CN115171057A - 停车数据处理方法、装置、服务器及计算机可读存储介质 - Google Patents

停车数据处理方法、装置、服务器及计算机可读存储介质 Download PDF

Info

Publication number
CN115171057A
CN115171057A CN202210823571.XA CN202210823571A CN115171057A CN 115171057 A CN115171057 A CN 115171057A CN 202210823571 A CN202210823571 A CN 202210823571A CN 115171057 A CN115171057 A CN 115171057A
Authority
CN
China
Prior art keywords
parking
vehicle
data
target
parking data
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.)
Pending
Application number
CN202210823571.XA
Other languages
English (en)
Inventor
秦建波
钟胜华
王煜
夏宛昆
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.)
Chengdu Jiaotou Intelligent Parking Technology Co ltd
Chengdu Jiaotou Smart Parking Industry Development Co ltd
Original Assignee
Chengdu Jiaotou Intelligent Parking Technology Co ltd
Chengdu Jiaotou Smart Parking Industry Development 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 Chengdu Jiaotou Intelligent Parking Technology Co ltd, Chengdu Jiaotou Smart Parking Industry Development Co ltd filed Critical Chengdu Jiaotou Intelligent Parking Technology Co ltd
Priority to CN202210823571.XA priority Critical patent/CN115171057A/zh
Publication of CN115171057A publication Critical patent/CN115171057A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/46Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种停车数据处理方法、装置、服务器及计算机可读存储介质,包括:获取目标停放车辆对应的停车数据,以及所述停车数据关联的车辆图像帧;确定所述车辆图像帧对应的图像识别结果;根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果。本发明可以显著提高停车数据的准确度和可靠性,从而准确、高效地对车辆占位停车进行检测。

Description

停车数据处理方法、装置、服务器及计算机可读存储介质
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种停车数据处理方法、装置、服务器及计算机可读存储介质。
背景技术
目前,占道停车系统一般数据采集系统、信息管理系统和收费系统等三个基本构成系统。其中,数据采集系统即通过车辆被动(如人工采集、设备采集)或车辆主动的方式将停车信息上传至信息管理系统进行信息录入;信息管理系统为后台系统,实现对出入场信息的处理、计费、数据推送、数据分析等功能;收费系统实现向车主用户收取停车费用的功能。然而数据采集系统采集或上传停车信息时涉及存在人工管理过程,从而极大可能导致停车信息上传错误,或者由于操作人员操作不当而导致响应滞后,不仅影响后续数据处理效率。
发明内容
有鉴于此,本发明的目的在于提供一种停车数据处理方法、装置、服务器及计算机可读存储介质,可以显著提高停车数据的准确度和可靠性,从而准确、高效地对车辆占位停车进行检测。
第一方面,本发明实施例提供了一种停车数据处理方法,包括:获取目标停放车辆对应的停车数据,以及所述停车数据关联的车辆图像帧;确定所述车辆图像帧对应的图像识别结果;根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果。
在一种实施方式中,所述获取目标停放车辆对应的停车数据,以及所述停车数据关联的车辆图像帧,包括:当接收到数据采集设备的接入请求时,对所述数据采集设备进行合法性验证;其中,所述数据采集设备用于采集停车空间内的目标停放车辆对应的图像信息,并基于所述图像信息中的车辆图像帧确定停车数据;如果所述数据采集设备合法,按照预设接入规范建立与所述数据采集设备的通信通道;基于所述通信通道接收所述数据采集设备发送的所述停车数据,以及所述停车数据关联的所述车辆图像帧。
在一种实施方式中,所述确定所述车辆图像帧对应的图像识别结果,包括:调用预先配置的图像处理算法,并利用所述图像处理算法对所述车辆图像帧进行图像识别得到图像识别结果。
在一种实施方式中,所述根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果,包括:如果所述停车数据与所述图像识别结果不一致,且所述图像识别结果的置信度低于预设置信度阈值,则确定所述目标停放车辆对应的校验结果为车辆异常;或者,如果基于所述图像识别结果确定所述停车数据缺失,则确定所述目标停放车辆对应的校验结果为车辆异常。
在一种实施方式中,在确定所述目标停放车辆对应的校验结果为车辆异常之后,还包括:生成所述校验结果对应的异常工单,并将所述异常工单发送至指定关联终端;接收并保存所述指定关联终端针对所述异常工单反馈的人工稽核数据。
在一种实施方式中,在所述根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果之后,还包括:根据预先配置的停车业务指标确定停车空间的目标指标矩阵,并计算所述目标指标矩阵内每个元素的元素值;其中,所述目标指标矩阵的第一维度为停车空间的类别,第二维度为时间区间,所述元素用于表征所述停车业务指标对应的指标基线;基于所述停车空间内每个所述目标停放车辆对应的第一停车数据,确定所述停车业务指标对应的指标值;如果所述指标值与所述指标基线之间比值大于第一比值阈值或小于第二比值阈值,生成停车空间异常提示。
在一种实施方式中,在所述计算所述指标矩阵内每个元素的元素值之后,包括:基于所述停车空间的历史指标矩阵的元素值,对所述停车业务指标对应的指标基线进行调整。
第二方面,本发明实施例还提供一种停车数据处理装置,包括:获取模块,用于获取目标停放车辆对应的停车数据,以及所述停车数据关联的车辆图像帧;图像识别模块,用于确定所述车辆图像帧对应的图像识别结果;校验模块,用于根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果。
第三方面,本发明实施例还提供一种服务器,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现第一方面提供的任一项所述的方法。
本发明实施例提供的一种停车数据处理方法、装置、服务器及计算机可读存储介质,首先获取目标停放车辆对应的停车数据,以及停车数据关联的车辆图像帧,再确定车辆图像帧对应的图像识别结果,最后根据停车数据和图像识别结果对目标停放车辆进行合规性校验,得到目标停放车辆对应的校验结果。上述方法基于车辆图像帧对目标停放车辆进行二次识别得到对应的图像识别结果,可以显著降低停车数据录入错误与人为操作不当带来的影响,可以显著提高停车数据的准确度和可靠性,从而基于停车数据和图像识别结果准确、高效地对目标停放车辆进行合规性校验,进而判定目标停放车辆是否占位停车。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种停车数据采集系统的结构示意图;
图2为本发明实施例提供的一种停车数据处理方法的流程示意图;
图3为本发明实施例提供的一种停车数据采集综合应用平台的示意图;
图4为本发明实施例提供的一种停车数据采集综合应用平台的架构示意图;
图5为本发明实施例提供的一种数据传输示意图;
图6为本发明实施例提供的一种停车数据处理装置的结构示意图;
图7为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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。
目前,占道停车作为城市停车问题的成熟解决方案,行业信息化已有多种停车数据采集技术手段,包括:人工管理(诸如,PDA(Personal Digital Assistant,掌上电脑)手持机等)无人化设备(诸如,高/低位视频桩、视频巡检车等)和辅助设备(诸如地磁、感应式地锁等),在实践中,无论是何种设备,停车数据采集准确率和订单计时的覆盖率都存在一定的误差。
具体的,现有停车数据采集系统,大多是通过设备直连业务后台的方式集成前端数据采集设备,诸如图1所示的一种停车数据采集系统的结构示意图。对于新增设备,后台系统大多数采取有限度的二次开发进行适配,系统功能先进性欠佳,解耦合能力差,从而导致以下问题:
(1)人工管理:业务系统对于车牌录入错误和人员不当操作的响应较为滞后;(2)无人化设备:接入标准各异,不利于二次开发,数据分散难以聚合,对于证据链问题也只能被动接受,无法主动判断与预警;(3)辅助设备:与可视化的图像采集设备联动不足,对于泊位状态监控可信度有较大提升空间,设备异常监控能力较差。
基于此,本发明实施提供了一种停车数据处理方法、装置、服务器及计算机可读存储介质,可以显著提高停车数据的准确度和可靠性,从而准确、高效地对车辆占位停车进行检测。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种停车数据处理方法进行详细介绍,参见图2所示的一种停车数据处理方法的流程示意图,该方法主要包括以下步骤S202至步骤S206:
步骤S202,获取目标停放车辆对应的停车数据,以及停车数据关联的车辆图像帧。在一种实施方式中,目标停放车辆也即停车空间内停放的车辆,停车数据至少包括目标停放车辆的身份标识(诸如车牌号)、停靠时间、停靠位置、车辆信息等。在一种实施方式中,可以通过PDA手持机、高/低位视频桩、视频巡检车、地磁、感应式地锁等数据采集设备上传停车数据及其关联的车辆图像帧。
步骤S204,确定车辆图像帧对应的图像识别结果。其中,图像识别结果可以包括二次识别得到的停车数据。在一种实施方式中,可以调用图像处理算法对车辆图像帧进行识别处理,即可得到图像识别结果。
步骤S206,根据停车数据和图像识别结果对目标停放车辆进行合规性校验,得到目标停放车辆对应的校验结果。其中,校验结果可以用于表征数据采集设备或图像处理算法是否异常,还可以表征目标停放车辆是否合规停车(也即未占位停车)。在一种实施方式中,可以通过比对停车数据和图像识别结果得到目标停放车辆对应的校验结果。
本发明实施例提供的停车数据处理方法,基于车辆图像帧对目标停放车辆进行二次识别得到对应的图像识别结果,可以显著降低停车数据录入错误与人为操作不当带来的影响,可以显著提高停车数据的准确度和可靠性,从而基于停车数据和图像识别结果准确、高效地对目标停放车辆进行合规性校验,进而判定目标停放车辆是否占位停车。
在一种实施方式中,上述停车数据处理方法应用于停车数据采集综合应用平台,参见3所示的一种停车数据采集综合应用平台的示意图,图3示意出停车数据经停车数据采集综合应用平台传输至业务后台,该平台包括数据采集层、数据处理层和数据应用层,具体的,数据采集层又包括标准化接入的可视化设备(诸如PDA手持机、高位视频桩、低位视频桩和巡检车),还包括感应式设备(诸如地磁和地锁),数据处理层包括一线辅助(诸如云端二次识别和订单预处理)、预警中台(诸如基线监控和异常警告)、数据挖掘(诸如停车数据标记、分析工具和控制算法),数据应用层包括停车异常处理(诸如车牌稽核、订单更正和工单派发)和辅助决策(诸如经营统计、指标评价和业务报表)。在此基础上,本发明实施例进一步提供了如图4所示的一种停车数据采集综合应用平台的架构示意图,图4示意出数据采集设备采集的停车信息将经过上述停车数据采集综合应用平台处理后发送至业务后台。
在前述实施例的基础上,本发明实施例提供了一种获取目标停放车辆对应的停车数据,以及停车数据关联的车辆图像帧的实施方式,参见如下步骤1至步骤3:
步骤1,当接收到数据采集设备的接入请求时,对数据采集设备进行合法性验证。其中,数据采集设备用于采集停车空间内的目标停放车辆对应的图像信息,并基于图像信息中的车辆图像帧确定停车数据。在实际应用中,数据采集设备可以包括PDA手持机、无人化设备(高位视频桩、低位视频桩和巡检车)、感应设备(地磁和地锁)。请继续参见上述图3,其中,数据采集层负责各类采集设备的标准化接入,保证不同厂商的各类数据设备接入规范一致,降低后续业务改造的开发成本,同时增强系统鲁棒性。接入规范包括设备鉴权和数据传输与存储。
其中,设备鉴权用于对数据采集设备进行合法性验证。具体的,对于PDA手持机可以使用用户名和设备SN(Serial Number,产品序列号)码进行双重验证;对于无人化设备可以使用动态token、设备编号和心跳信息加密进行安全认证;对于感应设备,当感应设备单向传输时需要对停车数据进行加密,双向传输则采用动态token和设备编号进行鉴权。
步骤2,如果数据采集设备合法,按照预设接入规范建立与数据采集设备的通信通道。
步骤3,基于通信通道接收数据采集设备发送的停车数据,以及停车数据关联的车辆图像帧。在一种实施方式,可以预先定义城市停车数据采集的数据库表,对不同的设备接入,会有不同的数据库表与响应数据字段,故标准表采用各类设备全集形式,诸如图5所示的一种数据传输示意图,按需传输与储存停车数据。
请继续参见图3,上述图3中的数据处理层主要负责云端二次识别和基线监控,具体可参见如下(一)至(二):
(一)云端二次识别。在实际应用中,上述确定车辆图像帧对应的图像识别结果的过程即为云端二次识别,具体的,可以调用预先配置的图像处理算法,并利用图像处理算法对车辆图像帧进行图像识别得到图像识别结果。其中,图像处理算法可以包括文字识别算法和/或轮廓识别算法。本发明实施例通过AI(Artificial Intelligence,人工智能)云计算技术赋能一线,创新性地不采取人工培训,而是通过云端停车数据二次识别来强化一线个体,降低录入错误与一线人员主观的不当操作带来的影响,并及时响应异常。相较于传统模式采用人工录入/手持机本地OCR进行停车数据(诸如,车牌号)录入,本发明实施例采用了新模式,该新模式将图像信息进行云端二次识别,对于异常情况可以进行自动纠错,从而提升了停车数据的准确率,还降低了一线人员的能力要求与培训成本,从而提升了总体录入效率。进一步的,对于图片信息中的文字结果,可以再次进行车牌合规性校验,以进一步提升准确率。
(二)基线监控。本发明实施例通过数据标记、分析工具、和控制算法,掌握经营效率指标和经济指标的指标基线,并及时更新指标基线,为后续超过指标基线时的停车数据应用提供基础。在一种实施方式中,可以按照如下步骤a至步骤c实现基线监控:
步骤a,根据预先配置的停车业务指标确定停车空间的目标指标矩阵,并计算目标指标矩阵内每个元素的元素值。其中,目标指标矩阵的第一维度为停车空间的类别,第二维度为时间区间,元素用于表征停车业务指标对应的指标基线。其中,停车业务指标也可称之为工作指标,包括:经营效率指标和经济指标。在一种实施方式中,可以通过数据统计分析程序,得出不同分类下停车场的每日工作指标,并累计统计每日工作指标获得指标浮动区间,统计工作指标按照两个维度(停车场类别和时间区间)得到目标指标矩阵,再使用概率分布函数得出目标指标矩阵中每个元素对应的指标基线。
进一步的,在计算指标矩阵内每个元素的元素值之后,还可以基于停车空间的历史指标矩阵的元素值,对停车业务指标对应的指标基线进行调整。示例性的,以最近N个月的历史指标矩阵为参考,持续学习与更新目标指标矩阵中每个元素对应的指标基线。应当注意的是,不同的停车场基线学习时间不同。
步骤b,基于停车空间内每个目标停放车辆对应的第一停车数据,确定停车业务指标对应的指标值。
步骤c,如果指标值与指标基线之间比值大于第一比值阈值或小于第二比值阈值,生成停车空间异常提示。在一种实施方式中,对于偏离指标基线的情况,系统内部进行提示与告警。
请继续参见图3,上述图3中的数据应用层负责接收数据处理层的结果,针对不同的结果进行指令操作,如执行消息推送、人工介入、派发工单等,并生成数据应用产品,如日常报表、实时大屏等辅助决策,指导生产经营,实现停车精细化运营。
在此基础上,本发明实施例提供了一种根据停车数据和图像识别结果对目标停放车辆进行合规性校验,得到目标停放车辆对应的校验结果的实施方式,参见如下(1)至(3):
(1)如果停车数据与图像识别结果不一致,且图像识别结果的置信度低于预设置信度阈值,则确定目标停放车辆对应的校验结果为车辆异常。在一种实施方式中,如果数据采集设备的采集停车数据与图像识别结果不一致,并且云端识别综合置信度低于阈值,则提交异常工单进行人工稽核。在另一种实施方式中,如果数据采集设备采集停车数据低于阈值时,提交异常工单进行人工稽核,并通过人工比对现场图片与系统分析结果,执行最终修改。当后台稽核情况证据不足需要补充时,派发工单至一线人员,限在指定时间内完成证据补充,并记入考核。
(2)如果基于图像识别结果确定停车数据缺失,则确定目标停放车辆对应的校验结果为车辆异常。在一种实施方式中,如果比对图像识别结果与停车数据,确定数据采集设备采集车辆出入场证据链缺失时,将现有证据与原始数据提交异常工单进行人工稽核。
(3)生成校验结果对应的异常工单,并将异常工单发送至指定关联终端,接收并保存指定关联终端针对异常工单反馈的人工稽核数据。
另外,上述数据应用层还可以提出辅助决策,诸如不同分类的停车场经营分析日/月/年数据报表、停车场经营分析按时序变化图表和数据大屏展示实时信息与重要指标。
综上所述,本发明实施例提供的停车数据处理方法,整体技术方案秉承轻应用,低聚合的设计思路,旨在打造广泛适配主流软硬件系统的模块化中台,具备高性能低耦合,可以与停车业务后台一体化部署,也支持客制化、模块化部署。
对于前述实施例提供的一种停车数据处理方法,本发明实施例提供了一种停车数据处理装置,参见图6所示的一种停车数据处理装置的结构示意图,该装置主要包括以下部分:
获取模块602,用于获取目标停放车辆对应的停车数据,以及停车数据关联的车辆图像帧;
图像识别模块604,用于确定车辆图像帧对应的图像识别结果;
校验模块606,用于根据停车数据和图像识别结果对目标停放车辆进行合规性校验,得到目标停放车辆对应的校验结果。
本发明实施例提供的停车数据处理装置,基于车辆图像帧对目标停放车辆进行二次识别得到对应的图像识别结果,可以显著降低停车数据录入错误与人为操作不当带来的影响,可以显著提高停车数据的准确度和可靠性,从而基于停车数据和图像识别结果准确、高效地对目标停放车辆进行合规性校验,进而判定目标停放车辆是否占位停车。
在一种实施方式中,获取模块602还用于:当接收到数据采集设备的接入请求时,对数据采集设备进行合法性验证;其中,数据采集设备用于采集停车空间内的目标停放车辆对应的图像信息,并基于图像信息中的车辆图像帧确定停车数据;如果数据采集设备合法,按照预设接入规范建立与数据采集设备的通信通道;基于通信通道接收数据采集设备发送的停车数据,以及停车数据关联的车辆图像帧。
在一种实施方式中,图像识别模块604还用于:调用预先配置的图像处理算法,并利用图像处理算法对车辆图像帧进行图像识别得到图像识别结果。
在一种实施方式中,校验模块606还用于:如果停车数据与图像识别结果不一致,且图像识别结果的置信度低于预设置信度阈值,则确定目标停放车辆对应的校验结果为车辆异常;或者,如果基于图像识别结果确定停车数据缺失,则确定目标停放车辆对应的校验结果为车辆异常。
在一种实施方式中,工单生成模块,用于:生成校验结果对应的异常工单,并将异常工单发送至指定关联终端;接收并保存指定关联终端针对异常工单反馈的人工稽核数据。
在一种实施方式中,停车空间异常判定模块,用于:根据预先配置的停车业务指标确定停车空间的目标指标矩阵,并计算目标指标矩阵内每个元素的元素值;其中,目标指标矩阵的第一维度为停车空间的类别,第二维度为时间区间,元素用于表征停车业务指标对应的指标基线;基于停车空间内每个目标停放车辆对应的第一停车数据,确定停车业务指标对应的指标值;如果指标值与指标基线之间比值大于第一比值阈值或小于第二比值阈值,生成停车空间异常提示。
在一种实施方式中,停车空间异常判定模块还用于:基于停车空间的历史指标矩阵的元素值,对停车业务指标对应的指标基线进行调整。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种服务器,具体的,该服务器包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图7为本发明实施例提供的一种服务器的结构示意图,该服务器100包括:处理器70,存储器71,总线72和通信接口73,所述处理器70、通信接口73和存储器71通过总线72连接;处理器70用于执行存储器71中存储的可执行模块,例如计算机程序。
其中,存储器71可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口73(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线72可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器71用于存储程序,所述处理器70在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器70中,或者由处理器70实现。
处理器70可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器70中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器70可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71,处理器70读取存储器71中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明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)执行本发明各个实施例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。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种停车数据处理方法,其特征在于,包括:
获取目标停放车辆对应的停车数据,以及所述停车数据关联的车辆图像帧;
确定所述车辆图像帧对应的图像识别结果;
根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果。
2.根据权利要求1所述的方法,其特征在于,所述获取目标停放车辆对应的停车数据,以及所述停车数据关联的车辆图像帧,包括:
当接收到数据采集设备的接入请求时,对所述数据采集设备进行合法性验证;其中,所述数据采集设备用于采集停车空间内的目标停放车辆对应的图像信息,并基于所述图像信息中的车辆图像帧确定停车数据;
如果所述数据采集设备合法,按照预设接入规范建立与所述数据采集设备的通信通道;
基于所述通信通道接收所述数据采集设备发送的所述停车数据,以及所述停车数据关联的所述车辆图像帧。
3.根据权利要求1所述的方法,其特征在于,所述确定所述车辆图像帧对应的图像识别结果,包括:
调用预先配置的图像处理算法,并利用所述图像处理算法对所述车辆图像帧进行图像识别得到图像识别结果。
4.根据权利要求1所述的方法,其特征在于,所述根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果,包括:
如果所述停车数据与所述图像识别结果不一致,且所述图像识别结果的置信度低于预设置信度阈值,则确定所述目标停放车辆对应的校验结果为车辆异常;
或者,如果基于所述图像识别结果确定所述停车数据缺失,则确定所述目标停放车辆对应的校验结果为车辆异常。
5.根据权利要求4所述的方法,其特征在于,在确定所述目标停放车辆对应的校验结果为车辆异常之后,还包括:
生成所述校验结果对应的异常工单,并将所述异常工单发送至指定关联终端;
接收并保存所述指定关联终端针对所述异常工单反馈的人工稽核数据。
6.根据权利要求1-5任一项所述的方法,其特征在于,在所述根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果之后,还包括:
根据预先配置的停车业务指标确定停车空间的目标指标矩阵,并计算所述目标指标矩阵内每个元素的元素值;其中,所述目标指标矩阵的第一维度为停车空间的类别,第二维度为时间区间,所述元素用于表征所述停车业务指标对应的指标基线;
基于所述停车空间内每个所述目标停放车辆对应的第一停车数据,确定所述停车业务指标对应的指标值;
如果所述指标值与所述指标基线之间比值大于第一比值阈值或小于第二比值阈值,生成停车空间异常提示。
7.根据权利要求6所述的方法,其特征在于,还包括:在所述计算所述指标矩阵内每个元素的元素值之后,包括:
基于所述停车空间的历史指标矩阵的元素值,对所述停车业务指标对应的指标基线进行调整。
8.一种停车数据处理装置,其特征在于,包括:
获取模块,用于获取目标停放车辆对应的停车数据,以及所述停车数据关联的车辆图像帧;
图像识别模块,用于确定所述车辆图像帧对应的图像识别结果;
校验模块,用于根据所述停车数据和所述图像识别结果对所述目标停放车辆进行合规性校验,得到所述目标停放车辆对应的校验结果。
9.一种服务器,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7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计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
CN202210823571.XA 2022-07-13 2022-07-13 停车数据处理方法、装置、服务器及计算机可读存储介质 Pending CN115171057A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210823571.XA CN115171057A (zh) 2022-07-13 2022-07-13 停车数据处理方法、装置、服务器及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210823571.XA CN115171057A (zh) 2022-07-13 2022-07-13 停车数据处理方法、装置、服务器及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115171057A true CN115171057A (zh) 2022-10-11

Family

ID=83493387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210823571.XA Pending CN115171057A (zh) 2022-07-13 2022-07-13 停车数据处理方法、装置、服务器及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115171057A (zh)

Similar Documents

Publication Publication Date Title
CN110533912B (zh) 基于区块链的驾驶行为检测方法及装置
CN112541745B (zh) 用户行为数据分析方法、装置、电子设备及可读存储介质
CN111652280B (zh) 基于行为的目标物数据分析方法、装置及存储介质
CN103150900A (zh) 一种基于视频的交通拥堵事件自动检测方法
CN112464030B (zh) 一种可疑人员确定方法及装置
CN114519524A (zh) 基于知识图谱的企业风险预警方法、装置及存储介质
CN113269042B (zh) 基于行驶车辆违章识别的智能交通管理方法及系统
CN111275984B (zh) 车辆检测方法、装置及服务器
CN112016520A (zh) 基于ai的交通违法凭证生成方法、装置、终端及存储介质
CN116935659B (zh) 一种高速服务区卡口车辆稽核系统及其方法
CN110502605B (zh) 基于人工智能技术的电力资产lcc成本归集系统
CN115171057A (zh) 停车数据处理方法、装置、服务器及计算机可读存储介质
CN115660622B (zh) 一种应用于差旅的数据处理方法及系统
CN113947392B (zh) 交通数据审核任务中的异常确定方法和装置
CN109801394B (zh) 一种工作人员考勤方法及装置、电子设备和可读存储介质
CN112580505B (zh) 网点开关门状态识别方法、装置、电子设备及存储介质
KR102400842B1 (ko) 교통사고 정보를 제공하기 위한 서비스 방법
CN114549221A (zh) 车辆事故损失处理方法、装置、计算机设备及存储介质
CN112381386A (zh) 一种车辆稽查布控方法、装置、电子设备和存储介质
CN111583215A (zh) 损伤图像智能定损方法、装置、电子设备及存储介质
CN112101279B (zh) 目标物异常检测方法、装置、电子设备及存储介质
CN116664066B (zh) 一种管理企业计划收入与实际收入的方法及系统
CN113807445B (zh) 案卷复核方法、装置及电子装置、可读存储介质
CN116089541B (zh) 一种海量不动产登记数据异常识别方法
CN113537647B (zh) 一种基于知识图谱的数据处理方法、系统和可读存储介质

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