CN115985107A - 一种路边停车管理系统 - Google Patents

Abstract

本发明公开了一种路边停车管理系统，包括沿路边方向设置的若干连续的停车位，对应每个停车位的摄像头组、数据传输单元、图片存储单元、图片处理单元、计费单元和违停处理单元。本发明采用双低位摄像头进行车位拍摄，并通过图像拼接实现了对停如车位车辆的有效检测、能够和ECT计费系统连用且能够识别不规范停车现象。

Description

一种路边停车管理系统

技术领域：

本发明属于车位管理领域，具体涉及一种路边停车管理系统。

背景技术：

随着社会的发展，城市里的汽车越来越多，车辆停靠问题越来越凸出。为了解决停车难的问题，很多市政会在路边规划停车位，并进行收费管理。但是目前的收费管理主要靠人工进行，即人工开路边进行巡检，当看到有车辆进入停车位后即贴条确认车辆的停入时间。但是这种方法费时费力且不能及时检测到车辆停如时间。为此有人还开发了自动管理系统，如发明专利CN 112927558 A公开的基于图像分析和记录的路边停车位无人化管理方法，在停车位侧面设置摄像头以拍摄处于停车位内的车辆的车牌并计时收费，从而实现无人化管理，降低人力消耗，提高效率。

但是，上述方式仅仅对每个车位设置一个摄像头会存在如下问题：

1.当两辆车距离过近时，前车会遮挡住后车的前车牌，导致后车无法识别，在计费时会将两个车认为属于一辆车，只对前车进行计费，这容易使得车主趋向于将车辆尽可能靠近前车停车，容易导致与前车追尾，车辆由于挨得太近难以驶出车位等问题。

2.当采用视频进行证据保存时，视频占据的储存空间大，而视频证据通常需要保存至半年，以备车主或政府查验扣费是否符合要求，因此采用视频监控容易导致需要储存的数据过多，导致服务器建设费用过高，数据处理慢；而采用间隔拍照的方式，在拍照间隔内，有一个离开驾驶位，另一车辆进入驾驶位，若此时后车前端车牌被遮挡会导致前车一直被扣费，导致扣费混乱。

3.现在很对停车场接入了ETC扣费功能，而ETC扣费需要一个完整的车辆驶入和驶出的图像证据才可以扣费，现有的路边停车系统仅仅只能一面拍照，导致无法与ETC扣费功能连接在一起。

4.有的车主在停车时不规范，例如车辆部分在车位外侧、跨车位停车(即停在两个相邻车位，两个车位各占一半区域、车辆横叉仅仅占据半个车位以避免缴停车费等)。而仅仅一个摄像头由于车辆遮挡等无法拍摄完全车位外框，因此无法对上述方式的车辆是否违规进行准确判断。

发明内容：

为了解决上述技术问题，本发明提出一种路边停车管理系统。本发明采用双低位摄像头进行车位拍摄，并通过图像拼接实现了对停如车位车辆的有效检测、能够和ETC计费系统连用且能够识别不规范停车现象。

为实现上述目的，本发明提供技术方案如下：

一种路边停车管理系统，包括沿路边方向设置的若干连续的停车位，对应每个停车位的摄像头组、数据传输单元、图片存储单元、图片处理单元、计费单元和违停处理单元；

其中，每组摄像头均包括处于对应的停车位前端外侧且向对应停车位方向倾斜前端摄像头和处于停车位后端歪斜且向对应停车位方向倾斜的后端摄像头；

前端摄像头和后端摄像头每间隔n s拍摄一次照片；

所述图片存储单元用于存储前端摄像头和后端摄像头拍摄的图片预设的时间；

所述图片处理单元用于将前端摄像头和后端摄像头拍摄的图片进行拼接形成车辆拼接图像并且分别识别前端摄像头和后端摄像头拍摄的图片；当前端摄像头和后端摄像头拍摄的图片中车牌号一致时确认车辆驶入对应车位并通知计费单元对车牌号对应的车辆进行计费，当前端摄像头和后端摄像头拍摄的图片中未识别到车牌或车牌号发生变化时则判断车辆驶出车位，计费单元停止计费，并且将对应的停车费用消息发送到对应车主的手机或APP；

当前端摄像头和后端摄像头拍摄的图片中仅有一个图片识别到车牌号，且车辆拼接图像是一个车辆侧边的完整轮廓时对车牌号对应的车辆进行计费；

当前端摄像头和后端摄像头拍摄的图片中仅有一个图片识别到车牌号，且拼接图像不是一个车辆侧边的完整轮廓时，则说明车辆进行了跨车位停车；违停处理单元判断车辆跨车位停车的两个车位的车位号，并将对应两个车位的摄像头组的图片土工至交管局作为违停证据进行报警。

进一步的改进：所述图片处理单元对前端摄像头和后端摄像头拍摄的图片进行拼接时通过图片拼接软件(如图片拼接拼图、Fotor等)进行自动拼接，或通过以下方法进行拼接：检测前端摄像头和后端摄像头拍摄的图片的SIFT关键特征点，匹配两张图片的所有关键特征点，如果返回结果为空，没有匹配成功的特征点，说明两个图片不是同一个车辆的轮廓，则对应车辆进行了违停；否则，提取匹配结果得到拼接后的含有车辆侧边的完整轮廓的图片。

进一步的改进，前端摄像头21和后端摄像头22安装在距离地面3-20cm处。

进一步的改进，所述前端摄像头21和后端摄像头22的摄像区域包括对应停车为邻近路边的停车线和对应停车为前端和后端的停车线；

当前端摄像头21和后端摄像头22拍摄的图片中均能识别出车辆的车牌号，且车牌号一致，且车辆前端未超出前端的停车线，后端未超出后端的停车线，则判断车辆完全处于停车位内，否则说明车主停车不规范，此时违停处理单元发送信息至车主收集通知车主规范停车；若在连续监控的预设时间t内车辆还是停车不规范，则违停处理单元将对应图片发送至交管局作为违停证据进行报警。

本发明的优点：

1.本发明采用双低位摄像头，从而解决了现有停车管理系统存在由于车辆遮挡难以识别车牌的问题，有原有的80％车牌识别率提升到了95％以上。

2.本发明采用图像拼接技术判断车辆的违停方式，有效提高了违停识别率。

3.本发明可以与ETC系统连用，便于用户快速方便的扣除停车费用。

附图说明：

图1为本发明摄像头的安装方式示意图；

图2为车辆跨位停靠时需要提供的车位图像证据图。

具体实施方式：

为了使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施案例进行详细描述。

一种路边停车管理系统，包括沿路边方向设置的若干连续的停车位1，对应每个停车位1的摄像头组2、数据传输单元、图片存储单元、图片处理单元、计费单元、ETC收费系统和违停处理单元。

其中，如图1所示每组摄像头2均包括处于对应的停车位1前端外侧且向对应停车位1方向倾斜前端摄像头21和处于停车位1后端歪斜且向对应停车位方向倾斜的后端摄像头22；前端摄像头21和后端摄像头22每间隔6s拍摄一次照片；

图片存储单元用于存储前端摄像头21和后端摄像头22拍摄的图片预设的时间,预设时间在半年以上。

图片处理单元用于将前端摄像头21和后端摄像头22拍摄的图片进行拼接形成车辆拼接图像并且分别识别前端摄像头21和后端摄像头22拍摄的图片；当前端摄像头21和后端摄像头22拍摄的图片中车牌号一致时确认车辆驶入对应车位并通知计费单元对车牌号对应的车辆进行计费，当前端摄像头21和后端摄像头22拍摄的图片中未识别到车牌或车牌号发生变化时则判断车辆驶出车位，计费单元停止计费，并且将对应的停车费用消息发送到对应车主的手机或APP，对于有ETC的车辆，将车辆驶入停车位，处于停车位和驶出停车为的图像以及时间和所需的停车费用均发送到ETC收费系统，实现ETC自动计费。

当前端摄像头21和后端摄像头22拍摄的图片中仅有一个图片识别到车牌号，且车辆拼接图像是一个车辆侧边的完整轮廓时对车牌号对应的车辆进行计费；

当前端摄像头21和后端摄像头22拍摄的图片中仅有一个图片识别到车牌号，且拼接图像不是一个车辆侧边的完整轮廓时，则说明车辆进行了跨车位停车；违停处理单元判断车辆跨车位停车的两个车位的车位号，并将对应两个车位的摄像头组2的图片土工至交管局作为违停证据进行报警；

所述前端摄像头21和后端摄像头22的摄像区域包括对应停车为邻近路边的停车线和对应停车为前端和后端的停车线；

具体的，当前端摄像头21和后端摄像头22拍摄的图片中均能识别出车辆的车牌号，且车牌号一致，且车辆前端未超出前端的停车线，后端未超出后端的停车线，则判断车辆完全处于停车位内，否则说明车主停车不规范，此时违停处理单元发送信息至车主收集通知车主规范停车；若在连续监控的预设时间t，如5min内车辆还是停车不规范，则违停处理单元将对应图片发送至交管局作为违停证据进行报警。

其中本发明的信令服务处理逻辑如下：

1.判断摄像头是否在线。

2.初始化所有摄像头CGI参数。

3.图片抓取：通过下载网络文件方式从摄像头后台进行图片流的拉取。

4.抓取模式：间隔6秒一次进行抓取。

5.图片处理逻辑：通过图片截取和计算进行车牌识别。

6.数据形成：通过不同数据形成方式组装成车辆识别记录数据。

7.车辆信息数据传输：通过netty传送机制把车辆信息传输给边缘网关。

边缘网关处理逻辑如下：

1.每一台网关进行车位关联，一台网关管理多个车位。

2.接收信令服务器推送的车辆识别记录数据，然后再通过netty机制传输给分机服务。

分机服务处理逻辑如下：

1.通过netty服务端机制接收边缘网关netty客户端推送的车辆识别记录数据并转为车辆识别记录对象。

2.根据推送机制进行摄像头推送次数的存储，存储方式为redis数据库存储。

3.临时记录存储逻辑：

3.1判断车辆识别记录数据对象是否为空，为空则不进行下一步逻辑处理，不为空则继续下一步。

3.2判断关键字段摄像头IP、图片路径、泊位编号、识别时间是否有数值，无数值则不进行下一步逻辑处理，有则继续下一步。

3.3判断识别时间是否再规定时间范围，常规只接收当天8点-20点的数据，这个时间可以根据应用场景进行调整。识别时间不再规定时间范围内不进行下一步逻辑处理，有则继续下一步。

3.4保存车辆识别记录到车辆临时记录表。

3.5根据redis缓存机制对车辆识别记录进行逻辑存储：

根据redis存储方式判断key值对应的数据是否存在。

不存在则把车辆识别记录信息存储到对应key值中。

存在则根据识别评分高低进行是否替换原数据的识别评分，高的更新，低的不更新。

3.6保存车辆识别记录到历史车辆识别记录表。

3.7通过队列缓存机制，把车辆识别记录存储到缓存队列中。

3.8通过线程池的方法进行停车记录增删改逻辑处理。

4.停车记录增删改逻辑：

4.1获取缓存队列中的车辆识别记录。

4.2判断车辆识别记录对象是否为空，为空则不执行下一步逻辑，反之则进行下一步处理。

4.3判断识别记录的车牌是否为有效车牌，无效则不执行下一步逻辑，反之则进行下一步处理。

4.4查询当前识别记录的车位是否存在对应的主辅摄像头，不存在则不执行下一步逻辑，反之则进行下一步处理。

4.5根据redis逻辑存储记录获得车牌次数最多且识别评分最高的车牌号码。

4.6查询当前识别车辆最早时间的识别数据进行新增时用。

4.7判断当前车位是否存在入位中的车辆，存在则更新停车记录信息，并新增入位中的前后摄像头图片，反之根据获取的最早识别记录进行新增停车记录信息,并新增入位开始的前后摄像头图片，且更新车位状态为“已泊车”。

4.8新增或修改完之后网主机推送当前新增或修改的停车记录信息。

5、停车记录结束逻辑：

5.1定时查询未出位的车辆停车记录信息。

5.2查询识别记录中最近的10条有效车牌数据。

5.3判断停车记录的车牌再最近的识别记录中是否存在，存在则车辆未出位且执行④，反之则为已出位且执行⑤。

5.4查询当前停车车辆最后一条的识别记录，如果这条记录与当前时间超过两分钟则认为车辆已出位且执行⑤，反之则不对当前停车记录进行处理。

5.5判断当前时间是否超过设置的允许结束时间，默认为当天20点。超过允许的结束时间则不进行停车记录结束处理。反之执行下一步。

5.6查询车辆在车位上停留的最后一条识别记录信息并更新停车记录的结束时间为该识别时间，并更新停车记录状态为出位，且更新车位状态为空闲。

5.7清除当前出位车辆的临时记录信息。

5.8把当前出位车辆的停车记录信息推送到主机服务进行更新。

6、车辆违章逻辑：

6.1定时查询未出位的车辆停车记录。

6.2查找车辆开始泊位之前最近的一张前摄像头或后摄像头的识别记录的图片与车辆泊位后的识别记录图片进行轮廓比较，如果在正常停车规定的区间范围内，则认为正规停车，反之为违章停车并更新停车记录为违章停车。

7.主机服务处理逻辑：

7.1通过netty服务端机制接收分机服务netty客户端推送的停车记录数据对象。

7.2判断停车记录在主机是否存在，存在则更新停车记录信息并添加入位中的前后摄像头图片，反之新增停车记录信息并添加入位开始的前后摄像头图片。

图像拼接程序如下：

class TWStitcher:

#拼接函数

def stitch(self,images,ratio＝0.75,reprojThresh＝4.0,showMatches＝False):

#获取输入图片

(imageB,imageA)＝images

#检测A、B图片的SIFT关键特征点，并计算特征描述子

(kpsA,featuresA)＝self.detectAndDescribe(imageA)

(kpsB,featuresB)＝self.detectAndDescribe(imageB)

#匹配两张图片的所有特征点，返回匹配结果

M＝self.matchKeypoints(kpsA,kpsB,featuresA,featuresB,ratio,reprojThresh)

#如果返回结果为空，没有匹配成功的特征点，退出算法

if M is None:

return None

#否则，提取匹配结果

#H是3x3视角变换矩阵

(matches,H,status)＝M

#将图片A进行视角变换，result是变换后图片

result＝cv2.warpPerspective(imageA,H,(imageA.shape[1]+imageB.shape[1],imageA.shape[0]))#+imageB.shape[1]方便在左边放下第二张图

self.cv_show('result',result)

#将图片B传入result图片最左端

result[0:imageB.shape[0],0:imageB.shape[1]]＝imageB

self.cv_show('result',result)

#检测是否需要显示图片匹配

if showMatches:

#生成匹配图片

vis＝self.drawMatches(imageA,imageB,kpsA,kpsB,matches,status)

#返回结果

return(result,vis)

#返回匹配结果

return result

def cv_show(self,name,img):

cv2.imshow(name,img)

cv2.waitKey(0)

cv2.destroyAllWindows()

def detectAndDescribe(self,image):

#将彩色图片转换成灰度图

gray＝cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#建立SIFT生成器

descriptor＝cv2.SIFT_create()

#检测SIFT特征点，并计算描述子

(kps,features)＝descriptor.detectAndCompute(image,None)

#因为要做计算，将结果转换成NumPy数组

kps＝np.float32([kp.pt for kp in kps])

#返回特征点集，及对应的描述特征

return(kps,features)

def matchKeypoints(self,kpsA,kpsB,featuresA,featuresB,ratio,reprojThresh):#AB关键点，AB特征

#建立暴力匹配器

matcher＝cv2.BFMatcher()

#使用KNN检测来自A、B图的SIFT特征匹配对，K＝2

rawMatches＝matcher.knnMatch(featuresA,featuresB,2)

matches＝[]

for m in rawMatches:

#当最近距离跟次近距离的比值小于ratio值时，保留此匹配对

if len(m)＝＝2and m[0].distance<m[1].distance*ratio:#官方教程的比例就是0.75

#存储两个点在featuresA,featuresB中的索引值

matches.append((m[0].trainIdx,m[0].queryIdx))

#当筛选后的匹配对大于4时，计算视角变换矩阵，投影变换要求最低有4

if len(matches)>4:

#获取匹配对的点坐标

ptsA＝np.float32([kpsA[i]for(_,i)in matches])

ptsB＝np.float32([kpsB[i]for(i,_)in matches])

#计算视角变换矩阵

(H,status)＝cv2.findHomography(ptsA,ptsB,cv2.RANSAC,reprojThresh)#RANSAC算法算得的单应性矩阵

#返回结果

return(matches,H,status)

#如果匹配对小于4时，返回None

return None

def drawMatches(self,imageA,imageB,kpsA,kpsB,matches,status):

#初始化可视化图片，将A、B图左右连接到一起

(hA,wA)＝imageA.shape[:2]

(hB,wB)＝imageB.shape[:2]

vis＝np.zeros((max(hA,hB),wA+wB,3),dtype＝"uint8")

vis[0:hA,0:wA]＝imageA

vis[0:hB,wA:]＝imageB

#联合遍历，画出匹配对

for((trainIdx,queryIdx),s)in zip(matches,status):

#当点对匹配成功时，画到可视化图上

if s＝＝1:

#画出匹配对

ptA＝(int(kpsA[queryIdx][0]),int(kpsA[queryIdx][1]))

ptB＝(int(kpsB[trainIdx][0])+wA,int(kpsB[trainIdx][1]))

cv2.line(vis,ptA,ptB,(0,255,0),1)#用于在图像中划线的函数，ptA起点，ptB终点

#返回可视化结果

return vis

上述仅仅为本发明的一个具体实施例，对其进行的简单改进和替换均在本发明的保护范围内。

Claims (6)

1.一种路边停车管理系统，其特征在于，包括沿路边方向设置的若干连续的停车位(1)，对应每个停车位(1)的摄像头组(2)、数据传输单元、图片存储单元、图片处理单元、计费单元和违停处理单元；

其中，每组摄像头(2)均包括处于对应的停车位(1)前端外侧且向对应停车位(1)方向倾斜前端摄像头(21)和处于停车位(1)后端歪斜且向对应停车位方向倾斜的后端摄像头(22)；前端摄像头(21)和后端摄像头(22)每间隔n s拍摄一次照片；

所述图片存储单元用于存储前端摄像头(21)和后端摄像头(22)拍摄的图片预设的时间；

所述图片处理单元用于将前端摄像头(21)和后端摄像头(22)拍摄的图片进行拼接形成车辆拼接图像并且分别识别前端摄像头(21)和后端摄像头(22)拍摄的图片；当前端摄像头(21)和后端摄像头(22)拍摄的图片中车牌号一致时确认车辆驶入对应车位并通知计费单元对车牌号对应的车辆进行计费，当前端摄像头(21)和后端摄像头(22)拍摄的图片中未识别到车牌或车牌号发生变化时则判断车辆驶出车位，计费单元停止计费，并且将对应的停车费用消息发送到对应车主的手机或APP；

当前端摄像头(21)和后端摄像头(22)拍摄的图片中仅有一个图片识别到车牌号，且车辆拼接图像是一个车辆侧边的完整轮廓时对车牌号对应的车辆进行计费；

当前端摄像头(21)和后端摄像头(22)拍摄的图片中仅有一个图片识别到车牌号，且拼接图像不是一个车辆侧边的完整轮廓时，则说明车辆进行了跨车位停车；违停处理单元判断车辆跨车位停车的两个车位的车位号，并将对应两个车位的摄像头组(2)的图片土工至交管局作为违停证据进行报警；(3)通过图片训练比对的方式，比如只拍摄到车轮、只拍摄到车身，这种情况也属于违章停车。

2.如权利要求1所述的路边停车管理系统，其特征在于，所述图片处理单元对前端摄像头(21)和后端摄像头(22)拍摄的图片进行拼接时通过图片拼接软件进行自动拼接，或通过以下方法进行拼接：检测前端摄像头(21)和后端摄像头(22)拍摄的图片的SIFT关键特征点，匹配两张图片的所有关键特征点，如果返回结果为空，没有匹配成功的特征点，说明两个图片不是同一个车辆的轮廓，则对应车辆进行了违停；否则，提取匹配结果得到拼接后的含有车辆侧边的完整轮廓的图片。

3.如权利要求1所述的路边停车管理系统，其特征在于，还包括ETC收费系统，计费单元得到车辆所需的停车费用后，将车辆驶入停车位，处于停车位和驶出停车为的图像以及时间和所需的停车费用均发送到ETC收费系统，实现ETC自动计费。

4.如权利要求1所述的路边停车管理系统，其特征在于，前端摄像头(21)和后端摄像头(22)安装在距离地面3-20cm处。

5.如权利要求1所述的路边停车管理系统，其特征在于，所述前端摄像头(21)和后端摄像头(22)的摄像区域包括对应停车为邻近路边的停车线和对应停车为前端和后端的停车线；

当前端摄像头(21)和后端摄像头(22)拍摄的图片中均能识别出车辆的车牌号，且车牌号一致，且车辆前端未超出前端的停车线，后端未超出后端的停车线，则判断车辆完全处于停车位内，否则说明车主停车不规范，此时违停处理单元发送信息至车主收集通知车主规范停车；若在连续监控的预设时间t内车辆还是停车不规范，则违停处理单元将对应图片发送至交管局作为违停证据进行报警。

6.如权利要求1所述的路边停车管理系统，其特征在于，n＝6。

Images