CN111260953A - 路内停车管理方法、装置及*** - Google Patents

Abstract

一种路内停车管理方法、装置及***，根据车道区域的车辆监控信息，获得车道区域内车辆的车牌信息和车脸信息，并将车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息，根据泊位区域的车辆监控信息，获得泊位区域内车辆的泊位信息和车脸信息，并将泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息，将第一绑定信息中和第二绑定信息中的车脸信息进行匹配，并将匹配成功的车牌信息和泊位信息绑定，得到第三绑定信息，根据第三绑信息实现停车管理。分别针对车道区域和泊位区域的监控信息，根据图像识别得到的车脸信息将泊位信息与车牌信息的关联，从而以更高的准确率实现路内停车无人管理及自动算费。

Description

路内停车管理方法、装置及***

技术领域

本发明涉及车辆管理技术领域，具体涉及路内停车管理方法、装置及***。

背景技术

随着城市经济规模的飞速发展和市民生活水平的不断提高，城市各种车辆，尤其是私家车保有量不断增长，导致城市中停车难问题越来越严重。为了提高人们的出行方便，路内停车是目前缓解停车难问题的最佳途径。

目前路内停车管理方案主要包括如下两种：

人工管理收费，通过收费员在路内手工完成对车辆信息的录入和停车费用的计算、收取工作。该方案缺点：人工管理收费效率低，人均可管理的车位只有30个左右，人工成本高；车辆信息录入不及时，容易收费计算错误或人为私自结算等现象，无法监管现金流。

路内停车位安装地磁感应线圈，车辆驶入泊位后，由车主通过手机APP录入车辆信息、泊位ID等信息，通过地磁感应判断车辆驶入驶出、以及泊位状态，并且云平台进行结算。该方案缺点：必须要求车主人工参与，智能化低，并且每个泊位都需要安装地磁感应线圈，工程施工量大，造价、维修成本高。

发明内容

本发明主要解决的技术问题是如何实现路内停车管理收费的智能化，节约大量的人力、物力资源，提升车主泊车体验。

根据第一方面，一种实施例中提供一种路内停车管理方法，包括：

根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息；

根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息；

将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息；

根据所述第三绑信息实现停车管理。

在其中一种可能实现方式中，所述根据所述第三绑定信息实现停车管理包括：

若在所述泊位区域中检测到空闲泊位且该空闲泊位的上一状态为车辆占用状态，从所述空闲泊位的泊位信息对应的所述第三绑定信息得到对应的车牌信息；

根据该车牌信息确定用户账户。

在其中一种可能实现方式中，在根据该车牌信息确定用户账户之后，所述方法还包括：

对所述用户账户进行扣费处理；

在检测到所述用户账户有未付款，以预设通知方式通知该用户；

在检测到所述用户账户未付款的时间或数额超过预设阈值时，通知交警平台，以使所述交警平台进行核查。

在其中一种可能实现方式中，所述第一绑定信息包括入口绑定信息和出口绑定信息；

其中，所述入口绑定信息是根据所述车道区域的入口车辆的车牌信息与车脸信息绑定得到的，所述入口车辆的车牌信息与车脸信息是根据所述车道区域的入口监控信息得到的；

所述出口绑定信息是根据所述车道区域的出口车辆的车牌信息与车脸信息绑定得到的，所述出口车辆的车牌信息与车脸信息是根据所述车道区域的出口监控信息得到的。

在其中一种可能实现方式中，在获得所述入口绑定信息之后，所述方法还包括：将所述入口绑定信息存储在车辆监控数据库中；

在获得所述出口绑定信息之后，根据所述出口绑定信息中的车牌信息在所述车辆监控数据库中查找对应的入口绑定信息，并将该入口绑定信息从所述车辆监控数据库中删除。

在其中一种可能实现方式中，所述车脸信息包括车脸深度特征；

将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息包括：

根据所述第一绑定信息中的车脸深度特征和所述第二绑定信息中的车脸深度特征，进行特征相似度匹配；

将其中特征相似度最高的所述第一绑定信息中的车牌信息与所述第二绑定信息中的泊位信息绑定，得到所述第三绑定信息。

在其中一种可能实现方式中，根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，包括：

接收设置于车道区域上的摄像装置对车辆的监控信息；

针对所述车道区域内各个车辆，根据所述监控信息进行车牌信息识别及车脸深度特征提取，获得各个车辆的所述车牌信息和所述车脸信息。

在其中一种可能实现方式中，所述根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息包括：

接收设置于泊位区域上的摄像装置对车辆的监控信息；

针对泊位区域内各个车辆，根据所述监控信息进行车牌信息识别及车脸深度特征提取，获得各个车辆的所述泊位信息和所述车脸信息。

根据第二方面，一种实施例中提供一种路内停车管理装置，包括：

第一绑定模块，用于根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息；

第二绑定模块，用于根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息；

第三绑定模块，用于将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息；

管理模块，用于根据所述第三绑信息实现停车管理。

根据第三方面，一种实施例中提供一种路内停车管理***，其特征在于，包括：

第一摄像装置，其设置于车道区域内，用于对车道区域的车辆进行监控，得到车道区域的车辆监控信息；

第二摄像装置，其设置于泊位区域内，用于对泊位区域的车辆进行监控，得到泊位区域的车辆监控信息；

处理器，用于根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息，根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息，将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息，根据所述第三绑信息实现停车管理。

依据上述实施例的路内停车管理方法、装置及***，首先根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息，根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息，将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息，根据所述第三绑信息实现停车管理。在本发明实施例中，分别针对车道区域和泊位区域的监控信息，基于人工智能图像识别得到的车脸信息将泊位信息与车辆车牌信息关联，从而以更高的准确率实现路内停车无人管理及自动算费，本发明实施例提供的路内停车管理方法不仅更加精准高效，而且大幅度降低了路内停车的人工成本、设备造价及维修成本，极大提升车主停车体验，提高路内停车管理效益。

附图说明

图1为本发明实施例提供的一种路内停车管理方法流程示意图；

图2为本发明实施例提供的一种获取第一绑定信息方法流程示意图；

图3为本发明实施例提供的另一种获取第一绑定信息方法流程示意图；

图4为本发明实施例提供的第一绑定信息示意图；

图5为本发明实施例提供无人值守路内停车管理监控场景示意图；

图6为本发明实施例提供的一种第一绑定信息处理操作示意图；

图7为本发明实施例提供的一种获取第二绑定信息方法流程示意图；

图8为本发明实施例提供的另一种获取第二绑定信息方法流程示意图；

图9为本发明实施例提供的一种获取第三绑定信息方法流程示意图；

图10为本发明实施例提供的一种停车管理方法流程示意图；

图11为本发明实施例提供的另一种停车管理方法流程示意图；

图12为本发明实施例提供的另一种路内停车管理方法流程示意图；

图13为本发明实施例提供的一种路内停车管理装置结构示意图；

图14为本发明实施例提供的一种路内停车管理***结构示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

常规的基于图像视频检测方案，根据摄像头的种类和安装，可以分为如下两种情况：

第一种情况，通过枪型摄像头与球型摄像头联动识别车辆的停车状态，其中枪型摄像机负责采集全景视频信息，球型摄像机根据全景视频信息跟踪场景内的车辆，抓取感兴趣的车辆信息。但是由于球型摄像机的机械运动响应速度不够，容易造成视频触发延迟，聚集延迟，导致抓拍图像不清楚的问题。并且多辆车同时出入时无法同时跟踪多辆车。使用一个枪型相机监控全景还会导致得到的车辆像素过低，给算法分析造成困难。此外对于连续多车位的场景，需要多根L型立杆，会影响美观且增加成本，并且杆件正下方的几个车位处于视觉死角，无法看清车牌和车辆轨迹。

第二种情况，通过一杆即可实现连续多车位的路内停车的管理，即对摄像头安装角度、高度的不同来监控路内泊位状态进行监控。其要求安装大量不同角度、高度的摄像头来解决立杆下方车位无法检测识别的问题，并且要求每台相机都要有车牌识别功能，以上这些要求不仅增加设备成本和维修成本，而且摄像头无法对不同角度的车牌达到很高的识别准确率。

本申请的发明思路将深度学习技术与车牌识别技术应用到路内停车管理***中，在低成本投入情况下，实现车主全程无感知泊车，自动算费的路内停车管理***。先对车道区域来车方向进行监控，利用人工智能、深度学习的方法实现路中行驶车辆的车辆检测、车牌识别和车脸深度特征提取，并根据识别结果将车牌信息与车脸深度特征进行绑定，再对路内泊位区域来车方向进行监控，利用人工智能、深度学习的方法实现泊位上车辆的车辆检测、车脸深度特征提取，根据识别结果将泊位信息状态与该泊位上的车脸深度特征进行关联，通过车脸深度特征匹配，完成车牌信息与泊位状态信息的绑定，实现对泊位上车辆的泊车信息确认。包括泊位上车辆的泊车信息的记录(包括泊位ID信息，车辆车牌信息，车辆驶入时间及场景图片信息，车辆驶出时间及场景图片信息)，并进行自动算费，最终完成无人值守路内停车管理。

实施例一

参见图1，一种实施例中提供一种路内停车管理方法，该方法可以由路内停车管理装置执行，包括步骤S10至步骤S40，下面具体说明。

步骤S10：根据车道区域的车辆监控信息，获得车道区域内车辆的车牌信息和车脸信息，并将车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息。

在其中一种可能实现方式中，参见图2，步骤S10根据车道区域的车辆监控信息，获得车道区域内车辆的车牌信息和车脸信包括步骤S11至步骤S12，下面具体说明。

步骤S11：接收设置于车道区域上的摄像装置对车辆的监控信息。

步骤S12：针对车道区域内各个车辆，根据所述监控信息进行车牌信息识别及车脸深度特征提取，获得各个车辆的所述车牌信息和所述车脸信息。

具体的，参见图3，可以选择对车道区域上某一固定的车道区域安装摄像装置，通过该摄像装置对其能监控的车道区域的来车方向进行监控，获取得到相应的监控视频图像，根据得到的监控视频图像进行车牌信息识别及车脸深度特征提取，完成车牌车脸信息绑定，检测车牌车脸绑定是否成功，在不成功时，对预设行驶道路区域的来车方向进行监控，在车牌车脸绑定成功时，上传车牌及车脸信息。该车道区域可以是市区道路、郊区道路或高速道路的某一区域(例如高速服务区)，本发明对此不作具体限定。

需要说明的是，影响车牌识别率的主要因素是，摄像头与车牌的拍摄角大，越正对车牌，准确率越高。通过在车道区域道路的出入口处，来车方向上，安装摄像头，尽可能正向拍摄车牌，这样可以保证车牌识别准确率。然而泊位区域上的车辆并非正对摄像头，往往与路边的摄像头的偏离角度较大，无法准切识别泊位区域上车辆的车牌信息，因此，通过车牌识别将车道区域和泊车区域上的车辆进行关联的准确率低。

在发明实施例中，所述泊位区域包括若干个泊位，具体数量可以根据泊位区域的摄像头的拍摄范围确定，本发明对此不作具体限定。

在本发明实施例中，通过深度学习人工智能技术，对车脸进行识别，提取出车脸深度特征，基于车脸深度特征实现在车道路区域和泊位区域上车辆的车脸信息关联，由于车脸的面积相对车牌大很多，另外，车脸上有很多特征，比如车型，车颜色，车的大灯，车窗，车里的驾驶员等，摄像头从车辆的左前方，正前方，右前方拍摄，最终提取的车脸特征差异不大，从左前方，正前方，右前方这三个角度都可以识别出车辆，因此车脸深度特征的鲁棒性高，拍摄车脸信息的摄像头的安装角度对车脸的识别，影响不大，通过车牌识别将车道区域和泊车区域上的车辆进行关联的准确率高，这也是车脸识别相对车牌识别最大的优势。

在其中一种可能实现方式中，参见图4，第一绑定信息包括入口绑定信息和出口绑定信息。

当车辆进入车道区域的入口时，正对着车道区域入口的摄像头拍摄该车辆的监控图像，服务器或者安装在与入口摄像头同一个支架上的工控机根据该监控图像识别该车辆的车牌信息及车脸信息，并将该车辆的车牌信息及车辆信息绑定，得到入口绑定信息。

而当车辆准备离开车道区域的出口时，正对着车道区域出口的摄像头拍摄该车辆的监控图像，服务器或者安装在与出口处摄像头同一个支架上的工控机根据该监控图像识别该车辆的车牌信息及车脸信息，并将该车辆的车牌信息及车辆信息绑定，得到出口绑定信息。

在本发明实施例中，在车道区域的入口处及出口处可以分别设置对应的摄像装置，例如，在入口处设置第一摄像装置，在出口处设置第二摄像装置，第一摄像装置对即将进入该车道区域的车辆进行监控，拍摄照片或图像，第二摄像装置对即将离开该车道区域的车辆进行监控，拍摄照片或图像。

参见图5，车道区域一般分为双向车道和单向车道两种。以市区的车道区域为例，可以将单向车道设置为一个车道区域，对于双向车道的街道就可以设置为两个独立的车道区域。对车驶道区域的来车方向进行监控，完成自由流中行驶车辆的车牌识别与车脸深度特征提取功能，并将每辆车的车牌信息与车脸信息一一对应，传送给服务器或工控机路内泊车数据管理模块。在车道区域中，分别在车道区域的来车方向上，对车辆驶入区域和驶出区域进行监控，可选择的具体实施步骤如下：

在车道区域的来车方向的入口处，示例性地，可以在车道路区域的来车方向的入口处设置一摄像头，通过摄像头获得监控图像，对监控图像中多个驶入车辆逐一进行车辆检测、车牌识别、车脸深度特征提取，在监控图像中，先检测车辆，比如有5辆车，通过车辆检测确定这5辆车在图像中的位置后，然后把5辆车的车辆特征截取出来，得到5张车辆图片，然后对第1张车辆图片进行车牌识别，得到车牌号，再对该第1张图片进行车脸特征提取，得到车脸深度特征。这样第1张车辆的车牌与车脸特征就可以绑定，剩余4辆车同理，进而实现每辆车的车牌信息和车脸深度特征信息的绑定，得到入口绑定信息。需要说明的是，在实际在操作中是先识别车牌还是先进行车脸特征提取，本发明对此不作具体限定。最终，将固定车辆a的绑定信息LFa上传至服务器或工控机的路内泊车数据管理模块中。其中，信息LFa包括：车辆a的车牌信息La和车辆a的车脸深度特征Fa。

在车道区域的来车方向的出口处，示例性地，可以在车道区域的来车方向的出口处设置一摄像头，通过摄像头获得监控图像，对监控图像中多个驶出车辆的操作如上，逐一进行车辆检测、车牌识别、车脸深度特征提取，将识别结果根据每辆车进行车牌信息和车脸深度特征信息的绑定，得到出口绑定信息。出口绑定信息获取的原理与入口绑定信息获取的原理相似，本发明对此不再赘述。最终，将固定车辆b的绑定信息LFb上传至服务器或者工控机中的路内泊车数据管理模块中。其中，信息LFb包括：车辆b的车牌信息Lb和车辆b的车脸深度特征Fb。

需要说明的是，对车牌或车脸信息的提取实现方式包括但不局限：传统图像处理的机器学习的方法，深度学习方法等等。车脸深度特征学习模型是基于但不局限于Resnet网络模型，车脸深度特征并非传统图像中的方向梯度直方图特征等特征，车脸深度特征是通过深度学习框架下，进行卷积神经网络提取的深度特征，该特征对出入车辆的颜色、车型、年检标签、车灯、驾驶员、车标、排气栅格、车内装饰物等都有良好的反应，具有鲁性好，精度高，抗环境干扰强的等特点。

在其中一种可能实现方式中，参见图6，在获得所述入口绑定信息之后，所述方法还包括步骤S13至步骤S14，下面具体说明。

步骤S13：将所述入口绑定信息存储在车辆监控数据库中。

步骤S14：在获得所述出口绑定信息之后，根据所述出口绑定信息中的车牌信息在所述车辆监控数据库中查找对应的入口绑定信息，并将该入口绑定信息从所述车辆监控数据库中删除。

在本发明实施例中，当检测到车辆驶入车道区域时，服务器或者工控机的路内泊车数据管理模块获取车牌车脸绑定信息LFa，将LFa录入到服务器或者工控机中的车辆监控数据库中，当检测到车辆驶出车道区域时，获取到车牌车脸绑定信息LFb，跟LFb数据在车辆监控数据库中进行车牌信息Lb匹配，将匹配到对应的车辆b的车牌车脸绑定信息从车辆监控数据库中删除。在路内停车场景中，来往车辆十分频繁，若将每一车辆的车牌信息及车脸信息都存储，而不做及时的删除，会大大降低车辆监控数据库的检索效率，以及增加车辆监控数据库的存储负担。本发明实施例中，在车辆离开后，及时地将其对应的数据删除，可以有效提高数据查询效率以及降低数据库存储负担。

步骤S20：根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息。

在其中一种可能实现方式中，参见图7，步骤S20根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息包括步骤S21至步骤S22，下面具体说明。

步骤S21：接收设置于泊位区域上的摄像装置对车辆的监控信息。

步骤S22：针对泊位区域内各个车辆，根据所述监控信息进行车牌信息识别及车脸深度特征提取，获得各个车辆的所述泊位信息和所述车脸信息。

参见图8，对泊位区域的来车方向进行监控，获取得到相应的监控视频图像，根据得到的监控视频图像进行泊位车脸信息绑定，检测泊位车脸绑定是否成功，在不成功时，对泊位区域的来车方向进行监控，在泊位车脸绑定成功时，上传泊位车脸信息，并同时对泊位区域进行监控，上传泊位区域相关的泊位信息，包括空泊位信息。

如图5，可以包含多个泊位区域，泊位区域的具体数量取决于该条街道长度布局等。其中，单个泊位区域可以包括路内多个连续泊位，对该多个连续泊位的来车方向进行监控，完成固定泊位上车辆的车脸深度特征提取。其中，每个泊位的泊位信息与该泊位上车辆的车脸深度特征是一一对应关系。示例性地，可选择的具体实施步骤如下：

先进行车辆检测。针对单个泊位区域所监控的多个连续泊位区域进行监控，示例性地，一个摄像头可以覆盖若干个泊位，例如4个，一个泊位区域单侧有100个泊位，需要25个泊位摄像头进行监控，通过摄像头获得监控图像，根据监控图像进行车辆识别，获得车辆c在图像坐标系下的位置坐标信息。由于多个连续泊位在摄像头视野范围内的图像坐标系下的位置坐标信息是预设的(可以通过初始配置文件获取的)，将泊位位置信息与车辆c的位置信息进行融合判断，可以获得该泊车车辆c的泊位ID信息，再对该泊车车辆进行车脸深度特征信息提取，获得泊位ID信息与车辆车脸深度特征的绑定信息PFc。其中，PFc信息包括：车辆c所泊车的泊位信息Pc、车辆c的车脸信息Fc、时间标签以及泊位车辆场景图。然后将绑定信息PFc以及泊位状态为空的泊位信息P0，上传至服务器或者工控机的路内泊车数据管理模块。其中，空泊位状态P0信息包括：空泊位场景图以及时间标签。

需要说明的是，对车道区域的车辆监控的摄像头的安装方式采用但不局限于道路同侧安装，对泊位区域的车辆监控的摄像头采用但不局限于道路异侧安装，且具体安装方式也不局限于图5中所示，在对车道路区域的来车方向进行监控时，摄像头可以安装在龙门架上，或者是高杆L型架上，这样正对车牌拍摄，识别率最高，还可以如图5所示摄像头正对车牌的侧装方式。具体情况可以根据街道的道路情况设置。同理泊位摄像头安装方式也是一样。在图5中，该图是双向车道，为了保证车牌识别的准确率，设置在车道区域的摄像头只检测来车方向上车辆的车牌与车脸，不检测对面的泊车区域车辆。示例性地，在只有一条车道时，在车道区域的摄像头可以只安装在出入口两处，也就是只有两台摄像头，负责拍摄车牌。如果是单车道，两侧都有泊位时，在出入口各一台拍摄车牌的摄像头，中间泊位区域，可以采用分别在路的两侧安装拍摄泊位的摄像头，拍摄对面泊位。因为对于在一侧安装拍摄泊位摄像头，由于安装角度，在视野中，对面的摄像头可以完全覆盖其监控区域的泊位车辆，但是与摄像头同侧泊位不能完整覆盖，得不到完整的车脸特征。上述的安装方式本发明对此不作具体限定。

步骤S30：将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息。

在其中一种可能实现方式中，车脸信息包括车脸深度特征。

参见图9，步骤S30将所述第一绑定信息中的车脸信息和所述第二绑定信息中车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息包括步骤S31至步骤S32，下面具体说明。

步骤S31：根据第一绑定信息中的车脸深度特征和第二绑定信息中的车脸深度特征，进行特征相似度匹配。

步骤S32：将其中特征相似度最高的第一绑定信息中的车牌信息与第二绑定信息中的泊位信息绑定，得到第三绑定信息。

在本发明实施例中，当服务器或工控机路内泊车数据管理模块接收到泊位车脸绑定数据PFc时，根据数据PFc中的车脸深度特征F，在车辆监控数据库中进行车脸深度特征匹配。例如：获取到最相似的车牌车脸绑定信息LFa，可以通过PFc的泊位信息，确定该泊位上泊车车辆c的车牌信息为LFa中的车牌信息La，即完成了泊位信息与车牌信息的一对一关联，获得泊位信息与车牌信息绑定后的PLc信息，该PLc信息即为第三绑定信息，将PLc信息录入到服务器或者工控机的泊位算费数据库中。

步骤S40：根据所述第三绑信息实现停车管理。

在其中一种可能实现方式中，参见图10，步骤S40所述根据所述第三绑定信息实现停车管理包括步骤S41至步骤S42，下面具体说明。

步骤S41：若在所述泊位区域中检测到空闲泊位且该空闲泊位的上一状态为车辆占用状态，从所述空闲泊位的泊位信息对应的所述第三绑定信息得到对应的车牌信息。

步骤S42：根据该车牌信息确定用户账户。

在其中一种可能实现方式中，参见图11，在根据该车牌信息确定用户账户之后，所述方法还包括步骤S43至步骤S45，下面具体说明。

步骤S43：对所述用户账户进行扣费处理。

步骤S44：在检测到所述用户账户有未付款，以预设通知方式通知该用户。

步骤S45：在检测到所述用户账户未付款的时间或数额超过预设阈值时，通知交警平台，以使所述交警平台进行核查。

在本发明实施例中，根据接收到的车牌车脸绑定信息(LFa、LFb)和泊位车脸绑定信息(PFc)，进行数据融合，完成泊位上车辆的确定。然后在确定车辆的基础上实现自动算费，云端扣费等操作。可选择的操作如下：根据确定的车牌信息，判断该车牌信息对应的账户是否有未付款，如果有未付款，以通信方式如短信等通知车主。当未付款超过某设定阈值时，定义为恶意逃费现象，通知交警平台，以使所述交警平台进行稽查。

具体实施步骤：当服务器或者工控机的路内泊车数据管理模块接收到空泊位状态P0的泊位信息后，查询泊位算费数据库，判断是否有车辆驶离该泊位，如果有车辆驶离情况，根据泊位算费数据库数据，对该车辆进行泊位自动算费工作，并对该车辆的车牌对应的账户，进行云端扣费工作。其中，通过对比泊位区域的车脸泊位情况以及车道区域出口处的监控信息可以判断泊位区域是否有车辆驶离。

参见图12，在接收到泊位车脸信息后，根据对泊位区域的监控，判断是否存在空泊位信息，存在空泊位信息时查找泊位算费数据库，判断该泊位上是否有车辆驶出，判断没有车辆驶出时，继续接收泊位车脸信息，在判断有车辆驶出时，确定车辆驶出的车辆对应的车牌信息，根据确定的车牌信息确定后用户账户，对该用户账户对计算停车费用，云端对车牌对应的账户进行扣费，判断该账户的余额是否充足，在判断账户余额不足时，通知车主余额不足；在判断账户余额充足时，通知车主扣费成功。在对泊位区域进行监控，没有得到空泊位信息时，查找对应的车辆监控数据库，即车道区域和/或泊位区域监控得到的车辆监控数据，匹配车脸特征，确定车牌信息，然后绑定泊位车牌信息，将绑定的数据上传，判断该车牌对应的账户是否有未交款，如有未交款则判断未交款的数额是否超过阈值，在未交款数额超过预设值时通知交警平台，以便交警进行稽查，或判断未交款是否超过预设时间阈值，在未交款超过预设时间阈值时通知交警平台，以便交警进行稽查，继续接收车牌车脸信息。

实施本发明实施例具有如下特点：

在本发明实施例中，分别针对车道区域和泊位区域的监控信息，基于人工智能图像识别得到的车脸信息将泊位信息与车辆车牌信息关联，从而以更高的准确率实现路内停车无人管理及自动算费，本发明实施例提供的路内停车管理方法不仅更加精准高效，而且大幅度降低了路内停车的人工成本、设备造价及维修成本，极大提升车主停车体验，提高路内停车管理效益。

实施例二

参见图13，一种实施例中提供一种路内停车管理装置，包括第一绑定模块10、第二绑定模块20、第三绑定模块30及管理模块40，下面具体说明。

第一绑定模块10用于根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息；

第二绑定模块20用于根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息；

第三绑定模块30用于将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息；

管理模块40用于根据所述第三绑信息实现停车管理。

实施本发明实施例具有如下特点：

在本发明实施例中，分别针对车道区域和泊位区域的监控信息，基于人工智能图像识别得到的车脸信息将泊位信息与车辆车牌信息关联，从而以更高的准确率实现路内停车无人管理及自动算费，本发明实施例提供的路内停车管理方法不仅更加精准高效，而且大幅度降低了路内停车的人工成本、设备造价及维修成本，极大提升车主停车体验，提高路内停车管理效益。

实施例三

参见图14，一种实施例中提供一种路内停车管理***，包括：

第一摄像装置141其设置于车道区域内，用于对车道区域的车辆进行监控，得到车道区域的车辆监控信息.

第二摄像装置142其设置于泊位区域内，用于对泊位区域的车辆进行监控，得到泊位区域的车辆监控信。

处理器143用于根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息，根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息，将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息，根据所述第三绑信息实现停车管理。

在本发明实施例中，***辅助设备包括：摄像头、安装支架，工控机、数据网络传输设备等。其中，第一绑定信息获取的摄像头采用但不局限于道路同侧安装，第二绑定信息获取的摄像头采用但不局限于道路异侧安装。

实施本发明实施例具有如下特点：

在本发明实施例中，分别针对车道区域和泊位区域的监控信息，基于人工智能图像识别得到的车脸信息将泊位信息与车辆车牌信息关联，从而以更高的准确率实现路内停车无人管理及自动算费，本发明实施例提供的路内停车管理方法不仅更加精准高效，而且大幅度降低了路内停车的人工成本、设备造价及维修成本，极大提升车主停车体验，提高路内停车管理效益。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的***进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种路内停车管理方法，其特征在于，包括：

根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息；

根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息；

将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息；

根据所述第三绑信息实现停车管理。

2.如权利要求1所述方法，其特征在于，所述根据所述第三绑定信息实现停车管理包括：

若在所述泊位区域中检测到空闲泊位且该空闲泊位的上一状态为车辆占用状态，从所述空闲泊位的泊位信息对应的所述第三绑定信息得到对应的车牌信息；

根据该车牌信息确定用户账户。

3.如权利要求2所述方法，其特征在于，在根据该车牌信息确定用户账户之后，所述方法还包括：

对所述用户账户进行扣费处理；

在检测到所述用户账户有未付款，以预设通知方式通知该用户；

在检测到所述用户账户未付款的时间或数额超过预设阈值时，通知交警平台，以使所述交警平台进行核查。

4.如权利要求3所述方法，其特征在于，所述第一绑定信息包括入口绑定信息和出口绑定信息；

其中，所述入口绑定信息是根据所述车道区域的入口车辆的车牌信息与车脸信息绑定得到的，所述入口车辆的车牌信息与车脸信息是根据所述车道区域的入口监控信息得到的；

所述出口绑定信息是根据所述车道区域的出口车辆的车牌信息与车脸信息绑定得到的，所述出口车辆的车牌信息与车脸信息是根据所述车道区域的出口监控信息得到的。

5.如权利要求4所述方法，其特征在于，

在获得所述入口绑定信息之后，所述方法还包括：将所述入口绑定信息存储在车辆监控数据库中；

在获得所述出口绑定信息之后，根据所述出口绑定信息中的车牌信息在所述车辆监控数据库中查找对应的入口绑定信息，并将该入口绑定信息从所述车辆监控数据库中删除。

6.如权利要求1所述方法，其特征在于，

所述车脸信息包括车脸深度特征；

将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息包括：

根据所述第一绑定信息中的车脸深度特征和所述第二绑定信息中的车脸深度特征，进行特征相似度匹配；

将其中特征相似度最高的所述第一绑定信息中的车牌信息与所述第二绑定信息中的泊位信息绑定，得到所述第三绑定信息。

7.如权利要求1至6任一项所述方法，其特征在于，根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，包括：

接收设置于车道区域上的摄像装置对车辆的监控信息；

针对所述车道区域内各个车辆，根据所述监控信息进行车牌信息识别及车脸深度特征提取，获得各个车辆的所述车牌信息和所述车脸信息。

8.如权利要求1至6任一项所述方法，其特征在于，所述根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，包括：

接收设置于泊位区域上的摄像装置对车辆的监控信息；

针对所述泊位区域内各个车辆，根据所述监控信息进行车牌信息识别及车脸深度特征提取，获得各个车辆的所述泊位信息和所述车脸信息。

9.一种路内停车管理装置，其特征在于，包括：

第一绑定模块，用于根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息；

第二绑定模块，用于根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息；

第三绑定模块，用于将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息；

管理模块，用于根据所述第三绑信息实现停车管理。

10.一种路内停车管理***，其特征在于，包括：

第一摄像装置，其设置于车道区域内，用于对车道区域的车辆进行监控，得到车道区域的车辆监控信息；

第二摄像装置，其设置于泊位区域内，用于对泊位区域的车辆进行监控，得到泊位区域的车辆监控信息；

处理器，用于根据车道区域的车辆监控信息，获得所述车道区域内车辆的车牌信息和车脸信息，并将所述车道区域内车辆的车牌信息和车脸信息绑定，得到第一绑定信息，根据泊位区域的车辆监控信息，获得所述泊位区域内车辆的泊位信息和车脸信息，并将所述泊位区域内车辆的泊位信息和车脸信息绑定，得到第二绑定信息，将所述第一绑定信息中的车脸信息和所述第二绑定信息中的车脸信息进行匹配，并将匹配成功的所述第一绑定信息中的车牌信息和所述第二绑定信息中的泊位信息绑定，得到第三绑定信息，根据所述第三绑信息实现停车管理。

Images