基于圖像處理技術(shù)智能停車的管理系統(tǒng)

《基于圖像處理技術(shù)智能停車的管理系統(tǒng)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、《世界工程與技術(shù)雜志》2014年第二期基于圖像處理的智能停車管理系統(tǒng)作者：HilalAl-Kharusi,IbrahimAl-Bahadly新西蘭北帕默斯頓梅西大學(xué)工程與先進(jìn)技術(shù)學(xué)院?2014年3月2日收到，2014年4月6日修訂，2014年4月16日發(fā)表?版權(quán)歸作者與科學(xué)出版公司所有?獲得國(guó)際知識(shí)共享組織許可摘要：本文提出智能停車檢測(cè)系統(tǒng)基于圖像處理技術(shù)。該系統(tǒng)是通過捕獲圖像、處理圖像和繪制停車場(chǎng)圖像來管理控制停車場(chǎng)的。在這項(xiàng)工作中,攝像頭作為傳感器拍攝停車場(chǎng)圖像并傳輸給上一級(jí)系統(tǒng)。使用攝像頭是因?yàn)樗梢匝杆俜答佂＼噲?chǎng)的停車信息，并且攝像頭調(diào)整角度去掃描探測(cè)

2、停車場(chǎng)的不同區(qū)域。通過攝像頭傳輸過來的圖像，可以知道特定的停車位是否有車，然后利用經(jīng)過處理的信息來指導(dǎo)司機(jī)直接去特定停車位而不是花費(fèi)時(shí)間去尋找。該系統(tǒng)的在軟件和硬件開發(fā)平臺(tái)正在開發(fā)當(dāng)中。自動(dòng)停車系統(tǒng)不僅使停車的整個(gè)過程更有效率，而且也相對(duì)減輕了司機(jī)和停車管理員的壓力。關(guān)鍵詞：智能停車、圖像處理、空間探測(cè)1、引言目前大多數(shù)停車場(chǎng)的效率并不高，這意味著司機(jī)無論有多忙，為了找到一個(gè)合適的停車位可能還是要在停車場(chǎng)花上很長(zhǎng)時(shí)間。自動(dòng)停車系統(tǒng)將有助于解決交通擁堵、時(shí)間浪費(fèi)、金錢浪費(fèi)等問題，并幫助提供更好的公共服務(wù)，比如減少汽車排放和污染，改善城市游客體驗(yàn)，提高停車場(chǎng)的利用

3、率，防止投資浪費(fèi)等，該系統(tǒng)將為我們提供一個(gè)更高效跟便捷的停車系統(tǒng)。自動(dòng)停車系統(tǒng)通過安裝在停車場(chǎng)出入口的傳感器和由計(jì)算機(jī)系統(tǒng)控制的各種顯示面板和指示燈管理整個(gè)過程，幫助司機(jī)停車。簡(jiǎn)化的系統(tǒng)流程圖如圖1所示。有許多的方法可以檢測(cè)汽車在停車場(chǎng)的情況，比如磁傳感器、微波雷達(dá)、超聲波傳感器和圖像處理等，這個(gè)項(xiàng)目研究圖像處理。攝像頭是最重要的部分,因?yàn)樗芮逦牟东@停車場(chǎng)的一切信息而且既高效又廉價(jià)。這個(gè)系統(tǒng)由一個(gè)或多個(gè)攝像頭共同完成視頻圖像傳送。再由軟件處理攝像頭傳輸過來的圖像，通常情況下這種技術(shù)是檢查連續(xù)視頻幀之間的差異，這樣就可以把停車場(chǎng)的場(chǎng)景變化轉(zhuǎn)變?yōu)殡娮有盘?hào)，因?yàn)?/p>

4、攝像頭可以改變角度來監(jiān)控多個(gè)區(qū)域。有兩種方式使用這個(gè)系統(tǒng)，即應(yīng)用邊緣檢測(cè)與圖像邊界條件方法檢測(cè)模塊和應(yīng)用點(diǎn)檢測(cè)與精確操作。在這個(gè)項(xiàng)目中,停車場(chǎng)檢測(cè)是通過識(shí)別繪制在每個(gè)停車位上的綠色圓形圖像來確定停車信息。這種方式將使用矩陣實(shí)驗(yàn)室軟件平臺(tái)來處理兩種類型的停車場(chǎng)的照片，一種來自于谷歌全球系統(tǒng)，另一種就是停車場(chǎng)的真實(shí)照片。圖1智能停車場(chǎng)系統(tǒng)管理2.模版系統(tǒng)模版系統(tǒng)就是運(yùn)用一個(gè)或多個(gè)攝像頭獲得視頻圖像并由軟件進(jìn)行處理的系統(tǒng)。這種視頻圖像處理技術(shù)有五個(gè)模塊，以下將詳細(xì)解釋每個(gè)模塊。整個(gè)過程如圖2所示。2.1圖像識(shí)別如圖3（a）所示，第一映像的停車場(chǎng)表示沒有汽車在停車場(chǎng)，

5、這張圖將用于系統(tǒng)記錄的所有停車位的平面位置。通過RGB值可以找到綠色圓圈表示的空的停車位，這樣系統(tǒng)就知道哪里有合適的停車位。如圖3(b)所示，使用矩陣實(shí)驗(yàn)室軟件平臺(tái)中的rgb2hsv命令，將空曠的停車場(chǎng)、綠點(diǎn)的位置轉(zhuǎn)化為一個(gè)HSV圖像，圖3(c)中的圖像是簡(jiǎn)化的HSV黑白二進(jìn)制圖像，這樣更便于圖像處理，只需要檢測(cè)閾值的白色像素是否超過40%就可以確定該車為是否有車。為此HSV圖像需要轉(zhuǎn)換成像素灰度的格式，這樣可以很容易地可以對(duì)比閾值，如圖3(d)所示。這種可以得到一個(gè)方程(1)，然后利用rgb2gray命令來解方程。Gray=(0.299*r+0.587*g+

6、0.114*b)（1）方程(1)把RGB值轉(zhuǎn)換為灰度值，如圖3(d)所示?？梢钥吹綀D3(d)中的綠色圓圈明顯輕于其他圖像，因此如果把im2bw命令第二個(gè)參數(shù)設(shè)為0.4，可以很容易地把RGB圖像轉(zhuǎn)換成黑白圖像。圖2系統(tǒng)模型圖3影像鑒定這就意味著像素小于閾值的顏色都會(huì)顯示為黑色，反之為白色，如圖3所示(d)。在圖3(e)中可以看出，圖像中有一些白色的小圓點(diǎn)，這些小白點(diǎn)可以使用侵蝕函數(shù)移除，移除后如圖3(f)所示。簡(jiǎn)而言之，imerode命令就是用于去除圖像中的小點(diǎn)。侵蝕過程就是通過下面的命令來完成的：se3=strel(‘disk’,3)這也就是說，這個(gè)命令就是創(chuàng)

7、建一個(gè)半徑被侵蝕函數(shù)處理過三次的圓點(diǎn)，使用此函數(shù)的結(jié)果如圖3所示(f)。下面是控制這個(gè)過程的程序：if(newmatrix(y,x)>0)%anobjectisthere,if(e(newmatrix(y,x))=0)thisobjecthasnotbeenseene(newmatrix(y,x))=x;makethevalueandindex3equaltothecurrentXcoordinate.2.2圖像采集為了能夠清晰的看到整個(gè)停車場(chǎng)，計(jì)算停車位的數(shù)量，需要將攝像頭安裝在停車場(chǎng)的上方，攝像頭所在處必須視線清晰，不能有任何物體遮擋，通過攝像頭所看到的情

8、景應(yīng)該如圖4所示。2.3圖像分離有許多