CN117542223B - 基于计算机视觉的停车管理方法及系统 - Google Patents

基于计算机视觉的停车管理方法及系统 Download PDF

Info

Publication number
CN117542223B
CN117542223B CN202410023703.XA CN202410023703A CN117542223B CN 117542223 B CN117542223 B CN 117542223B CN 202410023703 A CN202410023703 A CN 202410023703A CN 117542223 B CN117542223 B CN 117542223B
Authority
CN
China
Prior art keywords
parking
parking space
feature
vehicle
features
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
CN202410023703.XA
Other languages
English (en)
Other versions
CN117542223A (zh
Inventor
张晓兰
张碧峰
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.)
Xi'an Excellent Software Development Co ltd
Original Assignee
Xi'an Excellent Software 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 Xi'an Excellent Software Development Co ltd filed Critical Xi'an Excellent Software Development Co ltd
Priority to CN202410023703.XA priority Critical patent/CN117542223B/zh
Publication of CN117542223A publication Critical patent/CN117542223A/zh
Application granted granted Critical
Publication of CN117542223B publication Critical patent/CN117542223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • 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
    • 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
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • 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
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/096838—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the user preferences are taken into account or the user selects one route out of a plurality
    • 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
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
    • 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
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于计算机视觉的停车管理方法及系统，涉及计算机视觉技术领域。在该方法中，获取当前车辆进入停车场入口时的第一图像；基于计算机视觉算法对第一图像中的当前车辆进行分析，得到第一车辆特征集合；对停车场进行区域划分，确定多个停车区域；获取各个停车区域对应的第二图像；基于计算机视觉算法对各个第二图像中的停车位进行分析，得到多个第一停车位特征集合；基于第一车辆特征集合和多个第一停车位特征集合，得到当前车辆对应的停车规划线路，以使当前车辆按照停车规划线路进行停车。实施本申请的技术方案，可以为车辆规划出停车行驶线路，从而有效提升车辆的停车效率。

Description

基于计算机视觉的停车管理方法及系统
技术领域
本申请涉及计算机视觉技术领域，具体涉及一种基于计算机视觉的停车管理方法及系统。
背景技术
现如今，随着商场规模的不断增大，商场地下停车场的规模也在不断增大，因此，商场地下停车场的停车位规划也越来越复杂。现如今的停车管理方法多依靠于人工指引并辅以空闲停车位处的指示灯指引，从而实现车辆行驶至空闲停车位。然而这种方法无法为车辆规划出一条直接的停车行驶线路，从而导致车辆的停车效率十分低下。
因此，如何提高车辆的停车效率，成为亟需解决的技术问题。
发明内容
本申请提供了一种基于计算机视觉的停车管理方法及系统，可以为车辆规划出停车行驶线路，从而有效提升车辆的停车效率。
第一方面，本申请提供了一种基于计算机视觉的停车管理方法，所述方法包括：获取当前车辆进入停车场入口时的第一图像；基于计算机视觉算法对所述第一图像中的当前车辆进行分析，得到第一车辆特征集合；对停车场进行区域划分，确定多个停车区域；获取各个所述停车区域对应的第二图像；基于计算机视觉算法对各个所述第二图像中的停车位进行分析，得到多个第一停车位特征集合；基于所述第一车辆特征集合和多个所述第一停车位特征集合，得到当前车辆对应的停车规划线路，以使当前车辆按照所述停车规划线路进行停车。
通过采用上述技术方案，通过获取当前车辆进入停车场入口时的第一图像，并对第一图像中的当前车辆进行分析，得到第一车辆特征集合，从而根据第一车辆特征集合中的特征实现更精确的停车位分配；通过划分不同的停车区域，以提高停车场的停车管理效率，获取停车场中的每个停车区域的第二图像，并对第二图像进行分析，得到第一停车位特征集合，以确定当前停车位的状态和类型。基于第一车辆特征集合和多个第一停车位特征集合，得到当前车辆对应的停车规划线路，从而可以为当前车辆的驾驶员提供清晰的指引，并有效优化停车场内的车流，减少车辆寻找停车位拥堵和混乱，进而有效提高整体停车效率。
可选的，所述第一车辆特征集合包括第一车型特征和第一车牌特征；所述基于计算机视觉算法对所述第一图像中的当前车辆进行分析，得到第一车辆特征集合，具体包括：对所述第一图像进行预处理，得到预处理后的第一图像；基于计算机视觉算法定位所述预处理后的第一图像中的车辆区域和车牌区域；将所述车辆区域和所述车牌区域从所述预处理后的第一图像中分割出来，得到车辆分割图像和车牌分割图像；基于光学字符识别技术对所述车牌分割图像进行识别，得到所述第一车牌特征；基于计算机视觉算法对所述车辆分割图像进行分析，得到多个车辆关键特征；将多个所述车辆关键特征输入至预设的特征分类模型中进行分类分析，输出得到所述第一车型特征。
可选的，所述第一停车位特征集合包括第一停车位状态特征、第一停车位位置特征以及第一停车位属性特征；所述基于计算机视觉算法对各个所述第二图像中的停车位进行分析，得到多个第一停车位特征集合，具体包括：对所述第二图像进行预处理，得到预处理后的第二图像；基于计算机视觉算法定位所述预处理后的第二图像中的各个停车位区域；将各个所述停车位区域从所述预处理后的第二图像中分割出来，得到多个停车位区域图像；基于计算机视觉算法对多个所述停车位区域图像进行分析，得到多个所述第一停车位状态特征、多个所述第一停车位位置特征以及多个所述第一停车位属性特征。
可选的，所述第一车辆特征集合包括第一车型特征和第一车牌特征；所述第一停车位特征集合包括第一停车位状态特征、第一停车位位置特征以及第一停车位属性特征；所述基于所述第一车辆特征集合和多个所述第一停车位特征集合，得到当前车辆对应的停车规划线路，具体包括：获取停车场的历史停车记录；所述历史停车记录包括多个历史停车图像；基于计算机视觉算法对多个所述历史停车图像中的车辆进行分析，得到多个第二车辆特征集合；所述第二车辆特征集合包括第二车型特征和第二车牌特征；基于所述第一车牌特征和所述第二车牌特征，确定当前车辆是否存在历史停车记录；若当前车辆存在历史停车记录时，则确定当前车辆的所述历史停车记录中历史停车位对应的第二停车位特征集合；所述第二停车位特征集合包括第二停车位位置特征以及第二停车位属性特征；基于各个所述第一停车位位置特征、各个所述第一停车位属性特征、所述第二停车位位置特征以及所述第二停车位属性特征，得到各个停车位与所述历史停车位的停车位匹配度；基于所述停车位匹配度和所述第一停车位状态特征，从多个停车位中确定第一匹配停车位；基于所述停车场入口对应的第一位置和所述第一匹配停车位对应的第二位置，生成当前车辆对应的所述停车规划线路。
通过采用上述技术方案，通过获取停车场的多个历史停车图像，并对多个历史停车图像进行分析，得到第二车型特征和第二车牌特征，基于第一车牌特征和第二车牌特征，以确定当前车辆是否存在历史停车记录。当当前车辆存在历史停车记录时，则通过分析历史停车位第二停车位位置特征以及第二停车位属性特征，以分析当前车辆在历史停车时的停车偏好；再通过评估每个停车位与驾驶员历史偏好和当前需求的匹配程度，以确保为驾驶员分配到最适合其需求和偏好的停车位，从而增加停车效率和满意度。
可选的，所述基于各个所述第一停车位位置特征、各个所述第一停车位属性特征、所述第二停车位位置特征以及所述第二停车位属性特征，得到各个停车位与所述历史停车位的停车位匹配度，具体包括：基于各个所述第一停车位位置特征，确定各个停车位与所述停车场入口的第一距离；基于所述第二停车位位置特征，确定所述历史停车位与所述停车场入口的第二距离；确定各个所述第一停车位属性特征包含的多个第一子特征和所述第二停车位属性特征包含的多个第二子特征；确定各个所述第一子特征中与所述第二子特征相同的子特征对应的第一数量，以及所述第二子特征对应的第二数量；基于各个所述第一距离、所述第二距离、各个所述第一数量以及所述第二数量，计算得到各个所述停车位匹配度。
通过采用上述技术方案，通过基于各个第一停车位位置特征，确定各个停车位与停车场入口的第一距离，从而评估每个停车位的便利性；基于第二停车位位置特征，确定历史停车位与停车场入口的第二距离，从而提供关于驾驶员历史停车位置的偏好，有助于理解其停车习惯。再通过收集和分析当前和历史停车位的属性特征，从而使停车位推荐更加细致和个性化。最后通过综合考虑位置和属性特征，计算每个停车位的匹配度，从而量化评估和比较不同停车位的适合度，以帮助驾驶员快速找到最合适的停车位，从而增加停车效率。
可选的，所述基于各个所述第一距离、所述第二距离、各个所述第一数量以及所述第二数量，计算得到各个所述停车位匹配度，具体包括：通过以下公式计算得到各个所述停车位匹配度：
；
其中，为第i个所述停车位匹配度，为第i个所述第一距离，D为所述第二 距离，为第i个所述第一数量，P为所述第二数量，为第一影响权重，为第二影响 权重，α为距离匹配度衰减因子。
可选的，在所述确定当前车辆是否存在历史停车记录之后，所述方法还包括：若当前车辆不存在历史停车记录时，则基于所述第一车型特征、所述第一停车位属性特征以及所述第一停车位状态特征，从多个停车位中确定第二匹配停车位；基于所述停车场入口对应的第一位置和所述第二匹配停车位对应的第三位置，生成当前车辆对应的所述停车规划线路。
在本申请的第二方面提供了一种基于计算机视觉的停车管理系统，所述系统包括获取模块和处理模块；所述获取模块，用于获取当前车辆进入停车场入口时的第一图像；所述处理模块，用于基于计算机视觉算法对所述第一图像中的当前车辆进行分析，得到第一车辆特征集合；所述处理模块，还用于对停车场进行区域划分，确定多个停车区域；所述获取模块，还用于获取各个所述停车区域对应的第二图像；所述处理模块，还用于基于计算机视觉算法对各个所述第二图像中的停车位进行分析，得到多个第一停车位特征集合；所述处理模块，还用于基于所述第一车辆特征集合和多个所述第一停车位特征集合，得到当前车辆对应的停车规划线路，以使当前车辆按照所述停车规划线路进行停车。
在本申请的第三方面提供了一种电子设备，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其它设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如本申请第一方面任意一项所述的方法。
在本申请的第四方面提供了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能够被处理器加载并执行如本申请第一方面任意一项所述的方法的计算机程序。
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、通过获取当前车辆进入停车场入口时的第一图像，并对第一图像中的当前车辆进行分析，得到第一车辆特征集合，从而根据第一车辆特征集合中的特征实现更精确的停车位分配；通过划分不同的停车区域，以提高停车场的停车管理效率，获取停车场中的每个停车区域的第二图像，并对第二图像进行分析，得到第一停车位特征集合，以确定当前停车位的状态和类型。基于第一车辆特征集合和多个第一停车位特征集合，得到当前车辆对应的停车规划线路，从而可以为当前车辆的驾驶员提供清晰的指引，并有效优化停车场内的车流，减少车辆寻找停车位拥堵和混乱，进而有效提高整体停车效率。
2、通过获取停车场的多个历史停车图像，并对多个历史停车图像进行分析，得到第二车型特征和第二车牌特征，基于第一车牌特征和第二车牌特征，以确定当前车辆是否存在历史停车记录。当当前车辆存在历史停车记录时，则通过分析历史停车位第二停车位位置特征以及第二停车位属性特征，以分析当前车辆在历史停车时的停车偏好；再通过评估每个停车位与驾驶员历史偏好和当前需求的匹配程度，以确保为驾驶员分配到最适合其需求和偏好的停车位，从而增加停车效率和满意度。
3、通过基于各个第一停车位位置特征，确定各个停车位与停车场入口的第一距离，从而评估每个停车位的便利性；基于第二停车位位置特征，确定历史停车位与停车场入口的第二距离，从而提供关于驾驶员历史停车位置的偏好，有助于理解其停车习惯。再通过收集和分析当前和历史停车位的属性特征，从而使停车位推荐更加细致和个性化。最后通过综合考虑位置和属性特征，计算每个停车位的匹配度，从而量化评估和比较不同停车位的适合度，以帮助驾驶员快速找到最合适的停车位，从而增加停车效率。
附图说明
图1是本申请实施例提供的一种基于计算机视觉的停车管理方法的流程示意图之一；
图2是本申请实施例提供的一种基于计算机视觉的停车管理方法的流程示意图之二；
图3是本申请实施例提供的一种基于计算机视觉的停车管理方法的流程示意图之三；
图4是本申请实施例提供的一种基于计算机视觉的停车管理系统的结构示意图；
图5是本申请实施例公开的一种电子设备的结构示意图。
附图标记说明：1、获取模块；2、处理模块；500、电子设备；501、处理器；502、通信总线；503、用户接口；504、网络接口；505、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其它方式另外特别强调。
本申请提供了一种基于计算机视觉的停车管理方法，参照图1，其示出了本申请实施例提供的一种基于计算机视觉的停车管理方法的流程示意图之一。该方法包括步骤S1-S6，上述步骤如下：
步骤S1：获取当前车辆进入停车场入口时的第一图像。
具体来说，在本技术方案中，服务器获取当前车辆进入停车场入口时的第一图像。服务器在本方案中指的是车辆停车管理终端。
在获取当前车辆进入停车场入口时的第一图像之前，首先需要在停车场入口处安装高分辨率的摄像头。这些摄像头需要能够清晰地捕捉进入车辆的图像，并且配置的摄像头需要覆盖所有入口车道，确保每辆进入的车辆都能被捕捉到。
当车辆接近停车场入口时，摄像头将自动捕获车辆的图像。服务器将获取当前车辆进入停车场入口时的第一图像。需要说明的是，服务器在获取第一图像时，需要确保图像的时间戳和车辆信息准确记录，以便后续处理。
步骤S2：基于计算机视觉算法对第一图像中的当前车辆进行分析，得到第一车辆特征集合。
具体来说，在本技术方案中，服务器基于计算机视觉算法对第一图像中的当前车辆进行分析，得到第一车辆特征集合。其中，第一车辆特征集合包括第一车型特征和第一车牌特征。
下述实施例将对基于计算机视觉算法对第一图像中的当前车辆进行分析，得到第一车辆特征集合的具体方法进行详细说明。
在一种可能的实施方式中，步骤S2具体包括如下步骤：
对第一图像进行预处理，得到预处理后的第一图像。
具体来说，在本技术方案中，服务器对第一图像进行预处理，得到预处理后的第一图像。对第一图像进行预处理的方法为：首先对第一图像进行图像调整，图像调整包括调整图像的亮度和对比度，以确保车辆和车牌的细节在不同光照条件下都清晰可见。如果在不良光照条件下，还需要对第一图像进行色彩校正，以恢复真实颜色。其次再应用图像降噪算法（如高斯模糊、中值滤波等）减少第一图像中的随机噪声。进一步地，如果第一图像包含不必要的背景或边缘区域，则需要对第一图像进行裁剪以专注于车辆及其车牌。如果第一图像由于摄像头角度或透视效果导致车辆或车牌扭曲，则还需要使用图像几何变换（如透视变换）对第一图像进行矫正。对于后续的车牌识别，则还需要将第一图像转换为黑白二值图像，以突出文字和数字。
基于计算机视觉算法定位预处理后的第一图像中的车辆区域和车牌区域。
具体来说，在本技术方案中，服务器基于计算机视觉算法定位预处理后的第一图像中的车辆区域和车牌区域。
更具体来说，服务器将基于车辆区域定位算法定位预处理后的第一图像中的车辆区域，并基于车牌区域定位算法定位预处理后的第一图像中的车牌区域。
车辆区域定位算法包括但不限于以下几种方式，使用边缘检测算法：应用如Sobel或Canny边缘检测算法，识别出图像中车辆的轮廓。特征匹配和模板匹配技术：如果车型信息已知，则可以使用模板匹配技术匹配特定车型的轮廓或特征。使用区域生长或轮廓检测算法：基于区域生长或轮廓检测算法从背景中分割出车辆形状。
车牌区域定位算法包括但不限于以下几种方式，车牌检测算法：使用专门针对车牌识别的算法，如基于Haar特征的级联分类器，定位车牌区域。图像分析技术：根据车牌的标准尺寸和形状特征，在车辆区域内搜索可能的车牌位置。
需要说明的是，服务器还需要根据实际应用场景调整算法参数，以提高车辆和车牌定位的准确率。并且在必要时，结合多种算法来提高车辆和车牌区域定位的可靠性和准确性。
将车辆区域和车牌区域从预处理后的第一图像中分割出来，得到车辆分割图像和车牌分割图像。
具体来说，在本技术方案中，服务器将基于前述步骤中定位的车辆区域，通过图像掩膜、区域生长或基于边界的分割技术从预处理后的第一图像中精确切割出车辆区域。同样的，服务器基于前述步骤中定位的车牌区域，从图像中精确切割出车牌区域。由于车牌尺寸相对标准化，因此切割出车牌区域的过程较为直接。
需要说明的是，在分割过程中，需要保证分割的车辆和车牌图像边缘清晰，确保无不必要的背景信息干扰。并且可能需要对车辆分割图像和车牌分割图像进行尺寸上的调整，确保其符合后续处理步骤的输入要求。
基于光学字符识别技术对车牌分割图像进行识别，得到第一车牌特征。
具体来说，在本技术方案中，服务器基于光学字符识别技术对车牌分割图像进行识别，得到第一车牌特征。即服务器将车牌分割图像输入至合适的OCR引擎中，提取车牌上的字符和数字，即得到第一车牌特征。
基于计算机视觉算法对车辆分割图像进行分析，得到多个车辆关键特征。
具体来说，在本技术方案中，服务器基于计算机视觉算法对车辆分割图像进行分析，得到多个车辆关键特征。其中，多个车辆关键特征包括但不限于车辆形状、车辆颜色、车辆品牌标志等等。服务器将通过深度学习模型（如卷积神经网络CNN）对车辆分割图像进行车辆关键特征提取。
将多个车辆关键特征输入至预设的特征分类模型中进行分类分析，输出得到第一车型特征。
具体来说，在本技术方案中，服务器将多个车辆关键特征输入至预设的特征分类模型中进行分类分析，输出得到第一车型特征。其中，预设的特征分类模型可以为支持向量机（SVM）、随机森林、深度学习模型（如卷积神经网络CNN）等。预设的特征分类模型将输出可理解的具体车型特征，例如，具体车型名称、车辆类别、车辆大小尺寸等。
步骤S3：对停车场进行区域划分，确定多个停车区域。
具体来说，在本技术方案中，在服务器对停车场进行区域划分之前，首先需要获取停车场的整体布局信息，包括所有车道、停车位、出入口、行人通道、电梯、楼梯等关键设施的位置，并且获取停车场内的不同功能区域，例如短时停车区、长时停车区、VIP区域、电动车充电区域等。再基于上述整体布局信息和不同功能区域，对停车场进行区域划分，确定多个停车区域。
步骤S4：获取各个停车区域对应的第二图像。
具体来说，在本技术方案中，在服务器获取各个停车区域对应的第二图像之前，首先需要在各个停车区域的关键位置安装高分辨率摄像头，以确保可以覆盖到各个停车区域中的所有停车位。服务器再通过各个高分辨率摄像头拍摄的第二图像，以获取各个停车区域对应的第二图像。
步骤S5：基于计算机视觉算法对各个第二图像中的停车位进行分析，得到多个第一停车位特征集合。
具体来说，在本技术方案中，服务器基于计算机视觉算法对各个第二图像中的停车位进行分析，得到多个第一停车位特征集合。其中，第一停车位特征集合包括第一停车位状态特征、第一停车位位置特征以及第一停车位属性特征。
下述实施例将对基于计算机视觉算法对各个第二图像中的停车位进行分析，得到多个第一停车位特征集合的具体方法进行详细说明。
在一种可能的实施方式中，步骤S5具体包括如下步骤：
对第二图像进行预处理，得到预处理后的第二图像。
具体来说，在本技术方案中，服务器对第二图像进行预处理，得到预处理后的第二图像。对第二图像进行预处理的方法与对第一图像进行预处理的方法一致，故在此不做过多赘述。
基于计算机视觉算法定位预处理后的第二图像中的各个停车位区域。
具体来说，在本技术方案中，服务器基于计算机视觉算法定位预处理后的第二图像中的各个停车位区域。即使用如Sobel或Canny边缘检测算法来识别预处理后的第二图像中的各个停车位的边界。如果停车位有标准尺寸或特定的地面标记，则可以使用特征匹配算法识别这些停车位区域。
将各个停车位区域从预处理后的第二图像中分割出来，得到多个停车位区域图像。
具体来说，在本技术方案中，服务器基于前述步骤中定位得到的各个停车位区域，从识别出的停车位区域的边缘开始，使用区域生长方法来分割出完整的停车位区域，以得到多个停车位区域图像。
基于计算机视觉算法对多个停车位区域图像进行分析，得到多个第一停车位状态特征、多个第一停车位位置特征以及多个第一停车位属性特征。
具体来说，在本技术方案中，服务器将通过如YOLO（You Only Look Once）、SSD（Single Shot MultiBox Detector）等深度学习物体检测算法对多个停车位区域图像进行分析，识别停车位上是否有车辆，并将当前停车位图像与已知的空置停车位的图像进行对比，识别占用状态，以此得到多个第一停车位状态特征。
服务器还将通过提取多个停车位区域图像中特定的地理位置标记以确定各个停车位相对于重要地点（如入口、出口、电梯）的位置，以此得到多个第一停车位位置特征。
服务器还将通过视觉特征分析算法对多个停车位区域图像进行分析，以此识别各个停车位的尺寸、形状，以及是否有特殊标记（如残疾人标志、电动车充电标志）。对于具有标准化标记的停车位，则可以使用模板匹配方法来识别这些特征，以此得到多个第一停车位属性特征。
步骤S6：基于第一车辆特征集合和多个第一停车位特征集合，得到当前车辆对应的停车规划线路，以使当前车辆按照停车规划线路进行停车。
具体来说，在本技术方案中，由于第一车辆特征集合包括第一车型特征和第一车牌特征；第一停车位特征集合包括第一停车位状态特征、第一停车位位置特征以及第一停车位属性特征。因此，服务器将基于第一车型特征、第一车牌特征、多个第一停车位状态特征、多个第一停车位位置特征以及多个第一停车位属性特征得到当前车辆对应的停车规划线路，以使当前车辆按照停车规划线路进行停车。
在得到当前车辆对应的停车规划线路后，车主可以通过扫描二维码进入当前停车场对应的停车管理小程序，在车主绑定车牌号后，服务器再将生成的当前车辆对应的停车规划线路显示在小程序的界面上，并辅以语音提示，从而帮助当前车辆按照停车规划线路进行停车。
或者可以通过在停车场的关键位置，如拐角、分叉路口、电梯旁等，安装数字指示牌，并在各个数字指示牌上显示与各个车辆对应的停车路径。
需要说明的是，上述将车辆对应的停车规划线路提示给车主的方法仅为示例性的，将车辆对应的停车规划线路提示给车主的方法还可以根据实际情况进行具体设定，故在本申请中不做过多限定。
下述实施例将对基于第一车辆特征集合和多个第一停车位特征集合，得到当前车辆对应的停车规划线路的方法进行具体说明。
在一种可能的实施方式中，参照图2，其示出了本申请实施例提供的一种基于计算机视觉的停车管理方法的流程示意图之二。步骤S6具体包括步骤S61-S67：
步骤S61：获取停车场的历史停车记录；历史停车记录包括多个历史停车图像。
具体来说，在本技术方案中，服务器将从服务器的数据库中收集历史停车记录。并根据需求确定历史数据的时间范围，例如过去一年内的停车记录。历史停车记录包括但不限于历史车牌号码、历史停车时间、历史停车位号以及关联的历史停车图像。
步骤S62：基于计算机视觉算法对多个历史停车图像中的车辆进行分析，得到多个第二车辆特征集合；第二车辆特征集合包括第二车型特征和第二车牌特征。
具体来说，在本技术方案中，服务器基于计算机视觉算法对多个历史停车图像中的车辆进行分析，得到多个第二车辆特征集合。
服务器基于计算机视觉算法对多个历史停车图像提取得到第二车型特征和第二车牌特征的方法，与前述实施例中服务器基于计算机视觉算法对第一图像提取得到第一车型特征和第一车牌特征的方法一致，故在此不做过多赘述。
步骤S63：基于第一车牌特征和第二车牌特征，确定当前车辆是否存在历史停车记录。
具体来说，在本技术方案中，服务器通过比较第一车牌特征和第二车牌特征，以确定当前车辆是否存在历史停车记录。服务器可以使用数据库查询或字符串匹配算法进行车牌号码的比对。如果历史记录中存在一个或多个与当前车辆的第一车牌特征相同的第二车牌特征，则确定该车辆拥有历史停车记录。如果当前车牌号码在历史记录中没有匹配项，则认为该车辆没有历史停车记录。
步骤S64：若当前车辆存在历史停车记录时，则确定当前车辆的历史停车记录中历史停车位对应的第二停车位特征集合；第二停车位特征集合包括第二停车位位置特征以及第二停车位属性特征。
具体来说，在本技术方案中，当服务器判断出当前车辆存在历史停车记录时，则确定当前车辆的历史停车记录中历史停车位对应的第二停车位位置特征和第二停车位属性特征。
此处确定历史停车位对应的第二停车位位置特征以及第二停车位属性特征，与前述实施例中对多个停车位区域图像进行分析得到第一停车位位置特征和第一停车位属性特征的方法一致，故在此不做过多赘述。
步骤S65：基于各个第一停车位位置特征、各个第一停车位属性特征、第二停车位位置特征以及第二停车位属性特征，得到各个停车位与历史停车位的停车位匹配度。
具体来说，在本技术方案中，服务器基于各个第一停车位位置特征、各个第一停车位属性特征、第二停车位位置特征以及第二停车位属性特征，从而将各个停车位与历史停车位进行比较，得到各个停车位与历史停车位的停车位匹配度。进而再根据停车位匹配度，从各个停车位中选择出最匹配的停车位。
下述实施例将对基于各个第一停车位位置特征、各个第一停车位属性特征、第二停车位位置特征以及第二停车位属性特征，得到各个停车位与历史停车位的停车位匹配度的具体方法进行详细说明。
在一种可能的实施方式中，参照图3，其示出了本申请实施例提供的一种基于计算机视觉的停车管理方法的流程示意图之三。步骤S65具体包括步骤S651-S655：
步骤S651：基于各个第一停车位位置特征，确定各个停车位与停车场入口的第一距离。
具体来说，在本技术方案中，服务器首先基于各个第一停车位位置特征，确定各个停车位在停车场内的具体位置，如区域编号、楼层、行列号等。再根据各个停车位距离停车场入口的实际行驶距离，得到各个停车位与停车场入口的第一距离。
需要说明的是，由于商场可能存在多个停车场入口，确定各个停车位与停车场入口的第一距离中的停车场入口即当前车辆驶入的停车场入口。举例来说，若存在多个停车场入口，分别为停车场入口A、停车场入口B以及停车场入口C，当当前车辆驶入停车场入口A时，则确定的第一距离为各个停车位与停车场入口A的实际行驶距离。
步骤S652：基于第二停车位位置特征，确定历史停车位与停车场入口的第二距离。
具体来说，在本技术方案中，服务器首先基于第二停车位位置特征，确定历史停车位在停车场内的具体位置，如区域编号、楼层、行列号等。再根据历史停车位距离停车场入口的实际行驶距离，得到各个停车位与停车场入口的第二距离。
同样的，由于商场可能存在多个停车场入口，确定历史停车位与停车场入口的第二距离中的停车场入口即当前车辆驶入的停车场入口。举例来说，若存在多个停车场入口，分别为停车场入口A、停车场入口B以及停车场入口C，当当前车辆驶入停车场入口A时，则确定的第二距离为历史停车位与停车场入口A的实际行驶距离。
步骤S653：确定各个第一停车位属性特征包含的多个第一子特征和第二停车位属性特征包含的多个第二子特征。
具体来说，在本技术方案中，服务器确定各个第一停车位属性特征包含的多个第一子特征，并确定第二停车位属性特征包含的多个第二子特征。其中，停车位属性特征包含的子特征可以有尺寸子特征、类型子特征、位置子特征等等；尺寸子特征又分别可以为大尺寸子特征、中尺寸子特征、小尺寸子特征；类型子特征又分别可以为普通车位子特征、残疾人车位子特征、家庭车位子特征、电动车充电车位子特征等等；位置子特征又可以分别为靠近入口子特征、靠近电梯子特征、靠近楼梯子特征、靠近立柱子特征等等。
举例来说，某个停车位对应的第一子特征为小尺寸子特征、普通车位子特征、靠近入口子特征；历史停车位对应的第二子特征为中尺寸子特征、普通车位子特征、靠近电梯子特征。
步骤S654：确定各个第一子特征中与第二子特征相同的子特征对应的第一数量，以及第二子特征对应的第二数量。
具体来说，在本技术方案中，服务器确定各个第一子特征中与第二子特征相同的子特征对应的第一数量，并确定第二子特征对应的第二数量。
在上述举例中，该第一子特征中与第二子特征相同的子特征为普通车位子特征，则第一数量为1；第二子特征对应的第二数量为3。
步骤S655：基于各个第一距离、第二距离、各个第一数量以及第二数量，计算得到各个停车位匹配度。
具体来说，在本技术方案中，服务器基于各个第一距离、第二距离、各个第一数量以及第二数量，计算得到各个停车位匹配度。
在一种可能的实施方式中，步骤S655包括如下步骤：
通过以下公式计算得到各个停车位匹配度：
；
其中，为第i个停车位匹配度，为第i个第一距离，D为第二距离，为第i 个第一数量，P为第二数量，为第一影响权重，为第二影响权重，α为距离匹配度衰 减因子。
具体来说，在本技术方案中，第一影响权重与第二影响权重的和为1；距离匹配度衰减因子的取值范围为(0,1)。
步骤S66：基于停车位匹配度和第一停车位状态特征，从多个停车位中确定第一匹配停车位。
具体来说，在本技术方案中，服务器基于停车位匹配度和第一停车位状态特征，从多个停车位中确定第一匹配停车位。其中第一停车位状态特征可以分为空闲状态和占用状态，因此，服务器则从多个停车位中确定处于空闲状态且停车位匹配度越高的停车位，即得到第一匹配停车位。
步骤S67：基于停车场入口对应的第一位置和第一匹配停车位对应的第二位置，生成当前车辆对应的停车规划线路。
具体来说，在本技术方案中，服务器基于停车场入口对应的第一位置和第一匹配停车位对应的第二位置，生成当前车辆对应的停车规划线路。即服务器将停车场入口或当前车辆的位置作为导航的起点，并将步骤S66中确定的第一匹配停车位作为导航的终点。应用路径规划算法（如Dijkstra算法或A*算法）来确定从起点到终点的最优路径，并在规划路径时考虑停车场内的行车路线、行走路径、一方通行等限制。
在一种可能的实施方式中，在步骤S63之后，方法还包括如下步骤：
若当前车辆不存在历史停车记录时，则基于第一车型特征、第一停车位属性特征以及第一停车位状态特征，从多个停车位中确定第二匹配停车位。
具体来说，在本技术方案中，当服务器判断当前车辆不存在历史停车记录时，则从多个停车位中确定第二匹配停车位，确定的第二匹配停车位为对应的第一停车位属性特征中的尺寸子特征与第一车型特征相匹配且第一停车位状态特征为空闲状态的停车位。
基于停车场入口对应的第一位置和第二匹配停车位对应的第三位置，生成当前车辆对应的停车规划线路。
具体来说，在本技术方案中，服务器基于停车场入口对应的第一位置和第二匹配停车位对应的第三位置，生成当前车辆对应的停车规划线路。此处生成当前车辆对应的停车规划线路的方法与步骤S67中生成停车规划线路的方法相似，故在此不做过多赘述。
参照图4，其示出了本申请实施例提供的一种基于计算机视觉的停车管理系统的结构示意图，系统包括获取模块1和处理模块2；获取模块1，用于获取当前车辆进入停车场入口时的第一图像；处理模块2，用于基于计算机视觉算法对第一图像中的当前车辆进行分析，得到第一车辆特征集合；处理模块2，还用于对停车场进行区域划分，确定多个停车区域；获取模块1，还用于获取各个停车区域对应的第二图像；处理模块2，还用于基于计算机视觉算法对各个第二图像中的停车位进行分析，得到多个第一停车位特征集合；处理模块2，还用于基于第一车辆特征集合和多个第一停车位特征集合，得到当前车辆对应的停车规划线路，以使当前车辆按照停车规划线路进行停车。
在一种可能的实施方式中，处理模块2，还用于对第一图像进行预处理，得到预处理后的第一图像；处理模块2，还用于基于计算机视觉算法定位预处理后的第一图像中的车辆区域和车牌区域；处理模块2，还用于将车辆区域和车牌区域从预处理后的第一图像中分割出来，得到车辆分割图像和车牌分割图像；处理模块2，还用于基于光学字符识别技术对车牌分割图像进行识别，得到第一车牌特征；处理模块2，还用于基于计算机视觉算法对车辆分割图像进行分析，得到多个车辆关键特征；处理模块2，还用于将多个车辆关键特征输入至预设的特征分类模型中进行分类分析，输出得到第一车型特征。
在一种可能的实施方式中，处理模块2，还用于对第二图像进行预处理，得到预处理后的第二图像；处理模块2，还用于基于计算机视觉算法定位预处理后的第二图像中的各个停车位区域；处理模块2，还用于将各个停车位区域从预处理后的第二图像中分割出来，得到多个停车位区域图像；处理模块2，还用于基于计算机视觉算法对多个停车位区域图像进行分析，得到多个第一停车位状态特征、多个第一停车位位置特征以及多个第一停车位属性特征。
在一种可能的实施方式中，获取模块1，还用于获取停车场的历史停车记录；历史停车记录包括多个历史停车图像；处理模块2，还用于基于计算机视觉算法对多个历史停车图像中的车辆进行分析，得到多个第二车辆特征集合；第二车辆特征集合包括第二车型特征和第二车牌特征；处理模块2，还用于基于第一车牌特征和第二车牌特征，确定当前车辆是否存在历史停车记录；处理模块2，还用于若当前车辆存在历史停车记录时，则确定当前车辆的历史停车记录中历史停车位对应的第二停车位特征集合；第二停车位特征集合包括第二停车位位置特征以及第二停车位属性特征；处理模块2，还用于基于各个第一停车位位置特征、各个第一停车位属性特征、第二停车位位置特征以及第二停车位属性特征，得到各个停车位与历史停车位的停车位匹配度；处理模块2，还用于基于停车位匹配度和第一停车位状态特征，从多个停车位中确定第一匹配停车位；处理模块2，还用于基于停车场入口对应的第一位置和第一匹配停车位对应的第二位置，生成当前车辆对应的停车规划线路。
在一种可能的实施方式中，处理模块2，还用于基于各个第一停车位位置特征，确定各个停车位与停车场入口的第一距离；处理模块2，还用于基于第二停车位位置特征，确定历史停车位与停车场入口的第二距离；处理模块2，还用于确定各个第一停车位属性特征包含的多个第一子特征和第二停车位属性特征包含的多个第二子特征；处理模块2，还用于确定各个第一子特征中与第二子特征相同的子特征对应的第一数量，以及第二子特征对应的第二数量；处理模块2，还用于基于各个第一距离、第二距离、各个第一数量以及第二数量，计算得到各个停车位匹配度。
在一种可能的实施方式中，处理模块2，还用于通过以下公式计算得到各个停车位匹配度：
；
其中，为第i个停车位匹配度，为第i个第一距离，D为第二距离，为第i 个第一数量，P为第二数量，为第一影响权重，为第二影响权重，α为距离匹配度衰 减因子。
在一种可能的实施方式中，处理模块2，还用于若当前车辆不存在历史停车记录时，则基于第一车型特征、第一停车位属性特征以及第一停车位状态特征，从多个停车位中确定第二匹配停车位；处理模块2，还用于基于停车场入口对应的第一位置和第二匹配停车位对应的第三位置，生成当前车辆对应的停车规划线路。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请还公开一种电子设备。参照图5，图5是本申请实施例的公开的一种电子设备的结构示意图。该电子设备500可以包括：至少一个处理器501，至少一个网络接口504，用户接口503，存储器505，至少一个通信总线502。
其中，通信总线502用于实现这些组件之间的连接通信。
其中，用户接口503可以包括显示屏（Display）、摄像头（Camera），可选的，用户接口503还可以包括标准的有线接口和无线接口。
其中，网络接口504可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器501可以包括一个或者多个处理核心。处理器501利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器505内的指令、程序、代码集或指令集，以及调用存储在存储器505内的数据，执行服务器的各种功能和处理数据。可选的，处理器501可以采用数字信号处理（DigitalSignalProcessing，DSP）、现场可编程门阵列（Field-ProgrammableGateArray，FPGA）、可编程逻辑阵列（ProgrammableLogicArray，PLA）中的至少一种硬件形式来实现。处理器501可集成中央处理器（CentralProcessingUnit，CPU）、图像处理器（GraphicsProcessingUnit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器501中，单独通过一块芯片进行实现。
其中，存储器505可以包括随机存储器（RandomAccessMemory，RAM），也可以包括只读存储器（Read-OnlyMemory）。可选的，该存储器505包括非瞬时性计算机可读介质（non-transitorycomputer-readablestoragemedium）。存储器505可用于存储指令、程序、代码、代码集或指令集。存储器505可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器505可选的还可以是至少一个位于远离前述处理器501的存储装置。参照图5，作为一种计算机可读存储介质的存储器505中可以包括操作系统、网络通信模块、用户接口模块以及应用程序。
在图5所示的电子设备500中，用户接口503主要用于为用户提供输入的接口，获取用户输入的数据；而处理器501可以用于调用存储器505中存储一种应用程序，当由一个或多个处理器501执行时，使得电子设备500执行如上述实施例中一个或多个的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元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器中。基于这样的理解，本申请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全部或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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其它实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (7)

1.一种基于计算机视觉的停车管理方法，其特征在于，所述方法包括：
获取当前车辆进入停车场入口时的第一图像；
基于计算机视觉算法对所述第一图像中的当前车辆进行分析，得到第一车辆特征集合；所述第一车辆特征集合包括第一车型特征和第一车牌特征；
对停车场进行区域划分，确定多个停车区域；
获取各个所述停车区域对应的第二图像；
基于计算机视觉算法对各个所述第二图像中的停车位进行分析，得到多个第一停车位特征集合；所述第一停车位特征集合包括第一停车位状态特征、第一停车位位置特征以及第一停车位属性特征；
获取停车场的历史停车记录；所述历史停车记录包括多个历史停车图像；
基于计算机视觉算法对多个所述历史停车图像中的车辆进行分析，得到多个第二车辆特征集合；所述第二车辆特征集合包括第二车型特征和第二车牌特征；
基于所述第一车牌特征和所述第二车牌特征，确定当前车辆是否存在历史停车记录；
若当前车辆存在历史停车记录时，则确定当前车辆的所述历史停车记录中历史停车位对应的第二停车位特征集合；所述第二停车位特征集合包括第二停车位位置特征以及第二停车位属性特征；
基于各个所述第一停车位位置特征，确定各个停车位与所述停车场入口的第一距离；
基于所述第二停车位位置特征，确定所述历史停车位与所述停车场入口的第二距离；
确定各个所述第一停车位属性特征包含的多个第一子特征和所述第二停车位属性特征包含的多个第二子特征；
确定各个所述第一子特征中与所述第二子特征相同的子特征对应的第一数量，以及所述第二子特征对应的第二数量；
基于各个所述第一距离、所述第二距离、各个所述第一数量以及所述第二数量，计算得到各个停车位匹配度；其中，通过以下公式计算得到各个所述停车位匹配度：；其中，/>为第i个所述停车位匹配度，/>为第i个所述第一距离，D为所述第二距离，/>为第i个所述第一数量，P为所述第二数量，/>为第一影响权重，/>为第二影响权重，α为距离匹配度衰减因子；
基于所述停车位匹配度和所述第一停车位状态特征，从多个停车位中确定第一匹配停车位；
基于所述停车场入口对应的第一位置和所述第一匹配停车位对应的第二位置，生成当前车辆对应的停车规划线路，以使当前车辆按照所述停车规划线路进行停车。
2.根据权利要求1所述的方法，其特征在于，所述第一车辆特征集合包括第一车型特征和第一车牌特征；所述基于计算机视觉算法对所述第一图像中的当前车辆进行分析，得到第一车辆特征集合，具体包括：
对所述第一图像进行预处理，得到预处理后的第一图像；
基于计算机视觉算法定位所述预处理后的第一图像中的车辆区域和车牌区域；
将所述车辆区域和所述车牌区域从所述预处理后的第一图像中分割出来，得到车辆分割图像和车牌分割图像；
基于光学字符识别技术对所述车牌分割图像进行识别，得到所述第一车牌特征；
基于计算机视觉算法对所述车辆分割图像进行分析，得到多个车辆关键特征；
将多个所述车辆关键特征输入至预设的特征分类模型中进行分类分析，输出得到所述第一车型特征。
3.根据权利要求1所述的方法，其特征在于，所述第一停车位特征集合包括第一停车位状态特征、第一停车位位置特征以及第一停车位属性特征；所述基于计算机视觉算法对各个所述第二图像中的停车位进行分析，得到多个第一停车位特征集合，具体包括：
对所述第二图像进行预处理，得到预处理后的第二图像；
基于计算机视觉算法定位所述预处理后的第二图像中的各个停车位区域；
将各个所述停车位区域从所述预处理后的第二图像中分割出来，得到多个停车位区域图像；
基于计算机视觉算法对多个所述停车位区域图像进行分析，得到多个所述第一停车位状态特征、多个所述第一停车位位置特征以及多个所述第一停车位属性特征。
4.根据权利要求1所述的方法，其特征在于，在所述确定当前车辆是否存在历史停车记录之后，所述方法还包括：
若当前车辆不存在历史停车记录时，则基于所述第一车型特征、所述第一停车位属性特征以及所述第一停车位状态特征，从多个停车位中确定第二匹配停车位；
基于所述停车场入口对应的第一位置和所述第二匹配停车位对应的第三位置，生成当前车辆对应的所述停车规划线路。
5.一种基于计算机视觉的停车管理系统，其特征在于，所述系统包括：获取模块(1)和处理模块(2)；
所述获取模块(1)，用于获取当前车辆进入停车场入口时的第一图像；
所述处理模块(2)，用于基于计算机视觉算法对所述第一图像中的当前车辆进行分析，得到第一车辆特征集合；所述第一车辆特征集合包括第一车型特征和第一车牌特征；
所述处理模块(2)，还用于对停车场进行区域划分，确定多个停车区域；
所述获取模块(1)，还用于获取各个所述停车区域对应的第二图像；
所述处理模块(2)，还用于基于计算机视觉算法对各个所述第二图像中的停车位进行分析，得到多个第一停车位特征集合；所述第一停车位特征集合包括第一停车位状态特征、第一停车位位置特征以及第一停车位属性特征；
所述获取模块(1)，还用于获取停车场的历史停车记录；所述历史停车记录包括多个历史停车图像；
所述处理模块(2)，还用于基于计算机视觉算法对多个所述历史停车图像中的车辆进行分析，得到多个第二车辆特征集合；所述第二车辆特征集合包括第二车型特征和第二车牌特征；
所述处理模块(2)，还用于基于所述第一车牌特征和所述第二车牌特征，确定当前车辆是否存在历史停车记录；
所述处理模块(2)，还用于若当前车辆存在历史停车记录时，则确定当前车辆的所述历史停车记录中历史停车位对应的第二停车位特征集合；所述第二停车位特征集合包括第二停车位位置特征以及第二停车位属性特征；
所述处理模块(2)，还用于基于各个所述第一停车位位置特征，确定各个停车位与所述停车场入口的第一距离；
所述处理模块(2)，还用于基于所述第二停车位位置特征，确定所述历史停车位与所述停车场入口的第二距离；
所述处理模块(2)，还用于确定各个所述第一停车位属性特征包含的多个第一子特征和所述第二停车位属性特征包含的多个第二子特征；
所述处理模块(2)，还用于确定各个所述第一子特征中与所述第二子特征相同的子特征对应的第一数量，以及所述第二子特征对应的第二数量；
所述处理模块(2)，还用于基于各个所述第一距离、所述第二距离、各个所述第一数量以及所述第二数量，计算得到各个停车位匹配度；其中，通过以下公式计算得到各个所述停车位匹配度：；其中，/>为第i个所述停车位匹配度，/>为第i个所述第一距离，D为所述第二距离，/>为第i个所述第一数量，P为所述第二数量，/>为第一影响权重，/>为第二影响权重，α为距离匹配度衰减因子；
所述处理模块(2)，还用于基于所述停车位匹配度和所述第一停车位状态特征，从多个停车位中确定第一匹配停车位；
所述处理模块(2)，还用于基于所述停车场入口对应的第一位置和所述第一匹配停车位对应的第二位置，生成当前车辆对应的停车规划线路，以使当前车辆按照所述停车规划线路进行停车。
6.一种电子设备，其特征在于，包括处理器(501)、存储器(505)、用户接口(503)及网络接口(504)，所述存储器(505)用于存储指令，所述用户接口(503)和网络接口(504)用于给其它设备通信，所述处理器(501)用于执行所述存储器(505)中存储的指令，以使所述电子设备(500)执行如权利要求1-4任意一项所述的方法。
7.一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，当所述指令被执行时，执行如权利要求1-4任意一项所述的方法。
CN202410023703.XA 2024-01-08 2024-01-08 基于计算机视觉的停车管理方法及系统 Active CN117542223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410023703.XA CN117542223B (zh) 2024-01-08 2024-01-08 基于计算机视觉的停车管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410023703.XA CN117542223B (zh) 2024-01-08 2024-01-08 基于计算机视觉的停车管理方法及系统

Publications (2)

Publication Number Publication Date
CN117542223A CN117542223A (zh) 2024-02-09
CN117542223B true CN117542223B (zh) 2024-03-12

Family

ID=89784624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410023703.XA Active CN117542223B (zh) 2024-01-08 2024-01-08 基于计算机视觉的停车管理方法及系统

Country Status (1)

Country Link
CN (1) CN117542223B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117877313B (zh) * 2024-03-12 2024-05-31 浙江宇泛精密科技有限公司 基于物联网感知的停车场管理方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108230725A (zh) * 2016-12-09 2018-06-29 深圳市易行网交通科技有限公司 停车推荐方法和装置
CN112289035A (zh) * 2020-12-29 2021-01-29 成都宜泊信息科技有限公司 车位分配方法、系统、电子设备及存储介质
KR102266617B1 (ko) * 2021-01-07 2021-06-18 주식회사 투지시스템 주차장 통합 관리시스템
CN113284359A (zh) * 2021-07-22 2021-08-20 腾讯科技（深圳）有限公司 车位推荐方法、装置、设备及计算机可读存储介质
CN113971893A (zh) * 2020-07-24 2022-01-25 中移(苏州)软件技术有限公司 一种车位推荐方法、装置及存储介质
WO2022257281A1 (zh) * 2021-06-09 2022-12-15 海南漫游谷电子商务有限公司 一种停车场车位预测方法及服务器

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10268899B2 (en) * 2015-10-30 2019-04-23 International Business Machines Corporation Real-time indoor parking advisor
US11408745B2 (en) * 2020-10-29 2022-08-09 Toyota Motor Engineering & Manufacturing North America, Inc Methods and systems for identifying safe parking spaces
US11727806B2 (en) * 2021-09-16 2023-08-15 Toyota Motor Engineering & Manufacturing North America, Inc. Identifying a parking spot based on congestion-dependent parking navigation preferences
US20230160709A1 (en) * 2021-11-22 2023-05-25 Toyota Motor Engineering & Manufacturing North America, Inc. Providing information to navigate to a parking space preferred by an operator of a vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108230725A (zh) * 2016-12-09 2018-06-29 深圳市易行网交通科技有限公司 停车推荐方法和装置
CN113971893A (zh) * 2020-07-24 2022-01-25 中移(苏州)软件技术有限公司 一种车位推荐方法、装置及存储介质
CN112289035A (zh) * 2020-12-29 2021-01-29 成都宜泊信息科技有限公司 车位分配方法、系统、电子设备及存储介质
KR102266617B1 (ko) * 2021-01-07 2021-06-18 주식회사 투지시스템 주차장 통합 관리시스템
WO2022257281A1 (zh) * 2021-06-09 2022-12-15 海南漫游谷电子商务有限公司 一种停车场车位预测方法及服务器
CN113284359A (zh) * 2021-07-22 2021-08-20 腾讯科技（深圳）有限公司 车位推荐方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN117542223A (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
WO2018068653A1 (zh) 点云数据处理方法、装置及存储介质
US8929604B2 (en) Vision system and method of analyzing an image
Rasheed et al. Automated number plate recognition using hough lines and template matching
CN117542223B (zh) 基于计算机视觉的停车管理方法及系统
CN104239386B (zh) 用于对面部识别匹配区分优先级的方法和系统
CN105160309A (zh) 基于图像形态学分割及区域生长的三车道检测方法
CN103824452A (zh) 一种轻量级的基于全景视觉的违章停车检测装置
CN110502982A (zh) 一种检测高速公路中障碍物的方法、装置及计算机设备
CN103770704A (zh) 用于识别车辆的停车位标志线的系统和方法
CN110853391A (zh) 智能共享停车系统
CN113055823B (zh) 一种基于路侧停车管理共享单车的方法及装置
JP2017157036A (ja) 駐車誘導システムおよび駐車誘導方法
CN111369801B (zh) 车辆识别方法、装置、设备和存储介质
Hakim et al. Implementation of an image processing based smart parking system using Haar-Cascade method
CN112733598A (zh) 车辆违法判别方法、装置、计算机设备和存储介质
CN104268513B (zh) 道路引导数据的获取方法及装置
WO2017010058A1 (ja) 識別媒体認識装置および識別媒体認識方法
CN110619256A (zh) 道路监控检测方法及装置
US10565814B2 (en) Method for providing vehicle service
CN109544981B (zh) 图像处理方法、装置、设备和介质
KR100969603B1 (ko) 숫자의 기하학적 관계를 이용한 차량 번호판 인식 방법
Al Nasim et al. An automated approach for the recognition of bengali license plates
CN111937026A (zh) 解析系统
CN115131702A (zh) 车辆定损处理方法、装置、设备及存储介质
CN114078235A (zh) 基于图像识别的轨道交通费用结算方法和装置

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