CN111784857A

CN111784857A - 一种停车位管理方法、装置以及计算机存储介质

Info

Publication number: CN111784857A
Application number: CN202010574210.7A
Authority: CN
Inventors: 程博
Original assignee: Zhejiang Dahua Technology Co Ltd
Current assignee: Zhejiang Dahua Technology Co Ltd
Priority date: 2020-06-22
Filing date: 2020-06-22
Publication date: 2020-10-16

Abstract

本申请公开了一种停车位管理方法、装置以及计算机存储介质，该停车位管理方法包括：将第一输入图像输入目标检测器，获取目标检测器输出的第一目标车辆框；当第一目标车辆框位于与车位区域重合时，记录目标车辆驶入时间；从停车场监控视频获取连续多帧图像作为第二输入图像；将第二输入图像输入所述目标检测器，获取目标检测器输出的第二目标车辆框；当第二目标车辆框位于与车位区域不重合时，记录目标车辆驶出时间；根据目标车辆驶入时间和目标车辆驶出时间的差值计算目标车辆的停车费。通过上述方法，本申请通过设置合适的判定车辆驶入、驶出车位的条件，提升驶入、驶出事件的判断的准确率，进而实现停车位智能化管理。

Description

一种停车位管理方法、装置以及计算机存储介质

技术领域

本申请涉及智能视频图像监控技术领域，特别是涉及一种停车位管理方法、装置以及计算机存储介质。

背景技术

随着我国汽车保有量的快速增长，城市道路交通承受的压力日趋严重，停车问题引起了人们的普遍关注。目前，侧方停车(路边停车)是缓解城市停车位匮乏的重要措施之一。

但是，目前市场上常用的路侧停车位管理方案，均存在一定的问题：

1.纯人工收费：会出现收费不及时、逃费、收费员私自收费不上交的问题，收费员容易与车主产生纠纷不好处理，人力成本也很高。

2.地磁感应：由地磁感应到车辆后，通知收费人员进行收费，同样存在逃费、纠纷问题，人力成本也很高。

3.使用摄像机进行路边停车位的管理，抓拍车辆的驶入驶出事件并识别车牌，但受限于场景较复杂，车位中的车辆前后遮挡严重且驶入驶出过程中车辆的行为复杂，存在一定的漏报以及误报，导致仍然需要人工介入。

发明内容

本申请提供一种停车位管理方法、装置以及计算机存储介质，以解决现有技术无法实现停车位智能管理的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种停车位管理方法，所述停车位管理方法包括：

载入停车场监控视频，并从所述停车场监控视频获取连续多帧图像作为第一输入图像；

将所述第一输入图像输入目标检测器，获取所述目标检测器输出的第一目标车辆框；

当所述第一目标车辆框位于与车位区域重合时，记录目标车辆驶入时间；

从所述停车场监控视频获取连续多帧图像作为第二输入图像；

将所述第二输入图像输入所述目标检测器，获取所述目标检测器输出的第二目标车辆框；

当所述第二目标车辆框位于与车位区域不重合时，记录目标车辆驶出时间；

根据所述目标车辆驶入时间和所述目标车辆驶出时间的差值计算所述目标车辆的停车费。

其中，所述停车位管理方法还包括：

将所述第一输入图像输入所述目标检测器，获取所述目标检测器输出的所述第一目标车辆框和所述目标车辆的第一车牌信息；

将所述第二输入图像输入所述目标检测器，获取所述目标检测器输出的第二目标车辆框和所述目标车辆的第二车牌信息；

所述第一车牌信息和所述第二车牌信息中任一个为有效车牌信息，则根据所述目标车辆驶入时间和目标车辆驶出时间的差值计算所述目标车辆的停车费。

其中，所述第一车牌信息和所述第二车牌信息中任一个为有效车牌信息，则根据所述目标车辆驶入时间和目标车辆驶出时间的差值计算所述目标车辆的停车费的步骤，包括：

将所述第一车牌信息和所述第二车牌信息分别通过车牌分类模型判断是否为遮挡车牌；

所述第一车牌信息和所述第二车牌信息中任一个为有效车牌信息且所述有效车牌信息对应的车牌为非遮挡车牌，则根据所述目标车辆驶入时间和目标车辆驶出时间的差值计算所述目标车辆的停车费。

其中，所述根据所述目标车辆驶入时间和目标车辆驶出时间的差值计算所述目标车辆的停车费的步骤之后，所述停车位管理方法还包括：

基于所述有效车牌信息将所述目标车辆的停车费上报至缴费平台，以使所述缴费平台根据所述有效车牌信息向所述目标车辆发送缴费通知。

其中，所述当所述第一目标车辆框位于与车位区域重合时，记录目标车辆驶入时间的步骤，包括：

当所述第一目标车辆框的1/3区域处于所述车位区域中时，记录目标车辆驶入时间。

其中，所述从所述停车场监控视频获取连续多帧图像作为第一输入图像的步骤之后，所述停车位管理方法还包括：

基于所述目标检测器对所述第一输入图像进行图像尺寸缩放处理和颜色空间转化处理。

其中，所述停车位管理方法还包括：

获取目标检测器模型；

将若干训练图像输入所述目标检测器模型进行训练，其中，所述若干训练图像已标注车辆真实框；

控制所述目标检测器模型在所述若干训练图像上生成车辆预测框；

基于所述车辆真实框和所述车辆预测框的位置计算所述目标检测器模型的损失函数；

基于所述损失函数再次生成车辆预测框，迭代直至所述损失函数满足预设要求。

其中，所述基于所述车辆真实框和所述车辆预测框的位置计算所述目标检测器模型的损失函数的步骤，包括：

计算第一车辆真实框与对应的第一车辆预测框所产生的第一损失值；

计算第二车辆真实框与所述第一车辆真实框对应的第一车辆预测框所产生的第二损失值；

计算所述第一车辆真实框对应的第一车辆预测框与所述第二车辆真实框对应的第二车辆预测框所产生的第三损失值；

将所述第一损失值、所述第二损失值、所述第三损失值组合得到所述损失函数。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种停车位管理装置，所述停车位管理装置包括处理器和存储器；所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现如上述停车位管理方法的步骤。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机存储介质，其中，计算机存储介质存储有计算机程序，计算机程序被执行时实现上述停车位管理方法的步骤。

区别于现有技术，本申请的有益效果在于：停车位管理装置载入停车场监控视频，并从停车场监控视频获取连续多帧图像作为第一输入图像；将第一输入图像输入目标检测器，获取目标检测器输出的第一目标车辆框；当第一目标车辆框位于与车位区域重合时，记录目标车辆驶入时间；从停车场监控视频获取连续多帧图像作为第二输入图像；将第二输入图像输入目标检测器，获取目标检测器输出的第二目标车辆框；当第二目标车辆框位于与车位区域不重合时，记录目标车辆驶出时间；根据目标车辆驶入时间和目标车辆驶出时间的差值计算目标车辆的停车费。通过上述方法，本申请通过设置合适的判定车辆驶入、驶出车位的条件，提升驶入、驶出事件的判断的准确率，进而实现停车位智能化管理。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，对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是本申请提供的停车位管理方法第一实施例的流程示意图；

图2是本申请提供的停车位管理方法第二实施例的流程示意图；

图3是本申请提供的车牌被遮挡情况的示意图；

图4是本申请提供的停车位管理方法第三实施例的流程示意图；

图5是本申请提供的密集遮挡情况的示意图；

图6是本申请提供的预测框和真实框位置关系的示意图；

图7是本申请提供的停车位管理装置一实施例的结构示意图；

图8是本申请提供的计算机存储介质一实施例的结构示意图。

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，所描述的实施例仅是本发明的一部分实施例，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。

为解决现有技术无法实现停车位智能管理的问题，本申请提出一种停车位管理方法，通过设置合适的判定车辆驶入、驶出车位的条件，提升驶入、驶出事件的判断的准确率，进而实现停车位智能化管理。

具体请参阅图1，图1是本申请提供的停车位管理方法第一实施例的流程示意图。本申请的停车位管理方法应用于一种停车位管理装置，其中，本申请的停车位管理装置可以为服务器，也可以为终端设备，还可以为由服务器和终端设备相互配合的系统。相应地，停车位管理装置包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。

需要注意的是，在以下停车位管理方法实施例的描述中，统一以管理装置作为执行主体。

如图1所示，本实施例的停车位管理方法具体包括以下步骤：

S101：载入停车场监控视频，并从停车场监控视频获取连续多帧图像作为第一输入图像。

其中，管理装置上搭载有一种CCD摄像头，如枪机。工作人员可以预先调整枪机的安装位置，保证路侧停车位针对枪机。枪机的立杆高度约6米，与最近监控的停车位纵向距离约8米-10米，且保证摄像头监控画面至少覆盖4-6个停车位，从而避免摄像头距离停车位过近导致的车辆检测以及车牌检测识别效果下降的问题。

管理装置连接监控摄像头，并载入监控摄像头拍摄的停车场监控视频。其中，管理装置从停车场监控视频截取当前帧作为第一输入图像。需要注意的是，这里的第一输入图像并非特指某一帧的输入图像，而是指管理装置持续获取连接多帧图像，并可以从其中一帧图像中监测到目标车辆驶入停车位事件。

由于需要将第一输入图像输入目标检测器，管理装置在输入目标检测器之前，还需要对第一输入图像进行预处理。具体地，管理装置可以基于目标检测器对第一输入图像进行图像尺寸缩放处理和颜色空间转化处理。例如，目标检测器对检测样本的尺寸要求是20*20，颜色空间格式是RGB。管理装置将第一输入图像的尺寸缩放为20*20，且将YUV颜色空间转换为RGB颜色空间，以适应目标检测器的检测要求。

S102：将第一输入图像输入目标检测器，获取目标检测器输出的第一目标车辆框。

其中，本申请采用的目标检测器为当前较优的目标检测器，如faster-rcnn、yolov3等；本申请还可以在当前目标检测器的基础上，对目标检测器的损失函数进行改进。

其中，管理装置将第一输入图像输入目标检测器，并获取目标检测器输出的第一目标车辆框以及目标车辆的第一车牌信息。

具体地，目标检测器对第一输入图像中的车辆进行标定，标定信息包括(x₁,y₁)，(x₂,y₂)，class。其中，(x₁,y₁)，(x₂,y₂)为第一目标车辆框的左上角坐标和右下角坐标，class为目标车辆类别。

管理装置将第一目标车辆框和第一车牌信息进行关联，形成车辆跟踪信息。若第一车牌信息为无牌信息或车牌被遮挡，则输出无识别结果，第一目标车辆框可以与无识别结果的第一车辆信息，即空进行关联。

S103：当第一目标车辆框位于与车位区域重合时，记录目标车辆驶入时间。

其中，管理装置预先标定停车位的车位边缘线，停车位的车位边缘线互相连接形成车位区域。管理装置比较目标车辆框和停车位的车位边缘线的位置，当第一目标车辆框与停车位的车位边缘线重合时，判定目标车辆将驶入停车位。

当第一目标车辆框的中心下1/3区域处于车位区域中，即第一目标车辆框与车位区域的重合度达到1/3，且持续时间超过2秒，则管理装置判定目标车辆停入车位。此时管理装置将目标车辆、车牌信息以及停车位信息进行绑定，停车位状态记录为有车，并记录目标车辆驶入时间，作为计费起始点。

其中，持续时间超过2秒是指，管理装置判定目标车辆将驶入停车位后，持续监测随后2秒内中目标车辆是否有驶出停车位的行为，若没有，则判定目标车辆停入车位。

S104：从停车场监控视频获取连续多帧图像作为第二输入图像。

其中，步骤104与步骤101基本相同，在此不再赘述。

S105：将第二输入图像输入所述目标检测器，获取目标检测器输出的第二目标车辆框。

其中，管理装置将目标车辆、第一目标车辆框、第二目标车辆框、第一车牌信息以及第二车牌信息进行关联。此时，若第一车牌信息和第二车牌信息其中一个为无识别结果，另一个为有识别结果，则第一车牌信息和第二车牌信息同步为有识别结果。

具体地，当出现以下情况时，管理装置可以发送异常提醒给管理人员，通知管理人员人工介入处理：

(1)第一车牌信息和第二车牌信息均为无识别结果。

(2)第一车牌信息和第二车牌信息均为有识别结果，但第一车牌信息的有识别结果和第二车牌信息的有识别结果存在差异。

S106：当第二目标车辆框位于与车位区域不重合时，记录目标车辆驶出时间。

其中，当第二目标车辆框的中心下1/3区域处于车位区域中，即第一目标车辆框与车位区域的重合度小于1/3，且持续时间超过1秒，则管理装置判定目标车辆驶出车位。此时管理装置将停车位状态记录为无车，并记录目标车辆驶出时间，作为计费停止点。

其中，持续时间超过1秒是指，管理装置判定目标车辆驶出停车位后，持续监测随后1秒内中目标车辆是否有重新驶入停车位的行为，若没有，则判定目标车辆驶出车位。

S107：根据目标车辆驶入时间和目标车辆驶出时间的差值计算目标车辆的停车费。

其中，管理装置根据目标车辆关联的目标车辆驶入时间和目标车辆驶出时间的差值计算目标车辆应支付的停车费。除此之外，若停车场对不同车辆类别有不同的收费标准，如大货车收费标准比小轿车收费标准低，管理装置还可以引用步骤102识别的目标车辆类型作为计算停车费的参考因素。

在本实施例中，停车位管理装置载入停车场监控视频，并从停车场监控视频获取连续多帧图像作为第一输入图像；将第一输入图像输入目标检测器，获取目标检测器输出的第一目标车辆框；当第一目标车辆框位于与车位区域重合时，记录目标车辆驶入时间；从停车场监控视频获取连续多帧图像作为第二输入图像；将第二输入图像输入目标检测器，获取目标检测器输出的第二目标车辆框；当第二目标车辆框位于与车位区域不重合时，记录目标车辆驶出时间；根据目标车辆驶入时间和目标车辆驶出时间的差值计算目标车辆的停车费。通过上述方法，本申请通过设置合适的判定车辆驶入、驶出车位的条件，提升驶入、驶出事件的判断的准确率，进而实现停车位智能化管理。

基于上述实施例中的步骤107，本实施例提出了另一种具体的停车位管理方法，具体请参阅图2，图2是本申请提供的停车位管理方法第二实施例的流程示意图。

如图2所示，本实施例的停车位管理方法具体包括以下步骤：

S201：将第一车牌信息和第二车牌信息分别通过车牌分类模型判断是否为遮挡车牌。

其中，管理装置将第一车牌信息和第二车牌信息输入事先训练好的车牌分类模型，判断第一车牌信息和第二车牌信息中的车牌是否为遮挡车牌。若是，则将车牌信息标记为无识别结果；若否，则说明为正常车牌，将车牌信息标记为有效车牌信息。

具体地，本申请添加车牌分类模型，判断车位区域内的车牌是否被遮挡，对于遮挡车牌则不上报其车牌信息，以减少因车牌误报带来的一系列问题，下面进行详细说明。

如图3所示，相对于摄像头而言，近处停车位，车辆前后遮挡较少，但车牌会被遮挡一部分。如果使用基于深度学习的车牌检测、车牌识别模型，该车牌可能会被检测到，并识别浙B54001。但是，图3中车牌最后一位实际可能是J，倒数第二位、第三位字符可能是Q，也可能是0，造成识别结果与真实结果不相符。

而在以下几种情况下，遮挡车牌的误报可能会带来问题：

A、当停车位管理系统刚启动时，车辆已经在车位里面，且车牌部分遮挡，此时算法检测到车位有车、且有车牌结果，则会上报该车辆的驶入事件以及车牌信息，并将车位状态置为有车。但上报的车牌是错误的(车牌结果非真实车牌)，则该事件上报错误；更严重的问题是，当该车辆驶出时，也会抓拍到车牌(车牌识别结果为真实车牌)，但该车牌无法同之前上报的驶入事件中记录的车牌匹配上，因此驶出事件的上报也会出现问题。

使用车牌(是否遮挡)分类模型，该车牌判定为遮挡车牌，则不上报车牌信息，只上报车辆驶入事件，并将车位状态置为有车(即上报信息中无车牌信息，作为异常事件)；驶出时，抓拍到车牌，也不会因为其与驶入时的车牌不一致而出现问题。

B、车辆驶入车位之后，车牌被遮挡。此时，该车辆已上报驶入事件且有车牌结果，状态置为有车。当车牌被部分遮挡后，识别出错误的车牌(与真实车牌不一致)，同时，在一些道路环境较复杂的情况下，过车较多，可能会导致车位中的车辆被遮挡，其车辆ID会发生变化。此时，车位中出现了新ID的车辆(且车牌也是新的)。当这种情况出现时，会给车位状态以及驶入驶出事件的判断带来干扰，因此要加以规避。

使用车牌(是否遮挡)分类模型，车牌被判定为遮挡车牌，则该车位中新出现的ID的车辆会继承历史信息中的车牌信息，不会判定出现新的车辆。因此不会干扰驶入驶出事件以及车位状态的判断。

S202：第一车牌信息和第二车牌信息中任一个为有效车牌信息且有效车牌信息对应的车牌为非遮挡车牌，则根据目标车辆驶入时间和目标车辆驶出时间的差值计算目标车辆的停车费。

其中，当第一车牌信息和第二车牌信息中任一个为有效车牌信息且有效车牌信息对应的车牌为非遮挡车牌，则将非遮挡车牌的信息同步到第一车牌信息和第二车牌信息，并根据目标车辆驶入时间和目标车辆驶出时间的差值计算目标车辆的停车费。

S203：基于有效车牌信息将目标车辆的停车费上报至缴费平台，以使缴费平台根据有效车牌信息向目标车辆发送缴费通知。

其中，管理装置将目标停车相关信息上报至停车位管理平台，停车位管理平台与公众号、客户端进行绑定，从而实现自助式停车缴费，整个过程无需人工介入，实现停车位智能化管理。

对于上述实施例提及的目标检测器，本申请还提供的一种关于目标检测器的优化方法，具体请参阅图4，图4是本申请提供的停车位管理方法第三实施例的流程示意图。

如图4所示，本实施例的停车位管理方法具体包括以下步骤：

S301：获取目标检测器模型。

其中，管理装置载入现有的目标检测器模型。

S302：将若干训练图像输入目标检测器模型进行训练，其中，若干训练图像已标注车辆真实框。

S303：控制目标检测器模型在若干训练图像上生成车辆预测框。

S304：基于车辆真实框和车辆预测框的位置计算目标检测器模型的损失函数。

由于城市车辆保有量快速增加，停车位紧密相连，车位中停放的车辆通常较多，因此也带来了一个问题，车辆之间相互遮挡(这里我们称之为密集遮挡，如下图5所示)，严重影响车辆检测的效果，进而会导致车辆与车位之间匹配不准，误报或者漏报。

密集遮挡的主要影响表现在增加了车辆检测的难度。以图6为例，当目标B被目标A遮挡时，目标检测器很可能无法定位准确，从而本应该框定目标B的预测框偏向目标A，导致定位不准确。更严重的是，由于NMS(非极大值抑制)需要进一步处理预测结果，目标B的预测框偏向目标A，很有可能会被目标A的预测框抑制，进而造成目标B漏检。这样，目标B的车辆的驶入行为很可能出现误报或者漏报。

在当前最优的检测框架中，边界框回归技术常用来定位物体，其中回归器被训练用来缩小预测框和真实框之间的差距，预测框和真实框之间的差距可以通过一些距离度量进行测量，比如Smooth_L1或者IoU。尽管如此，现有方法只需要预测框接近其指定目标，并不考虑周遭的物体。在标准的边界框回归损失中，当预测框移向周围的物体时，对其并没有额外的惩罚。

针对当前检测框架的问题，本申请采用一种改进的损失函数，即exclude-loss，通过该损失函数的调整，每一个预测框不仅会靠近指定目标，同时还会远离其他真实框的目标以及其他目标的预测框。如图6所示，由于与周遭的非目标物体重叠，黄色预测框偏向A将受到额外的惩罚，因此可以有效防止预测框偏向相邻的重叠物体，提升检测其在密集遮挡场景下的鲁棒性。

具体地，exclude-loss损失函数计算方式如下：

L＝L_Attr+α*L_ExcGT+β*L_ExcBox

其中，L_Attr是吸引项，是预测框与其指定目标框所产生的损失值；L_ExcGT是排斥项，L_ExcGT是预测框与相邻目标框(非其指定目标框)所产生的损失值；L_ExcBox是排斥项，L_ExcBox是预测框与相邻预测框(二者对应的目标框不同)所产生的损失值；系数α和系数β为权重，以平衡各项损失值。在本实施例中，管理装置可以设置α＝0.5，β＝0.5。

进一步地，管理装置设置P＝(l_P,t_P,w_P,h_P)为预测框，G＝(l_G,t_G,w_G,h_G)为真实框，分别由他们的各点坐标及其宽度、高度表示。其中，p₊＝{P}是所有有效预测框的集合。预测框中和至少一个真实框有高IoU的被视为有效预测框，否则视为无效预测框。g₊＝{G}是一张输入图片中所有真实框的集合。

具体地，目标检测器沿用Smooth_L1构造吸引项L_Attr。给定一个预测框p∈p₊，把具有极大值IoU的真实框作为其指定目标：

B^p是回归自预测框p的预测框，由此吸引项损失可计算为：

排斥项L_ExcGT旨在使预测框收到相邻的非指定目标框的排斥。给定一个预测框p∈p₊，预测框的排斥真实框被定义为预测框除了其指定真实框外具有最大IoU的真实框

受到吸引项的启发，排斥项用来惩罚B^p和

之间的重叠：

从而排斥项L_ExcGT可以写为：

其中，

Smooth_ln是(0,1)区间内连续可导的平滑ln函数，σ∈[0,1)，是调整排斥损失对于异常值敏感性的平滑参数。由此可见，预测框越倾向于非目标真实框重叠，L_ExcGT边界框回归器的惩罚就越大，从而有效防止预测框移向相邻的非目标物体。

排斥项L_ExcBox的目的是使预测框远离相邻预测框(二者对应的目标框不同)。根据真实框将p₊分为不同的子集

由此，排斥项L_ExcBox可以写为：

其中，Π是恒定函数，ε是一个小的常量，用于保持分母不为0。

从上市可以看出，为了最小化L_ExcBox，不同指定目标的两个预测框之间的IoU也需要相应的变小，这意味着L_ExcBox可以降低NMS之后不同目标的预测框合并为一个的概率，使得检测器在密集场景中更加鲁棒。

S305：基于损失函数再次生成车辆预测框，迭代直至损失函数满足预设要求。

在本实施例中，本申请通过使用目标检测器改进后的损失函数(exclude-loss)，优化密集场景中，路边停车位车辆检测的效果、提高检测框的准确率，即使得检测框与目标框的IoU(交并比)尽可能大，以提升车辆驶入驶出停车位事件、以及车位状态判断的准确率。

为了实现上述实施例的停车位管理方法，本申请还提供了一种停车位管理装置，具体请参阅图7，图7是本申请提供的停车位管理装置一实施例的结构示意图。

如图7所示，本实施例的停车位管理装置700包括处理器71、存储器72、输入输出设备73以及总线74。

该处理器71、存储器72、输入输出设备73分别与总线74相连，该存储器72中存储有计算机程序，处理器71用于执行计算机程序以实现上述实施例的停车位管理方法。

在本实施例中，处理器71还可以称为CPU(Central Processing Unit，中央处理单元)。处理器71可能是一种集成电路芯片，具有信号的处理能力。处理器71还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。处理器71还可以是GPU(Graphics Processing Unit，图形处理器)，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器。GPU的用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。通用处理器可以是微处理器或者该处理器71也可以是任何常规的处理器等。

本申请还提供一种计算机存储介质，如图8所示，计算机存储介质800用于存储计算机程序81，计算机程序81在被处理器执行时，用以实现如本申请停车位管理方法实施例中所述的方法。

本申请停车位管理方法实施例中所涉及到的方法，在实现时以软件功能单元的形式存在并作为独立的产品销售或使用时，可以存储在设备中，例如一个计算机可读取存储介质。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims

1.一种停车位管理方法，其特征在于，所述停车位管理方法包括：

2.根据权利要求1所述的停车位管理方法，其特征在于，所述停车位管理方法还包括：

3.根据权利要求2所述的停车位管理方法，其特征在于，

所述第一车牌信息和所述第二车牌信息中任一个为有效车牌信息，则根据所述目标车辆驶入时间和目标车辆驶出时间的差值计算所述目标车辆的停车费的步骤，包括：

4.根据权利要求2所述的停车位管理方法，其特征在于，

所述根据所述目标车辆驶入时间和目标车辆驶出时间的差值计算所述目标车辆的停车费的步骤之后，所述停车位管理方法还包括：

5.根据权利要求1所述的停车位管理方法，其特征在于，

所述当所述第一目标车辆框位于与车位区域重合时，记录目标车辆驶入时间的步骤，包括：

6.根据权利要求1所述的停车位管理方法，其特征在于，

所述从所述停车场监控视频获取连续多帧图像作为第一输入图像的步骤之后，所述停车位管理方法还包括：

7.根据权利要求1所述的停车位管理方法，其特征在于，所述停车位管理方法还包括：

获取目标检测器模型；

8.根据权利要求7所述的停车位管理方法，其特征在于，

所述基于所述车辆真实框和所述车辆预测框的位置计算所述目标检测器模型的损失函数的步骤，包括：

9.一种停车位管理装置，其特征在于，所述停车位管理装置包括处理器和存储器；所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现如权利要求1～8中任一项所述停车位管理方法的步骤。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序被执行时实现如权利要求1～8中任一项所述停车位管理方法的步骤。