论文部分内容阅读
摘要：随着城市交通车辆越来越多，在一些大型停车场尤其是繁华商业区附近的停车场，出现停车场因不同车型的车辆体积和尺寸不同，所占车位空间不同，停车场的车位都是固定大小，这就使停车场不能充分利用。这就出现停车场空间大而用户寻找车位却十分困难，以及等待空余车位时间过长等问题。为此停车车位的优化管理成为自动停车管理系统的必要内容。近几年，国内对智能停车场的研究逐步深入。但就总体情况而言，目前大多研究仅停留在车牌识別的阶段，目前市场上尚未出现以车型识别来智能停车的系统，该文提供了一直新型的利用车型来识别车辆的大小尺寸，从而为其确定车位，本项目基于拍到的车辆图像自动识别出车型，根据其车型所对应的大小安排相应的停车位置，可以实现停车的自动优化管理，解决出现以上问题。
关键词：智能停车；车型识别；管理系统
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）13-0073-02
1基于车型识别技术的大型停车场停车优化管理系统与应用概要
1.1选题背景和意义
随着社会的快速发展，国内各类车型迅速增长，车型多，而且停车场场地利用率不高，管理不合理，民众找车位困难，花费大量时间等待等。由于不同车型的车辆体积和尺寸不同，所占车位空间也不同，目前停车场的车位都是固定大小，这样的划分不利于停车场空间的充分利用。本项目基于拍到的车辆图像自动识别出车型大小，根据其大小安排相应的停车位置，可以实现停车的自动优化管理。本项目的研究将具有很高的实用价值。
1.2停车场优化管理系统现状
目前国内的智能停车场系统尚处于一个初级阶段，并不能满足当代科技社会的智能化管理的需求，随着我国车辆保有量日益提高，动态交通系统的开发，如通过早高峰晚高峰车流量合理安排路线，很明显改观了车祸发生率高，交通拥堵等问题，显然仅仅依靠动态交通不能彻底解决交通问题，这就需要静态交通系统的结合，但目前的静态交通以停车场智能化为主要的方向，市面上的停车场优化管理系统多以IC非接触卡，车牌车别居多，但这足以说明停车场智能化市场的发展前景非常大。
1.3停车优化管理系统的运行流程
其中“根据当前空余车位类型和所识别的车型分配相应的停车区号”的分配方案设计如下：
如果当前车型对应的车位类型有空余，则将其分配到该车位类型区域；如果没有，则查看其对应的车位类型等级的上一级有无空余车位，如有，则将其分配到该车位类型区域；没有的话，等待。车位类型等级从高到低依次为：A、B、C、D。
2停车场优化管理系统的设计原理与关键技术
首先用摄像头对车辆入库图像进行捕捉，然后从整副图像对车脸图像提取，拟用已有的车辆检测方法即提取Haar-like特征结合AdaBoost分类器的检测算法检测出图像中车脸的区域，然后将车脸部分分割出来进行车型识别；拟使用支持向量机对车辆进行车型分类，拟选取HOG特征表示车脸图像，根据车脸图像识别结果通过与数据库查询确定停车车位的类型；拟利用光学字符识别算法、牌定位算法以及车牌字符分割算法车等进行车牌的自动识别；项目选用Visual Studio 2010平台和SQL Server数据库编写软件。实现对进入停车场车辆的自动身份记录、停车车位的安排与提示、自动统计空余车位及类型等功能。
2.1车脸图像检测与识别
Haar-like特征结合AdaBoost分类器的检测算法：
检测算法分两步实现：第一步，对样本进行训练；第二步，对测试样本进行识别。在进行训练过程时先从车辆样本海量类Haar-like特征中选取对识别有决定性的特征，然后为识别过程用于两类分类识别的AdaBoost分类器做好准备；在识别过程中第一步就是要提取Haar-like特征，然后交由AdaBoost分类器对车辆是否存在进行检测。
如图2所示，将对象进行归一化图像处理，便可以提取如左下角的Haar-like特征。
2.2车型图像HOG特征：
HOG特征提取算法的实现过程：
首先将车脸图像作为检测目标，并用m对图像进行灰度化，此时我们可以将图像看成是一个三维图像；然后利用Gain-ma法对图像进行进一步处理（即将三维图像T（x，y，z）=T（x，y，z）1/2）；对图像的像素值通过求偏导计算梯度的大小和方向，这样做的目的主要防止光照等因素对图像的影响；在此基础上将图像化成8*8个小块，并统计每个小块的梯度直方图；在将每四个小块结合成一个大块（2*2），把每一块地的梯度的个数串联起来，最后把8*8每个小块结合起来便是HOG特征。
2.3数据库表的设计
3管理系统操作界面
3.1工作界面
1）系统登入界面
3.1.2操作界面
4结束语
目前随着城市交通车辆越来越多，在一些大型停车场尤其是繁华商业区附近的停车场，怎样有效地利用停车场空间，为用户停车提供更大的便利，避免用户等待空余车位时间过长，停车车位的优化管理成为自动停车管理系统的必要内容。相信此项研究能给停车场优化系统的研究有很大的帮助。
关键词：智能停车；车型识别；管理系统
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）13-0073-02
1基于车型识别技术的大型停车场停车优化管理系统与应用概要
1.1选题背景和意义
随着社会的快速发展，国内各类车型迅速增长，车型多，而且停车场场地利用率不高，管理不合理，民众找车位困难，花费大量时间等待等。由于不同车型的车辆体积和尺寸不同，所占车位空间也不同，目前停车场的车位都是固定大小，这样的划分不利于停车场空间的充分利用。本项目基于拍到的车辆图像自动识别出车型大小，根据其大小安排相应的停车位置，可以实现停车的自动优化管理。本项目的研究将具有很高的实用价值。
1.2停车场优化管理系统现状
目前国内的智能停车场系统尚处于一个初级阶段，并不能满足当代科技社会的智能化管理的需求，随着我国车辆保有量日益提高，动态交通系统的开发，如通过早高峰晚高峰车流量合理安排路线，很明显改观了车祸发生率高，交通拥堵等问题，显然仅仅依靠动态交通不能彻底解决交通问题，这就需要静态交通系统的结合，但目前的静态交通以停车场智能化为主要的方向，市面上的停车场优化管理系统多以IC非接触卡，车牌车别居多，但这足以说明停车场智能化市场的发展前景非常大。
1.3停车优化管理系统的运行流程
其中“根据当前空余车位类型和所识别的车型分配相应的停车区号”的分配方案设计如下：
如果当前车型对应的车位类型有空余，则将其分配到该车位类型区域；如果没有，则查看其对应的车位类型等级的上一级有无空余车位，如有，则将其分配到该车位类型区域；没有的话，等待。车位类型等级从高到低依次为：A、B、C、D。
2停车场优化管理系统的设计原理与关键技术
首先用摄像头对车辆入库图像进行捕捉，然后从整副图像对车脸图像提取，拟用已有的车辆检测方法即提取Haar-like特征结合AdaBoost分类器的检测算法检测出图像中车脸的区域，然后将车脸部分分割出来进行车型识别；拟使用支持向量机对车辆进行车型分类，拟选取HOG特征表示车脸图像，根据车脸图像识别结果通过与数据库查询确定停车车位的类型；拟利用光学字符识别算法、牌定位算法以及车牌字符分割算法车等进行车牌的自动识别；项目选用Visual Studio 2010平台和SQL Server数据库编写软件。实现对进入停车场车辆的自动身份记录、停车车位的安排与提示、自动统计空余车位及类型等功能。
2.1车脸图像检测与识别
Haar-like特征结合AdaBoost分类器的检测算法：
检测算法分两步实现：第一步，对样本进行训练；第二步，对测试样本进行识别。在进行训练过程时先从车辆样本海量类Haar-like特征中选取对识别有决定性的特征，然后为识别过程用于两类分类识别的AdaBoost分类器做好准备；在识别过程中第一步就是要提取Haar-like特征，然后交由AdaBoost分类器对车辆是否存在进行检测。
如图2所示，将对象进行归一化图像处理，便可以提取如左下角的Haar-like特征。
2.2车型图像HOG特征：
HOG特征提取算法的实现过程：
首先将车脸图像作为检测目标，并用m对图像进行灰度化，此时我们可以将图像看成是一个三维图像；然后利用Gain-ma法对图像进行进一步处理（即将三维图像T（x，y，z）=T（x，y，z）1/2）；对图像的像素值通过求偏导计算梯度的大小和方向，这样做的目的主要防止光照等因素对图像的影响；在此基础上将图像化成8*8个小块，并统计每个小块的梯度直方图；在将每四个小块结合成一个大块（2*2），把每一块地的梯度的个数串联起来，最后把8*8每个小块结合起来便是HOG特征。
2.3数据库表的设计
3管理系统操作界面
3.1工作界面
1）系统登入界面
3.1.2操作界面
4结束语
目前随着城市交通车辆越来越多，在一些大型停车场尤其是繁华商业区附近的停车场，怎样有效地利用停车场空间，为用户停车提供更大的便利，避免用户等待空余车位时间过长，停车车位的优化管理成为自动停车管理系统的必要内容。相信此项研究能给停车场优化系统的研究有很大的帮助。