CN111915751B - 一种路侧停车收费方法、装置、设备和存储介质 - Google Patents

一种路侧停车收费方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111915751B
CN111915751B CN202010948699.XA CN202010948699A CN111915751B CN 111915751 B CN111915751 B CN 111915751B CN 202010948699 A CN202010948699 A CN 202010948699A CN 111915751 B CN111915751 B CN 111915751B
Authority
CN
China
Prior art keywords
license plate
parking
image
plate recognition
recognition result
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.)
Active
Application number
CN202010948699.XA
Other languages
English (en)
Other versions
CN111915751A (zh
Inventor
苏凤奇
彭云山
吴嘉辉
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.)
Guangzhou Dezhong Technology Co ltd
Original Assignee
Guangzhou Dezhong Technology Co ltd
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 Guangzhou Dezhong Technology Co ltd filed Critical Guangzhou Dezhong Technology Co ltd
Priority to CN202010948699.XA priority Critical patent/CN111915751B/zh
Publication of CN111915751A publication Critical patent/CN111915751A/zh
Application granted granted Critical
Publication of CN111915751B publication Critical patent/CN111915751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]

Abstract

本发明实施例公开了一种路侧停车收费方法、装置、终端设备和存储介质。将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，泊车过程图像包括泊入图像和/或泊出图像；对停车过程图像进行第二次车牌识别得到第二车牌识别结果；获取第一车牌识别结果和第二车牌识别结果中的交集车牌号；对交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；当车辆位置对比确认车辆位置变化小于设定阈值，根据交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将扣费信息发送到交集车牌号对应的ETC平台以发起扣费。每次发起扣费都是对应真实存在的泊车行为，对应泊车行为的收费实现了无感支付，并且收费依据准确可查。

Description

一种路侧停车收费方法、装置、设备和存储介质
技术领域
本发明实施例涉及智能交通技术领域，尤其涉及路侧停车收费方法、装置、终端设备和存储介质。
背景技术
随着社会经济不断发展，城市面临拥堵、车位不足等诸多交通方面的问题。为有序管理城市交通服务，并为交通服务提供维护资金，通常会在公共车位进行停车收费。
发明人对现有的公共车位停车收费进行调查发现，现有通过人力进行收费或基于车辆跟踪自动收费的方式，要么收费成本高且逃费现象多，要么收费不准确导致车主对收费抵触。
发明内容
本发明提供了一种路侧停车收费方法、装置、终端设备和存储介质，以解决现有路侧公共车位收费收费困难或收费不准的技术问题。
第一方面，本发明实施例提供了一种路侧停车收费方法，包括：
将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像；
对所述停车过程图像进行第二次车牌识别得到第二车牌识别结果；
获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号；
对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；
当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费。
在上述实施例的基础上，所述对所述停车过程图像进行第二次车牌识别得到第二车牌识别结果，包括：
对所述泊入图像进行第二次车牌识别得到泊入车牌识别结果；
对所述泊出图像进行第二次车牌识别得到泊出车牌识别结果；
根据所述泊入车牌识别结果和泊出车牌识别结果的交集生成第二车牌识别结果。
在上述实施例的基础上，所述方法，还包括：
对所述车单数据库中只有泊入图像或只有泊出图像的数据记录，输出数据缺失提醒。
在上述实施例的基础上，所述扣费信息包括所述泊车过程图像和图像采集时间。
在上述实施例的基础上，所述第一车牌识别结果和第二车牌识别结果的识别方式不同。
在上述实施例的基础上，所述泊车过程图像包括照片图像和视频图像。
第二方面，本发明实施例还提供了一种路侧停车收费装置，包括：
数据保存单元，用于将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像；
车牌识别单元，用于对所述停车过程图像进行第二次车牌识别得到第二车牌识别结果；
车牌融合单元，用于获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号；
位置比对单元，用于对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；
信息发送单元，用于当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费。
在上述实施例的基础上，所述车牌识别单元，包括：
泊入识别模块，用于对所述泊入图像进行第二次车牌识别得到泊入车牌识别结果；
泊出识别模块，用于对所述泊出图像进行第二次车牌识别得到泊出车牌识别结果；
结果融合模块，用于根据所述泊入车牌识别结果和泊出车牌识别结果的交集生成第二车牌识别结果。
在上述实施例的基础上，所述装置，还包括：
确实提醒单元，用于对所述车单数据库中只有泊入图像或只有泊出图像的数据记录，输出数据缺失提醒。
在上述实施例的基础上，所述扣费信息包括所述泊车过程图像和图像采集时间。
在上述实施例的基础上，所述第一车牌识别结果和第二车牌识别结果的识别方式不同。
在上述实施例的基础上，所述泊车过程图像包括照片图像和视频图像。
第三方面，本发明实施例还提供了一种终端设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的路侧停车收费方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的路侧停车收费方法。
上述路侧停车收费方法、装置、终端设备和存储介质，通过将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像；对所述停车过程图像进行第二次车牌识别得到第二车牌识别结果；获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号；对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费。可以保证每次发起扣费都是对应有真实存在的泊车行为，并且对应泊车行为的收费对用户实现了无感支付，收费依据准确可查。
附图说明
图1为本发明实施例一提供的一种路侧停车收费方法的流程图；
图2为本发明实施例二提供的一种路侧停车收费装置的结构示意图；
图3为本发明实施例三提供的一种终端设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
需要注意的是，由于篇幅所限，本申请说明书没有穷举所有可选的实施方式，本领域技术人员在阅读本申请说明书后，应该能够想到，只要技术特征不互相矛盾，那么技术特征的任意组合均可以构成可选的实施方式。
另外需要注意的是，本方案的实施形态也不是实施例一中记载的所有技术特征的集合，其中某些技术特征的描述是为了方案的优化实现，实施例一中记载的若干技术特征的组合如果可以实现本方案的设计初衷，其即可作为一种未独立的实施方式，当然也可以作为一种具体的产品形态。
下面对各实施例进行详细说明。
实施例一
图1为本发明实施例一提供的一种路侧停车收费方法的流程图。实施例中提供的路侧停车收费方法可以由用于评语生成的各种操作设备执行，该操作设备可以通过软件和/或硬件的方式实现，该操作设备可以是两个或多个物理实体构成，也可以是一个物理实体构成
具体的，参考图1，该路侧停车收费方法具体包括：
步骤S101：将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像。
现在市面针对路侧泊车的收费通常是两种方法，第一种是使用多年的人工收费；第二种是已经有较多公司都开发和使用的路侧泊车系统。现有的路侧泊车系统通常采用在路侧停车位附近装一个摄像头，用摄像头采集视频数据，通过对视频数据中的内容进行图像识别，完成对路侧停车位的车辆泊入泊出情况的监控，并生成对应的车单。然而，许多车单的准确率并不高，如果使用错误的车单进行收费，将面临顾客投诉、品牌下降等问题。因此，提升车单的准确率具有非常重要的意义。
在本方案中，不再执着于对车单相关数据的基础处理的准确率的提高，而是通过对已有车单相关数据的深度处理来获得更精准的有效车单。为便于后续的车单优化，步骤S101中在对采集到的视频数据进行处理得到的泊车过程图像包括照片图像和视频图像。通常而言，摄像头采集视频数据的同时有记录对应的时间信息，在对视频数据进行图像识别时，可以从视频数据中根据车辆状态生成一个记录有车辆的泊入状态或泊出状态的照片图像（通常是从视频数据中截图得到），并根据该照片图像对应的采集时刻，取前后若干秒（例如5秒、10秒）单独存为视频图像，即实现对泊入过程或泊出过程的动态记录。当然，在以上识别过程中同时还有对车牌号的识别，以实现对具体泊车车辆的泊车过程的记录以及对应扣费。具体对泊车行为（分为泊入行为和泊出行为）以及车牌号的识别，在现有技术中多有实现，在此不再赘述。
步骤S102：对所述停车过程图像进行第二次车牌识别得到第二车牌识别结果。
对已有停车过程图像进行第二次车牌识别主要是对照片图像进行图像识别得到车牌号码作为第二车牌识别结果。具体来说，首先要从停车过程图像中检测得到车牌位置。车牌位置使用Harr级联检测器，以Harr为检测特征，使用积分图对特征检测进行加速，并使用AdaBoost算法训练用于区分车牌与非车牌的强分类器，最后对强分类器进行级联，提高准确率。在具体对车牌识别时，针对车牌号码包含许多图像字符这一具体图像特征，可用卷积神经网络CNN提取图像特征，并使用门控循环单元GRU提取序列特征。对于循环神经网络，如果直接对输出使用softmax交叉熵损失函数，那么输入矩阵的每一列都对应一个字符元素，由于图片中字符之间存在空白区域，在训练时需要先把每张图片字符经过卷积网络处理后得到的特征图的位置找出来，并与该字符的标签对齐，这在实际情况中是比较难实现的。可以使用一种不需要对齐的损失函数计算方法Connectionist TemporalClassification(CTC)，该算法定义了空白blank符号，对于带空白区域的输入会得到带blank的输出，输出结果中相连且相同的字符需要合并，而字符间有blank则不合并。
为提高最终生成的车单的准确率，所述第一车牌识别结果和第二车牌识别结果的识别方式不同。通过两种不同的识别方式对同一目标进行识别，后续进行车牌号码的比对时，能够互相验证，避免两次均将车牌号A识别为车牌号B而导致生成错误车单，最终产生错误扣费。
具体来说，步骤S102进一步可以通过步骤S1021-S1023实现：
步骤S1021：对所述泊入图像进行第二次车牌识别得到泊入车牌识别结果。
步骤S1022：对所述泊出图像进行第二次车牌识别得到泊出车牌识别结果。
在具体实施过程中，考虑到一次完整的泊车过程有泊入行为和泊出行为组成，由此，将停车过程图像中的泊入图像和泊出图像分别进行识别，得到两个相对独立的车牌号码的集合。
步骤S1023：根据所述泊入车牌识别结果和泊出车牌识别结果的交集生成第二车牌识别结果。
假设有
Figure 197170DEST_PATH_IMAGE001
张泊入图像，
Figure 848732DEST_PATH_IMAGE002
张泊出图像,对
Figure 300573DEST_PATH_IMAGE001
张泊入图像识别得到的车牌数量为
Figure 430203DEST_PATH_IMAGE003
（其中，第
Figure 41313DEST_PATH_IMAGE004
张泊入图像里车牌数量为
Figure 598196DEST_PATH_IMAGE005
），
Figure 786601DEST_PATH_IMAGE002
张泊出图像识别得到的车牌数量为
Figure 719922DEST_PATH_IMAGE006
（其中，第
Figure 185538DEST_PATH_IMAGE004
张泊出图像里车牌数量为
Figure 913323DEST_PATH_IMAGE007
），则泊入图像中车牌总数为
Figure 339756DEST_PATH_IMAGE008
（|为取并集），泊出图像中车牌总数为
Figure 811188DEST_PATH_IMAGE009
，则同时存在于泊入泊出图像中的车牌集Q（即第二车牌识别结果）为
Figure 131311DEST_PATH_IMAGE010
（&为取交集）。
步骤S103：获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号。
基于步骤S1023中的识别结果，进一步判断车单数据中记录的第一车牌识别结果与第二次车牌识别得到的车牌集Q中的车牌交集，这一交集对应的车牌号可以初步确认为真实有效的车单。
在第一车牌识别结果和第二车牌识别结果的交集判断的基础上，本方案进一步还可以包括:
步骤S106：对所述车单数据库中只有泊入图像或只有泊出图像的数据记录，输出数据缺失提醒。
为提高对停车行为产生的停车费用的收取比例，对于因为技术原因而导致无法正常生成车单的泊车行为，主要是无法确认泊入时间或泊出时间的泊车行为，可以通过数据缺失提醒，便于后台进行人工查看对应视频数据，以确认泊入时间或泊出时间。
步骤S104：对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比。
步骤S105：当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费。
车辆在泊入泊出图片所停车位一致，可以从泊入泊出图片中获取车牌的位置，计算车牌集Q中的车牌在泊入泊出图片中的距离，通过设定一个阈值，当距离小于阈值，则认为车位位置信息一致。当车单满足车牌信息一致及车位位置信息一致时，该车单是可信的，反之是不可信的。当然，也可以是对整车的比较确认。
在具体生成扣费信息时，为便于用户核准自身扣费对应泊车行为详情，所述扣费信息包括所述泊车过程图像和图像采集时间。用户可以在查看ETC账单时确认访问具体的扣费信息。
因为城市车辆越来越多，公共车位紧张，具体行车状态越来越复杂，粗放的收费方式给用户带来不必要的负担，同时也会给相关管理方带来负面影响。基于本方案，可以针对各种停车情况进行准确的车单筛选，保证每一次路侧泊车收费的合理性。
例如，车牌号码为粤XXXXXX的车辆，每天通勤路线比较固定，某天早上上班因为堵车在正好停在某路侧车位，此次临时停车行为被识别记录为泊入行为，后续记录沿路侧前进若干车位后离开，该离开行为被识别记录为泊出行为，并由此生成车单，通过本方案，在车牌号和泊入泊出无误的情况下，根据位置的变化可以确认该车单无效。
例如，车牌号码为粤XXXXXX的车辆，每天通勤路线比较固定，某天早上上班因为堵车在正好停在某路侧车位，此次临时停车行为被识别记录为泊入行为，后续因车辆密集慢速前行，始终没有再次拍到其它照片，直到第二天早上拍摄到图像被识别记录为泊出行为，通过本方案，在车牌号和泊入泊出无误的情况下，根据位置的变化也可以确认该车单无效。
例如，车牌号码为粤XXXXXX的车辆，实际有泊车行为，并识别记录到对应的泊入行为，在后续离开时，正好因为有大车在附近经过遮挡摄像头导致无法产生泊出行为的识别记录。此时，即使该泊车行为应该实际产生收费，也因为无法通过系统判断实际收费多少而确认为车单无效。
又例如，因为大雾、大雨、车牌脏污等原因，导致车牌识别不能保证准确，此时即使能确认车辆的泊入时间和泊出时间，依然不能直接生成扣费信息通过ETC平台进行扣费。
在现有的路侧停车自动收费系统中，很多不确定或不可避免的因素可能会造成错单的产生，通过本方案，能够有效剔除错误车单，有效解决多收费错收费的问题，得到100%准确可靠的车单提供给ETC作收费依据。
客观而言，随着各城市机动车保有量大幅度增加，道路车辆间矛盾日益突出，从道路交通管理上来看，路边停车收费并非不可理解，但仍然存在抱着侥幸心理车主的逃费行为，造成路边泊车实收金额占应收金额比例低的现象。在具体收费管理上，不管通过路巡管理人员规范收费还是通过月卡年卡等活动鼓励收费，依然有相当比例的逃费行为。通过本方案，能够有效提高收费率，明显减少人力物理的浪费。尤其对于南方，免除了路巡暴雨高温暴晒的辛苦，对于北方，免除了干燥大风寒冷的辛苦。
上述，通过将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像；对所述停车过程图像进行第二次车牌识别得到第二车牌识别结果；获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号；对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费。可以保证每次发起扣费都是对应有真实存在的泊车行为，并且对应泊车行为的收费对用户实现了无感支付，收费依据准确可查。
实施例二
图2为本发明实施例二提供的一种路侧停车收费装置的结构示意图。参考图2，该路侧停车收费装置包括：数据保存单元210、车牌识别单元220、车牌融合单元230、位置比对单元240和信息发送单元250。
其中，数据保存单元210，用于将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像；车牌识别单元220，用于对所述停车过程图像进行第二次车牌识别得到第二车牌识别结果；车牌融合单元230，用于获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号；位置比对单元240，用于对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；信息发送单元250，用于当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费。
在上述实施例的基础上，所述车牌识别单元220，包括：
泊入识别模块，用于对所述泊入图像进行第二次车牌识别得到泊入车牌识别结果；
泊出识别模块，用于对所述泊出图像进行第二次车牌识别得到泊出车牌识别结果；
结果融合模块，用于根据所述泊入车牌识别结果和泊出车牌识别结果的交集生成第二车牌识别结果。
在上述实施例的基础上，所述装置，还包括：
确实提醒单元，用于对所述车单数据库中只有泊入图像或只有泊出图像的数据记录，输出数据缺失提醒。
在上述实施例的基础上，所述扣费信息包括所述泊车过程图像和图像采集时间。
在上述实施例的基础上，所述第一车牌识别结果和第二车牌识别结果的识别方式不同。
在上述实施例的基础上，所述泊车过程图像包括照片图像和视频图像。
本发明实施例提供的路侧停车收费装置包含在路侧停车收费设备中，且可用于执行上述实施例一中提供的任一路侧停车收费方法，具备相应的功能和有益效果。
实施例三
图3为本发明实施例三提供的一种终端设备的结构示意图，该终端设备是前文所述路侧停车收费设备的一种具体的硬件呈现方案。如图3所示，该终端设备包括处理器310、存储器320、输入装置330、输出装置340以及通信装置350；终端设备中处理器310的数量可以是一个或多个，图3中以一个处理器310为例；终端设备中的处理器310、存储器320、输入装置330、输出装置340以及通信装置350可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储器320作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的路侧停车收费方法对应的程序指令/模块（例如，路侧停车收费装置中的数据保存单元210、车牌识别单元220、车牌融合单元230、位置比对单元240和信息发送单元250）。处理器310通过运行存储在存储器320中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述的路侧停车收费方法。
存储器320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置330可用于接收输入的数字或字符信息，以及产生与终端设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述终端设备包含路侧停车收费装置，可以用于执行任意路侧停车收费方法，具备相应的功能和有益效果。
实施例四
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本申请任意实施例中提供的路侧停车收费方法中的相关操作，且具备相应的功能和有益效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。
因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM)、数字多功能光盘(DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种路侧停车收费方法，其特征在于，包括：
将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像；
对所述泊车过程图像进行第二次车牌识别得到第二车牌识别结果，其中，包括基于所述泊车过程图像得到车牌位置，所述车牌位置的确定方式包括所述车牌位置使用Harr级联检测器，以Harr为检测特征，通过积分图对特征检测进行加速，通过AdaBoost算法训练用于区分车牌与非车牌的强分类器并进行级联，所述第二次车牌识别过程包括通过CTC算法得到特征图位置，所述CTC算法定义有空白blank符号，其中基于带空白区域的输入得到带blank的输出，输出结果中相连且相同的字符进行合并，若字符间有blank则不进行合并，所述第一车牌识别结果和第二车牌识别结果的识别方式不同；
获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号；
对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；
当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费；
对所述车单数据库中只有泊入图像或只有泊出图像的数据记录，输出数据缺失提醒。
2.根据权利要求1所述的方法，其特征在于，所述对所述泊车过程图像进行第二次车牌识别得到第二车牌识别结果，包括：
对所述泊入图像进行第二次车牌识别得到泊入车牌识别结果；
对所述泊出图像进行第二次车牌识别得到泊出车牌识别结果；
根据所述泊入车牌识别结果和泊出车牌识别结果的交集生成第二车牌识别结果。
3.根据权利要求1所述的方法，其特征在于，所述扣费信息包括所述泊车过程图像和图像采集时间。
4.根据权利要求1-3任一所述的方法，其特征在于，所述泊车过程图像包括照片图像和视频图像。
5.一种路侧停车收费装置，其特征在于，包括：
数据保存单元，用于将识别到的泊车过程图像以及对应的图像采集时间和第一车牌识别结果保存到车单数据库，所述泊车过程图像包括泊入图像和/或泊出图像；
车牌识别单元，用于对所述泊车过程图像进行第二次车牌识别得到第二车牌识别结果，其中，包括基于所述泊车过程图像得到车牌位置，所述车牌位置的确定方式包括所述车牌位置使用Harr级联检测器，以Harr为检测特征，通过积分图对特征检测进行加速，通过AdaBoost算法训练用于区分车牌与非车牌的强分类器并进行级联，所述第二次车牌识别过程包括通过CTC算法得到特征图位置，所述CTC算法定义有空白blank符号，其中基于带空白区域的输入得到带blank的输出，输出结果中相连且相同的字符进行合并，若字符间有blank则不进行合并；
车牌融合单元，用于获取所述第一车牌识别结果和所述第二车牌识别结果中的交集车牌号，所述第一车牌识别结果和第二车牌识别结果的识别方式不同；
位置比对单元，用于对所述交集车牌号对应的泊入图像和泊出图像进行车辆位置对比；
信息发送单元，用于当所述车辆位置对比确认车辆位置变化小于设定阈值，根据所述交集车牌号对应的泊车过程图像和图像采集时间生成扣费信息，并将所述扣费信息发送到所述交集车牌号对应的ETC平台以发起扣费，对所述车单数据库中只有泊入图像或只有泊出图像的数据记录，输出数据缺失提醒。
6.根据权利要求5所述的装置，其特征在于，所述车牌识别单元，包括：
泊入识别模块，用于对所述泊入图像进行第二次车牌识别得到泊入车牌识别结果；
泊出识别模块，用于对所述泊出图像进行第二次车牌识别得到泊出车牌识别结果；
结果融合模块，用于根据所述泊入车牌识别结果和泊出车牌识别结果的交集生成第二车牌识别结果。
7.一种终端设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4任一所述的路侧停车收费方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一所述的路侧停车收费方法。
CN202010948699.XA 2020-09-10 2020-09-10 一种路侧停车收费方法、装置、设备和存储介质 Active CN111915751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010948699.XA CN111915751B (zh) 2020-09-10 2020-09-10 一种路侧停车收费方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010948699.XA CN111915751B (zh) 2020-09-10 2020-09-10 一种路侧停车收费方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN111915751A CN111915751A (zh) 2020-11-10
CN111915751B true CN111915751B (zh) 2022-06-03

Family

ID=73266958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010948699.XA Active CN111915751B (zh) 2020-09-10 2020-09-10 一种路侧停车收费方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111915751B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115240466B (zh) * 2022-09-23 2023-01-10 杭州立方控股股份有限公司 一种地磁与摄像机协同的智能停车管理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809972A (zh) * 2016-03-24 2016-07-27 牛力伟 一种停车管理方法及装置、系统
CN108765976A (zh) * 2018-06-21 2018-11-06 智慧互通科技有限公司 路侧平行停车信息管理系统及方法
CN209560722U (zh) * 2019-04-22 2019-10-29 桂林金铱星科技发展有限公司 一种基于多相机联动的路边泊车检测系统
CN111126286A (zh) * 2019-12-22 2020-05-08 上海眼控科技股份有限公司 车辆动态检测方法、装置、计算机设备及存储介质
CN111178291A (zh) * 2019-12-31 2020-05-19 北京筑梦园科技有限公司 一种停车支付系统以及停车支付方法
CN111275833A (zh) * 2020-01-20 2020-06-12 西安艾润物联网技术服务有限责任公司 基于etc的停车场收费方法、etc天线设备及可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809972A (zh) * 2016-03-24 2016-07-27 牛力伟 一种停车管理方法及装置、系统
CN108765976A (zh) * 2018-06-21 2018-11-06 智慧互通科技有限公司 路侧平行停车信息管理系统及方法
CN209560722U (zh) * 2019-04-22 2019-10-29 桂林金铱星科技发展有限公司 一种基于多相机联动的路边泊车检测系统
CN111126286A (zh) * 2019-12-22 2020-05-08 上海眼控科技股份有限公司 车辆动态检测方法、装置、计算机设备及存储介质
CN111178291A (zh) * 2019-12-31 2020-05-19 北京筑梦园科技有限公司 一种停车支付系统以及停车支付方法
CN111275833A (zh) * 2020-01-20 2020-06-12 西安艾润物联网技术服务有限责任公司 基于etc的停车场收费方法、etc天线设备及可读存储介质

Also Published As

Publication number Publication date
CN111915751A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN104766479A (zh) 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置
CN101814202B (zh) 车辆收费监管方法
CN106097722B (zh) 利用视频进行路侧车位自动化监管的系统和方法
US20130182110A1 (en) Method, device and integrated system for payment of parking fees based on cameras and license plate recognition technology
CN111508269B (zh) 一种基于图像识别的开放式停车位车辆判别方法与装置
CN112053567B (zh) 路侧停车管理方法及电子设备
CN111915752A (zh) 一种基于区块链的高速etc计费方法、设备及介质
CN111369801B (zh) 车辆识别方法、装置、设备和存储介质
CN112925820B (zh) 一种车辆偷逃通行费的识别方法、装置及系统
CN115691148A (zh) 一种基于高速公路的智能收费辅助方法、设备及介质
CN113470206A (zh) 一种基于车辆匹配的高速公路稽查方法、设备及介质
CN110310378A (zh) 一种基于双鉴的开放式停车场停车计费方法及系统
CN111915751B (zh) 一种路侧停车收费方法、装置、设备和存储介质
CN112509325A (zh) 一种基于视频深度学习的非现场违法自动甄别方法
CN112967410B (zh) 一种基于最长公共子序列的偷逃通行费车辆识别方法
CN111368617B (zh) 车辆出入数据处理方法及装置
CN112182302B (zh) 基于换乘管理的地铁乘车路线溯源方法及装置
CN115761915A (zh) 一种基于停车大数据的停车欠费追缴方法及系统
CN115171053A (zh) 路侧停车检测方法、系统及电子设备
CN112289026B (zh) 一种车辆路径还原方法、设备及介质
CN114005186A (zh) 一种车牌识别方法、装置及停车管理系统
CN113763714A (zh) 一种车辆路径还原方法及装置
CN110782536A (zh) 信息处理方法和装置
CN112598912B (zh) 卡口间隔获取方法、装置、计算机设备及存储介质
CN117312598B (zh) 逃费稽核的取证方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant