CN109615904A - 停车管理方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种停车管理方法、装置、计算机设备和存储介质。所述方法包括：获取目标图像；根据目标检测算法，识别所述目标图像中所包含的目标车辆所对应的车辆区域；基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车辆是否处于异常停车状态；当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信息上传至云端服务器。采用本方法能够对停车位的实时监控，在出现违规停车的异常停车情况时，及时将处于违规停车状态的目标车辆的车辆信息进行上传，使得车辆停车管理更加智能化。

Description

停车管理方法、装置、计算机设备和存储介质

技术领域

本申请涉及停车管理技术领域，特别是涉及一种停车管理方法、装置、计 算机设备和计算机可读存储介质。

背景技术

随着车辆的不断普及，人们对于停车位的需求也越来越高。为了方便人们 的使用，很多零散停车位会设置在路边，由于各种不确定因素的存在，使得路 边停车混乱，虽然各停车位都安装有相应的地锁，但是仍有部分人投机取巧， 利用智能收费系统死角，借机躲避收费。

然而，目前对于零散停车位进行监管时，都是利用人力资源进行管理，比 如交管部门进行巡逻，这样的方式无法实时对停车位的使用情况进行监控，不 仅浪费大量的人力资源，也无法做到对违规停车的车辆进行处理。

发明内容

基于此，有必要针对上述技术问题，提供一种能够实时对停车位进行管理 监测的停车管理方法、装置、计算机设备和计算机可读存储介质。

一种停车管理方法，所述方法包括：

获取目标图像；

根据目标检测算法，识别所述目标图像中所包含的目标车辆所对应的车辆 区域；

基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车 辆是否处于异常停车状态；

当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信 息上传至云端服务器。

在其中一个实施例中，还包括：

获取图像采集装置所采集到的图像信息；

当检测到所述图像信息中包含有目标车辆时，得到对应的目标图像。

在其中一个实施例中，还包括：

确定所述车辆区域所对应的车辆面积；

确定所述目标车辆在所述停车区域中所对应的有效区域，并确定所述有效 区域对应的有效面积，其中，所述停车区域为车位框所对应的区域，所述有效 区域是在所述车位框内所述目标车辆对应的图像区域；

基于所述车辆面积以及有效面积，确定所述目标车辆是否处于异常停车状 态。

在其中一个实施例中，还包括：

将所述有效面积与所述车辆面积进行对比，得到相应的对比值，其中所述 对比值与所述有效面积成正比，与所述车辆面积成反比；

当所述对比值小于所述预设阈值时，确定所述目标车辆处于异常停车状态。

在其中一个实施例中，还包括：

当确定所述目标车辆处于异常停车状态时，识别所述目标图像中所包含的 车辆信息；

将所述车辆信息与所述目标车辆进行关联，并上传至云端服务器。

在其中一个实施例中，还包括：

对所述目标图像进行色彩处理；

基于根据色彩处理得到的处理图像，确定目标车辆所对应的车牌信息。

在其中一个实施例中，还包括：

获取所述目标图像进行二值化处理，得到所述目标图像各像素点分别对应 的二值化处理数值；

根据所述各像素点分别对应的二值化处理数值，生成得到所述目标图像对 应的处理图像。

一种停车管理装置，所述装置包括：

图像获取模块，用于获取目标图像；

信息识别模块，用于根据目标检测算法，识别所述目标图像中所包含的目 标车辆所对应的车辆区域；

状态确定模块，用于基于所述车辆区域以及所述目标图像所包含的停车区 域，确定所述目标车辆是否处于异常停车状态；

数据上传模块，用于当确定所述目标车辆处于异常停车状态时，将所述目 标车辆对应的车辆信息上传至云端服务器。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序， 所述处理器执行所述计算机程序时实现以下步骤：

获取目标图像；

根据目标检测算法，识别所述目标图像中所包含的目标车辆所对应的车辆 区域；

基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车 辆是否处于异常停车状态；

当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信 息上传至云端服务器。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处 理器执行时实现以下步骤：

获取目标图像；

根据目标检测算法，识别所述目标图像中所包含的目标车辆所对应的车辆 区域；

基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车 辆是否处于异常停车状态；

当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信 息上传至云端服务器。

上述停车管理方法、装置、计算机设备和存储介质，通过实时图像的实时 获取，在存在车辆停车时，获取目标图像，然后根据目标检测算法，识别目标 图像中所包含的目标车辆所对应的车辆区域，并根据车辆区域以及目标图像所 包含的停车区域，确定目标车辆是否处于异常停车状态，进而在确定目标车辆 处于异常停车状态时，将目标车辆的车辆信息上传至对应的云端服务器。实现 了在对停车位的实时监控，在出现违规停车的异常停车情况时，及时将处于违 规停车状态的目标车辆的车辆信息进行上传，使得车辆停车管理更加智能化。

附图说明

图1为一个实施例中停车管理方法的应用环境图；

图2为一个实施例中停车管理方法的流程示意图；

图3为一个实施例中确定目标车辆是否处于异常停车状态的步骤的流程示 意图；

图4为一个实施例的停车位的实际场景应用图；

图5为一个实施例中将车辆信息上传至服务器的步骤的流程示意图；

图6为一个实施例中停车管理装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实 施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅 用以解释本申请，并不用于限定本申请。

本申请实施例提供的停车管理方法，可以应用于如图1所示的应用环境中。 其中，终端102通过网络与服务器104通过网络进行通信。终端102获取目标 图像，然后根据目标检测算法，识别目标图像中所包含的目标车辆所对应的车 辆区域，并根据车辆区域以及目标图像所包含的停车区域，确定目标车辆是否 处于异常停车状态，进而在确定目标车辆处于异常停车状态时，获取目标车辆 所对应的车辆信息，并将所得到的车辆信息上传至服务器104。其中，终端102 可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式 可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种停车管理方法，以该方法应用 于图1中的终端为例进行说明，包括以下步骤：

步骤202，获取目标图像。

其中，目标图像为包含有目标车辆的图像。

具体地，在停车管理系统中，为了实现对车辆的管理，停车管理系统中的 图像获取装置将会获取包含有目标车辆的目标图像，其中目标车辆为进行监测 的车辆。在实际应用中，停车管理系统的图像采集装置实时进行图像信息的获 取，在检测到目标车辆停止在相应的停车区域时，将会获取包含有目标车辆的 目标图像。

进一步地，在获取目标图像时，包括：

步骤a，获取图像采集装置所采集到的图像信息；

步骤b，当检测到图像信息中包含有目标车辆时，得到对应的目标图像。

其中，图像采集装置可以但不限于是摄像头，图像信息是摄像头所采集的 实时视频流，目标图像是通过获取相应的视频帧得到的包含有目标车辆的图像。

具体地，通过预先所设置的图像采集状装置进行图像信息的获取，然后在 图像信息中包含有目标车辆时，得到对应的目标图像。在实际应用中，图像采 集装置的图像采集是一个实时采集的过程，目标图像的选择是一个视频帧的选 择，图像采集装置通过视频采集实时获取对应的停车位的状态信息，在所采集 的停车位中有车辆停入时，获取车辆停止之后的视频帧得到对应的目标图像。

步骤204，根据目标检测算法，识别目标图像中所包含的目标车辆所对应的 车辆区域。

其中，车辆区域是指目标图像中目标车辆所对应的图像所处的区域。

在得到目标图像时，将获取目标图像中所包含的目标车辆所对应的停车区 域。具体地，在得到目标图像时，首先对目标图像进行图像分析处理，以确定 所包含的目标车辆，进而确定目标车辆所对应的车辆区域。

在本实施例中，在对目标图像中所包含的目标车辆进行识别时，利用SSD (SingleShot MultiBox Detector)目标检测法对目标图像中的目标车辆进行 识别获取，进而得到目标车辆所对应的车辆区域。通常的目标检测法通过对图 片中不同颜色模块的感知进而对目标物体进行定位以及分类。在通过目标检测 算法识别确定了目标车辆在目标图像中所处的位置之后，便可以确定目标车辆 在目标图像中所对应的车辆区域。

步骤206，基于车辆区域以及目标图像所包含的停车区域，确定目标车辆是 否处于异常停车状态。

其中，异常停车状态是指目标车辆没有按照正确的方式将目标车辆停放在 对应的停车区域，即处于违章停车状态。停车区域是指用于目标车辆进行车辆 停放的区域，是预先所规划好的车辆停放区域。

在利用SSD目标检测法得到目标图像中目标车辆的车辆区域之后，将根据 所得到的车辆区域以及目标图像中所包含的停车区域，确定目标车辆是否处于 异常停车状态。

在本实施例中，在得到目标车辆所对应的车辆区域之后，首先获取目标图 像中所包含的停车区域，然后车辆区域与停车区域进行对比，具体可以进行区 域面积的对比，以确定目标车辆是否处于异常停车状态。在对目标图像中所包 含的车辆区域以及停车区域进行识别获取时，可以按照相应的比例确定车辆区 域和停车区域的面积比例，进而确定目标车辆是否处于异常停车状态。

具体地，在得到包含有目标车辆的目标图像之后，根据得到的目标图像确 定目标车辆是否处于异常停车状态。在实际应用中，确定目标车辆是否处于异 常停车状态，通常是根据目标车辆是否按照正确的方式停放在对应的停车区域。 对于所获取的目标图像中除了包含有目标车辆之外，还包括有相应的停车区域 所对应的区域，即停车位区域。正常情况下，在目标车辆停放在停车区域时即 说明没有异常停车，在目标车辆没有停放在对应的停车区域时说明目标车辆处 于异常停车状态。

在本实施例中，在得到的目标图像时，利用SSD目标检测法对目标图像中 所包含的目标车辆进行识别，利用SSD目标检测法中的深度学习准确的对目标 车辆所对应的车辆区域进行识别，然后将得到的车辆区域与目标图像中所包含 的停车区域进行对比，确定目标车辆是否处于异常停车状态。通过上述方式对 目标图像中的目标车辆进行识别，使得检测的准确度更高，速度更快，进而可 以更加快速及时的对目标车辆的停车状态进行判断处理。

步骤208，当确定目标车辆处于异常停车状态时，将目标车辆对应的车辆信 息上传至云端服务器。

其中，云端服务器用于记录处于异常停车状态的车辆的车辆信息，并且可 以与对应的停车管理系统建立通讯连接，在接收到所上传的处于异常停车状态 的车辆的车辆信息时，将其上传至所链接的停车管理系统。

具体地，在确定目标车辆处于异常停车状态时，将会获取目标车辆所对应 的车辆信息，并将目标车辆的车辆信息上传至云端服务器。在目标车辆处于正 常停车状态时，将不会进行车辆信息的获取以及上传。

通过对目标图像进行分析，确定目标车辆处于异常停车状态时，需要对目 标车辆的车辆信息进行识别获取，进而将所得到的车辆信息进行上传，在对目 标车辆的车辆信息进行识别获取时，是识别目标图像中所包含的目标车辆的车 牌信息，在实际应用中，车牌信息是唯一的且与车主信息唯一对应的车辆信息， 因此在获取目标车辆的车辆信息时，是获取目标车辆的车牌信息。

另外在获取目标车辆的车辆信息时，还可以获取目标车辆的其他特征信息， 比如车辆的型号，在获取车辆的型号时，由于车辆型号的显示位置相对固定， 可以通过截取对应的区域的图像，然后进行对比确定目标车辆的型号。进而在 将目标车辆的车辆信息进行上传时，将目标车辆的车辆信号作为车辆信息的一 部分进行上传。

上述停车管理方法中，通过实时图像的实时获取，在存在车辆停车时，获 取目标图像，然后对目标图像进行分析处理，确定对应的目标车辆是否处于异 常停车状态，进而在确定目标车辆处于异常停车状态时，将目标车辆的车辆信 息上传至对应的云端服务器。实现了在对停车位的实时监控，在出现违规停车 的异常停车情况时，及时将处于违规停车状态的目标车辆的车辆信息进行上传， 使得车辆停车管理更加智能化。

在一个实施例中，如图3所示，步骤206，基于车辆区域以及目标图像所包 含的停车区域，确定目标车辆是否处于异常停车状态，包括：

步骤302，确定车辆区域所对应的车辆面积。

步骤304，确定目标车辆在停车区域中所对应的有效区域，并确定有效区域 对应的有效面积，其中，停车区域为车位框所对应的区域，有效区域是在车位 框内目标车辆对应的图像区域。

步骤306，基于车辆面积以及有效面积，确定目标车辆是否处于异常停车状 态。

其中，车辆面积为目标车辆在目标图像中所处区域的面积。有效区域是指 目标车辆处于停车区域内的部分区域。

在根据目标图像确定得到目标车辆所对应的车辆区域之后，将会判断确定 目标车辆是否处于异常停车状态。具体地，首先获取目标车辆所对应的车辆区 域的车辆面积，然后根据目标图像中的停车区域确定目标车辆的有效区域，并 得到有效区域所对应的有效面积，最后根据所得到的车辆面积以及有效面积， 确定目标车辆是否处于异常停车状态。

在实际应用中，在确定目标车辆是否处于异常停车状态时，首先确定目标 车辆所对应的车辆区域的车辆面积，在确定车辆区域所对应的车辆面积时，直 接对所识别得到的车辆区域进行面积计算，需要说明的是，在确定目标图像中 目标车辆所对应的车辆区域时，可以通过读取车辆的横纵值来确定对应的车辆 区域，在实际应用中，由于车辆并不是一个规则的图形，因此除了直接利用计 算机程序的方式对目标车辆所处的车辆区域的车辆面积进行计算之外，还可以 将车辆区域设置为一个规则的方形，进而可以快速的得到车辆区域的车辆面积， 具体地便是根据目标车辆的前后距离值以及左右距离值来确定。

在确定车辆区域的车辆面积时，还需要确定目标车辆在停车区域的有效区 域，具体地，停车区域是实际的停车位所对应的区域，因此停车区域是一个固 定的，包括大小和形状。在确定目标车辆在停车区域中所对应的有效区域时， 利用停车区域与车辆区域之间的位置关系得到有效区域，具体如图4所示，在 图4中，区域A表示停车区域，区域B表示目标车辆，且区域B包括有区域B1 和区域B2，在目标车辆完全处于停车区域时，如图4(a)中所示，此时的有效 区域则为区域B，此时区域B所对应的面积即为有效面积，在目标车辆不是完全 处于停车区域时，如图4(b)中所示，由于区域B2处于停车区域之外，因此此 时的有效区域则为区域B1，且区域B1所对应的面积即为有效面积。也就是，在 确定有效区域时，根据停车区域以及车辆区域之间的相对位置关系来确定的， 在本实施例中，将目标车辆的车辆区域设置为最接近目标车辆的实际面积的规 则的图形，可以准确快速的确定目标车辆的车辆区域以及对应的有效区域。

在得到目标车辆的车辆区域以及在停车区域中的有效区域之后，将两者分 别对应的面积进行对比，以确定目标车辆是否处于异常停车状态。

具体地，在将车辆面积与有效面积进行对比确定目标车辆是否处于异常停 车状态是，包括：将车辆面积与有效面积进行对比，得到对应的对比值，其中 对比值与车辆面积成反比，与有效面积成正比；当对比值大于或者等于预设阈 值时，确定目标车辆不处于异常停车状态，当对比值小于预设阈值时，确定目 标车辆处于异常停车状态。

在实际应用中，车辆在停放在停车位上时，并不一定可以完全将车辆停放 在停车位里面，也就是，在本实施例中，有效面积并不是只有等于车辆面积才 确定目标车辆不处于异常停车状态，根据有效面积与车辆面积之间的相对关系 来确定目标车辆是否处于异常停车状态。需要说明的是，预设阈值的具体设定 不限，可以根据实际的实验结果得到，在本实施例中，可以设定预设阈值为55％， 也就是在有效面积与车辆面积的比值大于或等于55％时，确定目标车辆不处于异 常停车状态，在比值小于55％时，说明目标车辆处于异常停车状态。

在一个实施例中，如图5所示，步骤208，当确定目标车辆处于异常停车状 态时，将目标车辆对应的车辆信息上传至云端服务器，包括：

步骤502，当确定目标车辆处于异常停车状态时，识别目标图像中所包含的 车辆信息。

步骤504，将车辆信息与目标图像进行关联，并上传至云端服务器。

其中，车辆信息为目标车辆的唯一特征信息，包括有车牌信息以及车型信 息。

在确定目标车辆处于异常停车状态时，需要及时的目标车辆进行响应的处 理，因此需要将目标车辆的相关车辆信息进行获取并进行上传。具体地，在目 标车辆处于异常停车状态时，对目标图像进行识别，以得到目标车辆所对应的 车辆信息，其中，车辆信息包括有车牌信息以及车辆型号信息。

进一步地，在对目标图像进行色彩处理时包括：

步骤c，获取目标图像进行二值化处理，得到目标图像各像素点分别对应的 二值化处理数值。

步骤d，根据各像素点分别对应的二值化处理数值，生成得到目标图像对应 的处理图像。

在本实施例中，在对目标车辆的车牌进行识别时，采用HSV(Hue,Saturation,Value)颜色空间以及形态学方法来进行准确的识别确定，HSV颜色空间方法主 要是依据HSV颜色模型来实现的，在HSV颜色模型中，H表示色调、S表示饱和 度、V表示明度。在获取目标图像中所包含的车辆信息进行识别获取时，首先对 目标图像进行色彩处理，然后根据色彩处理得到的处理图像确定目标车辆所对 应的车牌信息。

具体地，车牌识别主要由车牌定位、字符分割和字符识别三个部分。车牌 的位置是一个关键的步骤自动车牌识别过程中,车牌定位速度和精度直接关系 到整个系统的性能。在本实施例中，基于数学形态学的车牌定位方法HSV颜色 空间，充分利用车牌定位几何形状、颜色、灰度信息，采用一种自适应动态阈 值方法提高二值化，再基于数学形态学的图像去噪和中值滤波和选定的候选人 地区搜索,然后根据车牌颜色的特点从候选区域定位车牌区域,根据车牌区域的 几何特征剪切。在对目标图像的识别过程中，H所代表的色调基本上可以确定某 种颜色，再结合饱和度和亮度信息判断大于某一个阈值(这里是40到255)。在 对图像进行识别时，在读入目标图像后，首先转换成HSV颜色空间，然后逐一 的判断每个像素是否在一定范围内，进行二值化处理并标识出来，其中，若是， 则标识为255，若不是，则标识为0，这样就可以用查找轮廓的方式，把每个颜 色区域标识出来。

在获取目标车辆所对应的车辆型号信息时，可以将目标图形与预设数据库 中所存储的型号进行对比，以确定目标车辆的车辆型号信息。在确定得到目标 车辆的车辆信息之后，将所得到的车辆信息与目标车辆进行关联，进而将其上 传至云端服务器。在本实施例中，基于HSV颜色空间和数学形态学方法对目标 车辆的车牌信息进行识别确定，可以更加快速准确的获取目标车辆的车牌信息， 保证了信息获取的快速性和准确性。

应该理解的是，虽然图2-3、5的流程图中的各个步骤按照箭头的指示依次 显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有 明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的 顺序执行。而且，图2-3、5中的至少一部分步骤可以包括多个子步骤或者多个 阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同 的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以 与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执 行。

在一个实施例中，如图6所示，提供了一种停车管理装置600，包括：图像 获取模块602、信息识别模块604、状态确定模块606和数据上传模块608，其 中：

图像获取模块602，用于获取目标图像；

信息识别模块604，用于根据目标检测算法，识别目标图像中所包含的目标 车辆所对应的车辆区域；

状态确定模块606，用于基于车辆区域以及目标图像所包含的停车区域，确 定目标车辆是否处于异常停车状态；

数据上传模块608，用于当确定目标车辆处于异常停车状态时，将目标车辆 对应的车辆信息上传至云端服务器。

在一个实施例中，提供的一种图像获取模块包括图像采集模块以及图像确 定模块。其中，图像采集模块用于获取图像采集装置所采集到的图像信息；图 像确定模块用于当检测到图像信息中包含有目标车辆时，得到对应的目标图像。

在一个实施例中，提供的一种状态确定模块包括第一确定模块、第二确定 模块以及对比确定模块。其中，第一确定模块用于确定车辆区域所对应的车辆 面积；第二确定模块用于确定目标车辆在停车区域中所对应的有效区域，并确 定有效区域对应的有效面积，其中，停车区域为车位框所对应的区域，有效区 域是在车位框内目标车辆对应的图像区域；对比确定模块用于基于车辆面积以 及有效面积，确定目标车辆是否处于异常停车状态。

在一个实施例中，提供的一种对比确定模块还用于将有效面积与车辆面积 进行对比，得到相应的对比值，其中对比值与有效面积成正比，与车辆面积成 反比；当对比值小于预设阈值时，确定目标车辆处于异常停车状态。

在一个实施例中，提供的一种数据上传模块包括车辆信息获取模块以及关 联上传模块。其中，车辆信息获取模块用于当确定目标车辆处于异常停车状态 时，识别目标图像中所包含的车辆信息；关联上传模块用于将车辆信息与目标 车辆进行关联，并上传至云端服务器。

在一个实施例中，提供的一种车辆信息获取模块包括图像处理模块以及识 别模块。其中，图像处理模块用于对目标图像进行色彩处理；识别模块用于基 于根据色彩处理得到的处理图像，确定目标车辆所对应的车牌信息。

在一个实施例中，提供的一种图像处理模块还包括处理模块以及生成模块。 其中，处理模块用于获取目标图像进行二值化处理，得到目标图像各像素点分 别对应的二值化处理数值；生成模块用于根据各像素点分别对应的二值化处理 数值，生成得到目标图像对应的处理图像。

关于停车管理装置的具体限定可以参见上文中对于停车管理方法的限定， 在此不再赘述。上述停车管理装置中的各个模块可全部或部分通过软件、硬件 及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处 理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调 用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其 内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、 存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提 供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。 该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存 储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口 用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一 种停车管理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示 屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机 设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠 标等。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定， 具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器 中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取目标图像；

基于所述目标图像，确定目标车辆是否处于异常停车状态；

当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信 息上传至云端服务器。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取图像采集装置所采集到的图像信息；

当检测到所述图像信息中包含有目标车辆时，得到对应的目标图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

识别所述目标图像中所包含的目标车辆所对应的车辆区域；

基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车 辆是否处于异常停车状态。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

确定所述车辆区域所对应的车辆面积；

确定所述目标车辆在所述停车区域中所对应的有效区域，并确定所述有效 区域对应的有效面积，其中，所述停车区域为车位框所对应的区域，所述有效 区域是在所述车位框内所述目标车辆对应的图像区域；

基于所述车辆面积以及有效面积，确定所述目标车辆是否处于异常停车状 态。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将所述有效面积与所述车辆面积进行对比，得到相应的对比值，其中所述 对比值与所述有效面积成正比，与所述车辆面积成反比；

当所述对比值小于所述预设阈值时，确定所述目标车辆处于异常停车状态。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

当确定所述目标车辆处于异常停车状态时，识别所述目标图像中所包含的 车辆信息；

将所述车辆信息与所述目标车辆进行关联，并上传至云端服务器。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

对所述目标图像进行色彩处理；

基于根据色彩处理得到的处理图像，确定目标车辆所对应的车牌信息。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程 序，计算机程序被处理器执行时实现以下步骤：

获取目标图像；

基于所述目标图像，确定目标车辆是否处于异常停车状态；

当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信 息上传至云端服务器。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取图像采集装置所采集到的图像信息；

当检测到所述图像信息中包含有目标车辆时，得到对应的目标图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

识别所述目标图像中所包含的目标车辆所对应的车辆区域；

基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车 辆是否处于异常停车状态。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

确定所述车辆区域所对应的车辆面积；

确定所述目标车辆在所述停车区域中所对应的有效区域，并确定所述有效 区域对应的有效面积，其中，所述停车区域为车位框所对应的区域，所述有效 区域是在所述车位框内所述目标车辆对应的图像区域；

基于所述车辆面积以及有效面积，确定所述目标车辆是否处于异常停车状 态。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将所述有效面积与所述车辆面积进行对比，得到相应的对比值，其中所述 对比值与所述有效面积成正比，与所述车辆面积成反比；

当所述对比值小于所述预设阈值时，确定所述目标车辆处于异常停车状态。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

当确定所述目标车辆处于异常停车状态时，识别所述目标图像中所包含的 车辆信息；

将所述车辆信息与所述目标车辆进行关联，并上传至云端服务器。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

对所述目标图像进行色彩处理；

基于根据色彩处理得到的处理图像，确定目标车辆所对应的车牌信息。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于 一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述 各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、 存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。 非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM (EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存 取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形 式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据 率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM (SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述 实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特 征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的 普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改 进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权 利要求为准。

Claims (10)

1.一种停车管理方法，所述方法包括：

获取目标图像；

根据目标检测算法，识别所述目标图像中所包含的目标车辆所对应的车辆区域；

基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车辆是否处于异常停车状态；

当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信息上传至云端服务器。

2.根据权利要求1所述的方法，其特征在于，所述获取目标图像，包括：

获取图像采集装置所采集到的图像信息；

当检测到所述图像信息中包含有目标车辆时，得到对应的目标图像。

3.根据权利要求2所述的方法，其特征在于，所述基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车辆是否处于异常停车状态，包括：

确定所述车辆区域所对应的车辆面积；

确定所述目标车辆在所述停车区域中所对应的有效区域，并确定所述有效区域对应的有效面积，其中，所述停车区域为车位框所对应的区域，所述有效区域是在所述车位框内所述目标车辆对应的图像区域；

基于所述车辆面积以及有效面积，确定所述目标车辆是否处于异常停车状态。

4.根据权利要求3所述的方法，其特征在于，所述基于所述车辆面积以及有效面积，确定所述目标车辆是否处于异常停车状态，包括：

将所述有效面积与所述车辆面积进行对比，得到相应的对比值，其中所述对比值与所述有效面积成正比，与所述车辆面积成反比；

当所述对比值小于所述预设阈值时，确定所述目标车辆处于异常停车状态。

5.根据权利要求4所述的方法，其特征在于，所述当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信息上传至云端服务器，包括：

当确定所述目标车辆处于异常停车状态时，识别所述目标图像中所包含的车辆信息；

将所述车辆信息与所述目标车辆进行关联，并上传至云端服务器。

6.根据权利要求5所述的方法，其特征在于，所述识别所述目标图像所包含的车辆信息，包括：

对所述目标图像进行色彩处理；

基于根据色彩处理得到的处理图像，确定所述目标车辆所对应的车牌信息。

7.根据权利要求6所述的方法，其特征在于，所述对所述目标图像进行色彩处理，包括：

获取所述目标图像进行二值化处理，得到所述目标图像各像素点分别对应的二值化处理数值；

根据所述各像素点分别对应的二值化处理数值，生成得到所述目标图像对应的处理图像。

8.一种停车管理装置，其特征在于，所述装置包括：

图像获取模块，用于获取目标图像；

信息识别模块，用于根据目标检测算法，识别所述目标图像中所包含的目标车辆所对应的车辆区域；

状态确定模块，用于基于所述车辆区域以及所述目标图像所包含的停车区域，确定所述目标车辆是否处于异常停车状态；

数据上传模块，用于当确定所述目标车辆处于异常停车状态时，将所述目标车辆对应的车辆信息上传至云端服务器。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。