CN110298928A - 无人值守的停车场收费管理方法、系统 - Google Patents
无人值守的停车场收费管理方法、系统 Download PDFInfo
- Publication number
- CN110298928A CN110298928A CN201910482597.0A CN201910482597A CN110298928A CN 110298928 A CN110298928 A CN 110298928A CN 201910482597 A CN201910482597 A CN 201910482597A CN 110298928 A CN110298928 A CN 110298928A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- image data
- face
- license board
- 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.)
- Pending
Links
Classifications
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- 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
Abstract
本发明涉及了一种无人值守的停车场收费管理方法、系统,该停车场收费管理方法包括:获取停车场入口处的第一图像数据;识别车辆的车型信息,并判断车辆是否属于预设的禁止入场车辆;在属于时,输出禁止入场的提示信息;在不属于时,识别车辆的第一车牌信息和/或第一车脸信息,并放行车辆;获取停车场出口处的第二图像数据;识别车辆的第二车牌信息和/或第二车脸信息,并根据第一车牌信息和第二车牌信息,和/或,根据第一车脸信息和第二车脸信息,获取车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;根据停车费用对相关账户进行扣费,并放行车辆。实施本发明的技术方案,实现了封闭式停车场的智能化、无人化。
Description
技术领域
本发明涉及智慧交通领域,尤其涉及一种无人值守的停车场收费管理方法、系统。
背景技术
随着城市机动车数量的迅速膨胀和人力成本的攀升,人们对停车场管理中车主停车便捷化、停车场周转率最大化等智能化要求越来越高的背景下,产生了无人值守停车场。目前无人值守停车场大都是依赖车牌识别来完成车辆的出入记录,该模式还有很多急需解决的问题,如下几种情况:
1.针对禁止入场车辆,如三轮车、摩托车,甚至超高车辆,无法实现无人值守;
2.由于天气、拍摄角度、污损等各种原因,车牌识别的准确率无法达到100%,对于车牌识别错误的车辆,例如入出车牌不一致等情况,默认放行就是增加物业损失,如果采用人工介入完成收费的工作方式,就会增加人力成本;
3.针对无牌车辆,采取取卡/取票/扫描的方式入场与出场方式,也给车主带来不便,影响通行速度。
发明内容
本发明要解决的技术问题在于,针对现有技术存在的上述缺陷,提供一种无人值守的停车场收费管理方法、系统。
本发明解决其技术问题所采用的技术方案是:构造一种无人值守的停车场收费管理方法,包括以下步骤:
当车辆驶入停车场入口时,获取停车场入口处的第一图像数据;
根据所述第一图像数据识别所述车辆的车型信息,并根据所述车型信息判断所述车辆是否属于预设的禁止入场车辆;
在所述车辆属于禁止入场车辆时,输出禁止入场的提示信息;
在所述车辆不属于禁止入场车辆时,根据所述第一图像数据识别所述车辆的第一车牌信息和/或第一车脸信息,并放行所述车辆;
当车辆驶出停车场出口时,获取停车场出口处的第二图像数据;
根据所述第二图像数据识别所述车辆的第二车牌信息和/或第二车脸信息,并根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;
根据所述停车费用对相关账户进行扣费,并放行所述车辆。
优选地,根据所述第一图像数据识别所述车辆的车型信息,包括:
将所述第一图像数据输入至预先训练好的车型模型中,并根据所述车型模型的输出结果获取所述车辆的车型信息。
优选地,根据所述第一图像数据识别所述车辆的第一车脸信息,包括:
将所述第一图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第一车脸信息;
根据所述第二图像数据识别所述车辆的第二车脸信息,包括:
将所述第二图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第二车脸信息。
优选地,根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,包括:
根据所述第一车牌信息和所述第二车牌信息,判断所述车辆的车牌识别是否成功;
在所述车辆的车牌识别成功时,根据所述第一车牌信息和所述第二车牌信息获取所述车辆的驶入/驶出时间;
在所述车辆的车牌识别不成功时,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。
优选地,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间,包括:
将所述第二车脸信息与所述第一车脸信息进行比对,并在所述第二车脸信息与所述第一车脸信息相匹配时,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。
优选地,将所述第二车脸信息与所述第一车脸信息进行比对,包括:
通过欧式距离比对法、余弦相似度比对法或切比雪夫距离比对法,将所述第二车脸信息与所述第一车脸信息进行比对。
优选地,所述第一车脸信息和所述第二车脸信息分别包括下列中的至少一个:年检标签信息、车灯信息、驾驶员信息、车标信息、排气栅格信息、车内装饰物信息。
本发明还构造一种无人值守的停车场收费管理系统,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器在执行所述计算机程序时实现以上方法的步骤。
本发明还构造一种停车场收费管理系统,包括设置在停车场入口的第一摄像头和第一闸门、设置在停车场出口的第二摄像头和第二闸门,还包括:
图像获取模块,用于当车辆驶入停车场入口时,从所述第一摄像头获取停车场入口处的第一图像数据;当车辆驶出停车场出口时,从所述第二摄像头获取停车场出口处的第二图像数据;
车型识别模块,用于根据所述第一图像数据识别所述车辆的车型信息,并根据所述车型信息判断所述车辆是否属于预设的禁止入场车辆;
车牌识别模块,用于在所述车辆不属于禁止入场车辆时,根据所述第一图像数据识别所述车辆的第一车牌信息;根据所述第二图像数据识别所述车辆的第二车牌信息;
车脸识别模块,用于在所述车辆不属于禁止入场车辆时,根据所述第一图像数据识别所述车辆的第一车脸信息;根据所述第二图像数据识别所述车辆的第二车脸信息;
计费模块,用于根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;
扣费模块,用于根据所述停车费用对相关账户进行扣费;
放行控制模块,用于在判断所述车辆不属于禁止入场车辆时,控制所述第一闸门放行所述车辆;在扣费成功时,控制所述第二闸门放行所述车辆;
输出模块,用于在所述车辆属于禁止入场车辆时,输出禁止入场的提示信息。
优选地,所述计费模块包括:
时间确定单元,用于根据所述第一车牌信息和所述第二车牌信息,判断所述车辆的车牌识别是否成功,若是,则根据所述第一车牌信息和所述第二车牌信息获取所述车辆的驶入/驶出时间;若否,则根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。
本发明所提供的技术方案,将深度学习对车型、车脸的检测应用到停车场系统,再根据检测结果进行融合判断,从而完成自动算费,提升车主停车体验,且完美解决了以下问题:无法限制禁止车型车辆入场的情况;车牌识别错误和无牌车便捷出入场的情况,使停车场的周转率最大化,因此可实现封闭式停车场的智能化、无人化,节约大量的人力、物力资源,具有一定的社会效益和经济效益。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。附图中:
图1是本发明无人值守的停车场收费管理方法实施例一的流程图;
图2是本发明无人值守的停车场收费管理系统实施例一的逻辑结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
针对目前停车场系统存在着的诸多痛点:对于属于禁止入场车型的车辆无法自动限制其入场;停车场过分依赖车牌识别的准确率,对识别错误车辆与无牌车无法自动算费;对于无牌车需要车主停车、取卡、扫码等给车主带来的不便,并无法真正实现无人值守的封闭式停车场系统,本发明技术方案基于深度学习技术,将深度学习对车型、车脸的检测应用到封闭式停车场无人值守系统,完美解决了以下问题:无法限制禁止车型车辆入场的情况;解决了车牌识别错误和无牌车便捷出入场的情况,使停车场的周转率最大化,因此可实现封闭式停车场的智能化、无人化,实现真正无人值守,节约大量的人力、物力资源,具有一定的社会效益和经济效益。
图1是本发明停车场收费管理方法实施例一的流程图,该实施例的停车场收费管理方法包括以下步骤:
步骤S10.当车辆驶入停车场入口时,获取停车场入口处的第一图像数据;
步骤S20.根据所述第一图像数据识别所述车辆的车型信息,并根据所述车型信息判断所述车辆是否属于预设的禁止入场车辆;
步骤S30.在所述车辆属于禁止入场车辆时,输出禁止入场的提示信息;
步骤S40.在所述车辆不属于禁止入场车辆时,根据所述第一图像数据识别所述车辆的第一车牌信息和/或第一车脸信息,并放行所述车辆;
步骤S50.当车辆驶出停车场出口时,获取停车场出口处的第二图像数据;
步骤S60.根据所述第二图像数据识别所述车辆的第二车牌信息和/或第二车脸信息,并根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;
步骤S70.根据所述停车费用对相关账户进行扣费,并放行所述车辆。
在该实施例中,由于目前停车场的出入口处都设置有摄像头,当感应到车辆进/出场时,会对车辆进行图像拍摄,从而获取到出入口处的图像数据,因此不需要对停车场收费管理系统进行硬件改造,只需要利用人工智能、深度学习的方法,深度学习的模型包括但不局限:VGG、ResNet、SE-ResNet、SSD、YOLO、CornetNet等,通过对相应图像数据进行车型、车牌、车脸识别,再根据识别结果进行融合判断,从而完成自动算费,提升车主停车体验,并且节省人工成本,减少物业损失,提高停车场效益,真正实现停车场的智能化、无人化。
在一个可选实施例中,关于车型信息的识别,步骤S20中,根据所述第一图像数据识别所述车辆的车型信息,具体包括:
将所述第一图像数据输入至预先训练好的车型模型中,并根据所述车型模型的输出结果获取所述车辆的车型信息。
在该实施例中,车辆的车型包括但不局限以下几种:小汽车、小货车、超高车、两轮摩托车、三轮摩托车、自行车、三轮自行车。车型模型例如为基于SqueezeNet基础网络模型,而且,可根据caffe框架通过对样本数据(例如,4000张停车场出入口所采集的车型数据集)进行训练而获得。当车型模型训练好后,将实时获取的停车场入口处的第一图像数据p0作为输入图像,通过端对端的深度学习的车型模型,直接得到图像p0中的车辆车型。然后通过识别出的车型就可判断是否允许该车辆入场,当该车辆识被别为禁止入场车型时,给以公示信息提醒车主禁止入场;当该车辆被识别为允许入场车型时,放行车辆,并进一步对第一图像信息进行车牌、车脸的识别。
在一个可选实施例中,关于车脸信息的识别,步骤S40中,根据所述第一图像数据识别所述车辆的第一车脸信息,具体包括:将所述第一图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第一车脸信息。步骤S60中,根据所述第二图像数据识别所述车辆的第二车脸信息,具体包括:将所述第二图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第二车脸信息。
在该实施例中,车辆的车脸信息包括但不局限以下几种:年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物等。车脸模型例如为基于VGG网络的模型,而且,可根据caffe框架,通过对样本数据(例如,以3736个辆车的出入口图片为训练数据集,其中每辆车的图片为入口图片和出口图片各大于两张,也就是说每辆车的出入口图片个数大于4张)进行训练而获得。当车脸模型训练好后,首先对出入口处的图像数据进行车脸区域的分割,然后将车脸区域图像输入至车脸模型进行车脸特征的深度提取,例如,得到具有4096个特征值的特征序列,该特征序列即为该车辆的车脸深度特征,车脸深度特征并非传统图像中的方向梯度直方图特征等特征,车脸深度特征是通过深度学习框架下,进行卷积神经网络提取的深度特征,该特征对出入车辆的年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物等都有良好的反应,具有鲁性好,精度高,抗环境干扰强的等特点。另外,对于对入口处图像数据进行识别而获取的车脸信息,需将其保存至数据库中以便后续进行匹配操作,而对于出口处图像数据进行识别而获取的车脸信息,可直接进行比对。
在一个可选实施例中,关于车牌信息的识别,车牌识别的实现方式包括但不局限于:传统图像处理的机器学习的方法、深度学习方法等等,目前市场上存在成熟的车牌识别模型,其识别准确率在99.5%左右,在此不做赘述。
在一个可选实施例中,在步骤S60中,根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,包括:
根据所述第一车牌信息和所述第二车牌信息,判断所述车辆的车牌识别是否成功;
在所述车辆的车牌识别成功时,根据所述第一车牌信息和所述第二车牌信息获取所述车辆的驶入/驶出时间;
在所述车辆的车牌识别不成功时,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。
在该实施例中,虽然都会对停车场输入口处的车辆进行车牌识别和车脸识别,但在确定驶入/驶出时间时,优先根据车牌信息来确定,只有在车牌识别不成功时,例如,根据出口处的图像识别不出车牌(例如,无牌车或车牌有污损),或者,虽根据出口处的图像识别出了车牌但没有匹配到入口处的车辆,此时,才根据车脸信息来确定定驶入/驶出时间。另外,还需说明的是,可将相应图像的拍摄时间确定为驶入/驶出时间,也可将车牌或车脸的识别时间作为驶入/驶出时间。
进一步地,步骤S60中,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间,包括:将所述第二车脸信息与所述第一车脸信息进行比对,并在所述第二车脸信息与所述第一车脸信息相匹配时,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。在该实施例中,通过对出场车辆的车脸区域图像进行深度特征提取,并将该特征与数据库中的入场车辆的车辆特征进行比对,以确认与第二车脸信息相匹配的第一车脸信息。
优选地,比对方法包括但不局限:欧式距离比对法、余弦相似度比对法、切比雪夫距离比对法等。通过这些距离计算得到最相似的入场车辆的车脸深度特征,最终,通过该车辆的车脸深度特征就可以查询到该车辆的入场信息。
本发明还构造一种无人值守的停车场收费管理系统,包括处理器和存储有计算机程序的存储器,处理器在执行该计算机程序时实现以上方法的步骤。
图2是本发明无人值守的停车场收费管理系统实施例一的逻辑结构图,该实施例的停车场收费管理系统包括:设置在停车场入口的第一摄像头21和第一闸门31、设置在停车场出口的第二摄像头22和第二闸门32,另外,还包括有:图像获取模块11、车型识别模块12、车牌识别模块13、车脸识别模块14、计费模块15、扣费模块16、放行控制模块17和输出模块40。当然,还包括有地感线圈、工控机、路侧安装支架、数据传输线等外围辅助设备。其中,图像获取模块11用于当车辆驶入停车场入口时,从第一摄像头21获取停车场入口处的第一图像数据;当车辆驶出停车场出口时,从第二摄像头22获取停车场出口处的第二图像数据;车型识别模块12用于根据第一图像数据识别车辆的车型信息,并根据车型信息判断车辆是否属于预设的禁止入场车辆;车牌识别模块13用于在车辆不属于禁止入场车辆时,根据第一图像数据识别车辆的第一车牌信息,及根据第二图像数据识别车辆的第二车牌信息;车脸识别模块14用于在车辆不属于禁止入场车辆时,根据第一图像数据识别车辆的第一车脸信息;以及根据第二图像数据识别车辆的第二车脸信息;计费模块15用于根据第一车牌信息和第二车牌信息,和/或,根据第一车脸信息和第二车脸信息,获取车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;扣费模块16用于根据停车费用对相关账户进行扣费;放行控制模块17用于在判断车辆不属于禁止入场车辆时,控制第一闸门31放行车辆;在扣费成功时,控制第二闸门32放行车辆;输出模块40用于在车辆属于禁止入场车辆时,输出禁止入场的提示信息。
在一个可选实施例中,车型识别模块12用于将第一图像数据输入至预先训练好的车型模型中,并根据所述车型模型的输出结果获取所述车辆的车型信息。车辆的车型包括但不局限以下几种:小汽车、小货车、超高车、两轮摩托车、三轮摩托车、自行车、三轮自行车。车型模型例如为基于SqueezeNet基础网络模型,而且,可根据caffe框架通过对样本数据(例如,4000张停车场出入口所采集的车型数据集)进行训练而获得。当车型模型训练好后,将实时获取的停车场入口处的第一图像数据p0作为输入图像,通过端对端的深度学习的车型模型,直接得到图像p0中的车辆车型。然后通过识别出的车型就可判断是否允许该车辆入场,当该车辆识被别为禁止入场车型时,给以公示信息提醒车主禁止入场;当该车辆被识别为允许入场车型时,放行车辆,并进一步对第一图像信息进行车牌、车脸的识别。
在一个可选实施例中,车脸识别模块14用于将所述第一图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第一车脸信息;及将所述第二图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第二车脸信息。车辆的车脸信息包括但不局限以下几种:年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物等。车脸模型例如为基于VGG网络的模型,而且,可根据caffe框架,通过对样本数据(例如,以3736个辆车的出入口图片为训练数据集,其中每辆车的图片为入口图片和出口图片各大于两张,也就是说每辆车的出入口图片个数大于4张)进行训练而获得。当车脸模型训练好后,首先对出入口处的图像数据进行车脸区域的分割,然后将车脸区域图像输入至车脸模型进行车脸特征的深度提取,例如,得到具有4096个特征值的特征序列,该特征序列即为该车辆的车脸深度特征,车脸深度特征并非传统图像中的方向梯度直方图特征等特征,车脸深度特征是通过深度学习框架下,进行卷积神经网络提取的深度特征,该特征对出入车辆的年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物等都有良好的反应,具有鲁性好,精度高,抗环境干扰强的等特点。另外,对于对入口处图像数据进行识别而获取的车脸信息,需将其保存至数据库中以便后续进行匹配操作,而对于出口处图像数据进行识别而获取的车脸信息,可直接进行比对。
在一个可选实施例中,车牌识别模块13可使用传统图像处理的机器学习的方法、深度学习方法等来识别车牌。
在一个可选实施例中,计费模块15包括时间确定单元,该时间确定单元用于根据第一车牌信息和第二车牌信息,判断车辆的车牌识别是否成功,若是,则根据第一车牌信息和第二车牌信息获取车辆的驶入/驶出时间;若否,则根据第一车脸信息和第二车脸信息获取车辆的驶入/驶出时间。在该实施例中,虽然都会对停车场输入口处的车辆进行车牌识别和车脸识别,但在确定驶入/驶出时间时,优先根据车牌信息来确定,只有在车牌识别不成功时,例如,根据出口处的图像识别不出车牌(例如,无牌车或车牌有污损),或者,虽根据出口处的图像识别出了车牌但没有匹配到入口处的车辆,此时,才根据车脸信息来确定定驶入/驶出时间。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何纂改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种无人值守的停车场收费管理方法,其特征在于,包括以下步骤:
当车辆驶入停车场入口时,获取停车场入口处的第一图像数据;
根据所述第一图像数据识别所述车辆的车型信息,并根据所述车型信息判断所述车辆是否属于预设的禁止入场车辆;
在所述车辆属于禁止入场车辆时,输出禁止入场的提示信息;
在所述车辆不属于禁止入场车辆时,根据所述第一图像数据识别所述车辆的第一车牌信息和/或第一车脸信息,并放行所述车辆;
当车辆驶出停车场出口时,获取停车场出口处的第二图像数据;
根据所述第二图像数据识别所述车辆的第二车牌信息和/或第二车脸信息,并根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;
根据所述停车费用对相关账户进行扣费,并放行所述车辆。
2.根据权利要求1所述的无人值守的停车场收费管理方法,其特征在于,根据所述第一图像数据识别所述车辆的车型信息,包括:
将所述第一图像数据输入至预先训练好的车型模型中,并根据所述车型模型的输出结果获取所述车辆的车型信息。
3.根据权利要求1所述的无人值守的停车场收费管理方法,其特征在于,根据所述第一图像数据识别所述车辆的第一车脸信息,包括:
将所述第一图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第一车脸信息;
根据所述第二图像数据识别所述车辆的第二车脸信息,包括:
将所述第二图像数据输入至预先训练好的车脸模型中,并根据所述车脸模型的输出结果获取所述车辆的第二车脸信息。
4.根据权利要求1-3任一项所述的无人值守的停车场收费管理方法,其特征在于,根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,包括:
根据所述第一车牌信息和所述第二车牌信息,判断所述车辆的车牌识别是否成功;
在所述车辆的车牌识别成功时,根据所述第一车牌信息和所述第二车牌信息获取所述车辆的驶入/驶出时间;
在所述车辆的车牌识别不成功时,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。
5.根据权利要求4所述的无人值守的停车场收费管理方法,其特征在于,
根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间,包括:
将所述第二车脸信息与所述第一车脸信息进行比对,并在所述第二车脸信息与所述第一车脸信息相匹配时,根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。
6.根据权利要求4所述的无人值守的停车场收费管理方法,其特征在于,将所述第二车脸信息与所述第一车脸信息进行比对,包括:
通过欧式距离比对法、余弦相似度比对法或切比雪夫距离比对法,将所述第二车脸信息与所述第一车脸信息进行比对。
7.根据权利要求1所述的无人值守的停车场收费管理方法,其特征在于,所述第一车脸信息和所述第二车脸信息分别包括下列中的至少一个:年检标签信息、车灯信息、驾驶员信息、车标信息、排气栅格信息、车内装饰物信息。
8.一种无人值守的停车场收费管理系统,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器在执行所述计算机程序时实现权利要求1-7任一项所述方法的步骤。
9.一种停车场收费管理系统,包括设置在停车场入口的第一摄像头和第一闸门、设置在停车场出口的第二摄像头和第二闸门,其特征在于,还包括:
图像获取模块,用于当车辆驶入停车场入口时,从所述第一摄像头获取停车场入口处的第一图像数据;当车辆驶出停车场出口时,从所述第二摄像头获取停车场出口处的第二图像数据;
车型识别模块,用于根据所述第一图像数据识别所述车辆的车型信息,并根据所述车型信息判断所述车辆是否属于预设的禁止入场车辆;
车牌识别模块,用于在所述车辆不属于禁止入场车辆时,根据所述第一图像数据识别所述车辆的第一车牌信息;根据所述第二图像数据识别所述车辆的第二车牌信息;
车脸识别模块,用于在所述车辆不属于禁止入场车辆时,根据所述第一图像数据识别所述车辆的第一车脸信息;根据所述第二图像数据识别所述车辆的第二车脸信息;
计费模块,用于根据所述第一车牌信息和所述第二车牌信息,和/或,根据所述第一车脸信息和所述第二车脸信息,获取所述车辆的驶入/驶出时间,而且,根据预设的计费策略计算停车费用;
扣费模块,用于根据所述停车费用对相关账户进行扣费;
放行控制模块,用于在判断所述车辆不属于禁止入场车辆时,控制所述第一闸门放行所述车辆;在扣费成功时,控制所述第二闸门放行所述车辆;
输出模块,用于在所述车辆属于禁止入场车辆时,输出禁止入场的提示信息。
10.根据权利要求9所述的停车场收费管理系统,其特征在于,所述计费模块包括:
时间确定单元,用于根据所述第一车牌信息和所述第二车牌信息,判断所述车辆的车牌识别是否成功,若是,则根据所述第一车牌信息和所述第二车牌信息获取所述车辆的驶入/驶出时间;若否,则根据所述第一车脸信息和所述第二车脸信息获取所述车辆的驶入/驶出时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910482597.0A CN110298928A (zh) | 2019-06-04 | 2019-06-04 | 无人值守的停车场收费管理方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910482597.0A CN110298928A (zh) | 2019-06-04 | 2019-06-04 | 无人值守的停车场收费管理方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110298928A true CN110298928A (zh) | 2019-10-01 |
Family
ID=68027664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910482597.0A Pending CN110298928A (zh) | 2019-06-04 | 2019-06-04 | 无人值守的停车场收费管理方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298928A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260953A (zh) * | 2020-01-15 | 2020-06-09 | 深圳市金溢科技股份有限公司 | 路内停车管理方法、装置及系统 |
CN111401287A (zh) * | 2020-03-24 | 2020-07-10 | 安阳工学院 | 一种停车计费系统中的车辆认证方法及装置 |
CN111696217A (zh) * | 2020-05-25 | 2020-09-22 | 上海金亥通信设备有限公司 | 一种园区停车管理系统 |
CN112037504A (zh) * | 2020-09-09 | 2020-12-04 | 深圳市润腾智慧科技有限公司 | 一种车辆停车调度管理方法及其相关组件 |
CN112489441A (zh) * | 2020-11-30 | 2021-03-12 | 高新兴智联科技有限公司 | 一种基于双基车牌识别的停车场出入方法及出入系统 |
CN112861853A (zh) * | 2021-01-21 | 2021-05-28 | 济南浪潮高新科技投资发展有限公司 | 基于知识图谱的车辆识别方法和装置 |
CN113051993A (zh) * | 2020-11-17 | 2021-06-29 | 泰州锐比特智能科技有限公司 | 应用相似度分析的权限管理系统 |
CN114067606A (zh) * | 2022-01-14 | 2022-02-18 | 成都宜泊信息科技有限公司 | 一种停车场满位等待管理方法、系统、存储介质及设备 |
CN114187695A (zh) * | 2021-12-08 | 2022-03-15 | 上海世茂物联网科技有限公司 | 一种用于车库的道闸控制方法、装置、系统、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01213778A (ja) * | 1988-02-19 | 1989-08-28 | Omron Tateisi Electron Co | 駐車場管理システム |
CN1908988A (zh) * | 2006-07-31 | 2007-02-07 | 康超群 | 智能化停车场管理系统及其管理方法 |
CN103942977A (zh) * | 2014-04-23 | 2014-07-23 | 上海思亮信息技术股份有限公司 | 一种停车位管理系统及其管理方法 |
CN106781667A (zh) * | 2016-12-30 | 2017-05-31 | 智慧互通科技有限公司 | 出入口无人值守停车场管理方法与系统 |
CN206470954U (zh) * | 2017-02-20 | 2017-09-05 | 厦门中诚国信电子科技有限公司 | 一种停车场智能道闸系统 |
CN109377572A (zh) * | 2018-12-12 | 2019-02-22 | 杭州华云科技有限公司 | 一种无人值守云停车的管理控制方法及管理装置 |
CN109686104A (zh) * | 2018-12-31 | 2019-04-26 | 武汉静磁栅机电制造有限公司 | 一种车辆超高检测装置 |
CN208981222U (zh) * | 2018-10-10 | 2019-06-14 | 南泽(广东)科技股份有限公司 | 一种智能控制的道闸系统 |
-
2019
- 2019-06-04 CN CN201910482597.0A patent/CN110298928A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01213778A (ja) * | 1988-02-19 | 1989-08-28 | Omron Tateisi Electron Co | 駐車場管理システム |
CN1908988A (zh) * | 2006-07-31 | 2007-02-07 | 康超群 | 智能化停车场管理系统及其管理方法 |
CN103942977A (zh) * | 2014-04-23 | 2014-07-23 | 上海思亮信息技术股份有限公司 | 一种停车位管理系统及其管理方法 |
CN106781667A (zh) * | 2016-12-30 | 2017-05-31 | 智慧互通科技有限公司 | 出入口无人值守停车场管理方法与系统 |
CN206470954U (zh) * | 2017-02-20 | 2017-09-05 | 厦门中诚国信电子科技有限公司 | 一种停车场智能道闸系统 |
CN208981222U (zh) * | 2018-10-10 | 2019-06-14 | 南泽(广东)科技股份有限公司 | 一种智能控制的道闸系统 |
CN109377572A (zh) * | 2018-12-12 | 2019-02-22 | 杭州华云科技有限公司 | 一种无人值守云停车的管理控制方法及管理装置 |
CN109686104A (zh) * | 2018-12-31 | 2019-04-26 | 武汉静磁栅机电制造有限公司 | 一种车辆超高检测装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260953A (zh) * | 2020-01-15 | 2020-06-09 | 深圳市金溢科技股份有限公司 | 路内停车管理方法、装置及系统 |
CN111401287A (zh) * | 2020-03-24 | 2020-07-10 | 安阳工学院 | 一种停车计费系统中的车辆认证方法及装置 |
CN111401287B (zh) * | 2020-03-24 | 2023-06-02 | 安阳工学院 | 一种停车计费系统中的车辆认证方法及装置 |
CN111696217A (zh) * | 2020-05-25 | 2020-09-22 | 上海金亥通信设备有限公司 | 一种园区停车管理系统 |
CN111696217B (zh) * | 2020-05-25 | 2022-01-07 | 上海金亥通信设备有限公司 | 一种园区停车管理系统 |
CN112037504B (zh) * | 2020-09-09 | 2021-06-25 | 深圳市润腾智慧科技有限公司 | 一种车辆停车调度管理方法及其相关组件 |
CN112037504A (zh) * | 2020-09-09 | 2020-12-04 | 深圳市润腾智慧科技有限公司 | 一种车辆停车调度管理方法及其相关组件 |
CN113051993A (zh) * | 2020-11-17 | 2021-06-29 | 泰州锐比特智能科技有限公司 | 应用相似度分析的权限管理系统 |
CN112489441A (zh) * | 2020-11-30 | 2021-03-12 | 高新兴智联科技有限公司 | 一种基于双基车牌识别的停车场出入方法及出入系统 |
CN112489441B (zh) * | 2020-11-30 | 2022-08-09 | 高新兴智联科技有限公司 | 一种基于双基车牌识别的停车场出入方法及出入系统 |
CN112861853A (zh) * | 2021-01-21 | 2021-05-28 | 济南浪潮高新科技投资发展有限公司 | 基于知识图谱的车辆识别方法和装置 |
CN114187695A (zh) * | 2021-12-08 | 2022-03-15 | 上海世茂物联网科技有限公司 | 一种用于车库的道闸控制方法、装置、系统、设备及介质 |
CN114187695B (zh) * | 2021-12-08 | 2023-12-08 | 上海世茂物联网科技有限公司 | 一种用于车库的道闸控制方法、装置、系统、设备及介质 |
CN114067606A (zh) * | 2022-01-14 | 2022-02-18 | 成都宜泊信息科技有限公司 | 一种停车场满位等待管理方法、系统、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298928A (zh) | 无人值守的停车场收费管理方法、系统 | |
CN109508715B (zh) | 一种基于深度学习的车牌定位和识别方法 | |
JP6570731B2 (ja) | 乗客の混雑度の算出方法及びそのシステム | |
CN103824452B (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
CN110136449A (zh) | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 | |
CN109559395B (zh) | 一种识别无牌车辆入场计费的控制方法及储存设备 | |
CN106384100A (zh) | 一种基于部件的精细车型识别方法 | |
CN108921956A (zh) | 一种基于视频分析技术的路边停车收费管理方法 | |
CN110197166B (zh) | 一种基于图像识别的车体装载状态识别装置及方法 | |
CN110969160A (zh) | 一种基于深度学习的车牌图像校正、识别方法及系统 | |
CN113160575A (zh) | 一种非机动车辆及驾驶人的交通违法行为检测方法及系统 | |
Li et al. | Parking slot detection on around-view images using DCNN | |
CN106203267A (zh) | 基于机器视觉的车辆防碰撞方法 | |
CN110147731A (zh) | 车辆类型识别方法及相关产品 | |
CN114418298A (zh) | 基于非侵入式检测的充电负荷概率预测系统及方法 | |
CN207924906U (zh) | 高清车牌识别停车场管理系统 | |
CN109886338A (zh) | 一种智能汽车测试图像标注方法、装置、系统及存储介质 | |
WO2023246720A1 (zh) | 路侧停车检测方法、系统及电子设备 | |
CN108389276A (zh) | 高速公路作业系统和方法 | |
CN107705370A (zh) | 一种brt快速公交自动检票机智能票卡验票系统 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
SP et al. | Automatic Number Plate Recognition System for Entry and Exit Management | |
CN206741505U (zh) | 识别管理设备和装置 | |
CN115512315A (zh) | 一种非机动车儿童搭乘检测方法、电子设备及存储介质 | |
CN113313051B (zh) | 一种违规使用他人etc行为的检测识别方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191001 |
|
RJ01 | Rejection of invention patent application after publication |