CN115861974A - 停车场无牌车通行管理方法、***、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种停车场无牌车通行管理方法、***、电子设备及存储介质，该方法包括：统计时间T内该停车场内所有无牌车的入场记录和免费出场记录的总次数M；在若M＞统计次数阈值时提取M次记录对应的车辆信息；将M个车辆信息中的车辆图片，依次进行特征提取得到M个特征向量；再经聚类算法得到N个类别；计算每个类别置信度，将置信度≥置信度阈值的类别对应的无牌车标记为待确认车，发送给管理员判断，并根据人工判断结果进行通行管理。本发明克服了现有技术中无法基于车牌号或手机终端对无牌车进行管控的技术缺陷。且能主动推送可能是内部无牌车的车辆图片给管理员确认，能降低人工职守成本，提高车场通行效率。

Description

停车场无牌车通行管理方法、***、电子设备及存储介质

技术领域

本发明涉及一种车辆通行管理方法、***、电子设备及存储介质，尤其涉及一种停车场无牌车通行管理方法、***、电子设备及存储介质。

背景技术

现有的停车场管理***大都基于车牌号或手机终端唯一标识作为车辆出入管控的依据，但对一些无牌车，例如自行车、三轮车、摩托车、摆渡车等缺乏有效的管理。

目前停车场内经常会存在一些内部的无牌车辆，例如打扫卫生的三轮车、接送员工的摆渡车等，需要高频率的进出停车场，由于没有车牌号，无法通过现有的停车场管理***进行识别放行，每次都需要停车场管理员人为放行，提高了人工值守的成本，也降低了停车场的通行效率。

而且停车场内的无牌车辆可能会不定时更新，如何主动去根据免费放行无牌车的记录，将其推荐为内部无牌车，由管理***进行无人管理放行，是需要解决的问题。

发明内容

本发明的目的就在于提供一种解决上述问题，能对进入停车场内的无牌车进行有效的收费管理，降低人工职守成本，提高车场的通行效率的一种停车场无牌车通行管理方法、***、电子设备及存储介质。

为了实现上述目的，本发明采用的技术方案是这样的：一种停车场无牌车通行管理方法，包括以下步骤；

（1）选择一需要进行无牌车通行管理的停车场，获取时间区间T内，该停车场内所有无牌车的入场记录和免费出场记录，并统计二者的总次数M；

（2）预设统计次数阈值，若M＞统计次数阈值，则提取M次记录对应的车辆信息，若为入场记录，则车辆信息为车辆图片和入场时间，若为免费出场记录，则车辆信息为车辆图片和出场时间；

（3）将M个车辆信息中的车辆图片，依次进行特征提取，每张车辆图片得到一特征向量，共M个特征向量；

（4）通过聚类算法，对M个特征向量进行聚合分类，将属于同一辆无牌车的特征向量聚合在一起作为一个类别，得到N个类别，每个类别对应一辆无牌车；

（5）对每个类别，根据其对应无牌车的车辆信息，统计入场次数和免费出场次数，并计算该类别的置信度；

式中，MIN（免费出场次数，入场次数）为取免费出场次数和入场次数间的小值，MAX（免费出场次数，入场次数）为取免费出场次数和入场次数间的大值；

（6）预设置信度阈值，对每个类别，若置信度≥置信度阈值，则将该类别对应的无牌车标记为待确认车，并推送至少一张该类别的车辆图片至管理员；

（7）管理员根据车辆图片对待确认车进行人工判断，判断其为内部无牌车或非内部无牌车，并反馈判断结果；

（8）根据人工判断的判断结果进行通行管理；

若为内部无牌车，存储该内部无牌车对应类别的一张特征向量，并在识别到该内部无牌车的特征向量时，对其进行免费通行管理；

若为非内部无牌车，存储该非内部无牌车对应类别的一张特征向量，并在识别到该非内部无牌车的特征向量时，对其进行收费通行管理。

作为优选：步骤（3）中，提取一张车辆图片中的特征向量，具体为；

（31）将车辆图片，送入基于深度神经网络构建的目标分割模型，获取车辆图片中，无牌车的矩形框位置和掩膜；

（32）用矩形框位置截取无牌车，并根据掩膜进行去背景操作，得到去除背景且仅包含无牌车的单一图片；

（33）用特征提取网络模型提取单一图片的特征，得到特征向量。

作为优选：所述特征提取网络模型由resnet残差网络进行预训练得到。

一种停车场无牌车通行管理***，包括

车辆信息获取模块：用于获取时间区间T内，该停车场内所有无牌车的入场记录和免费出场记录，并统计二者的总次数M；

车辆信息提取模块：用于预设统计次数阈值，若M＞统计次数阈值，则提取M次记录对应的车辆信息，若为入场记录，则车辆信息为车辆图片和入场时间，若为免费出场记录，则车辆信息为车辆图片和出场时间；

特征向量提取单元：用于将M个车辆信息中的车辆图片，依次进行特征提取，每张车辆图片得到一特征向量，共M个特征向量；

聚类单元：用于对M个特征向量进行聚合分类，将属于同一辆无牌车的特征向量聚合在一起作为一个类别，得到N个类别，每个类别对应一辆无牌车；

置信度计算单元：用于对每个类别，根据其对应无牌车的车辆信息，统计入场次数和免费出场次数，并计算该类别的置信度；

式中，MIN（免费出场次数，入场次数）为取免费出场次数和入场次数间的小值，MAX（免费出场次数，入场次数）为取免费出场次数和入场次数间的大值；

待确认车标记单元：用于预设置信度阈值，对每个类别，若置信度≥置信度阈值，则将该类别对应的无牌车标记为待确认车，并推送至少一张该类别的车辆图片至管理员；

管理员反馈单元：用于在管理员根据车辆图片对待确认车进行人工判断，判断其为内部无牌车或非内部无牌车，并反馈判断结果；

车辆通行管控模块：用于根据人工判断的判断结果进行通行管理；

若为内部无牌车，存储该内部无牌车对应类别的一张特征向量，并在识别到该内部无牌车的特征向量时，对其进行免费通行管理；

若为非内部无牌车，存储该非内部无牌车对应类别的一张特征向量，并在识别到该非内部无牌车的特征向量时，对其进行收费通行管理。

作为优选：车辆信息获取模块包括设置在入口道闸处的入口摄像单元、设置在出口道闸处的出口摄像单元、以及统计单元；

所述入口摄像单元用于获取无牌车的入场记录，出口摄像单元用于获取无牌车的免费出场记录，所述统计单元用于统计时间区间T内，所有无牌车的入场记录和免费出场记录的总次数M。

作为优选：所述特征向量提取单元包括目标分割模型、图像剪切单元和特征提取网络模型；

所述目标分割模型用于获取车辆图片中，无牌车的矩形框位置和掩膜；

所述图像剪切单元用于用矩形框位置截取无牌车，并根据掩膜进行去背景操作，得到去除背景且仅包含无牌车的单一图片；

所述特征提取网络模型用于提取单一图片的特征，得到特征向量。

一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，用于实现上述任意一项所述的停车场无牌车通行管理方法。

一种存储介质，所述存储介质上存储有计算机程序，处理器执行所述计算机程序，用于实现上述任意一项所述的停车场无牌车通行管理方法。

本发明先统计一停车场在一段时间内，无牌车的入场记录和免费出场记录的总次数M，并根据经验合理预设统计次数阈值，若总次数M大于统计次数阈值，说明该停车场内大量存无牌车出入的情况。那么提取M次记录对应的车辆信息，进行特征提取得到特征向量，再聚合分类，就可以把时间T内所有进出的无牌车，按车不同进行分类，每个分类在时间T内，对应多次出入记录，我们通过计算置信度，将每个分类对应的无牌车送给人工判定，并根据判定结果，在后续这些无牌车进出停车场时，进行收费或免费通行管理。

在进行通行管理时，不用考虑这些无牌车的车牌号，只需要获取无牌车的特征向量即可。

与现有技术相比，本发明的优点在于：

1、提出了一种停车场无牌车通行管理的新方案，克服了现有技术中，无牌车没有车牌号，停车场管理***无法基于车牌号或手机终端唯一标识作为车辆出入管控的依据，导致无牌车缺乏有效通行管理的技术缺陷。

2、本发明通过特征向量提取、特征向量聚合分类的方法，去提取无牌车的特征向量，并对特征向量进行聚和分类，用特征向量去对应类别，脱离了车牌号、手机终端的限制，且能根据置信度自动推荐一些满足条件的车辆作为待确认车，由管理员人工确认。确认后，就能进行或收费通行管理。

3、管理方法简单，当有无牌车进入停车场时，只需要在入口道闸处获取其车辆图片，并进行特征向量提取，若提取的特征向量是对应的免费通行管理，则可以无需记录入场时间，在该车离开时，在出口道闸处获取其车辆图片，并进行特征向量提取，若提取的特征向量是对应的免费通行管理，可直接免费抬杆放行。若入口处的无牌车，提取到的特征向量是对应的收费通行管理，则正常记录特征向量、入场时间。在离场时，出口道闸处再次获取其车辆图片，并通过特征提取知道对应的是哪一辆无牌车离场，根据该车入场时间计算费用，并进行收费通行管理。

综上，本发明能对停车场内无牌车进行有效的通行管理，降低人工职守成本，提高车场的通行效率，且能根据某一辆无牌车被免费放行的次数自动推荐给管理员确认，从而避免管理员主动去***中录入无牌车的麻烦。

附图说明

图1为本发明流程图；

图2为本发明***框图。

实施方式

下面将结合附图对本发明作进一步说明。

实施例1：参见图1和图2，一种停车场无牌车通行管理方法，包括以下步骤；

（1）选择一需要进行无牌车通行管理的停车场，获取时间区间T内，该停车场内所有无牌车的入场记录和免费出场记录，并统计二者的总次数M；

（2）预设统计次数阈值，若M＞统计次数阈值，则提取M次记录对应的车辆信息，若为入场记录，则车辆信息为车辆图片和入场时间，若为免费出场记录，则车辆信息为车辆图片和出场时间；

（3）将M个车辆信息中的车辆图片，依次进行特征提取，每张车辆图片得到一特征向量，共M个特征向量；

（4）通过聚类算法，对M个特征向量进行聚合分类，将属于同一辆无牌车的特征向量聚合在一起作为一个类别，得到N个类别，每个类别对应一辆无牌车；

（5）对每个类别，根据其对应无牌车的车辆信息，统计入场次数和免费出场次数，并计算该类别的置信度；

式中，MIN（免费出场次数，入场次数）为取免费出场次数和入场次数间的小值，MAX（免费出场次数，入场次数）为取免费出场次数和入场次数间的大值；

（6）预设置信度阈值，对每个类别，若置信度≥置信度阈值，则将该类别对应的无牌车标记为待确认车，并推送至少一张该类别的车辆图片至管理员；

（7）管理员根据车辆图片对待确认车进行人工判断，判断其为内部无牌车或非内部无牌车，并反馈判断结果；

（8）根据人工判断的判断结果进行通行管理；

若为内部无牌车，存储该内部无牌车对应类别的一张特征向量，并在识别到该内部无牌车的特征向量时，对其进行免费通行管理；

若为非内部无牌车，存储该非内部无牌车对应类别的一张特征向量，并在识别到该非内部无牌车的特征向量时，对其进行收费通行管理。

步骤（3）中，提取一张车辆图片中的特征向量，具体为；

（31）将车辆图片，送入基于深度神经网络构建的目标分割模型，获取车辆图片中，无牌车的矩形框位置和掩膜；

（32）用矩形框位置截取无牌车，并根据掩膜进行去背景操作，得到去除背景且仅包含无牌车的单一图片；

（33）用特征提取网络模型提取单一图片的特征，得到特征向量。

所述特征提取网络模型由resnet残差网络进行预训练得到。

一种停车场无牌车通行管理***，包括：

车辆信息获取模块：用于获取时间区间T内，该停车场内所有无牌车的入场记录和免费出场记录，并统计二者的总次数M；

车辆信息提取模块：用于预设统计次数阈值，若M＞统计次数阈值，则提取M次记录对应的车辆信息，若为入场记录，则车辆信息为车辆图片和入场时间，若为免费出场记录，则车辆信息为车辆图片和出场时间；

特征向量提取单元：用于将M个车辆信息中的车辆图片，依次进行特征提取，每张车辆图片得到一特征向量，共M个特征向量；

聚类单元：用于对M个特征向量进行聚合分类，将属于同一辆无牌车的特征向量聚合在一起作为一个类别，得到N个类别，每个类别对应一辆无牌车；

置信度计算单元：用于对每个类别，根据其对应无牌车的车辆信息，统计入场次数和免费出场次数，并计算该类别的置信度；

式中，MIN（免费出场次数，入场次数）为取免费出场次数和入场次数间的小值，MAX（免费出场次数，入场次数）为取免费出场次数和入场次数间的大值；

待确认车标记单元：用于预设置信度阈值，对每个类别，若置信度≥置信度阈值，则将该类别对应的无牌车标记为待确认车，并推送至少一张该类别的车辆图片至管理员；

管理员反馈单元：用于在管理员根据车辆图片对待确认车进行人工判断，判断其为内部无牌车或非内部无牌车，并反馈判断结果；

车辆通行管控模块：用于根据人工判断的判断结果进行通行管理；

若为内部无牌车，存储该内部无牌车对应类别的一张特征向量，并在识别到该内部无牌车的特征向量时，对其进行免费通行管理；

若为非内部无牌车，存储该非内部无牌车对应类别的一张特征向量，并在识别到该非内部无牌车的特征向量时，对其进行收费通行管理。

本实施例中，车辆信息获取模块包括设置在入口道闸处的入口摄像单元、设置在出口道闸处的出口摄像单元、以及统计单元；所述入口摄像单元用于获取无牌车的入场记录，出口摄像单元用于获取无牌车的免费出场记录，所述统计单元用于统计时间区间T内，所有无牌车的入场记录和免费出场记录的总次数M。

一种停车场无牌车通行管理***，所述特征向量提取单元包括目标分割模型、图像剪切单元和特征提取网络模型；

所述目标分割模型用于获取车辆图片中，无牌车的矩形框位置和掩膜；

所述图像剪切单元用于用矩形框位置截取无牌车，并根据掩膜进行去背景操作，得到去除背景且仅包含无牌车的单一图片；

所述特征提取网络模型用于提取单一图片的特征，得到特征向量。

一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，用于实现上述任意一项所述的停车场无牌车通行管理方法。

一种存储介质，所述存储介质上存储有计算机程序，处理器执行所述计算机程序，用于实现上述任意一项所述的停车场无牌车通行管理方法。

实施例2：参见图1和图2，在实施例1的基础上，我们具体说明

关于步骤（1），我们设时间区间为7天，则T=7天×24小时=168小时，这段时间内，停车场内所有无牌车的入场记录215次，出场记录155次，二者总次数M=370次。

关于步骤（2），预设统计次数阈值为35，本实施例中M=370，大于统计次数阈值，则提取370次记录对应的车辆信息。

关于步骤（3），将370个车辆信息中的车辆图片，依次进行特征提取，每张车辆图片得到一特征向量，共370个特征向量；提取时，本实施例我们采用的特征提取网络模型为resnet残差网络，提取的特征向量实际上是1个一维数组，特征提取网络模型使用预训练后的模型，此处无需训练。

关于步骤（4）的聚类算法，对370个特征向量进行聚合分类，将属于同一辆无牌车的特征向量聚合在一起作为一个类别，假设本实施例中，经聚类算法后得到4个类别，每个类别对应一辆无牌车；例如，类别1对应一辆白色摆渡车，类别2对应一辆红色摩托车，类别3对应一辆黑色24寸自行车，类别4对应一辆灰色三轮车。

（5）对每个类别，根据其对应无牌车的车辆信息，统计入场次数和免费出场次数，并计算该类别的置信度；

对第1个类别，入场次数为50次，免费出场次数为50次，置信度为1；

对第2个类别，入场次数为45次，免费出场次数为40次，置信度为0.889；

对第3个类别，入场次数为50次，免费出场次数为35次，置信度为0.7；

对第4个类别，入场次数为70次，免费出场次数为30次，置信度为0.42。

关于步骤（6）置信度阈值，预设置信度阈值=0.8，对每个类别，若置信度≥置信度阈值，则将该类别对应的无牌车标记为待确认车，并推送至少一张该类别的车辆图片至管理员。本实施例中，第1个、第2个类别的置信度均大于0.8，故分别将该类别对应的车标记为待确认车，推送给管理员。

关于步骤（7），管理员对这2个类别的车进行人工判断，其中第1个类别对应的待确认车为内部无牌车，第2个类别对应的待确认车为不是内部无牌车，管理员反馈这个判断结果。

关于步骤（8），最终本发明可以根据人工判断的判断结果，进行通行管理，当下次进入停车场的车为第1个类别对应的无牌车，则对其进行免费通行管理，当下次进入停车场的车为第2个类别对应的无牌车，则对其进行收费通行管理。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种停车场无牌车通行管理方法，其特征在于：包括以下步骤；

（1）选择一需要进行无牌车通行管理的停车场，获取时间区间T内，该停车场内所有无牌车的入场记录和免费出场记录，并统计二者的总次数M；

（2）预设统计次数阈值，若M＞统计次数阈值，则提取M次记录对应的车辆信息，若为入场记录，则车辆信息为车辆图片和入场时间，若为免费出场记录，则车辆信息为车辆图片和出场时间；

（3）将M个车辆信息中的车辆图片，依次进行特征提取，每张车辆图片得到一特征向量，共M个特征向量；

（4）通过聚类算法，对M个特征向量进行聚合分类，将属于同一辆无牌车的特征向量聚合在一起作为一个类别，得到N个类别，每个类别对应一辆无牌车；

（5）对每个类别，根据其对应无牌车的车辆信息，统计入场次数和免费出场次数，并计算该类别的置信度；

式中，MIN（免费出场次数，入场次数）为取免费出场次数和入场次数间的小值，MAX（免费出场次数，入场次数）为取免费出场次数和入场次数间的大值；

（6）预设置信度阈值，对每个类别，若置信度≥置信度阈值，则将该类别对应的无牌车标记为待确认车，并推送至少一张该类别的车辆图片至管理员；

（7）管理员根据车辆图片对待确认车进行人工判断，判断其为内部无牌车或非内部无牌车，并反馈判断结果；

（8）根据人工判断的判断结果进行通行管理；

若为内部无牌车，存储该内部无牌车对应类别的一张特征向量，并在识别到该内部无牌车的特征向量时，对其进行免费通行管理；

若为非内部无牌车，存储该非内部无牌车对应类别的一张特征向量，并在识别到该非内部无牌车的特征向量时，对其进行收费通行管理。

2.根据权利要求1所述的停车场无牌车通行管理方法，其特征在于：步骤（3）中，提取一张车辆图片中的特征向量，具体为；

（31）将车辆图片，送入基于深度神经网络构建的目标分割模型，获取车辆图片中，无牌车的矩形框位置和掩膜；

（32）用矩形框位置截取无牌车，并根据掩膜进行去背景操作，得到去除背景且仅包含无牌车的单一图片；

（33）用特征提取网络模型提取单一图片的特征，得到特征向量。

3.根据权利要求2所述的停车场无牌车通行管理方法，其特征在于：所述特征提取网络模型由resnet残差网络进行预训练得到。

4.一种停车场无牌车通行管理***，其特征在于：包括

车辆信息获取模块：用于获取时间区间T内，该停车场内所有无牌车的入场记录和免费出场记录，并统计二者的总次数M；

车辆信息提取模块：用于预设统计次数阈值，若M＞统计次数阈值，则提取M次记录对应的车辆信息，若为入场记录，则车辆信息为车辆图片和入场时间，若为免费出场记录，则车辆信息为车辆图片和出场时间；

特征向量提取单元：用于将M个车辆信息中的车辆图片，依次进行特征提取，每张车辆图片得到一特征向量，共M个特征向量；

聚类单元：用于对M个特征向量进行聚合分类，将属于同一辆无牌车的特征向量聚合在一起作为一个类别，得到N个类别，每个类别对应一辆无牌车；

置信度计算单元：用于对每个类别，根据其对应无牌车的车辆信息，统计入场次数和免费出场次数，并计算该类别的置信度；

式中，MIN（免费出场次数，入场次数）为取免费出场次数和入场次数间的小值，MAX（免费出场次数，入场次数）为取免费出场次数和入场次数间的大值；

待确认车标记单元：用于预设置信度阈值，对每个类别，若置信度≥置信度阈值，则将该类别对应的无牌车标记为待确认车，并推送至少一张该类别的车辆图片至管理员；

管理员反馈单元：用于在管理员根据车辆图片对待确认车进行人工判断，判断其为内部无牌车或非内部无牌车，并反馈判断结果；

车辆通行管控模块：用于根据人工判断的判断结果进行通行管理；

若为内部无牌车，存储该内部无牌车对应类别的一张特征向量，并在识别到该内部无牌车的特征向量时，对其进行免费通行管理；

若为非内部无牌车，存储该非内部无牌车对应类别的一张特征向量，并在识别到该非内部无牌车的特征向量时，对其进行收费通行管理。

5.根据权利要求4所述的一种停车场无牌车通行管理***，其特征在于：车辆信息获取模块包括设置在入口道闸处的入口摄像单元、设置在出口道闸处的出口摄像单元、以及统计单元；

所述入口摄像单元用于获取无牌车的入场记录，出口摄像单元用于获取无牌车的免费出场记录，所述统计单元用于统计时间区间T内，所有无牌车的入场记录和免费出场记录的总次数M。

6.根据权利要求4所述的一种停车场无牌车通行管理***，其特征在于：所述特征向量提取单元包括目标分割模型、图像剪切单元和特征提取网络模型；

所述目标分割模型用于获取车辆图片中，无牌车的矩形框位置和掩膜；

所述图像剪切单元用于用矩形框位置截取无牌车，并根据掩膜进行去背景操作，得到去除背景且仅包含无牌车的单一图片；

所述特征提取网络模型用于提取单一图片的特征，得到特征向量。

7.一种电子设备，其特征在于：该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1-3中任一项所述的停车场无牌车通行管理方法。

8.一种存储介质，其特征在于：所述存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-3中任一项所述的停车场无牌车通行管理方法。

Images