CN109857894A - 停车场寻车方法、装置、存储介质及计算机设备 - Google Patents

Abstract

本发明适用于人工智能技术领域，提供了一种停车场寻车方法、装置、存储设备及计算机设备。其中，方法包括：当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像；当车辆停靠在停车位时，获取停车位的位置信息；将车辆信息、第一人脸图像以及停车位的位置信息进行关联存储至停车数据库；当接收到车主的移动终端所发送的寻车指令时，获取车主的第二人脸图像和移动终端的位置信息；将第二人脸图像与停车数据库中的第一人脸图像进行匹配；若匹配成功，则根据第一人脸图像从停车数据库中获取停车位的位置信息；根据移动终端的位置信息和停车位的位置信息获取寻车路径；基于寻车路径发出寻车导航指示。

Description

停车场寻车方法、装置、存储介质及计算机设备

技术领域

本发明属于人工智能技术领域，尤其涉及一种停车场寻车方法、装置、存储介质及计算机设备。

背景技术

随着人们生活水平的提高，汽车的保有量也越来越高，人们出行对汽车的使用频率也越来越高。而对于停车场而言，由于所停放的汽车数量大，且车型相似的车辆较多，容易导致车主在寻车时遇到一定的困难。

针对上述停车场寻车困难的问题，现有技术提供了一种较为快速便捷的停车场寻车方法，其是通过车主通过移动终端打开蓝牙或扫描输入附近标识(如二维码、停车位编号等)来获取车主定位，同时需要车主手动输入自己的车牌号或停车位编号，才可查询寻车路径。这种寻车方法虽然能够解决停车场寻车困难的问题，但在获取寻车路径的操作上较为繁琐，从而导致寻车路径的获取效率低的问题。

综上所述，现有的寻车方法存在寻车路径的获取效率低的问题。

发明内容

有鉴于此，本发明实施例提供了一种停车场寻车方法、装置、存储介质及终端设备，以解决现有技术中停车场寻车方法存在的寻车路径的获取效率低的问题。

本发明实施例的第一方面提供了一种停车场寻车方法，其包括：

当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像；

当车辆停靠在停车位时，获取所述停车位的位置信息；

将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库；

当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息；

将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配；

若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息；

根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径；

基于所述寻车路径发出寻车导航指示。

本发明实施例的第二方面提供了一种停车场寻车装置，其包括：

第一获取模块，用于当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像；

第二获取模块，用于当车辆停靠在停车位时，获取所述停车位的位置信息；

存储模块，用于将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库；

第三获取模块，用于当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息；

匹配模块，用于将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配；

第四获取模块，用于若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息；

第五获取模块，用于根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径；

导航指示模块，用于基于所述寻车路径发出寻车导航指示。

本发明实施例的第三方面提供了一种计算机设备，其包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像；

当车辆停靠在停车位时，获取所述停车位的位置信息；

将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库；

当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息；

将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配；

若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息；

根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径；

基于所述寻车路径发出寻车导航指示。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像；

当车辆停靠在停车位时，获取所述停车位的位置信息；

将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库；

当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息；

将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配；

若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息；

根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径；

基于所述寻车路径发出寻车导航指示。

本发明实施例中，当车主车辆驶入停车场时，首先获取车主的车辆信息和第一人脸图像，将所述车辆信息与所述第一人脸图像进行关联存储至停车数据库；然后，接收到移动终端发送的寻车指令时，获取车主的第二人脸图像，以及获取所述移动终端的位置信息；再之，将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配，若匹配成功，则根据所述第一人脸图像确定关联存储的车辆信息，基于所述车辆信息获取所述车辆的位置信息；之后，将所述移动终端的位置信息作为寻车起点，所述车辆的位置信息作为终点，计算寻车路径；最后，基于所述寻车路径指示车主完成寻车。可见，本发明实施例能够基于车主与移动终端的简单交互智能地完成寻车，整个过程不需要车主手动输入信息，提高了获取寻车路径的效率，解决了现有技术中存在的寻车路径的获取效率低的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中停车场寻车方法的一应用环境示意图；

图2是本发明实施例一提供的停车场寻车方法的实现流程示意图；

图3是本发明实施例二提供的停车场寻车装置的示意图；

图4是本发明实施例提供的停车场寻车装置中第三获取模块的示意图；

图5是本发明实施例二提供的停车场寻车装置中匹配模块的示意图；

图6是本发明实施例三提供的计算机设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

本发明实施例提供的停车场寻车方法可应用在如图1的应用环境中，其中，客户端通过网络与服务器进行通信。其中，客户端可以但不限于各种个人计算机、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。

为了说明本发明实施例所提供的停车场寻车方法，下面通过具体实施例来进行说明。

实施例一：

图2示出了本发明实施例一提供的停车场寻车方法的实现流程示意图。如图2所示，该停车场寻车方法具体包括如下步骤101至步骤108，详述如下：

步骤101：当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像。

步骤102：当车辆停靠在停车位时，获取所述停车位的位置信息。

步骤103：将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库。

对于步骤101和步骤102，其中，车辆信息可以但不限于是车牌号码。当车主开着车辆驶入停车场时，可以通过停车场入口的摄像头拍摄车辆信息和第一人脸图像，优选地，所述停车场入口的摄像头为安装在停车场入口附近的具有人脸识别功能的摄像头，从而在车主车辆驶入停车场时通过停车场入口的摄像头拍摄车主的第一人脸图像；停车场入口摄像头的安装位置要确保可以覆盖停车场入口的各个角度范围。当车辆停靠在停车位时，获取所述停车位的位置信息至少可通过以下两种方式实现：

第一种方式：当安装在停车场的摄像头监测到车辆停靠在停车位时，通过安装在停车场的摄像头获取所述停车位的位置信息(例如停车位的编号信息)，并将所述停车位的位置信息发送至服务器。

第二种方式：每个车位唯一对应一个传感器或者传感器组，当传感器或者传感器的参数变化达到预定阈值时，说明有车辆停靠在停车位，此时服务器获取与所述传感器对应的停车位的位置信息。

对于步骤103，将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库的实现方式至少包括以下两种：

作为将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库的第一种实现方式：当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像，将车辆信息和车主的第一人脸图像进行关联存储至停车数据库中的第一映射表；当车辆停靠在停车位时，获取所述停车位的位置信息，将所述车辆信息和停车位的位置信息进行关联存储至停车数据库中的第二映射表，换句话说，停车数据库中存在两个映射表，第一映射表用于存储车辆信息和所述第一人脸图像之间的关联关系，第二映射表用于存储车辆信息和所述停车位的位置信息之间的关联关系。

作为将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库的第二种实现方式：当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像，将车辆信息和车主的第一人脸图像进行关联存储至停车数据库中的第三映射表；当车辆停靠在停车位时，获取所述停车位的位置信息，将所述车辆信息和停车位的位置信息进行关联存储至停车数据库中的所述第三映射表，换句话说，停车数据库中存在一个映射表，该第三映射表用于存储车辆信息和车主的第一人脸图像，以及和停车位的位置信息之间的关联关系。当确定了车辆信息，则可根据所述车辆信息获取与所述车辆信息关联的第一人脸图像和停车位的位置信息。

步骤104：当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息。

其中，所述寻车指令可以是语音指令，也可以是车主使用移动终端拍摄自己脸部图像时触发的拍摄指令；第二人脸图像可以是静态的照片，也可以是动态的视频，例如短视频。相应地，当接收到移动终端发出的语音指令时，获取车主的第二人脸图像。当接收到移动终端发出的拍摄指令时，获取车主的第二人脸图像。直接通过拍摄指令来触发获取车主的第二人脸图像相当于将发出寻车指令与拍摄车主的第二人脸图像的这两个过程融合为一个过程，节省了流程，提高了处理的效率。需要说明的是，获取车主的第二人脸图像有两种方式来实现：

第一种：当接收到移动终端发出的语音指令或者拍摄指令时，通过人脸识别摄像头获取车主的第二人脸图像。

其中，语音指令包括但不限于“寻车”和“找车”。人脸识别摄像头安装在停车场的固定位置例如停车场入口。

第二种：当接收到移动终端发出的语音指令或者拍摄指令时，通过移动终端的摄像头获取车主的第二人脸图像，移动终端再将所述第二人脸图像发送至停车场的服务器。作为一个实施例，可通过接收移动终端发送的实时定位信息(如，位置共享信息)获取所述移动终端的位置信息。作为另一个实施例，所述寻车指令包含所述移动终端定位的位置信息，停车场的服务器在接收到包含所述移动终端定位的位置信息的寻车指令时，获取移动终端的位置信息。

相应地，作为本发明的一个实施例，步骤104具体可包括：

步骤201：当接收到移动终端发出的语音指令或者拍摄指令时，通过人脸识别摄像头获取车主的第二人脸图像。

步骤202：通过接收移动终端发送的实时定位信息获取所述移动终端的位置信息。

作为本发明的另一个实施例，步骤104具体可包括：

步骤301：当接收到所述车主的移动终端所发送的寻车指令时，通过所述移动终端的摄像头获取所述车主的第二人脸图像。

步骤302：基于所述移动终端的定位功能获取所述移动终端的位置信息。

其中，定位功能可以是GP步骤定位功能，也可以是北斗定位功能，还可以是其他方式或形式的定位功能，在此不作限定。

本实施例中，通过所述移动终端的摄像头获取所述车主的第二人脸图像，移动终端再将所述第二人脸图像发送至停车场的服务器，车主可随时开始寻车，寻车的时间点灵活，方式便捷，避免了需要通过人脸识别摄像头来获取第二人脸图像而人脸识别摄像头安装在固定位置造成的不便。

步骤105：将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配。

优选地，步骤105是通过深度学习的人脸识别方法对所述第二人脸图像进行识别。该方法可以通过大规模人脸类别预测任务训练一个用于人脸识别的预设神经网络，用该预设神经网络的隐藏层的输出作为人脸的特征向量，从而计算特征向量之间的距离，根据该距离对两张人脸图像进行判别。人脸匹配方法用于人脸匹配装置中，该装置应用于服务器，步骤105具体包括以下步骤：

步骤401：从所述停车数据库中获取N张人脸图像，所述N张人脸图像包括所述第一人脸图像，所述N为大于1的整数。

其中，N是大于1的正整数。人脸图像是包括人脸的图像，这里人脸是指作为个体的面部。

步骤402：分别将N张人脸图像和所述第二人脸图像输入预设神经网络，从所述预设神经网络的隐藏层输出对应的向量，将N+1张人脸图像对应的向量作为N+1张人脸图像的特征向量。

本实施例中的隐藏层是预设神经网络中除最后一层之外的任一层。

在本实施例中，预设神经网络是根据预设的具有人脸的图像和对应人的组号训练出来的，同一组号的图像都是同一人的人脸图像。

其中，每张人脸图像输入预设神经网络都会输出一个向量，该向量作为对应人脸图像的特征向量。为了简化计算，本实施例中的特征向量的维度可以是512。

预设神经网络是深度卷积神经网络，一般的深度卷积神经网络的结构一般大于或等于5层结构；本实施例为了降低计算量，提高计算速度，预设神经网络可以采用精简的设计，选择合适的网络层数，并且去掉诸如归一化层、批规范化层等层。本实施例的预设神经网络的模型图，从输入到输出的方向，第一层结构包括：第一卷积层、第一激活层和第一下采样层；第二层结构包括：第二卷积层、第二激活层和第二下采样层；第三层结构包括：第三卷积层、第三激活层和第三层下采样层；第四层结构包括：第四a卷积层、第四a激活层、第四b卷积层、第四b激活层和第四下采样层；第五层结构包括：第五卷积层和第五激活层；第六层结构包括：第一全连接层；第二全连接层。其中，预设神经网络中各个卷积层的卷积核不同、各个激活层的激活函数也不相同，优选的隐藏层是预设神经网络的倒数第二层，即第一全连接层。其中，第一全连接层的输出即达到了维度低，且具有最紧致的人脸特征，因此，该第一全连接层作为优选的隐藏层。

进一步的，第四a卷积层和第四a激活层可以由第一子卷积层、第一子激活层、第二子卷积层、第二子激活层代替，第五卷积层可以由第三子卷积层、第三子激活层、第四子卷积层和第四子激活层代替；其中，各个子卷积层的卷积核不同、子激活层的激活函数也不相同。

需要说明的是，经过卷积层之后的输入都需要通过激活层来增加非线性特性以去除人脸图像中的非线性因素。本实施例在第三下采样层之后增加了一个支路，第三层下采样层的输出与第二子卷积层的输出一起输入第四层卷积层中，同样，第四下采样层之后也增加了一个支路，将第四下采样层的输出和第五卷积层的输出一起输入第一全连接层，上述两种支路可以加速模型的收敛，提高准确率。第二层全连接层的输出维度是训练集合中的人数。

本实施例中，假设总共训练6个人，每个人都有自己的组号，如果向预设神经网络输入组号为1的人脸图像，那么，预设神经网络的输出的向量应该是(1，0，0，0，0，0)；也就是组号是几，那么，向量中相应第几位是1。如果再次输入人脸向量不是上述6个人的人脸图像，那么，没有组号与预设神经网络的输出对应，且该向量的输出结果是人为设定的，无法表达出的人脸特征，这样就需要选择包含人脸特征的隐藏层的输出作为特征向量，这样即使对从来没有输入过预设神经网络的人的人脸图像也能很好的识别。

步骤403：对于N+1张人脸图像中的待匹配的第一人脸图像和第二人脸图像，确定所述第一人脸图像的特征向量与所述第二人脸图像的特征向量之间的距离。

其中，距离可以通过欧拉距离公式等距离公式计算，本实施例对此不做限制。

步骤404：当所述距离小于预设距离时，确定所述第一人脸图像和所述第二人脸图像是同一车主的人脸图像。

由于距离计算方法不同，相应的预设距离不同；该预设距离用于划分属于同一车主的人脸图像的距离和属于不同车主的人脸图像的距离，如果距离小于预设距离，说明两张人脸图像的车主脸属于同一个车主，距离大于或等于预设值，说明两张人脸图像属于不同的两个车主。

在一个实施例中，步骤403可以包括：

步骤501：通过大盈余最近邻算法，将两张待匹配的人脸图像的特征向量进行特征空间映像转换，得到两个转换向量。

步骤502：计算第一人脸图像的转换向量和第二人脸图像的转换向量之间的欧拉距离。

其中，大盈余最近邻算法的思想是，通过学习一种距离度量使得在一个转换空间中，对于一个特征向量的预设个数个近邻都属于同一类别，而不同类别的样本与特征向量保持一定大的距离。因此，需要计算出转换到转换空间所需要的转换矩阵M。

该M是在训练预设神经网络之后训练到的，同样通过属于某一组的图像和属于其他组的图像进行训练得到的。该训练的目标是：对于该组的图像的特征向量作为输入时，经过M矩阵进行特征空间映像转换，得到的转换向量与目标邻居应尽可能的接近，而对于其他组的图像的特征向量作为输入时，经过M矩阵进行特征空间映像转换，得到的转换向量应尽可能的远离该目标邻居。这里，目标邻居是从该组的图像中选出来的预设个数个图像的特征向量经过M矩阵进行特征空间映像转换，而得到对应的转换向量。

因此，将特征向量进行特征空间映像转换，即为通过M将特征向量转换为转换空间的转换向量，即转换后的特征向量。

步骤106：若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息。

在本步骤中，由于匹配成功，说明所述第一人脸和所述第二人脸属于同一车主，因此可根据预先存储的映射表进行查找，确定与所述第一人脸图像确定关联存储的车辆信息。例如，匹配成功的是第一人脸4，则根据所述映射表确定对应的车辆信息为车辆4。

步骤107：根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径。

本步骤中，将所述移动终端的位置信息作为寻车起点，所述车辆所在停车位的位置信息作为寻车终点，计算得到寻车路径。

进一步地，根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径，具体可包括：

步骤601：获取停车场的电子地图，所述停车场电子地图上包括寻车起点和寻车终点；所述寻车起点为所述移动终端的位置信息，所述寻车终点为所述停车位的位置信息。

其中，电子地图包括但不限于为百度地图、高德地图和谷歌地图。可自动对当前停车场的位置信息进行定位，获取所述当前停车场的电子地图，例如当前停车场在百度地图上的电子地图。可选地，将所述移动终端的位置信息在电子地图上的相应位置处标记为寻车起点，将所述停车位的位置信息在电子地图上的相应位置处标记为寻车终点。

步骤602：根据所述寻车起点和所述寻车终点在所述电子地图中规划导航路径；所述导航路径包括所述寻车起点、所述寻车终点和至少一个路径点，所述路径点为所述电子地图中两条道路的交点。

步骤603：当所述导航路径为多个时，将长度最短的导航路径确定为寻车路径。

其中，导航路径用于引导车主从所述寻车起点到达所述寻车终点。需要说明的是，在所述寻车起点到达所述寻车终点之间，至少包括一条导航路径。

其中，所述根据所述寻车起点和所述寻车终点在所述电子地图中规划导航路径具体可包括：

步骤701：根据所述寻车起点和所述寻车终点确定车主与所述停车位是否在同一停车场楼层。

其中，可通过比对所述寻车起点所在的楼层和所述寻车终点所在的楼层来判断是否在同一停车场楼层。例如，寻车起点所在楼层为L1，寻车终点所在楼层在L2，则确定车主与所述停车位不在同一停车场楼层。寻车起点所在楼层为L1，寻车终点所在楼层在B1，则确定车主与所述停车位不在同一停车场楼层。步骤702：若所述车主与所述停车位在同一停车场楼层，则在所述电子地图中规划所述寻车起点与所述寻车终点之间的导航路径。若所述车主与所述停车位在同一停车场楼层，说明寻车起点与所述寻车终点之间的导航路径在同一个平面上，基于寻车起点、寻车终点和两者之间的路径点，计算所述寻车起点和所述终点之间的导航路径。

步骤703：若所述车主与所述停车位不在同一停车场楼层，则基于所述寻车起点所在楼层，在所述电子地图中规划所述寻车起点与楼层互通点之间的前段导航路径；所述楼层互通点为停车场中用于连通各停车楼层的电梯或楼梯所在的位置。

若所述车主与所述停车位不在同一停车场楼层，说明寻车起点与所述寻车终点之间的导航路径不在同一个平面上。基于所述寻车起点所在楼层，在所述电子地图中规划所述寻车起点与楼层互通点之间的至少一条前段导航路径。

步骤704：在所述电子地图中规划所述楼层互通点与所述寻车终点之间的后段导航路径，并将所述前段导航路径与所述后段导航路径结合，以得到从所述寻车起点至所述寻车终点的导航路径。

基于所述寻车终点所在楼层，在所述电子地图中规划所述楼层互通点与所述寻车终点之间的后段导航路径之间的至少一条后段寻车路径。

例如，车主在L1层，停车位在L3层(即寻车起点A在L1层，寻车终点Z在L3层)，若L1层与L3层的楼层互通点包括多个电梯点和一个楼梯点，则首先获取寻车起点A与所述多个电梯点之间的i条(假设i为大于等5的整数)前段导航路径d1、d2、d3、……、di；若前段导航路径中的楼层互通点为H，则进一步确定楼层互通点H到寻车终点Z之间的j条(假设j为大于等于2的整数)后段导航路径；由于电梯在L1层与L3层之间是竖直上下的，不产生路程，因此最后将di和dj结合则得到k(k＝i*j)条导航路径。相应地，将k条导航路径中路程最短的作为寻车路径。

108：基于所述寻车路径发出寻车导航指示。

具体地，步骤108包括：

基于所述寻车路径，根据所述移动终端与所述车辆的相对位置生成导航线路图；将所述导航线路图呈现给车主，以供车主寻找所述车辆。优选地，所述导航线路图实景导航的方式进行呈现。

本发明实施例中，当车主车辆驶入停车场时，首先获取车主的车辆信息和第一人脸图像，将所述车辆信息与所述第一人脸图像进行关联存储至停车数据库；然后，接收到移动终端发送的寻车指令时，获取车主的第二人脸图像，以及获取所述移动终端的位置信息；再之，将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配，若匹配成功，则根据所述第一人脸图像确定关联存储的车辆信息，基于所述车辆信息获取所述车辆的位置信息；之后，将所述移动终端的位置信息作为寻车起点，所述车辆的位置信息作为终点，计算寻车路径；最后，基于所述寻车路径指示车主完成寻车。可见，本发明实施例能够基于车主与移动终端的简单交互智能地完成寻车，整个过程不需要车主手动输入信息，提高了获取寻车路径的效率，解决了现有技术中存在的寻车路径的获取效率低的问题。

停车场寻车方法应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

实施例二：

请参考图3，其示出了本发明实施例二提供的停车场寻车装置30的示意图。所述停车场寻车装置30，包括：第一获取模块31，第二获取模块32，存储模块33，第三获取模块34、匹配模块35、第四获取模块36、第五获取模块37和导航指示模块38。其中，各模块的具体功能如下：

第一获取模块31，用于当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像。

第二获取模块32，用于当车辆停靠在停车位时，获取所述停车位的位置信息。

存储模块33，用于将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库。

第三获取模块34，用于当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息。

匹配模块35，用于将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配。

第四获取模块36，用于若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息。

第五获取模块37，用于根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径。

导航指示模块38，用于基于所述寻车路径发出寻车导航指示。

可选地，如图4所示，第三获取模块34包括：

第一获取单元341，用于当接收到所述车主的移动终端所发送的寻车指令时，通过所述移动终端的摄像头获取所述车主的第二人脸图像。

第二获取单元342，用于基于所述移动终端的定位功能获取所述移动终端的位置信息。

可选地，如图5所示，匹配模块35包括：

第三获取单元351，用于从所述停车数据库中获取N张人脸图像，所述N张人脸图像包括所述第一人脸图像，所述N为大于1的整数。

输出单元352，分别将N张人脸图像和所述第二人脸图像输入预设神经网络，从所述预设神经网络的隐藏层输出对应的向量，将N+1张人脸图像对应的向量作为N+1张人脸图像的特征向量。

第一确定单元353，用于对于N+1张人脸图像中的待匹配的第一人脸图像和第二人脸图像，确定所述第一人脸图像的特征向量与所述第二人脸图像的特征向量之间的距离。

第二确定单元354，用于当所述距离小于预设距离时，确定所述第一人脸图像和所述第二人脸图像是同一车主的人脸图像。

可选地，所述第五获取模块37包括：

第六获取单元371，用于获取停车场的电子地图，所述停车场电子地图上包括寻车起点和寻车终点；所述寻车起点为所述移动终端的位置信息，所述寻车终点为所述停车位的位置信息。

导航路径规划单元372，用于根据所述寻车起点和所述寻车终点在所述电子地图中规划导航路径；所述导航路径包括所述寻车起点、所述寻车终点和至少一个路径点，所述路径点为所述电子地图中两条道路的交点。

第三确定单元373，用于当所述导航路径为多个时，将长度最短的导航路径确定为寻车路径。

可选地，导航路径规划单元372包括：

确定子单元，用于根据所述寻车起点和所述寻车终点确定车主与所述停车位是否在同一停车场楼层。

第一规划子单元，用于若所述车主与所述停车位在同一停车场楼层，则在所述电子地图中规划所述寻车起点与所述寻车终点之间的导航路径。

第二规划子单元，用于若所述车主与所述停车位不在同一停车场楼层，则基于所述寻车起点所在楼层，在所述电子地图中规划所述寻车起点与楼层互通点之间的前段导航路径；所述楼层互通点为停车场中用于连通各停车楼层的电梯或楼梯所在的位置。

第三规划子单元，用于在所述电子地图中规划所述楼层互通点与所述寻车终点之间的后段导航路径，并将所述前段导航路径与所述后段导航路径结合，以得到从所述寻车起点至所述寻车终点的导航路径。

关于停车场寻车装置的具体限定可以参见上文中对于停车场寻车方法的限定，在此不再赘述。上述停车场寻车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。

实施例三：

在本实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储停车场寻车方法中涉及到的数据。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场寻车方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中停车场寻车方法的步骤，例如图2所示的步骤101至步骤108。或者，处理器执行计算机程序时实现上述实施例中停车场寻车装置的各模块/单元的功能，例如图3所示模块31至模块38的功能。为避免重复，这里不再赘述。

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上述实施例中停车场寻车方法的步骤，例如图2所示的步骤101至步骤108。或者，计算机程序被处理器执行时实现上述实施例中停车场寻车装置的各模块/单元的功能，例如图3所示模块31至模块38的功能。为避免重复，这里不再赘述。

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(步骤RAM)、动态RAM(DRAM)、同步DRAM(步骤DRAM)、双数据率步骤DRAM(DDR步骤DRAM)、增强型步骤DRAM(E步骤DRAM)、同步链路(步骤yNchliNk)DRAM(步骤LDRAM)、存储器总线(Rambu步骤)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。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种停车场寻车方法，其特征在于，包括：

当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像；

当车辆停靠在停车位时，获取所述停车位的位置信息；

将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库；

当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息；

将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配；

若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息；

根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径；

基于所述寻车路径发出寻车导航指示。

2.根据权利要求1所述的停车场寻车方法，其特征在于，所述当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息包括：

当接收到所述车主的移动终端所发送的寻车指令时，通过所述移动终端的摄像头获取所述车主的第二人脸图像；

基于所述移动终端的定位功能获取所述移动终端的位置信息。

3.根据权利要求1所述的停车场寻车方法，其特征在于，将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配包括：

从所述停车数据库中获取N张人脸图像，所述N张人脸图像包括所述第一人脸图像，所述N为大于1的整数；

分别将N张人脸图像和所述第二人脸图像输入预设神经网络，从所述预设神经网络的隐藏层输出对应的向量，将N+1张人脸图像对应的向量作为N+1张人脸图像的特征向量；

对于N+1张人脸图像中的待匹配的第一人脸图像和第二人脸图像，确定所述第一人脸图像的特征向量与所述第二人脸图像的特征向量之间的距离；

当所述距离小于预设距离时，确定所述第一人脸图像和所述第二人脸图像是同一车主的人脸图像。

4.根据权利要求1所述的停车场寻车方法，其特征在于，根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径，包括：

获取停车场的电子地图，所述停车场电子地图上包括寻车起点和寻车终点；所述寻车起点为所述移动终端的位置信息，所述寻车终点为所述停车位的位置信息；

根据所述寻车起点和所述寻车终点在所述电子地图中规划导航路径；所述导航路径包括所述寻车起点、所述寻车终点和至少一个路径点，所述路径点为所述电子地图中两条道路的交点；

当所述导航路径为多个时，将长度最短的导航路径确定为寻车路径。

5.根据权利要求4所述的停车场寻车方法，其特征在于，所述根据所述寻车起点和所述寻车终点在所述电子地图中规划导航路径包括：

根据所述寻车起点和所述寻车终点确定车主与所述停车位是否在同一停车场楼层；

若所述车主与所述停车位在同一停车场楼层，则在所述电子地图中规划所述寻车起点与所述寻车终点之间的导航路径；

若所述车主与所述停车位不在同一停车场楼层，则基于所述寻车起点所在楼层，在所述电子地图中规划所述寻车起点与楼层互通点之间的前段导航路径；所述楼层互通点为停车场中用于连通各停车楼层的电梯或楼梯所在的位置；

在所述电子地图中规划所述楼层互通点与所述寻车终点之间的后段导航路径，并将所述前段导航路径与所述后段导航路径结合，以得到从所述寻车起点至所述寻车终点的导航路径。

6.一种停车场寻车装置，其特征在于，包括：

第一获取模块，用于当车辆驶入停车场时，获取车辆信息和车主的第一人脸图像；

第二获取模块，用于当车辆停靠在停车位时，获取所述停车位的位置信息；

存储模块，用于将所述车辆信息、所述第一人脸图像以及所述停车位的位置信息进行关联存储至停车数据库；

第三获取模块，用于当接收到所述车主的移动终端所发送的寻车指令时，获取所述车主的第二人脸图像和所述移动终端的位置信息；

匹配模块，用于将所述第二人脸图像与所述停车数据库中的第一人脸图像进行匹配；

第四获取模块，用于若匹配成功，则根据所述第一人脸图像从所述停车数据库中获取所述停车位的位置信息；

第五获取模块，用于根据所述移动终端的位置信息和所述停车位的位置信息获取寻车路径；

导航指示模块，用于基于所述寻车路径发出寻车导航指示。

7.根据权利要求6所述的停车场寻车装置，其特征在于，所述第三获取模块包括：

第一获取单元，用于当接收到所述车主的移动终端所发送的寻车指令时，通过所述移动终端的摄像头获取所述车主的第二人脸图像；

第二获取单元，用于基于所述移动终端的定位功能获取所述移动终端的位置信息。

8.根据权利要求6所述的停车场寻车装置，其特征在于，所述匹配模块包括：

第三获取单元，用于从所述停车数据库中获取N张人脸图像，所述N张人脸图像包括所述第一人脸图像，所述N为大于1的整数；

输出单元，分别将N张人脸图像和所述第二人脸图像输入预设神经网络，从所述预设神经网络的隐藏层输出对应的向量，将N+1张人脸图像对应的向量作为N+1张人脸图像的特征向量；

第一确定单元，用于对于N+1张人脸图像中的待匹配的第一人脸图像和第二人脸图像，确定所述第一人脸图像的特征向量与所述第二人脸图像的特征向量之间的距离；

第二确定单元，用于当所述距离小于预设距离时，确定所述第一人脸图像和所述第二人脸图像是同一车主的人脸图像。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。