智能停车场车位检测算法的研究

摘要

随着我国经济的发展，城市机动车数量迅速增加，停车难问题已成为城市交通中最为棘手的问题之一，建设智能化停车场管理系统成为解决这一问题的迫切需要。而车位检测技术是智能停车场管理系统的关键技术之一，也是停车诱导的基础，通过车位检测技术可以实时监测停车场内的车位占用情况。所以，研究停车场车位检测算法具有重要意义。
　　 针对上述情况，本文充分研究了模糊数学、图像处理和模式识别技术，并分析了现有的车位检测算法中存在的问题，提出了基于多特征模糊组合算子的车位检测算法：通过对停车场车位环境的分析，总结出车位图像的特点，提取出车位四个有效特征参数，并根据特征参数的直方图特点确定出模糊隶属度函数形式，最后建立模糊组合算子用以检测和判别车位的泊车情况。这种算法比较适用于环境干扰较小的室内停车场中使用，实验结果表明其车位判别的准确率高达99.1％以上。但由于该方法只提取了车位的四个特征参数，对车位信息获取较少，所以对于环境复杂的室外停车场还需要对算法进行改进，提取更多的有用车位特征信息以降低车位的误判率。
　　 因此，本文提出了另一种基于K-L降维的核Fisher判决车位检测算法，首先将样本图像经过K-L降维，使样本图像中有利于分类的信息集中分布于少数的维数中，既避免了维数灾难问题，又提取出了车位判别的有用特征信息；其次，采用核Fisher判别分析来做车位泊车判别，通过核函数将车位特征参数映射到新的特征空间后作Fisher线性判别分析，这样使得该算法既具有核技巧的非线性描述能力，又具有Fisher线性判别分析所具备的各类间可分性优点。实验证明该算法普遍适用于室内、室外各种停车场环境，车位检测的准确率高达98.6％，且该算法抗噪能力强，能有效抑制光照不均等加性噪声。
　　 本文针对上述两种算法设计了车位检测系统，详细阐述了系统软硬件的实现过程。

目录

文摘

英文文摘

第1章 绪论

1.1 论文研究的目的及意义

1.2 车位检测方法的发展现状

1.3 现有车位检测算法的比较

1.4 论文的主要工作

1.5 论文的结构安排

第2章 数字图像处理和模式识别理论

2.1 图像处理的基础知识

2.1.1 图像平滑处理的基本方法

2.1.2 边缘检测

2.2 模式识别的基本理论

2.2.1 模式识别的概念

2.2.2 模式识别系统

2.2.3 模式识别方法的分类

2.3 模糊模式识别理论

2.3.1 模糊隶属度函数

2.3.2 模糊特征

2.4 本章小结

第3章 车位图像分析与预处理

3.1 车位图像特点分析

3.2 车位图像预处理

3.2.1 彩色图像灰度化

3.2.2 图像滤波

3.2.3 单一车位子图像截取

3.3 本章小结

第4章 基于多特征模糊组合算子的车位检测算法

4.1 基于多特征模糊组合算子的车位检测算法设计方案

4.2 车位特征参数选择与提取

4.2.1 车位方差

4.2.2 车位相关度

4.2.3 车位边缘点密度

4.2.4 车位线条数目

4.3 各特征参数模糊隶属度函数选取

4.4 模糊分类器设计

4.5 算法的具体实现步骤及流程

4.5.1 算法实现步骤

4.5.2 算法流程图

4.6 算法实验测试及总结

4.6.1 不同场景中算法的对比实验

4.6.2 实验结果分析与总结

4.7 本章小结

第5章 基于K-L降维的核Fisher判别车位检测算法

5.1 K-L变换

5.1.1 K～L变换的基本理论

5.1.2 K-L变换的具体实现

5.2 核Fisher判别

5.2.1 核函数理论

5.2.2 Fisher线性判别原理

5.2.3 核Fisher判别算法的具体实现

5.3 算法实现的流程及步骤

5.3.1 算法流程

5.3.2 算法步骤

5.4 算法实验测试及总结

5.4.1 确定算法中的参数及核函数

5.4.2 不同场景中算法的对比

5.4.3 实验结果分析与总结

5.5 本章小结

第6章 停车场车位检测系统的实现

6.1 系统硬件设备

6.1.1 视频输入设备

6.1.2 视频图像采集设备

6.1.3 PC机

6.2 系统软件的模块设计

6.3 系统软件的具体实现

6.3.1 多特征模糊组合算子车位检测算法的实现函数

6.3.2 K-L降维的核Fisher判别车位检测算法的实现函数

6.3.3 车位检测系统软件功能介绍

6.4 系统运行界面和实验结果

6.5 本章小结

结论

总结

展望

参考文献

攻读硕士学位期间取得的研究成果

致谢