基于opencv的圖書館座位檢測

仲躋陽 戎漩 孫嘉暢 劉愛蓮

摘要：針對(duì)目前高校圖書館搶座、占座、排長隊(duì)候座等不合理利用圖書館資源的問題，提出一種基于模式匹配的座位檢測模型[1]。首先利用相應(yīng)電子設(shè)備采集視頻進(jìn)行座位檢測。然后由于第一步檢測出現(xiàn)的檢測問題，提出了Gamma校正以提高座位檢測的正確性。其次利用Hougn變換對(duì)桌子進(jìn)行直線檢測。最后引用平方差匹配法將圖書館座位縮放定位以提高效率。理論分析和真實(shí)測試結(jié)果表明，與現(xiàn)有模型比較，提出的模型有效獲取圖書館內(nèi)部座位信息，為后期圖書館座位預(yù)約[2]系統(tǒng)提供技術(shù)支持。

關(guān)鍵詞：座位檢測;圖片預(yù)處理; Hougn變換;模板匹配

一、概述

圖書館座位是公共資源，面對(duì)人多座位少的情況，排隊(duì)侯座和占座已成為圖書館普遍現(xiàn)象，特別在人館高峰時(shí)段，傳統(tǒng)的管理方法和模式難以緩解或解決。為了幫助圖書館更好地做好管理工作，營造良好的閱讀環(huán)境。本校學(xué)生依托互聯(lián)網(wǎng)技術(shù)手段設(shè)計(jì)開發(fā)了圖書館座位在線預(yù)約系統(tǒng)，使圖書館管理能力得到整體提升，有效地提高了座位的使用率，避免了占座搶座現(xiàn)象的發(fā)生。為了實(shí)現(xiàn)預(yù)約系統(tǒng)，必須要提前知道圖書館的一些座位布局，以及實(shí)時(shí)座位信息。

目前高校圖書館成為的高校重要學(xué)習(xí)環(huán)境，也是高校學(xué)生關(guān)注的學(xué)習(xí)資源。積極開發(fā)并合理使用圖書館將提高圖書館的使用率、便利對(duì)圖書館的使用以提高同學(xué)們對(duì)圖書館的滿意程度，營造安靜舒適的學(xué)習(xí)環(huán)境。然而隨著學(xué)校人數(shù)的擴(kuò)招，圖書館作為數(shù)量難以滿足學(xué)生對(duì)圖書館的需求。圖書館占座現(xiàn)象屢見不鮮。

圖書館座位長時(shí)間有書沒有人，導(dǎo)致座位的資源浪費(fèi)。為了實(shí)現(xiàn)讀者的公平、合理利用圖書館資源、維護(hù)自習(xí)室秩序。針對(duì)圖書館搶座占座現(xiàn)象，為合理運(yùn)用圖書館資源。為了實(shí)現(xiàn)預(yù)約系統(tǒng)，必須要提前知道圖書館的一些座位布局，對(duì)所有座位有精確得定位和分布情況，因此我們首先要對(duì)圖書館座位進(jìn)行檢測。有效準(zhǔn)確得座位檢測是實(shí)現(xiàn)該系統(tǒng)的基礎(chǔ)。

二、座位檢測實(shí)現(xiàn)原理

本系統(tǒng)采用vcap2860視頻采集卡和雅視威模擬攝像頭采集圖書館座位視頻。

通過機(jī)器視覺技術(shù)實(shí)現(xiàn)座位檢測[3，4，5]。在每天圖書館開門之前進(jìn)行座位定位，生成座位布局圖。為減少光照對(duì)檢測的影響，在參考了王殿偉[6]、梁琳[7]、金玉多[8]等人提出的算法后，決定采用Gamma校正。在去除光照影響后，在對(duì)圖片進(jìn)行降噪操作[9]。最后通過邊緣檢測加直線檢測的方法找到最大的桌面，在根據(jù)桌面推測座位坐標(biāo)，保存到數(shù)據(jù)庫中，為以后的檢測座位是否有人提供座位坐標(biāo)。在找到一個(gè)桌面后，生成桌面模板，后面的桌面便可以通過模板檢測快速找到。

（一）Gamma校正

雖然進(jìn)行座位預(yù)檢測的時(shí)間在早上，但是由于圖書館往往開著的燈，依舊可能會(huì)對(duì)檢測有影響，本系統(tǒng)采用 Gamma校正來減少光照的影響，其公式為：

公式中f1（x，y）為經(jīng)過校正后的圖片，f（x，y）為原圖，λ為校正系數(shù)。Gamma校正，是一種非線性變換，通過調(diào)整像素值來改變圖片亮度。

不同的λ值對(duì)圖片的影響很大，當(dāng)λ<1時(shí)，圖片灰度值提高，整體亮度提高;當(dāng)λ>1時(shí)，圖片灰度值降低，整體亮度降低。通過調(diào)整λ，能夠在一定程度上提高對(duì)比度。

一般來說，圖書館桌子以黃色調(diào)為主，靠近窗戶時(shí)，在太陽光和燈光的照射下，會(huì)顯得發(fā)白，在后期進(jìn)行二值化取輪廓時(shí)難以區(qū)分墻和座位。這時(shí)需要提高桌子和墻的對(duì)比度，使桌子邊緣更突出。

本文λ值采用自適應(yīng)選取。首先求出灰度圖像的平均值，以此作為衡量圖片亮度的依據(jù)。以灰度值128為基準(zhǔn)，平均灰度值大于128時(shí)，圖像亮度偏亮;小于128時(shí)，圖片亮度偏暗。計(jì)算過程如下：

公式2中，只需要計(jì)算灰度圖像的平均值，就能夠得到較合適的校正系數(shù)，降低計(jì)算機(jī)運(yùn)行負(fù)擔(dān)，提高計(jì)算效率。

以下兩張圖分別是圖書館原圖和去除光照后座位

（二）邊緣特征提取

將校正后的圖片進(jìn)行邊緣提取，本文采用Scharr濾波器來進(jìn)行邊緣特征提取，卷積核如下：

其中Gx為x方向梯度，Gy為y方向梯度，最后將xy方向梯度合并，得到圖3效果。

將得到的特征圖在進(jìn)行二值化，經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)閾值設(shè)置為125圖像效果最佳，如圖4所示。

（三）Hougn變換

由于桌子都是規(guī)則的矩形，可以通過Hougn變換進(jìn)行直線檢測，opencv中提供的函數(shù)HoughLinesP可以實(shí)現(xiàn)此變換。其中，要將線段大小的閾值設(shè)置略大一些，這樣可以避免誤檢測到凳子的邊緣直線。

（四）劃分座位

取上述最長的兩條線段，依次在1/4，3/4處為中心，R為半徑做正方形，保存正方形坐標(biāo)，當(dāng)需要檢測該座位是否有人時(shí)，只需要檢測該區(qū)域，如圖6所示。

（五）模板匹配

上述工作只是簡單解決單個(gè)桌子的檢測問題，在圖書館這種復(fù)雜環(huán)境下，如何快速定位座位將成為一個(gè)難點(diǎn)。本文提出一種新的方法，來解決這種問題。即可以通過尋找桌子邊緣直線，來定位桌子，只不過需要盡可能的提高直線大小的閾值，以確保在一張圖片中只找到一個(gè)座位并且這個(gè)座位是最靠近攝像頭的，將找到的座位作為模板保存 。由于圖書館座位都是線性分布，只需要知道兩個(gè)桌子之前的縮放比例，就可以很方便地找到其他桌子。設(shè)第一個(gè)桌子為T，縮放比例為s，將模板依次縮放s再進(jìn)行模板匹配，就可以定位到其他桌子。本文采用平方差匹配法，其公式為：

其中T為模板，I為源圖像部分區(qū)域，即模板圖像像素減去覆蓋的源圖像像素的差的平方和為對(duì)應(yīng)矩陣的點(diǎn)的值。當(dāng)值小于閾值λ時(shí)，即可定位座位。

假設(shè)s初始值為0.99，將模板縮放后進(jìn)行模板匹配：

給s一個(gè)步長t，當(dāng)R（x，y）大于λ時(shí)，將s減去t，再次進(jìn)行模板匹配，多次迭代，直到滿足條件。當(dāng)找到s值后，其余的座位便可以很快找到。

總結(jié)

通過攝像頭盡可能的獲取圖書館內(nèi)部各種信息，為后期圖書館座位預(yù)約系統(tǒng)的開發(fā)提供支撐，其核心思想為減少人為干預(yù)，提高圖書館座位資源的使用效率。在開發(fā)過程中，主要使用opencv來實(shí)現(xiàn)各種算法。在對(duì)圖書館內(nèi)部進(jìn)行實(shí)地考察過程中發(fā)現(xiàn)，圖書館的座位基本都是四人桌，并且桌面顏色與地面和墻有著鮮明的對(duì)比，桌子都是呈線性排布，桌子與桌子之間的距離都是相等的，因此決定采用模板匹配的方法來做座位檢測，只要找到第一個(gè)和第二個(gè)座位，那么之后的座位都可以直接算出，沒必要在對(duì)圖片進(jìn)行檢測，大大的提高了效率。由于本算法是通過尋找桌面來進(jìn)行檢測，并沒有通過椅子，因此，對(duì)攝像頭的擺放位置有一定要求。

參考文獻(xiàn)：

[1] 王穎，朱釧銘，文家俊，譚廣，王詩琦.圖書館座位引導(dǎo)及預(yù)約系統(tǒng)的設(shè)計(jì)[J].信息記錄材料，2020，21（02）：181-182.

[2] 王斌，劉廷泰，唐蕾，劉攀鋒.基于機(jī)器視覺的圖書館座位管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].信息與電腦（理論版），2020，32（04）：81-82+85.

[3] 計(jì)算機(jī)視覺檢測技術(shù)的發(fā)展及應(yīng)用研究[J]. 馬玉真，胡亮，方志強(qiáng)，曹素芝. ?濟(jì)南大學(xué)學(xué)報(bào)（自然科學(xué)版）. 2004（03）

[4] 朱云琪，蔣玥，張軼.基于圖像識(shí)別的公共圖書館座位檢測系統(tǒng)研究[J].電子世界，2017（03）：131-133.

[5] 徐海東.基于人臉識(shí)別的座位管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)， 2015， 25 （20） ：140-141.

[6] 王殿偉，韓鵬飛，范九倫，劉穎，許志杰，王晶.基于光照-反射成像模型和形態(tài)學(xué)操作的多譜段圖像增強(qiáng)算法[J].物理學(xué)報(bào)，2018，67（21）：104-114.

[7] 梁琳，何衛(wèi)平，雷蕾，張維，王紅霄.光照不均圖像增強(qiáng)方法綜述[J].計(jì)算機(jī)應(yīng)用研究，2010，27（05）：1625-1628.

[8] 金玉多.改進(jìn)Gamma校正的人臉圖像光照預(yù)處理算法[J].電腦知識(shí)與技術(shù)，2019，15（20）：214-217.

[9] 袁健，程國濤.一種抗噪的自然場景圖片預(yù)處理算法模型[J].小型微型計(jì)算機(jī)系統(tǒng)，2016，37（09）：2093-2098.