本發(fā)明涉及智能停車場領域，特別涉及一種車位檢測方法及裝置。

背景技術：

在現(xiàn)有技術中，在停車場中用于檢測車位是否被占用的方法有很多，主要可以分為基于物理特征的檢測方法和基于視頻監(jiān)控、計算機視覺及圖像技術的檢測方法?；谖锢硖卣鞯臋z測方法主要采用地埋感應線圈、超聲波、地磁檢測等方式實現(xiàn)。這種方法施工麻煩，要開挖路面，對路面造成破壞，而且路面受季節(jié)和車輛壓力影響，線圈容易損壞，難于維護。而目前基于視頻監(jiān)控、計算機視覺及圖像處理技術的檢測方式都使用預設背景圖像進行匹配的做法，背景圖像會動態(tài)更新。這種可能出錯并引起累積誤差。

技術實現(xiàn)要素：

本申請實施例提供了一種車位檢測方法及裝置，提供一種基于視頻圖像的車位檢測方法，將車位視頻圖像劃分成背景檢測區(qū)域以及車頭檢測區(qū)域分別檢測，檢測精度高。

有鑒于此，本發(fā)明的第一方面提供一種車位檢測方法，包括：

獲取待測車位的車位圖像；

判斷連續(xù)兩幀的車位圖像的背景區(qū)域是否發(fā)生變化，背景區(qū)域為車位圖像的第一預設區(qū)域；

若背景區(qū)域發(fā)生變化，則判斷車位圖像的車頭區(qū)域的是否有車頭，車頭區(qū)域為車位圖像的第二預設區(qū)域；

若車頭區(qū)域有車頭，則確定待測車位的車位狀態(tài)為有車。

結(jié)合本發(fā)明實施例的第一方面，在本發(fā)明實施例的第一方面的第一種實施方式中，判斷連續(xù)兩幀的車位圖像的背景區(qū)域是否發(fā)生變化包括：

獲取車位圖像的背景區(qū)域的每一個像素點的灰度值；

判斷連續(xù)兩幀車位圖像中相同位置的像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量是否多于第二預設閾值；

若像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量多于第二預設閾值，則確定車位圖像的背景區(qū)域發(fā)生變化。

結(jié)合本發(fā)明實施例的第一方面，第一方面的第一種實施方式中任一種，在本發(fā)明實施例的第一方面的第二種實施方式中，判斷車位圖像的車頭區(qū)域的是否有車頭包括：

使用可形變部件模型DPM模型判斷車頭區(qū)域是否有車頭，包括：

計算車頭區(qū)域的方向梯度直方圖特征金字塔HOG特征金字塔；

計算HOG特征金字塔的窗口的根濾波器得分、部件濾波器得分、形變花費，并根據(jù)根濾波器得分、部件濾波器得分、形變花費得到窗口得分；

記錄窗口得分高于第三預設閾值的窗口記為目標窗口；

利用非極大值抑制選取窗口得分最高的目標窗口，并根據(jù)窗口得分最高的目標窗口中的車頭位置確定是否有車頭。

結(jié)合本發(fā)明實施例的第一方面，第一方面的第一種實施方式至第二種實施方式中任一種，在本發(fā)明實施例的第一方面的第三種實施方式中，使用可形變部件模型DPM模型判斷車頭區(qū)域是否有車頭之前，還包括：

根據(jù)含有車輛的正樣本圖像以及不含車輛的負樣本圖像訓練并得到DPM模型。

結(jié)合本發(fā)明實施例的第一方面，第一方面的第一種實施方式至第三種實施方式中任一種，在本發(fā)明實施例的第一方面的第四種實施方式中，待測車位的數(shù)量為1個或以上，確定待測車位的車位狀態(tài)為有車之后還包括：

當待測車位的車位狀態(tài)為有車時，則待測車位的指示燈顯示第一預設顏色，待測車位的車位狀態(tài)為無車時，則待測車位的指示燈顯示第二預設顏色；

若所有待測車位的指示燈都顯示第一預設顏色時，則發(fā)出第一提示信息提示車主沒有剩余車位；

若存在待測車位的指示燈顯示第二預設顏色，則發(fā)出第二提示信息提示車主有剩余車位。

本發(fā)明的第二方面提供一種裝置，包括：

獲取模塊，用于獲取待測車位的車位圖像；

第一判斷模塊，用于判斷連續(xù)兩幀的車位圖像的背景區(qū)域是否發(fā)生變化，背景區(qū)域為車位圖像的第一預設區(qū)域；

第二判斷模塊，用于若背景區(qū)域發(fā)生變化，則判斷車位圖像的車頭區(qū)域的是否有車頭，車頭區(qū)域為車位圖像的第二預設區(qū)域；

確定模塊，用于若車頭區(qū)域有車頭，則確定待測車位的車位狀態(tài)為有車。

結(jié)合本發(fā)明實施例的第二方面，在本發(fā)明實施例的第二方面的第一種實施方式中，第一判斷模塊包括：

獲取單元，用于獲取車位圖像的背景區(qū)域的每一個像素點的灰度值；

第一判斷單元，用于判斷連續(xù)兩幀車位圖像中相同位置的像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量是否多于第二預設閾值；

第一確定單元，用于若像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量多于第二預設閾值，則確定車位圖像的背景區(qū)域發(fā)生變化。

結(jié)合本發(fā)明實施例的第二方面，第二方面的第一種實施方式中任一種，在本發(fā)明實施例的第二方面的第二種實施方式中，第二判斷模塊還用于使用可形變部件模型DPM模型判斷車頭區(qū)域是否有車頭，第二判斷模塊包括：

第一計算單元，用于計算車頭區(qū)域的方向梯度直方圖特征金字塔HOG特征金字塔；

第二計算單元，用于計算HOG特征金字塔的窗口的根濾波器得分、部件濾波器得分、形變花費，并根據(jù)根濾波器得分、部件濾波器得分、形變花費得到窗口得分；

記錄單元，用于記錄窗口得分高于第三預設閾值的窗口記為目標窗口；

第二確定單元，用于利用非極大值抑制選取窗口得分最高的目標窗口，并根據(jù)窗口得分最高的目標窗口中的車頭位置確定是否有車頭。

結(jié)合本發(fā)明實施例的第二方面，第二方面的第一種實施方式至第二種實施方式中任一種，在本發(fā)明實施例的第二方面的第三種實施方式中，還包括：

訓練模塊，用于根據(jù)含有車輛的正樣本圖像以及不含車輛的負樣本圖像訓練并得到DPM模型。

結(jié)合本發(fā)明實施例的第二方面，第二方面的第一種實施方式至第三種實施方式中任一種，在本發(fā)明實施例的第二方面的第四種實施方式中，還包括：

開啟模塊，用于當待測車位的車位狀態(tài)為有車時，則待測車位的指示燈顯示第一預設顏色，待測車位的車位狀態(tài)為無車時，則待測車位的指示燈顯示第二預設顏色；

第一提示模塊，用于若所有待測車位的指示燈都顯示第一預設顏色時，則發(fā)出第一提示信息提示車主沒有剩余車位；

第二提示模塊，用于若存在待測車位的指示燈顯示第二預設顏色，則發(fā)出第二提示信息提示車主有剩余車位。

從以上技術方案可以看出，本發(fā)明實施例具有以下優(yōu)點：

本發(fā)明實施例提供一種車位檢測方法及裝置，這種基于視頻圖像的車位檢測方法，將車位視頻圖像劃分成背景檢測區(qū)域以及車頭檢測區(qū)域分別檢測，實現(xiàn)了快速、精確的車位檢測，并且不需要預置或更新背景圖片，避免了由于背景圖片更新出錯而導致的累加誤差。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1是本發(fā)明實施例中一種車位檢測方法的一個實施例示意圖；

圖2是本發(fā)明實施例中一種車位檢測方法的另一個實施例示意圖；

圖3是本發(fā)明實施例中一種車位檢測方法的車位劃分示意圖；

圖4是本發(fā)明實施例中一種車位檢測方法的車位狀態(tài)提示示意圖；

圖5是本發(fā)明實施例中一種裝置的一個實施例示意圖。

具體實施方式

為了使本技術領域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分的實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應當屬于本發(fā)明保護的范圍。

本發(fā)明的說明書和權利要求書及上述附圖中的術語“第一”、“第二”等(如果存在)是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數(shù)據(jù)在適當情況下可以互換，以便這里描述的實施例能夠以除了在這里圖示或描述的內(nèi)容以外的順序?qū)嵤?。此外，術語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設備固有的其它步驟或單元。

本發(fā)明實施例一種車位檢測方法，提供一種基于視頻圖像的車位檢測方法，將車位視頻圖像劃分成背景檢測區(qū)域以及車頭檢測區(qū)域分別檢測。請參閱圖1，圖1是本發(fā)明實施例的一個工作流程示意圖。

步驟101、獲取待測車位的車位圖像；

通過在車位前上方安裝高清網(wǎng)絡攝像機采集多個車位的視頻圖像。

步驟102、判斷連續(xù)兩幀的車位圖像的背景區(qū)域是否發(fā)生變化；

對采集到的車位圖像，每個車位圖像都劃分為背景區(qū)域以及車頭區(qū)域。背景區(qū)域為車位中遠離攝像頭的一個預設區(qū)域，車頭區(qū)域為靠近攝像頭的一個預設區(qū)域。此處請參閱圖3，圖3是本發(fā)明實施例車位劃分示意圖。首先比較連續(xù)兩幀的車位圖像，判斷車位圖像中的背景區(qū)域是否發(fā)成了變化。

步驟103、若背景區(qū)域發(fā)生變化，則判斷車位圖像的車頭區(qū)域的是否有車頭；

當確定背景發(fā)聲了變化，則進而判斷車位的車頭區(qū)域是否有車頭。

步驟104、若車頭區(qū)域有車頭，則確定待測車位的車位狀態(tài)為有車。

當車頭區(qū)域確定有車頭時，則確定待測的車位的車位狀態(tài)為有車，說明該待測車位被占用。在實際使用中，可以設定連續(xù)N幀進行車頭檢測結(jié)果顯示能檢測到車頭時，并且結(jié)果位置相近并保持一致，則下一幀不再進行車頭檢測，判定當前車位的狀態(tài)為有車。而當沒有檢測到車頭時，可以設置再持續(xù)檢測C幀，如果C幀內(nèi)檢測到N幀包含有效車頭，則判定當前車位的狀態(tài)為有車，否則判定狀態(tài)為無車。這樣設置可以防止由于現(xiàn)場應用環(huán)境復雜，有可能存在誤檢，虛檢等，太容易發(fā)生狀態(tài)改變會導致指示燈頻繁跳變。

在本發(fā)明一個較佳的實施例中，待測車位的數(shù)量為3個。車位圖像中背景區(qū)域的變化的判斷是根據(jù)比較圖像灰度值得出，車位圖像中是否有車頭的判斷是根據(jù)DPM模型進行判斷。判斷完各個車位的占用狀態(tài)后，還會給用戶相關的車位信息，此處請參閱圖2。

步驟201與步驟101相同，此處不再贅述。

步驟202、獲取車位圖像的背景區(qū)域的每一個像素點的灰度值。

步驟203、判斷連續(xù)兩幀車位圖像中相同位置的像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量是否多于第二預設閾值，若像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量多于第二預設閾值，則確定車位圖像的背景區(qū)域發(fā)生變化；

終端會統(tǒng)計相鄰兩幀的車位圖像中處于相同的位置的像素點，然后比較像素點的灰度值，統(tǒng)計灰度值差的絕對值大于第一預設閾值的像素點的個數(shù)，若統(tǒng)計得到的像素點數(shù)量大于第二預設閾值，則判斷車位背景發(fā)生變化。

步驟204、使用可形變部件模型DPM模型判斷車頭區(qū)域是否有車頭；

終端會使用DPM模型判斷車頭區(qū)域是否有車頭，具體方法為首先計算車頭區(qū)域的方向梯度直方圖特征金字塔HOG特征金字塔，然后計算HOG特征金字塔的窗口的根濾波器得分、部件濾波器得分、形變花費，并根據(jù)根濾波器得分、部件濾波器得分、形變花費得到窗口得分，之后記錄窗口得分高于第三預設閾值的窗口標記為目標窗口，最后利用非極大值抑制選取窗口得分最高的目標窗口，并根據(jù)窗口得分最高的目標窗口中的車頭位置確定是否有車頭。在實際應用中，使用可形變部件模型DPM模型判斷車頭區(qū)域是否有車頭之前需要訓練DPM模型，具體方法為錄制各種時間段，各種天氣情況下的車位上的車輛的圖像與視頻，然后在圖像和視頻中挑選包含車輛的圖像，并選取圖像中的車頭區(qū)域，對車頭區(qū)域進行標注。所選取的圖像包含各種車的類型，各種角度。這些圖像作為車頭模型訓練的正樣本。最后選取沒有包含車的圖像作為負樣本。根據(jù)含有車輛的正樣本圖像以及不含車輛的負樣本圖像訓練并得到DPM模型。

步驟205、車頭區(qū)域有車頭，則確定待測車位的車位狀態(tài)為有車；

當車頭區(qū)域確定有車頭時，則確定待測的車位的車位狀態(tài)為有車，說明該待測車位被占用。在實際應用中，可以設置至少需要連續(xù)N幀車位圖像的車頭檢測結(jié)果都能檢測到車頭，才確定車位狀態(tài)為有車，則下一幀不再進行車頭檢測。實際應用中還可以設置如果檢測到背景無變化，也直接進行車頭區(qū)域有無車頭的檢測。即在實際使用中，可以設定連續(xù)N幀進行車頭檢測結(jié)果顯示能檢測到車頭時，并且結(jié)果位置相近并保持一致，則下一幀不再進行車頭檢測，判定當前車位的狀態(tài)為有車。而當沒有檢測到車頭時，可以設置再持續(xù)檢測C幀，如果C幀內(nèi)檢測到N幀包含有效車頭，則判定當前車位的狀態(tài)為有車，否則判定狀態(tài)為無車。這樣設置可以防止由于現(xiàn)場應用環(huán)境復雜，有可能存在誤檢，虛檢等，太容易發(fā)生狀態(tài)改變會導致指示燈頻繁跳變。

步驟206、判斷所有車位的車位狀態(tài)并發(fā)出提示信息；

當待測車位的車位狀態(tài)為有車時，待測車位對應的指示燈顯示第一種預設的顏色，而待測車位的車位狀態(tài)為無車時，顯示第二種預設的顏色。例如指示燈可以在有車時顯示為紅色，無車時顯示為綠色。若所有待測車位的指示燈都為紅色時，則發(fā)出第一提示信息提示車主沒有剩余車位。若存在待測車位的指示燈為綠色，則發(fā)出第二提示信息提示車主有剩余車位。此處請參閱圖4，在圖4中，當檢測到有車占用車位時，車位提示燈會開啟，當所有的車位提示燈都開啟時，發(fā)出提示信息提示無車位，當有車位提示燈未開啟時，則發(fā)出提示信息提示有車位。

上面從本發(fā)明實施例的一種車位檢測方法進行描述，下面對本發(fā)明實施例的一種裝置進行描述。

請參閱圖5，本發(fā)明實施例的一種裝置包括：

裝置包括獲取模塊501、第一判斷模塊502、第二判斷模塊503、確定模塊504、訓練模塊505、開啟模塊506、第一提示模塊507、第二提示模塊508。

獲取模塊501，用于獲取待測車位的車位圖像。

第一判斷模塊502，用于判斷連續(xù)兩幀的車位圖像的背景區(qū)域是否發(fā)生變化，背景區(qū)域為車位圖像的第一預設區(qū)域。

進一步的，第一判斷模塊502包括獲取單元5021、第一判斷單元5022、第一確定單元5023。

獲取單元5021，用于獲取車位圖像的背景區(qū)域的每一個像素點的灰度值。

第一判斷單元5022，用于判斷連續(xù)兩幀車位圖像中相同位置的像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量是否多于第二預設閾值。

第一確定單元5023，用于若像素點的灰度值的差值大于第一預設閾值的像素點的數(shù)量多于第二預設閾值，則確定車位圖像的背景區(qū)域發(fā)生變化。

第二判斷模塊503，用于若背景區(qū)域發(fā)生變化，則判斷車位圖像的車頭區(qū)域的是否有車頭，車頭區(qū)域為車位圖像的第二預設區(qū)域。

第二判斷模塊503還用于使用可形變部件模型DPM模型判斷車頭區(qū)域是否有車頭。

進一步的，第二判斷模塊503包括第一計算單元5031、第二計算單元5032、記錄單元5033、第二確定單元5034。

第一計算單元5031，用于計算車頭區(qū)域的方向梯度直方圖特征金字塔HOG特征金字塔。

第二計算單元5032，用于計算HOG特征金字塔的窗口的根濾波器得分、部件濾波器得分、形變花費，并根據(jù)根濾波器得分、部件濾波器得分、形變花費得到窗口得分。

記錄單元5033，用于記錄窗口得分高于第三預設閾值的窗口記為目標窗口。

第二確定單元5034，用于利用非極大值抑制選取窗口得分最高的目標窗口，并根據(jù)窗口得分最高的目標窗口中的車頭位置確定是否有車頭。

確定模塊504，用于若車頭區(qū)域有車頭，則確定待測車位的車位狀態(tài)為有車。

訓練模塊505，用于根據(jù)含有車輛的正樣本圖像以及不含車輛的負樣本圖像訓練并得到DPM模型。

開啟模塊506，用于當待測車位的車位狀態(tài)為有車時，則開啟待測車位的指示燈；

第一提示模塊507，用于若所有待測車位的指示燈都開啟時，則發(fā)出第一提示信息提示車主沒有剩余車位；

第二提示模塊508，用于若存在待測車位的指示燈沒有開啟，則發(fā)出第二提示信息提示車主有剩余車位。

所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。

在本申請所提供的幾個實施例中，應該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上。可以根據(jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

以上所述，以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質(zhì)脫離本發(fā)明各實施例技術方案的精神和范圍。