CN112466154A - 基于重识别技术的车辆停车方法、监控装置及可读存储介质 - Google Patents
基于重识别技术的车辆停车方法、监控装置及可读存储介质 Download PDFInfo
- Publication number
- CN112466154A CN112466154A CN202011508954.5A CN202011508954A CN112466154A CN 112466154 A CN112466154 A CN 112466154A CN 202011508954 A CN202011508954 A CN 202011508954A CN 112466154 A CN112466154 A CN 112466154A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- parking
- parking space
- reserved
- 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
- 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
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于重识别技术的车辆停车方法、监控装置及可读存储介质,其中,该方法包括:获取停车场入口处的第一图像信息,识别获得车辆特征参数,记录该车辆驶入停车场时间;获取停车场内多个道路摄像装置拍摄的第二图像信息,通过预设重识别模型识别得到具有车辆的第二图像信息;根据具有车辆的第二图像信息的拍摄时间,生成车辆在停车场道路上的运动轨迹;判断运动轨迹的最后时间点和驶入停车场时间的差值是否大于第一预设阈值,或判断运动轨迹的杂乱程度是否大于第二预设阈值;若是,则根据停车场的当前空车位信息生成导向信息,并向与车辆绑定的会员账号发送导向信息。本发明提供的方法可避免用户长久找不到停车位,提升用户体验。
Description
技术领域
本发明涉及停车场管理技术领域,具体涉及一种基于重识别技术的车辆停车方法、监控装置及可读存储介质。
背景技术
随着我国大中城市快速的机动化进程,“停车难”现象已经成为城市的通病,特别是各大型商业商务集中区、繁华街道路段等。一方面因为这些区域产生的停车需求量很大,另一方面则是大型停车场内结构复杂,用户难以迅速辨别方向并找到合适的停车位。
目前,通常是通过进出停车场的车辆数量确定停车难易程度,并通过停车电子诱导屏或人工指引用户去剩余车位较多区域,但任然存在部分用户长时间无法寻找到合适停车位,导致用户体验差。
发明内容
本发明的主要目的是提供一种基于重识别技术的车辆停车方法、监控装置及可读存储介质,旨在解决现有的停车场指引信息易造成部分用户体验差的技术问题。
为实现上述目的,本发明实施例提供一种基于重识别技术的车辆停车方法,该方法包括:
获取停车场入口处的第一图像信息,识别获得车辆特征参数,记录该车辆驶入停车场时间;
获取停车场内多个道路摄像装置拍摄的第二图像信息,通过预设重识别模型识别得到具有所述车辆的第二图像信息;
根据具有所述车辆的第二图像信息的拍摄时间,生成所述车辆在所述停车场道路上的运动轨迹;
判断所述运动轨迹的最后时间点和所述驶入停车场时间的差值是否大于第一预设阈值,或判断所述运动轨迹的杂乱程度是否大于第二预设阈值;
若是,则根据所述停车场的当前空车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
可选地,所述根据所述停车场的当前空车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤包括:
根据所述停车场的当前空车位信息,生成各预设停车区域内的空车位比例;
确定多个所述空车位比例中数值最高的空车位比例;
根据数值最高的空车位比例对应的预设停车区域生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
可选地,所述确定多个所述空车位比例中数值最高的空车位比例的步骤之后包括:
判断数值最高的空车位比例是否小于预设最小比例;
若否,则执行:所述根据数值最高的空车位比例对应的预设停车区域生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤;
若是,则获取预留停车区域的预留车位信息,根据预留车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
可选地,所述获取预留停车区域的预留车位信息,根据预留车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤包括:
获取预留停车区域的预留车位信息,根据所述预留车位信息确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息;
根据车位位置信息生成所述车辆从所述运动轨迹的最后时间点对应的位置驶向所述车位位置信息的导向信息,并向与所述车辆绑定的会员账号发送导向信息。
可选地,所述获取预留停车区域的预留车位信息,根据预留车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤之后,还包括:
将所述车辆的车辆特征信息与所述空车位标识关联;
获取各预留停车位对应的摄像装置拍摄的第三图像信息;
对第三图像信息中的车辆进行识别,得到待确认车辆信息;
判断所述预留停车位对应的待确认车辆信息是否与该预留停车位对应的车辆特征信息一致;
若是,则控制所述预留停车位对应的地锁降落,以使所述车辆可以停入所述预留停车位。
可选地,所述获取预留停车区域的预留车位信息,根据所述预留车位信息确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息的步骤包括:
获取预留停车区域的预留车位信息,根据所述预留车位信息判断当前预留停车区域内是否存在空闲的预留停车位;
若是,则确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息。
可选地,所述获取预留停车区域的预留车位信息,根据所述预留车位信息判断当前预留停车区域内是否存在空闲的预留停车位的步骤之后包括:
若否,则根据预设附近停车场信息生成推送提示,并向与所述车辆绑定的会员账号发送推送提示。
可选地,所述判断所述运动轨迹和所述驶入停车场时间的差值是否大于第一预设阈值的步骤包括:
获取与所述车辆绑定的会员等级,根据预设等级分类表确定与所述会员等级对应的第一预设阈值;
判断所述运动轨迹和所述驶入停车场时间的差值是否大于所述第一预设阈值。
此外,为实现上述目的,本发明还提供一种监控装置,包括存储器、处理器、以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行时实现如上述基于重识别技术的车辆停车方法的步骤。
为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述基于重识别技术的车辆停车方法的步骤。
本发明提供一种基于重识别技术的车辆停车方法、监控装置及可读存储介质。通过第一图像信息和第二图像信息,可以确定车辆在停车场内的运行轨迹,以避免车辆进入停车场后无法定位的技术问题;根据运动轨迹判断车辆在道路上的运动轨迹,以识别长久未寻找到停车位的客户,以进一步根据空车位信息生成导向信息,协助用户找到合适的车位。本发明提供的车辆停车方法与现有直接分配停车位的技术方案不同之处在于,本发明提供的技术方案不约束用户自主寻找车位,同时也不会每次用户进入停车场均向用户发送导向信息,以避免用户厌烦,仅在用户长久未找寻到停车位时,才提供导向信息。
附图说明
图1为本发明实施例监控装置的硬件结构示意图;
图2为本发明基于重识别技术的车辆停车方法第一实施例的流程示意图;
图3为本发明基于重识别技术的车辆停车方法第二实施例的流程示意图;
图4为本发明基于重识别技术的车辆停车方法第三实施例的部分流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参照图1,图1为本发明各个实施例中所提供的监控装置的硬件结构示意图。所述监控装置包括通信模块01、存储器02及处理器03等部件。本领域技术人员可以理解,图1中所示出的硬件结构还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中,所述处理器03分别与所述存储器02和所述通信模块01连接,所述存储器02上存储有计算机程序,所述计算机程序同时被处理器03执行。
通信模块01,可通过网络与外部设备连接。通信模块01可以接收外部设备发出的数据,还可发送数据、指令及信息至所述外部设备,所述外部设备可以是预警设备、数据管理终端、手机、平板电脑、笔记本电脑和台式电脑等电子设备,所述预警设备包括发声设备和/或发光设备,可发出预设声音和/或预设光源以执行预警提示。
存储器02,可用于存储软件程序以及各种数据。存储器02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等;存储数据区可存储根据监控装置的使用所创建的数据或信息等。此外,存储器02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、或其他易失性固态存储器件。
处理器03,是监控装置的控制中心,利用各种接口和线路连接整个监控装置的各个部分,通过运行或执行存储在存储器02内的软件程序和/或模块,以及调用存储在存储器02内的数据,执行监控装置的各种功能和处理数据,从而对监控装置进行整体监控。处理器03可包括一个或多个处理单元;优选的,处理器03可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器03中。尽管图1未示出,但上述监控装置还可以包括电路控制模块,电路控制模块用于与市电连接,实现电源控制,保证其他部件的正常工作。
本领域技术人员可以理解,图1中示出的监控装置的硬件结构并不构成对监控装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
根据上述硬件结构,提出本发明方法各个实施例。
参照图2,图2本发明基于重识别技术的车辆停车方法第一实施例的流程示意图,所述基于重识别技术的车辆停车方法包括:
步骤S100,获取停车场入口处的第一图像信息,识别获得车辆特征参数,记录该车辆驶入停车场时间;
具体地,可通过设于停车场入口道闸处的摄像装置获得第一图像信息。所述车辆特征参数包括车辆颜色、车身结构、天窗类型、车灯外形和车辆尺寸。停车场管理系统还可以根据该第一图像信息获取车辆进入停车场时间,以计算停车费。
步骤S200,获取停车场内多个道路摄像装置拍摄的第二图像信息,通过预设重识别模型识别得到具有所述车辆的第二图像信息;
现有的大型停车场为了方便用户寻车,会将停车场划分为多个区域,每个区域用不同的标识区分,例如:A区、B区等,或者在地面或立柱涂覆红色、黄色等颜色涂料,每个区域划分有多条供车辆行驶的道路和设置在道路两旁的停车位。道路摄像装置分布在停车场内拍摄道路情况的设置装置。车辆行驶至某个道路摄像装置的拍摄区域内,在该摄像装置拍摄的第二图像信息内有该车辆。
预设重识别模型为本领域技术人员预先根据深度学习训练完成的模型。该预设重识别模型包括通过预先训练完成的深度卷积神经网络(CNNs)根据各车辆特征参数从各个第二图像信息中识别得到可能的同一车辆图片;通过预先训练完成的孪生神经网络对各个可能为同一车辆图片进行车牌验证。从而可以基于车辆外观进行粗滤波,在通过车牌图像确定是否为同一车辆。在该过程中不需要识别各个车辆的车牌图片对应的车牌字符,仅需比对车牌图片即可。
步骤S300,根据具有所述车辆的第二图像信息的拍摄时间,生成所述车辆在所述停车场道路上的运动轨迹;
根据同一车辆在各个第二图像信息的拍摄时间和各个第二图像信息的拍摄装置位置,可以得到该车辆在停车场道路上的运动轨迹。以避免用户使入停车场后,定位模块失效导致无法定位的技术问题。
步骤S400,判断所述运动轨迹的最后时间点和所述驶入停车场时间的差值是否大于第一预设阈值,或判断所述运动轨迹的杂乱程度是否大于第二预设阈值;
通过计算所述运动轨迹的最后时间点和所述驶入停车场时间的差值,可以得到用户在停车场道路的行驶时间。行驶时间越长,表示该用户在该停车场内寻找车位的时间越久,长时间寻找不到停车位,容易使得驾驶员心情躁动,获得不好的体验。
运动轨迹的杂乱程度为根据运动轨迹中的重复轨迹、重复次数、运动轨迹的弯折次数等综合计算得到。同样地,当运动轨迹的杂乱程度较大时,说明该用户在停车场内往复寻找车位。
在一实施例中,步骤S400之前还包括:
获取与所述车辆绑定的会员等级,根据预设等级分类表确定与所述会员等级对应的第一预设阈值;
判断所述运动轨迹和所述驶入停车场时间的差值是否大于所述第一预设阈值。
该车辆的车牌与会员账号进行绑定,每个会员账号具有不同的等级,等级越高的车辆对应的第一预设阈值越小。即会员等级高的车辆相较于会员等级低的车辆在停车场道路上行驶,以触发步骤S500的行驶时间越短。与现有技术中,为VIP客户单独留有一片停车区域不同的是,在本申请方案中无论该车辆绑定的会员账号等级低或高,在道路上行驶足够时间均可能触发步骤S500。
同理可知,在另一实施例中,步骤S400之前还包括:
获取与所述车辆绑定的会员等级,根据预设等级分类表确定与所述会员等级对应的第二预设阈值;
判断所述运动轨迹的杂乱程度是否大于第二预设阈值。
每个会员账号具有不同的等级,等级越高的车辆对应的第二预设阈值越小。
若是,步骤S500,根据所述停车场的当前空车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
若否,执行步骤S400。
在本发明中,通过第一图像信息和第二图像信息,可以确定车辆在停车场内的运行轨迹,以避免车辆进入停车场后无法定位的技术问题;根据运动轨迹判断车辆在道路上的运动轨迹,以识别长久未寻找到停车位的客户,以进一步根据空车位信息生成导向信息,协助用户找到合适的车位。本发明提供的车辆停车方法与现有直接分配停车位的技术方案不同之处在于,本发明提供的技术方案不约束用户自主寻找车位,同时也不会每次用户进入停车场均向用户发送导向信息,以避免用户厌烦,仅在用户长久未找寻到停车位时,才提供导向信息。
请参照图3,为本发明基于重识别技术的车辆停车方法提出第二实施例的流程示意图,基于第一实施例,所述步骤S400包括:
步骤S410,根据所述停车场的当前空车位信息,生成各预设停车区域内的空车位比例;
本领域技术人员根据停车场地形,预先将停车场划分为各个停车区域。根据设于各个停车位上方的红外感应装置是否感应到车辆,以对不同停车区域内已使用的停车位和空闲的停车位进行统计,从而生成空车位比例。空车位比例越高即表示该停车区域内空闲停车位越多。
步骤S420,确定多个所述空车位比例中数值最高的空车位比例;
步骤S430,根据数值最高的空车位比例对应的预设停车区域生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
具体地,导向信息可以仅包括数值最高的空车位比例对应的预设停车区域,以使得用户可以根据导向信息,决定是否驶向该停车区域。
进一步地,在步骤S420之后还包括:
步骤S421,判断数值最高的空车位比例是否小于预设最小比例;
若否,则执行步骤S430;
若是,则执行步骤S440,获取预留停车区域的预留车位信息,根据预留车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
当预设最小比例为本领域技术人员预先设置,当数值最高的空车位比例小于预设最小比例,则表示该数值最高的空车位比例对应的预设停车区域的空闲停车位也不多,不能保证该车辆开向该预设停车区域后能找到合适车位。
预留停车位为在停车场内预先划分的车位,该部分停车位仅供用户长久找寻不到停车位时才使用,以提高用户体验。
请参照图4,为本发明基于重识别技术的车辆停车方法提出第三实施例的流程示意图,基于第二实施例,所述步骤S440包括:
步骤S441,获取预留停车区域的预留车位信息,根据所述预留车位信息确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息;
一个空车位标识对应一个空闲的预留停车位,车位位置信息为该空闲的预留停车位在该停车场内的位置。
在一实施例中,步骤S441包括:
获取预留停车区域的预留车位信息,根据所述预留车位信息判断当前预留停车区域内是否存在空闲的预留停车位;
若是,则确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息。
若否,则根据预设附近停车场信息生成推送提示,并向与所述车辆绑定的会员账号发送推送提示。
预设附近停车场信息为车辆当前所处的停车场附近可供停车的其他停车场,当预留停车位中没有空闲的预留停车位时,通过推送提示,以方便用户决定是否前往其他停车场停车。
步骤S442,根据车位位置信息生成所述车辆从所述运动轨迹的最后时间点对应的位置驶向所述车位位置信息的导向信息,并向与所述车辆绑定的会员账号发送导向信息。
所述运动轨迹的最后时间点对应的位置与用户当前所在的实时位置差异不大,用户可以根据该导向信息从当前位置驶向预留停车位。
所述步骤S440之后,还包括:
将所述车辆的车辆特征信息与所述空车位标识关联;
获取各预留停车位对应的摄像装置拍摄的第三图像信息;
对第三图像信息中的车辆进行识别,得到待确认车辆信息;
判断所述预留停车位对应的待确认车辆信息是否与该预留停车位对应的车辆特征信息一致;
若是,则控制所述预留停车位对应的地锁降落,以使所述车辆可以停入所述预留停车位。
为了保证预留停车位仅提供给接收到导向信息的用户,在各个预留停车位上均设置有地锁,通过对第三图像信息的识别,以在于空车位标识关联的车辆进入该预留停车位时,地锁降落。
本发明还提出一种可读存储介质,其上存储有计算机程序。所述可读存储介质可以是图1的终端中的存储器02,也可以是如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘中的至少一种,所述可读存储介质包括若干信息用以使得终端执行本发明各个实施例所述的方法。
本发明可读存储介质的具体实施例与上述基于重识别技术的车辆停车方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,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 (10)
1.一种基于重识别技术的车辆停车方法,其特征在于,该方法包括:
获取停车场入口处的第一图像信息,识别获得车辆特征参数,记录该车辆驶入停车场时间;
获取停车场内多个道路摄像装置拍摄的第二图像信息,通过预设重识别模型识别得到具有所述车辆的第二图像信息;
根据具有所述车辆的第二图像信息的拍摄时间,生成所述车辆在所述停车场道路上的运动轨迹;
判断所述运动轨迹的最后时间点和所述驶入停车场时间的差值是否大于第一预设阈值,或判断所述运动轨迹的杂乱程度是否大于第二预设阈值;
若是,则根据所述停车场的当前空车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
2.如权利要求1所述的基于重识别技术的车辆停车方法,其特征在于,所述根据所述停车场的当前空车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤包括:
根据所述停车场的当前空车位信息,生成各预设停车区域内的空车位比例;
确定多个所述空车位比例中数值最高的空车位比例;
根据数值最高的空车位比例对应的预设停车区域生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
3.如权利要求2所述的基于重识别技术的车辆停车方法,其特征在于,所述确定多个所述空车位比例中数值最高的空车位比例的步骤之后包括:
判断数值最高的空车位比例是否小于预设最小比例;
若否,则执行:所述根据数值最高的空车位比例对应的预设停车区域生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤;
若是,则获取预留停车区域的预留车位信息,根据预留车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息。
4.如权利要求3所述的基于重识别技术的车辆停车方法,其特征在于,所述获取预留停车区域的预留车位信息,根据预留车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤包括:
获取预留停车区域的预留车位信息,根据所述预留车位信息确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息;
根据车位位置信息生成所述车辆从所述运动轨迹的最后时间点对应的位置驶向所述车位位置信息的导向信息,并向与所述车辆绑定的会员账号发送导向信息。
5.如权利要求3所述的基于重识别技术的车辆停车方法,其特征在于,所述获取预留停车区域的预留车位信息,根据预留车位信息生成导向信息,并向与所述车辆绑定的会员账号发送导向信息的步骤之后,还包括:
将所述车辆的车辆特征信息与所述空车位标识关联;
获取各预留停车位对应的摄像装置拍摄的第三图像信息;
对第三图像信息中的车辆进行识别,得到待确认车辆信息;
判断所述预留停车位对应的待确认车辆信息是否与该预留停车位对应的车辆特征信息一致;
若是,则控制所述预留停车位对应的地锁降落,以使所述车辆可以停入所述预留停车位。
6.如权利要求4所述的基于重识别技术的车辆停车方法,其特征在于,所述获取预留停车区域的预留车位信息,根据所述预留车位信息确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息的步骤包括:
获取预留停车区域的预留车位信息,根据所述预留车位信息判断当前预留停车区域内是否存在空闲的预留停车位;
若是,则确定当前预留停车区域内至多一个空车位标识和该空车位标识对应的车位位置信息。
7.如权利要求6所述的基于重识别技术的车辆停车方法,其特征在于,所述获取预留停车区域的预留车位信息,根据所述预留车位信息判断当前预留停车区域内是否存在空闲的预留停车位的步骤之后包括:
若否,则根据预设附近停车场信息生成推送提示,并向与所述车辆绑定的会员账号发送推送提示。
8.如权利要求1至7中任一项所述的基于重识别技术的车辆停车方法,其特征在于,所述判断所述运动轨迹和所述驶入停车场时间的差值是否大于第一预设阈值的步骤包括:
获取与所述车辆绑定的会员等级,根据预设等级分类表确定与所述会员等级对应的第一预设阈值;
判断所述运动轨迹和所述驶入停车场时间的差值是否大于所述第一预设阈值。
9.一种监控装置,其特征在于,包括存储器、处理器、以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述基于重识别技术的车辆停车方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述基于重识别技术的车辆停车方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508954.5A CN112466154B (zh) | 2020-12-18 | 2020-12-18 | 基于重识别技术的车辆停车方法、监控装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508954.5A CN112466154B (zh) | 2020-12-18 | 2020-12-18 | 基于重识别技术的车辆停车方法、监控装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112466154A true CN112466154A (zh) | 2021-03-09 |
CN112466154B CN112466154B (zh) | 2022-12-02 |
Family
ID=74803598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011508954.5A Active CN112466154B (zh) | 2020-12-18 | 2020-12-18 | 基于重识别技术的车辆停车方法、监控装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112466154B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253963A (zh) * | 2021-06-18 | 2021-08-13 | 广州小鹏汽车科技有限公司 | 停车场车辆模型显示方法、装置、车载终端及存储介质 |
CN114299744A (zh) * | 2021-12-22 | 2022-04-08 | 广东艾科智泊科技股份有限公司 | 一种全景停车场系统及管理方案 |
CN114360288A (zh) * | 2022-03-21 | 2022-04-15 | 四川新迎顺信息技术股份有限公司 | 基于ai的车库管理方法、系统、设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105070091A (zh) * | 2015-08-17 | 2015-11-18 | 重庆迪迪汽车科技有限公司 | 停车位查找方法及系统 |
DE102015204359A1 (de) * | 2015-03-11 | 2016-09-15 | Robert Bosch Gmbh | Führen eines Kraftfahrzeugs auf einem Parkplatz |
CN109166344A (zh) * | 2018-09-27 | 2019-01-08 | 盯盯拍(深圳)云技术有限公司 | 停车场寻车方法以及停车场寻车装置 |
CN110033642A (zh) * | 2019-04-18 | 2019-07-19 | 福建工程学院 | 一种室内共享停车位路径经验生成及其引导方法 |
CN110335495A (zh) * | 2019-05-29 | 2019-10-15 | 深圳市捷视飞通科技股份有限公司 | 车辆位置信息处理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-18 CN CN202011508954.5A patent/CN112466154B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015204359A1 (de) * | 2015-03-11 | 2016-09-15 | Robert Bosch Gmbh | Führen eines Kraftfahrzeugs auf einem Parkplatz |
CN105070091A (zh) * | 2015-08-17 | 2015-11-18 | 重庆迪迪汽车科技有限公司 | 停车位查找方法及系统 |
CN109166344A (zh) * | 2018-09-27 | 2019-01-08 | 盯盯拍(深圳)云技术有限公司 | 停车场寻车方法以及停车场寻车装置 |
CN110033642A (zh) * | 2019-04-18 | 2019-07-19 | 福建工程学院 | 一种室内共享停车位路径经验生成及其引导方法 |
CN110335495A (zh) * | 2019-05-29 | 2019-10-15 | 深圳市捷视飞通科技股份有限公司 | 车辆位置信息处理方法、装置、计算机设备和存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253963A (zh) * | 2021-06-18 | 2021-08-13 | 广州小鹏汽车科技有限公司 | 停车场车辆模型显示方法、装置、车载终端及存储介质 |
CN114299744A (zh) * | 2021-12-22 | 2022-04-08 | 广东艾科智泊科技股份有限公司 | 一种全景停车场系统及管理方案 |
CN114360288A (zh) * | 2022-03-21 | 2022-04-15 | 四川新迎顺信息技术股份有限公司 | 基于ai的车库管理方法、系统、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112466154B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112466154B (zh) | 基于重识别技术的车辆停车方法、监控装置及可读存储介质 | |
CN113538714B (zh) | 停车场控制方法、系统及计算机可读存储介质 | |
CN109935085A (zh) | 一种车位管理方法 | |
CN113947943A (zh) | 停车场寻车方法、装置、设备和存储介质 | |
US20180283894A1 (en) | System and method for parking management | |
CN106846876A (zh) | 一种基于视频识别及二维码的寻车方法、系统及装置 | |
CN111002978B (zh) | 一种车库自动泊车方法及终端、存储介质 | |
CN113284279B (zh) | 一种智慧园区车辆管理方法、系统以及存储介质 | |
CN111785067B (zh) | 一种反向寻车方法、系统、智能终端及存储介质 | |
JP7013776B2 (ja) | 車両制御装置、車両、及び自動配車方法 | |
CN114202957B (zh) | 停车管理方法、管理装置及存储介质 | |
JP2021117816A (ja) | 駐車場管制システム、駐車場管制方法、及びプログラム | |
CN113053008A (zh) | 一种小区车辆出入管理方法、系统、以及存储介质 | |
CN115545975A (zh) | 一种基于景区停车场数据的管理方法、系统及存储介质 | |
WO2020001263A1 (zh) | 车位识别 | |
KR102393619B1 (ko) | 딥러닝을 이용한 주차지도 제작 및 주차장내 차량위치확인 시스템 | |
JP4267469B2 (ja) | 駐車場管理プログラム、駐車場管理装置、及び駐車場管理方法 | |
CN113409585B (zh) | 停车收费方法、系统及可读存储介质 | |
CN116110245A (zh) | 停车场停车引导方法、装置、设备及其存储介质 | |
CN111260953A (zh) | 路内停车管理方法、装置及系统 | |
CN114758521B (zh) | 停车场的出场引导方法、装置、电子设备及存储介质 | |
CN109584622B (zh) | 停车场寻车方法及装置 | |
CN113778085A (zh) | 基于人工智能的无人车控制方法、系统及可读存储介质 | |
KR102382108B1 (ko) | 자율주행차량 정보 제공 시스템, 이를 위한 차량정보 제공 서버 | |
CN113391784A (zh) | 基于语音交互的服务求助方法及装置 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230222 Address after: 518000 Floor 4, Building B, Zhenye Building, No. 2014, Bao'an South Road, Guimu Community, Guiyuan Street, Luohu District, Shenzhen, Guangdong Province Patentee after: Shenzhen Zhangting Technology Co.,Ltd. Address before: 4 / F, Zhenye building, 2014 Bao'an South Road, Guiyuan street, Luohu District, Shenzhen, Guangdong 518000 Patentee before: Dimon Intelligent Transportation Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |