CN110766963A - 一种逆向寻车方法、服务器、装置以及存储介质 - Google Patents
一种逆向寻车方法、服务器、装置以及存储介质 Download PDFInfo
- Publication number
- CN110766963A CN110766963A CN201910935740.7A CN201910935740A CN110766963A CN 110766963 A CN110766963 A CN 110766963A CN 201910935740 A CN201910935740 A CN 201910935740A CN 110766963 A CN110766963 A CN 110766963A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- entrance
- license plate
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- 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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
-
- 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
- G08G1/149—Traffic control systems for road vehicles indicating individual free spaces in parking areas coupled to means for restricting the access to the parking space, e.g. authorization, access barriers, indicative lights
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明涉及了一种逆向寻车方法、服务器、装置以及存储介质,该方法包括:获取停车场内车道上车辆的图像,并识别所述图像中的车牌信息,若不能识别出所述车牌信息,则根据深度神经网络提取所述图像的车脸特征信息;根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表;获取拍摄所述图像的摄像头位置,并将所述摄像头位置记录在所述车辆的位置信息列表;如接收了所述车辆的停车位置查询请求,则根据所述位置信息列表,获得所述车辆的停车位置。通过实施本发明实施例,能够以较低成本的方式实现了停车场内的逆向寻车,从而节省了车主寻车的时间。
Description
技术领域
本发明涉及智慧交通领域,尤其涉及一种逆向寻车方法、服务器、装置以及存储介质。
背景技术
随着停车位越来越紧缺,各大城市内许多建筑物都配建了室内大型停车场或是多层停车楼,以增加停车位供应量。给车主带来泊车方便的同时,也带来了困扰。车主在返回停车场时由于停车场空间大,环境及标志物类似、方向不易辨别等原因,容易在停车场内迷失方向,寻找不到自己的车辆,导致浪费车主的宝贵时间和精力,给车主寻车带来极大的不便。目前,如何以较低成本提高逆向寻车速度是目前大型停车场亟待解决的问题。
发明内容
本发明提供一种逆向寻车方法、装置、服务器以及存储介质,能够以较低成本实现停车场内的逆向寻车,从而节省了车主寻车的时间。
第一方面,提供一种逆向寻车方法,包括:获取停车场内车道上车辆的图像,并识别所述图像中的车牌信息,若不能识别出所述车牌信息,则根据深度神经网络提取所述图像的车脸特征信息;根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表;获取拍摄所述图像的摄像头位置,并将所述摄像头位置记录在所述车辆的位置信息列表;如接收了所述车辆的停车位置查询请求,则根据所述位置信息列表,获得所述车辆的停车位置。
在一些实施例中,在获取停车场内车道上车辆的图像之前,所述方法还包括:当所述车辆驶入停车场入口时,根据入口处摄像头拍摄的入口图像,获得所述车辆的入口车牌信息以及入口车脸特征信息;基于所述车辆的入口车牌信息以及入口车脸特征信息,建立所述车辆的位置信息列表;其中所述入口车牌信息与所述入口车脸特征信息一一绑定。
在一些实施例中,根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表,包括:根据所述车辆的车牌信息,匹配所述车辆的入口车牌信息,从而获得所述车辆的位置信息列表;或者,根据所述车辆的车脸特征信息,匹配所述车辆的入口车脸特征信息,从而获得所述车辆的位置信息列表。
在一些实施例中,根据所述车辆的车脸特征信息,匹配所述车辆的入口车脸特征信息,包括:计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度最高的入口车脸特征信息。
在一些实施例中,根据所述车辆的车脸特征信息,匹配所述车辆的入口车脸特征信息,包括:计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度超过预设阈值的入口车脸特征信息。
在一些实施例中,根据所述位置信息列表,获得所述车辆的停车位置,包括:从所述位置信息列表中,获取拍摄时间最晚的摄像头位置,并根据该摄像头位置估计所述车辆的停车位置。
在一些实施例中,在将所述摄像头位置记录在所述车辆的位置信息列表之后,所述方法还包括:根据所述位置信息列表中各摄像头位置的获取先后顺序,获得所述车辆在停车场内的行驶轨迹。
在一些实施例中,所述车脸特征信息和所述入口车脸特征信息,包括如下一种或者任意多种组合:车辆颜色、车型、年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物。
第二方面,提供一种用于逆向寻车的装置,包括:车辆识别模块,数据管理模块,寻车查询模块,
所述车辆识别模块,用于获取停车场内车道上车辆的图像,并识别所述图像中的车牌信息,若不能识别出所述车牌信息,则根据深度神经网络提取所述图像的车脸特征信息;
所述数据管理模块,用于根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表;
所述数据管理模块,还用于获取拍摄所述图像的摄像头位置,并将所述摄像头位置记录在所述车辆的位置信息列表;
所述寻车查询模块,用于如接收了所述车辆的停车位置查询请求,则根据所述位置信息列表,获得所述车辆的停车位置。
在一些实施例中,所述车辆识别模块还包括车牌识别模块和车脸识别模块,当所述车辆驶入停车场入口时,根据入口处摄像头拍摄的入口图像,通过车牌识别模块获得所述车辆的入口车牌信息,通过车脸识别模块获得所述车辆的入口车脸特征信息。
在一些实施例中,所述数据管理模块还用于,基于所述车辆的入口车牌信息以及入口车脸特征信息,建立所述车辆的位置信息列表;其中所述入口车牌信息与所述入口车脸特征信息一一绑定。
在一些实施例中,所述车牌识别模块还用于,根据所述车辆的车牌信息,从所述数据管理模块中匹配所述车辆的入口车牌信息,从而获得所述车辆的位置信息列表。
在一些实施例中,所述车脸识别模块还用于,根据所述车辆的车脸特征信息,从所述数据管理模块匹配所述车辆的入口车脸特征信息,从而获得所述车辆的位置信息列表。
在一些实施例中,所述车脸识别模块还用于,计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度最高的入口车脸特征信息。
在一些实施例中,所述车脸识别模块还用于,计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度超过预设阈值的入口车脸特征信息。
在一些实施例中,所述寻车查询模块具体用于,从所述位置信息列表中,获取拍摄时间最晚的摄像头位置,并根据该摄像头位置估计所述车辆的停车位置。
在一些实施例中,所述寻车查询模块还用于,在将所述摄像头位置记录在所述车辆的位置信息列表之后,根据所述位置信息列表中各摄像头位置的获取先后顺序,获得所述车辆在停车场内的行驶轨迹。
在一些实施例中,所述车脸特征信息和所述入口车脸特征信息,包括如下一种或者任意多种组合:车辆颜色、车型、年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物。
第三方面,提供一种服务器,包括处理器、输入接口、输出接口和存储器,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于调用所述程序指令,执行第一方面任意实施例所描述的方法。
第四方面,提供一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面任意实施例所描述的方法
可以看到,本发明实施例中,服务器获取停车场内车道上车辆的图像,并识别所述图像中的车牌信息,若不能识别出所述车牌信息,则根据深度神经网络提取所述图像的车脸特征信息;根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表;获取拍摄所述图像的摄像头位置,并将所述摄像头位置记录在所述车辆的位置信息列表;如接收了所述车辆的停车位置查询请求,则根据所述位置信息列表,获得所述车辆的停车位置。通过实施本发明实施例,能够以较低成本的方式实现了停车场内的逆向寻车,从而节省了车主寻车的时间。
附图说明
为了更清楚地说明本公开实施例的技术方案,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,下面描述中的附图是本公开的一些实施例,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。
图1是本发明实施例提供的停车场出入口应用场景示意图;
图2是本发明实施例提供的停车场内车辆跟踪应用场景示意图;
图3是本发明实施例提供的一种逆向寻车方法流程示意图;
图4是本发明实施例提供的一种用于逆向寻车的装置结构示意图;
图5是本发明提供的一种服务器的硬件结构框图。
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。
本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
为了便于理解本发明实施例,下面对本发明实施例涉及的应用场景进行说明。
目前逆向寻车技术主要有如下三种方案:
第一,车牌识别技术,利用每个停车位前端摄像头实时回传视频图像,获取车辆的车牌号码信息,进行车辆定位。由于需要在每个停车位上都安装摄像头,因此该方案存在工程施工量大,造价修成本高等缺陷。
第二,区域人工终端定位技术,利用分布于停车场各个区域的刷卡定位终端或者条码出票机终端,进行人工刷卡或者打印条码的方式,进行车辆定位。该方案必须要求车主人工参与,其智能化低,停车体验差。
第三,无线终端通信定位技术,利用通过安装在车辆上的车载终端或停车位上的无线终端进行无线通信定位,进行车主与停车位的绑定关系,从而实现逆向寻车。该方案需要在每个停车位上增加通信设备,并且还要利用车主的手持终端(如手机等)来实现定位,不仅给车主带来了不便,还增加了停车位设备成本。
为解决上述三种方案中存在的缺陷,本发明提出一种新的逆向寻车方案,能够以较低成本实现停车场逆向寻车,从而节约了车主的寻车时间。下面结合本方案的停车场应用场景展开介绍。
参见图1,图1是本发明实施例提供的停车场出入口应用场景示意图。在一些实施例中,在闸机下方以及上方分别安装摄像头。当车辆进场时,闸机下方的摄像头针对所述车辆的车牌进行拍摄,闸机上方的摄像头拍摄入场车辆的车脸图像,从而获得所述车辆的车牌图像以及车脸图像,并将所述车牌图像和所述车脸图像通过有线或者无线的方式发送到服务器;然后服务器中的车牌识别模块以及车脸识别模块分别识别车牌图像以及车脸图像,从而获得该车辆的入场车牌信息以及入场车脸特征信息,并将对应的入场车牌信息与对应的入场车脸特征信息一一绑定。
参见图2,图2是本发明实施例提供的停车场内车辆跟踪应用场景示意图。在一些实施例中,在停车场内的每一条车道上方天花板对应安装至少一个摄像头(如图2所示)。当车辆在寻找泊车位途中时,安装在对应车道上方的摄像头拍摄该车辆的图像,并通过有线或者无线的方式发送到服务器;如果服务器中的车牌识别模块可以通过该图像中识别出完整的车牌信息,则基于该车牌信息匹配到该车辆的入场车牌信息,从而获得入场车牌信息对应的位置信息列表,并将拍摄该图像的摄像头的位置记录在该位置信息列表中;如果不能识别出完整的车牌信息,则服务器中的车脸识别模块提取该车辆的车脸特征信息;然后基于该车脸特征信息匹配到该车辆的入场车脸特征信息,从而获得与该入场车脸特征信息对应的位置信息列表,并将拍摄该图像的摄像头的位置记录在该位置信息列表中。由于该车辆的位置信息列表记录了该车辆行驶经过的各个摄像头位置,因此,在接收了该车辆的停车位置查询请求之后,可以根据位置信息列表中最后获取的摄像头位置来估计该车辆的停车位置。
下面结合附图详细描述本发明实施例提供的逆向寻车方法,该方法以较低成本实现了逆向寻车,从而节约了车主寻车时间。
参见图3,图3是本发明实施例提供的一种逆向寻车方法的流程示意图。该方法包括但不限于以下步骤:
S101、获取停车场内车道上车辆的图像,并识别图像中的车牌信息,若不能识别出车牌信息,则根据深度神经网络提取图像的车脸特征信息。
在一些实施例中,在步骤S101之前,当所述车辆驶入停车场入口时,根据入口处摄像头拍摄的入口图像,获得所述车辆的入口车牌信息以及入口车脸特征信息。在一些实施例中,可以在停车场入口的闸机处仅安装一个摄像机,通过该摄像头拍摄得到的入口图像包含该车辆的车牌信息和车脸特征信息。为提高车牌识别的准确率以及车脸特征特征的准确性,在一些实施例中,还可以在停车场入口的闸机处安装两个摄像机,其中一个安装在闸机下方用于拍摄车辆的车牌图像,另一个安装在闸机上方用于拍摄车辆的车脸图像。
在一些实施例中,可以通过车牌识别模型识别图像中的车牌信息,其中车牌识别模型可以是基于传统图像处理的机器学习训练得到的,或者基于深度学习训练得到的。
在一些实施例中,可以通过车脸识别模型提取图像中的车脸特征信息,其中车脸识别模型可以通过深度学习神经网络训练得到的,该深度学习神经网络可以是卷积神经网络,例如可以是LeNet、AlexNet、GoogLeNet、VGGNet、ResNet等任意类型的神经网络模型。该车脸识别模型是通过大量的车脸图像训练得到的,使用该车脸识别模型对入口图像进行车脸特征提取,可以得到512个特征值的特征序列,即该车辆车脸的深度特征,并将该车辆的深度特征作为该车辆的入口车脸特征信息。
在一些实施例中,入口车脸特征信息包括如下特征一种或者任意多种组合:车辆颜色、车型、年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物。通过上述特征的组合可以唯一地标识出一台车辆。
在一些实施例中,当车辆驶入停车场入口时,根据入口图像识别出该车辆的入口车牌信息以及入口车脸特征信息后,将该车辆的入口车牌信息以及入口车脸特征信息绑定在一起,并建立以该车辆的入口车牌信息和入口车脸特征信息为索引的位置信息列表。
S102、根据车牌信息或者车脸特征信息,获取车辆的位置信息列表。
在一些实施例中,在步骤S101中,如果能根据停车场内车道上车辆的图像识别出完整的车牌信息,则根据所述车辆的车牌信息,匹配所述车辆的入口车牌信息,从而获得所述车辆的位置信息列表;如果不能识别出完整的车牌信息,则从图像中提取该车辆的车脸特征信息,并根据该车辆的车脸特征信息,匹配该车辆的入口车脸特征信息,从而获得所述车辆的位置信息列表。
在一些实施例中,根据车辆的车脸特征信息,匹配车辆的入口车脸特征信息,可以通过如下方式实现:根据车脸模型计算该车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息之间的相似度,并将其中相似度最高的入口车脸特征信息作为该车辆的入口车脸特征信息。在另一些实施例中,当根据车脸模型计算到某一入口车脸特征信息与该车辆的车脸特征信息的相似度超过预设阈值(例如相似度达99%)时,则将该入口车脸特征信息作为该车辆的车脸特征信息。其中所述相似度可以用欧式距离、余弦相似度、切比雪夫距离中的任意一种或者任意多种组合来表示。
S103、获取拍摄图像的摄像头位置,并将摄像头位置记录在车辆的位置信息列表。
在本发明实施例中,预先设定停车场内各个摄像头的安装位置,当摄像头被触发进行拍摄时,例如车辆在车道上行驶时,车道上的地磁感应此时车道上有车辆行驶,则触发该车道对应的摄像头对该车辆进行拍摄,并将图像上传至服务器的同时,将该摄像头的安装位置也同时发送给该服务器。当车辆寻找到泊车位时,该车辆的位置信息列表已经记录了该车辆行驶经过的各个摄像头的安装位置。
S104、如接收了车辆的停车位置查询请求,则根据位置信息列表,获得车辆的停车位置。
在一些实施例中,当服务器接收到车辆的停车位置查询请求时,则可以从该车辆的位置信息列表中,获取拍摄时间最晚的摄像头位置,并根据该摄像头位置估计所述车辆的停车位置。其中停车位置查询请求可以手机APP终端,或者停车场查询显示设备发起的,在获得查询结果之后,就可以根据查询结果引导车主来到车辆泊车的小范围区域,最后,车主通过车钥匙与车辆的无线通信引起车辆的蜂鸣声来指引车主接近汽车,最终实现寻车功能。
在一些实施例中,当服务器接收到车辆的行驶轨迹查询请求时,服务器可以根据该车辆对应的位置信息列表中各摄像头位置的获取先后顺序,从而获得该车辆在停车场内的行驶轨迹。其中停车位置查询请求可以是手机APP终端,或者是停车场查询显示设备发起的,在获得查询结果之后,车主可以根据车辆的行驶轨迹更加快速的寻找到车辆的停车位置,而且提升了车主寻车的用户体验。
可以看到,通过实施本发明实施例,服务器获取停车场内车道上车辆的图像,并识别图像中的车牌信息,若不能识别出车牌信息,则根据深度神经网络提取图像的车脸特征信息;如能识别出车牌信息,则根据车牌信息获取该车辆的位置信息列表,如不能,则根据车脸特征信息获取该车辆的位置信息列表;接着,获取拍摄该图像的摄像头位置,并将该摄像头位置记录在该车辆的位置信息列表;如接收了该车辆的停车位置查询请求,则根据位置信息列表,获得该车辆的停车位置。通过实施本发明实施例,能够以较低成本的方式实现了停车场内的逆向寻车,从而节省了车主寻车的时间。
参见图4,图4是本发明实施例提供的一种用于逆向寻车的装置结构示意图。该装置400包括:车辆识别模块401,数据管理模块402,寻车查询模块403,其中:
所述车辆识别模块401,用于获取停车场内车道上车辆的图像,并识别所述图像中的车牌信息,若不能识别出所述车牌信息,则根据深度神经网络提取所述图像的车脸特征信息;
所述数据管理模块402,用于根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表;
所述数据管理模块402,还用于获取拍摄所述图像的摄像头位置,并将所述摄像头位置记录在所述车辆的位置信息列表;
所述寻车查询模块403,用于如接收了所述车辆的停车位置查询请求,则根据所述位置信息列表,获得所述车辆的停车位置。
在一些实施例中,所述车辆识别模块401还包括车牌识别模块501和车脸识别模块502,当所述车辆驶入停车场入口时,根据入口处摄像头拍摄的入口图像,通过车牌识别模块501获得所述车辆的入口车牌信息,通过车脸识别模块502获得所述车辆的入口车脸特征信息。
在一些实施例中,所述数据管理模块402还用于,基于所述车辆的入口车牌信息以及入口车脸特征信息,建立所述车辆的位置信息列表;其中所述入口车牌信息与所述入口车脸特征信息一一绑定。
在一些实施例中,所述车牌识别模块501还用于,根据所述车辆的车牌信息,从所述数据管理模块402中匹配所述车辆的入口车牌信息,从而获得所述车辆的位置信息列表。
在一些实施例中,所述车脸识别模块502还用于,根据所述车辆的车脸特征信息,从所述数据管理模块402匹配所述车辆的入口车脸特征信息,从而获得所述车辆的位置信息列表。
在一些实施例中,所述车脸识别模块502还用于,计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度最高的入口车脸特征信息。
在一些实施例中,所述车脸识别模块502还用于,计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度超过预设阈值的入口车脸特征信息。
在一些实施例中,所述寻车查询模块403具体用于,从所述位置信息列表中,获取拍摄时间最晚的摄像头位置,并根据该摄像头位置估计所述车辆的停车位置。
在一些实施例中,所述寻车查询模块403还用于,在将所述摄像头位置记录在所述车辆的位置信息列表之后,根据所述位置信息列表中各摄像头位置的获取先后顺序,获得所述车辆在停车场内的行驶轨迹。
在一些实施例中,所述车脸特征信息和所述入口车脸特征信息,包括如下一种或者任意多种组合:车辆颜色、车型、年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
参见图5,图5是本发明提供的一种服务器的硬件结构框图,该服务器可以是安装在停车场处的车控机,也可以是部署在云端的远程服务器。具体的,该服务器包括:包括处理器601、一个或多个输入接口602、一个或多个输出接口603和存储器604,其中,所述存储器604用于存储计算机程序,所述计算机程序包括程序指令,所述处理器601用于调用所述程序指令,执行图3方法实施例中的任一方法和步骤。
上述处理器601、一个或多个输入接口602、一个或多个输出接口603和存储器604通过总线605连接。存储器604用于存储指令,处理器601用于执行存储器604存储的指令,输入接口602用于接收数据,例如接收安装在入口处或者安装在停车场车道上摄像头发送的车辆图像等,输出接口903用于输出数据,例如向用户终端发送停车位置查询结果等。
应当理解,在本公开实施例中,所称处理器601可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器604可以包括只读存储器和随机存取存储器,并向处理器601提供指令和数据。存储器604的一部分还可以包括非易失性随机存取存储器。例如,存储器604还可以存储接口类型的信息。
在一些实现方式中,本公开实施例中所描述的服务器的上述各部件可用于执行图3方法实施例中的任一方法步骤,为了简洁,这里不再赘述。
在本发明的实施例中还提供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,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现图3方法实施例描述的步骤;
所述计算机可读存储介质可以是前述任一实施例所述的计算设备的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述计算设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述计算设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到各种等效的修改或替换,这些修改或替换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以权利要求的保护范围为准。
Claims (11)
1.一种逆向寻车方法,其特征在于,包括:
获取停车场内车道上车辆的图像,并识别所述图像中的车牌信息,若不能识别出所述车牌信息,则根据深度神经网络提取所述图像的车脸特征信息;
根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表;
获取拍摄所述图像的摄像头位置,并将所述摄像头位置记录在所述车辆的位置信息列表;
如接收了所述车辆的停车位置查询请求,则根据所述位置信息列表,获得所述车辆的停车位置。
2.根据权利要求1所述的方法,其特征在于,在获取停车场内车道上车辆的图像之前,所述方法还包括:
当所述车辆驶入停车场入口时,根据入口处摄像头拍摄的入口图像,获得所述车辆的入口车牌信息以及入口车脸特征信息;
基于所述车辆的入口车牌信息以及入口车脸特征信息,建立所述车辆的位置信息列表;其中所述入口车牌信息与所述入口车脸特征信息一一绑定。
3.根据权利要求2所述的方法,其特征在于,根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表,包括:
根据所述车辆的车牌信息,匹配所述车辆的入口车牌信息,从而获得所述车辆的位置信息列表;或者,
根据所述车辆的车脸特征信息,匹配所述车辆的入口车脸特征信息,从而获得所述车辆的位置信息列表。
4.根据权利要求3所述的方法,其特征在于,根据所述车辆的车脸特征信息,匹配所述车辆的入口车脸特征信息,包括:
计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度最高的入口车脸特征信息。
5.根据权利要求3所述的方法,其特征在于,根据所述车辆的车脸特征信息,匹配所述车辆的入口车脸特征信息,包括:
计算所述车辆的车脸特征信息与停车场内各个车辆的入口车脸特征信息的相似度,获得所述相似度超过预设阈值的入口车脸特征信息。
6.根据权利要求1所述的方法,其特征在于,根据所述位置信息列表,获得所述车辆的停车位置,包括:
从所述位置信息列表中,获取拍摄时间最晚的摄像头位置,并根据该摄像头位置估计所述车辆的停车位置。
7.根据权利要求1所述的方法,其特征在于,在将所述摄像头位置记录在所述车辆的位置信息列表之后,所述方法还包括:
根据所述位置信息列表中各摄像头位置的获取先后顺序,获得所述车辆在停车场内的行驶轨迹。
8.根据权利要求1-7所述的方法,其特征在于,所述车脸特征信息和所述入口车脸特征信息,包括如下一种或者任意多种组合:车辆颜色、车型、年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物。
9.一种用于逆向寻车的装置,其特征在于,包括:车辆识别模块,数据管理模块,寻车查询模块,
所述车辆识别模块,用于获取停车场内车道上车辆的图像,并识别所述图像中的车牌信息,若不能识别出所述车牌信息,则根据深度神经网络提取所述图像的车脸特征信息;
所述数据管理模块,用于根据所述车牌信息或者所述车脸特征信息,获取所述车辆的位置信息列表;
所述数据管理模块,还用于获取拍摄所述图像的摄像头位置,并将所述摄像头位置记录在所述车辆的位置信息列表;
所述寻车查询模块,用于如接收了所述车辆的停车位置查询请求,则根据所述位置信息列表,获得所述车辆的停车位置。
10.一种服务器,其特征在于,包括处理器、输入接口、输出接口和存储器,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于调用所述程序指令,执行如权利要求1-8任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935740.7A CN110766963A (zh) | 2019-09-29 | 2019-09-29 | 一种逆向寻车方法、服务器、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935740.7A CN110766963A (zh) | 2019-09-29 | 2019-09-29 | 一种逆向寻车方法、服务器、装置以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110766963A true CN110766963A (zh) | 2020-02-07 |
Family
ID=69329176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910935740.7A Pending CN110766963A (zh) | 2019-09-29 | 2019-09-29 | 一种逆向寻车方法、服务器、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110766963A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112509041A (zh) * | 2020-11-25 | 2021-03-16 | 杭州自动桌信息技术有限公司 | 一种基于停车场的车辆定位方法、系统和存储介质 |
CN113012457A (zh) * | 2021-02-18 | 2021-06-22 | 湖南国科微电子股份有限公司 | 一种地下车库的导航停车方法、装置、设备及介质 |
CN113505696A (zh) * | 2021-07-09 | 2021-10-15 | 姜江 | 基于摄像头视觉的车辆定位方法、系统及装置 |
CN117911963A (zh) * | 2024-01-24 | 2024-04-19 | 雷博士智能科技(上海)有限公司 | 一种基于视频监控的空间非法占位的处理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009104441A (ja) * | 2007-10-24 | 2009-05-14 | Nippon Signal Co Ltd:The | 駐車場管理システム |
KR101281561B1 (ko) * | 2013-01-03 | 2013-07-03 | 주식회사 투윈스컴 | 씨씨티브이 카메라를 이용한 주차정보 확인 시스템 |
CN103440781A (zh) * | 2013-08-28 | 2013-12-11 | 苏州智蝶科技有限公司 | 基于模糊定位的停车场反向寻车管理系统及其实现方法 |
CN203520644U (zh) * | 2013-09-06 | 2014-04-02 | 武汉纺织大学 | 基于机器视觉的停车场反向寻车系统 |
CN107067796A (zh) * | 2016-12-28 | 2017-08-18 | 深圳市金溢科技股份有限公司 | 一种停车管理服务器、方法和系统 |
CN107134172A (zh) * | 2017-07-12 | 2017-09-05 | 嘉兴寰知科技有限公司 | 停车场停车监控识别系统及其方法 |
CN107978172A (zh) * | 2017-11-30 | 2018-05-01 | 邓敏智 | 停车场定位方法及装置 |
-
2019
- 2019-09-29 CN CN201910935740.7A patent/CN110766963A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009104441A (ja) * | 2007-10-24 | 2009-05-14 | Nippon Signal Co Ltd:The | 駐車場管理システム |
KR101281561B1 (ko) * | 2013-01-03 | 2013-07-03 | 주식회사 투윈스컴 | 씨씨티브이 카메라를 이용한 주차정보 확인 시스템 |
CN103440781A (zh) * | 2013-08-28 | 2013-12-11 | 苏州智蝶科技有限公司 | 基于模糊定位的停车场反向寻车管理系统及其实现方法 |
CN203520644U (zh) * | 2013-09-06 | 2014-04-02 | 武汉纺织大学 | 基于机器视觉的停车场反向寻车系统 |
CN107067796A (zh) * | 2016-12-28 | 2017-08-18 | 深圳市金溢科技股份有限公司 | 一种停车管理服务器、方法和系统 |
CN107134172A (zh) * | 2017-07-12 | 2017-09-05 | 嘉兴寰知科技有限公司 | 停车场停车监控识别系统及其方法 |
CN107978172A (zh) * | 2017-11-30 | 2018-05-01 | 邓敏智 | 停车场定位方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112509041A (zh) * | 2020-11-25 | 2021-03-16 | 杭州自动桌信息技术有限公司 | 一种基于停车场的车辆定位方法、系统和存储介质 |
CN112509041B (zh) * | 2020-11-25 | 2024-05-03 | 杭州自动桌信息技术有限公司 | 一种基于停车场的车辆定位方法、系统和存储介质 |
CN113012457A (zh) * | 2021-02-18 | 2021-06-22 | 湖南国科微电子股份有限公司 | 一种地下车库的导航停车方法、装置、设备及介质 |
CN113505696A (zh) * | 2021-07-09 | 2021-10-15 | 姜江 | 基于摄像头视觉的车辆定位方法、系统及装置 |
CN117911963A (zh) * | 2024-01-24 | 2024-04-19 | 雷博士智能科技(上海)有限公司 | 一种基于视频监控的空间非法占位的处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766963A (zh) | 一种逆向寻车方法、服务器、装置以及存储介质 | |
CN105761541B (zh) | 一种自动化停车场预约取车系统与方法 | |
CN108986539B (zh) | 停车管理系统、方法、车辆信息采集装置及管理服务器 | |
CN105513403A (zh) | 一种基于图像识别的停车场寻车方法及系统 | |
CN109377779A (zh) | 停车场寻车方法以及停车场寻车装置 | |
CN107705609B (zh) | 停车场寻车方法及装置 | |
CN203520644U (zh) | 基于机器视觉的停车场反向寻车系统 | |
CN111127902B (zh) | 基于图像识别的停车场车辆定位系统及方法 | |
CN105788344A (zh) | 一种停车场自动定位寻车方法 | |
CN110556022A (zh) | 基于人工智能的停车场车位指示方法、装置及电子设备 | |
US11978340B2 (en) | Systems and methods for identifying vehicles using wireless device identifiers | |
CN104464361A (zh) | 车辆出入库引导的方法以及车辆出入库引导系统 | |
CN110264777A (zh) | 室内车辆导航方法、装置、存储介质及车辆控制终端 | |
CN111311957A (zh) | 一种基于rfid和无人机的停车引导系统及工作方法 | |
CN101430827A (zh) | 基于gps的出租车无线视频监控系统及方法 | |
CN114550489A (zh) | 寻车信息处理方法、系统及相关装置 | |
CN204256988U (zh) | 一种停车场寻车系统 | |
CN104077924A (zh) | 反向寻车系统及方法 | |
CN108198433B (zh) | 一种停车识别方法、装置及电子设备 | |
CN103761878A (zh) | 车牌识别系统及其识别方法 | |
CN106935065A (zh) | 一种小区停车场车辆管理系统 | |
CN113688717A (zh) | 图像识别方法、装置以及电子设备 | |
CN202362934U (zh) | 一种车牌识别系统 | |
KR102217651B1 (ko) | 영상 기반 주차 위치 확인 방법 및 그를 위한 차량 | |
CN112712626A (zh) | 基于车牌信息的车辆验证方法、装置、计算机设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |