CN110619539A - 一种基于停车场聚合信息的大数据分析方法和系统 - Google Patents
一种基于停车场聚合信息的大数据分析方法和系统 Download PDFInfo
- Publication number
- CN110619539A CN110619539A CN201910731660.XA CN201910731660A CN110619539A CN 110619539 A CN110619539 A CN 110619539A CN 201910731660 A CN201910731660 A CN 201910731660A CN 110619539 A CN110619539 A CN 110619539A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- target user
- commodities
- merchants
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种基于停车场聚合信息的大数据分析方法,包括:获取目标用户的面部图像;根据所述面部图像从预先建立的数据库中查找对应的聚合信息,所述聚合信息包括相互关联的用户的面部图像信息、车辆信息和历史停车记录信息;根据所述车辆信息确定所述目标用户的偏好消费商家和商品;根据所述历史停车记录信息确定所述目标用户的偏好消费商家和商品中与停车时段匹配的商家和商品,作为待推送信息;将所述待推送信息推送给所述目标用户。本发明作为一种基于停车场聚合信息的大数据分析方法和系统,来根据无人化停车场的后台服务器中存储的数据为用户推送信息,在有效利用无人化停车场的后台服务器中存储的数据的同时,提高用户体验。
Description
技术领域
本申请涉及无人化智能停车场技术领域,尤其涉及一种基于 停车场聚合信息的大数据分析方法和系统。
背景技术
随着我国汽车产业的飞速发展,城市“泊车难”的问题相当严 重,改善泊车状况和泊车设施,提高效率已迫在眉睫,而目前我 国部分大型停车场仍不具备无人化的智能车位管理系统,大都是 由停车场工作人员执行包括收取停车费在内的停车场的运作管 理。
为了节约人力资源,加快通行速度,也有部分停车场已经安 装了基于车牌视觉辨识的收费系统,车辆入场时入口的视频摄像 头采集车辆画面,利用文字提取技术提取车牌号,进而在后台服 务器中登记该车牌号以及入场时间。当车辆出场时出口的视频摄 像头再次提取车牌号,利用车牌号查询以上登记,进而确定停车 时间长度并计费。
但是,现有技术中的基于车牌视觉辨识的收费系统,后台服 务器存储的数据仅用于无人化停车场的收费管理,造成了数据资 源的浪费。事实上,在大数据、图像识别和人工智能技术日趋成 熟的时代,基于对车辆画面的视觉辨识,除了车牌号之外还能够 提取多种类型的有价值信息,聚合这些信息以及车辆停车记录的 历史数据,可以支持面向车辆及其车主的大数据分析,并再次基 础上开展对应的实际应用,而现有技术在这方面仍处于空白。
发明内容
有鉴于此,本申请的目的在于提出一种基于停车场聚合信息 的大数据分析方法和系统,来根据无人化停车场的后台服务器中 存储的数据为用户推送信息,在有效利用无人化停车场的后台服 务器中存储的数据的同时,提高用户体验。
基于上述目的,在本申请的第一个方面,提出了一种基于停 车场聚合信息的大数据分析方法,包括:
获取目标用户的面部图像;
根据所述面部图像从预先建立的数据库中查找对应的聚合 信息,所述聚合信息包括相互关联的用户的面部图像信息、车辆 信息和历史停车记录信息;
根据所述车辆信息确定所述目标用户的偏好消费商家和商 品;
根据所述历史停车记录信息确定所述目标用户的偏好消费 商家和商品中与停车时段匹配的商家和商品,作为待推送信息;
将所述待推送信息推送给所述目标用户。
在一些实施例中,还包括:
判断预先建立的数据库中是否存在对应的聚合信息,并当存 在对应的聚合信息时,根据所述车辆信息确定所述目标用户的偏 好消费商家和商品。
在一些实施例中,还包括:
若预先建立的数据库中不存在对应的聚合信息,则不再根据 所述车辆信息确定所述目标用户的偏好消费商家和商品,同时重 新获取其他目标用户的面部图像。
在一些实施例中,所述车辆信息包括车牌号信息、车标信息 和车型信息;
所述根据所述车辆信息确定所述目标用户的偏好消费商家和 商品,包括:
根据车标信息和车型信息查找与所述目标用户的车辆的品牌 车型相同的其他用户的消费记录,将所述消费记录中涉及的商家 和商品确定为所述目标用户的偏好消费商家和商品。
在一些实施例中,所述车辆信息包括车牌号信息、车标信息、 车型信息和车辆价位信息;
所述根据所述车辆信息确定所述目标用户的偏好消费商家和 商品,包括:
根据车标信息和车型信息确定所述目标用户的车辆的价位信 息,根据所述目标用户的车辆的价位信息查找与所述目标用户的 车辆的价位信息相同的其他车辆的拥有用户的消费记录,将所述 消费记录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商品。
在一些实施例中,所述历史停车记录信息包括停车时长信息;
所述根据所述历史停车记录信息确定所述目标用户的偏好 消费商家和商品中与停车时段匹配的商家和商品,包括:
根据停车时长信息确定所述目标用户的偏好消费商家和商 品中与停车时段匹配的商家和商品。
在一些实施例中,所述预先建立的数据库通过以下方式生 成:
通过设置在停车场入口处的摄像头采集入场车辆的图像,从 中提取对应的车辆号牌信息、车标品牌信息以及车型信息,通过 设置在停车场内部的摄像头采集停放车辆的图像即对应用户的面 部图像,从中提取车辆的车辆号牌信息、停车位置信息、停车时 长信息和对应用户的面部图像信息,并建立所述车标品牌信息、 所述车型信息、所述停车位置信息、停车时长信息和对应用户的 面部图像信息与所述车辆号牌信息的关联关系,以所述车辆号牌 信息为索引,生成一组停放记录数据并进行存储,将每次采集到 停放记录数据聚合起来,生成所述预先建立的数据库。
基于上述目的,在本申请的第二个方面,还提出了一种基于 停车场聚合信息的大数据分析系统,包括:
面部图像获取模块,用于获取目标用户的面部图像;
聚合信息查找模块,用于根据所述面部图像从预先建立的数 据库中查找对应的聚合信息,所述聚合信息包括相互关联的用户 的面部图像信息、车辆信息和历史停车记录信息;
偏好确定模块,用于根据所述车辆信息确定所述目标用户的 偏好消费商家和商品;
待推送信息确定模块,用于根据所述历史停车记录信息确定 所述目标用户的偏好消费商家和商品中与停车时段匹配的商家和 商品,作为待推送信息;
信息推送模块,用于将所述待推送信息推送给所述目标用户。
在一些实施例中,所述车辆信息包括车牌号信息、车标信息 和车型信息;
所述偏好确定模块,具体用于:
根据车标信息和车型信息查找与所述目标用户的车辆的品牌 车型相同的其他用户的消费记录,将所述消费记录中涉及的商家 和商品确定为所述目标用户的偏好消费商家和商品。
在一些实施例中,包括:所述车辆信息包括车牌号信息、车 标信息、车型信息和车辆价位信息;
所述偏好确定模块,还具体用于:
根据车标信息和车型信息确定所述目标用户的车辆的价位信 息,根据所述目标用户的车辆的价位信息查找与所述目标用户的 车辆的价位信息相同的其他车辆的拥有用户的消费记录,将所述 消费记录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商品。
在一些实施例中,所述历史停车记录信息包括停车时长信息;
所述待推送信息确定模块具体用于:
根据停车时长信息确定所述目标用户的偏好消费商家和商 品中与停车时段匹配的商家和商品。
本申请实施例提供了一种基于停车场聚合信息的大数据分析 方法和系统,其中方法包括:获取目标用户的面部图像;根据所 述面部图像从预先建立的数据库中查找对应的聚合信息,所述聚 合信息包括相互关联的用户的面部图像信息、车辆信息和历史停 车记录信息;根据所述车辆信息确定所述目标用户的偏好消费商 家和商品;根据所述历史停车记录信息确定所述目标用户的偏好 消费商家和商品中与停车时段匹配的商家和商品,作为待推送信 息;将所述待推送信息推送给所述目标用户。本实施例的基于停 车场聚合信息的大数据分析方法和系统,根据无人化停车场的后 台服务器中存储的数据为用户推送信息,在有效利用无人化停车 场的后台服务器中存储的数据的同时,提高了用户体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细 描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请实施例一的基于停车场聚合信息的大数据分析 方法的流程图;
图2是本申请实施例二的基于停车场聚合信息的大数据分析 方法的流程图;
图3是本申请实施例三的基于停车场聚合信息的大数据分析系统 的功能结构示意图;
图4是典型的车辆前脸的示意图像。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以 理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而 非对该发明的限定。另外还需要说明的是,为了便于描述,附图 中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实 施例中的特征可以相互组合。下面将参考附图并结合实施例来详 细说明本申请。
如图1所示,是本申请实施例一的基于停车场聚合信息的大 数据分析方法的流程图。从图1中可以看出,本实施例的基于停 车场聚合信息的大数据分析方法,可以包括以下步骤:
S101:获取目标用户的面部图像。
本实施例的基于停车场聚合信息的大数据分析方法,是利用 无人化停车场的后台服务器中存储的聚合信息为对应用户推送商 品信息,例如,可以在无人化停车场的入口设置多媒体广告投放 设备,通过播放广告的形式向用户推送用户可能更偏好的商家和 商品。本实施例中的聚合信息包括后台服务器中存储的大量用户 的历史停车记录数据,所述停车记录数据包括车辆的车牌号信息、 车标信息、车型信息和停车时长信息,此外还可以包括其他与车 辆相关的信息,例如停车位置信息和车辆颜色信息,此外,还可 以包括用户的面部图像信息,这里的用户包括车辆的驾驶者和车 辆搭载的用户。关于聚合信息的具体生成过程参见后续实施例, 本实施着重阐述本申请技术方案的整体构思。当利用本实施例的 方法为目标用户推送信息时,首选需要获取目标用户的面部图像, 这里的用户包括车辆的驾驶者和车辆搭载的用户。以车辆的驾驶 者为目标用户为例,当车辆通过停车场入口的多媒体广告投放设 备时,安装在多媒体广告投放设备上的图像采集装置(例如摄像 头)可以获取目标用户的面部图像。
S102:根据所述面部图像从预先建立的数据库中查找对应的 聚合信息,所述聚合信息包括相互关联的用户的面部图像信息、 车辆信息和历史停车记录信息。
在本实施例中,当获取到所述目标用户的面部图像后,可以 调用无人化停车场的后台服务器的数据接口,进而访问无人化停 车场的后台服务器,从无人化停车场的后台服务器中存储的聚合 信息集中查找与所述面部图像对应的聚合信息,例如,可以通过 将获取到的面部图像与无人化停车场的后台服务器中存储的聚合 信息集中的各聚合信息中的面部图像信息进行匹配,将与所述面 部图像匹配的面部图像信息对应的聚合信息作为与所述面部图像 对应的聚合信息。具体地,所述面部图像信息例如可是经过对面 部图像利用人脸识别技术处理后的特征向量或者特征数值组,关 于利用人脸识别技术处理面部图像的具体方法可以采用现有技术 中的利用神经网络识别模型提取纹理特征、面部器官轮廓特征等 面部图像特征的方法,这里不再详细说明。
S103:根据所述车辆信息确定所述目标用户的偏好消费商家 和商品。
在本实施例中,当从无人化停车场的后台服务器中查找到对 应的聚合信息后,可以根据查找得到的聚合信息对所述目标用户 的消费习惯进行分析,进而确定目标用户的偏好消费商家和商品。 具体地,例如可以根据查找得到的聚合信息中的目标用户的车标信息和车型信息查找与所述目标用户的车辆的品牌车型相同的全 部其他用户的消费记录,通过统计分析,将所述消费记录中涉及 的消费频率最高的商家和商品确定为所述目标用户的偏好消费商 家和商品。例如,与目标用户的车辆的车标信息和车型信息相同 的其他用户的全部消费记录中消费次数排名居最前列的为看电 影、咖啡消费以及购买服装,则可以将其他用户的消费记录中看 电影、咖啡消费以及购买服装涉及的消费商家和商品确定为目标 用户的偏好消费商家和商品。
S104:根据所述历史停车记录信息确定所述目标用户的偏好 消费商家和商品中与停车时段匹配的商家和商品,作为待推送信 息。
当确定了所述目标用户的偏好消费商家和商品,还要根据目 标用户的停留时间长度来确定目标用户的偏好消费商家和商品。 具体地,仍以其他用户的消费记录中看电影、咖啡消费以及购买 服装涉及的消费商家和商品确定为目标用户的偏好消费商家和商品为例,当确定目标用户的偏好消费商家和商品后,可以根据历 史停车记录信息中用户的停车时长信息来进一步确定目标用户更 倾向于的商家和商品。例如,目标用户的历史停车记录信息中的 停车时长信息为停车半小时,则目标用户在停车时段内不适合看 电影,因此,可以将咖啡消费和购买服装作为待推送信息。
S105:将所述待推送信息推送给所述目标用户。
在确定待推送信息后,将待推送信息通过设置在无人化停车 场入口的多媒体广告投放设备推送给目标用户。
本申请实施例的基于停车场聚合信息的大数据分析方法根据 无人化停车场的后台服务器中存储的数据为用户推送信息,在有 效利用无人化停车场的后台服务器中存储的数据的同时,提高了 用户体验。
如图2所示,是本申请实施例二的基于停车场聚合信息的大 数据分析方法的流程图。本实施例的基于停车场聚合信息的大数 据分析方法,可以包括以下步骤:
S201:获取目标用户的面部图像。
当利用本实施例的方法为目标用户推送信息时,首选需要获 取目标用户的面部图像,这里的用户包括车辆的驾驶者和车辆搭 载的用户。以车辆的驾驶者为目标用户为例,当车辆通过停车场 入口的多媒体广告投放设备时,安装在多媒体广告投放设备上的图像采集装置(例如摄像头)可以获取目标用户的面部图像。
S202:根据所述面部图像从预先建立的数据库中查找对应的 聚合信息,所述聚合信息包括相互关联的用户的面部图像信息、 车辆信息和历史停车记录信息。
当获取到所述目标用户的面部图像后,可以调用无人化停车 场的后台服务器的数据接口,进而访问无人化停车场的后台服务 器,从无人化停车场的后台服务器中存储的聚合信息集中查找与 所述面部图像对应的聚合信息,例如,可以通过将获取到的面部 图像与无人化停车场的后台服务器中存储的聚合信息集中的各聚 合信息中的面部图像信息进行匹配,将与所述面部图像匹配的面 部图像信息对应的聚合信息作为与所述面部图像对应的聚合信 息。本实施例中的聚合信息包括相互关联的用户的面部图像信息、 车辆信息和历史停车记录信息。
S203:判断预先建立的数据库中是否存在对应的聚合信息, 并当存在对应的聚合信息时,根据所述车辆信息确定所述目标用 户的偏好消费商家和商品。
在本实施例中,当根据所述面部图像从预先建立的数据库中 查找对应的聚合信息,需要判断无人化停车场的后台服务器中是 否存储有与目标用户的面部图像对应的聚合信息。例如,目标用 户未在本申请实施例中的无人化停车场中停放过车辆,则无人化 停车场的后台服务器中不会存有与目标用户的车辆相关的聚合信 息。因此,要判断无人化停车场的后台服务器中是否存储有与目 标用户的面部图像对应的聚合信息。并当存在与目标用户的面部 图像对应的聚合信息时,进入步骤S204,当不存在与目标用户的 面部图像对应的聚合信息时,进入步骤S205。
S204:根据车标信息和车型信息查找与所述目标用户的车辆 的品牌车型相同的其他用户的消费记录,将所述消费记录中涉及 的商家和商品确定为所述目标用户的偏好消费商家和商品。
在本实施中,当无人化停车场的后台服务器中存在与目标用 户的面部图像对应的聚合信息时,则根据查找得到的聚合信息对 所述目标用户的消费习惯进行分析,进而确定目标用户的偏好消 费商家和商品。具体地,例如可以根据查找得到的聚合信息中的 目标用户的车标信息和车型信息查找与所述目标用户的车辆的品 牌车型相同的其他用户的消费记录,将所述消费记录中涉及的商 家和商品确定为所述目标用户的偏好消费商家和商品。例如,与 目标用户的车辆的车标信息和车型信息相同的其他用户的消费记 录为看电影、咖啡消费以及购买服装,则可以将其他用户的消费 记录中看电影、咖啡消费以及购买服装涉及的消费商家和商品确 定为目标用户的偏好消费商家和商品。此外,在本实施例中,在 确定目标用户的偏好消费商家和商品时,还可以根据车标信息和 车型信息确定所述目标用户的车辆的价位信息,根据所述目标用 户的车辆的价位信息查找与所述目标用户的车辆的价位信息相同 的其他车辆的拥有用户的消费记录,将所述消费记录中涉及的商 家和商品确定为所述目标用户的偏好消费商家和商品。
S205:不再根据所述车辆信息确定所述目标用户的偏好消费 商家和商品,同时重新获取其他目标用户的面部图像。
在本实施中,当无人化停车场的后台服务器中不存在与目标 用户的面部图像对应的聚合信息时,则不再根据所述车辆信息确 定所述目标用户的偏好消费商家和商品,同时重新获取其他目标 用户的面部图像。
S206:根据停车时长信息确定所述目标用户的偏好消费商家 和商品中与停车时段匹配的商家和商品,作为待推送信息。
在本实施例中,当确定了所述目标用户的偏好消费商家和商 品,还要根据目标用户的停留时间长度来确定目标用户的偏好消 费商家和商品。具体地,仍以其他用户的消费记录中看电影、咖 啡消费以及购买服装涉及的消费商家和商品确定为目标用户的偏 好消费商家和商品为例,当确定目标用户的偏好消费商家和商品 后,可以根据历史停车记录信息中用户的停车时长信息来进一步 确定目标用户更倾向于的商家和商品。例如,目标用户的历史停 车记录信息中的停车时长信息为停车半小时,则目标用户在停车 时段内不适合看电影,因此,可以将咖啡消费和购买服装作为待 推送信息。
S207:将所述待推送信息推送给所述目标用户。
在确定待推送信息后,将待推送信息通过设置在无人化停车 场入口的多媒体广告投放设备推送给目标用户。
本申请实施例的基于停车场聚合信息的大数据分析方法根据 无人化停车场的后台服务器中存储的数据为用户推送信息,在有 效利用无人化停车场的后台服务器中存储的数据的同时,提高了 用户体验。
此外,在本申请的一些实施例中,所述预先建立的数据库通 过以下方式生成:通过设置在停车场入口处的摄像头采集入场车 辆的图像,从中提取对应的车辆号牌信息、车标品牌信息以及车 型信息。具体地,可以提取车辆图像中的车前脸的中央区域的图 像,采用canny边缘检测算子对该图像进行边缘检测,提取由封 闭边缘包围的图像区域,将该图像区域与预先存储的车标图形进 行匹配,确定车标信息;提取所车辆图像中车前脸的图像,采用 canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包 围的图像区域,将该图像区域与预先存储的车辆前脸模板的各区 域进行匹配,确定车型信息。
采用canny边缘检测算子对该图像进行边缘检测的具体过程 为:先对图像与高斯mask作卷积,对所述图像进行平滑处理; 再利用Sobel算子计算平滑处理后的所述图像的每个像素点的梯 度;保留所述图像的每个像素点上梯度强度的极大值,删除其他 值;设定所述图像的每个像素点上梯度强度的极大值的阈值上界 和阈值下界,将梯度强度的极大值大于所述阈值上界的像素点确 认为边界,将梯度强度的极大值大于所述阈值下界小于所述阈值 上界的像素点确认为弱边界,将梯度强度的极大值小于所述阈值 下界的像素点确认为非边界;将与所述边界相连的弱边界确认边 界,将其他的弱边界确认为非边界。
例如,图4是典型的车辆前脸的示意图像,该图像包括前风 挡区域401、发动机前盖板区域402、车灯区域403、前进气口区 域404、前保险杠区域405、车牌区域406、车标区域407,这些 不同的区域由于存在部件之间的接缝和交界线、颜色差异、反光 度差异等因素,故而每个区域外周都具有相对明显的封闭边缘。 先提取所述车辆前脸的图像,由于车标位于车辆前脸正中区域, 且与周围的车体相比具有明显可识别的封闭边缘,可以先划定车前脸正中区域范围,可以规定针对每幅车辆前脸图像,位于其图 像竖直中心线以左、以右一定比例范围(如竖直中心线左、右各 5%图像横向宽度以内)内和水平中心线以上、以下一定比例范围 内(如水平中心线以上5%,以下10%的图像纵向宽度以内)的区 域划为车辆前脸正中区域范围,如图4中的虚线框C,然后在该 范围内利用边缘检测算法提取具有闭合边缘的区域,如果该正中 区域范围内提取出若干闭合边缘区域,则可以根据预设的车标图 形的面积大小范围筛选条件、横纵比范围筛选条件,从这些区域 中筛选出面积大小和横纵比范围符合条件的封闭边缘区域,将该 区域作为车标图形,进而可以提取该车标图形中的字符、色块、 线条等特征要素,与车标数据库中的车标图形特征进行相近度比 对,识别出车标信息(例如福特、宝马、丰田、大众等)。
对于车型,可针对图4所示车前脸图像利用边缘检测算法提 取车前脸图像的上述前风挡区域401、发动机前盖板区域402、车 灯区域403、前进气口区域404、前保险杠区域405等若干个整块 封闭区域,然后车型数据库中的前脸模板进行相近度比对,由于 已经识别了该车的车标信息,则可以调取数据库中该车标品牌对 应的各种车型的前脸模板,每种车型的前脸模板是该车型前脸的 上述前风挡、发动机前盖板、车灯、前进气口、前保险杠等区域 的面积、颜色、外接矩横纵比等特征要素;如果针对从当前车前 脸图像所提取的每个封闭区域计算这些特征要素,再与每种车型 前脸模板的对应区域的特征要素进行匹配,如果每个封闭区域的 特征要素均与前脸模板对应区域匹配,则识别出车型。
如图3所示,是本申请实施例三的基于停车场聚合信息的大 数据分析系统的功能结构示意图。本实施例的基于停车场聚合信 息的大数据分析系统,包括:
面部图像获取模块301,用于获取目标用户的面部图像。
具体地,可以在无人化停车场的入口设置多媒体广告投放设 备,通过播放广告的形式向用户推送用户可能更偏好的商家和商 品。本实施例中的聚合信息包括后台服务器中存储的大量用户的 历史停车记录数据,所述停车记录数据包括车辆的车牌号信息、 车标信息、车型信息和停车时长信息,此外还可以包括其他与车 辆相关的信息,例如停车位置信息和车辆颜色信息,此外,还可 以包括用户的面部图像信息,这里的用户包括车辆的驾驶者和车 辆搭载的用户。首选需要获取目标用户的面部图像,这里的用户 包括车辆的驾驶者和车辆搭载的用户。以车辆的驾驶者为目标用 户为例,当车辆通过停车场入口的多媒体广告投放设备时,安装 在多媒体广告投放设备上的图像采集装置(例如摄像头)可以获 取目标用户的面部图像。
聚合信息查找模块302,用于根据所述面部图像从预先建立 的数据库中查找对应的聚合信息,所述聚合信息包括相互关联的 用户的面部图像信息、车辆信息和历史停车记录信息。
在本实施例中,当获取到所述目标用户的面部图像后,可以 调用无人化停车场的后台服务器的数据接口,由聚合信息查找模 块302访问无人化停车场的后台服务器,从无人化停车场的后台 服务器中存储的聚合信息集中查找与所述面部图像对应的聚合信 息,例如,可以通过将获取到的面部图像与无人化停车场的后台 服务器中存储的聚合信息集中的各聚合信息中的面部图像信息进 行匹配,将与所述面部图像匹配的面部图像信息对应的聚合信息 作为与所述面部图像对应的聚合信息。具体地,所述面部图像信 息例如可是经过对面部图像利用人脸识别技术处理后的特征向量 或者特征数值组,关于利用人脸识别技术处理面部图像的具体方 法可以采用现有技术中的利用神经网络模型提取面部图像特征的 方法,这里不再详细说明。
偏好确定模块303,用于根据所述车辆信息确定所述目标用 户的偏好消费商家和商品。
当从无人化停车场的后台服务器中查找到对应的聚合信息 后,可以根据查找得到的聚合信息对所述目标用户的消费习惯进 行分析,进而确定目标用户的偏好消费商家和商品。具体地,例 如可以根据查找得到的聚合信息中的目标用户的车标信息和车型 信息查找与所述目标用户的车辆的品牌车型相同的其他用户的消 费记录,将所述消费记录中涉及的商家和商品确定为所述目标用 户的偏好消费商家和商品。例如,与目标用户的车辆的车标信息 和车型信息相同的其他用户的消费记录为看电影、咖啡消费以及 购买服装,则可以将其他用户的消费记录中看电影、咖啡消费以 及购买服装涉及的消费商家和商品确定为目标用户的偏好消费商 家和商品。
待推送信息确定模块304,用于根据所述历史停车记录信息 确定所述目标用户的偏好消费商家和商品中与停车时段匹配的商 家和商品,作为待推送信息。
当确定了所述目标用户的偏好消费商家和商品,还要根据目 标用户的停留时间长度来确定目标用户的偏好消费商家和商品。 具体地,仍以其他用户的消费记录中看电影、咖啡消费以及购买 服装涉及的消费商家和商品确定为目标用户的偏好消费商家和商品为例,当确定目标用户的偏好消费商家和商品后,可以根据历 史停车记录信息中用户的停车时长信息来进一步确定目标用户更 倾向于的商家和商品。例如,目标用户的历史停车记录信息中的 停车时长信息为停车半小时,则目标用户在停车时段内不适合看 电影,因此,可以将咖啡消费和购买服装作为待推送信息。
信息推送模块305,用于将所述待推送信息推送给所述目标 用户。
在确定待推送信息后,将待推送信息通过设置在无人化停车 场入口的多媒体广告投放设备推送给目标用户。
本实施例的基于停车场聚合信息的大数据分析系统,根据无 人化停车场的后台服务器中存储的数据为用户推送信息,在有效 利用无人化停车场的后台服务器中存储的数据的同时,提高了用 户体验。
此外,作为本申请的一个可选实施例,在上述实施例中,所 述车辆信息包括车牌号信息、车标信息和车型信息;所述偏好确 定模块,具体用于:根据车标信息和车型信息查找与所述目标用 户的车辆的品牌车型相同的其他用户的消费记录,将所述消费记 录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商 品。
在其他一些实施例中,所述车辆信息包括车牌号信息、车标 信息、车型信息和车辆价位信息;所述偏好确定模块,还可以具 体用于:
根据车标信息和车型信息确定所述目标用户的车辆的价位信 息,根据所述目标用户的车辆的价位信息查找与所述目标用户的 车辆的价位信息相同的其他车辆的拥有用户的消费记录,将所述 消费记录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商品。
在一些实施例中,所述历史停车记录信息包括停车时长信息;
所述待推送信息确定模块具体用于:根据停车时长信息确定 所述目标用户的偏好消费商家和商品中与停车时段匹配的商家和 商品。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的 说明。本领域技术人员应当理解,本申请中所涉及的发明范围, 并不限于上述技术特征的特定组合而成的技术方案,同时也应涵 盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特 征进行任意组合而形成的其它技术方案。例如上述特征与本申请 中公开的(但不限于)具有类似功能的技术特征进行互相替换而形 成的技术方案。
Claims (10)
1.一种基于停车场聚合信息的大数据分析方法,其特征在于,包括:
获取目标用户的面部图像;
根据所述面部图像从预先建立的数据库中查找对应的聚合信息,所述聚合信息包括相互关联的用户的面部图像信息、车辆信息和历史停车记录信息;
根据所述车辆信息确定所述目标用户的偏好消费商家和商品;
根据所述历史停车记录信息确定所述目标用户的偏好消费商家和商品中与停车时段匹配的商家和商品,作为待推送信息;
将所述待推送信息推送给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,还包括:
判断预先建立的数据库中是否存在对应的聚合信息,并当存在对应的聚合信息时,根据所述车辆信息确定所述目标用户的偏好消费商家和商品。
3.根据权利要求2所述的方法,其特征在于,还包括:
若预先建立的数据库中不存在对应的聚合信息,则不再根据所述车辆信息确定所述目标用户的偏好消费商家和商品,同时重新获取其他目标用户的面部图像。
4.根据权利要求3所述的方法,其特征在于,所述车辆信息包括车牌号信息、车标信息和车型信息;
所述根据所述车辆信息确定所述目标用户的偏好消费商家和商品,包括:
根据车标信息和车型信息查找与所述目标用户的车辆的品牌车型相同的其他用户的消费记录,将所述消费记录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商品。
5.根据权利要求3所述的方法,其特征在于,所述车辆信息包括车牌号信息、车标信息、车型信息和车辆价位信息;
所述根据所述车辆信息确定所述目标用户的偏好消费商家和商品,包括:
根据车标信息和车型信息确定所述目标用户的车辆的价位信息,根据所述目标用户的车辆的价位信息查找与所述目标用户的车辆的价位信息相同的其他车辆的拥有用户的消费记录,将所述消费记录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商品。
6.根据权利要求4或5所述的方法,其特征在于,所述历史停车记录信息包括停车时长信息;
所述根据所述历史停车记录信息确定所述目标用户的偏好消费商家和商品中与停车时段匹配的商家和商品,包括:
根据停车时长信息确定所述目标用户的偏好消费商家和商品中与停车时段匹配的商家和商品。
7.根据权利要求6所述的方法,其特征在于,所述预先建立的数据库通过以下方式生成:
通过设置在停车场入口处的摄像头采集入场车辆的图像,从中提取对应的车辆号牌信息、车标品牌信息以及车型信息,通过设置在停车场内部的摄像头采集停放车辆的图像即对应用户的面部图像,从中提取车辆的车辆号牌信息、停车位置信息、停车时长信息和对应用户的面部图像信息,并建立所述车标品牌信息、所述车型信息、所述停车位置信息、停车时长信息和对应用户的面部图像信息与所述车辆号牌信息的关联关系,以所述车辆号牌信息为索引,生成一组停放记录数据并进行存储,将每次采集到停放记录数据聚合起来,生成所述预先建立的数据库。
8.一种基于停车场聚合信息的大数据分析系统,其特征在于,包括:
面部图像获取模块,用于获取目标用户的面部图像;
聚合信息查找模块,用于根据所述面部图像从预先建立的数据库中查找对应的聚合信息,所述聚合信息包括相互关联的用户的面部图像信息、车辆信息和历史停车记录信息;
偏好确定模块,用于根据所述车辆信息确定所述目标用户的偏好消费商家和商品;
待推送信息确定模块,用于根据所述历史停车记录信息确定所述目标用户的偏好消费商家和商品中与停车时段匹配的商家和商品,作为待推送信息;
信息推送模块,用于将所述待推送信息推送给所述目标用户。
9.根据权利要求8所述的系统,其特征在于,所述车辆信息包括车牌号信息、车标信息和车型信息;
所述偏好确定模块,具体用于:
根据车标信息和车型信息查找与所述目标用户的车辆的品牌车型相同的其他用户的消费记录,将所述消费记录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商品。
10.根据权利要求8所述的系统,其特征在于,包括:所述车辆信息包括车牌号信息、车标信息、车型信息和车辆价位信息;
所述偏好确定模块,还具体用于:
根据车标信息和车型信息确定所述目标用户的车辆的价位信息,根据所述目标用户的车辆的价位信息查找与所述目标用户的车辆的价位信息相同的其他车辆的拥有用户的消费记录,将所述消费记录中涉及的商家和商品确定为所述目标用户的偏好消费商家和商品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731660.XA CN110619539A (zh) | 2019-08-08 | 2019-08-08 | 一种基于停车场聚合信息的大数据分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731660.XA CN110619539A (zh) | 2019-08-08 | 2019-08-08 | 一种基于停车场聚合信息的大数据分析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110619539A true CN110619539A (zh) | 2019-12-27 |
Family
ID=68921729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910731660.XA Pending CN110619539A (zh) | 2019-08-08 | 2019-08-08 | 一种基于停车场聚合信息的大数据分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619539A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507226A (zh) * | 2020-12-14 | 2021-03-16 | 北京瞰瞰科技有限公司 | 基于物联网的车载信息管理方法及系统 |
CN112734061A (zh) * | 2021-01-12 | 2021-04-30 | 重庆市掌亭科技有限公司 | 一种车辆识别系统及其商业模式 |
CN114549143A (zh) * | 2022-03-18 | 2022-05-27 | 电子科技大学 | 线下停车记录与线上购买行为融合的个性化商品推荐方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106710012A (zh) * | 2015-11-13 | 2017-05-24 | 吕宾乐 | 一种集收费和广告推送于一体的智能停车控制方法及系统 |
CN107330729A (zh) * | 2017-06-30 | 2017-11-07 | 北京悦畅科技有限公司 | 一种停车场内广告推送方法、装置及广告机 |
CN107424004A (zh) * | 2017-05-16 | 2017-12-01 | 北京悦畅科技有限公司 | 一种停车场管理方法和装置 |
CN109087171A (zh) * | 2018-06-15 | 2018-12-25 | 长沙市到家悠享家政服务有限公司 | 服务商家推荐方法、装置及电子设备 |
CN109118811A (zh) * | 2018-07-18 | 2019-01-01 | 深圳云天励飞技术有限公司 | 定位停车位置的方法、设备及计算机可读存储介质 |
-
2019
- 2019-08-08 CN CN201910731660.XA patent/CN110619539A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106710012A (zh) * | 2015-11-13 | 2017-05-24 | 吕宾乐 | 一种集收费和广告推送于一体的智能停车控制方法及系统 |
CN107424004A (zh) * | 2017-05-16 | 2017-12-01 | 北京悦畅科技有限公司 | 一种停车场管理方法和装置 |
CN107330729A (zh) * | 2017-06-30 | 2017-11-07 | 北京悦畅科技有限公司 | 一种停车场内广告推送方法、装置及广告机 |
CN109087171A (zh) * | 2018-06-15 | 2018-12-25 | 长沙市到家悠享家政服务有限公司 | 服务商家推荐方法、装置及电子设备 |
CN109118811A (zh) * | 2018-07-18 | 2019-01-01 | 深圳云天励飞技术有限公司 | 定位停车位置的方法、设备及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507226A (zh) * | 2020-12-14 | 2021-03-16 | 北京瞰瞰科技有限公司 | 基于物联网的车载信息管理方法及系统 |
CN112734061A (zh) * | 2021-01-12 | 2021-04-30 | 重庆市掌亭科技有限公司 | 一种车辆识别系统及其商业模式 |
CN114549143A (zh) * | 2022-03-18 | 2022-05-27 | 电子科技大学 | 线下停车记录与线上购买行为融合的个性化商品推荐方法 |
CN114549143B (zh) * | 2022-03-18 | 2022-07-29 | 电子科技大学 | 线下停车记录与线上购买行为融合的个性化商品推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cai et al. | Deep learning-based video system for accurate and real-time parking measurement | |
Nam et al. | Vehicle classification based on images from visible light and thermal cameras | |
US9317752B2 (en) | Method for detecting large size and passenger vehicles from fixed cameras | |
Al-Ghaili et al. | Vertical-edge-based car-license-plate detection method | |
US9864923B2 (en) | Assisted surveillance of vehicles-of-interest | |
Huang et al. | Vehicle detection and inter-vehicle distance estimation using single-lens video camera on urban/suburb roads | |
US9842266B2 (en) | Method for detecting driver cell phone usage from side-view images | |
Abdullah et al. | YOLO-based three-stage network for Bangla license plate recognition in Dhaka metropolitan city | |
CN112200172B (zh) | 一种可行驶区域的检测方法及装置 | |
CN110619539A (zh) | 一种基于停车场聚合信息的大数据分析方法和系统 | |
CN105321350B (zh) | 套牌车检测方法及装置 | |
US9965677B2 (en) | Method and system for OCR-free vehicle identification number localization | |
JP4715664B2 (ja) | 車両検索システム | |
Wang et al. | Detection and classification of moving vehicle from video using multiple spatio-temporal features | |
Achmad | Gaussian Mixture Models optimization for counting the numbers of vehicle by adjusting the Region of Interest under heavy traffic condition | |
Hasan Yusuf et al. | Real-time car parking detection with deep learning in different lighting scenarios | |
Zhang et al. | A front vehicle detection algorithm for intelligent vehicle based on improved gabor filter and SVM | |
CN111161542B (zh) | 车辆识别方法及装置 | |
Wang et al. | A novel fine-grained method for vehicle type recognition based on the locally enhanced PCANet neural network | |
CN115797842A (zh) | 车辆占道经营检测方法、装置、电子设备及存储介质 | |
Kim et al. | Lane detection for parking violation assessments | |
CN113449629A (zh) | 基于行车视频的车道线虚实识别装置、方法、设备及介质 | |
Carrera García et al. | Automatic detection of vehicles in outdoor parking lots from zenith perspective using neural networks | |
García et al. | Automatic detection of vehicles in outdoor parking lots from zenith perspective using neural networks | |
Gopikrishnan et al. | Smart Parking System with Automated Vehicle Log Using Haar Cascade Classifier ANPR |
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 | ||
CB02 | Change of applicant information |
Address after: 519031 room 105-34702, No. 6, Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Applicant after: Shanpo Technology (Zhuhai) Co., Ltd Address before: 519031 room 105-34702, No. 6, Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (central office) Applicant before: Hengqin Shanbo Investment Management Co., Ltd |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191227 |
|
RJ01 | Rejection of invention patent application after publication |