B. Camera-based systemsOne of the m

B. Camera-based systems
One of the main drawbacks of WSN-based systems is
scalability, as installing and managing one sensor per parking
space may be cumbersome and expensive. To overcome
this issue, vision-based systems can be used: each camera
can cover more than one parking space thus providing
a scalable solution. In [10], a parking space finder application
is presented: webcams are utilized for retrieving
the availability of parking spaces near a users destination.
However, neither details on the algorithm used to extract
such information nor its accuracy are reported. The work
in [11] uses enhanced background subtraction techniques
to infer the status of each parking space, while in [12] a
fuzzy c-means (FCM) clustering algorithm is proposed and
compared against a SVM classifier, using PCA basis vectors
extracted from vacant or occupied parking lot images to train
the classifiers. The authors report an accuracy of more than
99% in an indoor scenario. In [13], a rich parking image
dataset is presented and made available to help researchers
!"#$%&'()*+,-$ .&/#,+$012$
34,&5,65#$
7,+8&/*$
5)($
I
xc
Figure 1. A region around the center of the parking lot is extracted, and
a feature vector is computed by means of a histogram of pixel hue values.
A linear SVM is employed to classify each parking lot as either vacant or
occupied.
in testing and comparing different algorithms for parking
space classification. Moreover, the authors present a texturalbased
classifiers based on Local Binary Patterns (LBP) that
achieves excellent performance in outdoor scenarios.
Finally, several recently released commercial products
leverage vision techniques in order to help drivers finding
available parking lots [14][15].

Kết quả (Việt) 1:

B. máy ảnh dựa trên hệ thốngMột trong những hạn chế chính của hệ thống dựa trên WSNkhả năng mở rộng như là cài đặt và quản lý các cảm biến một cho một bãi đậu xekhông gian có thể được rườm rà và tốn kém. Để khắc phụcvấn đề này, dựa trên tầm nhìn hệ thống có thể được sử dụng: mỗi máy ảnhcó thể bao gồm nhiều hơn một không gian đậu xe thì cung cấpmột giải pháp khả năng mở rộng. [10], có một bãi đậu xe space ứng dụng finderđược trình bày: webcam được sử dụng để lấysự sẵn có của đậu gần một điểm đến người dùng.Tuy nhiên, không có chi tiết về các thuật toán được sử dụng để trích xuấtthông tin như vậy, cũng không chính xác của nó được báo cáo. Công việctrong [11] sử dụng tăng cường nền trừ kỹ thuậtđể suy luận tình trạng của mỗi không gian đậu xe, trong khi trong [12] mộtmờ c-có nghĩa là (FCM) thuật toán clustering được đề xuất vàso sánh với một loại SVM, bằng cách sử dụng PCA sở vectơchiết xuất từ đậu xe trống hoặc bị chiếm đóng hình ảnh đào tạoMáy phân loại. Các tác giả báo cáo độ chính xác hơn99% trong một kịch bản trong nhà. Trong [13], một hình ảnh phong phú các bãi đậu xesố liệu được trình bày và làm sẵn có để giúp các nhà nghiên cứu!" #$% &' () * +,-$. & / #, + $ $01234 & 5,65 #$7, + 8 & / * $5) ($TôiXCHình 1. Một khu vực xung quanh trung tâm của bãi đậu xe được sản xuất, vàmột tính năng vector được tính bằng một biểu đồ của các điểm ảnh Huế giá trị.SVM tuyến tính được sử dụng để phân loại từng bãi đậu xe là một trong hai trống hoặcchiếm đóng.trong thử nghiệm và so sánh các thuật toán khác nhau cho bãi đậu xephân loại Space. Hơn nữa, các tác giả trình bày một texturalbasedMáy phân loại dựa trên mô hình địa phương nhị phân (LBP) màđạt được các hiệu suất tuyệt vời trong các tình huống ngoài trời.Cuối cùng, một số gần đây phát hành sản phẩm thương mạitận dụng tầm nhìn kỹ thuật để giúp việc tìm kiếm các trình điều khiểnrất nhiều bãi đậu xe có sẵn [14] [15].

Kết quả (Việt) 2:

B. Máy ảnh dựa trên hệ thống
Một trong những nhược điểm chính của hệ thống WSN dựa trên là
khả năng mở rộng, như cài đặt và quản lý một bộ cảm biến trên xe có
không gian có thể được rườm rà và tốn kém. Để khắc phục
vấn đề này, các hệ thống dựa trên tầm nhìn có thể được sử dụng: mỗi camera
có thể bao gồm nhiều hơn một chỗ đậu xe do đó cung cấp
một giải pháp mở rộng. Trong [10], một bãi đậu xe ứng dụng công cụ tìm không gian
được trình bày: webcam được sử dụng để lấy
. Sự sẵn có chỗ đậu xe gần điểm đến người dùng
Tuy nhiên, không phải chi tiết về các thuật toán sử dụng để trích xuất
thông tin như vậy cũng không chính xác của nó được báo cáo. Các công việc
trong [11] sử dụng các kỹ thuật nền trừ tăng cường
để suy ra tình trạng của mỗi không gian đậu xe, trong khi ở [12] một
mờ c-means (FCM) thuật toán phân nhóm được đề xuất và
so sánh với một phân lớp SVM, sử dụng các vector cơ sở PCA
chiết xuất từ hình ảnh bãi đậu xe trống hoặc bị chiếm đóng để đào tạo
các phân loại. Các tác giả báo cáo độ chính xác hơn
99% trong một kịch bản trong nhà. Trong [13], một bãi đậu xe ảnh phong phú
bộ dữ liệu được trình bày và làm sẵn có để giúp các nhà nghiên cứu
"# $% & '() * +, -. $ & / #, + $ 012 $
34, và 5,65 # $
7, + 8 & / * $
5) ($
tôi
xc
Hình 1. một khu vực xung quanh trung tâm của bãi đậu xe được chiết xuất, và
một vector đặc trưng được tính bằng phương tiện của một biểu đồ của các giá trị điểm ảnh màu.
một SVM tuyến tính được sử dụng để phân loại từng bãi đậu xe nhiều hoặc là bỏ trống hoặc
bị chiếm đóng.
trong thử nghiệm và so sánh các thuật toán khác nhau cho xe
phân loại không gian. Hơn nữa, các tác giả trình bày một texturalbased
phân loại dựa trên mẫu nhị phân cục bộ (LBP) mà
đạt được thành tích xuất sắc trong các tình huống ngoài trời.
Cuối cùng, một số sản phẩm thương mại gần đây đã phát hành
đòn bẩy kỹ thuật tầm nhìn để giúp lái xe tìm
bãi đậu xe có sẵn [14] [15].