(gè)檢測(cè)多邊形，每個(gè)檢測(cè)多邊形對(duì)應(yīng)1個(gè)車(chē)位，圖像識(shí)別算法如下：對(duì)于多邊形Ai，令

式中：·表示位乘，即G（Ai）中的像素值與M（Ai）中對(duì)應(yīng)的元素值進(jìn)行代數(shù)積，運(yùn)算后G（Ai）各像素值保持不變或取相反數(shù)。如果圖像是24位真彩色，則以上計(jì)算過(guò)程需要對(duì)RGB三分量分別進(jìn)行。

逐行掃描，將像素的色彩向量（或灰度）值離散為標(biāo)準(zhǔn)值。以一定的誤差允許值進(jìn)行近鄰?fù)?lèi)合并，具體來(lái)說(shuō)先采用色彩（或灰度）空間的歐氏距離法進(jìn)行聚類(lèi)，再利用形如［A，＊，B］的判決算子，消除2個(gè)大區(qū)間（取值為A或B）之間的小區(qū)間＊。

逐行掃描，將每1行像素轉(zhuǎn)化為1個(gè)字符串，此時(shí)每行像素可抽象為形如“3（A）4（B）2（C）…”的游程編碼序列，其中“A”，“B”，“C”等為色彩向量（灰度）標(biāo)準(zhǔn)值，小括號(hào)外的數(shù)字代表在此處色彩向量（灰度）值相等的像素?cái)?shù)，當(dāng)按照水平方向排列圖塊時(shí)這些數(shù)字的和等于目標(biāo)圖像的寬度（也即多邊形檢測(cè)區(qū)外接矩形的寬度）。在此基礎(chǔ)上匹配目標(biāo)模式［10－11］，如果找到目標(biāo)模式的行數(shù)大于閾值，則認(rèn)為目標(biāo)存在，此時(shí)可以判定該車(chē)位沒(méi)有停車(chē)，否則該車(chē)位有停車(chē)。

5 實(shí)例驗(yàn)證

選取某一停車(chē)場(chǎng)的2 個(gè)停車(chē)位進(jìn)行實(shí)例驗(yàn)證，利用停車(chē)場(chǎng)現(xiàn)有的視頻監(jiān)控系統(tǒng)固定拍攝停車(chē)場(chǎng)的某個(gè)區(qū)域，見(jiàn)圖6。

圖6 停車(chē)場(chǎng)監(jiān)控示意圖Fig.6 Schematic diagram of parking monitoring

為了檢測(cè)算法的通用性和魯棒性，實(shí)驗(yàn)選取了攝像頭1d時(shí)間內(nèi)的不同光照條件下的車(chē)位圖像進(jìn)行處理，從檢測(cè)結(jié)果可以看出，該算法可以排除環(huán)境光線變化對(duì)檢測(cè)的影響，其準(zhǔn)確率為98.12%。

圖7和圖8是停車(chē)場(chǎng)車(chē)位檢測(cè)實(shí)驗(yàn)。停車(chē)位上采用了圓環(huán)形狀的輔助識(shí)別圖案作為參照背景，在實(shí)際應(yīng)用時(shí)可采用刷漆的方式進(jìn)行繪制。圓環(huán)外是外接正8邊形，用以代替圓環(huán)區(qū)域，這樣計(jì)算機(jī)能更容易檢測(cè)到該區(qū)域。

圖7 停車(chē)位上無(wú)車(chē)Fig.7 There is no car on the parking spaces

圖8 停車(chē)位上有車(chē)Fig.8 There exists car on the parking spaces

6 結(jié)束語(yǔ)

筆者介紹的檢測(cè)方法利用了停車(chē)位上的輔助識(shí)別圖案，能夠加快計(jì)算機(jī)識(shí)別背景的速度和準(zhǔn)確率。傳統(tǒng)檢測(cè)方法是將整個(gè)停車(chē)場(chǎng)區(qū)域作為參考背景，存儲(chǔ)大，而本方法只是存儲(chǔ)車(chē)位區(qū)域的多邊形，不僅存儲(chǔ)小，而且也簡(jiǎn)化了算法。筆者所介紹的方法在地下停車(chē)場(chǎng)等光照環(huán)境比較惡劣的條件下具有良好的應(yīng)用前景，特別是大型停車(chē)場(chǎng)，需要處理的數(shù)據(jù)量較大，本方法能利用優(yōu)化算法降低系統(tǒng)的計(jì)算壓力，提高停車(chē)場(chǎng)工作效率。

［1］Lee C H，Wen M G，Han C C，et al.An automatic monitoring approach for unsupervised parking lots in outdoors［C］∥39th Annual International Carnahan Conference on Security Technology，Cas palmos，spain，IEEE，2005：271－274.

［2］彭春華，劉建業(yè)，劉岳峰，等.車(chē)輛檢測(cè)傳感器綜述［J］.傳感器與微系統(tǒng)，2007，26（6）：4－8.Peng Chunhua，Liu Jianye，Liu Yuefeng，et al.Review of vehicle detection sensors［J］.Transducer and Microsystem Technologies，2007，26（6）：4－8.（in Chinese）.

［3］李宇成，嚴(yán)娟莉，王目樹(shù)，等.利用視頻圖像檢測(cè)車(chē)位狀態(tài)的方法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2012，33（1）：282－286.Li Yucheng，Yan Juanli，Wang Mushu et al.Approach for parking spaces detection base on vedio images［J］.Computer Engineering and Design，2012，33（1）：282－286.（in Chinese）.

［4］羅小巧，姜 龍，瞿少成，等.基于視頻的停車(chē)場(chǎng)車(chē)位監(jiān)控算法研究［J］.電子測(cè)量技術(shù)，2012，35（2）：33－37.Luo Xiaoqiao，Jiang Long，Qu Shaocheng，et al.Research on viedo－based monitoring algorithm of parking spaces［J］.Electronic Measurement Technology，2012，35（2）：33－37.（in Chinese）.

［5］黃戰(zhàn)華，馬 銘，蔡懷宇，等.一種基于視頻的停車(chē)場(chǎng)車(chē)位監(jiān)控算法［J］.科學(xué)技術(shù)與工 程，2007，17（7）：4511－4514.Huang Zhanhua，Ma Ming，Cai Huaiyu，et al.Algorithm for parking spaces monitoring based on vedio［J］.Science Technology and Engineering，2007，17（7）：4511－4514.（in Chinese）.

［6］蔣大林，鄧紅麗，平 彧，等.基于視頻圖像的多特征車(chē)位檢測(cè)算法［J］.北京工業(yè)大學(xué)學(xué)報(bào)，2008，34（2）：137－140.Jiang Dalin，Deng Hongli，Ping Yu，et al.Parking cell detection algorithm of multiple characteristic based on video image［J］.Journal of Beijing University of Technology，2008，34（2）：137－140.（in Chinese）.

［7］孟 焱，孫 軍，湯一平.基于機(jī)器視覺(jué)的停車(chē)位檢測(cè)技術(shù)的研究［J］.計(jì)算機(jī)測(cè)量與控制，2012，20（3）：638－641.Meng Yan，Sun Jun，Tang Yiping.Research on parking state detection method based on machine vision［J］.Computer Measurement and Control，2012，20（3）：638－641.（in Chinese）.

［8］劉 薇，朱 虹，楊向波.停車(chē)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.Liu Wei，Zhu Hong，Yang Xiangbo.Shadow detection method for vedio surveillance systems in a park－ing lot［J］.Mechanical Science and Technology，2008，27（5）：673－676.（in Chinese）.

［9］林培群，徐建閩，卞建勇.一種用于交通信息采集的圖像背景快速估計(jì)方法［J］.交通信息與安全，2009，27（3）：138－141.Lin Peiqun，Xu Jianmin，Bian Jianyong.A fast Approach to image background estimation for traffic information collection［J］.Journal of Transport Information and Safety，2009，27（3）：138－141.（in Chinese）.

［10］Theodoridis S.Pattern recognition［M］.Beijing：Publishing House of Electronics Industry，2010.

［11］范立南，韓曉微，張廣淵.圖像處理與模式識(shí)別［M］.北京：科學(xué)出版社，2007.Fan Linan，Han Xiaowei，Zhang Guangyuan.Image processing and pattern recognition［M］.Beijing：Science Press，2007.（in Chinese）