一种模糊模式识别的车位检测方法

摘要

本发明公开了一种模糊模式识别的车位检测方法，在大型停车场内架设CCD摄像头，通过CCD摄像头实时采集车位图像信息，再由计算机系统读入采集到的车位图像数据，并对这些图像数据依次进行待测车位截取、平滑滤波、彩色图像灰度化等预处理，然后利用待测车位和背景车位图像数据求取车位的方差、相关度、边缘点密度及线条数目四个特征参数，将四个特征参数分别代入已设定的有车、无车隶属度的模糊组合算子得到有车和无车的模糊隶属度值，比较两数值的大小最终判定车位的占用情况。本发明所提供的方法使用范围广泛，通用性强，可应用于室内及室外各种停车场环境，且具有安装方便，成本低廉，实时性好，检测精度高等优点。

主权项

1.一种模糊模式识别的车位检测方法，其特征在于：包括集模式识别模块、图像处理模块和模糊数学模块；通过上述模块设计车位各特征参数的模糊隶属度函数，确定隶属度模糊组合算子；包括以下步骤：(1)采用CCD摄像头拍摄获取车位视频数据，摄像机的拍摄区域范围为数个车位，且摄像头相对位置和拍摄角度保持不变；(2)选择一幅无车的背景图像，读取该图像并将其平滑去噪后转换成灰度图；(3)设置无车背景图像待测车位的边框坐标，截取只包含单一待测车位信息的图像数据，将得到的待测车位的背景图像设为I₀；(4)对于每幅待测图像，先将其转化成灰度图，然后按步骤(3)中的方式截取出具体待测车位的区域范围，并进行预处理；读取每一幅待测车位图像区域的信息，进行形态学腐蚀运算；对处理后的图像采用中值滤波进行处理，滤除图像中的椒盐噪声；进行形态学膨胀运算，填充物体内细小空洞，连接邻近物体和平滑边界；(5)利用数理统计方法计算车位四个特征参数-车位方差σ、相关度边缘点密度d_E，边缘线条总数目N；(6)选择多幅待测车位图像作为训练样本图像，用来设计有车和无车的模糊隶属度函数类型，车位有车占用时的图像与车位无车占用时的图像数目相同；以训练车位图像的车位特征参数，分别组成车位有车占用时图像样本特征参数库和车位无车占用时图像样本特征参数库；在有车图像样本特征参数中，分别求取数个特征参数的直方图，根据特征参数直方图的特点，确定车位有车图像样本的方差、边缘点密度和线条个数参数的模糊隶属度函数模型均为s型分布，相关度参数的模糊隶属度函数模型为z型分布，确定隶属度函数的上限阈值a、下限阈值b；(7)将目标待测车位按上述(1)-(5)步计算得到数个车位特征参数，分别代入由步骤(6)确定的有车和无车的s型或z型模糊隶属度分布函数中，得到多个模糊隶属度函数值，根据下面设计的判为有车和判为无车隶属度的模糊组合算子进行判决，判为有车隶属度的模糊组合算子公式为：$Y=\max (\min ({r_{J_{0}J}}^y,{\sigma }^y),\min ({d_E}^y,n^y))$判为无车隶属度的模糊组合算子公式为：$W=\min (\min ({r_{J_{0}J}}^w,{\sigma }^w),\min ({d_E}^w,n^w))$其中，和分别表示该待测车位有车和无车时相关度参数模糊隶属度函数值；σ^y和σ^w分别表示有车和无车方差参数模糊隶属度函数值；d_E^y和d_E^w分别表示有车和无车边缘点密度参数模糊隶属度函数值；n^y和n^w分别表示有车和无车车位线条数目的模糊隶属度函数值；如果判为有车隶属度的模糊组合算子大于判为无车隶属度的模糊组合算子时，判为该车位有车；否则，判为该车位无车。