用于提高停车位检测准确率的图像处理方法及系统

技术领域

本发明涉及车位检测技术领域，具体涉及用于提高停车位检测准确率的图像处理方法及系统。

背景技术

随着社会发展和经济水平不断提高，人们对汽车的拥有量不断增加。但是由于受到空间和容积率等方面的影响，出现了停车位发展与车辆数量不匹配的现象。因此，在不同的场合出现了各种各样的停车位，比如小区里的地板砖停车位，商场里地下室停车位，旅游的地方一些民用的土地停车位，医院里的地面停车位以及一些不规则停车位等，人们对车位的需求也是逐渐增加，现在出行对于目标地方有无停车位是人们关注的问题。

现有技术对停车位剩余数量都是人为判断，人为地去停车场内检查是否有剩余量，然后再根据剩余量进行判断可否继续停车，或者仅根据出入数量进行判断。

现有技术还存在不能及时确定车位信息，不能实时确定该区域是否具有可停车的条件，以及人为检查停车数量存在的效率低的问题，存在对车位数量进行误判让车子进去无车位可停的问题，存在停车场已经饱和进去车辆和出去车辆堵塞等问题，大大降低了出行效率，增加了耗时。

发明内容

本申请解决现有技术对停车位剩余数量都是人为判断，人为地去停车场内检查是否有剩余量，然后再根据剩余量进行判断可否继续停车，或者仅根据出入数量进行判断。现有技术还存在不能及时确定车位信息，不能实时确定该区域是否具有可停车的条件，以及人为检查停车数量存在的效率低的问题，存在对车位数量进行误判让车子进去无车位可停的问题，存在停车场已经饱和进去车辆和出去车辆堵塞等问题，大大降低了出行效率，增加了耗时。通过车位检测系统进行管理，可以提前该车位的车位剩余量，可以对场内信息实时监测，得到实时的车位剩余量，达到了提高停车位检测的准确率的技术效果。

鉴于上述问题，本申请实施例提供了用于提高停车位检测准确率的图像处理方法及系统。

第一方面，本申请实施例提供了用于提高停车位检测准确率的图像处理方法，所述方法包括：提取目标区域的车辆场内信息，获取N个车位预估数量，通过目标区域内布设的所述车位诱导相机对目标区域的车位进行顺序遍历，根据顺序遍历结果获取第一车位图像数据集，将标准车位图像进行图像灰度转化，基于灰度图像确定所述标准车位图像的图像灰度特征，获取第二车位图像数据集，所述第二车位图像数据集是将所述图像灰度特征作为索引数据，在所述第一车位图像数据集中进行遍历比对获取，将所述第二车位图像数据集作为输入数据，输入至所述图显核算模块进行车位预估，获取M个车位预估数量，在所述数据处理模块内通过所述N个车位预估数量对所述M个车位预估数量进行数据清洗，更新所述第二车位图像数据集，确定第三车位图像数据集，基于所述第三车位图像数据集对目标区域图像信息进行车位检测判断，确定所述目标区域图像信息内的车位数量。

第二方面，本申请实施例提供了用于提高停车位检测准确率的图像处理系统，所述系统包括：N个车位预估数量获取模块，所述车位预估数量获取模块用于提取目标区域的车辆场内信息，获取N个车位预估数量，第一车位图像数据集获取模块，所述第一车位图像数据集合获取模块用于通过目标区域内布设的所述车位诱导相机对目标区域的车位进行顺序遍历，根据顺序遍历结果获取第一车位图像数据集，图像灰度特征获取模块，所述图像灰度特征获取模块是将以标准车位图像进行图像灰度转化，基于灰度图像确定所述标准车位图像的图像灰度特征，第二车位图像数据集获取模块，所述第二车位图像数据集获取模块获取第二车位图像数据集，所述第二车位图像数据集是将所述图像灰度特征作为索引数据，在所述第一车位图像数据集中进行遍历比对获取，M个车位预估数量获取模块，所述M个车位预估数量获取模块是将所述第二车位图像数据集作为输入数据，输入至所述图显核算模块进行车位预估，获取M个车位预估数量，第三车位图像数据集获取模块，所述第三车位图像数据集获取模块是在所述数据处理模块内通过所述N个车位预估数量对所述M个车位预估数量进行数据清洗，更新所述第二车位图像数据集，确定第三车位图像数据集，车位数量信息获取模块，所述车位数量信息获取模块是基于所述第三车位图像数据集对目标区域图像信息进行车位检测判断，确定所述目标区域图像信息内的车位数量。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本发明提供了用于提高停车位检测准确率的图像处理方法及系统，涉及车位检测技术领域，所述方法包括：先提取目标区域的车辆场内信息，获取N个车位预估数量，通过目标区域内布设的所述车位诱导相机对目标区域的车位进行顺序遍历，根据遍历结果获取第一车位图像数据集，判断停车场内是否为空的，如果为空的就是为未停车状态，则根据所述车位诱导摄像头遍历采集目标区域内车位信息，确定为停车状态下的车位图像信息，将此进行数据整合作为标准车位图像，将标准图像进行图像灰度转化，提取所述标准车位图像内的光学三原色，根据颜色敏感程度对三原色及逆行加权平均，然后根据灰度共生矩阵获得图像灰度特征，然后将所述的图像灰度特征作为索引数据，将第一车位图像数据集进行遍历，然后获取到的数据集将其作为第二车位图像数据集，然后再将第二车位图像数据集作为输入数据输入进所述图显核算模块进行车位预估，获取M个车位预估数量，根据N个车位预估数量在目标区域地图中于车位标识位置进行匹配，获取到N个车位图像定位信息，再将所述M个车位预估数量在所述目标区域地图中与所述车位标识位置进行匹配，获取M个车位图像定位信息，通过将所述N个车位图像定位信息与所述M个车位图像定位信息进行位置比对，获取多组车位图像信息，其中，所述多组车位图像信息包含同向车位图像信息组、异向车位图像信息组通过所述数据处理模块将所述异向车位图像信息组通过灰度图像傅里叶变换公式进行图像去噪，根据图像去噪结果判断异向车位图像信息组内是否存在车位，若否，则将所述异向车位图像信息组进行数据清洗，根据清洗结果与所述同向车位图像信息组对所述第二车位图像数据集进行更新，将更新数据作为所述第三车位图像数据集，最终基于所述第三车位图像数据集对目标区域图像信息进行车位检测判断，然后可以确定目标区域图像信息内的车位数量。

本申请解决现有技术对停车位剩余数量都是人为判断，人为地去停车场内检查是否有剩余量，然后再根据剩余量进行判断可否继续停车，或者仅仅根据出入数量进行判断。现有技术还存在不能及时确定车位信息，不能实时确定该区域是否具有可停车的条件，以及人为检查停车数量存在的效率低的问题，存在对车位数量进行误判让车子进去无车位可停的问题，存在停车场已经饱和进去车辆和出去车辆堵塞等问题，大大降低了出行效率，增加了耗时。通过车位检测系统进行管理，可以提前该车位的车位剩余量，可以对场内信息实时监测，得到实时的车位剩余量，达到了提高停车位检测的准确率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了用于提高停车位检测准确率的图像处理方法流程示意图；

图2为本申请实施例提供了用于提高停车位检测准确率的图像处理方法中图像灰度体征获取方法流程示意图；

图3为本申请实施例提供了用于提高停车位检测准确率的图像处理方法中过呢据车位图像灰度特征确定所述M个车位预估数量的方法流程示意图；

图4为本申请实施例提供了用于提高停车位检测准确率的图像处理方法中如何确定所述目标区域图像信息内的车位数量的方法流程示意图；

图5为本申请实施例提供了用于提高停车位检测准确率的图像处理系统的结构示意图。

附图标记说明：N个车位预估数量获取模块10，第一车位图像数据集获取模块20，图像灰度特征获取模块30，第二车位图像数据集获取模块40，M个车位预估数量获取模块50，第三车位图像数据集获取模块60，车位数量信息获取模块70。

具体实施方式

本申请解决现有技术对停车位剩余数量都是人为判断，人为地去停车场内检查是否有剩余量，然后再根据剩余量进行判断可否继续停车，或者仅仅根据出入数量进行判断。现有技术还存在不能及时确定车位信息，不能实时确定该区域是否具有可停车的条件，以及人为检查停车数量存在的效率低的问题，存在对车位数量进行误判让车子进去无车位可停的问题，存在停车场已经饱和进去车辆和出去车辆堵塞等问题，大大降低了出行效率，增加了耗时。通过车位检测系统进行管理，可以提前该车位的车位剩余量，可以对场内信息实时监测，得到实时的车位剩余量，达到了提高停车位检测的准确率的技术效果。

本申请实施例中的技术方案为解决上述问题，总体解决思路如下：

先提取目标区域的车辆场内信息，获取N个车位预估数量，通过目标区域内布设的所述车位诱导相机对目标区域的车位进行顺序遍历，根据遍历结果获取第一车位图像数据集，判断停车场内是否为空的，如果为空的就是为停车状态，则根据所述车位诱导摄像头遍历采集目标区域内车位信息，确定为停车状态下的车位图像信息，将此进行数据整合作为标准车位图像。

将标准图像进行图像灰度转化，提取所述标准车位图像内的光学三原色，根据颜色敏感程度对三原色及逆行加权平均，然后根据灰度共生矩阵获得图像灰度特征，然后将所述的图像灰度特征作为索引数据，将第一车位图像数据集进行遍历，然后获取到的数据集将其作为第二车位图像数据集，然后再将第二车位图像数据集作为输入数据输入进所述图显核算模块进行车位预估，获取M个车位预估数量。

根据N个车位预估数量在目标区域地图中与车位标识位置进行匹配，获取到N个车位图像定位信息，再将所述M个车位预估数量在所述目标区域地图中与所述车位标识位置进行匹配，获取M个车位图像定位信息，通过将所述N个车位图像定位信息与所述M个车位图像定位信息进行位置比对，获取多组车位图像信息，其中，所述多组车位图像信息包含同向车位图像信息组、异向车位图像信息组通过所述数据处理模块将所述异向车位图像信息组通过灰度图像傅里叶变换公式进行图像去噪，根据图像去噪结果判断异向车位图像信息组内是否存在车位，若否，则将所述异向车位图像信息组进行数据清洗，根据清洗结果与所述同向车位图像信息组对所述第二车位图像数据集进行更新，将更新数据作为所述第三车位图像数据集。

将所述第三车位图像数据集作为检测数据，在所述目标区域图像信息中进行车位的位点判断，当所述第三车位图像数据集与所述目标区域图像信息中车位的位点不重合时，则将车位的位点在所述目标区域图像信息中进行剔除标记，获取多个剔除点，当所述第三车位图像数据集与所述目标区域图像信息中车位的位点重合时，则将重合位点在所述目标区域图像信息中进行标记，获取多个标记点，将所述多个剔除点在目标区域图像信息中进行剔除，将所述多个标记点在所述目标区域图像信息中进行车位记数，确定所述目标区域图像信息内的车位数量，最终基于所述第三车位图像数据集对目标区域图像信息进行车位检测判断，然后可以确定目标区域图像信息内的车位数量。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍：

实施例一

如图1所示，用于提高停车位检测准确率的图像处理方法，其特征在于，所述方法应用于车位检测系统，所述车位检测系统与车位诱导相机、图显核算模块、数据处理模块通信连接，所述方法包括：

提取目标区域的车辆场内信息，获取N个车位预估数量；

具体而言，此处车位诱导相机可以是微光探测仪、红外夜视仪、CCD摄像器、高清300万像素相机等装置，其可以无论白天黑夜都可清楚地看到车位信息，包括有无压线、有无异物等信息，图显核算模块主要注重地过程，对图像信息结果进行连续、系统、全面的记录、计算和分析地模块，此处数据处理模块，为我们收集到拿到的数据可能包含了大量的缺失值，可能包含大量的噪音，也可能因为人工录入错误导致有异常点存在，非常不利于算法模型的训练，可以通过数据清理、数据集成、数据规约和数据变换进行数据处理，通信连接可以使这些信息连接起来到一个电脑终端也方便数据操作。目标区域可以是小区里的地板砖停车位，商场里地下室停车位，旅游的地方一些民用的土地停车位，医院里的地面停车位以及一些不规则停车位，目标区域的车辆场内信息为在该停车场的车位上有多少空余车辆、以及有多少车辆进入了该区域同时又有多少车辆出来等车辆信息，以此获取N个车位预估数量，N个车位预估数量可为简单粗略地根据总车位数量和车辆的出入信息进行简单比较，比如总共有500个停车位，进去200辆车，出去了100辆车，就可以预估该停车场还有400个停车位，以此方法得到此时场内还有多少车位余量。

通过目标区域内布设的所述车位诱导相机对目标区域的车位进行顺序遍历，根据顺序遍历结果获取第一车位图像数据集；

具体而言，在此处布设的车位诱导相机可以为微光探测仪、红外夜视仪、CCD摄像器、高清300万像素相机等可以是微光探测仪和高清300万像素相机配合使用，白天可以使用高清相机夜晚可以使用微光探测仪，如果目标区域为室外停车场，晚上如果是室外停车场灯光不足，会导致拍摄不清楚，如果目标区域是室内停车场，晚上室内停车场停电了，灯源故障了，无法照明导致拍摄不清楚等情况，顺序遍历为比如此停车场内设有500个停车位，每个停车位都设有自己的编号，为自然数集，顺序遍历就是由此处的诱导相机从1-500逐次进行拍照检测，根据遍历结果获得第一车位图像数据集，第一车位图像数据集为该场内经过检测后还剩余的车辆数据集。

将标准车位图像进行图像灰度转化，基于灰度图像确定所述标准车位图像的图像灰度特征；

具体而言，标准车位图像为该目标区域还未有车辆进入时拍摄的车位情况，比如目标区域停车场早上8点到下午8点开始工作，获得该标准车位图像就是在上班之前清场的状态下进行拍摄获得，将该图像进行灰度转化，灰度转化是因为彩色图片的信息含量过大，而进行图片识别时，其实只需要使用灰度图像里的信息就足够了，所以在此处灰度化目的就是为了提高运算速度，可以使用加权平均法、取平均值法、最大值法、最小值法等方法进行灰度转化，基于灰度图像确定车位图像的图像灰度特征，此处车位图像的图像灰度特征为车位线有无遮挡、车位的形状、停车位内有无异物等信息，以此作为图像灰度特征。

获取第二车位图像数据集，所述第二车位图像数据集是将所述图像灰度特征作为索引数据，在所述第一车位图像数据集中进行遍历比对获取；

具体而言，索引数据，比如可以把每个图像进行一一对应标记，每个图像都有自己的特征，车位形状、车位线遮挡情况、车位内有无异物等特征，比如有三个数据为2，1，9三个，2为最小的质数，1为最小的奇数，9最大的个位数，此种存在一种映射关系相当于键值对Key-Value形式，一个数据对应一个索引信息，以这样每个图像有自己不同的索引数据，然后根据车位的编号从小到大进行扫描一遍历第一图像集，扫描后的结果作为第二车位图像数据集。为获得比较准确的车位余量数据提供了基础数据。

将所述第二车位图像数据集作为输入数据，输入至所述图显核算模块进行车位预估，获取M个车位预估数量；

具体而言，将第二车位图像集输入图显核算模块中，图显核算模块主要注重地过程，对图像信息结果进行连续、系统、全面的记录、计算和分析地模块，比如现在车位剩余量为M，但是有车辆有驶出的趋势，且已经驶出，则可提前设置车位剩余量为M+1，就可再驶入一辆车，就不用等该车辆已经驶出该目标区域后再让准备停车的车辆进入，这样获得M个车位预估数量，这样避免了停车场已经有车位了但无车驶入，准备停车的车辆等待车辆出来再驶入，浪费时间，也避免了车辆已满待停车辆驶入之后无地停车，增加了对车位判断的准确率。

在所述数据处理模块内通过所述N个车位预估数量对所述M个车位预估数量进行数据清洗，更新所述第二车位图像数据集，确定第三车位图像数据集；

具体而言，数据处理模块，为我们收集到拿到的数据可能包含了大量的缺失值，可能包含大量的噪音，也可能因为人工录入错误导致有异常点存在，非常不利于算法模型的训练，可以通过数据清理、数据集成、数据规约和数据变换进行数据处理，数据清洗是将重复、多余的数据进行筛选清除，错误的数据进行纠正，通过N个车位预估数量对M个车位预估数量进行数据清洗，比如N个车位为410，M个为400个，在判断M个车位预估数量预估时，图像是否有噪声影响了对停车位是否为空的判断，或者已经为空车位了但记录时有误差出现差错了等情况，在对M个数据进行处理，为获取相对准确的车位余量信息，对因噪声影响的图像数据信息进行删除操作，对误差影响的进行增添或者删除，以此更新一下第二车位图像数据集，将更新过的数据集作为第三车位图像数据集。

基于所述第三车位图像数据集对目标区域图像信息进行车位检测判断，确定所述目标区域图像信息内的车位数量。

具体而言，目标区域图像信息可以为比较大比较全面的停车场车位信息，有时候目标区域图像信息看到的信息是不准确的，基于第三车位图像数据集的特征数据，对目标区域图像没有车辆停靠的车位进行标记，最终确定目标区域内的车位余量。

进一步地，其特征在于，本申请方法还包括：

判断所述车辆场内信息是否为空数据栈；

若是，则目标区域内的不存在车辆，此时目标区域内为未停车状态；

具体而言，空数据栈就是场内并无车辆停车的时候该目标区域的停车数据就为空数据，比如在非停车场上班情况，目标区域就不存在车辆，此时就为未停车状态。

基于所述未停车状态，通过所述车位诱导摄像头遍历采集目标区域内车位信息，确定所述未停车状态下的车位图像信息集；

将所述车位图像信息集进行数据整合后得到所述标准车位图像。

具体而言，遍历此时为停车状态下的车位信息，比如场内还有500个车位，每个车位对应一个标号，就从1-500从小到大的顺序以此对每一个车位进行扫描拍摄，拍摄为停车状态下的车位，作为标准车位图像。

进一步地，如图2所示，本申请方法，其特征在于，基于灰度图像确定所述标准车位图像的图像灰度特征，还包括：

提取所述标准车位图像内的光学三原色；

基于颜色敏感度对所述光学三原色进行加权平均，确定灰度图像；

具体而言，光学三原色为RGB，即，为红、蓝、绿色，颜色敏感程度为人眼对不同颜色的敏感程度，人眼对绿色的敏感程度最高，蓝色最低，我们根据颜色敏感程度对三原色进行加权平均，可以设置相对的权值红色为0.3、绿色为0.59、蓝色为0.11，以此作为各自的权值进行运算得到一个灰度值，确定灰度图像。

根据所述灰度图像构建灰度共生矩阵，通过所述灰度共生矩阵计算获取图像灰度特征值；

通过所述图像灰度特征值确定所述标准车位图像的图像灰度特征。

具体而言，灰度共生矩阵是用于描述图像中灰度值分布情况的一种方法。它通过计算每个像素点与周围像素点之间的灰度级差别来描述灰度分布的规律。在灰度图像中，将每个像素点的灰度值作为当前点，其邻域像素点的灰度值作为参考点，可以构造出一个二维共生矩阵，通过该矩阵获得图像的灰度特征值，该特征值就为标准车位图像的图像灰度特征值。

进一步地，如图3所示，本申请方法，其特征在于，获取所述M个车位预估数量，还包括：

基于所述图显核算模块提取所述第二车位图像数据集的多个图像灰度特征；

根据所述多个图像灰度特征确定车位图像灰度特征；

具体而言，根据图显核算模块提取第二车位图像数据集多个灰度特征，就包括有无车辆驶入车位、车位内车辆有无驶出趋势、车位线有无被压线等多个特征，将此作为车位图像灰度特征。

根据所述车位图像灰度特征在所述第二车位图像数据集中进行车位标识，根据标识结果进行核算确定所述M个车位预估数量。

具体而言，根据这些特征对第二车位图像数据进行车位标识，得到具有这些特征的车位，具有这些特征的车位有多少个，确定M个车位预估数量。

进一步地，本申请方法，其特征在于，在所述数据处理模块内通过所述N个车位预估数量对所述M个车位预估数量进行数据清洗，更新所述第二车位图像数据集，确定第三车位图像数据集，还包括：

将所述N个车位预估数量在目标区域地图中与车位标识位置进行匹配，获取N个车位图像定位信息；

将所述M个车位预估数量在所述目标区域地图中与所述车位标识位置进行匹配，获取M个车位图像定位信息；

具体而言，车位图像定位信息可以根据每个场内的地图获得，可以是手机端的，也可是电脑端的，再地图确定N个车位预估数量的标识信息，将得到的信息作为N个车位图像定位信息，然后再地图确定M个车位预估数量的标识信息，将得到的信息作为M个车位图像定位信息。

通过将所述N个车位图像定位信息与所述M个车位图像定位信息进行位置比对，获取多组车位图像信息，其中，所述多组车位图像信息包含同向车位图像信息组、异向车位图像信息组；

具体而言，根据N个车位图像定位信息和M个车位图像定位信息进行位置对比，获取多组车位图像信息，获取到的包括同向车位图像信息组、异向车位图像信息，分别为N个车位图像定位信息和M个车位图像信息都包含的，N个车位图像定位信息包含M个车位图像定位信息不包含或者N个车位图像定位信息不包含M个包含的信息进行分组。

通过所述数据处理模块将所述异向车位图像信息组通过灰度图像傅里叶变换公式进行图像去噪，根据图像去噪结果判断异向车位图像信息组内是否存在车位；

若否，则将所述异向车位图像信息组进行数据清洗，根据清洗结果与所述同向车位图像信息组对所述第二车位图像数据集进行更新，将更新数据作为所述第三车位图像数据集。

具体而言，图像去噪防止是图像因为某些原因产生了一些灰色的点，影响图像判断，在此处使用傅里叶变换公式去除噪声，就是将高频部分的能量值设为0，就可以去除噪声，根据去噪后的结果判断异向的车位中是否还有车辆，若没有车辆了，则对车位异向的图像组进行数据清洗删除这没有车辆的数据或增添没有车辆的数据，再对第二图像数据集进行更新，如果第二图像数据集中包含该异向组的车位信息则进行删除或者增添操作。

进一步地，如图4所示，其特征在于，本申请方法还包括：

将所述第三车位图像数据集作为检测数据，在所述目标区域图像信息中进行车位的位点判断；

当所述第三车位图像数据集与所述目标区域图像信息中车位的位点不重合时，则将车位的位点在所述目标区域图像信息中进行剔除标记，获取多个剔除点；

当所述第三车位图像数据集与所述目标区域图像信息中车位的位点重合时，则将重合位点在所述目标区域图像信息中进行标记，获取多个标记点；

具体而言，第三车位图像数据为数据处理后比较准确的车位信息，以此作为目标区域图像中的车位进行判断，如果第三车位图像数据中比如第5号车位有车辆，但目标区域图像集没有的话，则进行剔除标记，按照此种情况获取多个剔除点。当重合时候，则该车位没有车辆停靠，为剩余量的车位，则进行车位标记，获取多个标记点。

将所述多个剔除点在目标区域图像信息中进行剔除，将所述多个标记点在所述目标区域图像信息中进行车位记数，确定所述目标区域图像信息内的车位数量。

具体而言，将有车位的目标区域图像信息进行剔除后，剩下的根据标识确定没有车辆停靠的停车位，确定目标区域的车位数量。

实施例二

基于与前述实施例用于提高停车位检测准确率的图像处理方法相同的发明构思，如图5所示，本申请提供了用于提高停车位检测的图像处理系统，所述系统包括：

N个车位预估数量获取模块10，所述车位预估数量获取模块10用于提取目标区域的车辆场内信息，获取N个车位预估数量；

第一车位图像数据集获取模块20，所述第一车位图像数据集合获取模块20用于通过目标区域内布设的所述车位诱导相机对目标区域的车位进行顺序遍历，根据顺序遍历结果获取第一车位图像数据集；

图像灰度特征获取模块30，所述图像灰度特征获取模块30是将以标准车位图像进行图像灰度转化，基于灰度图像确定所述标准车位图像的图像灰度特征；

第二车位图像数据集获取模块40，所述第二车位图像数据集获取模块40获取第二车位图像数据集，所述第二车位图像数据集是将所述图像灰度特征作为索引数据，在所述第一车位图像数据集中进行遍历比对获取；

M个车位预估数量获取模块50，所述M个车位预估数量获取模块50是将所述第二车位图像数据集作为输入数据，输入至所述图显核算模块进行车位预估，获取M个车位预估数量；

第三车位图像数据集获取模块60，所述第三车位图像数据集获取模块60是在所述数据处理模块内通过所述N个车位预估数量对所述M个车位预估数量进行数据清洗，更新所述第二车位图像数据集，确定第三车位图像数据集；

车位数量信息获取模块70，所述车位数量信息获取模块70是基于所述第三车位图像数据集对目标区域图像信息进行车位检测判断，确定所述目标区域图像信息内的车位数量。

进一步而言，该系统还包括：

场内信息判断模块，所述场内信息判断模块用于判断所述车辆场内信息是否为空数据栈；

停车状态判断模块，所述停车状态判断模块是若是，则目标区域内的不存在车辆，此时目标区域内为未停车状态；

车位图像信息集确定模块，所述车位图像信息确定模块是基于所述未停车状态，通过所述车位诱导摄像头遍历采集目标区域内车位信息，确定所述未停车状态下的车位图像信息集。

进一步地，该系统还包括：

光学三原色获取模块，所述光学三原色获取模块用于提取所述标准车位图像内的光学三原色；

图像灰度特征值获取模块，所述图像灰度特征值获取模块用于根据所述灰度图像构建灰度共生矩阵，通过所述灰度共生矩阵计算获取图像灰度特征值；

图像灰度特征确定模块，所述图像灰度特征确定模块用于通过所述图像灰度特征值确定所述标准车位图像的图像灰度特征。

进一步地，该系统还包括：

多个图像灰度特征获取模块，所述多个图像灰度特征获取模块是基于所述图显核算模块提取所述第二车位图像数据集的多个图像灰度特征；

多个图像灰度特征确定模块，所述多个图像灰度特征确定模块用于根据所述多个图像灰度特征确定车位图像灰度特征；

M个车位预估数量确定模块，所述M个车位预估数量确定模块用于根据所述车位图像灰度特征在所述第二车位图像数据集中进行车位标识，根据标识结果进行核算确定所述M个车位预估数量。

进一步地，该系统还包括：

N个车位图像定位信息获取模块，所述N个车位图像定位信息获取模块用于将所述N个车位预估数量在目标区域地图中与车位标识位置进行匹配，获取N个车位图像定位信息；

M个车位图像定位信息获取模块，所述M个车位图像定位信息获取模块用于将所述M个车位预估数量在所述目标区域地图中与所述车位标识位置进行匹配，获取M个车位图像定位信息；

多组车位图像信息获取模块，所述多组车位图像信息获取模块用于通过将所述N个车位图像定位信息与所述M个车位图像定位信息进行位置比对，获取多组车位图像信息，其中，所述多组车位图像信息包含同向车位图像信息组、异向车位图像信息组；

车位判断模块，所述车位判断模块用于通过所述数据处理模块将所述异向车位图像信息组通过灰度图像傅里叶变换公式进行图像去噪，根据图像去噪结果判断异向车位图像信息组内是否存在车位；

第三车位图像集获取模块，所述第三车位图像集获取模块是若否，则将所述异向车位图像信息组进行数据清洗，根据清洗结果与所述同向车位图像信息组对所述第二车位图像数据集进行更新，将更新数据作为所述第三车位图像数据集。

进一步地，该系统还包括：

位点判断模块，所述位点判断模块用于将所述第三车位图像数据集作为检测数据，在所述目标区域图像信息中进行车位的位点判断；

多个剔除点获取模块，所述多个剔除点获取模块用于当所述第三车位图像数据集与所述目标区域图像信息中车位的位点不重合时，则将车位的位点在所述目标区域图像信息中进行剔除标记，获取多个剔除点；

多个标记点获取模块，所述多个标记点获取模块用于当所述第三车位图像数据集与所述目标区域图像信息中车位的位点重合时，则将重合位点在所述目标区域图像信息中进行标记，获取多个标记点；

车位数量确定模块，所述车位数量确定模块用于将所述多个剔除点在目标区域图像信息中进行剔除，将所述多个标记点在所述目标区域图像信息中进行车位计数，确定所述目标区域图像信息内的车位数量。

说明书通过前述对用于提高停车位检测准确率的图像处理方法的详细描述，本领域技术人员可以清楚地知识本实施例中用于提高停车位检测的图像处理系统，对于实施例公开的设备而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其他实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。