CN112330827A - 一种停车收费方法及装置 - Google Patents
一种停车收费方法及装置 Download PDFInfo
- Publication number
- CN112330827A CN112330827A CN202011090198.9A CN202011090198A CN112330827A CN 112330827 A CN112330827 A CN 112330827A CN 202011090198 A CN202011090198 A CN 202011090198A CN 112330827 A CN112330827 A CN 112330827A
- Authority
- CN
- China
- Prior art keywords
- lane
- traffic
- parking
- parking space
- rectangular frame
- 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.)
- Granted
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
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供一种停车收费方法及装置,以在无需获取额外的视频数据的前提下,使得现有的智能停车系统更加智能、更加人性化。该停车收费方法包括:获取视频帧图像,所述视频帧图像中包括至少一个车位及与所述至少一个车位相邻的车道;从所述视频帧图像中提取所述至少一个车位上的车辆信息及所述车道的交通参数;根据所述交通参数,调整所述至少一个车位上停放车辆的收费费率,得到调整后的收费费率;根据所述调整后的收费费率及所述至少一个车位上的车辆信息,对所述至少一个车位上停放的车辆进行收费。
Description
技术领域
本申请涉及智能停车技术领域,特别涉及一种停车收费方法及装置。
背景技术
随着我国经济的发展,车辆市场保有量将持续增加,停车难及停车位的有效管理等问题将越来越严重。当前停车管理系统完全依靠工人,而人工管理不仅成本较高,而且还存在不能一天24小时值守等问题。另外,基于地磁等非视频设备的停车管理系统又不能提供停车完整证据链,而导致在出现纠纷的时候,无法准确及时解决纠纷,那在这种历史背景下基于视频的停车管理系统应运而生。
而当前停车管理系统中监控的停车位固定,停车位一般出现在图像的上三分之一区域,下三分之二的区域一般是道路。通常在后续的算法分析过程中仅需要上三分之一区域,也就是停车位所在区域的图像,而屏蔽下三分之二的区域,造成大量的视频信息浪费。
发明内容
本申请实施例提供一种停车收费方法及装置,以在无需获取额外的视频数据的前提下,使得现有的智能停车系统更加智能、更加人性化。
第一方面,本申请提供了一种停车收费方法,包括:
获取视频帧图像,所述视频帧图像中包括至少一个车位及与所述至少一个车位相邻的车道;
从所述视频帧图像中提取所述至少一个车位上的车辆信息及所述车道的交通参数;
根据所述交通参数,调整所述至少一个车位上停放车辆的收费费率,得到调整后的收费费率;
根据所述调整后的收费费率及所述至少一个车位上的车辆信息,对所述至少一个车位上停放的车辆进行收费。
在本申请实施例中,从视频帧图像中不仅能够提取至少一个车位上的车辆信息,还能够提取与至少一个车位相邻的车道的交通参数,并能够将提取的交通参数应用到停车系统的参数调节中,例如根据交通参数来实时调节至少一个车位上停放车辆的收费费率。因此本申请的技术方案在无需获取额外的视频数据的前提下,使得现有的智能停车系统更加智能、更加人性化。
进一步,通过实时调节至少一个车位上停放车辆的收费费率,能够在一定程度上缓解道路的车辆拥堵或者停车难的问题。
在一个可能的设计中,所述方法还包括:
从所述视频帧图像中确定出第一矩形框;
获取所述第一矩形框的物理宽和物理高;
根据所述物理宽和所述物理高,构建第二矩形框;
以所述第二矩形框的任一角点为原点构建定标坐标系,确定所述第二矩形框的四个角点坐标;
根据所述第一矩形框的角点坐标和所述第二矩形框的角点坐标,确定像素坐标与定标坐标之间的变换矩阵。
在本申请实施例中,可以通过获取视频帧图像像素在实际物理坐标系下的俯视坐标来提取交通参数,计算方式较为简单。其中,俯视坐标也就是定标坐标。
在一个可能的设计中,从所述视频帧图像中提取所述车道的交通参数,包括:
根据待跟踪目标在所述视频帧图像上的像素坐标,及所述变换矩阵,确定所述待跟踪目标在所述定标坐标系中的定标坐标;
根据所述待跟踪目标在所述定标坐标系中的定标坐标,计算所述车道的交通参数。
在本申请实施例中,获取视频帧图像之后,则可以确定待跟踪目标的像素坐标。然后根据变换矩阵,就可以计算出待跟踪目标的定标坐标,也就是在实际物理坐标系俯视坐标,最后根据待跟踪目标的定标坐标便可以计算道路的交通参数,整个计算过程较为简便。
在一个可能的设计中,所述方法还包括:
根据所述交通参数,确定所述车道的交通繁忙程度;
根据所述交通繁忙程度,调节用于采集所述视频帧图像的图像采集单元的抓拍敏感度;其中,所述抓拍敏感度用于表征所述图像采集单元的抓拍频率。
在具体实现过程中,在道路较为繁忙时,抓拍取证相对较难,那在本申请实施例中,可以根据交通参数确定车道的交通繁忙程度,并根据交通繁忙程度实施调节图像采集单元的抓拍敏感度,以提高抓拍精确度。作为示例,在交通繁忙程度较高时,可以将抓拍敏感度设置的高些,以免漏拍,在交通繁忙程度较低时,可以将抓拍敏感度设置的低些,以免抓拍到一些用不上的图像,导致资源浪费。
在一个可能的设计中,所述方法还包括:
根据所述交通参数,确定所述车道的交通繁忙程度;
将所述交通繁忙程度上传至数据存储设备,以使得所述数据存储设备确定接收到的停车数据是否需要重新计算。
在本申请实施例中,可以将交通繁忙程度上传至数据存储设备,以使得数据存储设备确定接收到的停车数据是否需要重新计算,以确保停车数据的准确性。作为示例,在交通繁忙程度较高时,则说明前端识别的场景较为复杂,则需要将停车数据进行二次识别处理,而在交通繁忙程度较低时,则说明前端识别场景较为单一,接收到的停车数据可以一次性通过。
在一个可能的设计中,所述交通参数包括:所述车道的车流量、所述车道的车头时距、所述车道内车辆的瞬时速度、所述车道内车辆的平均速度,以及车道占用率。
在本申请实施例中,交通参数可能有不同的形式,且以上几种只是举例,本申请实施例中不限制交通参数的形式。
第二方面,本申请实施例还提供一种停车收费装置,包括:
第一获取模块,用于获取视频帧图像,所述视频帧图像中包括至少一个车位及与所述至少一个车位相邻的车道;
提取模块,用于从所述视频帧图像中提取所述至少一个车位上的车辆信息及所述车道的交通参数;
调整模块,用于根据所述交通参数,调整所述至少一个车位上停放车辆的收费费率,得到调整后的收费费率;
收费模块,用于根据所述调整后的收费费率及所述至少一个车位上的车辆信息,对所述至少一个车位上停放的车辆进行收费。
在一个可能的设计中,所述装置还包括:
第一确定模块,用于从所述视频帧图像中确定出第一矩形框;
第二获取模块,用于获取所述第一矩形框的物理宽和物理高;
构建模块,用于根据所述物理宽和所述物理高,构建第二矩形框;
第一确定模块,用于以所述第二矩形框的任一角点为原点构建定标坐标系,确定所述第二矩形框的四个角点坐标;
第二确定模块,用于根据所述第一矩形框的角点坐标和所述第二矩形框的角点坐标,确定像素坐标与定标坐标之间的变换矩阵。
在一个可能的设计中,在所述提取模块从所述视频帧图像中提取所述车道的交通参数时,具体用于:
根据待跟踪目标在所述视频帧图像上的像素坐标及所述变换矩阵,确定所述待跟踪目标在所述定标坐标系中的定标坐标;
根据所述待跟踪目标在所述定标坐标系中的定标坐标,计算所述车道的交通参数。
在一个可能的设计中,所述装置还包括:
第三确定模块,用于根据所述交通参数,确定所述车道的交通繁忙程度;
调节模块,用于根据所述交通繁忙程度,调节用于采集所述视频帧图像的图像采集单元的抓拍敏感度;其中,所述抓拍敏感度用于表征所述图像采集单元的抓拍频率。
在一个可能的设计中,所述装置还包括:
第四确定模块,用于根据所述交通参数,确定所述车道的交通繁忙程度;
上传模块,用于将所述交通繁忙程度上传至数据存储设备,以使得所述数据存储设备确定接收到的停车数据是否需要重新计算。
在一个可能的设计中,所述交通参数包括:所述车道的车流量、所述车道的车头时距、所述车道内车辆的瞬时速度、所述车道内车辆的平均速度,以及车道占用率。
第三方面,本申请还提供一种停车收费装置,包括:
存储器,存储有指令;
处理器,用于读取所述存储器中存储的指令,执行如第一方面及第一方面的任意一种设计的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
第五方面,本申请提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各方面所述的方法。
在本申请实施例中,从视频帧图像中不仅能够提取至少一个车位上的车辆信息,还能够提取与至少一个车位相邻的车道的交通参数,并能够将提取的交通参数应用到停车系统的参数调节中,例如根据交通参数来实时调节至少一个车位上停放车辆的收费费率。因此本申请的技术方案在无需获取额外的视频数据的前提下,使得现有的智能停车系统更加智能、更加人性化。
进一步,通过实时调节至少一个车位上停放车辆的收费费率,能够在一定程度上缓解道路的车辆拥堵或者停车难的问题。
附图说明
图1为本申请一实施例提供的一种应用场景的示意图;
图2为本申请提供的一种停车收费方法的流程示意图;
图3为本申请提供的视频帧图像的示意图;
图4为本申请提供的一种定标方法的流程示意图;
图5为本申请提供的定标平面的示意图;
图6为本申请提供的一种停车收费装置的结构示意图;
图7为本申请提供的另一种停车收费装置的结构示意图;
图8为本申请提供的停车收费装置是识别主机的结构示意图;
图9为本申请提供的停车收费装置是枪球的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
以下,对本申请实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
(1)枪球,可以是枪机和球机组合而成,也可以是枪、球一体机。其中,在将枪球作为视频采集设备的停车系统时,枪机用于采集车位状态,球机用于采集车辆的车牌等细节信息。
(2)识别主机,是用于接收枪球发送的视频数据,并对接收的视频数据进行处理,其可以是应用服务器,也可以是Web服务器,在实际应用部署时,该服务器可以为独立的服务器,也可以是由多个服务器组成的集群服务器。
此处应理解,也可以将“识别主机”称为“数据处理设备”等。也就是说,本文对于“识别主机”的名称不作限制,只要表达的是如上的概念、功能即可。
(3)本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。且在本申请实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
应理解,本申请实施例提供的停车收费方法可以应用于具有图像处理功能的设备,如枪球、识别主机等。请参见图1,为本申请提供的一种应用场景,包括识别主机、与识别主机通过网络相连的至少一个图像采集单元。其中,图像采集单元具体可以是枪球,枪球用于将自身录制的视频数据发送至识别主机,识别主机用于执行本申请实施例提供的停车收费方法。
在本申请实施例中,本申请提供的应用场景中还可以包括与服务器通过网络相连的视频服务平台及数据汇集平台,其中,视频服务平台用于供检索对应视频信息,管理前端视频设备;数据汇聚平台用来存放停车数据、违停数据等等。
在本申请实施例中,本申请提供的应用场景中还可以包括与识别主机相连的前端硬盘刻录机,用于缓存枪球采集的视频数据,以及与视频服务平台、数据汇集平台相连的后端硬盘刻录机,用于存储枪球采集的视频数据。此处应理解,前端硬盘刻录机可以根据实际需要设置。
下面则结合附图介绍本申请实施例提供的技术方案,在下面的介绍过程中,以将本申请实施例提供的技术方案应用在图1所示的应用场景中为例。
请参见图2,为本申请一实施例提供的一种停车收费方法的流程示意图。为了便于描述,本申请实施例以识别主机作为执行主体进行描述,应理解,该停车收费方法的执行主体并不仅限于识别主机,还可以应用于球机等具备图像处理功能的终端设备,该方法的流程描述如下:
S201:获取视频帧图像,所述视频帧图像中包括至少一个车位及与所述至少一个车位相邻的车道;
在本申请实施例中,识别主机从枪球获取原始视频数据,原始视频数据是指未经过处理的视频数据。视频数据是指连续的图像序列,其实质是由一帧帧连续的图像构成的。具体的,识别主机获取到的原始视频数据包括至少两帧图像,帧是组成视频的最小视觉单位,是一幅静态的图像,将时间上连续的帧序列组合到一起变成动态的视频数据。
在具体实现过程中,识别主机获取原始视频数据之后,则从原始视频数据中获取视频帧图像,视频帧图像中包括至少一个车位及与至少一个车位相邻的车道,具体可以参见图3。
在获取视频帧图像之后,则从视频帧图像中提取至少一个车位上的车辆信息及车道的交通参数,也就是执行步骤S202:从所述视频帧图像中提取所述至少一个车位上的车辆信息及所述车道的交通参数。
在本申请实施例中,可以利用目标检测与识别的方法从视频帧图像中提取至少一个车位上的车辆信息。其中,目标检测与识别的方法可以是统一实时目标检测(You OnlyLook Once,YOLO)算法、单个深层神经网络检测(Single Shot Multibox Detector,SSD)算法、基于卷积神经网络检测(Regions with CNN features,R-CNN)基于卷积神经网络快速检测(Fast Regions with CNN features,Fast R-CNN)算法等,或者为其它目标检测与识别算法,此处对目标检测与识别算法不作限制。
在此需要说明的是,为了更精准的识别车牌号和车型,在服务器获取视频帧图像之后,可以先对视频帧图像进行实例分割,获得分割后的视频帧图像,然后再对分割后的视频帧图像利用上述识别方法进行识别,以获取车辆的车牌号和车型。
其中,提取出的车辆信息包括但不限于:车牌号、入位时间、离位时间、车型等。作为示例,提取编号为8的车位上车辆的车辆信息:车牌号是川A12345,车辆的入位时间:9:00,车型:高;提取编号为7的车位上车辆的车辆信息:车牌号是川A67891,车辆的入位时间:8:50,车型:小。提取编号为6的车位上车辆的车辆信息:车牌是川23456,车辆离位时间9:15。
在本申请实施例中,除了从视频帧图像中提取至少一个车位上的车辆信息外,还可以从视频帧图像中提取与至少一个车位相邻的车道的交通参数。在具体实现过程中,若要提取车道的交通参数,首先需要确定视频帧图像中待跟踪目标的像素坐标对应的实际物理坐标。目前现有技术中通常是利用双目相机标定,然后三维重建,进而获取待跟踪目标像素点的实际物理坐标,然而该类方法对标定的要求较高,且需要耗费大量的人力资源,为此本申请中提出一种较为简单的标定方法,请参见图4,包括如下步骤:
S401:从所述视频帧图像中确定出第一矩形框。
请参见图3,本申请实施例中的第一矩形框可以是能够预先知道物理宽和物理高的矩形框,其中,物理宽和物理高指的是第一矩形框的实际宽和高,例如可以是图3中所示的停车位、黄色网格线、或者是成对的虚线车道线等。此处需要说明的是,在进行标定时,若场景中没有矩形框,则可以在场景中放置一个定制的矩形物体即可,其中,定制指的是能够预先知道矩形物体的物理宽和物理高。
在从视频帧图像中确定出第一矩形框之后,则执行步骤S402:获取所述第一矩形框的物理宽和物理高。
在本申请实施例中,像上述举例中的停车位、黄色网格线或者是成对的虚线车道等都具有国际标准定义的宽和高,因此能够较为容易的获取第一矩形框的物理宽和物理高。在具体实现过程中,例如停车位、黄色网格线或者成对的虚线车道的物理宽和物理高可以预先存储在识别主机中,也可以是在识别主机需要时,从其它的与识别主机相连的电子设备中获取。
在执行完步骤S402之后,则执行步骤S403:根据所述物理宽和所述物理高,构建第二矩形框。也就是根据获取的第一矩形框的物理宽和物理高,在定标平面中构建第二矩形框,其中,定标平面的示意图请参见图5。
在定标平面中构建出第二矩形框之后,则构建定标坐标系,确定第二矩形框的四个角点坐标,也就是本申请中的步骤S404:以所述第二矩形框的任一角点为原点构建定标坐标系,确定所述第二矩形框的四个角点坐标。
在具体实现过程中,以第二矩形框的四个角点中的任一角点为原点,以原点所在的两条边作为坐标轴,建立定标坐标系,然后根据第一矩形框的物理宽和物理高,确定第二矩形框的四个角点坐标。在本申请实施例中,将第二矩形框的四个角点作为目标点串(U,V),其中,U代表自定义定标坐标系中的X轴坐标,V代表定标坐标系中的Y轴坐标,将第一矩形框的四个角点作为源点串(u,v),其中,u和v代表视频帧图像中待跟踪目标的像素坐标。
在执行完步骤S404之后,则执行步骤S405:根据所述第一矩形框的角点坐标和所述第二矩形框的角点坐标,确定像素坐标与定标坐标之间的变换矩阵。
在本申请实施例中,定义临时点串(x,y,z)及如下式(1)所示的矩阵运算关系:
在本申请实施例中,在计算出变换矩阵M后,即可完成对视频图像的场景重建,也就是获得实际物理标坐标的俯视坐标系,也就是上述所指的定标坐标系。
上面介绍了如何获取变换矩阵,那接下来则介绍如何利用变换矩阵及像素坐标来提取道路的交通参数,具体包括如步骤:
根据待跟踪目标在所述视频帧图像上的像素坐标及所述变换矩阵,确定所述待跟踪目标在所述定标坐标系中的定标坐标;
根据所述待跟踪目标在所述定标坐标系中的定标坐标,计算所述车道的交通参数。
在具体实现过程中,若将待跟踪目标的位置信息表示为Pi=(xi,yi,ti),其中,xi,yi表示在第i帧视频帧中待跟踪目标的定标坐标,ti为对应的时间,可以得到下式(2)和下式(3):
其中,ui和vi表示第i帧图像中待跟踪目标的像素坐标。
以通过上述定标方法获取的待跟踪目标的定标坐标为基础,便可以计算车道的交通参数。在本申请实施例中,交通参数包括但不限于:所述车道的车流量、所述车道的车头时距、所述车道内车辆的瞬时速度、所述车道内车辆的平均速度,以及车道占用率。下面分别对各参数的计算进行详细的说明。
1、车流量,指的是单位时间内通过道路某一横截面的车辆数。在本申请实施例中,是通过记录进入矩形区域车辆来实现监控区域流量的统计。
2、车头时距,指的是车辆之间的时间间距,可以间接反映对应道路车辆的拥挤度。
在本申请实施例中,是通过相邻两辆车通过相同端面时间获取当前两车辆的车头时距。在具体实现过程中,是将目标投影到俯平面,计算俯平面上行驶方向的坐标之差。
3、瞬时速度
车辆进入矩形区域就对待跟踪目标进行跟踪,通过连续两帧视频帧图像待跟踪目标的位移和时间差可以近似估算目标的瞬时速度。在本申请实施例中,是通过间隔n个视频帧计算车辆的瞬时速度,计算公式如下式(4):
4、平均速度
在本申请实施例中,通过若干组数据计算车辆的瞬时速度,通过求取平均值获得最终的平均速度,计算公式如下式(5):
其中,N为选择瞬时速度的个数。
5、车道占有率
在本申请实施例中,车道占有率可以是指空间占有率,其中,空间占有率可以是指在某一时刻t,路段上行驶的车辆总长度占该路段长度的百分比。而在考虑到,在非常拥挤的路段,车辆排队队列的数量有可能超过车道数,例如,单项三车道的快速路,可能出现四条车辆排队队列,在在该情况下,也可以将空间占有率定义为在某一时刻t,路段上行驶的车辆总占地面积占该路段总面积的百分比。
其中,车辆通过观察区域的时间与观察区域的长度和车辆自身的数据有关。
上面介绍了变换矩阵的获取、如何利用变换矩阵实现由像素坐标到定标坐标的转换,以及如何利用变换得到的定标坐标计算交通参数。那么下面则接着介绍,如何将获取的交通参数利用到现有的停车系统,即如何调整现有的停车系统的参数。具体请参见步骤S203:根据所述交通参数,调整所述至少一个车位上停放车辆的收费费率,得到调整后的收费费率。
在本申请实施例中,交通参数能够反映交通拥挤程度,而交通拥挤程度能够在一定程度上反映停车位的周转程度,通过动态调整收费费率,能够在一定程度上缓解交通拥堵或者停车难等问题。
若此处将交通拥挤程度用Y表示,将车流量用Q表示,车头时距用L表示,瞬时速度用v表示,车道占有率用o表示,则Y具体可以表示为下式:
Y=A1Q+A2L+A3v+A4o (7)
其中,A1、A2、A3、A4为模型参数,分别用于表示车流量的权重,车头时距的权重、瞬时速度的权重以及车道占有率的权重,取值范围均为[0,1]。在具体实现过程中,可以根据车流量、车头时距、瞬时速度及车道占有率对车道的敏感程度来进行设置,例如A1=0.3,A2=0.1,A3=0.1,A4=0.5。
交通拥挤程度的等级划分方法可以是:当Y的值越小,表明道路的车流量、车头时距、瞬时速度及车道占有率都较小,此时车辆较少且运行速度较快,道路的交通状态较好;反之,则表明车辆较多,且速度较慢,道路较为拥堵。
在本申请实施例中,假设一个路段上的路边停车的基本停车费用是2元/小时,或者是10元/天,那在交通参数表明交通的拥堵程度较高时,可以将停车费用提高20%,在交通参数表明交通不拥堵,较为顺畅时,可以保持停车费用不变,在交通参数表明道路过往车辆较少时,可以将停车费用降低20%。通过动态调整停车车辆的收费费率,能够在一定程度上缓解交通拥堵或者停车难的问题。
在本申请实施例中,在调整收费费率之后,则执行步骤S204:根据所述调整后的收费费率及所述至少一个车位上的车辆信息,对所述至少一个车位上停放的车辆进行收费。
在本申请实施例中,根据提取出的至少一个车位上的车辆信息确定一车辆的入位时间和离位时间,进而确定停车时长,然后根据停车时长和收费费率进行收费。
在具体实现过程中,在交通较为繁忙的情况下,抓拍取证相对较为困难,因此,在本申请实施例中,所述方法还包括:
根据所述交通参数,确定所述车道的交通繁忙程度;
根据所述交通繁忙程度,调节用于采集所述视频帧图像的图像采集单元的抓拍敏感度。
在本申请实施例中,还可以根据交通参数,确定车道的交通繁忙程度,此处,若将交通繁忙程度表示为F,则F可以表示为下式(8):
F=B1Q+B2L+B3v+B4o (8)
其中,B1、B2、B3、B4为模型参数,分别用于表示车流量的权重,车头时距的权重、瞬时速度的权重以及车道占有率的权重,取值范围均为[0,1],例如B1=0.6,B2=0.1,B3=0.1,B4=0.2。
交通拥挤程度的等级划分方法可以是:当F的值越小,表明道路的车流量、车头时距、瞬时速度及车道占有率都较小,此时车辆较少,车辆速度较慢道路繁忙程度较低;反之,则表明车辆较多,车辆速度较快,繁忙程度较高。
在确定出交通繁忙程度之后,则可以根据交通繁忙程度调整图像采集单元的抓拍敏感度,其中,抓拍敏感度是指图像采集单元的抓拍频率。作为示例,图像采集单元的正常抓拍频率是10次/分钟,那在交通繁忙程度较高时,则将图像采集单元的抓拍频率调整为15次/分钟,在交通繁忙程度较低时,则将图像采集的抓拍频率调整为5次/分钟,以提高图像采集单元的抓拍精度。
在本申请实施例中,在确定出交通繁忙程度后,识别主机还可以将确定出的交通繁忙程度上传至数据存储设备,以供数据存储设备确定是否需要对接收到的停车数据进行重新计算,具体包括如下步骤:
根据所述交通参数,确定所述车道的交通繁忙程度;
将所述交通繁忙程度上传至数据存储设备,以使得所述数据存储设备确定接收到的停车数据是否需要重新计算,其中,停车数据可以是指车辆入位数据信息、离位数据信息等等。
此处,交通繁忙程度的确定方式在上面已经介绍,在此不再赘述。
在具体实现过程中,由于前端识别场景的复杂程度不同,因此上传至数据存储设备的停车数据需要进行二次识别,以保证数据的准确性。因此在本申请实施例中,为保证数据存储设备能够快速确认接收到的停车数据是否需要重新计算,在识别主机确定出交通繁忙程度后,可以将交通繁忙程度上传至数据存储设备,以使得数据存储设备根据交通繁忙程度快速确认是否需要对接收到的停车数据进行重新计算。
在本申请实施例中,所述识别设备在计算出道路的交通参数后,还可以将交通参数反馈给车主,以使得车主根据交通参数确定出行路线,以及在该道路上行驶时注意行驶安全。识别设备除了将计算出的交通参数反馈给车主外,还可以将交通参数反馈给交通管理部分,使得交通管理部分获取更多的实时交通数据,提升对交通拥堵的预测能力,实现智能化的交通管理。
请参见图6,基于同一发明构思,本申请实施例提供一种停车收费装置600,包括:
第一获取模块601,用于获取视频帧图像,所述视频帧图像中包括至少一个车位及与所述至少一个车位相邻的车道;
提取模块602,用于从所述视频帧图像中提取所述至少一个车位上的车辆信息及所述车道的交通参数;
调整模块603,用于根据所述交通参数,调整所述至少一个车位上停放车辆的收费费率,得到调整后的收费费率;
收费模块604,用于根据所述调整后的收费费率及所述至少一个车位上的车辆信息,对所述至少一个车位上停放的车辆进行收费。
在一个可能的设计中,所述装置还包括:
第一确定模块,用于从所述视频帧图像中确定出第一矩形框;
第二获取模块,用于获取所述第一矩形框的物理宽和物理高;
构建模块,用于根据所述物理宽和所述物理高,构建第二矩形框;
第一确定模块,用于以所述第二矩形框的任一角点为原点构建定标坐标系,确定所述第二矩形框的四个角点坐标;
第二确定模块,用于根据所述第一矩形框的角点坐标和所述第二矩形框的角点坐标,确定像素坐标与定标坐标之间的变换矩阵。
在一个可能的设计中,在所述提取模块从所述视频帧图像中提取所述车道的交通参数时,具体用于:
根据待跟踪目标在所述视频帧图像上的像素坐标及所述变换矩阵,确定所述待跟踪目标在所述定标坐标系中的定标坐标;
根据所述待跟踪目标在所述定标坐标系中的定标坐标,计算所述车道的交通参数。
在一个可能的设计中,所述装置还包括:
第三确定模块,用于根据所述交通参数,确定所述车道的交通繁忙程度;
调节模块,用于根据所述交通繁忙程度,调节用于采集所述视频帧图像的图像采集单元的抓拍敏感度;其中,所述抓拍敏感度用于表征所述图像采集单元的抓拍频率。
在一个可能的设计中,所述装置还包括:
第四确定模块,用于根据所述交通参数,确定所述车道的交通繁忙程度;
上传模块,用于将所述交通繁忙程度上传至数据存储设备,以使得所述数据存储设备确定接收到的停车数据是否需要重新计算。
在一个可能的设计中,所述交通参数包括:所述车道的车流量、所述车道的车头时距、所述车道内车辆的瞬时速度、所述车道内车辆的平均速度,以及车道占用率。
请参见图7,本申请实施例还提供一种停车收费装置700,包括:
存储器701,用于存储指令;
处理器702,用于读取所述存储器中存储的指令,实现如图2所示的停车收费方法。
其中,存储器701的数量可以是一个或多个,存储器701可以是只读存储器(Read-only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)或磁盘存储器等等。
处理器702可以是中央处理器(Central Prcessing Unit,CPU)、通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,FPGA)或其它可编程逻辑器件、晶体管逻辑器件,硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框、模块和电路。所述处理器702也可以是实现计算功能的组合,例如包括一个或多个微处理器组合,DSP和微处理器的组合等等。
在介绍本申请提供的停车收费方法之前就提到,本申请的执行主体可以是识别设备,也可以是球机,因此此处的停车收费装置700可以是识别主机,也可以是枪球。
请参见图8,在停车收费装置700是识别主机时,停车收费装置700还可以包括至少一个电源,至少一个有线或无线网络接口,至少一个输入输出接口,和/或至少一个操作系统。
请参见图9,在停车收费装置700是枪球时,枪球还可以包括无线通信模块、语音采集模块、传感器及电源等部件。本领域普通技术人员应理解,上述给出的枪球结构并不构成对球机的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面对枪球的各个构成部件进行具体的介绍:
无线通信模块,作为示例,WIFI模块、蓝牙模块、3G模块、4G模块、5G通信模块,或者为其它下一代通信模块等;
语音采集模块,例如麦克风,用于采集语音信息,以实现语音自动定位或者是声音识别,以实现身份识别等;
枪球还可以包括至少一种传感器,例如光传感器、加速度传感器、重力传感器。球机还可以包括给各个部件供电的电源,其中,电源可以通过电源管理系统与处理器逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
本申请实施例还提供一种计算机存储介质,该存储介质可以包括存储器,该存储器可存储有程序,该程序执行时包括如前的图2所示的方法实施例中记载的服务器所执行的全部步骤。
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。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种停车收费方法,其特征在于,包括:
获取视频帧图像,所述视频帧图像中包括至少一个车位及与所述至少一个车位相邻的车道;
从所述视频帧图像中提取所述至少一个车位上的车辆信息及所述车道的交通参数;
根据所述交通参数,调整所述至少一个车位上停放车辆的收费费率,得到调整后的收费费率;
根据所述调整后的收费费率及所述至少一个车位上的车辆信息,对所述至少一个车位上停放的车辆进行收费。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从所述视频帧图像中确定出第一矩形框;
获取所述第一矩形框的物理宽和物理高;
根据所述物理宽和所述物理高,构建第二矩形框;
以所述第二矩形框的任一角点为原点构建定标坐标系,确定所述第二矩形框的四个角点坐标;
根据所述第一矩形框的角点坐标和所述第二矩形框的角点坐标,确定像素坐标与定标坐标之间的变换矩阵。
3.根据权利要求2所述的方法,其特征在于,从所述视频帧图像中提取所述车道的交通参数,包括:
根据待跟踪目标在所述视频帧图像上的像素坐标及所述变换矩阵,确定所述待跟踪目标在所述定标坐标系中的定标坐标;
根据所述待跟踪目标在所述定标坐标系中的定标坐标,计算所述车道的交通参数。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
根据所述交通参数,确定所述车道的交通繁忙程度;
根据所述交通繁忙程度,调节用于采集所述视频帧图像的图像采集单元的抓拍敏感度;其中,所述抓拍敏感度用于表征所述图像采集单元的抓拍频率。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
根据所述交通参数,确定所述车道的交通繁忙程度;
将所述交通繁忙程度上传至数据存储设备,以使得所述数据存储设备确定接收到的停车数据是否需要重新计算。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述交通参数包括:所述车道的车流量、所述车道的车头时距、所述车道内车辆的瞬时速度、所述车道内车辆的平均速度,以及车道占用率。
7.一种停车收费装置,其特征在于,包括:
第一获取模块,用于获取视频帧图像,所述视频帧图像中包括至少一个车位及与所述至少一个车位相邻的车道;
提取模块,用于从所述视频帧图像中提取所述至少一个车位上的车辆信息及所述车道的交通参数;
调整模块,根据所述交通参数,调整所述至少一个车位上停放车辆的收费费率,得到调整后的收费费率;
收费模块,用于根据所述调整后的收费费率及所述至少一个车位上的车辆信息,对所述至少一个车位上停放的车辆进行收费。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第一确定模块,用于从所述视频帧图像中确定出第一矩形框;
第二获取模块,用于获取所述第一矩形框的物理宽和物理高;
构建模块,用于根据所述物理宽和所述物理高,构建第二矩形框;
第二确定模块,用于将所述第二矩形框的任一角点作为原点构建定标坐标系,以确定所述第二矩形框的四个角点坐标;
第三确定模块,用于根据所述第一矩形框的角点坐标和所述第二矩形框的角点坐标,确定像素坐标与定标坐标之间的变换矩阵。
9.一种停车收费装置,其特征在于,包括:
存储器,用于存储有指令;
处理器,用于读取所述存储器中存储的指令,执行如权利要求1-6任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011090198.9A CN112330827B (zh) | 2020-10-13 | 2020-10-13 | 一种停车收费方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011090198.9A CN112330827B (zh) | 2020-10-13 | 2020-10-13 | 一种停车收费方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330827A true CN112330827A (zh) | 2021-02-05 |
CN112330827B CN112330827B (zh) | 2022-09-13 |
Family
ID=74313730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011090198.9A Active CN112330827B (zh) | 2020-10-13 | 2020-10-13 | 一种停车收费方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330827B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2439345A1 (en) * | 2001-03-07 | 2002-09-12 | P.E.M.A. Preserving The Environment Matters Association | Traffic control system with road tariff depending on the congestion level |
US20090070031A1 (en) * | 2007-09-07 | 2009-03-12 | On Time Systems Inc. | System and method for automated updating of map information |
CN101923735A (zh) * | 2010-08-20 | 2010-12-22 | 北京握奇数据系统有限公司 | 一种停车场智能收费系统和方法 |
CN102201164A (zh) * | 2010-03-23 | 2011-09-28 | 江苏云联科技有限公司 | 一种自适应城市交通拥堵快速反应系统 |
CN102768804A (zh) * | 2012-07-30 | 2012-11-07 | 江苏物联网研究发展中心 | 基于视频的交通信息采集方法 |
CN106652448A (zh) * | 2016-12-13 | 2017-05-10 | 山姆帮你(天津)信息科技有限公司 | 基于视频处理技术的公路交通状态监测系统 |
CN107480974A (zh) * | 2017-08-28 | 2017-12-15 | 北京悦畅科技有限公司 | 自营停车场费率调整方法和装置 |
CN108242152A (zh) * | 2018-03-08 | 2018-07-03 | 沈志强 | 路侧停车管理系统 |
CN108475444A (zh) * | 2016-01-04 | 2018-08-31 | 快速资源公司 | 用于运输工具的计费系统和方法 |
JP2019003231A (ja) * | 2017-06-09 | 2019-01-10 | Ihi運搬機械株式会社 | 一時停車料金精算方法と一時停車料金精算用ソフトウエア |
CN110880205A (zh) * | 2019-10-31 | 2020-03-13 | 北京猎户智芯科技有限公司 | 一种停车收费方法及装置 |
CN111275960A (zh) * | 2018-12-05 | 2020-06-12 | 杭州海康威视系统技术有限公司 | 一种交通路况分析方法、系统及摄像机 |
-
2020
- 2020-10-13 CN CN202011090198.9A patent/CN112330827B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2439345A1 (en) * | 2001-03-07 | 2002-09-12 | P.E.M.A. Preserving The Environment Matters Association | Traffic control system with road tariff depending on the congestion level |
US20090070031A1 (en) * | 2007-09-07 | 2009-03-12 | On Time Systems Inc. | System and method for automated updating of map information |
CN102201164A (zh) * | 2010-03-23 | 2011-09-28 | 江苏云联科技有限公司 | 一种自适应城市交通拥堵快速反应系统 |
CN101923735A (zh) * | 2010-08-20 | 2010-12-22 | 北京握奇数据系统有限公司 | 一种停车场智能收费系统和方法 |
CN102768804A (zh) * | 2012-07-30 | 2012-11-07 | 江苏物联网研究发展中心 | 基于视频的交通信息采集方法 |
CN108475444A (zh) * | 2016-01-04 | 2018-08-31 | 快速资源公司 | 用于运输工具的计费系统和方法 |
CN106652448A (zh) * | 2016-12-13 | 2017-05-10 | 山姆帮你(天津)信息科技有限公司 | 基于视频处理技术的公路交通状态监测系统 |
JP2019003231A (ja) * | 2017-06-09 | 2019-01-10 | Ihi運搬機械株式会社 | 一時停車料金精算方法と一時停車料金精算用ソフトウエア |
CN107480974A (zh) * | 2017-08-28 | 2017-12-15 | 北京悦畅科技有限公司 | 自营停车场费率调整方法和装置 |
CN108242152A (zh) * | 2018-03-08 | 2018-07-03 | 沈志强 | 路侧停车管理系统 |
CN111275960A (zh) * | 2018-12-05 | 2020-06-12 | 杭州海康威视系统技术有限公司 | 一种交通路况分析方法、系统及摄像机 |
CN110880205A (zh) * | 2019-10-31 | 2020-03-13 | 北京猎户智芯科技有限公司 | 一种停车收费方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112330827B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021098211A1 (zh) | 一种路况信息的监测方法及装置 | |
CN108986465B (zh) | 一种车流量检测的方法、系统及终端设备 | |
CN105336169B (zh) | 一种基于视频判断交通拥堵的方法和系统 | |
CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
CN111818313B (zh) | 一种基于监控视频的车辆实时追踪方法及装置 | |
CN106485927A (zh) | 一种智能交通违章信息采集装置及采集方法 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN107886055A (zh) | 一种用于车辆运动方向判定的逆行检测方法 | |
CN101364347A (zh) | 基于视频的交叉口车辆控制延误的检测方法 | |
CN103646544B (zh) | 基于云台和相机设备的车辆行为分析识别方法 | |
US20220237919A1 (en) | Method, Apparatus, and Computing Device for Lane Recognition | |
CN102768802B (zh) | 基于有限状态机的道路车辆拥堵判别方法 | |
CN110009634A (zh) | 一种基于全卷积网络的车道内车辆计数方法 | |
CN109377770B (zh) | 统计车流量的方法和装置、计算设备和存储介质 | |
CN115188189A (zh) | 支撑自动驾驶货车车辆队列运行的专用车道动态设置方法 | |
CN110880205B (zh) | 一种停车收费方法及装置 | |
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 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN115687709A (zh) | 基于交通数据降维重构及多维分析的交通动态管控方法 | |
CN114049610B (zh) | 一种高速公路上机动车倒车和逆行违法行为主动发现方法 | |
CN114495520B (zh) | 一种车辆的计数方法、装置、终端和存储介质 | |
CN112330827B (zh) | 一种停车收费方法及装置 | |
CN110889347B (zh) | 基于时空计数特征的密度交通流计数方法及系统 | |
CN115116033A (zh) | 车位范围的处理方法及计算设备 | |
CN109063675B (zh) | 车流密度计算方法、系统、终端及计算机可读存储介质 |
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 |