CN111583703A - 一种停车场出入控制系统及方法 - Google Patents

Abstract

本申请公开了一种停车场出入控制系统，分别利用入口摄像装置和出口摄像装置对入口区域和出口区域进行图像采集，在检测到车辆时，通过深度神经网络对图像进行车头或车尾的二分类，得到分类结果；管理服务器在入口区域图像的分类结果为车头或者出口区域图像的分类结果为车头时，生成抬杆指令，并发送至闸机控制装置，从而控制栏杆抬起。可见，该系统利用目标检测替代传统的线圈检测来捕获目标，避免行人、非机动车干扰导致的无效抓拍，通过深度神经网络有效判断车辆行驶方向，适用于混进混出的单车道场景，提升了出入控制的可靠性，降低了成本。此外，本申请还提供了一种停车场出入控制方法，其技术效果与上述系统的技术效果相对应。

Description

一种停车场出入控制系统及方法

技术领域

本申请涉及计算机技术领域，特别涉及一种停车场出入控制系统及方法。

背景技术

21世纪以来，各个国家车辆保有量和交通出行量不断增长，地面交通管理的工作任务日渐繁重，停车场渐渐成为一种必须的设施。同时，随着智能技术的发展，停车场无人值守方案也越来越普及，作为停车场的重要组成部分，出入口的管理无疑是重中之重，而车牌自动识别技术极大的提升了出入口的管理效率。

为了规范出入口运行秩序，达到无人值守自动收费的目的，当前出入口场景基本都设计为单车道通行，一台设备管理一个车道，单进单出。但是，很多年代久远的老住宅小区或者一些受限于地理位置和土地使用面积的出入口场景，只有一个车道供车辆进出，出入口管理需要兼顾进出两个方向的车辆。对于此类混进混出的场景，目前的出入控制方案如下：

在闸机抬杆前后各安装一台相机，用于监控进出两个方向的车辆，通过地感线圈前后侧(或两个线圈)的信号变化来判断当前车辆的行驶方向。当线圈前部先感应到信号时，判断当前车辆是进，此时触发进口侧的相机抓拍识别出车牌并抬杆；当线圈后部先感应到信号时，判断当前车辆是出，此时触发出口侧的相机抓拍识别出车牌并抬杆。

但是，以上出入控制方案存在以下缺点：线圈感应的原理是检测金属，对目标没有选择性，因此很容易产生误拍；相机联动效果差，当两个方向均有车辆通行时容易造成堵塞，需要人为引导；地感线圈增加各方面成本，降低设备的可维护程度。

可见，对于混进混出的单车道停车场，目前的出入控制方案存在可靠性较差且成本较高的问题。

发明内容

本申请的目的是提供一种停车场出入控制系统及方法，用以解决当前的出入控制方案可靠性较差且成本较高的问题。

第一方面，本申请提供了一种停车场出入控制系统，包括：

入口摄像装置、出口摄像装置、管理服务器、闸机控制装置；

其中，所述入口摄像装置用于对入口区域进行图像采集，得到入口区域图像；通过对所述入口区域图像进行目标检测，判断所述入口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述入口区域图像进行车头或车尾的二分类，得到分类结果，并发送至所述管理服务器；

所述出口摄像装置用于对出口区域进行图像采集，得到出口区域图像；通过对所述出口区域图像进行目标检测，判断所述出口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述出口区域图像进行车头或车尾的二分类，得到分类结果，并发送至所述管理服务器；

所述管理服务器用于在所述入口区域图像的分类结果为车头或者所述出口区域图像的分类结果为车头时，生成抬杆指令，并发送至所述闸机控制装置；

所述闸机控制装置用于根据所述抬杆指令，控制栏杆抬起。

优选的，所述入口摄像装置还用于在判定所述入口区域图像中存在车辆时，通过深度神经网络对所述入口区域图像进行车牌号的识别，得到号码识别结果，并发送至所述管理服务器；

所述出口摄像装置还用于在判定所述出口区域图像中存在车辆时，通过深度神经网络对所述出口区域图像进行车牌号的识别，得到号码识别结果，并发送至所述管理服务器；

所述管理服务器用于在所述入口区域图像的分类结果为车头且在最近的预设时间内未接收到与所述入口区域图像的号码识别结果相同的号码识别结果时，或者，在所述出口区域图像的分类结果为车头且在最近的预设时间内未接收到与所述出口区域图像的号码识别结果相同的号码识别结果时，生成抬杆指令。

优选的，所述管理服务器用于：

在接收到所述入口区域图像的分类结果和号码识别结果之后，判断在最近的预设时间内是否接收到与所述入口区域图像的号码识别结果相同的号码识别结果；

若未接收到，则判断所述入口区域图像的分类结果是否为车头；

若是车头，则创建车辆进入事件，生成抬杆指令，并在预设时间内等待接收出口区域图像的分类结果和号码识别结果；

在接收到所述出口区域图像的分类结果和号码识别结果之后，判断所述出口区域图像的号码识别结果是否与所述车辆进入事件中的号码识别结果相同；

若相同，则确定所述车辆进入事件结束；

若不同，则判断所述出口区域图像的分类结果是否为车头；

若不是车头，则确定所述车辆进入事件结束。

优选的，所述管理服务器还用于：

在所述出口区域图像的分类结果为车头时，通过在数据库中对所述出口区域图像的号码识别结果进行匹配，确定当前车辆在停车场的停留时间，并根据所述停留时间确定停车费用。

优选的，所述入口摄像装置还用于在判定所述入口区域图像中存在车辆时，通过深度神经网络对所述入口区域图像进行车牌类型的识别，得到类别识别结果，并发送至所述管理服务器；

所述出口摄像装置还用于在判定所述出口区域图像中存在车辆时，通过深度神经网络对所述出口区域图像进行车牌类型的识别，得到类别识别结果，并发送至所述管理服务器。

优选的，还包括：入口信号装置和出口信号装置；

所述管理服务器还用于在所述入口区域图像的分类结果为车头时，生成启动指令，并发送至所述出口信号装置；在所述出口区域图像的分类结果为车头时，生成启动指令，并发送至所述入口信号装置；

所述入口信号装置和所述出口信号装置用于根据所述启动指令，显示预设放行信号。

优选的，所述入口信号装置和所述出口信号装置均为信号灯，所述入口信号装置和所述出口信号装置用于根据所述启动指令，将显示颜色从默认的第一颜色切换为第二颜色。

优选的，还包括雷达装置，所述雷达装置用于检测出入区域是否存在车辆，得到检测结果；在所述检测结果为不存在车辆时，生成落杆指令，并发送至所述闸机控制装置；

所述闸机控制装置用于根据所述落杆指令控制所述栏杆落下。

第二方面，本申请提供了一种停车场出入控制方法，包括：

对入口区域进行图像采集，得到入口区域图像；通过对所述入口区域图像进行目标检测，判断所述入口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述入口区域图像进行车头或车尾的二分类，得到分类结果；

对出口区域进行图像采集，得到出口区域图像；通过对所述出口区域图像进行目标检测，判断所述出口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述出口区域图像进行车头或车尾的二分类，得到分类结果；

在所述入口区域图像的分类结果为车头或者所述出口区域图像的分类结果为车头时，控制栏杆抬起。

本申请所提供的一种停车场出入控制系统，包括：入口摄像装置、出口摄像装置、管理服务器、闸机控制装置；其中入口摄像装置和出口摄像装置分别用于对入口区域和出口区域进行图像采集，并通过对图像进行目标检测，判断图像中是否存在车辆；若存在，则通过深度神经网络对图像进行车头或车尾的二分类，得到分类结果；管理服务器用于在入口区域图像的分类结果为车头或者出口区域图像的分类结果为车头时，生成抬杆指令，并发送至闸机控制装置，从而通过闸机控制装置控制栏杆抬起。

可见，该系统利用目标检测替代传统的线圈检测来捕获目标，避免行人、非机动车干扰导致的无效抓拍，通过深度神经网络有效判断车辆行驶方向，适用于混进混出的单车道场景，无需使用线圈，避免了线圈感应的不稳定性，节省了线圈成本。

此外，本申请还提供了一种停车场出入控制方法，其技术效果与上述系统的技术效果相对应，这里不再赘述。

附图说明

为了更清楚的说明本申请实施例或现有技术的技术方案，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的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请所提供的一种停车场出入控制系统实施例的系统组成示意图；

图2为本申请所提供的一种停车场出入控制系统实施例的是否抬杆的判断逻辑示意图；

图3为本申请所提供的一种停车场出入控制方法实施例的实现流程图。

具体实施方式

本申请的核心是提供一种停车场出入控制系统及方法，分别在停车场出口方向和入口方向设置摄像装置，并利用深度神经网络实现车辆检测，判断车辆行驶方向，提升了出入控制的可靠性，降低了成本。

为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

下面对本申请提供的一种停车场出入控制系统实施例进行介绍，参见图1，该系统包括：入口摄像装置、出口摄像装置、管理服务器、闸机控制装置，下面分别各个系统组成进行介绍。

本实施例在停车场出入口分别设置有入口摄像装置和出口摄像装置，其中入口摄像装置用于抓拍进入方向的车辆，出口摄像装置用于抓拍出去方向的车辆。

其中，入口摄像装置用于对入口区域进行图像采集，得到入口区域图像；通过对入口区域图像进行目标检测，判断入口区域图像中是否存在车辆；若存在，则通过深度神经网络对入口区域图像进行车头或车尾的二分类，得到分类结果，并发送至管理服务器。

此外，入口摄像装置还可用于在判定入口区域图像中存在车辆之后，通过深度神经网络对入口区域图像进行车牌号的识别，得到号码识别结果，并发送至管理服务器。

实际应用中，入口摄像装置还可以用于在判定入口区域图像中存在车辆之后，通过深度神经网络对入口区域图像进行车牌类型的识别，得到类别识别结果，并发送至管理服务器。

相应的，出口摄像装置用于对出口区域进行图像采集，得到出口区域图像；通过对出口区域图像进行目标检测，判断出口区域图像中是否存在车辆；若存在，则通过深度神经网络对出口区域图像进行车头或车尾的二分类，得到分类结果，并发送至管理服务器。

此外，出口摄像装置还用于在判定出口区域图像中存在车辆之后，通过深度神经网络对出口区域图像进行车牌号的识别，得到号码识别结果，并发送至管理服务器。

实际应用中，出口摄像装置还用于在判定出口区域图像中存在车辆之后，通过深度神经网络对出口区域图像进行车牌类型的识别，得到类别识别结果，并发送至管理服务器。

本实施例中，管理服务器用于在入口区域图像的分类结果为车头或者出口区域图像的分类结果为车头时，生成抬杆指令，并发送至闸机控制装置；闸机控制装置用于根据抬杆指令，控制栏杆抬起。

上述仅根据车头车尾分类结果判断是否抬杆的逻辑适用于理想情况下，比如默认车辆均正向行驶，且默认车辆均完整经过出口侧和入口侧。而在实际应用中，可能存在特殊情况，例如车辆倒车，车辆驶向栏杆后并没有穿过出入口，而是原路返回。因此，为保证可靠性，可以对是否抬杆的判断逻辑做进一步细化。例如，管理服务器用于在入口区域图像的分类结果为车头且在最近的预设时间内未接收到与该入口区域图像的号码识别结果相同的号码识别结果时，或者，在出口区域图像的分类结果为车头且在最近的预设时间内未接收到与该出口区域图像的号码识别结果相同的号码识别结果时，生成抬杆指令。

也就是说，本实施例将车辆分别经过入口侧和出口侧(不分先后)认为是一个完整的事件。在一个完整的事件中，假设入口摄像装置首先采集到目标车辆的图像，通过深度神经网络确定其分类结果和号码识别结果，并发送至管理服务器。然后管理服务器根据接收到的信息和是否抬杆的判断逻辑，执行以下步骤，如图2所示：

首先判断在最近的预设时间内是否接收到与当前图像的号码识别结果相同的号码识别结果；如果未接收到，则进一步判断当前图像的分类结果是否为车头；若是车头，则确认当前情形为表1所示的情形2，确认需要抬杆，生成抬杆指令，创建车辆进入事件，并在预设时间内等待接收出口摄像装置发送信息。在接收到出口摄像装置发送的分类结果和号码识别结果之后，管理服务器首先判断该号码识别结果是否与车辆进入事件中的号码识别结果相同；若相同，则进一步判断该分类结果是否为车尾；若是，则确认当前情形为表1所示的情形3，表明目标车辆即将离开出入口区域，确定车辆进入事件结束。

可以理解的是，上述对分类结果的判断过程和上述对号码识别结果的判断过程的执行顺序可以进行调整，先执行哪个判断过程甚至同时执行两个判断过程均不影响本实施例的实现。

如表1所示，在实际应用中，除了情形2和情形3之外，还可能存在其他两种情形，对这四种情形的处理逻辑如表1所示：

表1

最后，管理服务器还用于在出口区域图像的分类结果为车头时，通过在数据库中对所述出口区域图像的号码识别结果进行匹配，确定当前车辆在停车场的停留时间，并根据停留时间确定停车费用。

如图1所示，本实施例的停车场出入控制系统还可以进一步包括：入口信号装置和出口信号装置。具体的，管理服务器用于在入口区域图像的分类结果为车头时，生成启动指令，并发送至出口信号装置；在出口区域图像的分类结果为车头时，生成启动指令，并发送至入口信号装置。入口信号装置和出口信号装置用于根据启动指令，显示预设放行信号。

作为一种具体的实施方式，入口信号装置和出口信号装置均为信号灯，入口信号装置和出口信号装置用于根据启动指令，将显示颜色从默认的第一颜色切换为第二颜色，例如，从绿色切换为红色。

本实施例的停车场出入控制系统还可以进一步包括雷达装置，该雷达装置用于检测出入区域是否存在车辆，得到检测结果；在检测结果为不存在车辆时，生成落杆指令，并发送至闸机控制装置；闸机控制装置用于根据落杆指令控制栏杆落下，从而避免栏杆砸到车辆，提升控制过程的安全性和可靠性。

下面以具体应用为例，对本实施例的停车场出入控制系统的工作过程进行详尽说明。

具体的，选用两台相机作为出入口摄像装置，相机A用于抓拍进入方向的车辆，相机B用于抓拍出去方向的车辆。选用信号灯作为出入口信号装置，分别记为入口信号灯和出口信号灯，其中入口信号灯用于提示入口方向的车辆通行，出口信号灯用于提示出口方向的车辆通行。

首先对信号灯的初始逻辑进行介绍。当相机A和相机B都没有检测到车辆时，入口信号灯和出口信号灯都常亮绿灯；当相机A先检测到车头目标时，入口信号灯常亮绿灯，出口信号灯由常亮绿灯变为常亮红灯，此时入口方向车辆正常通行，出口方向车辆靠边等待通行；当相机B先检测到车头目标时，出口信号灯常亮绿灯，入口信号灯由常亮绿灯变为常亮红灯，此时出口方向车辆正常通行，入口方向车辆靠边等待通行。

下面介绍入口方向车辆处理流程：

(11)当车辆C由入口方向进入时，相机A先检测到车辆目标，通过深度神经网络判断当前目标为车头，并识别出相应的车牌号码和车牌种类；

(12)管理服务器将车牌号码以及相关信息保存到数据库，发送指令到闸机控制单元和出口信号灯，闸机控制单元抬杆放行，出口信号灯由绿灯变为红灯；

(13)此时入口方向车辆正常通行，出口方向车辆须靠边等待通行；

(14)防砸雷达照射位置判断车辆是否完整通过，车辆离开雷达照射位置前，持续给出过车信号，直到检测到车辆通过，给出无车信号，抬杆落下并准备下次触发抓拍；

(15)车辆C通过闸机后，相机B检测到车辆目标，通过深度神经网络判断当前目标为车尾，并识别出相应的车牌号码和车牌种类；

(16)管理服务器接收相机B的识别结果并与相机A的识别结果进行校验，判断车辆进入事件是否完整结束。当相机B与相机A识别的车牌号码相同时，无论相机B判断目标是否为车尾，闸机控制单元都不抬杆，确定车辆进入事件完整结束，此时出口信号灯由红灯变为绿灯。具体的处理逻辑如表2所示：

表2

需要说明的是，当前车牌捕获识别率实测超过99.9％，若半小时内A和B识别的比对结果只有一位不同，默认两者结果一致。

(17)此时入口辆车通行完毕，后续通行仍以相机A、B车头检测信号上报先后顺序决定；

(18)当相机B识别结果为挂车车牌号码时，则不进行车牌号校验，默认为车尾。

下面开始介绍出口方向车辆处理流程：

(21)当车辆C由出口方向离开时，相机B检测到车辆目标，通过深度神经网络判断当前目标为车头，并识别出相应的车牌号码和车牌类型；

(22)管理服务器将车牌号码以及相关信息保存到数据库，发送指令控制入口信号灯由绿色变为红色，同时根据车牌号进行匹配查询计算车辆滞留时间并进行后台扣费；

(23)扣费完成后，管理服务器发送指令到闸机控制单元，闸机控制装置抬杆放行；

(24)此时出口方向车辆正常通行，入口方向车辆须靠边等待通行；

(25)防砸雷达照射位置判断车辆是否完整通过，车辆离开雷达照射位置前，持续给出过车信号，直到检测到车辆通过，给出无车信号，抬杆落下并准备下次触发抓拍；

(26)车辆C通过闸机后，相机A检测到车辆目标，通过深度神经网络判断出当前目标为车尾，并识别出相应车牌号码和车牌种类。

(27)管理服务器接收相机A的识别结果并与相机B的识别结果进行校验，判断车辆驶出事件是否完整结束。当相机A与相机B识别的车牌号码相同时，无论相机A判断目标是否为车尾，闸机控制单元都不抬杆，此时入口信号灯由红灯变为绿灯。具体的处理逻辑如表3所示：

表3

(28)此时出口第一辆车通行完毕，后续通行仍以相机A、B车头检测信号上报先后顺序决定；

(29)当相机A识别结果为挂车车牌号码时，则不进行车牌号校验，默认为车尾。

上述判断车辆目标类别的深度神经网络主要有两部分，第一部分backbone使用带有组卷积和深度卷积的卷积网络提取特征，并从通道数、网络分支等方面对网络性能进行了优化；第二部分使用SSD在特征图上做目标检测，得到目标的类别和坐标。考虑到分类网络存在准确率瓶颈，在实际应用中会结合车牌识别结果对车头车尾进行二次校验，保证过车通行效率，达到无人值守自动收费的目的。

本实施例所提供的一种停车场出入控制系统，通过视频检测替代传统的线圈检测来捕获目标，利用深度神经网络有效筛选出目标类别，避免行人、非机动车干扰导致的无效抓拍；通过相机联动和信号灯引导，可以有效的减少由于单车道环境带来的交通堵塞风险，保证过车通行效率，达到无人值守自动收费的目的；另外，由于视频检测替代了线圈的使用，规避了线圈使用的不稳定性，从施工到后期维护都减少了成本，提高了工程易用性。

可见，针对出入口混进混出方案的不足和技术痛点，本实施例提供了的基于深度学习算法的混进混出无人值守方案，利用管理服务器通过双相机联动匹配车辆分类结果和车牌识别结果，判断出行驶方向，进而控制和闸机控制装置和信号灯，实现单车道双向通行。不仅可以有效地解决出入口车辆混进混出的问题，提高停车场无人值守方案的普及度，更突破性的使用深度神经网络对车辆目标进行筛选，从技术上实现了出入口单车道双向通行的完整性。

下面对本申请实施例提供的一种停车场出入控制方法进行介绍，下文描述的一种停车场出入控制方法与上文描述的一种停车场出入控制系统可相互对应参照。

如图3所示，本实施例的停车场出入控制方法，包括：

S301、对入口区域进行图像采集，得到入口区域图像；通过对所述入口区域图像进行目标检测，判断所述入口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述入口区域图像进行车头或车尾的二分类，得到分类结果；

S302、对出口区域进行图像采集，得到出口区域图像；通过对所述出口区域图像进行目标检测，判断所述出口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述出口区域图像进行车头或车尾的二分类，得到分类结果；

S303、在所述入口区域图像的分类结果为车头或者所述出口区域图像的分类结果为车头时，控制栏杆抬起。

本实施例的停车场出入控制方法基于前述停车场出入控制系统实现，因此该方法的具体实施方式可见前文中的停车场出入控制系统的实施例部分，且其作用与上述系统的作用相对应，这里不再赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种停车场出入控制系统，其特征在于，包括：

入口摄像装置、出口摄像装置、管理服务器、闸机控制装置；

其中，所述入口摄像装置用于对入口区域进行图像采集，得到入口区域图像；通过对所述入口区域图像进行目标检测，判断所述入口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述入口区域图像进行车头或车尾的二分类，得到分类结果，并发送至所述管理服务器；

所述出口摄像装置用于对出口区域进行图像采集，得到出口区域图像；通过对所述出口区域图像进行目标检测，判断所述出口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述出口区域图像进行车头或车尾的二分类，得到分类结果，并发送至所述管理服务器；

所述管理服务器用于在所述入口区域图像的分类结果为车头或者所述出口区域图像的分类结果为车头时，生成抬杆指令，并发送至所述闸机控制装置；

所述闸机控制装置用于根据所述抬杆指令，控制栏杆抬起。

2.如权利要求1所述的系统，其特征在于，所述入口摄像装置还用于在判定所述入口区域图像中存在车辆时，通过深度神经网络对所述入口区域图像进行车牌号的识别，得到号码识别结果，并发送至所述管理服务器；

所述出口摄像装置还用于在判定所述出口区域图像中存在车辆时，通过深度神经网络对所述出口区域图像进行车牌号的识别，得到号码识别结果，并发送至所述管理服务器；

所述管理服务器用于在所述入口区域图像的分类结果为车头且在最近的预设时间内未接收到与所述入口区域图像的号码识别结果相同的号码识别结果时，或者，在所述出口区域图像的分类结果为车头且在最近的预设时间内未接收到与所述出口区域图像的号码识别结果相同的号码识别结果时，生成抬杆指令。

3.如权利要求2所述的系统，其特征在于，所述管理服务器用于：

在接收到所述入口区域图像的分类结果和号码识别结果之后，判断在最近的预设时间内是否接收到与所述入口区域图像的号码识别结果相同的号码识别结果；

若未接收到，则判断所述入口区域图像的分类结果是否为车头；

若是车头，则创建车辆进入事件，生成抬杆指令，并在预设时间内等待接收出口区域图像的分类结果和号码识别结果；

在接收到所述出口区域图像的分类结果和号码识别结果之后，判断所述出口区域图像的号码识别结果是否与所述车辆进入事件中的号码识别结果相同；

若相同，则确定所述车辆进入事件结束；

若不同，则判断所述出口区域图像的分类结果是否为车头；

若不是车头，则确定所述车辆进入事件结束。

4.如权利要求2所述的系统，其特征在于，所述管理服务器还用于：

在所述出口区域图像的分类结果为车头时，通过在数据库中对所述出口区域图像的号码识别结果进行匹配，确定当前车辆在停车场的停留时间，并根据所述停留时间确定停车费用。

5.如权利要求2所述系统，其特征在于，所述入口摄像装置还用于在判定所述入口区域图像中存在车辆时，通过深度神经网络对所述入口区域图像进行车牌类型的识别，得到类别识别结果，并发送至所述管理服务器；

所述出口摄像装置还用于在判定所述出口区域图像中存在车辆时，通过深度神经网络对所述出口区域图像进行车牌类型的识别，得到类别识别结果，并发送至所述管理服务器。

6.如权利要求1所述的系统，其特征在于，还包括：入口信号装置和出口信号装置；

所述管理服务器还用于在所述入口区域图像的分类结果为车头时，生成启动指令，并发送至所述出口信号装置；在所述出口区域图像的分类结果为车头时，生成启动指令，并发送至所述入口信号装置；

所述入口信号装置和所述出口信号装置用于根据所述启动指令，显示预设放行信号。

7.如权利要求6所述的系统，其特征在于，所述入口信号装置和所述出口信号装置均为信号灯，所述入口信号装置和所述出口信号装置用于根据所述启动指令，将显示颜色从默认的第一颜色切换为第二颜色。

8.如权利要求1-7任意一项所述的系统，其特征在于，还包括雷达装置，所述雷达装置用于检测出入区域是否存在车辆，得到检测结果；在所述检测结果为不存在车辆时，生成落杆指令，并发送至所述闸机控制装置；

所述闸机控制装置用于根据所述落杆指令控制所述栏杆落下。

9.一种停车场出入控制方法，其特征在于，包括：

对入口区域进行图像采集，得到入口区域图像；通过对所述入口区域图像进行目标检测，判断所述入口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述入口区域图像进行车头或车尾的二分类，得到分类结果；

对出口区域进行图像采集，得到出口区域图像；通过对所述出口区域图像进行目标检测，判断所述出口区域图像中是否存在车辆；若存在，则通过深度神经网络对所述出口区域图像进行车头或车尾的二分类，得到分类结果；

在所述入口区域图像的分类结果为车头或者所述出口区域图像的分类结果为车头时，控制栏杆抬起。

Images