基于OpenCV的地面停车诱导系统研究.docx

?

?

基于OpenCV的地面停车诱导系统研究

?

?

刘派廖寿敏张丽张兴袁龙杨世军

摘要：为解决城市交通中存在的停车难问题，本研究提出基于计算机视觉和机器学习软件库（OpenCV）的地面停车诱导系统，以某露天停车场为例，开展实地测试，分析设备的拍摄角度、拍摄高度和级联分类器个数对设备识别效果的影响。试验结果表明，设备的拍摄角度为0°、拍摄高度为10m、级联分类器个数为6个，设备的识别效果最为理想;设备对除黑色车型的识别率（0.77）较低外，对其他颜色车型的识别率均在0.85以上，其中对白色车辆的识别率最高（0.92），车辆颜色与停车场地面颜色色差越大时，设备识别率越高。

关键词：交通工程;停车诱导系统;计算机视觉;车辆检测;移动通信

：U491??：A?：1006-8023（2021）03-0119-07

Abstract：Inordertosolvetheparkingdifficultproblemsofurbantraffic，thisstudyproposedagroundparkingguidancesystembasedoncomputervisionandmachinelearninglibrary（OpenCV）.Takinganopenparkinglotasanexample，fieldtestswerecarriedouttoanalyzetheeffectsoftheshootingangle，shootheightandthenumberofcascadeclassifiersontherecognitioneffectofequipment.Thetestresultsshowedthatthebestrecognitioneffectwasachievedwhentheshootingangleofthedevicewas0degrees，theshootingheightwas10mandthenumberofcascadingclassifierswas6.Exceptforthelowrecognitionrate（0.77）ofblackcar，therecognitionrateofothercolorcarswasabove0.85，andtherecognitionrateforwhitecarwasthehighest（0.92）.Thegreaterthecolordifferencebetweenthevehiclecolorandtheparkinglotgroundcolor，thehigherthedevicerecognitionrate.

Keywords：Trafficengineering;parkingguidancesystem;computervision;vehicledetection;mobilecommunication

0引言

國民经济水平提高使得汽车保有量随之提高，但停车场的建设速度与汽车保有量的增长速度无法匹配，由此导致“停车难”等问题[1]。“车多车位少”的现象愈演愈烈的同时，车位难寻的问题也不容忽视。驾驶人无法准确获知停车场内车位利用情况，难以快速地找到空闲车位，车辆在停车场内盲目行驶导致拥堵，以及排队缴费浪费时间等[2]。这造成了路外公共停车场利用率低下，驾驶人更倾向于将车辆停放于路内停车场。车辆停放过程中对动态交通产生干扰的同时，易出现车辆追尾、剐蹭等安全事故[3-4]。停车诱导目前存在诸如安装于路侧的LED停车诱导屏安装难度较大，建设成本偏高;同时驾驶员在注视诱导屏的过程中，视觉分心会产生安全隐患[5]。

国内外针对停车位检测技术有了相对丰富的研究。林渊博等[6]运用地磁传感器对停车位进行数据采集;陈锦生等[7]提出了基于导航平台的智能交通停车诱导系统设计。桑博[8]提出了将“互联网+”与传统停车场系统相结合的新型停车诱导系统，并通过实地实验对技术进行应用。上述技术的实施主要存在以下几点问题[9]。

（1）硬件成本高、维护成本大导致经济可行性低。

（2）泊位信息较粗略，实时性和精确度较低。

（3）用户信息获取困难，不支持线上服务。

为了解决现有常用停车诱导系统存在的主要问题，本研究提出基于计算机视觉和机器学习软件库[10-11]（OpenCV）的交通管理应用场景视频信息处理方法，并将其应用于