基于圖像的嵌入式車位檢測系統設計

孫建延，時 偉，李建峰 SUN Jian-yan, SHI Wei, LI Jian-feng

（1. 中州大學 工程技術學院，鄭州 450044；2. 防空兵學院，鄭州 450052）

0 引言

車位檢測技術是智能停車場管理系統中的關鍵技術，與現有的地感線圈、紅外線和超聲波等檢測技術相比[1]，視頻檢測技術具有檢測器安裝方便、易于維護，無需破壞路面，對周圍環境沒有影響等優勢；圖像的信息量豐富，視頻監測直觀可靠，現已被逐漸使用。

1 停車場車位視頻檢測技術

由于汽車種類、形狀、大小、顏色各異，直接對獲取的圖片進行分析判斷車位是否空閑相當復雜，對系統內存和運算能力要求高。若在停車位畫一個特征圓，在斜前方對該目標圓進行視頻檢測。當圖片中沒有目標圓，表明該車位被占用，否則車位空閑。由于拍攝角度問題，特征圓被扭曲成橢圓，最終對空閑車位的檢測轉化為對圖片中是否含有橢圓的檢測。該方法簡單，計算所需要的資源少，檢測速度快。

1.1 停車場視頻檢測

本文采用USB攝像頭對停車位進行視頻采集，通過圖像處理技術, 對橢圓特征信息進行提取,確定停車位的使用情況，如圖1所示。

與攝像頭被安放在待檢測車位的正上方（如攝像頭1）相比，把攝像頭安放在車位的斜前方通過增加偏移角度和拍攝距離增大可視范圍，獲取更多的檢測車位（如攝像頭2）。

圖1 停車位拍攝示意圖

1.2 橢圓檢測算法

為了加快橢圓檢測速度,提高檢測的準確性,若采用傳統Hough變換和隨機Hough變換等方法[2]對圖片中的橢圓進行檢測，需要較長的運算時間，并且需要消耗較多的內存。目前采用較多的方法是隨機橢圓檢測法,其結合了最小二乘法和隨機檢測的方法可以快速檢測多個橢圓[3,4]，該方法需要隨機采樣6個點對橢圓進行檢測，6個點同時落在同一個橢圓上的概率小，導致較多的無效采樣，增加了算法的時間復雜度。因此從處理效率和節省能源兩方面考慮限制了算法在嵌入式停車場車位實時管理的需求。

本系統在隨機最小二乘法擬合的基礎上,基于橢圓的中心對稱特性和旋轉不變性進行橢圓邊緣點檢測[4]，提高了采樣點落在同一個橢圓上的概率, 所需要的計算量小,變量少，可以使用內存較小的ARM系統。

如圖2所示，橢圓是一種存在兩條正交對稱軸的圖形, 通過圖形中心的直線與邊界的兩個交點P1和P2互為對偶點[4,5],其外法線方向相反，切線斜率相等。當圖形或圖像發生平移、縮放或旋轉后，對偶點仍然互為對偶點，即關于橢圓中心的對稱特性和旋轉不變性。

對獲取的圖片進行預處理。首先將圖片轉換成灰度圖像，然后對圖片進行高斯濾波去除噪聲，并且進行二值化處理，使用Canny算子提取邊緣[6]，獲取圖像的邊緣點集E。

在邊緣點中，基于橢圓的旋轉不變性，利用對偶點切線斜率相等的性質選取對偶點，依次選取3對對偶點，共6個點，使用最小二乘法擬合算法擬合一個橢圓。為了得到較好的擬合效果，采樣對偶點要考慮均勻分布，選點時使用距離閾值限制。

另外，由于噪聲干擾,擬合得到的橢圓未必是真實橢圓。采用8鄰域膨脹法統計落在此橢圓上的邊緣點數目N和橢圓的周長L驗證此橢圓是否為真實橢圓。根據先驗知識，當N/L＜0.9時，則此橢圓為虛假橢圓,否則為真實橢圓并從邊緣點集中剔除落在橢圓上的邊緣點。判斷剩余邊緣點的數目,如果剩余點數過少，則認為剩余點數不足以構成一個橢圓退出檢測，否則繼續進行檢測。

橢圓檢測算法流程如圖3所示。

圖2 橢圓上對偶點示意圖

2 系統硬件平臺

系統采用FriendlyARM公司的Tiny6410開發板為硬件系統，以Linux操作系統為軟件系統構建停車位視頻實時檢測平臺。

系統硬件平臺采用S3C6410A處理器，主頻為533MHz， 板 載256M DDR RAM和256M SLC Nand Flash，具有高性能、低功耗、體積小、接口豐富等優點。帶有以太網接口和USB主從接口，LCD采用4.3寸觸摸屏，用于現場監控效果的調試。采用USB攝像頭，分辨率為130萬像素，通過V4L2的驅動程序控制攝像頭進行拍攝。詳細內容參看FriendlyARM公司的Tiny6410 硬件說明手冊。

3 系統軟件平臺[7]

系統軟件基于Intel的開源計算機視覺庫OpenCV，以及用于Linux的開源視頻設備內核驅動V4L2設計。

平臺采用NFS網絡文件系統作為根文件系統進行應用程序開發，使用NFS實現ARM板和PC上位機之間的數據交換。其關鍵是設置好PC NFS服務和開發板的啟動參數，參看Tiny6410 Linux開發指南。

程序共分為三個部分：系統控制程序、停車位拍照程序和圖片檢測程序。

3.1 視頻技術

OpenCV是一個跨平臺計算機視覺庫，它由一系列 C 函數和少量 C++ 類構成，實現了圖像處理和計算機視覺方面的很多通用算法[8]。

在ARM中編譯OpecnCV，建立運行環境。通過NFS調用ARM，在ARM下掛載本地文件夾，將OpenCV下載到該文件夾中，切換到OpenCV的文件夾下依次運行configure、make、make install指令后，將編譯生成的lib文件拷貝到ARM的lib根目錄下，以后使用了OpenCV的程序經過編譯之后就能夠在ARM下順利運行。

V4L2(Video4linux2)是Linux下用于獲取視頻和音頻數據的API接口，通過使用視頻采集設備和驅動程序，可以實現視頻采集、實時播放等功能[9]。在Linux中視頻設備作為設備文件，可以像訪問普通文件一樣對其進行讀寫。通過調用V4L2，使得應用程序有發現設備和操作設備的能力。Linux為攝像頭設備提供了一系列編程接口及數據接口函數，通過調用這些函數可以進行打開，捕獲，讀取，關閉設備等操作，以及設置視頻和圖像參數。

3.2 系統控制程序

系統控制程序流程如圖4所示，負責系統的邏輯，包括系統的初始化，維持系統的運行，系統的關閉，以及為拍照程序和橢圓檢測程序服務。

圖4 系統控制程序流程

對系統的狀態進行初始化后，經橢圓檢測后對停車位設置一個標志位，每次當車位變化的時候，改變該標志位，即每次對車位狀態進行判斷的時候，首先將結果與系統中保存的狀態進行比較。

當檢測結果發現狀態變化時，不能簡單的更改車位的狀態，需要進行多次檢測（5次），并且不再以10秒為單位進行判斷，而是每次檢測完就直接拍攝下一張圖片判斷，通過統計對檢測結果判斷車位是否有變化，以防誤判。

3.3 停車位拍照程序

使用V4L2內核驅動程序，操作攝像頭對目標停車位進行拍攝，如圖5所示[9]。

圖5 停車位視頻采集圖片流程

首先，通過調用open()函數打開視頻設備文件，成功后返回的文件描述符代表捕獲的硬件設備；然后調用ioctl()函數命令參數（VIDIOCGCAP、VIDIOCGPICT、VIDIOCGMBUF、VIDIOCSPICT、VIDIOC_QUERYSTD）獲取設備信息、采集的圖像屬性、圖像緩沖區幀信息、檢測當前設備支持的標準和設置屬性和采集方式；利用v4l2_requestbuffers類型結構體變量為視頻設備分配內存，即分配的緩存數量；調兩個ioctl()函數命令（VIDIOC_DQBUF、VIDIOC_QBUF）來獲取數據；當整個系統的工作完成之后，調用close()函數來關閉視頻設備。

3.4 圖片橢圓檢測程序

基于橢圓對稱性和最小二乘法擬合算法對拍攝圖片進行橢圓檢測，通過對圖片中是否含有橢圓來判斷車位是否被占用。算法流程如圖3所示。

橢圓檢測系統又分為以下四個模塊：預處理模塊、采樣模塊、最小二乘法擬合模塊和橢圓的驗證模塊。輸入圖片依次經過四個模塊處理之后，輸出圖片中是否存在橢圓。各模塊通過指向圖片的IplImage*類型指針變量實現數據傳遞，進而實現對圖片的處理，而且模塊化后的程序便于修改和升級處理。

4 試驗結果及分析

試驗時，首先利用筆記本視頻應用程序調整好攝像頭的角度位置，使拍攝的效果清晰良好，以防橢圓畸變太大，不能正確檢測。然后把攝像頭連接到ARM系統，對地面停車位進行多次檢測，觀察輸出是否正確。如果多次檢測結果正確，則認為攝像頭位置固定好。

由于橢圓檢測最多需要2秒，因此以10秒為間隔進行拍攝，此頻率可以滿足停車場檢測的需要。每張圖片大小為8KB左右，由于系統分配的存儲空間有限，不能對每次拍攝的結果都進行存儲，并且停車場車位的狀態變化頻率較低，因此可以僅在每次檢測到車位變化的時候對當時拍攝的圖片進行存貯。

系統對隨機產生的多橢圓圖進行測試驗證，共200張圖片，每張圖片上隨機產生3到4個橢圓。其中具有3個橢圓的圖片有89張，4個橢圓的圖片有111張。

表1 統計橢圓檢測的正確率

由于隨機生成的橢圓，有的相距太近，以及接近重合現象，容易出現的錯誤大部分上是檢測到的橢圓個數少于真實的橢圓個數。

4.1 高斯噪聲對檢測精度的影響

為了檢測高斯噪聲對檢測效果的影響，為橢圓圖片添加不同方差的噪聲。對6張圖片分別添加樣本方差為[0.1, 0.3, …1.1]的零均值高斯噪聲進行了實驗。如圖6所示。

圖6 添加方差為0.1和1.1的高斯噪聲的灰度圖

當噪聲方差為0.1時，圖片灰度化之后相對于背景噪聲，橢圓的邊緣仍然很清晰，噪聲點的干擾小，能順利的提取出邊緣。當噪聲方差1.1時，圖片灰度化之后相對于背景目標橢圓已經變得很模糊，很難從圖片中提取邊緣，造成較大的檢測誤差。因此方差越大，目標橢圓越不清晰，對檢測精度影響越大。

4.2 環境對停車位檢測系統的影響

在對停車場進行車位檢測的過程中，由于踩壓磨損，光線等原因，待檢測橢圓會逐漸變得模糊，不同的光照條件對目標車位的檢測也有很大的影響，因此對不同的自然環境下拍攝的圖片進行了統計分析。錯誤出現較多的情況是空閑車位被檢測成占用，而車位被占用時，檢測結果的正確率是相當高的。在觀測角比較好的情況下，檢測誤報率在2%以下。

在橢圓褪色或被遮擋的情況下，檢測效果取決于剩余的橢圓部分能在多大程度上保持橢圓的形狀特性。如果目標橢圓仍能保持橢圓的基本形狀，那么目標橢圓就能被檢測出來。否則，系統很難通過車位上是否有橢圓來判斷車位被占用，需要借助其它圖像特征算法進行識別。

5 結束語

本文采用USB普通攝像頭實現了停車場車位檢測系統設計，包括系統結構和基本算法流程，

以及具體試驗過程。使用橢圓對稱性和最小二乘法擬合隨機橢圓檢測算法提高檢測效率，降低了系統復雜度。通過對多種自然環境下檢測結果顯示該系統完全能應用到實際車位檢測系統中。

[1] 蔣大林, 鄧紅麗. 基于視頻圖像的多特征車位檢測算法[J]. 北京工業大學學報, 2008, 34(2): 137-140.

[2] 邢誠, 沈琦, 譚小波, 等. 一種基于隨機 Hough變換的橢圓檢測方法[J]. 計算機與數字工程, 2008, 36(1): 23-25.

[3] 陳海峰, 雷華, 孔燕波, 等. 基于最小二乘法的改進的隨機橢圓檢測算法[J]. 浙江大學學報:工學版, 2008, 42(8):1360-1364.

[4] 呂洪赫, 姚振杰, 易衛東. 基于對稱性的最小二乘擬合隨機橢圓檢測算法[J]. 電子測量技術, 2011, 34(5): 37-41.

[5] 周小明, 劉明, 徐飛. 一種基于長軸和對偶性的橢圓檢測新算法[J]. 光學技術, 2007, 33(5): 763-765.

[6] 李滾, 嚴發寶, 蘇艷蕊, 等. 基于Canny算子的自適應雙閾值油罐油位紅外成像檢測[J]. 電子測量與儀器學報,2009, 23(9): 44-49.

[7] 李曉光, 吉滎廷, 張立峰. 基于嵌入式LINUX和ARM9的視頻采集系統[J]. 電子測量技術, 2009, 32(2): 102-104.

[8] 劉瑞禎, 于仕琪. OpenCV教程—基礎篇[M]. 北京: 北京航空航天大學出版社, 2008.

[9] 黃睿邦, 湯榮江, 李文亮. Linux下基于Video4Linux的USB攝像頭視頻采集實現[J].現代計算機, 2009, (309): 182-185.