Аннотация:
Для повышения эффективности классификации изображений парковочных мест предлагается алгоритм, который может быть использован в интеллектуальных системах видеомониторинга автостоянок. Признаки изображения парковочного места формируются на основе гистограмм ориентированных градиентов путем выполнения следующих шагов: вычисление горизонтальных и вертикальных градиентов для исходного изображения парковочного места, нахождение модуля вектора градиента и ориентаций, накопление мощностей градиентов в соответствии с ориентациями в ячейках, объединение ячеек в блоки, вычисление второй нормы ориентаций и нормализация ориентаций ячеек блока. Классификация дескрипторов парковочного места выполняется с использованием метода опорных векторов. В работе представлены результаты экспериментов по оценке наиболее эффективных параметров дескриптора парковочного места и типа функции ядра классификатора.

Ключевые слова:
машинное зрение, анализ изображений, распознавание образцов.

Цитирование:
Ярошевич, П.В. Алгоритм классификации изображений парковочных мест автостоянки на основе гистограмм ориентированных градиентов и метода опорных векторов / П.В. Ярошевич, Р.П. Богуш // Компьютерная оптика. – 2017. – Т. 41, № 1. – С. 110-117. – DOI: 10.18287/2412-6179-2017-41-1-110-117.

Литература:

1. Ngan, K. Video segmentation and its applications / K. Ngan, H. Li // New York, Dordrecht, Heidelberg, London: Springer, 2011. – 164 p. – DOI: 10.1007/978-1-4419-94182-0.
2. Brovko, N. Smoke detection algorithm for intelligent video surveillance system / N. Brovko, R. Bogush, S. Ablameyko // Computer Science Journal of Moldova. – 2013. –Vol. 21(1), No. 61. – P. 142-156.
3. Васин, Н.Н. Система технического зрения для контроля состояния железнодорожного пути / Н.Н. Васин, Р.Р. Ди­язитдинов // Компьютерная оптика. – 2016. – Т. 40, № 3. – С. 410-415. – DOI: 10.18287/2412-6179-2016-40-3-410-415.
4. Idris, M.Y. Car park system: A review of smart parking system and its technology / M.Y.I. Idris, Y.Y. Leng, E.M. Ta­mil, N.M. Noor, Z. Razak // Information Technology Journal. – 2009. – Vol. 8(2). – P. 101-113. – DOI: 10.3923/itj.2009.101.113.
5. True, N. Vacant parking space detection in static images. Technical Report / N. True. – San Diego: University of California, 2007.
6. Bong, D.B.L. Car-park occupancy information system / D.B.L. Bong, K.C. Ting, N. Rajaee // Third Real-Time Technology and applications symposium, RENTAS 2006, Serdang, Selangor, December 2006. – 2006.
7. Sastre, R.J.L. Computer algebra algorithms applied to computer vision in a parking management system / R.J.L. Sastre, P.G. Jimenez, F.J Acevedo, S.M. Bascon // In: IEEE international symposium on industrial electronics, ISIE 2007. – 2007. – P. 1675-1680. – DOI: 10.1109/ISIE.2007.4374856.
8. Almeida, P. Parking space detection using textural descriptors / P. Almeida, L.S. Oliveira, E. Silva, A. Britto, A.L. Koerich // IEEE International Conference on Systems, Man, and Cybernetics (SMC). – 2013. – P. 3603-3608. – DOI:10.1109/SMC.2013.614.
9. Huang, C.-C. Vacant parking space detection based on plane-based bayesian hierarchical framework / C.-C. Huang, Y.-S. Tai, S.-J. Wang // IEEE Transactions on Circuits and Systems for Video Technology. – 2013. – Vol. 23(9). – P. 1598-1610. – DOI: 10.1109/TCSVT.2013.2254961.
10. Jermsurawong, J. Car parking vacancy detection and its application in 24-hour statistical analysis / J. Jermsurawong, M.U. Ahsan, A. Haidar, H. Dong, N. Mavridis // 10th International Conference on Frontiers of Information Technology. – 2012. – P. 84-90. – DOI: 10.1109/FIT.2012.24.
11. Dalal, N. Histograms of Oriented Gradients for Human Detection / N. Dalal, B. Triggs // IEEE Conference on Computer Vision and Pattern Recognition. – 2005. – Vol. 1. – P. 886-893. – DOI: 10.1109/CVPR.2005.177.
12. Вапник, В.Н. Теория распознавания образов / В.Н. Вапник, А.Я. Червонекис. – М.: Наука, 1974. – 416 с.
13. PKLot – A robust dataset for parking lot classification [Электронный ресурс]. – 2015. – URL: http://web.inf.ufpr.br/vri/news/parking-lot-database (дата обращения 15.12.2015).
14. Huang, C.-C. A surface-based vacant space detection for an intelligent parking lot / C.-C. Huang, Y.-S. Dai, S.-J. Wang // Proceedings of 12th International Conference on ITS Telecommunications. – 2012. – P. 284-288. – DOI: 10.1109/ITST.2012.6425183.
15. Huang, C.-C. A multiclass boosting approach for integrating weak classifiers in parking space detection / C.-C. Huang, Hoang Tran Vu, Yi-Ren Chen // IEEE International Conference on Consumer Electronics – Taiwan (ICCE TW) 2015. – 2015. – P. 314-315. – DOI: 10.1109/ICCE-TW.2015.7216918.
16. Fusek, R. AdaBoost for parking lot occupation detection / R. Fusek, K. Mozdren, M. Šurkala, E. Sojka // InProceedings of the 8th International Conference on Computer Recognition Systems CORES 2013. – 2013. – P. 681-690. – DOI: 10.1007/978-3-319-00969-8_67.
17. Tschentscher, M. Scalable real-time parking lot classification: An evaluation of image features and supervised learning algorithms / M. Tschentscher, C. Koch, M. König, J. Salmen, M. Schlipsing // International Joint Conference on Neural Networks (IJCNN). – 2015. – P. 1-8. – DOI: 10.1109/IJCNN.2015.7280319.
18. Baroffio, L. A visual sensor network for parking lot occupancy detection in Smart Cities / L. Baroffio, L. Bondi, M. Cesana, A. Redondi, M. Tagliasacchi // IEEE 2nd World Forum on Internet of Things (WF-IoT), 2015. – 2015. – P. 745-750. – DOI: 10.1109/WF-IoT.2015.7389147.

---

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20