[发明专利]停车场车位导航方法、电子装置及存储介质

权利要求书

1.一种停车场车位导航方法，其特征在于，该方法包括：

样本处理步骤：对采集到的停车场内每个停车位的图像进行灰度处理，从灰度处理后的图像中提取得到所述每个停车位的轮廓图像，具体包括：先对停车位无车状态下获取的停车位图像进行HSV空间处理，将处理后的停车位图像作为图像基底；再对停车位有车状态下获取的停车位图像进行HSV空间处理，将处理后的停车位图像与所述图像基底结合，用以提取停车位的轮廓图像；

训练步骤：提取每个轮廓图像的Haar特征，利用所述Haar特征训练预设的模型算法，得到识别所述停车场内每个停车位是否停有车辆的车辆识别分类器；

识别步骤：在预设时间到达时，拍摄所述停车场内每个停车位的实时图像，对所述实时图像进行灰度处理、轮廓特征提取得到各实时图像对应的轮廓图像，对各实时图像对应的轮廓图像进行特征提取得到各实时图像对应的Haar特征，将各实时图像对应的Haar特征输入所述车辆识别分类器，识别出在所述预设时间所述停车场内的空车位；及

导航步骤：定位进入所述停车场的用户车辆的位置，根据所述车辆的当前位置与停车场的空车位，生成停车路线推荐至所述用户的客户端，所述停车路线的生成过程包括：从起始点开始，以一定的步长为单位，进行节点扩展直至到达目标终点。

2.如权利要求1所述的停车场车位导航方法，其特征在于，所述Haar特征包括边缘特征、线性特征、中心特征和对角线特征。

3.如权利要求1所述的停车场车位导航方法，其特征在于，所述预设的模型算法为Adaboost算法，所述Adaboost算法训练过程包括：

记训练样本集为：S＝(x₁，y₁)，(x₂，y₂)，...，(x_n，y_n)，

其中，x表示从每个停车位图像的轮廓图像中提取的Haar特征，y∈(-1，1)，y＝1表示空车位，y＝-1表示不是空车位，n表示样本数量；

给所述训练样本集中的每个样本赋予相同的权重，得到训练样本集的初始权值分布：D₁＝(W₁，W₂，...，W_n)，W_n＝1/n表示每个样本的权重；

将具有权值分布的所述训练样本集在Adaboost算法进行m轮的迭代学习，得到基本分类器G_m(X)：X→(-1，1)；

组合各个基本分类器G_m(X)，得到强分类器f(X)作为所述车辆识别分类器：

其中，f(X)表示强分类器，A_m表示基本分类器G_m(X)的系数，m表示训练样本集迭代学习轮数。

4.如权利要求1所述的停车场车位导航方法，其特征在于，所述样本处理步骤还包括：

对所述停车场内的停车位进行分区，在各个分区中标记出所述每个停车位的轮廓图像的位置编号，以建立所述每个停车位的信息点。

5.如权利要求1所述的停车场车位导航方法，其特征在于，所述预设时间包括工作日高峰期预设时间、节假日高峰期预设时间和一般预设时间，对每种类型的预设时间设置相应的时间间隔拍摄所述停车场内每个停车位的实时图像。

6.如权利要求1所述的停车场车位导航方法，其特征在于，所述导航步骤包括：

根据所述车辆的当前位置及所述停车场的空车位自动生成推荐停车路线反馈至所述用户的客户端；或

响应用户选择空车位的操作，根据所述车辆的当前位置及用户选择的所述空车位生成推荐停车路线反馈至所述用户的客户端。

7.如权利要求1至6任意一项所述的停车场车位导航方法，其特征在于，该方法还包括：

将所述停车场的空车位信息，或/及生成的推荐停车路线显示于停车场的电子显示屏。