CN108847052B - 停车位置确定方法、装置、系统及计算机可读介质 - Google Patents
停车位置确定方法、装置、系统及计算机可读介质 Download PDFInfo
- Publication number
- CN108847052B CN108847052B CN201810957672.XA CN201810957672A CN108847052B CN 108847052 B CN108847052 B CN 108847052B CN 201810957672 A CN201810957672 A CN 201810957672A CN 108847052 B CN108847052 B CN 108847052B
- Authority
- CN
- China
- Prior art keywords
- parking
- vehicle
- parking space
- determining
- attribute information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种停车位置确定方法、装置、系统及计算机可读介质,方法包括:接收多个边缘端发送的车辆的状态转换时刻和最优图像,接收用户终端发送的目的地位置和预计停车时间;根据多个边缘端发送的状态转换时刻和最优图像生成更新停车位信息;若预计停车时间满足预设停车时间要求,则在预设地图中确定与目的地位置距离最近的停车场为目标停车场;在更新停车位信息中,确定与目标停车场对应的停车位信息为目标停车位信息;在目标停车位信息中确定处于空闲状态的停车位编号,将任一与停车位编号对应的停车位确定为用户终端的停车位置,缓解现有技术中存在的停车过程效率低下的技术问题,达到了提高停车过程效率的技术效果。
Description
技术领域
本发明涉及视频结构化技术领域,尤其是涉及一种停车位置确定方法、装置、系统及计算机可读介质。
背景技术
随着车辆的增多,停车成为一大难题,尤其是对于景区、医院和演唱会场馆等地点。
在实际应用中,如果用户还在前往目的地的路上,那么用户无法获知目的地附近的停车位信息。只能在到达目的地后,再去找停车位,如果当前的停车场内没有空闲的停车位,那么还要去附近的其他的停车场寻找空闲的停车位,这个寻找空闲停车位的过程,会耗费用户大量的时间和精力,导致停车过程效率低下的问题。
发明内容
有鉴于此,本发明的目的在于提供一种停车位置确定方法、装置、系统及计算机可读介质,以缓解现有技术中存在的停车过程效率低下的技术问题。
第一方面,本发明实施例提供了一种停车位置确定方法,方法应用于包含图像采集设备的边缘端,所述方法包括:
获取所述图像采集设备采集的所在区域内的视频流;
提取所述视频流每个单帧图像中的车辆特征,得到特征图;
对于每个所述特征图,利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图;
追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻和最优图像;
发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图,包括:
生成与所述预设分类神经网络对应的特征表达函数;
获取所述特征图的每个像素点上的像素值;
对于每个所述像素点,将所述像素值代入所述特征表达函数,得到车辆在所述单帧图像中的四点坐标位置;
根据所述四点坐标位置生成所述矩形车辆框图。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻,包括:
在任意相邻的两个所述单帧图像中,为不同所述单帧图像中的同一个车辆设置相同的编号;
对于编号相同的车辆,在前一个单帧图像中,确定车辆的前一个四点坐标位置,在后一个单帧图像中,确定车辆的后一个四点坐标位置;
判断所述前一个四点坐标位置和所述后一个四点坐标位置是否相同;
若所述前一个四点坐标位置和所述后一个四点坐标位置不相同,则将所述后一个单帧图像发生的时刻确定为与所述编号对应的所述状态转换时刻。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的最优图像,包括:
在多个所述单帧图像中分别提取具有相同编号的车辆的所述矩形车辆框图,得到与所述编号对应的矩形车辆框图集合;
针对每个所述矩形车辆框图集合,对所述矩形车辆框图集合中的矩形车辆框图进行质量评估,得到满足预设质量要求的所述最优图像。
第二方面,本发明实施例还提供一种停车位置确定方法,方法应用于服务器,所述方法包括:
接收多个应用如第一方面任一所述方法的边缘端发送的行驶状态发生变化的车辆的状态转换时刻和最优图像,以及接收用户终端发送的目的地位置和预计停车时间,多个所述边缘端设置在同一个停车场的不同位置;
根据多个所述边缘端发送的所述状态转换时刻和所述最优图像,生成更新停车位信息;
判断所述预计停车时间是否满足预设停车时间要求,若所述预计停车时间满足所述预设停车时间要求,则在预设地图中确定与所述目的地位置距离最近的停车场为目标停车场;
在所述更新停车位信息中,确定与所述目标停车场对应的停车位信息为目标停车位信息;
在所述目标停车位信息中确定处于空闲状态的停车位编号,将任一与所述停车位编号对应的停车位确定为所述用户终端的停车位置,若所述目标停车场内不存在处于空闲状态的停车位,则在除了所述目标停车场的其他停车场中为所述用户终端确定停车位置。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述根据多个所述边缘端发送的所述状态转换时刻和所述最优图像,生成更新停车位信息,包括:
分别提取多个所述最优图像中的车辆属性信息,若多个所述车辆属性信息两两之间的相似度均满足预设条件,则根据多个所述车辆属性信息生成完整车辆属性信息;
判断预设的停车位信息中是否存在所述完整车辆属性信息;
若所述停车位信息中存在所述完整车辆属性信息,则将与所述完整车辆属性信息分别对应的多个所述状态转换时刻的均值确定为与所述完整车辆属性信息对应的车辆驶出时刻,同时将与所述完整车辆属性信息对应的停车位状态由使用状态转换为空闲状态;
若所述停车位信息中不存在所述完整车辆属性信息,若所述停车位信息中不存在所述完整车辆属性信息,则将与所述完整车辆属性信息分别对应的多个所述状态转换时刻的均值确定为与所述完整车辆属性信息对应的车辆驶入时刻,同时将处于空闲状态的编号最小的停车位分配给所述车辆,将编号最小的停车位的状态由空闲状态转换为使用状态;
得到所述更新停车位信息。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,还包括:
对于每个所述完整车辆属性信息,若确定了所述车辆驶出时刻,根据所述车辆驶入时刻和所述车辆驶出时刻确定车辆停留时间;
将所述车辆停留时间乘以车辆停留费用单价,计算得到停车费用;
将所述停车费用发送给所述用户终端。
第三方面,本发明实施例还提供一种停车位置确定装置,包括:获取模块、提取模块、确定模块、追踪模块和发送模块;
所述获取模块,用于获取图像采集设备采集的所在区域内的视频流;
所述提取模块,用于提取所述视频流每个单帧图像中的车辆特征,得到特征图;
所述确定模块,用于对于每个所述特征图,利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图;
所述追踪模块,用于追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻和最优图像;
所述发送模块,用于发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器。
第四方面,本发明实施例还提供一种停车位置确定系统,包括:一个应用如第二方面任一所述方法的服务器、多个应用如第一方面任一所述方法的边缘端和多个用户终端。
第五方面,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如第一方面和第二方面任一所述的方法。
本发明实施例带来了以下有益效果:本发明实施例提供的停车位置确定方法应用于包含图像采集设备的边缘端,所述方法包括:获取所述图像采集设备采集的所在区域内的视频流;提取所述视频流每个单帧图像中的车辆特征,得到特征图;对于每个所述特征图,利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图;追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻和最优图像;发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器。
本发明实施例提供的停车位置确定方法应用于服务器,所述方法包括:接收多个应用如第一方面任一所述方法的边缘端发送的行驶状态发生变化的车辆的状态转换时刻和最优图像,以及接收用户终端发送的目的地位置和预计停车时间,多个所述边缘端设置在同一个停车场的不同位置;根据多个所述边缘端发送的所述状态转换时刻和所述最优图像,生成更新停车位信息;判断所述预计停车时间是否满足预设停车时间要求,若所述预计停车时间满足所述预设停车时间要求,则在预设地图中确定与所述目的地位置距离最近的停车场为目标停车场;在所述更新停车位信息中,确定与所述目标停车场对应的停车位信息为目标停车位信息;在所述目标停车位信息中确定处于空闲状态的停车位编号,将任一与所述停车位编号对应的停车位确定为所述用户终端的停车位置,若所述目标停车场内不存在处于空闲状态的停车位,则在除了所述目标停车场的其他停车场中为所述用户终端确定停车位置。
所以,本发明实施例中的服务器根据多个边缘端发送的状态转换时刻和最优图像生成更新停车位信息,若接收到用户终端发送的目的地位置和预计停车时间,则判断所述预计停车时间是否满足预设停车时间要求,若所述预计停车时间满足所述预设停车时间要求,则在预设地图中确定与所述目的地位置距离最近的停车场为目标停车场;在所述更新停车位信息中,确定与所述目标停车场对应的停车位信息为目标停车位信息;在所述目标停车位信息中确定处于空闲状态的停车位编号,将任一与所述停车位编号对应的停车位确定为所述用户终端的停车位置,若所述目标停车场内不存在处于空闲状态的停车位,则在除了所述目标停车场的其他停车场中为所述用户终端确定停车位置,用户可以直接将车停在服务器确定的停车位置,而不用到目的地位置附近的停车场去寻找空闲的停车位,避免由于到处寻找空闲的停车位而导致的耗费用户大量的时间和精力的问题,因此,缓解了现有技术中存在的停车过程效率低下的技术问题,达到了提高停车过程效率的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的停车位置确定方法的第一种流程图;
图2为本发明实施例提供的停车位置确定方法的第二种流程图;
图3为本发明实施例提供的停车位置确定装置的示意框图;
图4为本发明实施例提供的停车位置确定系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,随着车辆的增多,停车成为一大难题,尤其是对于景区、医院和演唱会场馆等地点。
在实际应用中,如果用户还在前往目的地的路上,那么用户无法获知目的地附近的停车位信息。只能在到达目的地后,再去找停车位,如果当前的停车场内没有空闲的停车位,那么还要去附近的其他的停车场寻找空闲的停车位,这个寻找空闲停车位的过程,会耗费用户大量的时间和精力,导致停车过程效率低下的问题,基于此,本发明实施例提供的一种停车位置确定方法、装置、系统及计算机可读介质,可以缓解现有技术中存在的停车过程效率低下的技术问题,达到提高停车过程效率的技术效果。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种停车位置确定方法进行详细介绍,所述停车位置确定方法应用于包含图像采集设备的边缘端,如图1所示,所述方法可以包括以下步骤。
步骤S101,获取所述图像采集设备采集的所在区域内的视频流。
举例说明,图像采集设备可以为高清摄像机和智能摄像机等。
步骤S102,提取所述视频流每个单帧图像中的车辆特征,得到特征图。
本发明实施例中,可以采用多个卷积层的神经网络算法对单帧图像进行车辆特征的提取,得到特征图。
步骤S103,对于每个所述特征图,利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图。
其中,所述利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图,可以包括以下步骤:
(1)生成与所述预设分类神经网络对应的特征表达函数。
(2)获取所述特征图的每个像素点上的像素值。
其中,可以采用滑动窗的方式来获取所述特征图的每个像素点上的像素值。
(3)对于每个所述像素点,将所述像素值代入所述特征表达函数,得到车辆在所述单帧图像中的四点坐标位置。
示例性的,四点坐标位置可以包括:第一分坐标、第二分坐标、第三分坐标和第四分坐标,其中,所述第一分坐标和所述第二分坐标在同一水平线上,所述第三分坐标和所述第四分坐标在同一水平线上,所述第一分坐标和所述第三分坐标在同一垂直线上,所述第二分坐标和所述第四分坐标在同一垂直线上。
(4)根据所述四点坐标位置生成所述矩形车辆框图。
其中,将所述第一分坐标上的点分别与所述第二分坐标上的点和所述第三分坐标上的点连接;将所述第四分坐标的点分别与所述第二分坐标上的点和所述第三分坐标上的点连接,得到矩形包围盒,矩形包围盒内框住的图像即为所述矩形车辆框图。
步骤S104,追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻和最优图像。
进一步的,在步骤S104中,追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻,可以包括以下步骤:
(1)在任意相邻的两个所述单帧图像中,为不同所述单帧图像中的同一个车辆设置相同的编号。
(2)对于编号相同的车辆,在前一个单帧图像中,确定车辆的前一个四点坐标位置,在后一个单帧图像中,确定车辆的后一个四点坐标位置。
(3)判断所述前一个四点坐标位置和所述后一个四点坐标位置是否相同。
示例性的,具体实施方式可以为:判断所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标是否相同;若所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标不相同,则确定所述前一个四点坐标位置和所述后一个四点坐标位置不相同。
示例性的,具体实施方式可以为:判断所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标是否相同;若所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标相同,则判断所述前一个四点坐标位置的第二分坐标和所述后一个四点坐标位置的第二分坐标是否相同;若所述前一个四点坐标位置的第二分坐标和所述后一个四点坐标位置的第二分坐标不相同,则确定所述前一个四点坐标位置和所述后一个四点坐标位置不相同。
示例性的,具体实施方式可以为:判断所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标是否相同;若所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标相同,则判断所述前一个四点坐标位置的第二分坐标和所述后一个四点坐标位置的第二分坐标是否相同;若所述前一个四点坐标位置的第二分坐标和所述后一个四点坐标位置的第二分坐标相同,则判断所述前一个四点坐标位置的第三分坐标和所述后一个四点坐标位置的第三分坐标是否相同;若所述前一个四点坐标位置的第三分坐标和所述后一个四点坐标位置的第三分坐标不相同,则确定所述前一个四点坐标位置和所述后一个四点坐标位置不相同。
示例性的,具体实施方式可以为:判断所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标是否相同;若所述前一个四点坐标位置的第一分坐标和所述后一个四点坐标位置的第一分坐标相同,则判断所述前一个四点坐标位置的第二分坐标和所述后一个四点坐标位置的第二分坐标是否相同;若所述前一个四点坐标位置的第二分坐标和所述后一个四点坐标位置的第二分坐标相同,则判断所述前一个四点坐标位置的第三分坐标和所述后一个四点坐标位置的第三分坐标是否相同;若所述前一个四点坐标位置的第三分坐标和所述后一个四点坐标位置的第三分坐标相同,则判断所述前一个四点坐标位置的第四分坐标和所述后一个四点坐标位置的第四分坐标是否相同;若所述前一个四点坐标位置的第四分坐标和所述后一个四点坐标位置的第四分坐标不相同,则确定所述前一个四点坐标位置和所述后一个四点坐标位置不相同。
(4)若所述前一个四点坐标位置和所述后一个四点坐标位置不相同,则将所述后一个单帧图像发生的时刻确定为与所述编号对应的所述状态转换时刻。
示例性的,所述状态转换时刻可以为车辆驶出时刻,或者为车辆驶入时刻。
进一步的,在步骤S104中,追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的最优图像,可以包括以下步骤:
(1)在多个所述单帧图像中分别提取具有相同编号的车辆的所述矩形车辆框图,得到与所述编号对应的矩形车辆框图集合。
其中,每个所述矩形车辆框图集合分别对应一辆车。
(2)针对每个所述矩形车辆框图集合,对所述矩形车辆框图集合中的矩形车辆框图进行质量评估,得到满足预设质量要求的所述最优图像。
示例性的,具体实施方式可以为:获取每个矩形车辆框图的实际分辨率、长度、宽度和车辆框图面积;对所述矩形车辆框图进行质量评估,选择实际分辨率大于预设分辨率阈值、长度大于预设长度阈值、宽度大于预设宽度阈值,且车辆框图面积大于预设车辆框图面积阈值的矩形车辆框图作为最优图像输出,得到满足预设质量要求的最优图像。
步骤S105,发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器。
本发明实施例中,本发明实施例提供的停车位置确定方法应用于包含图像采集设备的边缘端,所述方法包括:获取所述图像采集设备采集的所在区域内的视频流;提取所述视频流每个单帧图像中的车辆特征,得到特征图;对于每个所述特征图,利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图;追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻和最优图像;发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器。
所以,本发明实施例中的边缘端首先采集视频流,然后根据视频流的每个单帧图像得到特征图,从多个特征图中得到每个车辆的矩形车辆框图,进而确定行驶状态发生变化的车辆的状态转换时刻和最优图像,最后,发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器,以使服务器根据行驶状态发生变化的车辆的状态转换时刻和最优图像确定停车位置。边缘端并没有直接将采集的视频流发送给服务器,而是先对视频流进行处理,得到行驶状态发生变化的车辆的状态转换时刻和最优图像,然后再将行驶状态发生变化的车辆的状态转换时刻和最优图像发送给服务器,因此,可以保证数据传输的速度和被传输数据的质量,进而可以保证服务器确定的停车位置的准确性和客观性。
在本发明的又一实施例中,对本发明实施例所公开的一种停车位置确定方法进行详细介绍,所述停车位置确定方法应用于服务器,如图2所示,所述方法可以包括以下步骤。
步骤S201,接收多个应用如上述实施例任一所述方法的边缘端发送的行驶状态发生变化的车辆的状态转换时刻和最优图像,以及接收用户终端发送的目的地位置和预计停车时间,多个所述边缘端设置在同一个停车场的不同位置。
示例性的,用户终端可以通过微信、支付宝和百度地图等渠道发送目的地位置和预计停车时间给服务器。
其中,为了综合考虑遮挡和盲区因素,在同一个停车场的不同位置设置了多个边缘端。以停车场包括三个边缘端为例进行说明,三个边缘端可以分别为:边缘端A、边缘端B和边缘端C。边缘端A发送的行驶状态发生变化的车辆的状态转换时刻和最优图像可以如表1所示:
表1
编号 | 状态转换时刻 | 最优图像 |
1 | t<sub>A1</sub> | 最优图像A1 |
2 | t<sub>A2</sub> | 最优图像A2 |
边缘端B发送的行驶状态发生变化的车辆的状态转换时刻和最优图像可以如表2所示:
表2
编号 | 状态转换时刻 | 最优图像 |
1 | t<sub>B1</sub> | 最优图像B1 |
2 | t<sub>B2</sub> | 最优图像B2 |
边缘端C发送的行驶状态发生变化的车辆的状态转换时刻和最优图像可以如表3所示:
表3
编号 | 状态转换时刻 | 最优图像 |
1 | t<sub>C1</sub> | 最优图像C1 |
2 | t<sub>C2</sub> | 最优图像C2 |
步骤S202,根据多个所述边缘端发送的所述状态转换时刻和所述最优图像,生成更新停车位信息。
本发明实施例中,步骤S202可以包括以下步骤:
(1)分别提取多个所述最优图像中的车辆属性信息,若多个所述车辆属性信息两两之间的相似度均满足预设条件,则根据多个所述车辆属性信息生成完整车辆属性信息。
示例性的,所述车辆属性信息可以包括:车辆颜色、品牌型号年款、车牌号码、车辆类型等。
分别提取多个所述最优图像中的车辆属性信息,则可以得到与边缘端A对应的信息如表4所示:
表4
编号 | 状态转换时刻 | 车辆属性信息 |
1 | t<sub>A1</sub> | 车辆属性信息A1 |
2 | t<sub>A2</sub> | 车辆属性信息A2 |
可以得到与边缘端B对应的信息如表5所示:
表5
编号 | 状态转换时刻 | 车辆属性信息 |
1 | t<sub>B1</sub> | 车辆属性信息B1 |
2 | t<sub>B2</sub> | 车辆属性信息B2 |
可以得到与边缘端C对应的信息如表6所示:
表6
编号 | 状态转换时刻 | 车辆属性信息 |
1 | t<sub>C1</sub> | 车辆属性信息C1 |
2 | t<sub>C2</sub> | 车辆属性信息C2 |
其中,若车辆属性信息A1、车辆属性信息B1和车辆属性信息C1两两之间的相似度均满足预设条件,则可以将车辆属性信息A1、车辆属性信息B1和车辆属性信息C1进行汇总,然后去重,得到完整车辆属性信息D2。
若车辆属性信息A2、车辆属性信息B2和车辆属性信息C2两两之间的相似度均满足预设条件,则可以将车辆属性信息A2、车辆属性信息B2和车辆属性信息C2进行汇总,然后去重,得到完整车辆属性信息E1。
(2)判断预设的停车位信息中是否存在所述完整车辆属性信息。
示例性的,停车位信息可以如表7所示:
表7
(3)若所述停车位信息中存在所述完整车辆属性信息,则将与所述完整车辆属性信息分别对应的多个所述状态转换时刻的均值确定为与所述完整车辆属性信息对应的车辆驶出时刻,同时将与所述完整车辆属性信息对应的停车位状态由使用状态转换为空闲状态。
示例性的,对于完整车辆属性信息D2,由于在停车位信息中存在完整车辆属性信息D2,所以,将tA1、tB1和tC1的均值确定为与完整车辆属性信息D2对应的车辆驶出时刻。同时,将与完整车辆属性信息D2对应的停车位状态由使用状态转换为空闲状态。
(4)若所述停车位信息中不存在所述完整车辆属性信息,则将与所述完整车辆属性信息分别对应的多个所述状态转换时刻的均值确定为与所述完整车辆属性信息对应的车辆驶入时刻,同时将处于空闲状态的编号最小的停车位分配给所述车辆,将编号最小的停车位的状态由空闲状态转换为使用状态。
示例性的,对于完整车辆属性信息E1,由于停车位信息中不存在完整车辆属性信息E1,将tA2、tB2和tC2的均值确定为与完整车辆属性信息E1对应的车辆驶入时刻,将编号为1的停车位分配给具有完整车辆属性信息E1的车辆,同时,将与停车位编号为1对应的停车位状态由空闲状态转换为使用状态。
(5)得到所述更新停车位信息。
步骤S203,判断所述预计停车时间是否满足预设停车时间要求,若所述预计停车时间满足所述预设停车时间要求,则在预设地图中确定与所述目的地位置距离最近的停车场为目标停车场。
进一步的,若预计停车时间距离当前时刻的时间段小于预设时间段,则可以确定预计停车时间满足预设停车时间要求。其中,预设时间段可以设置为20分钟。
步骤S204,在所述更新停车位信息中,确定与所述目标停车场对应的停车位信息为目标停车位信息。
步骤S205,在所述目标停车位信息中确定处于空闲状态的停车位编号,将任一与所述停车位编号对应的停车位确定为所述用户终端的停车位置,若所述目标停车场内不存在处于空闲状态的停车位,则在除了所述目标停车场的其他停车场中为所述用户终端确定停车位置。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
本发明实施例中,本发明实施例中的服务器根据多个边缘端发送的状态转换时刻和最优图像生成更新停车位信息,若接收到用户终端发送的目的地位置和预计停车时间,则判断所述预计停车时间是否满足预设停车时间要求,若所述预计停车时间满足所述预设停车时间要求,则在预设地图中确定与所述目的地位置距离最近的停车场为目标停车场;在所述更新停车位信息中,确定与所述目标停车场对应的停车位信息为目标停车位信息;在所述目标停车位信息中确定处于空闲状态的停车位编号,将任一与所述停车位编号对应的停车位确定为所述用户终端的停车位置,若所述目标停车场内不存在处于空闲状态的停车位,则在除了所述目标停车场的其他停车场中为所述用户终端确定停车位置,用户可以直接将车停在服务器确定的停车位置,而不用到目的地位置附近的停车场去寻找空闲的停车位,避免由于到处寻找空闲的停车位而导致的耗费用户大量的时间和精力的问题,因此,缓解了现有技术中存在的停车过程效率低下的技术问题,达到了提高停车过程效率的技术效果。
在实际应用中,用户在将车驶出停车场之前,都要当场向收费员交停车费用,如果此时收费员正在收取其他车主的停车费用,那么用户只能在前面的车主交完费后,才能进行交费,在这个过程中,会耗费用户的时间,导致交费过程效率低下的问题,为了解决这个问题,在本发明的又一实施例中,所述停车位置确定方法还可以包括以下步骤:
对于每个所述完整车辆属性信息,若确定了所述车辆驶出时刻,根据所述车辆驶入时刻和所述车辆驶出时刻确定车辆停留时间。
将所述车辆停留时间乘以车辆停留费用单价,计算得到停车费用。
将所述停车费用发送给所述用户终端。
本发明实施例中,服务器还可以针对每个所述完整车辆属性信息,计算得到累计停车时长和累计停车次数,根据累计停车时长和累计停车次数为用户终端推送月卡信息或者年卡信息。
因此,本发明实施例中,用户不需要当场向收费员交停车费用,当用户的用户终端收到服务器发送的停车费用后,直接通过用户终端支付停车费用。这样就可以节约用户的时间,避免由于排队交费耗费时间而导致的交费过程效率低下的问题,达到提高交费过程效率的效果。
在本发明的又一实施例中,对本发明实施例所公开的一种停车位置确定装置进行详细介绍,如图3所示,所述停车位置确定装置可以包括:获取模块31、提取模块32、确定模块33、追踪模块34和发送模块35。
获取模块31,用于获取图像采集设备采集的所在区域内的视频流。
提取模块32,用于提取所述视频流每个单帧图像中的车辆特征,得到特征图。
确定模块33,用于对于每个所述特征图,利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图。
追踪模块34,用于追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻和最优图像。
发送模块35,用于发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本发明的又一实施例中,对本发明实施例所公开的一种停车位置确定系统进行详细介绍,包括:一个应用如上述实施例任一所述方法的服务器、多个应用如上述实施例任一所述方法的边缘端和多个用户终端。
示例性的,以所述停车位置确定系统包括一个服务器、六个边缘端和三个用户终端为例进行说明。如图4所示,所述停车位置确定系统可以包括:服务器47、六个边缘端和三个用户终端。六个边缘端分别为:边缘端41、边缘端42、边缘端43、边缘端44、边缘端45和边缘端46,其中,边缘端41、边缘端42和边缘端43可以设置于一个停车场内,边缘端44、边缘端45和边缘端46可以设置于另一个停车场内,三个用户终端分别为:用户终端48、用户终端49和用户终端50。边缘端41、边缘端42、边缘端43、边缘端44、边缘端45和边缘端46分别与服务器47通信,用户终端48、用户终端49和用户终端50分别与服务器47通信。
其中,每个边缘端分别包括图像采集设备。用户终端可以为手机、平板电脑和车载导航仪等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明的又一实施例中,对本发明实施例所公开的一种具有处理器可执行的非易失的程序代码的计算机可读介质进行详细介绍,所述程序代码使所述处理器执行上述实施例任一所述的方法。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种停车位置确定方法,其特征在于,方法应用于服务器,所述方法包括:
接收多个边缘端发送的行驶状态发生变化的车辆的状态转换时刻和最优图像,以及接收用户终端发送的目的地位置和预计停车时间,多个所述边缘端设置在同一个停车场的不同位置;
根据多个所述边缘端发送的所述状态转换时刻和所述最优图像,生成更新停车位信息;
判断所述预计停车时间是否满足预设停车时间要求,若所述预计停车时间满足所述预设停车时间要求,则在预设地图中确定与所述目的地位置距离最近的停车场为目标停车场;
在所述更新停车位信息中,确定与所述目标停车场对应的停车位信息为目标停车位信息;
在所述目标停车位信息中确定处于空闲状态的停车位编号,将任一与所述停车位编号对应的停车位确定为所述用户终端的停车位置,若所述目标停车场内不存在处于空闲状态的停车位,则在除了所述目标停车场的其他停车场中为所述用户终端确定停车位置;
所述根据多个所述边缘端发送的所述状态转换时刻和所述最优图像,生成更新停车位信息,包括:
分别提取多个所述最优图像中的车辆属性信息,若多个所述车辆属性信息两两之间的相似度均满足预设条件,则根据多个所述车辆属性信息生成完整车辆属性信息;
判断预设的停车位信息中是否存在所述完整车辆属性信息;
若所述停车位信息中存在所述完整车辆属性信息,则将与所述完整车辆属性信息分别对应的多个所述状态转换时刻的均值确定为与所述完整车辆属性信息对应的车辆驶出时刻,同时将与所述完整车辆属性信息对应的停车位状态由使用状态转换为空闲状态;
若所述停车位信息中不存在所述完整车辆属性信息,则将与所述完整车辆属性信息分别对应的多个所述状态转换时刻的均值确定为与所述完整车辆属性信息对应的车辆驶入时刻,同时将处于空闲状态的编号最小的停车位分配给所述车辆,将编号最小的停车位的状态由空闲状态转换为使用状态;
得到所述更新停车位信息;
包括图像采集设备的边缘端,用于:
获取所述图像采集设备采集的所在区域内的视频流;
提取所述视频流每个单帧图像中的车辆特征,得到特征图;
对于每个所述特征图,利用预设分类神经网络确定与所述特征图对应的单帧图像中每个车辆的矩形车辆框图;
追踪多个所述单帧图像中的车辆,确定行驶状态发生变化的车辆的状态转换时刻和最优图像;
发送行驶状态发生变化的车辆的所述状态转换时刻和所述最优图像给服务器。
2.根据权利要求1所述的停车位置确定方法,其特征在于,还包括:
对于每个所述完整车辆属性信息,若确定了所述车辆驶出时刻,根据所述车辆驶入时刻和所述车辆驶出时刻确定车辆停留时间;
将所述车辆停留时间乘以车辆停留费用单价,计算得到停车费用;
将所述停车费用发送给所述用户终端。
3.一种停车位置确定系统,其特征在于,包括:一个应用如权利要求1-2任一所述方法的服务器、多个应用如权利要求1-2任一所述方法的边缘端和多个用户终端。
4.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1-2任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957672.XA CN108847052B (zh) | 2018-08-21 | 2018-08-21 | 停车位置确定方法、装置、系统及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957672.XA CN108847052B (zh) | 2018-08-21 | 2018-08-21 | 停车位置确定方法、装置、系统及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108847052A CN108847052A (zh) | 2018-11-20 |
CN108847052B true CN108847052B (zh) | 2020-06-05 |
Family
ID=64188572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810957672.XA Expired - Fee Related CN108847052B (zh) | 2018-08-21 | 2018-08-21 | 停车位置确定方法、装置、系统及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108847052B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881758B (zh) * | 2020-06-29 | 2021-03-19 | 普瑞达建设有限公司 | 一种停车管理方法和系统 |
CN112785728B (zh) * | 2020-12-29 | 2023-12-05 | 深圳市顺易通信息科技有限公司 | 一种线上办理停车卡的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761545A (zh) * | 2016-05-11 | 2016-07-13 | 泽信息科技(上海)有限公司 | 多目标停车泊位预定优选方法 |
CN106056968A (zh) * | 2016-07-29 | 2016-10-26 | 北京华航无线电测量研究所 | 一种基于光学图像的车位检测方法 |
CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
CN107665603A (zh) * | 2017-09-06 | 2018-02-06 | 哈尔滨工程大学 | 一种判定车位占用的实时检测方法 |
-
2018
- 2018-08-21 CN CN201810957672.XA patent/CN108847052B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761545A (zh) * | 2016-05-11 | 2016-07-13 | 泽信息科技(上海)有限公司 | 多目标停车泊位预定优选方法 |
CN106056968A (zh) * | 2016-07-29 | 2016-10-26 | 北京华航无线电测量研究所 | 一种基于光学图像的车位检测方法 |
CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
CN107665603A (zh) * | 2017-09-06 | 2018-02-06 | 哈尔滨工程大学 | 一种判定车位占用的实时检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108847052A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111009151B (zh) | 一种停车位推荐方法、存储介质及终端设备 | |
CN110838239B (zh) | 车位导航方法、装置、计算机可读存储介质和计算机设备 | |
CN110047319B (zh) | 停车场车位导航方法、电子装置及存储介质 | |
WO2020024449A1 (zh) | 停车位管理方法、装置及计算机可读存储介质 | |
US20180158327A1 (en) | Method for generating a digital record and roadside unit of a road toll system implementing the method | |
KR102080388B1 (ko) | 주차장 정보 수집 및 제공 시스템 | |
CN108847052B (zh) | 停车位置确定方法、装置、系统及计算机可读介质 | |
CN108230720A (zh) | 停车管理方法和装置 | |
CN111145369A (zh) | 开关调度方法、车辆收费方法、工控机及车辆收费系统 | |
CN105654032A (zh) | 基于人脸检测的公交车人数统计系统及统计方法 | |
CN112712707A (zh) | 车辆碳排放监测系统及方法 | |
CN115035744A (zh) | 一种基于图像分析及rfid的车辆识别方法、装置及系统 | |
CN114254889A (zh) | 充电站车辆排队调度的方法、系统、电子设备及存储介质 | |
CN117237854B (zh) | 基于视频识别的停车位分配方法、系统、设备及存储介质 | |
WO2023241595A1 (zh) | 车位范围的处理方法及计算设备 | |
CN109544981A (zh) | 图像处理方法、装置、设备和介质 | |
CN114550492B (zh) | 一种车辆信息的处理方法、装置、电子设备及存储介质 | |
JP6666796B2 (ja) | 人口推計システムおよび人口推計方法 | |
TWI670694B (zh) | 路邊停車格管理系統 | |
CN110717352B (zh) | 一种站台客流量的统计方法、服务器及图像采集设备 | |
CN106257525A (zh) | 一种预约租车方法 | |
CN111508093A (zh) | 一种用于高速公路的过路费预算系统 | |
CN216083755U (zh) | 一种停车场计费管理系统 | |
CN104700396B (zh) | 从图像中确定用于估计交通量的参数的方法和系统 | |
KR102556036B1 (ko) | Ai 딥러닝 영상 분석 기술 및 라이다 센서를 활용한 야외 주차장 관리 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200605 |
|
CF01 | Termination of patent right due to non-payment of annual fee |