基于表象的可用停车位检测方法

基于表象的可用停车位检测方法

提出了一种鲁棒方法检测可用的停车场。由于摄像头质量较低或者停车场周围的光线存在动态变化,因此很难准确地检测或识别出汽车。此外提出的基于表象的方法比基于识别的方法更有效,因为其无需获得庞大的多视角控制目标。基于表象的停车位检测方法的整体框图如图1所示，图1中自适应背景模型用作目标检测模块。自适应背景模型包括离线背景模型和在线背景模型。在整个补偿光线的缓慢变化过程中，离线背景模型在开始检测前起作用，而在线背景模型是离线模型的更新版本。

该自适应背景模型考虑了模糊区域动态混合特性及边缘方向直方图密度。动态背景模型亮度变化的均方差用来动态调节混合测对象。但是在背景光线强度动态变化的过程中，则需要依据自适应混合特征。边缘方向直方图密度在低对比度情况下作为停车位检测对象。在进行了模型建立和停车位检测方法确立后，采用仿真分析和实景试验方法验证了该停车位检测方法。试验结果表明，基于摄像头而采用的自适应混合特征算法可以有效处理光线的动态变化。特性的比例。模糊区域密度是采用高斯遮罩加权进行鲁棒密度估算的停车场预先确定区域的密度。边缘方向直方图密度是夜景模式低对比度情况下预先确定区域的边缘方向直方图密度。

在正常背景光线强度下，只采用模糊区域密度作为停车位检

Choeychuen K.et al.2012 IEEE Computer Science and Software Engineering (JCSSE),May 30 2012-June 1 2012.

编译：贺蓉