CN111311766A - 基于车牌识别和跟踪技术的路边停车智能收费系统及方法 - Google Patents

基于车牌识别和跟踪技术的路边停车智能收费系统及方法 Download PDF

Info

Publication number
CN111311766A
CN111311766A CN202010111131.2A CN202010111131A CN111311766A CN 111311766 A CN111311766 A CN 111311766A CN 202010111131 A CN202010111131 A CN 202010111131A CN 111311766 A CN111311766 A CN 111311766A
Authority
CN
China
Prior art keywords
parking
vehicle
parking space
license plate
detection
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
Application number
CN202010111131.2A
Other languages
English (en)
Inventor
文卓豪
管庆
汪浩翔
魏傲寒
罗凌云
元楚楚
程博
雍怡然
范满平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010111131.2A priority Critical patent/CN111311766A/zh
Publication of CN111311766A publication Critical patent/CN111311766A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • G08G1/147—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is within an open public zone, e.g. city centre
    • 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
    • G08G1/148—Management of a network of parking areas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • 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

Abstract

本发明公开了基于车牌识别和跟踪技术的路边停车智能收费系统及方法，该系统包括云端服务器、缴费装置、若干前端检测及识别装置和通讯装置；采用视频检测技术对停车位的停车情况进行识别，通过跟踪和检测一起生成车辆轨迹，如果该轨迹有向停车位的矢量，判定停车，采用连续过程进行判断，更为准确；在不启动深度学习方法时，采用移动目标建模方法进行车位附近移动车辆的筛选，能够提升目标车辆识别速度；在判断到有停车时，启用车牌检测和识别，然后等车辆完全停稳之后，进行车位估计，并将车位和车牌信息通过通讯装置上传至云端服务器，云端服务器对各停车位信息进行处理，用户通过网上服务器对停车信息进行查询和缴费，提高自助缴费的准确率。

Description

基于车牌识别和跟踪技术的路边停车智能收费系统及方法
技术领域
本发明属于智能公共设备技术领域，具体涉及基于车牌识别和跟踪技术的路边停车智能收费系统及方法。
背景技术
随着城市车辆数量不断增多，对于一些交通路口，如果仅仅采用人力进行停车收费，需要在不同路口都设置人员，这样将会大大增加人力成本，所以对于智能停车系统需求也越来越高，能够降低人力成本，同时增加停车方便性，实现无人监管而自觉网上缴费。
并且，对于车牌识别进行车辆停车系统已经出过类似技术，但是其中有车牌已经被遮挡后，无法进行车牌识别，从而将会产生漏检，或者误认为已经离开，所以对于现在仅采用车辆检测加车牌检测进行判断方法，存在较大漏洞，需要进行提升。
对于深度学习算法，在嵌入式前段运行将会耗时较长，不论是用作车辆检测或者车牌识别，如果一直采用深度学习方法，对于嵌入式设备计算力消耗是非常大的，所以需要通过优化，进一步在嵌入式设备上运行速度。
发明内容
针对现有技术中的上述不足，本发明提供的基于车牌识别和跟踪技术的路边停车收费系统及方法解决了现有的停车收费检测方法不准确的问题。
为了达到上述发明目的，本发明采用的技术方案为：基于车牌识别和跟踪技术的路边停车智能收费系统，包括云端服务器、缴费装置、若干前端检测及识别装置和通讯装置；
每个所述前端检测及识别装置通过通讯装置与所述云端服务器连接，所述云端服务器与所述缴费装置连接；
所述前端检测及识别装置通过视频检测技术对停车位的车辆停留情况进行判断，并将停留车辆的车牌检测和识别结果上传至云端服务器；
所述云端服务器用于对各前端检测及识别装置上传的停留车辆的车牌信息进行保存及处理；
所述缴费装置用于为用户提供在线自助缴纳停车费渠道；
所述通讯装置用于为云端服务器和前端检测及识别装置之间的数据传输提供通讯接口。
进一步地，每个所述前端检测及识别装置均包括相互连接的智能摄像头和存储卡；
所述智能摄像头分别与所述云端服务器和存储卡通信连接；
所述智能摄像头设置于路边车位上方，每个所述智能摄像头可同时监测至少四个车位的车辆停留情况；
所述智能摄像头内嵌集成有车辆停留判断和车牌识别算法的芯片。
进一步地，所述缴费装置包括智能手机和平板电脑；
所述缴费装置上设置有停车缴费APP或停车缴费小程序；
所述停车缴费APP或停车缴费小程序的通讯接口通过通讯装置与所述云端服务器的通讯接口连接。
基于车牌识别和跟踪技术的路边停车智能收费方法，包括以下步骤：
S1、通过前端检测及识别装置确定其监控范围内的目标车辆监测框；
S2、通过前端检测及识别装置判断当前目标车辆监测框中的车辆是否有停车意图；
若是，则进入步骤S3；
若否，则进入步骤S4；
S3、确定车辆运行轨迹，对有停车意图的车辆进行车牌识别，并将对应的车牌及车位信息上传至云端服务器并开始计时，并进入步骤S5；
S4、通过前端检测及识别装置对车位中的车辆停留情况进行监控，并返回步骤S31；
S5、当前端检测及识别装置检测到车位中的车辆有离开时，确定离开车辆与车位的对应关系，并将识别的车位信息上传至云端服务器；
S6、通过云端服务器根据上传的车位信息，确定车辆在车位中的停留时间，并生成对应的停车费信息；
S7、通过缴费装置链接访问云端服务器端中停车费信息，并进行停车缴费；
S8、根据停车缴费信息将云端服务器中存储的对应车辆停留信息清空，并将停车缴费成功信息返回至缴费装置，完成停车收费。
进一步地，所述步骤S1具体为：
S11、对当前帧图片进行二值化处理，并将二值化处理后的图片与以前10帧为基础建立的背景模型进行对比，将对比差值作为初步结果；
S12、对初步结果中的像素点依次进行侵蚀和膨胀，并加上外接矩形框形成移动检测框；
S13、对形成的移动检测框进行筛选，确定车辆检测框；
S14、对车辆检测框进行Deep Sort跟踪，并对车辆检测框中的图片进行特征提取及对比，确定相同车辆对应的车辆检测框作为目标车辆监测框。
进一步地，所述步骤S13中，对移动目标检测框进行筛选时的筛选条件包括：
(1)将宽大于长的移动目标检测框保留，长大于宽的移动目标检测框剔除；
(2)将像素点小于12000的移动目标检测框剔除，大于12000的移动目标检测框保留。
进一步地，所述步骤S14具体为：
在对车辆检测框进行Deep Sort跟踪过程中，计算每个车辆检测框中的图片的特征余弦向量值，当两个图片对应的特征向量余弦值的差值小于设定阈值时，将其对应的车辆检测框标记为相同ID，将所有ID相同的车辆检测框中作为一个目标车辆监测框。
进一步地，所述步骤S2具体为：
在连续两帧内，判断目标车辆监测框的Xmin和Xmax与车位停车线横坐标xp的绝对值差值是否均小于或等于80；
若是，则目标车辆监测框中的车辆有停车意图，进入步骤S3；
若否，则目标车辆监测框中的车辆没有停车意图，进入步骤S4；
其中，xmin为外接矩形中左上角点横坐标，xmax为外接矩形中右下角点横坐标。
进一步地，所述步骤S3中的具体为：
S31、通过YOLO目标检测网络，检测出目标车辆监测框中的车辆位置；
S32、在监控范围内，进行车辆运行轨迹确定；
S33、确定车辆运行轨迹中起始点及结束点与车位停车线的关系；
若起始点在车位停车线外，且结束点在车位停车线内，则车辆在停车，进入步骤S34；
若起始点在车位停车线内，且结束点在车位停车线外，则车辆在离开，返回步骤S31；
若起始点和结束点均在车位停车线外，则车辆在路过车位，返回步骤S31；
若起始点和结束点均在车位停车线内，则车辆在车位内移动，返回步骤S31；
S34、回溯10帧图片，并通过YOLO目标检测网络确定该车辆位置；
S35、利用opencv训练Haar级联分类器查找该车辆的车牌，并通过一个神经网络进行车牌识别，提取对应的车牌信息；
S36、将识别的车牌及车位信息上传至云端服务器并开始计时。
进一步地，所述步骤S5中，确定离开车辆与车位的对应关系的方法具体为：
当车位中的车辆对车位x轴的投影大于设定阈值时，判定车辆在车位中移动，然后根据车辆对车位y轴投影确定车辆车顶位置，进而确定离开车辆与车位的对应关系。
本发明的有益效果为：
(1)采用视频检测技术对停车位是否有车停入、停入车辆车牌信息进行判断和识别，本发明与跟踪技术结合，不是单纯依靠检测停车位上是否有车，而是通过跟踪和检测一起生成车辆轨迹，如果该轨迹有向停车位的矢量，则判断停车，采用是一个连续过程进行判断，更为准确；
(2)在不启动深度学习方法时，采用移动目标建模方法进行车位附近移动车辆的筛选，能够提升目标车辆识别速度；
(3)在判断到有停车事件时，将会在另一个进程中启用车牌检测和识别，和主程序并行运行，降低延时，然后等车辆完全停稳之后，进行车位估计，并将车位和车牌信息通过通讯装置上传至云端服务器，云端服务器对各停车位信息进行处理，用户通过网上服务器对停车信息进行查询和缴费，提高自助缴费的准确率。
附图说明
图1为本发明提供的基于车牌和跟踪技术的路边停车智能收费系统结构图。
图2为本发明提供的基于车牌和根据技术的路边停车智能收费方法流程图。
图3为本发明提供的二值化差值图。
图4为本发明提供的车辆外接矩形框示意图。
图5为本发明提供的车位水平投影示意图。
图6为本发明提供的车位垂直投影示意图。
图7为本发明提供的车辆停进车位示意图。
图8为本发明提供的车辆离开车位示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例1：
如图1所示，基于车牌识别和跟踪技术的路边停车智能收费系统，包括云端服务器、缴费装置、若干前端检测及识别装置和通讯装置；
每个前端检测及识别装置通过通讯装置与云端服务器连接，云端服务器与缴费装置连接；
前端检测及识别装置通过视频检测技术对停车位的车辆停留情况进行判断，并将停留车辆的车牌检测和识别结果上传至云端服务器；
云端服务器用于对各前端检测及识别装置上传的停留车辆的车牌信息进行保存及处理；
缴费装置用于为用户提供在线自助缴纳停车费渠道；
通讯装置用于为云端服务器和前端检测及识别装置之间的数据传输提供通讯接口。
具体地，前端检测及识别装置采用视频检测技术对停车位附近车辆是否有停车和离开动作进行判断，对于停车车辆，将会进行相应车辆停车位判断，同时进行车牌检测和识别，将该车牌信息和车位等信息通过相应通讯装置上传至云端服务器；每个前端检测及识别装置包括相互连接的智能摄像头和存储卡；智能摄像头分别与云端服务器和存储卡通信连接；智能摄像头设置于路边车位上方，每个智能摄像头可同时监测至少四个车位的车辆停留情况，并将采集的视频资料通过存储卡进行本地保存；智能摄像头内嵌集成有车辆停留判断和车牌识别算法的芯片。
云端服务器对各停车位信息进行处理，保存停车车辆车位和车牌信息，具体存储了停车位是否空闲、所停车辆车牌，同时可以查看保存车辆停车时照片、停靠时间等信息，同时开始计时；
缴费装置包括智能手机和平板电脑；缴费装置上设置有停车缴费APP或停车缴费小程序；停车缴费APP或停车缴费小程序的通讯接口通过通讯装置与云端服务器的通讯接口连接。缴费装置可实现在线网上登录缴费，通过网站登录用户名，同时完成缴费，并可以用于查询停靠时间、及空闲停车位指引，可在线完成缴费功能；
通讯装置通过网络云端服务器访问摄像头内网IP和相应端口，可以得到实时现场画面，同时可以采用opencv本地保存图片，将所获得图片保存在前端摄像头本地存储卡上，进行处理。
实施例2：
本实施例提供了如图2所示的基于车牌识别和跟踪技术的路边停车智能收费方法，包括以下步骤：
S1、通过前端检测及识别装置确定其监控范围内的目标车辆监测框；
S2、通过前端检测及识别装置判断当前目标车辆监测框中的车辆是否有停车意图；
若是，则进入步骤S3；
若否，则进入步骤S4；
S3、确定车辆运行轨迹，对有停车意图的车辆进行车牌识别，并将对应的车牌及车位信息上传至云端服务器并开始计时，并进入步骤S5；
S4、通过前端检测及识别装置对车位中的车辆停留情况监控，并返回步骤S31；
S5、当前端检测及识别装置检测到车位中的车辆有离开时，确定离开车辆与车位的对应关系，并将识别的车位信息上传至云端服务器；
S6、通过云端服务器根据上传的车位信息，确定车辆在车位中的停留时间，并生成对应的停车费信息；
S7、通过缴费装置链接访问云端服务器端中停车费信息，并进行停车缴费；
S8、根据停车缴费信息将云端服务器中存储的对应车辆停留信息清空，并将停车缴费成功信息返回至缴费装置，完成停车收费。
上述步骤S1具体为：
S11、对当前帧图片进行二值化处理，并将二值化处理后的图片与以前10帧为基础建立的背景模型进行对比，将对比差值作为初步结果；
其中，形成的对比的二值图差值(初步结果)如图4所示；
S12、对初步结果中的像素点依次进行侵蚀和膨胀，并加上外接矩形框形成移动检测框；
其中，外接矩形框如图5所示；
S13、对形成的移动检测框进行筛选，确定车辆检测框；
其中，对移动目标检测框进行筛选，区别行人和车辆，具体筛选条件包括：
(1)将宽大于长的移动目标检测框保留，长大于宽的移动目标检测框剔除；
(2)将像素点小于12000的移动目标检测框剔除，大于12000的移动目标检测框保留。
S14、对车辆检测框进行Deep Sort跟踪，并对车辆检测框中的图片进行特征提取及对比，确定相同车辆对应的车辆检测框作为目标车辆监测框；
步骤S14具体为：
在对车辆检测框进行Deep Sort跟踪过程中，计算每个车辆检测框中的图片的特征余弦向量值，当两个图片对应的特征向量余弦值的差值小于设定阈值时，将其对应的车辆检测框标记为相同ID，将所有ID相同的车辆检测框中作为一个目标车辆监测框；具体地，提取特征余弦向量值的提取网络结构如表1所示：
Figure BDA0002390039540000091
上述步骤S2中，在判定车辆与车位的位置关系时，会对车位部分做建模图二值投影，将车位部分的移动目标对x轴和y轴方向分别进行投影(水平投影和垂直投影如图5和图6所示)，因此步骤S2具体为：
在连续两帧内，判断目标车辆监测框的Xmin和Xmax与车位停车线横坐标xp的绝对值差值是否均小于或等于80；
即判定min_abs＝xmin-xp<＝80或者max_abs＝xmax-xp<＝80是否成立；
若是，则目标车辆监测框中的车辆有停车意图，进入步骤S3；
若否，则目标车辆监测框中的车辆没有停车意图，进入步骤S4；
其中，xmin为外接矩形中左上角点横坐标，xmax为外接矩形中右下角点横坐标。
上述步骤S3中的具体为：
S31、通过YOLO目标检测网络，检测出目标车辆监测框中的车辆位置；
S32、在监控范围内，进行车辆运行轨迹确定；
S33、确定车辆运行轨迹中起始点及结束点与车位停车线的关系；
若起始点在车位停车线外，且结束点在车位停车线内，则车辆在停车(如图7所示)，进入步骤S34；
若起始点在车位停车线内，且结束点在车位停车线外，则车辆在离开(如图8所示)，返回步骤S31；
若起始点和结束点均在车位停车线外，则车辆在路过车位，返回步骤S31；
若起始点和结束点均在车位停车线内，则车辆在车位内移动，返回步骤S31；
S34、回溯10帧图片，并通过YOLO目标检测网络确定该车辆位置；
S35、利用opencv训练Haar级联分类器查找该车辆的车牌，并通过一个神经网络进行车牌识别，提取对应的车牌信息；
S36、将识别的车牌及车位信息上传至云端服务器并开始计时；
具体地，在步骤S32中确定车辆运行轨迹时，设置两个字典数据保存每个ID方框中心点坐标，一个字典dic1存入初始出现ID号时中心点坐标，另一个字典dic2保存结束时候该ID中心点坐标，如果ID一直存在，则不断更新dic2中该ID中心点坐标(即结束坐标)，若该ID已经不再出现，则最后一次中心点坐标更新后则不再更新。
上述步骤S5中，确定离开车辆与车位的对应关系的方法具体为：
当车位中的车辆对车位x轴的投影大于设定阈值时，判定车辆在车位中移动，然后根据车辆对车位y轴投影确定车辆车顶位置，进而确定离开车辆与车位的对应关系。
本发明的有益效果为：
(1)采用视频检测技术对停车位是否有车停入、停入车辆车牌信息进行判断和识别，本发明与跟踪技术结合，不是单纯依靠检测停车位上是否有车，而是通过跟踪和检测一起生成车辆轨迹，如果该轨迹有向停车位的矢量，则判断停车，采用是一个连续过程进行判断，更为准确；
(2)在不启动深度学习方法时，采用移动目标建模方法进行车位附近移动车辆的筛选，能够提升目标车辆识别速度；
(3)在判断到有停车事件时，将会在另一个进程中启用车牌检测和识别，和主程序并行运行，降低延时，然后等车辆完全停稳之后，进行车位估计，并将车位和车牌信息通过通讯装置上传至云端服务器，云端服务器对各停车位信息进行处理，用户通过网上服务器对停车信息进行查询和缴费，提高自助缴费的准确率。

Claims (10)

1.基于车牌识别和跟踪技术的路边停车智能收费系统，其特征在于，包括云端服务器、缴费装置、若干前端检测及识别装置和通讯装置；
每个所述前端检测及识别装置通过通讯装置与所述云端服务器连接，所述云端服务器与所述缴费装置连接；
所述前端检测及识别装置通过视频检测技术对停车位的车辆停留情况进行判断，并将停留车辆的车牌检测和识别结果上传至云端服务器；
所述云端服务器用于对各前端检测及识别装置上传的停留车辆的车牌信息进行保存及处理；
所述缴费装置用于为用户提供在线自助缴纳停车费渠道；
所述通讯装置用于为云端服务器和前端检测及识别装置之间的数据传输提供通讯接口。
2.根据权利要求1所述的基于车牌识别和跟踪技术的路边停车智能收费系统，其特征在于，每个所述前端检测及识别装置均包括相互连接的智能摄像头和存储卡；
所述智能摄像头分别与所述云端服务器和存储卡通信连接；
所述智能摄像头设置于路边车位上方，每个所述智能摄像头可同时监测至少四个车位的车辆停留情况；
所述智能摄像头内嵌集成有车辆停留判断和车牌识别算法的芯片。
3.根据权利要求1所述的基于车牌识别和跟踪技术的路边停车智能收费系统，其特征在于，所述缴费装置包括智能手机和平板电脑；
所述缴费装置上设置有停车缴费APP或停车缴费小程序；
所述停车缴费APP或停车缴费小程序的通讯接口通过通讯装置与所述云端服务器的通讯接口连接。
4.基于车牌识别和跟踪技术的路边停车智能收费方法，其特征在于，包括以下步骤：
S1、通过前端检测及识别装置确定其监控范围内的目标车辆监测框；
S2、通过前端检测及识别装置判断当前目标车辆监测框中的车辆是否有停车意图；
若是，则进入步骤S3；
若否，则进入步骤S4；
S3、确定车辆运行轨迹，对有停车意图的车辆进行车牌识别，并将对应的车牌及车位信息上传至云端服务器并开始计时，并进入步骤S5；
S4、通过前端检测及识别装置对车位中的车辆停留情况进行监控，并返回步骤S31；
S5、当前端检测及识别装置检测到车位中的车辆有离开时，确定离开车辆与车位的对应关系，并将识别的车位信息上传至云端服务器；
S6、通过云端服务器根据上传的车位信息，确定车辆在车位中的停留时间，并生成对应的停车费信息；
S7、通过缴费装置链接访问云端服务器端中停车费信息，并进行停车缴费；
S8、根据停车缴费信息将云端服务器中存储的对应车辆停留信息清空，并将停车缴费成功信息返回至缴费装置，完成停车收费。
5.根据权利要求4所述的基于车牌识别和跟踪技术的路边停车智能收费方法，其特征在于，所述步骤S1具体为：
S11、对当前帧图片进行二值化处理，并将二值化处理后的图片与以前10帧为基础建立的背景模型进行对比，将对比差值作为初步结果；
S12、对初步结果中的像素点依次进行侵蚀和膨胀，并加上外接矩形框形成移动检测框；
S13、对形成的移动检测框进行筛选，确定车辆检测框；
S14、对车辆检测框进行Deep Sort跟踪，并对车辆检测框中的图片进行特征提取及对比，确定相同车辆对应的车辆检测框作为目标车辆监测框。
6.根据权利要求5所述的基于车牌识别和跟踪技术的路边停车智能收费方法，其特征在于，所述步骤S13中，对移动目标检测框进行筛选时的筛选条件包括：
(1)将宽大于长的移动目标检测框保留，长大于宽的移动目标检测框剔除；
(2)将像素点小于12000的移动目标检测框剔除，大于12000的移动目标检测框保留。
7.根据权利要求5所述的基于车牌识别和跟踪技术的路边停车智能收费方法，其特征在于，所述步骤S14具体为：
在对车辆检测框进行Deep Sort跟踪过程中，计算每个车辆检测框中的图片的特征余弦向量值，当两个图片对应的特征向量余弦值的差值小于设定阈值时，将其对应的车辆检测框标记为相同ID，将所有ID相同的车辆检测框中作为一个目标车辆监测框。
8.根据权利要求4所述的基于车牌识别和跟踪技术的路边停车智能收费方法，其特征在于，所述步骤S2具体为：
在连续两帧内，判断目标车辆监测框的Xmin和Xmax与车位停车线横坐标xp的绝对值差值是否均小于或等于80；
若是，则目标车辆监测框中的车辆有停车意图，进入步骤S3；
若否，则目标车辆监测框中的车辆没有停车意图，进入步骤S4；
其中，xmin为外接矩形中左上角点横坐标，xmax为外接矩形中右下角点横坐标。
9.根据权利要求4所述的基于车牌识别和跟踪技术的路边停车智能收费方法，其特征在于，所述步骤S3中的具体为：
S31、通过YOLO目标检测网络，检测出目标车辆监测框中的车辆位置；
S32、在监控范围内，进行车辆运行轨迹确定；
S33、确定车辆运行轨迹中起始点及结束点与车位停车线的关系；
若起始点在车位停车线外，且结束点在车位停车线内，则车辆在停车，进入步骤S34；
若起始点在车位停车线内，且结束点在车位停车线外，则车辆在离开，返回步骤S31；
若起始点和结束点均在车位停车线外，则车辆在路过车位，返回步骤S31；
若起始点和结束点均在车位停车线内，则车辆在车位内移动，返回步骤S31；
S34、回溯10帧图片，并通过YOLO目标检测网络确定该车辆位置；
S35、利用opencv训练Haar级联分类器查找该车辆的车牌，并通过一个神经网络进行车牌识别，提取对应的车牌信息；
S36、将识别的车牌及车位信息上传至云端服务器并开始计时。
10.根据权利要求9所述的基于车牌识别和跟踪技术的路边停车智能收费方法，其特征在于，所述步骤S5中，确定离开车辆与车位的对应关系的方法具体为：
当车位中的车辆对车位x轴的投影大于设定阈值时，判定车辆在车位中移动，然后根据车辆对车位y轴投影确定车辆车顶位置，进而确定离开车辆与车位的对应关系。
CN202010111131.2A 2020-02-24 2020-02-24 基于车牌识别和跟踪技术的路边停车智能收费系统及方法 Pending CN111311766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010111131.2A CN111311766A (zh) 2020-02-24 2020-02-24 基于车牌识别和跟踪技术的路边停车智能收费系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010111131.2A CN111311766A (zh) 2020-02-24 2020-02-24 基于车牌识别和跟踪技术的路边停车智能收费系统及方法

Publications (1)

Publication Number Publication Date
CN111311766A true CN111311766A (zh) 2020-06-19

Family

ID=71149126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010111131.2A Pending CN111311766A (zh) 2020-02-24 2020-02-24 基于车牌识别和跟踪技术的路边停车智能收费系统及方法

Country Status (1)

Country Link
CN (1) CN111311766A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667593A (zh) * 2020-07-20 2020-09-15 南京智金科技创新服务中心 一种路边停车的智能管理系统
CN111898485A (zh) * 2020-07-14 2020-11-06 浙江大华技术股份有限公司 一种停车位车辆检测处理方法及装置
CN112164149A (zh) * 2020-11-06 2021-01-01 成都恒创新星科技有限公司 基于高位摄像头的街区路面智慧泊车行为检测方法
CN112258668A (zh) * 2020-10-29 2021-01-22 成都恒创新星科技有限公司 基于高位摄像头对路边车辆停车行为的检测方法
CN112766216A (zh) * 2021-01-29 2021-05-07 深圳市捷顺科技实业股份有限公司 车辆驶入停车位检测方法、装置、电子设备及存储介质
CN112950954A (zh) * 2021-02-24 2021-06-11 电子科技大学 一种基于高位摄像头的智能停车车牌识别方法
CN113516852A (zh) * 2021-07-22 2021-10-19 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635835A (zh) * 2008-07-25 2010-01-27 深圳市信义科技有限公司 智能视频监控方法及系统
CN107945566A (zh) * 2017-11-17 2018-04-20 张慧 基于多目标跟踪与深度学习的路边停车管理系统及方法
CN108376430A (zh) * 2018-03-01 2018-08-07 江苏数慧信息科技有限公司 路边停车无感收费系统及方法
CN108921956A (zh) * 2018-07-03 2018-11-30 重庆邮电大学 一种基于视频分析技术的路边停车收费管理方法
CN109003338A (zh) * 2018-06-22 2018-12-14 南京慧尔视智能科技有限公司 一种路侧停车自动计时收费方法及装置
CN109409208A (zh) * 2018-09-10 2019-03-01 东南大学 一种基于视频的车辆特征提取与匹配方法
CN109523642A (zh) * 2018-09-17 2019-03-26 上海航天设备制造总厂有限公司 一种基于车牌识别技术的路边停车智能收费系统
CN110163985A (zh) * 2019-06-20 2019-08-23 广西云高智能停车设备有限公司 一种基于车脸识别的路边停车管理收费系统及收费方法
JP2019180051A (ja) * 2018-03-30 2019-10-17 株式会社東芝 車載通信装置、予告通信装置、及び無線通信方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635835A (zh) * 2008-07-25 2010-01-27 深圳市信义科技有限公司 智能视频监控方法及系统
CN107945566A (zh) * 2017-11-17 2018-04-20 张慧 基于多目标跟踪与深度学习的路边停车管理系统及方法
CN108376430A (zh) * 2018-03-01 2018-08-07 江苏数慧信息科技有限公司 路边停车无感收费系统及方法
JP2019180051A (ja) * 2018-03-30 2019-10-17 株式会社東芝 車載通信装置、予告通信装置、及び無線通信方法
CN109003338A (zh) * 2018-06-22 2018-12-14 南京慧尔视智能科技有限公司 一种路侧停车自动计时收费方法及装置
CN108921956A (zh) * 2018-07-03 2018-11-30 重庆邮电大学 一种基于视频分析技术的路边停车收费管理方法
CN109409208A (zh) * 2018-09-10 2019-03-01 东南大学 一种基于视频的车辆特征提取与匹配方法
CN109523642A (zh) * 2018-09-17 2019-03-26 上海航天设备制造总厂有限公司 一种基于车牌识别技术的路边停车智能收费系统
CN110163985A (zh) * 2019-06-20 2019-08-23 广西云高智能停车设备有限公司 一种基于车脸识别的路边停车管理收费系统及收费方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898485A (zh) * 2020-07-14 2020-11-06 浙江大华技术股份有限公司 一种停车位车辆检测处理方法及装置
CN111667593A (zh) * 2020-07-20 2020-09-15 南京智金科技创新服务中心 一种路边停车的智能管理系统
WO2022016585A1 (zh) * 2020-07-20 2022-01-27 南京智金科技创新服务中心 一种路边停车的智能管理系统
CN112258668A (zh) * 2020-10-29 2021-01-22 成都恒创新星科技有限公司 基于高位摄像头对路边车辆停车行为的检测方法
CN112164149A (zh) * 2020-11-06 2021-01-01 成都恒创新星科技有限公司 基于高位摄像头的街区路面智慧泊车行为检测方法
CN112766216A (zh) * 2021-01-29 2021-05-07 深圳市捷顺科技实业股份有限公司 车辆驶入停车位检测方法、装置、电子设备及存储介质
CN112950954A (zh) * 2021-02-24 2021-06-11 电子科技大学 一种基于高位摄像头的智能停车车牌识别方法
CN112950954B (zh) * 2021-02-24 2022-05-20 电子科技大学 一种基于高位摄像头的智能停车车牌识别方法
CN113516852A (zh) * 2021-07-22 2021-10-19 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其系统
CN113516852B (zh) * 2021-07-22 2022-09-09 珠海小可乐科技有限公司 一种多车位多目标车辆停车识别方法及其系统

Similar Documents

Publication Publication Date Title
CN111311766A (zh) 基于车牌识别和跟踪技术的路边停车智能收费系统及方法
CN111368687B (zh) 一种基于目标检测和语义分割的人行道车辆违停检测方法
CN104239867B (zh) 车牌定位方法及系统
CN107305627A (zh) 一种车辆视频监控方法、服务器及系统
CN103208008A (zh) 基于机器视觉的交通视频监控目标检测快速适应方法
CN105844229A (zh) 一种乘客拥挤度的计算方法及其系统
CN111078946A (zh) 一种基于多目标区域特征聚合的卡口车辆检索方法及系统
CN111292432A (zh) 基于车型识别和轮轴检测的车辆收费类型判别方法与装置
CN114418298A (zh) 基于非侵入式检测的充电负荷概率预测系统及方法
CN111967396A (zh) 障碍物检测的处理方法、装置、设备及存储介质
CN107705577A (zh) 一种基于车道线标定车辆违章变道的实时检测方法及系统
CN112434566A (zh) 客流统计方法、装置、电子设备及存储介质
CN114255428A (zh) 一种基于边缘智能和路边高位监控视频的车辆停车识别方法
CN114724131A (zh) 一种车辆追踪方法、装置、电子设备及存储介质
Kejriwal et al. Vehicle detection and counting using deep learning basedYOLO and deep SORT algorithm for urban traffic management system
CN112489436B (zh) 一种车辆身份识别方法、装置、系统、以及电子装置
CN113486885A (zh) 一种车牌识别方法、装置、电子设备及存储介质
CN113112479A (zh) 基于关键区块提取的渐进式目标检测方法和装置
CN116311166A (zh) 交通障碍物识别方法、装置及电子设备
CN110889347A (zh) 基于时空计数特征的密度交通流计数方法及系统
CN114882363A (zh) 一种扫地机的污渍处理方法和装置
CN112686136B (zh) 一种对象检测方法、装置及系统
CN113963310A (zh) 一种公交站的人流量检测方法、装置及电子设备
CN111666784A (zh) 一种基于视觉图像算法的智能停车装置
CN113435352B (zh) 文明城市评分方法、装置、电子设备和存储介质

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: 20200619