具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、部件和/或它们的组合。

此外，在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上，除非另有明确的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

下面结合附图与实施例对本发明作进一步说明：

如图1和图2所示，基于移动平台的动态停车位车辆压线识别方法，包括如下步骤：

步骤一、通过移动平台动态拍照的方式，对整个停车场的车位完成图片数据的采集和记录，以供后续算法识别及查看；

1.1）、移动平台到达巡逻点位，移动平台根据定位及环境识别先判断是否是正确采集图像的位置；

1.2）、确定任务点位后，根据移动平台所在位置及采集标的位置、距离自动调节拍摄角度及焦距后，采集图像并上传至服务器；

步骤二、使用停车位压线识别算法，对步骤一中采集的图片进行识别检测；

2.1）、识别图片中的拍摄物体是否为车，避免误判；如识别范围内容为空、则反馈为空，继续执行下一任务；如识别范围为其他车辆外物体，反馈给服务器图片及识别内容；如识别为车辆，通过调用停车位压线识别算法计算是否压线；

2.2）、保存识别结果，并前往下一点位，如出现异常则通知服务器；

步骤三、将采集的图片和识别的结果存储于服务器之中，供以后查看，并将异常停车的结果通知管理人员；

3.1）、如停车情况正常，则保存结果继续下一点任务位采集图像；

3.2）、如停车情况异常，则保存结果、实时通知服务器，反馈内容至服务器，根据步骤二的停车位压线识别算法识别后反馈内容为图片、车牌、已录入车牌的车主信息；

3.3）、将反馈内容显示至操作平台提醒栏，并伴有提示音；

3.4）、继续下一点任务位采集图像。

所述步骤一中的图像采集具体步骤如下：

a.确定检测位置，通过服务器下发到点指令，移动平台运动方式为遥控或者自主导航；

b.通过定位技术确认移动平台的位置，等待移动平台抵达指定检测位置；

c.在指定检测位置自主调整移动平台的摄像机参数，摄像机调整到预设参数后，进行图片采集；

d.将图片上传至后端应用服务器中，调用停车位压线识别算法进行识别。

所述停车位压线识别算法识别通过检测图像中黄色地标的个数确定车辆是否压线，如果检测到左右两边的地标数量均大于等于2，则未压线，否则，车辆压线。所述停车位压线识别算法具体步骤如下：

a.对图像进行预处理，将原图的RGB颜色空间转换为HSV颜色空间；

b.根据HSV通道获取停车位车道线的位置，普通车道线HSV通道范围为[14, 12,164]~[21, 21, 251]，车道线上的地标HSV通道范围为[10, 150, 160]~[30, 255, 255]；上述参数是预设值，用于检测车道线的；普通车道线是汽车周围灰色的地砖，而车道线地标是黄色的标志；

c.将经过阈值筛选出的图片作灰度化处理和黑白二值化处理，将其转换为黑白二值化mask图片；此图片不是局部图片，而是整张图片，图片灰度化和黑白二值化是为了将黄色的标志显示出来；

d.对处理后得到的mask图片进行膨胀操作，膨胀核大小为7*7；卷积核大小7*7；为了让黄色的区域更明显；

e.根据形态学特征，对mask图片做最小外接矩形框，宽为w，高为h，保留符合地标形状的mask图片：由于检测会出现大量的噪声，会将噪声也识别为黄色标志，为了去除这些噪声，我们通过判断这些是否满足以下条件：w>10，w<60，h<30且w/h>1.5。若满足，则是地标，不满足，则不是。

以上所有参数可以改为其他值，但是会影响检测的准确率。

f.对保留下的mask图片的坐标位置进行判断，判断分别位于整张图片的左半部分或右半部分，并计数；

g.当左半部分和右半部分数均大于2时，则未压线，否则压线；

h.将计算后得出的识别结果上传至服务器，服务器中将现场原图及识别效果图保留，并在出现车辆压线时反馈压线的异常行为，提示管理。

综上所述，本发明充分利用一张图片在计算机领域内能够使用不同的颜色空间来表示，将常规使用RGB颜色空间来存储的图片转换为HSV颜色空间来存储，能够使得图片在光线变化的时候也能够很好的区分颜色。

同时将转换后的图片进行图像形态学操作，图像形态学操作是基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学。其有四个基本操作：膨胀、腐蚀、开、闭。经过这些操作处理后的图像能够很好的消除噪声、分割出独立的图像元素、在图像中连接相邻的元素、寻找图像中的极大值与极小值区域、求出图像的梯度。经过上述步骤处理后的图片更有利于停车位压线识别算法的使用，检测更加准确，识别速度更快。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。