基于视觉的校园停车位占用检测算法研究

• 作 者: 沈哲
• 出 处: 吉林大学
• 发表日期: 2020年08期
• 关键词: 停车位占用检测 纹理特征 形状特征 卷积神经网络 非局部操作

随着我国汽车保有量的逐年增长,城市交通压力繁重,推进城市交通智能化发展,准确高效地获取可用停车位对于解决日益严峻的停车难问题至关重要。针对停车位占用的检测,传统的停车场通常在地表埋设地磁线圈传感器,当车辆驶来和离开时,根据地磁线圈传感器的信号变化情况来检测停车位的占用情况。尽管该种检测方法是可行的,然而,地磁线圈传感器可能会受到复杂的物理环境等因素影响,如路侧停车位,在路面埋设地磁线圈较为困难而且维护成本较高。经过计算机视觉领域内研究者们不懈地努力,多种视觉算法已逐渐成熟。通过摄像机捕捉图像帧,使用计算机视觉算法分析车位占用情况,不仅高效,且节约成本,同时可以通过摄像机监控停车场内的物理环境。因此,该文提出两种基于视觉的停车位占用检测算法,具体内容如下:(1)提出一种融合纹理特征和形状特征的集成分类停车位占用检测算法。停车位占用检测可以理解为针对停车位图像的分类问题,即空缺状态图像和被车辆占用图像的分类。对于图像分类,传统方法提取图像的单种特征,如颜色特征或梯度特征,之后将特征送入分类器训练,产生检测结果。该文考虑特征的多样性,融合了图像纹理特征和形状特征,以分块提取的方式来提取图像局部LBP纹理特征,并提取Sobel边缘形状特征,将两种特征向量级联,应用主成分分析法对特征向量降维;然后,使用Adaboost集成分类器实现停车位图像的分类,实验结果表明,该算法各项评价指标均高于单种特征算法。(2)提出一种基于非局部操作的卷积神经网络停车位占用检测算法。针对传统人工设计特征的算法存在泛化性能差的缺点,该算法在卷积神经网络基础之上进行改进,由于卷积操作对于图像远距离信息间的传递不够灵活,因此,引入非局部操作,通过度量远距离像素之间的相关性,直接获取边缘高频特征;同时,使用小卷积核获取局部细节特征;以端到端的方式训练网络。设置不同卷积核尺寸和非局部模块层数,优化网络结构。进过实验论证,该算法与传统的基于人工设计特征的停车位占用检测算法相比,无论在预测精度还是模型的泛化性能,均具有显著的优势。与当前广泛应用的卷积神经网络相比,该算法具有较大的优势。在现实停车场测试中,基于网络摄像机,通过Open CV软件平台获取停车位图像,使用Docker和Tensor Flow Serving软件平台部署算法模型,经过两个停车场的测试,模型取得了较高的准确率。该文针对停车位占用检测问题,总结现存研究的进展和不足,从图像识别角度出发,提出融合纹理特征和形状特征以及基于非局部操作卷积神经网络的两种视觉停车位占用检测算法,实践中取得了良好的效果。