CN114743403B - 一种基于计算机视觉算法的智慧停车*** - Google Patents

一种基于计算机视觉算法的智慧停车*** Download PDF

Info

Publication number
CN114743403B
CN114743403B CN202210229050.1A CN202210229050A CN114743403B CN 114743403 B CN114743403 B CN 114743403B CN 202210229050 A CN202210229050 A CN 202210229050A CN 114743403 B CN114743403 B CN 114743403B
Authority
CN
China
Prior art keywords
parking
parking space
module
color
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210229050.1A
Other languages
English (en)
Other versions
CN114743403A (zh
Inventor
于艺春
兰雨晴
余丹
王丹星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Standard Intelligent Security Technology Co Ltd
Original Assignee
China Standard Intelligent Security Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Standard Intelligent Security Technology Co Ltd filed Critical China Standard Intelligent Security Technology Co Ltd
Priority to CN202210229050.1A priority Critical patent/CN114743403B/zh
Publication of CN114743403A publication Critical patent/CN114743403A/zh
Application granted granted Critical
Publication of CN114743403B publication Critical patent/CN114743403B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/133—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops
    • G08G1/137—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops the indicator being in the form of a map
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的实施例公开一种基于计算机视觉算法的智慧停车***，涉及计算机视觉技术领域。所述***，包括：摄像模块，用于获取停车场图像；车位确定模块，用于根据所述停车场图像确定每个车位的占用情况；标示模块，用于将每个车位的占用情况在客户端的停车场电子地图上进行标示。本发明能够通过停车场的图像确定每个车位的占用情况，并将此情况通过客户端的地图进行展示，有效地提高了驾驶人员停车体验。

Description

一种基于计算机视觉算法的智慧停车***
技术领域
本发明属于计算机视觉技术领域，尤其涉及一种基于计算机视觉算法的智慧停车***。
背景技术
随着经济的快速提升，让我国的汽车市场规模不断增加，汽车数量也在的激增，一家拥有多台汽车已经成了比较常见的现象，使得停车难的问题越来普遍。在大型停车场中，由于驾驶人员不能及时了解停车场内空车位的信息，只能花费大量的时间在停车场内寻找空位，浪费了大量的时间，极大的影响了驾驶人员的心情，常出现为了争夺一个好的停车位，导致驾驶人员之间相互谩骂，甚至斗殴。
为了提升驾驶人员的停车体验，目前停车场安装了一些智能停车***，让大家能及时的了解停车场内剩余车位数量信息，并且使用车位检测仪通过超声，地磁等方式判断车位状态，并通过安装在车位上方的状态灯通过颜色来展示车位状态，如绿色代表车位为空，红色代表车位被占用，驾驶人员在视线范围内就能知晓车位状态，便于后续停车。
但是停车场内环境比较差，存在着遮挡视线的情况，当停车场内停放的车辆较多时，驾驶人员还得花费大量的时间寻找车位。另外，也存在着多个驾驶人员共同抢占一个空闲车位的情况，极大的影响了开车体验。
发明内容
有鉴于此，本发明实施例提供一种基于计算机视觉算法的智慧停车***，用于解决现有智能停车***，不能清晰显示车位占用情况，无法实现将车辆智能的引导到空车位的问题。本发明能够通过停车场的图像确定每个车位的占用情况，并将此情况通过客户端的地图进行展示，有效地提高了驾驶人员停车体验。
本发明实施例提供一种基于计算机视觉算法的智慧停车***，包括：
摄像模块，用于获取停车场图像；
车位确定模块，用于根据所述停车场图像确定每个车位的占用情况；
标示模块，用于将每个车位的占用情况在客户端的停车场电子地图上进行标示。
在一可选实施例中，所述车位确定模块，包括：
灰度化子模块，用于将停车场图像灰度化，得到第一图像；
分割子模块，用于将所述第一图像按照车位进行分割，得到与每个车位对应的第二图像；
第一计算子模块，用于计算每个第二图像中每个像素的灰度值与预设灰度值的方差累积值；
第一判断子模块，用于判断每个第二图像中每个像素的灰度值与预设灰度值的方差累积值是否小于预设灰度方差累积阈值；
空车位确定子模块，用于在所述第一判断子模块的判断结果为是时，确定当前第二图像对应的车位为空车位；或者，在所述第一判断子模块的判断结果为否时，确定当前第二图像对应的车位被占用。
在一可选实施例中，所述空车位确定子模块，包括：
测距单元，用于在所述第一判断子模块的判断结果为是时，触发当前第二图像对应的车位上方的测距仪测量自身与下方遮挡物的当前距离；
判断单元，用于判断所述当前距离是否小于预设距离阈值；
确定单元，用于在所述判断单元的判断结果为是时，确定所述当前第二图像对应的车位被占用，或者在所述判断单元的判断结果为否时，确定所述当前第二图像对应的车位为空车位。
在一可选实施例中，所述***还包括：
车辆确定模块，用于根据所述停车场图像和预设车辆图片数据库，确定被占用的车位上所停车辆的价格信息；所述车辆图片数据库中存储有多种车辆图片及其对应的品牌、型号和价格信息；
所述标示模块，还用于在客户端的停车场电子地图上标示被占用的车位上所停车辆的价格信息。
在一可选实施例中，所述***还包括：
接收模块，用于接收客户端发来的空车位选择请求；所述空车位选择请求至少包括当前客户端标识及其在停车场电子地图中选择的空车位的编号和选择时间；
选择确定模块，用于根据多个客户端发来的空车位选择请求，确定客户端与其选中的空车位的编号的一一对应关系；
发送模块，用于向确定了客户端与空车位的编号的一一对应关系的客户端发送空车位选中通知；
所述标示模块，还用于在各客户端的停车场电子地图上标示被选中的空车位；其中，所述空车位选中通知包括本次选中的空车位的编号信息。
在一可选实施例中，所述标示模块，包括：
第二计算子模块，用于根据第一公式计算停车场的每个车位的颜色标注值；
第一标示子模块，用于根据预先存储的颜色标注值和颜色之间的对应关系，在客户端的停车场电子地图上将每个车位以其颜色标注值对应的颜色进行标示；
其中，所述第一公式为：
Figure BDA0003539866380000031
所述第一公式中，C(i)表示停车场电子地图上编号为i的车位的颜色标注值；D(i)表示所述停车场图像中编号为i的车位的占用情况标识值，若停车场的编号为i的车位被占用则D(i)＝1，反之D(i)＝0；F(i)表示所述编号为i的车位上所停车辆的价格；i＝1,2,…,n；n表示停车场的车位总数；
Figure BDA0003539866380000032
表示向上取整；
所述选择确定模块，包括：
第三计算子模块，用于根据客户端发来的空车位选择请求，基于第二公式计算每个客户端的选中判定值；
第二判断子模块，用于对于发来的空车位选择请求的每个客户端，判断该客户端的选中判定值是否为0；
选中确定子模块，用于在所述第二判断子模块的判断结果为是时，确定相应客户端与其选中的空车位的编号的一一对应关系；
其中，所述第二公式为：
Figure BDA0003539866380000041
所述第二公式中，G(e)表示当前发来空车位选择请求的第e个客户端的选中判定值；I(e)表示所述第e个客户端在停车场电子地图中选择的空车位的编号；t[I(e)]表示所述第e个客户端在停车场电子地图中选择编号为I(e)的空车位时的选择时间；k＝1,2,…,K；K表示当前发来空车位选择请求的客户端的数量；
Figure BDA0003539866380000042
表示将k的值从1取值到K，在满足I(e)＝I(k)的条件下取t[I(k)]最小值。
在一可选实施例中，所述第一标示子模块预先存储的颜色标注值和颜色之间的对应关系为：颜色标注值0,1,2,3,4,5,6,7分别对应第一颜色、第二颜色、第三颜色、第四颜色、第五颜色、第六颜色、第七颜色、第八颜色；其中，第一颜色表示对应车位为空车位，越小的颜色标注值对应的颜色表示对应车位所停的汽车价格越高；
所述标示模块，还包括：
第二标示子模块，用于在各客户端的停车场电子地图上以第九颜色标示被选中的空车位；
展示子模块，用于在客户端的停车场电子地图上展示第二颜色至第八颜色和汽车价格之间的关联变化关系，并展示第一颜色和第九颜色对应的车位状态。
在一可选实施例中，所述***还包括：
车牌识别模块，用于识别入场车辆的车牌以及入场时间；
费用提醒模块，用于根据第三公式计算停车场内的各车辆的停车费用提醒触发值；
判断模块，用于判断所述费用提醒模块计算出的各车辆的停车费用提醒触发值是否等于0；
提醒模块，用于在所述判断模块判断出当前车辆的停车费用提醒触发值等于0时，计算所述当前车辆的当前停车费用，并向所述当前车辆对应的客户端发送停车费用提醒信息；所述停车费用提醒信息包括所述当前车辆的当前停车费用；
其中，所述第三公式为：
Q(t1,a)
＝{[t1-t0(a)]h×P-P}×{[t1-t0(a)]h×P-3P}×{[t1-t0(a)]h×P-6P}
所述第三公式中，Q(t1,a)表示当前时刻t1停车场内第a个车牌对应的车辆的停车费用提醒触发值；t0(a)表示停车场内第a个车牌对应的车辆的入场时间；P表示停车场停车一小时的单价；[]h表示将括号内的时间转换为小时制。
本发明提供的一种基于计算机视觉算法的智慧停车***，首先采集停车场图像，然后根据此图像确定每个车位的占用情况，最后将每个车位的占用情况在客户端的停车场电子地图上进行标示。本发明能够通过停车场的图像确定每个车位的占用情况，并将此情况通过客户端的地图进行展示，有效地节约了驾驶人员停车时间，提高了驾驶人员停车体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例一结构示意图；
图2为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例二结构示意图；
图3为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例三结构示意图；
图4为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例四结构示意图；
图5为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例五结构示意图；
图6为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例六结构示意图；
图7为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例七结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例一结构示意图。参见图1，该***包括：摄像模块1、车位确定模块2和标示模块3。
摄像模块1，用于获取停车场图像。
本实施例中，采集停车场的图像，便于后续根据此图像，分析获得停车场内各个车位的占用情况。
车位确定模块2，用于根据所述停车场图像确定每个车位的占用情况。
本实施例中，可以利用计算机视觉算法，实时监控智能分析停车场图像内各个车位的占用情况，便于后续将车位占用情况告知驾驶人员。
标示模块3，用于将每个车位的占用情况在客户端的停车场电子地图上进行标示。
本实施例中，以图像化的方式告知驾驶人员现在车库中车位的占用情况，具有可读性强的优点，并且以停车场地图为辅助手段，让驾驶人员了解空车位的位置信息，根据此位置信息，加上地图辅助，驾驶人员即可快速的找到空车位，有效地节约了寻找空车位的时间。
本发明实施提供的一种基于计算机视觉算法的智慧停车***，首先采集停车场图像，然后根据此图像确定每个车位的占用情况，最后将每个车位的占用情况在客户端的停车场电子地图上进行标示。本发明能够通过停车场的图像确定每个车位的占用情况，并将此情况通过客户端的地图进行展示，有效地节约了驾驶人员停车时间，提高了驾驶人员停车体验。
图2为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例二结构示意图。参见图2，本实施例是在前述基于计算机视觉算法的智慧停车***实施例一的结构的基础上，进一步的，车位确定模块2，包括：灰度化子模块21、分割子模块22、第一计算子模块23、第一判断子模块24和空车位确定子模块25。
灰度化子模块21，用于将停车场图像灰度化，得到第一图像。
本实施例中，图像灰度化，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。图像灰度化处理可以作为图像处理的预处理步骤，为之后的图像分割、图像识别和图像分析等上层操作做准备。
分割子模块22，用于将所述第一图像按照车位进行分割，得到与每个车位对应的第二图像。
本实施例中，一般每个车位的边缘都画着车位线，一般为黄色，根据此特征，可以将第一图像中的车位图像给提取出来，就形成了车位图像的集合，便于后续针对每个车位图像进行分析，从而确定每个车位的占用状态信息。
第一计算子模块23，用于计算每个第二图像中每个像素的灰度值与预设灰度值的方差累积值。
本实施例中，当车位上停着汽车时，其车位的灰度图像肯定与没有车辆时的车位恢复图像，存在较大的差异，根据此特性，就可以计算当前车位图像中的每个像素的灰度值与预设灰度值的差异程度(此处用方差值体现)，从而就能知晓差异程度。差异较大时，表明车位已经被占用，具有计算快速、判断车位占用情况准确的优点。
第一判断子模块24，用于判断每个第二图像中每个像素的灰度值与预设灰度值的方差累积值是否小于预设灰度方差累积阈值。
本实施例中，所述预设灰度值为车位上没有汽车时的图像灰度平均值，当车位上有汽车时，车位图像的灰度值就会发生变化，此处方差值从客观上描述了这个变化程度，当这个方差累积值达到一定程度时，就确定车位上有车，具有判断准确的优点。
空车位确定子模块25，用于在第一判断子模块24的判断结果为是时，确定当前第二图像对应的车位为空车位；或者，在所述第一判断子模块24的判断结果为否时，确定当前第二图像对应的车位被占用。
本实施例中，假设车位底色为黑色，停了一辆白色的车，则预设灰度值设置为0，白色车停在车位后，则车位图像中就会出现大量的灰度值为255的像素点，通过方差累计值的计算，就会出现一个比较大的方差累积值，通过对此值大小的判断，就能确定车位中是否存在汽车，甚至能了解车位中汽车的大体颜色。
本发明实施提供的一种基于计算机视觉算法的智慧停车***，首先采集停车场图像，然后对此图像进行灰度化处理，得到对应的灰度图像；接着计算这个灰度图像中的每个像素点的灰度值与预设灰度值的方差累积值，当此值大于一定程度后，则确定车位中有汽车，最后将车位占用信息发送给车辆驾驶人员。本发明能够通过停车场的图像准确、快速地确定每个车位的占用情况，并将此情况通过客户端的地图进行展示，有效地节约了驾驶人员停车时间，提高了驾驶人员停车体验，***也具有执行效率高的优点。
图3为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例三结构示意图。参见图3，本实施例是在前述基于计算机视觉算法的智慧停车***实施例二的结构的基础上，进一步的，空车位确定子模块25，包括：测距单元251、判断单元252和确定单元253。
测距单元251，用于在第一判断子模块24的判断结果为是时，触发当前第二图像对应的车位上方的测距仪测量自身与下方遮挡物的当前距离。可选地，测距单元251可以为激光测距传感器或超声波测距传感器等。
本实施例中，当车位中出现汽车或者遮挡物时，都会导致车位图像灰度值产生变化，为了提高车位占用情况判定的准确性，利用测距仪测量自身与下方遮挡物的距离，从而便于后续判断，车位中是遮挡物还是汽车导致车位图像灰度值产生了变化。
判断单元252，用于判断所述当前距离是否小于预设距离阈值。
本实施例中，因为遮挡物会贴着地面摆放，汽车的车顶一般距离地面存在一定的距离，根据此特性，先获得测距仪测量自身与下方遮挡物的距离值，例如此值为3m，测距仪测量自身与地面的距离为3.2m，则可以确定车位中存在遮挡物，对应的车位为空闲状态；如果此距离值为2m，则可以确定车位中存在汽车，对应车位为占用状态，通过此方法，可以准确的判定车位的占用状态。
确定单元253，用于在判断单元252的判断结果为是时，确定所述当前第二图像对应的车位被占用，或者在所述判断单元252的判断结果为否时，确定所述当前第二图像对应的车位为空车位。
本实施例中，利用测距仪测量自身与下方遮挡物的距离值，可以准确的区分车位中是存在汽车还是存在遮挡物，具有实现方式简单、判断准确的优点。
本发明实施提供的一种基于计算机视觉算法的智慧停车***，首先采集停车场图像，然后对此图像进行灰度化处理，得到对应的灰度图像；接着计算这个灰度图像中的每个像素点的灰度值与预设灰度值的方差累计值，当此值大于一定程度后，则确定车位中存在物体(即遮挡物)，进一步的，获得测距仪测量自身与下方遮挡物的距离值，并在此距离值小于预设距离阈值，确定车位中存在汽车。本发明能够准确、快速的判断车位占用情况，有效地节约了驾驶人员停车时间，提高了驾驶人员停车体验。
图4为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例四结构示意图。参见图4，本实施例是在前述基于计算机视觉算法的智慧停车***实施例一的结构的基础上，进一步的，所述基于计算机视觉算法的智慧停车***，还包括：车辆确定模块4，用于根据所述停车场图像和预设车辆图片数据库，确定车位确定模块2确定出的被占用的车位上所停车辆的价格信息；所述车辆图片数据库中存储有多种车辆图片及其对应的品牌、型号和价格信息。本实施例中，标示模块3，还用于在客户端的停车场电子地图上标示被占用的车位上所停车辆的价格信息。
本实施例中，在车位确定模块2确定车位中有车辆时，进一步的，车辆确定模块4，根据预先存在大量车辆图像及对应的价格信息，通过车辆图像比对的方法，确定车位中的车辆的品牌、型号和价格信息，将车位上车辆的价格信息发送给客户端进行展示，便于新手司机有效地避开周围价格高的空车位，防止剐蹭后导致巨大的经济损失。
本发明实施例提供的一种基于计算机视觉算法的智慧停车***，首先采集停车场图像，然后根据此图像确定每个车位的占用情况，接着进一步的获取车位中车辆的价值信息，最后将每个车位的占用情况及车辆的价值信息在客户端的停车场电子地图上进行标示，提供给驾驶人员和工作人员。本发明能够通过停车场的图像确定每个车位的占用情况，并将此情况通过客户端的地图进行展示，有效地节约了驾驶人员停车时间，提高了驾驶人员停车体验；同时也能让驾驶人员有效地避开周围车辆价值高的空闲车位，防止剐蹭后导致巨大的经济损失。
图5为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例五结构示意图。参见图5，本实施例是在前述基于计算机视觉算法的智慧停车***实施例四的结构的基础上，进一步的，所述基于计算机视觉算法的智慧停车***，还包括：接收模块5、选择确定模块6和发送模块7。
接收模块5，用于接收客户端发来的空车位选择请求；所述空车位选择请求至少包括当前客户端标识及其在停车场电子地图中选择的空车位的编号和选择时间。
选择确定模块6，用于根据多个客户端发来的空车位选择请求，确定客户端与其选中的空车位的编号的一一对应关系。
发送模块7，用于向确定了客户端与空车位的编号的一一对应关系的客户端发送空车位选中通知。
本实施例中，标示模块3，还用于在各客户端的停车场电子地图上标示被选中的空车位；其中，所述空车位选中通知包括本次选中的空车位的编号信息。
本实施例中，为避免驾驶人员在寻找车位的过程中看上的车位被其他人提前占用，通过客户端向***发送空车位选择请求，***将客户端与其选中的空车位的编号形成一一对应关系，当存在多个客户端发来选择同一个空车位时，则可以将空车位分配给选择时间最早的客户端，并向确定了客户端与空车位的编号的一一对应关系的客户端发送空车位选中通知，能避免客户端重复发起空车位选择请求，有效地节约了***资源，从而可以使没有收到选中通知的客户端重新选择其他空闲车位，实现空闲车位的有效预约，解决多人抢同一车位的问题。
本发明实施例提供的一种基于计算机视觉算法的智慧停车***，首先采集停车场图像，然后根据此图像确定每个车位的占用情况，接着进一步的获取车位中车辆的价值信息，此后将每个车位的占用情况及车辆的价值信息在客户端的停车场电子地图上进行标示，并接收客户端发来的车位预约请求，有效地避免了多人争抢一个车位，减少了冲突事件的发生。
图6为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例六结构示意图。参见图6，本实施例是在前述基于计算机视觉算法的智慧停车***实施例五的结构的基础上，进一步的，标示模块3，包括：第二计算子模块31和第一标示子模块32；选择确定模块6包括：第三计算子模块61、第二判断子模块62和选中确定子模块63。
其中，第二计算子模块31，用于根据第一公式计算停车场的每个车位的颜色标注值。优选地，所述第一公式为：
Figure BDA0003539866380000111
所述第一公式中，C(i)表示停车场电子地图上编号为i的车位的颜色标注值；D(i)表示所述停车场图像中编号为i的车位的占用情况标识值，若停车场的编号为i的车位被占用则D(i)＝1，反之D(i)＝0；F(i)表示所述编号为i的车位上所停车辆的价格；i＝1,2,…,n；n表示停车场的车位总数；
Figure BDA0003539866380000121
表示向上取整。
本实施例中，当车位确定模块2确定车位中存在汽车时，车辆确定模块4获取车辆价格信息后，将信息发送给第二计算子模块31，通过第一公式，可根据停车位上车辆的价格，获得颜色标注值，假设第3个车位中的车辆最贵，价格为100万元，通过第一公式可得到
Figure BDA0003539866380000122
便于后续根据此颜色标注值与颜色的对应，获得对应的标准颜色。
第一标示子模块32，用于根据预先存储的颜色标注值和颜色之间的对应关系，在客户端的停车场电子地图上将每个车位以其颜色标注值对应的颜色进行标示。
本实施例中，根据第一公式，颜色标注值C(i)的取值为0,1,2,3,4,5,6,7，分别对应第一颜色(如白色)、第二颜色(如红色)、第三颜色(如橙色)、第四颜色(如黄色)、第五颜色(如绿色)、第六颜色(如青色)、第七颜色(如蓝色)、第八颜色(如紫色)；其中，第一颜色表示对应车位为空车位，越小的颜色标注值对应的颜色表示对应车位所停的汽车价格越高。通过对停车场电子地图上进行颜色标注，标注完成后将停车场电子地图发送给驾驶人员，进而驾驶人员可以根据颜色标注的情况选择合适的空车位，以提醒新手驾驶人员哪些车位的车辆价格较高，以防止对价格较高的车辆造成剐蹭。
标示模块3中，第三计算子模块61，用于根据客户端发来的空车位选择请求，基于第二公式计算每个客户端的选中判定值。优选地，所述第二公式为：
Figure BDA0003539866380000123
所述第二公式中，G(e)表示当前发来空车位选择请求的第e个客户端的选中判定值；I(e)表示所述第e个客户端在停车场电子地图中选择的空车位的编号；t[I(e)]表示所述第e个客户端在停车场电子地图中选择编号为I(e)的空车位时的选择时间；k＝1,2,…,K；K表示当前发来空车位选择请求的客户端的数量；
Figure BDA0003539866380000131
表示将k的值从1取值到K，在满足I(e)＝I(k)的条件下取t[I(k)]最小值。
本实施例中，根据驾驶人员选中空车位的前后顺序，开展车位的分配，体现了公平性，进而避免同一空车位被两个以上的车主选中造成人员争执和***的故障。
第二判断子模块62，用于对于发来的空车位选择请求的每个客户端，判断该客户端的选中判定值是否为0。
本实施例中，若G(e)＝0，表示第e个车主与其选中的空车位形成一对一关系，即选中其对应的空停车位；若G(e)≠0，表示第e个车主与其选中的空车位未形成一对一关系，即未选中其对应的空停车位。
选中确定子模块63，用于在第二判断子模块62的判断结果为是时，确定相应客户端与其选中的空车位的编号的一一对应关系。
本实施例中，G(e)＝0时，即第e个车主与其选中的空车位形成一对一关系，表示车主成功预约了空停车位，具有实现方便的优点。
进一步地，在一可选实施例中，在图6所示实施例的基础上，标示模块3还可以包括：第二标示子模块(图中未示出)，用于在各客户端的停车场电子地图上以第九颜色标示被选中的空车位。展示子模块(图中未示出)，用于在客户端的停车场电子地图上展示第二颜色至第八颜色和汽车价格之间的关联变化关系，并展示第一颜色和第九颜色对应的车位状态。
本实施例中，车位被预约后，在电子地图中以第九颜色(如黑色)对预约车位进行标示，可以让当前需要寻找车位的车主快速获知空闲车位的预约状态，节约车主停车时间，此外，通过在客户端的停车场电子地图上展示第二颜色至第八颜色和汽车价格之间的关联变化关系，例如标识第二颜色对应的车辆价格为100万以上，第三颜色对应的车辆价格为50-100万等对应关系，或者直接以二维折线图的方式(第二颜色至第八颜色为X轴，汽车价格为Y轴)展示颜色和汽车价格之间的关联变化关系，可让驾驶人员清楚的知道车位的颜色所标示的意义，有效地提升了驾驶人员的停车体验。
图7为本发明实施例提供的一种基于计算机视觉算法的智慧停车***实施例七结构示意图。参见图7，本实施例是在前述基于计算机视觉算法的智慧停车***实施例一的结构的基础上，进一步的，所述基于计算机视觉算法的智慧停车***，还包括：车牌识别模块8、费用提醒模块9、判断模块10和提醒模块11。其中：
车牌识别模块8，用于识别入场车辆的车牌以及入场时间。
本实施例中，车牌为车辆唯一标识，当识别到入场车辆时，记录识别出的车牌和对应车辆的入场时间，便于后续根据车牌进行车辆计费工作。
费用提醒模块9，用于根据第三公式计算停车场内的各车辆的停车费用提醒触发值。优选地，所述第三公式为：
Q(t1,a)＝{[t1-t0(a)]h×P-P}×{[t1-t0(a)]h×P-3P}×{[t1-t0(a)]h×P-6P} (3)
所述第三公式中，Q(t1,a)表示当前时刻t1停车场内第a个车牌对应的车辆的停车费用提醒触发值；t0(a)表示停车场内第a个车牌对应的车辆的入场时间；P表示停车场停车一小时的单价；[]h表示将括号内的时间转换为小时制。
判断模块10，用于判断费用提醒模块9计算出的各车辆的停车费用提醒触发值是否等于0。
本实施例中，若Q(t,a)≠0，表示当前时刻不控制***向所述第a个车牌照对应的车主发送停车费用提醒；若Q(t,a)＝0，表示当前时刻控制***向所述第a个车牌照对应的车主发送停车费用提醒，有效地提升了驾驶人员的体验感。
提醒模块11，用于在判断模块10判断出当前车辆的停车费用提醒触发值等于0时，计算所述当前车辆的当前停车费用，并向所述当前车辆对应的客户端发送停车费用提醒信息；所述停车费用提醒信息包括所述当前车辆的当前停车费用。
例如，假设第a个车牌对应的车辆的入场时间为9:00，当前时间为10：00点，停车场停车一小时的单价为1元，则
Q(t1,a)＝{[10-9]h×1-1}×{[10-9]h×1-3*1}×{[10-9]h×1-6*1}＝0
则10点的时候，***向所述第a个车牌照对应的车主发送停车费用提醒。
本实施例中，根据当前的停车费用对车牌照对应的车主进行阶段性的提醒，从而在方便车主知晓当前的停车费用同时，又能不繁琐的提醒车主，方便车主的同时，也减少了车位的工作人员的人工规划，提高了效率。
本发明实施例提供的一种基于计算机视觉算法的智慧停车***，利用计算机视觉算法与高清摄像头结合，实时监控智能分析当前停车场车位占用的情况，将停车场的地图，以及空车情况实时发送给车主，有效地提高了驾驶人员停车体验；同时还可以配合收费***，根据车牌号，计算出停车时长和费用，并进行阶段性的提醒，从而在方便车主知晓当前的停车费用同时，又能不繁琐的提醒车主。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于计算机视觉算法的智慧停车***，其特征在于，包括：
摄像模块，用于获取停车场图像；
车位确定模块，用于根据所述停车场图像确定每个车位的占用情况；
标示模块，用于将每个车位的占用情况在客户端的停车场电子地图上进行标示；
其中，所述***还包括：
车辆确定模块，用于根据所述停车场图像和预设车辆图片数据库，确定被占用的车位上所停车辆的价格信息；所述车辆图片数据库中存储有多种车辆图片及其对应的品牌、型号和价格信息；
所述标示模块，还用于在客户端的停车场电子地图上标示被占用的车位上所停车辆的价格信息；
其中，所述***还包括：
接收模块，用于接收客户端发来的空车位选择请求；所述空车位选择请求至少包括当前客户端标识及其在停车场电子地图中选择的空车位的编号和选择时间；
选择确定模块，用于根据多个客户端发来的空车位选择请求，确定客户端与其选中的空车位的编号的一一对应关系；
发送模块，用于向确定了客户端与空车位的编号的一一对应关系的客户端发送空车位选中通知；
所述标示模块，还用于在各客户端的停车场电子地图上标示被选中的空车位；其中，所述空车位选中通知包括本次选中的空车位的编号信息；
其中，所述标示模块，包括：
第二计算子模块，用于根据第一公式计算停车场的每个车位的颜色标注值；
第一标示子模块，用于根据预先存储的颜色标注值和颜色之间的对应关系，在客户端的停车场电子地图上将每个车位以其颜色标注值对应的颜色进行标示；
其中，所述第一公式为：
Figure FDA0003792631980000021
所述第一公式中，C(i)表示停车场电子地图上编号为i的车位的颜色标注值；D(i)表示所述停车场图像中编号为i的车位的占用情况标识值，若停车场的编号为i的车位被占用则D(i)＝1，反之D(i)＝0；F(i)表示所述编号为i的车位上所停车辆的价格；i＝1,2,…,n；n表示停车场的车位总数；
Figure FDA0003792631980000024
表示向上取整；
所述选择确定模块，包括：
第三计算子模块，用于根据客户端发来的空车位选择请求，基于第二公式计算每个客户端的选中判定值；
第二判断子模块，用于对于发来的空车位选择请求的每个客户端，判断该客户端的选中判定值是否为0；
选中确定子模块，用于在所述第二判断子模块的判断结果为是时，确定相应客户端与其选中的空车位的编号的一一对应关系；
其中，所述第二公式为：
Figure FDA0003792631980000022
所述第二公式中，G(e)表示当前发来空车位选择请求的第e个客户端的选中判定值；I(e)表示所述第e个客户端在停车场电子地图中选择的空车位的编号；t[I(e)]表示所述第e个客户端在停车场电子地图中选择编号为I(e)的空车位时的选择时间；k＝1,2,…,K；K表示当前发来空车位选择请求的客户端的数量；
Figure FDA0003792631980000023
表示将k的值从1取值到K，在满足I(e)＝I(k)的条件下取t[I(k)]最小值。
2.如权利要求1所述的一种基于计算机视觉算法的智慧停车***，其特征在于，所述车位确定模块，包括：
灰度化子模块，用于将停车场图像灰度化，得到第一图像；
分割子模块，用于将所述第一图像按照车位进行分割，得到与每个车位对应的第二图像；
第一计算子模块，用于计算每个第二图像中每个像素的灰度值与预设灰度值的方差累积值；
第一判断子模块，用于判断每个第二图像中每个像素的灰度值与预设灰度值的方差累积值是否小于预设灰度方差累积阈值；
空车位确定子模块，用于在所述第一判断子模块的判断结果为是时，确定当前第二图像对应的车位为空车位；或者，在所述第一判断子模块的判断结果为否时，确定当前第二图像对应的车位被占用。
3.如权利要求2所述的一种基于计算机视觉算法的智慧停车***，其特征在于，所述空车位确定子模块，包括：
测距单元，用于在所述第一判断子模块的判断结果为是时，触发当前第二图像对应的车位上方的测距仪测量自身与下方遮挡物的当前距离；
判断单元，用于判断所述当前距离是否小于预设距离阈值；
确定单元，用于在所述判断单元的判断结果为是时，确定所述当前第二图像对应的车位被占用，或者在所述判断单元的判断结果为否时，确定所述当前第二图像对应的车位为空车位。
4.如权利要求1所述的一种基于计算机视觉算法的智慧停车***，其特征在于，所述第一标示子模块预先存储的颜色标注值和颜色之间的对应关系为：颜色标注值0,1,2,3,4,5,6,7分别对应第一颜色、第二颜色、第三颜色、第四颜色、第五颜色、第六颜色、第七颜色、第八颜色；其中，第一颜色表示对应车位为空车位，越小的颜色标注值对应的颜色表示对应车位所停的汽车价格越高；
所述标示模块，还包括：
第二标示子模块，用于在各客户端的停车场电子地图上以第九颜色标示被选中的空车位；
展示子模块，用于在客户端的停车场电子地图上展示第二颜色至第八颜色和汽车价格之间的关联变化关系，并展示第一颜色和第九颜色对应的车位状态。
5.如权利要求1-4任一项所述的一种基于计算机视觉算法的智慧停车***，其特征在于，所述***还包括：
车牌识别模块，用于识别入场车辆的车牌以及入场时间；
费用提醒模块，用于根据第三公式计算停车场内的各车辆的停车费用提醒触发值；
判断模块，用于判断所述费用提醒模块计算出的各车辆的停车费用提醒触发值是否等于0；
提醒模块，用于在所述判断模块判断出当前车辆的停车费用提醒触发值等于0时，计算所述当前车辆的当前停车费用，并向所述当前车辆对应的客户端发送停车费用提醒信息；所述停车费用提醒信息包括所述当前车辆的当前停车费用；
其中，所述第三公式为：
Q(t1,a)＝{[t1-t0(a)]h×P-P}×{[t1-t0(a)]h×P-3P}×{[t1-t0(a)]h×P-6P}
所述第三公式中，Q(t1,a)表示当前时刻t1停车场内第a个车牌对应的车辆的停车费用提醒触发值；t0(a)表示停车场内第a个车牌对应的车辆的入场时间；P表示停车场停车一小时的单价；[]h表示将括号内的时间转换为小时制。
CN202210229050.1A 2022-03-10 2022-03-10 一种基于计算机视觉算法的智慧停车*** Active CN114743403B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210229050.1A CN114743403B (zh) 2022-03-10 2022-03-10 一种基于计算机视觉算法的智慧停车***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210229050.1A CN114743403B (zh) 2022-03-10 2022-03-10 一种基于计算机视觉算法的智慧停车***

Publications (2)

Publication Number Publication Date
CN114743403A CN114743403A (zh) 2022-07-12
CN114743403B true CN114743403B (zh) 2022-10-21

Family

ID=82275428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210229050.1A Active CN114743403B (zh) 2022-03-10 2022-03-10 一种基于计算机视觉算法的智慧停车***

Country Status (1)

Country Link
CN (1) CN114743403B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115938153A (zh) * 2022-10-31 2023-04-07 西安建筑科技大学 户外停车场实时车位显示方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915638A (zh) * 2012-10-07 2013-02-06 复旦大学 基于监控视频的智能停车场管理***
WO2017005061A1 (zh) * 2015-07-06 2017-01-12 腾讯科技（深圳）有限公司 信息处理方法、客户端、服务平台和计算机存储介质
WO2017148371A1 (zh) * 2016-03-01 2017-09-08 中兴通讯股份有限公司 一种停车管理方法及设备
CN110164141A (zh) * 2019-06-18 2019-08-23 西南交通大学 停车位引导***及引导方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915638A (zh) * 2012-10-07 2013-02-06 复旦大学 基于监控视频的智能停车场管理***
WO2017005061A1 (zh) * 2015-07-06 2017-01-12 腾讯科技（深圳）有限公司 信息处理方法、客户端、服务平台和计算机存储介质
WO2017148371A1 (zh) * 2016-03-01 2017-09-08 中兴通讯股份有限公司 一种停车管理方法及设备
CN110164141A (zh) * 2019-06-18 2019-08-23 西南交通大学 停车位引导***及引导方法

Also Published As

Publication number Publication date
CN114743403A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN110501018B (zh) 一种服务于高精度地图生产的交通标志牌信息采集方法
CN106373426B (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN109284674B (zh) 一种确定车道线的方法及装置
CN109741628B (zh) 一种智能停车路线规划方法
CN107430815A (zh) 用于自动识别停车区的方法和***
EP3070644A1 (en) Method for generating a digital record aqnd roadside unit of a road toll system implementing the method
CN105528912A (zh) 一种室内车位推荐方法及其***
CN114743403B (zh) 一种基于计算机视觉算法的智慧停车***
CN113099181B (zh) 基于视频监控的城市交通泊车安全智能分析管理方法
CN112418081B (zh) 一种空地联合快速勘察交通事故的方法及***
CN110610153A (zh) 一种用于自动驾驶的车道识别方法及***
JP2019185463A (ja) 駐車管理システムおよび駐車管理方法
CN112183409A (zh) 基于全景影像的检测车位方法、电子设备及存储介质
CN110211412B (zh) 车位数据处理方法、***及设备
CN111523368B (zh) 信息处理装置、服务器以及交通管理***
CN113053154B (zh) 停车场的车辆监控方法、装置、***及服务器
NO20210870A1 (en) Fog detection device using coordinate system, and method therefor
CN109671291A (zh) 一种基于智能传感器的全景监控方法
CN113920731B (zh) 一种基于无人机的交通运行风险实时识别方法
CN109031262A (zh) 一种定位寻车***及其方法
CN115131986A (zh) 封闭停车场智慧管理方法以及***
CN114170591A (zh) 一种基于Saas模式的智慧停车解决方法及***
CN115146830A (zh) 一种智能识别路人打车意图的方法、***及其车辆
CN113095281A (zh) ***识别方法、装置、电子设备及存储介质
CN113124752B (zh) 基于路侧视觉标签的汽车定位***和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant