[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107767673B - 一种基于多摄像机的路侧停车管理方法、装置及系统 - Google Patents

一种基于多摄像机的路侧停车管理方法、装置及系统 Download PDF

Info

Publication number
CN107767673B
CN107767673B CN201711135187.6A CN201711135187A CN107767673B CN 107767673 B CN107767673 B CN 107767673B CN 201711135187 A CN201711135187 A CN 201711135187A CN 107767673 B CN107767673 B CN 107767673B
Authority
CN
China
Prior art keywords
vehicle
license plate
parking
detection zone
image
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
CN201711135187.6A
Other languages
English (en)
Other versions
CN107767673A (zh
Inventor
闫军
项炎平
杨学明
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.)
Smart intercommunication Technology Co.,Ltd.
Original Assignee
Zhihui Hutong Technology 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 Zhihui Hutong Technology Co Ltd filed Critical Zhihui Hutong Technology Co Ltd
Priority to CN201711135187.6A priority Critical patent/CN107767673B/zh
Publication of CN107767673A publication Critical patent/CN107767673A/zh
Priority to PCT/CN2018/078300 priority patent/WO2019095588A1/zh
Priority to US16/762,508 priority patent/US10930151B2/en
Application granted granted Critical
Publication of CN107767673B publication Critical patent/CN107767673B/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
    • G08G1/01—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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • 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
    • G08G1/142—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces external to the vehicles
    • 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
    • G08G1/147—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 within an open public zone, e.g. city centre
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明公开基于阵列摄像机视角和焦距稳定、高速持续采集稳定图像的特点，通过对阵列摄像机拍摄的路侧停车监控区域图像划分和检测识别跟踪，从而同时对各图像区域中车辆进出场进行判断，确定各个停车事件的信息。当单个摄像机漏抓拍车辆进出场图像时，可联合对其他阵列摄像机抓拍的图像进行检测识别跟踪得到的结果，对所述车辆缺失的停车事件信息进行补充，提高获取停车事件信息的准确率。相较于调度球机抓拍管理停车事件的方式，本发明提供的所述方法、装置及系统无需考虑球机响应时间的影响，即可提高路侧停车事件的管理效率。

Description

一种基于多摄像机的路侧停车管理方法、装置及系统
技术领域
本发明涉及路侧停车领域，尤其涉及一种基于多摄像机的路侧停车管理方法、装置及系统。
背景技术
随着城市车辆的快速增长，很多城市不得不在道路的两侧设置停车位，以对停车车辆进行统一地管理。这类停车场一般都是全开放式的停车场，车辆进出不受道闸等护栏装置的约束，因此这类停车通常称为路侧停车(也称路侧占道停车或路内停车)。而路侧停车中的平行停车场(即车位首尾相连形成一排的停车场,以下称路侧平行停车场)由人工进行管理，这种管理方式存在着停车计费不规范、计时精度低、漏收费、乱收费、停车证据取证不足且难追溯、不能全天候管理等问题，且人力管理的工作强度大、工作效率低、安全隐患大，因此目前的路侧停车一直是城市管理的难题。
近年来关于路侧停车的管理方案中，部分城市试行了基于地磁传感器的路侧停车管理方案和基于枪球相机联动的路侧停车管理方案。其中，基于枪球相机联动的管理方案主要是通过采用常用的主从式枪球联动相机，例如包括一组枪机(即多个安装视角和焦距固定的相机组，后文简称枪机)和一台球机(即能自动调整抓拍角度和焦距的相机，后文简称球机)，在使用时，将所述枪机和球机部署于路侧的L型监控杆的横臂上，通过所述L型监控杆上的枪机和球机的联动(即将枪机调成固定焦距和抓拍角度以检测停车事件，球机根据枪机的检测结果调整焦距和角度以捕捉目标车辆的图像，完成车辆的停车取证。)，在兼顾事件检测的同时和对车辆图像、车牌进行抓拍，实现大范围多车位的停车事件抓拍。
以上基于枪球相机联动的管理方案，虽然通过所述L型监控杆上的枪机和球机的联动，能实现兼顾事件检测的同时和对车辆图像、车牌进行抓拍，但是在所述方案中，枪机和球机的视角均受安装杆位的位置所限，对同一个目标车辆只能从单个方向进行抓拍，而且球机在被调用时，需要经过一段时间(即响应时间)，才能实施抓拍任务，以上情况限制了球机在实施抓拍任务时，只能一次一次抓拍，每次只能抓拍一个，因而，影响球机抓拍效率，进而导致后续一连串诸如漏抓拍、识别效率低以及出现并发停车事件时，管理复杂，管理效率低的问题。
发明内容
本发明的目的是提供一种基于多摄像机的路侧停车管理方法、装置及系统，以提高路侧停车管理效率。
第一方面，为实现上述目的，本发明提供一种基于多摄像机的路侧停车管理方法，所述方法包括：
接收摄像机拍摄的路侧停车监控区域图像；
根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；所述车辆跟踪检测区域图像包含车位区域、入场检测区域、出场检测区域；
对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时车辆所在的车位。
在一种可能的实现方式中，所述入场检测区域包含所述车位区域边界线两侧的临近区域；所述出场检测区域为车位区域之外的区域。
在一种可能的实现方式中，在接收摄像机拍摄的路侧停车监控区域图像之前，所述方法还包括：预设所述摄像机的图像划分规则，具体包括：
获取所述摄像机拍摄的第一路侧停车监控区域图像；所述第一路侧停车监控区域图像为所述摄像机拍摄最新拍摄的路侧停车监控区域图像；
根据所述第一路侧停车监控区域图像，选择车辆跟踪检测区域的坐标作为所述摄像机的图像划分规则。
在一种可能的实现方式中，所述车辆跟踪检测区域的坐标包含车位区域的坐标、入场检测区域的坐标、出场检测区域的坐标。
在一种可能的实现方式中，所述对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息，具体包括：
对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；以及对车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌，以及对所述车牌进行识别，确定所述车牌的车牌号；
对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；所述车辆、所述车牌的运动状态包括：静止和运动；
根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体包括：
如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
在一种可能的实现方式中，在对所述车辆、所述车牌进行运动检测之前，所述方法还包括：判断所述车牌是否为所述车辆的车牌，具体包括：
如果所述车牌的车牌区域位于所述车辆的车辆区域内，则确定既检测到所述车辆，又检测到所述车辆的车牌和/或识别到所述车牌的车牌号；
如果所述车牌的车牌区域没有位于任何车辆的车辆区域内，则确定仅检测到所述车辆的车牌和/或识别到所述车牌的车牌号，但未检测到所述车牌标识的车辆；
如果所述车辆的车辆区域没有包含任何车牌的车牌区域，则确定仅检测到所述车辆，但未检测到所述车辆的车牌和/或未识别到所述车牌的车牌号。
在一种可能的实现方式中，所述根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体还包括：
如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。
在一种可能的实现方式中，采用车辆检测算法对车辆跟踪检测区域进行车辆检测；采用车牌检测算法对所述车辆跟踪检测区域进行车牌检测以及采用车牌识别算法对所述车牌进行识别；所述车辆检测算法、车牌检测算法为目标检测算法。
在一种可能的实现方式中，采用车辆跟踪算法对所述车辆跟踪检测区域图像中的车辆进行跟踪；采用车牌跟踪算法对所述车辆跟踪检测区域图像中的车牌进行跟踪；所述车辆跟踪算法、车牌跟踪算法为目标跟踪算法。
在一种可能的实现方式中，所述根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车牌位于车位区域，以及识别到所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车牌号，则确定所述车牌标识的车辆为入场车辆，以及确定并记录所述车牌标识的车辆的入场停车事件信息；所述车牌标识的车辆的入场停车事件信息包括车辆的车牌号、车辆的入场时间、车辆所在的车位；
如果所述车辆位于车位区域，以及未识别到所述车辆的车牌号，则根据所述车牌辆，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车辆，则确定所述车辆为入场车辆，以及确定并记录所述车辆的入场停车事件信息；所述车辆的入场停车事件信息包括车辆的入场时间、车辆所在的车位。
在一种可能的实现方式中，所述根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车辆位于入场检测区域或者出场检测区域，则计算所述车辆滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车辆为违规车辆，所述车辆的停车事件为违规停车事件；
如果所述车牌位于入场检测区域或者出场检测区域，则计算所述车牌滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车牌标识的车辆为违规车辆，所述车牌标识的车辆的停车事件为违规停车事件。
在一种可能的实现方式中，所述对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体包括：
如果检测到所述车辆跟踪检测区域图像中的车辆，以及检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车辆区域作为初始的目标车辆区域进行跟踪，以及截取所述车牌区域及所述车牌周边的区域作为初始的目标车牌区域进行跟踪；
如果检测到所述车辆跟踪检测区域中的车辆，但未检测到所述车辆的车牌，则截取所述车辆区域作为初始的目标车辆区域进行跟踪；
如果未检测到所述车辆跟踪检测区域图像中的车辆，但检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪。
在一种可能的实现方式中，所述对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体还包括：截取所述车辆最新的图像，对所述目标车辆区域进行更新；截取所述车辆最新的车牌图像及车牌图像周边区域的图像，对所述目标车牌区域进行更新。
在一种可能的实现方式中，所述对所述车辆进行跟踪和/或对所述车牌进行跟踪，确定停车事件信息，具体包括：
如果车辆从入场检测区越过车位线进入车位区域中的车位，则计算所述车辆在所述车位上停留的时间；如果所述车辆在所述车位上停留的时间超过第二阈值，则确定此次停车为入场停车事件，以及确定入场停车事件信息，并将所述入场停车事件信息记录在场停车信息表中；所述入场停车事件信息包括车牌号、入场时间、所述入场停车事件发生时车辆所在的车位、入场关键点图像、入场关键时序图像、入场跟踪视频。
在一种可能的实现方式中，如果所述车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车辆，对所述车辆的运动检测继续进行；如果所述车牌标识的车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车牌标识的车辆，对所述车牌标识的车辆的运动检测继续进行。
在一种可能的实现方式中，所述入场关键点图像包括：所述车辆在入场检测区域中首次被检测到的图像、所述车辆在入场检测区域中首次被检测到的车牌图像、所述车辆从入场检测区域越过车位线进入车位区域的图像、所述车辆停在车位上的图像。
在一种可能的实现方式中，所述入场关键时序图像为从所述入场跟踪视频中选择提取得到的过程图像。
在一种可能的实现方式中，所述入场跟踪视频为所述车辆在入场检测区域中首次被检测到至所述车辆停在车位上的视频段。
在一种可能的实现方式中，如果车辆从所述车位区域中的车位进入所述出场检测区域，则确定所述车辆为出场车辆，以及确定所述出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
在一种可能的实现方式中，所述出场关键点图像包括所述车辆离场前停在车位上的图像、所述车辆在出场检测区域中首次被检测到的图像、所述车辆在出场检测区域中首次被检测到的车牌图像、所述车辆从车位区域越过车位线进入出场检测区域的图像、所述车辆在出场检测区域中最后一次被检测到的图像、所述车辆在出场检测区域中最后一次被检测到的车牌图像。
在一种可能的实现方式中，所述出场关键时序图像为从所述出场跟踪视频中选择提取得到的过程图像。
在一种可能的实现方式中，所述出场跟踪视频包括第一出场跟踪视频、第二出场跟踪视频；所述第一出场跟踪视频为所述车辆从车位区域进入出场检测区域直至从出场检测区域消失的视频流；所述第二出场跟踪视频为所述车辆在出场检测区域中首次被检测到至所述车辆在出场检测区域中消失的视频流。
在一种可能的实现方式中，如果在出场检测区域中跟踪到车牌，以及识别所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表；如果所述车牌号之前已被记录，则确定所述车牌标识的车辆为出场车辆，以及所确定述车牌标识的车辆的出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述车牌标识的车辆所在的车位。
第二方面，为实现上述目的，本发明提供一种基于多摄像机的路侧停车管理装置，用于执行上述方法，所述装置包括：
处理器，用于接收摄像机拍摄的路侧停车监控区域图像，以及根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；以及对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息；所述车辆跟踪检测区域包含车位区域、入场检测区域、出场检测区域；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时所在的车位。
在一种可能的实现方式中，所述入场检测区域包含所述车位区域边界线两侧的临近区域；所述出场检测区域为车位区域之外的区域。
在一种可能的实现方式中，所述装置还包括：
显示器,用于显示操作管理界面；所述操作管理界面用于预设所述摄像机的图像划分规则，具体包括:
所述操作管理界面接收用户输入的第一查询指令；所述第一查询指令为用户选择查询所述摄像机的监控信息的操作；
所述操作管理界面根据所述第一查询指令，获取所述摄像机拍摄的第一路侧停车监控区域图像，以及将所述第一路侧停车监控区域图像显示；
所述操作管理界接收用户在所述第一路侧停车监控区域图像中选择的车辆跟踪检测区域坐标；所述车辆跟踪检测区域的坐标为所述摄像机的图像划分规则。
在一种可能的实现方式中，所述车辆跟踪检测区域的坐标包含车位区域的坐标、入场检测区域的坐标、出场检测区域的坐标。
在一种可能的实现方式中，所述处理器对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息，具体包括：
对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；以及对车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌，以及对所述车牌进行识别，确定所述车牌的车牌号；
对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；所述车辆、所述车牌的运动状态包括：静止和运动；
根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体包括：
如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
在一种可能的实现方式中，所述处理器还用于判断所述车牌是否为所述车辆的车牌，具体包括：
如果所述车牌的车牌区域位于所述车辆的车辆区域内，则确定既检测到所述车辆，又检测到所述车辆的车牌和/或识别到所述车牌的车牌号；
如果所述车牌的车牌区域没有位于任何车辆的车辆区域内，则确定仅检测到所述车辆的车牌和/或识别到所述车牌的车牌号，但未检测到所述车牌标识的车辆；
如果所述车辆的车辆区域没有包含任何车牌的车牌区域，则确定仅检测到所述车辆，但未检测到所述车辆的车牌和/或未识别到所述车牌的车牌号。
在一种可能的实现方式中，所述处理器根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体还包括：
如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。
在一种可能的实现方式中，所述处理器采用车辆检测算法对车辆跟踪检测区域进行车辆检测；所述处理器采用车牌检测算法对所述车辆跟踪检测区域进行车牌检测以及采用车牌识别算法对所述车牌进行识别；所述车辆检测算法、车牌检测算法为目标检测算法。
在一种可能的实现方式中，所述处理器采用车辆跟踪算法对所述车辆跟踪检测区域图像中的车辆进行跟踪；所述处理器采用车牌跟踪算法对所述车辆跟踪检测区域图像中的车牌进行跟踪；所述车辆跟踪算法、车牌跟踪算法为目标跟踪算法。
在一种可能的实现方式中，所述处理器根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车牌位于车位区域，以及识别到所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车牌号，则确定所述车牌标识的车辆为入场车辆，以及确定并记录所述车牌标识的车辆的入场停车事件信息；所述车牌标识的车辆的入场停车事件信息包括车辆的车牌号、车辆的入场时间、车辆所在的车位；
如果所述车辆位于车位区域，以及未识别到所述车辆的车牌号，则根据所述车牌辆，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车辆，则确定所述车辆为入场车辆，以及确定并记录所述车辆的入场停车事件信息；所述车辆的入场停车事件信息包括车辆的入场时间、车辆所在的车位。
在一种可能的实现方式中，所述根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车辆位于入场检测区域或者出场检测区域，则计算所述车辆滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车辆为违规车辆，所述车辆的停车事件为违规停车事件；
如果所述车牌位于入场检测区域或者出场检测区域，则计算所述车牌滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车牌标识的车辆为违规车辆，所述车牌标识的车辆的停车事件为违规停车事件。
在一种可能的实现方式中，所述处理器对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体包括：
如果检测到所述车辆跟踪检测区域图像中的车辆，以及检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车辆区域作为初始的目标车辆区域进行跟踪，以及截取所述车牌区域及所述车牌周边的区域作为初始的目标车牌区域进行跟踪；
如果检测到所述车辆跟踪检测区域中的车辆，但未检测识别到所述车辆的车牌，则截取所述车辆区域作为初始的目标车辆区域进行跟踪；
如果未检测到所述车辆跟踪检测区域图像中的车辆，但检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪。
在一种可能的实现方式中，所述处理器截取所述车辆最新的图像，对所述目标车辆区域进行更新；所述处理器截取所述车辆最新的车牌图像及车牌图像周边区域的图像，对所述目标车牌区域进行更新。
在一种可能的实现方式中，所述处理器具体还用于：
如果车辆从入场检测区越过车位线进入车位区域中的车位，则计算所述车辆在所述车位上停留的时间；如果所述车辆在所述车位上停留的时间超过第二阈值，则确定此次停车为入场停车事件，以及确定入场停车事件信息，并将所述入场停车事件信息记录在场停车信息表中；所述入场停车事件信息包括车牌号、入场时间、所述入场停车事件发生时车辆所在的车位、入场关键点图像、入场关键时序图像、入场跟踪视频。
在一种可能的实现方式中，所述处理器具体还用于：
如果所述车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车辆，对所述车辆的运动检测继续进行；如果所述车牌标识的车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车牌标识的车辆，对所述车牌标识的车辆的运动检测继续进行。
在一种可能的实现方式中，所述入场关键点图像包括：所述车辆在入场检测区域中首次被检测到的图像、所述车辆在入场检测区域中首次被检测到的车牌图像、所述车辆从入场检测区域越过车位线进入车位区域的图像、车辆停在车位上的过程图像。
在一种可能的实现方式中，所述入场关键时序图像为从所述入场跟踪视频中选择提取得到的图像。
在一种可能的实现方式中，所述入场跟踪视频为所述车辆在入场检测区域中首次被检测到至所述车辆停在车位上的视频段。
在一种可能的实现方式中，所述处理器具体还用于：
如果车辆从所述车位区域中的车位进入所述出场检测区域，则确定所述车辆为出场车辆，以及确定所述出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
在一种可能的实现方式中，所述出场关键点图像包括所述车辆离场前停在车位上的图像、所述车辆在出场检测区域中首次被检测到的图像、所述车辆在出场检测区域中首次被检测到的车牌图像、所述车辆从车位区域越过车位线进入出场检测区域的图像、所述车辆在出场检测区域中最后一次被检测到的图像、所述车辆在出场检测区域中最后一次被检测到的车牌图像。
在一种可能的实现方式中，所述出场关键时序图像为从所述出场场跟踪视频中选择提取得到的过程图像。
在一种可能的实现方式中，所述出场跟踪视频包括第一出场跟踪视频、第二出场跟踪视频；所述第一出场跟踪视频为所述车辆从车位区域进入出场检测区域直至从出场检测区域消失的视频段；所述第二出场跟踪视频为所述车辆在出场检测区域中首次被检测到至所述车辆停在出场检测区域中消失的视频段。
在一种可能的实现方式中，所述处理器还用于：
如果在出场检测区域中跟踪到车牌，以及识别所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表；如果所述车牌号之前已被记录，则确定所述车牌标识的车辆为出场车辆，以及所确定述车牌标识的车辆的出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述车牌标识的车辆所在的车位。
第三方面，为实现上述目的，本发明提供一种基于多摄像机的路侧停车管理装置，所述装置可用于执行本发明提供的上述方法，所述装置包括：
输入模块，用于接收摄像机拍摄的路侧停车监控区域图像；
图像划分模块，根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；所述车辆跟踪检测区域包含车位区域、入场检测区域、出场检测区域；
检测识别跟踪模块，用于对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时所在的车位。
在一种可能的实现方式中，所述入场检测区域包含所述车位区域边界线两侧的临近区域；所述出场检测区域为车位区域之外的区域。
在一种可能的实现方式中，所述装置还包括：
操作管理界面，用于预设所述摄像机的图像划分规则，具体包括：
接收用户输入的第一查询指令；所述第一查询指令为用户选择查询所述摄像机的监控信息的操作；
根据所述第一查询指令，获取所述摄像机拍摄的第一路侧停车监控区域图像，以及将所述第一路侧停车监控区域图像显示；
接收用户在所述第一路侧停车监控区域图像中的车辆跟踪检测区域坐标；所述车辆跟踪检测区域的坐标为所述摄像机的图像划分规则。
在一种可能的实现方式中，所述车辆跟踪检测区域的坐标包含车位区域的坐标、入场检测区域的坐标、出场检测区域的坐标。
在一种可能的实现方式中，所述检测识别跟踪模块包括：
车辆检测模块，用于采用车辆检测算法对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；
车牌检测模块，用于采用车牌检测算法对车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌；
车牌识别模块，用于采用车牌识别算法对所述车牌进行识别，确定所述车牌的车牌号；
运动检测模块，用于采用运动检测算法对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；所述车辆、所述车牌的运动状态包括静止和运动；
跟踪处理模块，用于根据所述车辆、车牌的运动状态，确定停车事件信息，具体包括：
如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
在一种可能的实现方式中，所述装置还包括：
运算判断模块，用于判断所述车牌是否为所述车辆的车牌，具体包括：
如果所述车牌的车牌区域位于所述车辆的车辆区域内，则确定既检测到所述车辆，又检测到所述车辆的车牌和/或识别到所述车牌的车牌号；
如果所述车牌的车牌区域没有位于任何车辆的车辆区域内，则确定仅检测到所述车辆的车牌和/或识别到所述车牌的车牌号，但未检测到所述车牌标识的车辆；
如果所述车辆的车辆区域没有包含任何车牌的车牌区域，则确定仅检测到所述车辆，但未检测到所述车辆的车牌和/或未识别到所述车牌的车牌号。
在一种可能的实现方式中，所述跟踪处理模块根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体还包括：
如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。
在一种可能的实现方式中，所述车辆检测算法、车牌检测算法为目标检测算法。
在一种可能的实现方式中，所述跟踪处理模块包括：
车辆跟踪模块，用于采用车辆跟踪算法对所述车辆进行跟踪，确定停车事件信息；
车牌跟踪模块，用于采用车牌跟踪算法对所述车牌进行跟踪，确定停车事件信息。
在一种可能的实现方式中，所述车牌跟踪算法、所述车辆跟踪算法为目标跟踪算法。
在一种可能的实现方式中，如果所述车牌位于车位区域，以及车牌识别模块识别到所述车牌的车牌号，则跟踪处理模块根据所述车牌号，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车牌号，则确定所述车牌标识的车辆为入场车辆，以及确定并记录所述车牌标识的车辆的入场停车事件信息；所述车牌标识的车辆的入场停车事件信息包括车辆的车牌号、车辆的入场时间、车辆所在的车位；
如果所述车辆位于车位区域，以及车牌识别模块未识别到所述车辆的车牌号，则跟踪处理模块根据所述车牌辆，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车辆，则确定所述车辆为入场车辆，以及确定并记录所述车辆的入场停车事件信息；所述车辆的入场停车事件信息包括车辆的入场时间、车辆所在的车位。
在一种可能的实现方式中，如果所述车辆位于入场检测区域或者出场检测区域，则跟踪处理模块计算所述车辆滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车辆为违规车辆，所述车辆的停车事件为违规停车事件；
如果所述车牌位于入场检测区域或者出场检测区域，则跟踪处理模块计算所述车牌滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车牌标识的车辆为违规车辆，所述车牌标识的车辆的停车事件为违规停车事件。
在一种可能的实现方式中，如果所述车辆或者车牌的运动状态为运动，则所述跟踪处理模块对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体包括：
如果所述车辆检测模块检测到所述车辆跟踪检测区域中的车辆，以及所述车牌检测模块检测到所述车辆的车牌和/或所述车牌识别模块识别到所述车牌的车牌号，则所述跟踪处理模块启动车辆跟踪模块截取所述车辆的图像作为初始的目标车辆区域，对所述目标车辆区域进行跟踪，以及启动车牌跟踪模块截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪；
如果所述车辆检测模块检测到所述车辆跟踪检测区域中的车辆，但所述车牌检测模块未检测到所述车辆的车牌，则所述跟踪处理模块启动车辆跟踪模块截取所述车辆区域作为初始的目标车辆区域进行跟踪；
如果所述车辆检测模块未检测到所述车辆跟踪检测区域图像中的车辆，但所述车牌检测模块检测到所述车辆的车牌和/或所述车牌识别模块识别到所述车牌的车牌号，则所述跟踪处理模块启动车牌跟踪模块截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪。
在一种可能的实现方式中，所述车辆跟踪模块截取所述车辆最新的图像，对所述目标车辆区域进行更新；所述车牌跟踪模块截取所述车辆最新的车牌图像及车牌图像周边区域的图像，对所述目标车牌区域进行更新。
在一种可能的实现方式中，所述跟踪处理模块具体还用于：
如果车辆从入场检测区越过车位线进入车位区域中的车位，则计算所述车辆在所述车位上停留的时间；如果所述车辆在所述车位上停留的时间超过第二阈值，则确定此次停车为入场停车事件，以及确定入场停车事件信息，并将所述入场停车事件信息记录在场停车信息表中；所述入场停车事件信息包括车牌号、入场时间、所述入场停车事件发生时车辆所在的车位、入场关键点图像、入场关键时序图像、入场跟踪视频。
在一种可能的实现方式中，如果所述车辆在车位上停留的时间超过第二阈值，则所述跟踪处理模块停止跟踪所述车辆，所述运动检测模块继续对所述车辆进行运动检测；如果所述车牌标识的车辆在所述车位上停留的时间超过第二阈值，则所述跟踪处理模块停止跟踪所述车牌，所述运动检测模块继续对所述车牌进行运动检测。
在一种可能的实现方式中，所述入场关键点图像包括：所述车辆在入场检测区域中首次被检测到的图像、所述车辆在入场检测区域中首次被检测到的车牌图像、所述车辆从入场检测区域越过车位线进入车位区域的图像、车辆停在车位上的图像。
在一种可能的实现方式中，所述入场关键时序图像为从所述入场跟踪视频中选择提取得到的图像。
在一种可能的实现方式中，所述入场跟踪视频为所述车辆在入场检测区域中首次被检测到至所述车辆停在车位上的视频段。
在一种可能的实现方式中，所述跟踪处理模块具体还用于：
如果车辆从所述车位区域中的车位进入所述出场检测区域，则确定所述车辆为出场车辆，以及确定所述出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
在一种可能的实现方式中，所述出场关键点图像包括所述车辆离场前停在车位上的图像、所述车辆在出场检测区域中首次被检测到的图像、所述车辆在出场检测区域中首次被检测到的车牌图像、所述车辆从车位区域越过车位线进入出场检测区域的图像、所述车辆在出场检测区域中最后一次被检测到的图像、所述车辆在出场检测区域中最后一次被检测到的车牌图像。
在一种可能的实现方式中，所述出场关键时序图像为从所述出场场跟踪视频中选择提取得到的过程图像。
在一种可能的实现方式中，所述出场跟踪视频包括第一出场跟踪视频、第二出场跟踪视频；所述第一出场跟踪视频为所述车辆从车位区域进入出场检测区域直至从出场检测区域消失的视频段；所述第二出场跟踪视频为所述车辆在出场检测区域中首次被检测到至所述车辆停在出场检测区域中消失的视频段。
在一种可能的实现方式中，如果所述车牌跟踪模块在出场检测区域中跟踪到车辆的车牌，以及所述车牌识别模块识别所述车牌的车牌号，则所述跟踪处理模块查找在场车辆信息表，如果所述车牌号之前已被记录，则确定所述车牌标识的车辆为出场车辆，以及所确定述车牌标识的车辆的出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述车牌标识的车辆所在的车位。
第四方面，为实现上述目的，本发明提供一种基于多摄像机的路侧停车管理系统，所述系统可用于管理路侧停车场的停车事件。所述系统包括：
相机群，用于布置在路侧停车场的杆位上，获取路侧停车监控区域图像；
一种基于多摄像机的路侧停车管理装置，用于按图像划分规则对路侧停车监控区域图像进行图像划分，以及对路侧停车监控区域图像进行检测识别跟踪处理，确定所述相机群管理的车位上的停车事件信息。
在一种可能的实现方式中，所述一种基于多摄像机的路侧停车管理装置可以为本发明提供的上述任一一种基于多摄像机的路侧停车管理装置。
在本发明提供的多摄像机的路侧停车管理方法及装置中，由于摄像机，尤其是枪型摄像机，具有视角和焦距稳定的特点，能持续地采集稳定的图像，以目前200万像素的枪机为例，部署于6米监控杆，当视野覆盖2-3个车位时，能得到清晰、稳定的车牌图像。因此本发明提供的方法及装置基于对摄像机拍摄的图像进行划分，可同时对得到的各图像区域进行处理，进而实现对车辆进出场的跟踪和识别，以及当一摄像机监控的若干个车位上发生多个并发停车事件时，能根据划分的的区域同时管理多个停车事件，相较于球机的管理方式，无需考虑相机的调度响应时间，因此采用本发明实施例提供的方法，能提高路侧停车事件的管理效率。
附图说明
图1是本发明实施例提供的一种基于多摄像机的路侧停车管理方法的流程图；
图2是本发明实施例中阵列摄像机的安装场景图；
图3是本发明实施例提供的路侧停车监控区域图像的划分示意图；
图4是图1中步骤S104的具体实施流程图；
图5是本发明实施例对车辆进行检测识别跟踪的场景图；
图6是本发明实施例提供的一种基于多摄像机的路侧停车管理装置的结构示意图；
图7是本发明实施例提供的另一种基于多摄像机的路侧停车管理装置的结构示意图；
图8是本发明实施例提供的一种基于多摄像机的路侧停车管理系统的结构示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
图1是本发明实施例提供的一种基于多摄像机的路侧停车管理方法的流程图。如图1所示，所述方法具体包括以下步骤：
步骤S101：预设摄像机的图像划分规则。
图2是本发明实施例中阵列摄像机的安装场景图。具体地，如图2所示，可将若干个摄像机作为一个阵列，组成一个相机组安装固定在路侧停车场中的杆位上，对路侧停车事件进行监控管理。摄像机安装好后，设定各个摄像机的焦距、拍摄角度等参数，确定摄像机管理的路侧停车监控区域，以获取监控信息；可在所述摄像机拍摄的路侧停车监控区域图像中选取最新拍摄的一帧，作为第一路侧停车监控区域图像，用于预设摄像机的图像划分规则，即通过在所述第一路侧停车监控区域图像中选择车辆跟踪检测区域的坐标，作为摄像机的图像划分规则并存储，以便后续步骤根据设定好的图像划分规则对摄像机后续拍摄的路侧停车监控区域图像进行划分和识别处理；所述车辆跟踪检测区域为车辆的活动区域，可包含车位区域、入场检测区域、出场检测区域；所述车辆跟踪检测区域的坐标包括车位区域、入场检测区域、出场检测区域在所述第一路侧停车监控区域图像中的坐标。
图3是第一路侧停车监控区域图像的示意图。具体地，如图3所示，所述车辆跟踪检测区域包含车位区域、入场检测区域、出场检测区域；所述车位区域、入场检测区域、出场检测区域的具体划分如下：
所述车位区域为停放车辆的区域，包含多个停车泊位，可如图3中界线2和界线6之间的区域。
所述入场检测区域包含车位区域边界线两侧的临近区域，所述区域可作为检测入场停车事件，以及获取所述入场停车事件信息的区域。具体地，如图3所示，图中的界线2为车位区域的边界线，也称为车位线，所述边界线两侧的临近区域指的是界线1和界线2之间的区域、界线3和界线2之间的区域(亦界线1和界线3之间的区域)，界线1、界线3分别和界线2之间的距离可根据实际需求而设定；由于车辆在越过车位线时，车辆的速度比较慢，是抓拍识别车牌号的良好时机，因此将界线1和界线2之间的区域作为入场检测区域的一部分，可以有效地抓拍车牌的效率和准确率。
所述出场检测区域为车位区域之外的区域，具体地，如图3中界线2和界线4、界线5之间的区域，所述区域可作为检测出场停车事件，以及获取所述出场停车事件信息的区域。
在实际应用中，可根据每个摄像机的具体监控场景，将图像中的不相关区域(例如草坪区域、树木区域等)屏蔽后，作为车辆跟踪监测区域，可以减少后续处理车辆跟踪监测区域图像时的计算量。
步骤S102：接收摄像机拍摄的路侧停车监控区域图像。
步骤S103：根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域。
具体地，所述路侧停车监控区域包括车位区域、入场检测区域、出场检测区域。
步骤S104：对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息。
具体地，所述停车事件包括入场停车事件、出场停车事件、违章/违规/违法停车事件；所述停车事件信息包括停车事件的类型、停车事件发生的时间、车辆在车位上停放的时间、停车事件发生时车辆所在的车位、车牌号、关键点图像、跟踪视频、关键时序图像；停车事件信息被确定后，将所述停车事件信息存储，以便后续上传后台，供管理人员进行查询、巡检。
所述停车事件的类型包括入场停车事件、出场停车事件、违章/违规/违法停车事件。
所述停车事件发生的时间包括车辆驶入车位的时间(亦称入场时间)、车辆驶出车位的时间(亦称出场时间)。
车辆在车位上停放的时间可根据车辆的出场时间和入场时间计算。
所述关键点图像包括车辆的入场关键点图像、出场关键点图像；所述入场关键点图像包括：所述车辆在入场检测区域中首次被检测到的车辆图像、所述车辆在入场检测区域中首次被检测到的车牌图像、所述车辆从入场检测区域越过车位线进入车位区域的过程图像、车辆停在车位上的图像；所述出场关键点图像包括所述车辆离场前停在车位上的图像、所述车辆在出场检测区域中首次被检测到的车辆图像、所述车辆在出场检测区域中首次被检测到的车牌图像、所述车辆从车位区域越过车位线进入出场检测区域的图像、所述车辆在出场检测区域中最后一次被检测到的车辆图像、所述车辆在出场检测区域中最后一次被检测到的车牌图像。在实际的停车管理中，当出现异常停车事件时(例如后台服务器显示车位上有车辆，但信息中没有显示车牌)，工作人员可对所述关键点图像进行巡检，以补充停车事件的信息。
所述跟踪视频包括入场跟踪视频和出场跟踪视频；所述入场跟踪视频为所述车辆在入场检测区域中首次被检测到至所述车辆停在车位上的视频段；所述出场跟踪视频包括第一出场跟踪视频、第二出场跟踪视频；所述第一出场跟踪视频为所述车辆从车位区域进入出场检测区域直至从出场检测区域消失的视频段；所述第二出场跟踪视频为所述车辆在出场检测区域中首次被检测到至所述车辆在出场检测区域中消失的视频段。由于通常情况下，执行本方法的前端设备/装置的处理能力有限，因此可基于后台处理能力强大的特点，可将所述跟踪视频先进行存储，以备后续需要时，将所述跟踪视频上传至后台，由后台对跟踪视频进行识别处理，能进一步提高识别车辆、车牌的准确率。
所述关键时序图像包括入场关键时序图像、出场关键时序图像；入场关键时序图像可从所述入场跟踪视频中选择提取得到；出场关键时序图像可从所述出场跟踪视频中选择提取得到；可选的，可根据实际需求从入场跟踪视频中选择相应时刻的图片组合成所述入场关键时序图像，从出场跟踪视频流中选择相应时刻的图片组合成所述出场关键时序图像。由于传输跟踪视频需要较大的带宽、流量过大，因此对于带宽小的情况，可采用传输关键时序图像的方式，将关键时序图像传输至后台，由后台对关键时序图像进行识别处理，进一步提高识别车辆、车牌的准确率。
图4是图1中步骤S104的具体实施流程图。具体地，如图4所示，步骤S104包括以下步骤：
步骤S1041：对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；以及对所述车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌，以及对所述车牌进行识别，确定所述车牌的车牌号。
具体地，可采用车辆检测算法对车辆跟踪检测区域进行车辆检测；可采用车牌检测算法对所述车辆跟踪检测区域进行车牌检测以及可采用车牌识别算法对所述车牌进行识别。
可选的，所述车辆检测算法、车牌检测算法可以采用基于深度学习的Fast Rcnn算法(英文全称：Faster Regions with CNNs features)、SSD算法(英文全称：single shotmultibox detector)、Yolo算法(英文全称：You Only Look Once)等目标检测算法，或者其他类型的图像目标检测算法。
步骤S1042：判断所述车牌是否为所述车辆的车牌。
具体地，确定所述车辆跟踪检测区域中的车辆、车牌后，根据所述车辆和所述车牌的位置关系，确定所述车牌是否为所述车辆的车牌。具体如下:
(1)如果所述车牌的车牌区域位于所述车辆的车辆区域内，则确定既检测到所述车辆，又检测到所述车辆的车牌和/或识别到所述车牌的车牌号。例如，如图3中区域10411所示，车牌区域位于车辆区域内，因此表示既检测所述车辆，又检测和/或识别到所述车辆的车牌号；将所述车牌和车辆关联，以及将所述车辆的特征信息和所述车牌的特征信息合并，作为所述车辆的特征信息，且优先选择车牌区域的坐标作为该车辆的坐标。
(2)如果所述车牌的车牌区域没有位于任何车辆的车辆区域内，则确定仅检测到所述车辆的车牌和/或识别到所述车牌的车牌号，但未检测到所述车牌标识的车辆。例如，如图3中区域10412所示，车牌区域没有位于任何车辆区域内，因此表示未检测到所述车辆跟踪检测区域图像中的车辆，但检测和/或识别到所述车辆的车牌号；将所述车牌的特征信息作为所述车辆的特征信息。
(3)如果所述车辆的车辆区域没有包含任何车牌的车牌区域，则确定仅检测到所述车辆，但未检测到所述车辆的车牌和/或未识别到所述车牌的车牌号。例如，如图3中区域10413所示，车辆区域没有包含任何车牌区域，因此表示仅检测到所述车辆跟踪检测区域图像中的车辆，但未能检测和识别到所述车辆的车牌号。
步骤S1043：对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态。
具体地，所述车辆、所述车牌的运动状态包括静止和运动。
可选的，可采用运动检测算法对所述车辆、所述车牌进行运动检测。所述运动检测算法可以采用基于光流的Lucas-knades算法、Kalman滤波算法等。
步骤S1044：根据所述车辆的运动状态、所述车牌的运动状态，确定停车事件信息。
具体地，如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
可选的，可采用车辆跟踪算法对所述车辆跟踪检测区域图像中的车辆进行跟踪；可采用车牌跟踪算法对所述车辆跟踪检测区域图像中的车牌进行跟踪；所述车牌跟踪算法、车辆跟踪算法可以采用基于相关滤波器的KCF算法(英文全称：High-speed trackingwith kernelized correlation filters)，Staple(英文全称：Sum of Template AndPixel-wise LEarners)目标跟踪算法，或其他类型的图像目标跟踪算法。
图5是本发明实施例对车辆进行检测识别跟踪的场景图。具体地，如图5所示，停车事件信息的具体确认过程如下：
(1)如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。具体如下：
如果所述车辆位于入场检测区域(如图5中的车辆A)，则计算所述车辆滞留在入场停车区域的时间；或者如果所述车牌位于入场检测区域，则计算所述车牌标识的车辆滞留在入场停车区域的时间；如果所述车辆或者所述车牌标识的车辆滞留在入场检测区域超过第一阈值，则确定所述车辆或者所述车牌标识的车辆为违规停车车辆，所述停车事件的类型为违规停车事件；所述第一阈值可根据实际需求进行设定，本实施例设定所述第一阈值为3-5分钟；以上处理手段可处理步骤S1042所列的情况，具体地，由于在步骤S1042情况(1)中，车辆处于静止状态时，有时由于车牌或者车辆被人、其他物体遮挡，而导致车牌或车辆暂时无法被检测或识别，因此只要当检测到车牌或者车辆处于静止状态时，即可对步骤S1042情况(1)中的车辆执行停车事件信息的确认过程。
如果所述车牌位于车位区域(如图5中的车辆B)，以及所述车牌的车牌号已被识别，则根据所述车牌号，查找在场车辆信息表，如果所述车牌号之前未被记录，则确定所述标识的车辆为入场车辆，以及确定所述车辆的入场停车事件信息；所述入场停车事件信息包括车辆的车牌号、车辆的入场时间、车辆所在的车位；由于在车辆驶入车位的过程中，有时没能抓拍、识别到车辆，因而导致车辆停在车位上后，没能记录该车辆的停车事件信息，因此本实施例通过实时或者定时对停在车位区域中的车辆进行运动检测和识别，通过将识别到的车牌号与在场停车信息表进行对比，补充记录该车辆的入场时间、车牌号等入场停车事件信息。
如果所述车辆位于出场检测区域(如图5中的车辆C)，则计算所述车辆滞留在出场停车区域的时间；或者如果所述车牌位于出场检测区域，则计算所述车牌标识的车辆滞留在出场停车区域的时间；如果所述车辆或者所述车牌标识的车辆滞留在出场检测区域的时间超过第一阈值，则确定所述车辆或者所述车牌标识的车辆为违规停车车辆，所述停车事件的类型为违规停车事件；违规停车事件的判定，可以辅助交通管理。以上处理手段亦可以处理步骤S1042所列的情况。
(2)如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
具体地，基于步骤S1042所确定的情况，对车辆采取相应的跟踪方案，具体如下：
1)如果检测到所述车辆跟踪检测区域图像中的车辆，以及检测到所述车辆的车牌和/或识别到所述车牌上的车牌号，则采用车辆跟踪算法，截取所述车辆区域作为初始的目标车辆区域进行跟踪，以及采用车牌跟踪算法，截取所述车牌区域及所述车牌周边的区域作为初始的目标车牌区域进行跟踪；
进一步地，如果车辆(如图5中的车辆D)从入场检测区越过车位线(即如图2中的界线2)进入车位区域中的车位(即所述目标车辆区域和目标车牌区域移入车位区域中的车位)，则计算所述车辆在所述车位上停留的时间；如果车辆在车位上停留的时间超过第二阈值，则停止跟踪，对所述车辆的运动检测继续进行(由于跟踪算法消耗的运算资源较大，因此当确定车辆停在车位上后，可停止跟踪，以节省运算资源。)，并记录此次停车为入场停车事件(即所述停车事件的类型为入场停车事件)，以及确定并存储所述入场停车事件的信息，即将车辆的车牌号、入场时间、入场停车事件发生时车辆所在的车位等写入所述在场车辆信息表，以及将车辆的入场关键点图像、车辆的入场关键时序图像、车辆的入场跟踪视频与所述在场车辆信息表进行关联并存储；所述第二阈值可根据实际需求进行设定，本实施例设定所述第二阈值为20-30秒；如果车辆没有进入车位区域，而驶出入场检测区域，则停止对车辆的跟踪。
进一步地，如果车辆(如图5中的车辆E)从所述车位区域中的车位进入所述出场检测区域(即所述车辆区域和车牌区域从所述车位区域中的车位进入所述出场检测区域)，则确定所述车辆为出场车辆，确定所述出场停车事件信息；出场停车事件信息包括车牌号、车辆的出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
进一步地，如果在出场检测区域中跟踪到车辆(如图5中的车辆F)的车牌，以及所述车牌的车牌号已被识别，则根据所述车牌号，查找在场车辆信息表，如果所述车牌号之前已被记录，即所述车牌标识的车辆之前是入场车辆，则确定所述车牌标识的车辆为出场车辆和该车辆的出场停车事件信息；出场停车事件信息包括车牌号、出场时间、所述车牌标识的车辆所在的车位；通过对出场检测区域中的车辆进行跟踪识别，以及将识别到的车牌号与在场停车信息表进行对比，补充记录该车辆的出场时间、车牌号等出场停车事件信息，可解决由于在车辆驶出车位的过程中，没能抓拍、识别到车辆，而导致的车辆出场停车事件信息缺失的问题。
2)如果检测到所述车辆跟踪检测区域中的车辆，但未检测到所述车辆的车牌，则采用车辆跟踪算法，截取所述车辆区域作为初始的目标车辆区域进行跟踪；
进一步地，如果车辆(如图5中的车辆D)从入场检测区域越过车位线(即如图2中的界线2)进入车位区域中的车位(即目标车辆区域从入场检测区域移入车位区域中的车位)，以及在所述车位上停留的时间超过第二阈值，则停止跟踪所述车辆，继续对所述车辆进行运动检测，以及记录所述车辆此次停车为入场停车事件，确定并存储所述停车事件的信息，即将所述车辆的入场时间、入场停车事件发生时车辆所在的车位写入所述在场车辆信息表，以及将所述车辆的入场关键点图像、入场关键时序图像、入场跟踪视频与所述在场车辆信息表进行关联并存储；如果所述车辆没有进入车位区域，而驶出入场检测区域，则停止对所述车辆的跟踪。
进一步地，如果车辆(如图5中的车辆E)从所述车位区域中的车位进入所述出场检测区域(即所述目标车辆区域从所述车位区域中的车位进入所述出场检测区域)，则确定所述车辆为出场车辆，确定所述出场停车事件信息；所述出场停车事件信息包括所述出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
3)如果未检测到所述车辆跟踪检测区域图像中的车辆，但检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则采用车牌跟踪算法，截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪；
进一步地，如果车牌(如图5中的车辆D的车牌)从入场检测区越过车位线(即如图2中的界线2)进入车位区域中的车位(即所述目标车牌区域移入车位区域中的车位)，以及在所述车位上停留的时间超过第二阈值，则停止跟踪所述车辆，对所述车辆的运动检测继续进行，以及记录所述车牌标识的车辆为入场车辆，此次停车为入场停车事件(即所述停车事件的类型为入场停车事件)，确定并存储所述停车事件的信息，即将车牌号、入场时间、入场停车事件发生时车辆所在的车位写入所述在场车辆信息表，以及将入场关键点图像、入场关键时序图像、入场跟踪视频与所述在场车辆信息表进行关联并存储。
进一步地，如果车牌(如图5中的车辆E的车牌)从所述车位区域中的车位进入所述出场检测区域(即所述目标车牌区域从所述车位区域中的车位进入所述出场检测区域)，则确定所述车牌标识的车辆为出场车辆，确定出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
进一步地，如果在出场检测区域中跟踪到所述车牌(如图5中的车辆F的车牌)，以及所述车牌的车牌号已被识别，则根据所述车牌号，查找在场车辆信息表，如果所述车牌号之前已被记录，即所述车牌标识的车辆之前是入场车辆，则确定所述车牌标识的车辆为出场车辆和所述车牌标识的车辆的出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位；通过对出场检测区域中的车辆的车牌进行跟踪识别，以及将识别到的车牌号与在场停车信息表进行对比，补充记录该车辆的出场时间、车牌号等出场停车事件信息，可解决由于在车辆驶出车位的过程中，没能抓拍、识别到车辆，而导致的车辆出场停车事件信息缺失的问题。
进一步地，在对目标车辆区域跟踪的过程中，定时(也可实时)截取所述车辆最新的图像，对所述目标车辆区域进行更新，防止长时间跟踪所述目标车辆区域而造成的目标丢失；在对所述目标车牌区域跟踪的过程中，定时(也可实时)截取所述车辆最新的车牌图像及车牌图像周边区域的图像，对所述目标车牌区域进行更新，防止长时间跟踪所述目标车牌区域而造成的目标丢失。此外，本实施例中目标车辆区域除包括所述车牌图像的区域外，还包括车牌图像周边的区域，能提高检测车牌的准确率。
可选的，如果车辆进入一个车位，停留时间超过第一阈值后，所述车辆又选择同一车位区域中的其他车位进行停泊，则所述车辆的入场时间以进入第一个车位的时间为准，所述车辆最终的停车车位以最后停泊的车位为准。
在本发明提供的方法实施例中，由于摄像机，尤其是枪型摄像机，具有视角和焦距稳定的特点，能高速持续地采集稳定的图像，以目前200万像素的枪机为例，部署于6米监控杆，当视野覆盖2-3个车位时，能得到清晰、稳定的车辆图像、车牌图像，识别准确率高，且能获得停车事件全程完整的证据链。因此本方法基于对摄像机拍摄的图像进行划分，可同时对得到的各图像区域进行处理，可实现对车辆进出场的跟踪和识别，以及当某一摄像机监控的若干个车位上发生多个并发停车事件时，能根据划分的的区域同时管理多个停车事件，相较于球机的管理方式，无需考虑相机的调度响应时间。此外，本方法可通过对相机各拍摄的图像进行联合处理，进一步提高置信度、准确率。综上，采用本发明实施例提供的方法，能提高路侧停车事件的管理效率。
图6是本发明实施例提供的一种基于多摄像机的路侧停车管理装置的结构示意图。所述装置用于执行本发明实施例提供的如图1所示的方法。如图6所示，所述装置包括处理器201、显示器202、存储器203、看门狗(WD，Wacth Dog)204。具体地，本装置各组成部分的具体实施如下：
处理器201用于接收摄像机拍摄的路侧停车监控区域图像，以及根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；以及对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息；所述车辆跟踪检测区域包括车位区域、入场检测区域、出场检测区域；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时车辆所在的车位。
显示器202用于显示操作管理界面，通过操作管理界面预设所述摄像机的图像划分规则，具体如下：
所述操作管理界面接收用户输入的第一查询指令；所述第一查询指令为用户选择查询所述摄像机的监控信息的操作；
所述操作管理界面根据所述第一查询指令，获取所述摄像机拍摄的第一路侧停车监控区域图像，以及将所述第一路侧停车监控区域图像显示；所述第一路侧停车监控区域图像为所述摄像机拍摄最新拍摄的路侧停车监控区域图像；
所述操作管理界接收用户在第一路侧停车监控区域图像中选择的车辆跟踪检测区域坐标，所述车辆跟踪检测区域的坐标为所述摄像机的图像划分规则。
存储器203用于每个摄像机的监控信息；所述监控信息包括：摄像机拍摄的路侧停车监控区域图像、经划分后得到的图像(即路侧停车监控区域、车位区域、入场检测区域、出场检测区域等车辆跟踪检测区域图像。)、图像划分规则、所管理的车位信息以及所述车位上发生的停车事件信息；所述停车事件信息包括停车事件的类型、停车事件发生的时间、停车事件发生时车辆所在的车位、车辆的停车时间、车辆的车牌号、关键点图像、关键时序图像、跟踪视频等。
看门狗204用于监控处理器201的工作状态，以及将处理器201的工作状态信息上传到后台服务器；当处理器出现异常时，看门狗204控制处理器201停止工作或者由管理人员通过后台服务器控制处理器201停止工作。
可选的，本实施例中所指的摄像机可以是枪型摄像机。
进一步地，处理器201定时将存储器203中每个停车事件的关键点图像、关键时序图像、跟踪视频发送给服务器，用户可通过在操作管理界面上查找每个停车事件的关键点图像、关键时序图像，以对停车事件进行巡检；服务器可对关键时序图像、跟踪视频进行识别处理，修正、补充本装置处理器201所确定的停车事件信息，如车牌号等，进一步提高本装置对停车事件的车牌识别率和管理效率。
具体地，本装置的具体工作过程如下：
处理器201将摄像机拍摄的路侧停车监控区域图像、关键点图像、跟踪视频、关键时序图像经输入模块301存储至存储器203中；
用户可通过显示器202上的操作管理界设定摄像机的图像划分规则和查询摄像机的监控信息；当显示器202上的操作管理界面接收到用户输入的第一查询指令时，即用户选择要查询某个摄像机的监控信息时，操作管理界面将该摄像机最新拍摄的路侧停车监控区域图像进行显示(第一路侧停车监控区域图像)，用户可在所述第一路侧停车监控区域图像上选择(可以是点击的方式)车辆跟踪监测区域的坐标(车位区域、入场检测区域、出场检测区域的坐标)作为所述摄像机的图像划分规则存储至存储模块305；
处理器201后续接收到摄像机拍摄的路侧停车监控区域图像后，根据各个摄像机的图像划分规则，对各个摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域，即车位区域、入场检测区域、出场检测区域；
处理器201对车辆跟踪监测区域图像进行目标检测、运动检测、车牌识别、目标车辆跟踪、目标车牌跟踪，进而得到车位上的停车事件信息。
当用户通过操作管理界面进行查询、巡检等操作，以补充停车事件信息时，操作管理界面根据用户的操作，可将路侧停车监控区域图像、关键点图像、跟踪视频、关键时序图像等信息进行显示，以供用户巡检，补充停车事件信息。
具体地，处理器201对图像中车辆的具体检测、识别、跟踪过程，可参考本发明提供的方法实施例中步骤S104的具体实施过程，此处不再赘述。
在本发明提供的装置中，基于本发明提供的方法实施例，采用本装置执行上述方法，即通过在软件(操作管理界面)上操作的方式设定摄像机的图像划分规则，然后由处理器按图像划分规则对摄像机拍摄的图像进行划分，同时对得到的各图像区域进行处理，并对车辆进出场的检测、识别、跟踪，以及当摄像机监控的若干个车位上发生多个并发停车事件时，能根据划分的的区域同时管理多个停车事件，相较于球机的管理方式，本装置不存在摄像机调度响应时间(类似球机的响应时间)的影响，因此采用本发明实施例提供的方法，能提高路侧停车事件的管理效率。
图7是本发明实施例提供的另一种基于多摄像机的路侧停车管理装置的结构示意图。所述装置为可用于执行本发明实施例图1所示方法的装置。如图7所示，所述装置包括：输入模块301、图像划分模块302、检测识别跟踪模块303、操作管理界面304、存储模块305；具体地，本装置中各模块的具体实施过程如下：
输入模块301用于接收摄像机拍摄的路侧停车监控区域图像。
图像划分模块302用于根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；所述车辆跟踪检测区域包括车位区域、入场检测区域、出场检测区域。
检测识别跟踪模块303用于对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息。检测识别跟踪模块303包括车辆检测模块3031、车牌检测模块3032、车牌识别模块3033、运动检测模块3034、跟踪处理模块3035、运算判断模块3036；其中，车牌检测模块3032用于采用车牌检测算法对车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌；车牌识别模块3033用于采用车牌识别算法对所述车牌进行识别，确定所述车牌的车牌号；运算判断模块3036用于判断所述车牌是否为所述车辆的车牌；运动检测模块3034用于采用运动检测算法对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；所述车辆、所述车牌的运动状态包括静止和运动；跟踪处理模块3035用于根据所述车辆、车牌的运动状态，确定停车事件信息，具体包括：如果所述车辆或者车牌的运动状态为静止，则根据所述车辆或者车牌所在的车辆跟踪检测区域，确定停车事件信息；如果所述车辆或者车牌的运动状态为运动，则对所述车辆进行跟踪和/或对所述车牌进行跟踪，确定停车事件信息。进一步地，跟踪处理模块3035包括车辆跟踪模块30351、车牌跟踪模块30352；其中，车辆跟踪模块30351用于采用车辆跟踪算法对所述车辆进行跟踪，确定停车事件信息；车牌跟踪模块30352用于采用车牌跟踪算法对所述车牌进行跟踪，确定停车事件信息。
操作管理界面304用于显示摄像机拍摄的路侧停车监控区域图像、车辆跟踪检测区域、停车事件信息，以及用于接收用户选择车辆跟踪检测区域时输入的车位区域、入场检测区域、出场检测区域坐标作为所述摄像机的图像划分规则，进而对所述摄像机的图像划分规则进行预设，具体预设过程如下：
操作管理界面304接收用户输入的第一查询指令；所述第一查询指令为用户选择查询所述摄像机的监控信息的操作；
操作管理界面304根据所述第一查询指令，获取所述摄像机拍摄的第一路侧停车监控区域图像，以及将所述第一路侧停车监控区域图像显示；所述第一路侧停车监控区域图像为所述摄像机拍摄最新拍摄的路侧停车监控区域图像；
操作管理界面304接收用户在第一路侧停车监控区域图像中选择的车辆跟踪检测区域坐标，所述车辆跟踪检测区域的坐标为所述摄像机的图像划分规则。
存储模块305用于存储每个摄像机的监控信息；所述监控信息包括：摄像机拍摄的路侧停车监控区域图像、经划分后得到的图像(即路侧停车监控区域、车位区域、入场检测区域、出场检测区域等车辆跟踪检测区域图像。)、图像划分规则、所管理的车位信息以及所述车位上发生的停车事件信息；所述停车事件信息包括停车事件的类型、停车事件发生的时间、停车事件发生时所在的车位、车辆的停车时间、车辆的车牌号、关键点图像、关键时序图像、跟踪视频。
具体地，本装置的具体工作过程为：
摄像机拍摄的路侧停车监控区域图像、关键点图像、跟踪视频、关键时序图像经输入模块301存储至存储模块305；
用户可通过操作管理界面304选择设定摄像机的图像划分规则和查询摄像机的监控信息；当操作管理界面304接收到用户输入的第一查询指令时，即用户选择要查询某个摄像机的监控信息时，操作管理界面304将该摄像机最新拍摄的路侧停车监控区域图像进行显示(第一路侧停车监控区域图像)，用户可在所述第一路侧停车监控区域图像上选择(可以是点击的方式)车辆跟踪监测区域的坐标(车位区域、入场检测区域、出场检测区域的坐标)作为所述摄像机的图像划分规则存储至存储模块305；
当输入模块301后续接收摄像机拍摄的路侧停车监控区域图像时，图像划分模块302根据各摄像机的图像分规则将其拍摄的路侧停车监控区域图像进行划分，得到包含车位区域、入场检测区域、出场检测区域的车辆跟踪监测区域图像，并写入存储模块303中,以及将车辆跟踪监测区域图像发送给检测识别跟踪模块303进行处理；
检测识别跟踪模块303接收到所述车辆跟踪检测区域后，启动车辆检测模块3031采用车辆检测算法对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；以及启动车牌检测模块3032采用车牌检测算法对所述车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌，以及启动车牌识别模块3033采用车牌识别算法对所述车牌进行识别，确定所述车牌的车牌号；
检测到车辆跟踪检测区域中的车辆、车牌后，分别启动运算判断模块3036和运动检测模块3034；运算判断模块3036根据所述车辆和所述车牌的位置关系，判断所述车牌是否为所述车辆的车牌；启动运动检测模块3034采用运动检测算法对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；
如果所述车辆或者车牌的运动状态为静止，则跟踪处理模块3035根据所述车辆或者车牌所在的车辆跟踪检测区域，确定停车事件信息，具体地，如果所述车辆位于入场检测区域或者出场检测区域，则跟踪处理模块3035计算所述车辆滞留在入场停车区域的时间；或者如果所述车牌位于入场检测区域或者出场检测区域，则计算所述车牌标识的车辆滞留在入场停车区域的时间；如果所述车辆或者所述车牌标识的车辆滞留在入场检测区域超过第一阈值，则确定所述车辆或者所述车牌标识的车辆为违规停车车辆；如果所述车牌位于车位区域，以及所述车牌已被车牌识别模块3033识别，则跟踪处理模块3035根据所述车牌号，查找在场车辆信息表，如果所述车牌号之前未被记录，则确定所述标识的车辆为入场车辆，确定所述车辆的入场停车事件信息；
如果所述车辆和/或者车牌的运动状态为运动，则所述跟踪处理模块3035对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体地，如果车辆检测模块3031检测到所述车辆跟踪检测区域中的车辆，以及车牌检测模块3032检测到所述车辆的车牌和/或车牌识别模块3033识别到所述车牌的车牌号，则跟踪处理模块3035启动车辆跟踪模块30351所述车辆进行跟踪，以及启动车牌跟踪模块30352对所述车牌进行跟踪；如果车辆检测模块3031检测到所述车辆跟踪检测区域中的车辆，但车牌检测模块3032未检测到所述车辆的车牌，则跟踪处理模块3035启动车辆跟踪模块3035对所述车辆进行跟踪；如果车辆检测模块3031未检测到所述车辆跟踪检测区域图像中的车辆，但车牌检测模块3032检测到所述车辆的车牌和/或所述车牌识别模块3033识别到所述车牌的车牌号，则跟踪处理模块3035启动车牌跟踪模块30352对所述车牌进行跟踪；
如果跟踪到车辆从入场检测区越过车位线进入车位区域中的车位，则跟踪处理模块3035计算所述车辆在所述车位上停留的时间；如果所述车辆在所述车位上停留的时间超过第二阈值，则确定此次停车为入场停车事件，以及确定入场停车事件信息；如果所述车辆在车位上停留的时间超过第二阈值，则跟踪处理模块3035停止跟踪所述车辆，运动检测模块3034继续对所述车辆进行运动检测；如果所述车牌标识的车辆在所述车位上停留的时间超过第二阈值，则跟踪处理模块3035停止跟踪所述车牌，运动检测模块3034继续对所述车牌进行运动检测。
如果跟踪到车辆从所述车位区域中的车位进入所述出场检测区域，则确定所述车辆为出场车辆，以及确定所述出场停车事件信息；
如果车牌跟踪模块30352在出场检测区域中跟踪到车辆的车牌，以及车牌识别模块3033识别所述车牌的车牌号，则跟踪处理模块3035查找在场车辆信息表，如果所述车牌号之前已被记录，则确定所述车牌标识的车辆为出场车辆，以及所确定述车牌标识的车辆的出场停车事件信息。
当用户通过操作管理界面304进行查询、巡检等操作，以补充停车事件信息时，操作管理界面304根据用户的操作，可将关键点图像、关键时序图像、跟踪视频等停车事件信息进行显示，以供用户巡检，补充停车事件信息。
具体地，本装置对本发明提供的如图1所示的方法实施例的具体执行过程，可参照方法实施例中的具体过程，此处不再赘述。
在本发明提供的装置中，基于本发明提供的方法实施例，采用本装置执行上述方法，即通过在软件(操作管理界面)上操作的方式设定摄像机的图像划分规则，然后由处理器按图像划分规则对摄像机拍摄的图像进行划分，同时对得到的各图像区域进行处理，并对车辆进出场的跟踪和识别，以及当一摄像机监控的若干个车位上发生多个并发停车事件时，能根据划分的的区域同时管理多个停车事件，相较于球机的管理方式，无需考虑相机的调度响应时间，因此采用本发明实施例提供的方法，能提高路侧停车事件的管理效率。
图8是本发明实施例提供的一种基于多摄像机的路侧停车管理系统的结构示意图。如图8所示，本系统包括相机群401、图6或者图7所示的基于多摄像机的路侧停车管理装置402、交换机403、云端服务器404；相机群401、基于多摄像机的路侧停车管理装置402、云端服务器404均通过交换机通信。
其中，相机群401包括N个相机组，N的值不小于2，具体取值可根据实际情况而定；每个相机组至少包括一个相机阵列，如相机组1包括相机阵列11、相机组2包括相机阵列21和相机阵列22、……、相机组N包括相机阵列N1和相机阵列N2、相机组(N+1)包括相机阵列(N+1)1；每个相机阵列包括至少一个摄像机，具体数量可根据实际情况而定；所述摄像机优选枪型摄像机。
将各个相机组安装在路侧停车场的杆位上，一个杆位上安装一个相机组，首末两个杆位上的相机组均为包含一个相机阵列的相机组，其余杆位上的相机组均为包含两个相机阵列的相机组，使得每两个杆位间的车位都可通过两个杆位上的两个相机阵列从两侧进行监控和管理；每个相机阵列管理一定数量的车位，本实施例中，相机阵列中的每个摄像机可设定为管理2至5个车位；相机组安装在杆位上后，将各个摄像机对准所管理的车位，设定每个摄像机的焦距、拍摄角度等参数，确定每个摄像机管理的路侧停车监控区域和车位，以获取监控信息。
具体地，本系统各组成部分的具体的具体实施如下：
相机群401用于获取所管理的车位上的路侧停车监控区域图像；
基于多摄像机的路侧停车管理装置402用于按图像划分规则对路侧停车监控区域图像进行图像划分，以及对路侧停车监控区域图像进行检测识别跟踪处理，确定相机群401管理的车位上的停车事件信息。
交换机403用于连接相机群401、基于多摄像机的路侧停车管理装置402、云端服务器404，进行通信。
云端服务器404用于管理停车事件信息，具体可包括将基于多摄像机的路侧停车管理装置402确定的停车事件信息存储，以及对关键时序图像、跟踪视频等数据进行批量地检测识别跟踪处理，补充停车事件所缺失的信息。
具体地，本系统的工作过程具体如下：
相机群401获取个车位上的路侧停车监控区域图像后，经交换机403传输给所述基于多摄像机的路侧停车管理装置402；所述基于多摄像机的路侧停车管理装置402按图像划分规则对路侧停车监控区域图像进行图像划分，以及对路侧停车监控区域图像进行检测识别跟踪处理，确定相机群401管理的车位上的停车事件信息；所述基于多摄像机的路侧停车管理装置402将所确定的停车事件信息经交换机上传至云端服务器404；云端服务器404将所述停车事件信息进行存储，以及对关键时序图像、跟踪视频等数据进行批量地检测识别跟踪处理，补充停车事件所缺失的信息。
进一步地，需要强调的是，相机群401在获取路侧停车监控区域图像的过程中，当某一摄像机无法抓拍(例如错过抓拍时机造成的漏拍等)车辆进出车位的路侧停车监控区域图像时，如果所述车辆进入另一摄像机(包括本相机组中的其他摄像机和其他相机组中的摄像机)的管理区域，被所述另一摄像机抓拍到时，例如所述车辆出现在所述另一摄像机抓拍的侧停车监控区域图像中，则所述另一摄像机将该侧停车监控区域图像上传给所述基于多摄像机的路侧停车管理装置402后，所述基于多摄像机的路侧停车管理装置402即可通过对该侧停车监控区域图像的图像划分和检测识别处理，补充该车辆在原车位上的停车事件信息。例如，如图8所示，原来停在车位3j上车辆在驶出车位时，相机阵列32中管理该车位的摄像机未能抓拍到该车辆驶出车位时的图像，当该车辆出现在相机阵列22中某一摄像机管理区域中的出厂检测区域时，所述相机阵列22中的该摄像机将抓拍到的图像经交换机403发送给所述基于多摄像机的路侧停车管理装置402，所述基于多摄像机的路侧停车管理装置402通过对该路侧停车监控区域图像的图像划分和检测识别处理，即可补充该车辆驶出车位3j时的出场停车事件信息。
在本系统实施例中，本系统通过采用由相机阵列组成的相机组构成向集群，通过对相机阵列的安装，使两个杆位之间的车位由首尾两个相机阵列实时监控抓拍，提高抓拍效率，以及通过所述基于多摄像机的路侧停车管理装置402对各个杆位间的摄像机抓拍的路侧停车监控区域图像进行联合检测识别处理，可提高确定路车停车信息的效率和完成整性，从而整体提高路侧停车的管理效率。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (69)

1.一种基于多摄像机的路侧停车管理方法，其特征在于，所述方法包括：
接收摄像机拍摄的路侧停车监控区域图像；
根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；所述车辆跟踪检测区域图像包含车位区域、入场检测区域、出场检测区域；
对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时车辆所在的车位；
其中，所述入场检测区域包含所述车位区域边界线两侧的临近区域；所述出场检测区域为车位区域之外的区域。
2.根据权利要求1所述的方法，其特征在于，在接收摄像机拍摄的路侧停车监控区域图像之前，所述方法还包括：预设所述摄像机的图像划分规则，具体包括：
获取所述摄像机拍摄的第一路侧停车监控区域图像；所述第一路侧停车监控区域图像为所述摄像机拍摄最新拍摄的路侧停车监控区域图像；
根据所述第一路侧停车监控区域图像，选择车辆跟踪检测区域的坐标作为所述摄像机的图像划分规则。
3.根据权利要求2所述的方法，其特征在于，所述车辆跟踪检测区域的坐标包含车位区域的坐标、入场检测区域的坐标、出场检测区域的坐标。
4.根据权利要求1或3所述的方法，其特征在于，所述对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息，具体包括：
对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；以及对车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌，以及对所述车牌进行识别，确定所述车牌的车牌号；
对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；所述车辆、所述车牌的运动状态包括：静止和运动；
根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体包括：
如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
5.根据权利要求4所述的方法，其特征在于，在对所述车辆、所述车牌进行运动检测之前，所述方法还包括：判断所述车牌是否为所述车辆的车牌，具体包括：
如果所述车牌的车牌区域位于所述车辆的车辆区域内，则确定既检测到所述车辆，又检测到所述车辆的车牌和/或识别到所述车牌的车牌号；
如果所述车牌的车牌区域没有位于任何车辆的车辆区域内，则确定仅检测到所述车辆的车牌和/或识别到所述车牌的车牌号，但未检测到所述车牌标识的车辆；
如果所述车辆的车辆区域没有包含任何车牌的车牌区域，则确定仅检测到所述车辆，但未检测到所述车辆的车牌和/或未识别到所述车牌的车牌号。
6.根据权利要求5所述的方法，其特征在于，所述根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体还包括：
如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。
7.根据权利要求4所述的方法，其特征在于，采用车辆检测算法对车辆跟踪检测区域进行车辆检测；采用车牌检测算法对所述车辆跟踪检测区域进行车牌检测以及采用车牌识别算法对所述车牌进行识别；所述车辆检测算法、车牌检测算法为目标检测算法。
8.根据权利要求4所述的方法，其特征在于，采用车辆跟踪算法对所述车辆跟踪检测区域图像中的车辆进行跟踪；采用车牌跟踪算法对所述车辆跟踪检测区域图像中的车牌进行跟踪；所述车辆跟踪算法、车牌跟踪算法为目标跟踪算法。
9.根据权利要求6所述的方法，其特征在于，所述根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车牌位于车位区域，以及识别到所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车牌号，则确定所述车牌标识的车辆为入场车辆，以及确定并记录所述车牌标识的车辆的入场停车事件信息；所述车牌标识的车辆的入场停车事件信息包括车辆的车牌号、车辆的入场时间、车辆所在的车位；
如果所述车辆位于车位区域，以及未识别到所述车辆的车牌号，则根据所述车辆，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车辆，则确定所述车辆为入场车辆，以及确定并记录所述车辆的入场停车事件信息；所述车辆的入场停车事件信息包括车辆的入场时间、车辆所在的车位。
10.根据权利要求9所述的方法，其特征在于，所述根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车辆位于入场检测区域或者出场检测区域，则计算所述车辆滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车辆为违规车辆，所述车辆的停车事件为违规停车事件；
如果所述车牌位于入场检测区域或者出场检测区域，则计算所述车牌滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车牌标识的车辆为违规车辆，所述车牌标识的车辆的停车事件为违规停车事件。
11.根据权利要求5至10任一权利要求所述的方法，其特征在于，所述对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体包括：
如果检测到所述车辆跟踪检测区域图像中的车辆，以及检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车辆区域作为初始的目标车辆区域进行跟踪，以及截取所述车牌区域及所述车牌周边的区域作为初始的目标车牌区域进行跟踪；
如果检测到所述车辆跟踪检测区域中的车辆，但未检测到所述车辆的车牌，则截取所述车辆区域作为初始的目标车辆区域进行跟踪；
如果未检测到所述车辆跟踪检测区域图像中的车辆，但检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪。
12.根据权利要求11所述的方法，其特征在于，所述对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体还包括：截取所述车辆最新的图像，对所述目标车辆区域进行更新；截取所述车辆最新的车牌图像及车牌图像周边区域的图像，对所述目标车牌区域进行更新。
13.根据权利要求11所述的方法，其特征在于，所述对所述车辆进行跟踪和/或对所述车牌进行跟踪，确定停车事件信息，具体包括：
如果车辆从入场检测区越过车位线进入车位区域中的车位，则计算所述车辆在所述车位上停留的时间；如果所述车辆在所述车位上停留的时间超过第二阈值，则确定此次停车为入场停车事件，以及确定入场停车事件信息，并将所述入场停车事件信息记录在场停车信息表中；所述入场停车事件信息包括车牌号、入场时间、所述入场停车事件发生时车辆所在的车位、入场关键点图像、入场关键时序图像、入场跟踪视频。
14.根据权利要求13所述的方法，其特征在于，如果所述车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车辆，对所述车辆的运动检测继续进行；如果所述车牌标识的车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车牌标识的车辆，对所述车牌标识的车辆的运动检测继续进行。
15.根据权利要求13所述的方法，其特征在于，所述入场关键点图像包括：所述车辆在入场检测区域中首次被检测到的图像、所述车辆在入场检测区域中首次被检测到的车牌图像、所述车辆从入场检测区域越过车位线进入车位区域的图像、所述车辆停在车位上的图像。
16.根据权利要求13所述的方法，其特征在于，所述入场关键时序图像为从所述入场跟踪视频中选择提取得到的过程图像。
17.根据权利要求13所述的方法，其特征在于，所述入场跟踪视频为所述车辆在入场检测区域中首次被检测到至所述车辆停在车位上的视频段。
18.根据权利要求11所述的方法，其特征在于，
如果车辆从所述车位区域中的车位进入所述出场检测区域，则确定所述车辆为出场车辆，以及确定所述出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
19.根据权利要求18所述的方法，其特征在于，所述出场关键点图像包括所述车辆离场前停在车位上的图像、所述车辆在出场检测区域中首次被检测到的图像、所述车辆在出场检测区域中首次被检测到的车牌图像、所述车辆从车位区域越过车位线进入出场检测区域的图像、所述车辆在出场检测区域中最后一次被检测到的图像、所述车辆在出场检测区域中最后一次被检测到的车牌图像。
20.根据权利要求18所述的方法，其特征在于，所述出场关键时序图像为从所述出场跟踪视频中选择提取得到的过程图像。
21.根据权利要求18所述的方法，其特征在于，所述出场跟踪视频包括第一出场跟踪视频、第二出场跟踪视频；所述第一出场跟踪视频为所述车辆从车位区域进入出场检测区域直至从出场检测区域消失的视频流；所述第二出场跟踪视频为所述车辆在出场检测区域中首次被检测到至所述车辆在出场检测区域中消失的视频流。
22.根据权利要求11所述的方法，其特征在于，
如果在出场检测区域中跟踪到车牌，以及识别所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表；如果所述车牌号之前已被记录，则确定所述车牌标识的车辆为出场车辆，以及所确定述车牌标识的车辆的出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述车牌标识的车辆所在的车位。
23.一种基于多摄像机的路侧停车管理装置，其特征在于，所述装置包括：
处理器(201)，用于接收摄像机拍摄的路侧停车监控区域图像，以及根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；以及对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息；所述车辆跟踪检测区域包含车位区域、入场检测区域、出场检测区域；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时所在的车位；
其中，所述入场检测区域包含所述车位区域边界线两侧的临近区域；所述出场检测区域为车位区域之外的区域。
24.根据权利要求23所述的装置，其特征在于，所述装置还包括：
显示器(202),用于显示操作管理界面；所述操作管理界面用于预设所述摄像机的图像划分规则，具体包括:
所述操作管理界面接收用户输入的第一查询指令；所述第一查询指令为用户选择查询所述摄像机的监控信息的操作；
所述操作管理界面根据所述第一查询指令，获取所述摄像机拍摄的第一路侧停车监控区域图像，以及将所述第一路侧停车监控区域图像显示；
所述操作管理界接收用户在所述第一路侧停车监控区域图像中选择的车辆跟踪检测区域坐标；所述车辆跟踪检测区域的坐标为所述摄像机的图像划分规则。
25.根据权利要求24所述的装置，其特征在于，所述车辆跟踪检测区域的坐标包含车位区域的坐标、入场检测区域的坐标、出场检测区域的坐标。
26.根据权利要求23或25所述的装置，其特征在于，所述处理器(201)对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息，具体包括：
对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；以及对车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌，以及对所述车牌进行识别，确定所述车牌的车牌号；
对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；所述车辆、所述车牌的运动状态包括：静止和运动；
根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体包括：
如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
27.根据权利要求26所述的装置，其特征在于，所述处理器(201)还用于判断所述车牌是否为所述车辆的车牌，具体包括：
如果所述车牌的车牌区域位于所述车辆的车辆区域内，则确定既检测到所述车辆，又检测到所述车辆的车牌和/或识别到所述车牌的车牌号；
如果所述车牌的车牌区域没有位于任何车辆的车辆区域内，则确定仅检测到所述车辆的车牌和/或识别到所述车牌的车牌号，但未检测到所述车牌标识的车辆；
如果所述车辆的车辆区域没有包含任何车牌的车牌区域，则确定仅检测到所述车辆，但未检测到所述车辆的车牌和/或未识别到所述车牌的车牌号。
28.根据权利要求27所述的装置，其特征在于，所述处理器(201)根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体还包括：
如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。
29.根据权利要求28所述的装置，其特征在于，所述处理器(201)采用车辆检测算法对车辆跟踪检测区域进行车辆检测；所述处理器(201)采用车牌检测算法对所述车辆跟踪检测区域进行车牌检测以及采用车牌识别算法对所述车牌进行识别；所述车辆检测算法、车牌检测算法为目标检测算法。
30.根据权利要求28所述的装置，其特征在于，所述处理器(201)采用车辆跟踪算法对所述车辆跟踪检测区域图像中的车辆进行跟踪；所述处理器(201)采用车牌跟踪算法对所述车辆跟踪检测区域图像中的车牌进行跟踪；所述车辆跟踪算法、车牌跟踪算法为目标跟踪算法。
31.根据权利要求28所述的装置，其特征在于，所述处理器(201)根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车牌位于车位区域，以及识别到所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车牌号，则确定所述车牌标识的车辆为入场车辆，以及确定并记录所述车牌标识的车辆的入场停车事件信息；所述车牌标识的车辆的入场停车事件信息包括车辆的车牌号、车辆的入场时间、车辆所在的车位；
如果所述车辆位于车位区域，以及未识别到所述车辆的车牌号，则根据所述车牌辆，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车辆，则确定所述车辆为入场车辆，以及确定并记录所述车辆的入场停车事件信息；所述车辆的入场停车事件信息包括车辆的入场时间、车辆所在的车位。
32.根据权利要求31所述的装置，其特征在于，所述根据所述车辆或者所述车牌所在的车辆跟踪检测区域，确定停车事件信息，具体包括：
如果所述车辆位于入场检测区域或者出场检测区域，则计算所述车辆滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车辆为违规车辆，所述车辆的停车事件为违规停车事件；
如果所述车牌位于入场检测区域或者出场检测区域，则计算所述车牌滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车牌标识的车辆为违规车辆，所述车牌标识的车辆的停车事件为违规停车事件。
33.根据权利要求27至32任一权利要求所述的装置，其特征在于，所述处理器(201)对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体包括：
如果检测到所述车辆跟踪检测区域图像中的车辆，以及检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车辆区域作为初始的目标车辆区域进行跟踪，以及截取所述车牌区域及所述车牌周边的区域作为初始的目标车牌区域进行跟踪；
如果检测到所述车辆跟踪检测区域中的车辆，但未检测识别到所述车辆的车牌，则截取所述车辆区域作为初始的目标车辆区域进行跟踪；
如果未检测到所述车辆跟踪检测区域图像中的车辆，但检测到所述车辆的车牌和/或识别到所述车牌的车牌号，则截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪。
34.根据权利要求33所述的装置，其特征在于，所述处理器(201)截取所述车辆最新的图像，对所述目标车辆区域进行更新；所述处理器(201)截取所述车辆最新的车牌图像及车牌图像周边区域的图像，对所述目标车牌区域进行更新。
35.根据权利要求33所述的装置，其特征在于，所述处理器(201)具体还用于：
如果车辆从入场检测区越过车位线进入车位区域中的车位，则计算所述车辆在所述车位上停留的时间；如果所述车辆在所述车位上停留的时间超过第二阈值，则确定此次停车为入场停车事件，以及确定入场停车事件信息，并将所述入场停车事件信息记录在场停车信息表中；所述入场停车事件信息包括车牌号、入场时间、所述入场停车事件发生时车辆所在的车位、入场关键点图像、入场关键时序图像、入场跟踪视频。
36.根据权利要求35所述的装置，其特征在于，所述处理器(201)具体还用于：
如果所述车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车辆，对所述车辆的运动检测继续进行；如果所述车牌标识的车辆在所述车位上停留的时间超过第二阈值，则停止跟踪所述车牌标识的车辆，对所述车牌标识的车辆的运动检测继续进行。
37.根据权利要求33所述的装置，其特征在于，所述入场关键点图像包括：所述车辆在入场检测区域中首次被检测到的图像、所述车辆在入场检测区域中首次被检测到的车牌图像、所述车辆从入场检测区域越过车位线进入车位区域的图像、车辆停在车位上的过程图像。
38.根据权利要求33所述的装置，其特征在于，所述入场关键时序图像为从所述入场跟踪视频中选择提取得到的图像。
39.根据权利要求33所述的装置，其特征在于，所述入场跟踪视频为所述车辆在入场检测区域中首次被检测到至所述车辆停在车位上的视频段。
40.根据权利要求33所述的装置，其特征在于，所述处理器(201)具体还用于：
如果车辆从所述车位区域中的车位进入所述出场检测区域，则确定所述车辆为出场车辆，以及确定所述出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
41.根据权利要求40所述的装置，其特征在于，所述出场关键点图像包括所述车辆离场前停在车位上的图像、所述车辆在出场检测区域中首次被检测到的图像、所述车辆在出场检测区域中首次被检测到的车牌图像、所述车辆从车位区域越过车位线进入出场检测区域的图像、所述车辆在出场检测区域中最后一次被检测到的图像、所述车辆在出场检测区域中最后一次被检测到的车牌图像。
42.根据权利要求40所述的装置，其特征在于，所述出场关键时序图像为从所述出场场跟踪视频中选择提取得到的过程图像。
43.根据权利要求40所述的装置，其特征在于，所述出场跟踪视频包括第一出场跟踪视频、第二出场跟踪视频；所述第一出场跟踪视频为所述车辆从车位区域进入出场检测区域直至从出场检测区域消失的视频段；所述第二出场跟踪视频为所述车辆在出场检测区域中首次被检测到至所述车辆停在出场检测区域中消失的视频段。
44.根据权利要求40所述的装置，其特征在于，所述处理器(201)还用于：
如果在出场检测区域中跟踪到车牌，以及识别所述车牌的车牌号，则根据所述车牌号，查找在场车辆信息表；如果所述车牌号之前已被记录，则确定所述车牌标识的车辆为出场车辆，以及所确定述车牌标识的车辆的出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述车牌标识的车辆所在的车位。
45.一种基于多摄像机的路侧停车管理装置，其特征在于，所述装置包括：
输入模块(301)，用于接收摄像机拍摄的路侧停车监控区域图像；
图像划分模块(302)，根据所述摄像机的图像划分规则，对所述摄像机拍摄的路侧停车监控区域图像进行划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域；所述车辆跟踪检测区域包含车位区域、入场检测区域、出场检测区域；
检测识别跟踪模块(303)，用于对所述车辆跟踪检测区域中的车辆进行检测识别跟踪，确定停车事件信息；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时所在的车位；
其中，所述入场检测区域包含所述车位区域边界线两侧的临近区域；所述出场检测区域为车位区域之外的区域。
46.根据权利要求45所述的装置，其特征在于，所述装置还包括：
操作管理界面(304)，用于预设所述摄像机的图像划分规则，具体包括：
接收用户输入的第一查询指令；所述第一查询指令为用户选择查询所述摄像机的监控信息的操作；
根据所述第一查询指令，获取所述摄像机拍摄的第一路侧停车监控区域图像，以及将所述第一路侧停车监控区域图像显示；
接收用户在所述第一路侧停车监控区域图像中的车辆跟踪检测区域坐标；所述车辆跟踪检测区域的坐标为所述摄像机的图像划分规则。
47.根据权利要求46所述的装置，其特征在于，所述车辆跟踪检测区域的坐标包含车位区域的坐标、入场检测区域的坐标、出场检测区域的坐标。
48.根据权利要求45或47所述的装置，其特征在于，所述检测识别跟踪模块(303)包括：
车辆检测模块(3031)，用于采用车辆检测算法对车辆跟踪检测区域进行车辆检测，确定所述车辆跟踪检测区域中的车辆；
车牌检测模块(3032)，用于采用车牌检测算法对车辆跟踪检测区域进行车牌检测，确定所述车辆跟踪检测区域中的车牌；
车牌识别模块(3033)，用于采用车牌识别算法对所述车牌进行识别，确定所述车牌的车牌号；
运动检测模块(3034)，用于采用运动检测算法对所述车辆、所述车牌进行运动检测，确定所述车辆、所述车牌的运动状态；所述车辆、所述车牌的运动状态包括静止和运动；
跟踪处理模块(3035)，用于根据所述车辆、车牌的运动状态，确定停车事件信息，具体包括：
如果所述车辆的运动状态为运动，则对所述车辆进行跟踪，确定所述车辆的停车事件信息；如果所述车牌的运动状态为运动，则对所述车牌进行跟踪，确定所述车牌标识的车辆的停车事件信息。
49.根据权利要求48所述的装置，其特征在于，所述装置还包括：
运算判断模块(3036)，用于判断所述车牌是否为所述车辆的车牌，具体包括：
如果所述车牌的车牌区域位于所述车辆的车辆区域内，则确定既检测到所述车辆，又检测到所述车辆的车牌和/或识别到所述车牌的车牌号；
如果所述车牌的车牌区域没有位于任何车辆的车辆区域内，则确定仅检测到所述车辆的车牌和/或识别到所述车牌的车牌号，但未检测到所述车牌标识的车辆；
如果所述车辆的车辆区域没有包含任何车牌的车牌区域，则确定仅检测到所述车辆，但未检测到所述车辆的车牌和/或未识别到所述车牌的车牌号。
50.根据权利要求49所述的装置，其特征在于，所述跟踪处理模块(3035)根据所述车辆、所述车牌的运动状态，确定停车事件信息，具体还包括：
如果所述车辆的运动状态为静止，则根据所述车辆所在的车辆跟踪检测区域，确定所述车辆的停车事件信息；如果所述车牌的运动状态为静止，则根据所述车牌所在的车辆跟踪检测区域，确定所述车牌标识的车辆的停车事件信息。
51.根据权利要求48所述的装置，其特征在于，所述车辆检测算法、车牌检测算法为目标检测算法。
52.根据权利要求48所述的装置，其特征在于，所述跟踪处理模块(3035)包括：
车辆跟踪模块(30351)，用于采用车辆跟踪算法对所述车辆进行跟踪，确定停车事件信息；
车牌跟踪模块(30352)，用于采用车牌跟踪算法对所述车牌进行跟踪，确定停车事件信息。
53.根据权利要求52所述的装置，其特征在于，所述车牌跟踪算法、所述车辆跟踪算法为目标跟踪算法。
54.根据权利要求50所述的装置，其特征在于，
如果所述车牌位于车位区域，以及车牌识别模块(3033)识别到所述车牌的车牌号，则跟踪处理模块(3035)根据所述车牌号，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车牌号，则确定所述车牌标识的车辆为入场车辆，以及确定并记录所述车牌标识的车辆的入场停车事件信息；所述车牌标识的车辆的入场停车事件信息包括车辆的车牌号、车辆的入场时间、车辆所在的车位；
如果所述车辆位于车位区域，以及车牌识别模块(3033)未识别到所述车辆的车牌号，则跟踪处理模块(3035)根据所述车牌辆，查找在场车辆信息表，如果所述在场车辆信息表没有记录所述车辆，则确定所述车辆为入场车辆，以及确定并记录所述车辆的入场停车事件信息；所述车辆的入场停车事件信息包括车辆的入场时间、车辆所在的车位。
55.根据权利要求54所述的装置，其特征在于，
如果所述车辆位于入场检测区域或者出场检测区域，则跟踪处理模块(3035)计算所述车辆滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车辆为违规车辆，所述车辆的停车事件为违规停车事件；
如果所述车牌位于入场检测区域或者出场检测区域，则跟踪处理模块(3035)计算所述车牌滞留在入场停车区域或者出场停车区域的时间，如果所述时间超过第一阈值，则确定所述车牌标识的车辆为违规车辆，所述车牌标识的车辆的停车事件为违规停车事件。
56.根据权利要求49至55任一权利要求所述的装置，其特征在于，如果所述车辆或者车牌的运动状态为运动，则所述跟踪处理模块(3035)对所述车辆进行跟踪和/或对所述车牌进行跟踪，具体包括：
如果所述车辆检测模块(3031)检测到所述车辆跟踪检测区域中的车辆，以及所述车牌检测模块(3032)检测到所述车辆的车牌和/或所述车牌识别模块(3033)识别到所述车牌的车牌号，则所述跟踪处理模块(3035)启动车辆跟踪模块(30351)截取所述车辆的图像作为初始的目标车辆区域，对所述目标车辆区域进行跟踪，以及启动车牌跟踪模块(30352)截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪；
如果所述车辆检测模块(3031)检测到所述车辆跟踪检测区域中的车辆，但所述车牌检测模块(3032)未检测到所述车辆的车牌，则所述跟踪处理模块(3035)启动车辆跟踪模块(30351)截取所述车辆区域作为初始的目标车辆区域进行跟踪；
如果所述车辆检测模块(3031)未检测到所述车辆跟踪检测区域图像中的车辆，但所述车牌检测模块(3032)检测到所述车辆的车牌和/或所述车牌识别模块(3033)识别到所述车牌的车牌号，则所述跟踪处理模块(3035)启动车牌跟踪模块(30352)截取所述车牌图像及所述车牌图像周边的区域作为初始的目标车牌区域进行跟踪。
57.根据权利要求56所述的装置，其特征在于，所述车辆跟踪模块(30351)截取所述车辆最新的图像，对所述目标车辆区域进行更新；所述车牌跟踪模块(30352)截取所述车辆最新的车牌图像及车牌图像周边区域的图像，对所述目标车牌区域进行更新。
58.根据权利要求56所述的装置，其特征在于，所述跟踪处理模块(3035)具体还用于：
如果车辆从入场检测区越过车位线进入车位区域中的车位，则计算所述车辆在所述车位上停留的时间；如果所述车辆在所述车位上停留的时间超过第二阈值，则确定此次停车为入场停车事件，以及确定入场停车事件信息，并将所述入场停车事件信息记录在场停车信息表中；所述入场停车事件信息包括车牌号、入场时间、所述入场停车事件发生时车辆所在的车位、入场关键点图像、入场关键时序图像、入场跟踪视频。
59.根据权利要求58所述的装置，其特征在于：
如果所述车辆在车位上停留的时间超过第二阈值，则所述跟踪处理模块(3035)停止跟踪所述车辆，所述运动检测模块(3034)继续对所述车辆进行运动检测；如果所述车牌标识的车辆在所述车位上停留的时间超过第二阈值，则所述跟踪处理模块(3035)停止跟踪所述车牌，所述运动检测模块(3034)继续对所述车牌进行运动检测。
60.根据权利要求58所述的装置，其特征在于，所述入场关键点图像包括：所述车辆在入场检测区域中首次被检测到的图像、所述车辆在入场检测区域中首次被检测到的车牌图像、所述车辆从入场检测区域越过车位线进入车位区域的图像、车辆停在车位上的图像。
61.根据权利要求58所述的装置，其特征在于，所述入场关键时序图像为从所述入场跟踪视频中选择提取得到的图像。
62.根据权利要求58所述的装置，其特征在于，所述入场跟踪视频为所述车辆在入场检测区域中首次被检测到至所述车辆停在车位上的视频段。
63.根据权利要求56所述的装置，其特征在于，所述跟踪处理模块(3035)具体还用于：
如果车辆从所述车位区域中的车位进入所述出场检测区域，则确定所述车辆为出场车辆，以及确定所述出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述出场停车事件发生时车辆所在的车位、出场关键点图像、出场关键时序图像、出场跟踪视频。
64.根据权利要求63所述的装置，其特征在于，所述出场关键点图像包括所述车辆离场前停在车位上的图像、所述车辆在出场检测区域中首次被检测到的图像、所述车辆在出场检测区域中首次被检测到的车牌图像、所述车辆从车位区域越过车位线进入出场检测区域的图像、所述车辆在出场检测区域中最后一次被检测到的图像、所述车辆在出场检测区域中最后一次被检测到的车牌图像。
65.根据权利要求63所述的装置，其特征在于，所述出场关键时序图像为从所述出场场跟踪视频中选择提取得到的过程图像。
66.根据权利要求63所述的装置，其特征在于，所述出场跟踪视频包括第一出场跟踪视频、第二出场跟踪视频；所述第一出场跟踪视频为所述车辆从车位区域进入出场检测区域直至从出场检测区域消失的视频段；所述第二出场跟踪视频为所述车辆在出场检测区域中首次被检测到至所述车辆停在出场检测区域中消失的视频段。
67.根据权利要求56所述的装置，其特征在于，如果所述车牌跟踪模块(30352)在出场检测区域中跟踪到车辆的车牌，以及所述车牌识别模块(3033)识别所述车牌的车牌号，则所述跟踪处理模块(3035)查找在场车辆信息表，如果所述车牌号之前已被记录，则确定所述车牌标识的车辆为出场车辆，以及所确定述车牌标识的车辆的出场停车事件信息；所述出场停车事件信息包括车牌号、出场时间、所述车牌标识的车辆所在的车位。
68.一种基于多摄像机的路侧停车管理系统，其特征在于，所述系统包括：
相机群(401)，用于布置在路侧停车场的杆位上，获取路侧停车监控区域图像；
一种基于多摄像机的路侧停车管理装置(402)，用于按图像划分规则对路侧停车监控区域图像进行图像划分，得到所述路侧停车监控区域图像中的车辆跟踪检测区域，以及对路侧停车监控区域图像进行检测识别跟踪处理，确定所述相机群(401)管理的车位上的停车事件信息；所述车辆跟踪检测区域包含车位区域、入场检测区域、出场检测区域；所述停车事件信息包括车辆的车牌号、停车事件的类型、停车事件发生时所在的车位；
其中，所述入场检测区域包含所述车位区域边界线两侧的临近区域；所述出场检测区域为车位区域之外的区域。
69.根据权利要求68所述的系统，其特征在于，所述一种基于多摄像机的路侧停车管理装置(402)为权利要求23、25、27至32、34至45、47、49至55、57至67任一权利要求所述的一种基于多摄像机的路侧停车管理装置。
CN201711135187.6A 2017-11-16 2017-11-16 一种基于多摄像机的路侧停车管理方法、装置及系统 Active CN107767673B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711135187.6A CN107767673B (zh) 2017-11-16 2017-11-16 一种基于多摄像机的路侧停车管理方法、装置及系统
PCT/CN2018/078300 WO2019095588A1 (zh) 2017-11-16 2018-03-07 基于多摄像机的路侧停车管理方法、装置和系统
US16/762,508 US10930151B2 (en) 2017-11-16 2018-03-07 Roadside parking management method, device, and system based on multiple cameras

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711135187.6A CN107767673B (zh) 2017-11-16 2017-11-16 一种基于多摄像机的路侧停车管理方法、装置及系统

Publications (2)

Publication Number Publication Date
CN107767673A CN107767673A (zh) 2018-03-06
CN107767673B true CN107767673B (zh) 2019-09-27

Family

ID=61279361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711135187.6A Active CN107767673B (zh) 2017-11-16 2017-11-16 一种基于多摄像机的路侧停车管理方法、装置及系统

Country Status (3)

Country Link
US (1) US10930151B2 (zh)
CN (1) CN107767673B (zh)
WO (1) WO2019095588A1 (zh)

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767673B (zh) 2017-11-16 2019-09-27 智慧互通科技有限公司 一种基于多摄像机的路侧停车管理方法、装置及系统
CN108510744B (zh) * 2018-03-14 2020-12-29 智慧互通科技有限公司 基于长短焦距相机实现半封闭车场管理的系统及方法
CN108520236A (zh) * 2018-04-09 2018-09-11 迪蒙智慧交通（深圳）有限公司 驶入及驶出车辆信息采集方法、装置及车辆信息处理系统
CN108364480A (zh) * 2018-04-19 2018-08-03 智慧互通科技有限公司 基于多球机联合的路侧停车管理系统
CN108810616B (zh) * 2018-05-31 2019-06-14 广州虎牙信息科技有限公司 目标定位方法、视频显示方法、装置、设备和存储介质
CN108765976B (zh) * 2018-06-21 2020-09-25 智慧互通科技有限公司 路侧平行停车信息管理系统及方法
CN108921955A (zh) * 2018-06-28 2018-11-30 西安艾润物联网技术服务有限责任公司 停车处理方法、装置及计算机可读存储介质
CN110827571A (zh) * 2018-08-14 2020-02-21 华为技术有限公司 一种信息处理方法及其相关设备
CN109035852A (zh) * 2018-08-16 2018-12-18 智慧互通科技有限公司 一种基于杆间监控图像与传感器信号的路侧停车管理系统
CN109377694B (zh) * 2018-10-10 2023-09-05 北京奇虎科技有限公司 社区车辆的监控方法及系统
CN109493634A (zh) * 2018-12-21 2019-03-19 深圳信路通智能技术有限公司 一种基于多设备协同工作的停车管理系统及方法
CN109727484A (zh) * 2019-02-27 2019-05-07 北京猎户智芯科技有限公司 一种用于停车场出入管理的虚拟道闸系统
CN109785664A (zh) * 2019-03-05 2019-05-21 北京悦畅科技有限公司 一种停车场的剩余停车位数量的统计方法和装置
CN111696360A (zh) * 2019-03-15 2020-09-22 杭州海康威视数字技术股份有限公司 一种停车监控方法、系统及摄像机
CN109993138A (zh) * 2019-04-08 2019-07-09 北京易华录信息技术股份有限公司 一种车牌检测与识别方法及装置
CN111798666B (zh) * 2019-04-09 2021-12-24 杭州海康威视数字技术股份有限公司 一种车辆抓拍方法及装置
CN111932901B (zh) * 2019-05-13 2022-08-09 斑马智行网络(香港)有限公司 道路车辆跟踪检测设备、方法及存储介质
CN111951598B (zh) * 2019-05-17 2022-04-26 杭州海康威视数字技术股份有限公司 一种车辆跟踪监测方法、装置及系统
CN110111581A (zh) * 2019-05-21 2019-08-09 哈工大机器人（山东）智能装备研究院 目标识别方法、装置、计算机设备及存储介质
CN110310486A (zh) * 2019-07-08 2019-10-08 深圳市道尔智控科技股份有限公司 一种停车场向服务端传送图片数据的方法
CN110491165A (zh) * 2019-08-21 2019-11-22 杭州逐一科技有限公司 一种停车场运营管理系统
CN112446268B (zh) * 2019-09-04 2024-04-05 浙江宇视科技有限公司 抬杆控制方法、装置、监控设备及监控系统
CN110930729A (zh) * 2019-11-13 2020-03-27 北京智芯原动科技有限公司 一种基于视频的低杆路侧停车检测方法及装置
CN112908019B (zh) * 2019-12-04 2023-07-18 博泰车联网科技(上海)股份有限公司 用于管理车辆泊车的方法、电子设备和计算机存储介质
CN111145558B (zh) * 2019-12-27 2021-04-06 北京容联易通信息技术有限公司 一种基于高点视频监控的违法行为识别方法
CN111405196B (zh) * 2019-12-31 2022-08-02 智慧互通科技股份有限公司 一种基于视频拼接的车辆管理的方法及系统
CN113129636B (zh) * 2019-12-31 2022-08-26 华为技术有限公司 车辆信息的推送方法、装置、用户账号服务器和用户设备
CN113556506A (zh) * 2020-04-24 2021-10-26 英研智能移动股份有限公司 基于图像的物体追踪方法
CN111652106B (zh) * 2020-05-28 2024-02-02 韶关学院 一种目标监控方法、装置、电子设备及其储存介质
CN111652143B (zh) * 2020-06-03 2023-09-29 浙江大华技术股份有限公司 一种车辆检测方法、装置以及计算机存储介质
CN111739175B (zh) * 2020-08-11 2022-07-05 上海高德威智能交通系统有限公司 一种车辆停车监控方法和装置
CN112217994A (zh) * 2020-09-29 2021-01-12 国网浙江省电力有限公司嘉兴供电公司 一种电力高压线周边安全作业预警方法
CN112258842A (zh) * 2020-10-26 2021-01-22 北京百度网讯科技有限公司 交通监测方法、装置、设备及存储介质
CN112382104B (zh) * 2020-11-13 2021-11-02 重庆盘古美天物联网科技有限公司 基于车辆轨迹分析的路侧停车管理方法
CN112836699B (zh) * 2020-11-30 2024-11-08 爱泊车科技有限公司 一种基于长时多目标跟踪的泊位出入场事件分析方法
CN113066306B (zh) * 2021-03-23 2022-07-08 超级视线科技有限公司 一种路侧停车的管理方法及装置
CN113205689B (zh) * 2021-04-09 2022-09-20 超级视线科技有限公司 一种基于多维度的路侧停车入场事件判断方法及系统
CN113191221B (zh) * 2021-04-15 2022-04-19 浙江大华技术股份有限公司 基于全景相机的车辆检测方法、装置以及计算机存储介质
CN113380047A (zh) * 2021-06-22 2021-09-10 重庆盛海科技发展有限公司 一种基于传统摄像机的违规停车检测方法
CN113569648B (zh) * 2021-06-29 2024-08-02 深圳市捷顺科技实业股份有限公司 一种车辆挪位记录的方法及装置
CN113611154B (zh) * 2021-08-13 2022-11-25 武汉虹信技术服务有限责任公司 停车位管理方法、装置和系统以及计算机可读存储介质
CN113870551B (zh) * 2021-08-16 2023-07-28 清华大学 一种能够鉴别危险和非危险驾驶行为的路侧监控系统
FR3127062B1 (fr) * 2021-09-10 2024-06-21 Cocoparks Dispositif autonome et procédé pour détecter si des emplacements sont occupés ou non
CN114038232B (zh) * 2021-10-28 2022-09-20 超级视线科技有限公司 一种基于边缘端算存结合的路侧停车管理方法及系统
CN114155619A (zh) * 2021-12-09 2022-03-08 济南博观智能科技有限公司 一种对停车位自动监管的方法、装置、介质及系统
CN114973055A (zh) * 2022-03-25 2022-08-30 成都臻识科技发展有限公司 车辆运动状态检测方法、装置、设备及存储介质
CN114973636B (zh) * 2022-05-23 2023-12-29 安徽文康科技有限公司 基于物联网的停车识别匹配系统
CN115240466B (zh) * 2022-09-23 2023-01-10 杭州立方控股股份有限公司 一种地磁与摄像机协同的智能停车管理方法
CN116189137B (zh) * 2022-12-07 2023-08-04 深圳市速腾聚创科技有限公司 车位检测方法、电子设备及计算机可读存储介质
CN115683237B (zh) * 2023-01-04 2023-03-10 中国市政工程西南设计研究总院有限公司 一种智慧交通停车管理系统及方法
CN116863712B (zh) * 2023-09-01 2023-11-28 成都宜泊信息科技有限公司 路侧巡检车精确判断车辆停放位置的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7369940B2 (en) * 2004-03-12 2008-05-06 Magna Donnelly Gmbh & Co. Kg Method for operating a display system in a vehicle for driving into a parking space
CN103824474A (zh) * 2014-03-25 2014-05-28 宁波市江东元典知识产权服务有限公司 基于图像识别技术的车位提示系统
CN206149402U (zh) * 2016-07-29 2017-05-03 国网河南省电力公司郑州供电公司 基于视觉的目标空间运动轨迹特征的安全管理系统
CN106952477A (zh) * 2017-04-26 2017-07-14 智慧互通科技有限公司 基于多相机图像联合处理的路侧停车管理方法
CN107038693A (zh) * 2015-10-27 2017-08-11 富士通天株式会社 图像处理设备和图像处理方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB616976A (en) 1945-12-18 1949-01-31 Otto William Heinz Improvements in or relating to goggles, particularly adapted for use as water goggles
GB2441382B (en) 2006-08-29 2009-10-14 Ranger Services Ltd Automated parking system
JP2009162568A (ja) 2007-12-28 2009-07-23 Aisin Aw Co Ltd ナビゲーション装置及びコンピュータプログラム
US8836788B2 (en) * 2012-08-06 2014-09-16 Cloudparc, Inc. Controlling use of parking spaces and restricted locations using multiple cameras
CN105957395B (zh) * 2016-05-26 2020-11-13 智慧互通科技有限公司 一种基于摄像机阵列的路侧停车管理系统及其方法
US11164017B2 (en) * 2017-06-05 2021-11-02 Citifyd, Inc. Parking objects detection system
CN107134145B (zh) * 2017-06-10 2023-07-07 智慧互通科技股份有限公司 基于多类型图像采集的路侧停车管理的装置、系统及方法
CN107767673B (zh) * 2017-11-16 2019-09-27 智慧互通科技有限公司 一种基于多摄像机的路侧停车管理方法、装置及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7369940B2 (en) * 2004-03-12 2008-05-06 Magna Donnelly Gmbh & Co. Kg Method for operating a display system in a vehicle for driving into a parking space
CN103824474A (zh) * 2014-03-25 2014-05-28 宁波市江东元典知识产权服务有限公司 基于图像识别技术的车位提示系统
CN107038693A (zh) * 2015-10-27 2017-08-11 富士通天株式会社 图像处理设备和图像处理方法
CN206149402U (zh) * 2016-07-29 2017-05-03 国网河南省电力公司郑州供电公司 基于视觉的目标空间运动轨迹特征的安全管理系统
CN106952477A (zh) * 2017-04-26 2017-07-14 智慧互通科技有限公司 基于多相机图像联合处理的路侧停车管理方法

Also Published As

Publication number Publication date
CN107767673A (zh) 2018-03-06
US20200380864A1 (en) 2020-12-03
WO2019095588A1 (zh) 2019-05-23
US10930151B2 (en) 2021-02-23

Similar Documents

Publication Publication Date Title
CN107767673B (zh) 一种基于多摄像机的路侧停车管理方法、装置及系统
CN110191424B (zh) 一种特定嫌疑人的轨迹生成方法和装置
CN105303883B (zh) 一种路侧停车管理系统及其方法
CN107134145B (zh) 基于多类型图像采集的路侧停车管理的装置、系统及方法
CN105894700A (zh) 基于图像的车内活动物体远程观测、报警装置及方法
CN110853295A (zh) 一种高空抛物预警方法和装置
CN109003338A (zh) 一种路侧停车自动计时收费方法及装置
CN106060478A (zh) 一种高空坠物取证监控系统
CN108765973B (zh) 一种基于对侧视角互补的路侧停车管理系统
CN105957395A (zh) 一种基于摄像机阵列的路侧停车管理系统及其方法
CN205751245U (zh) 一种基于多机联动的路侧停车场车辆识别装置
CN106373405A (zh) 车位监控系统及方法
CN110348348A (zh) 一种参建人员进场身份快速识别方法及预警系统
CN108765976A (zh) 路侧平行停车信息管理系统及方法
CN109118819A (zh) 一种基于图像与地磁传感器信号的路侧停车管理系统
CN110874866B (zh) 一种基于视频的变电站三维监控方法及系统
CN110175217A (zh) 一种用于确定嫌疑人的感知数据分析方法和装置
CN107784838A (zh) 一种交通违法动态识别方法和系统
CN105118301B (zh) 车载式违法监测系统
CN105844659A (zh) 运动部件的跟踪方法和装置
CN105185108A (zh) 一种黄网格线违法停车自动抓拍系统
CN110490984A (zh) 一种路侧停车管理系统及方法
CN108986535A (zh) 一种基于纵向多视点图像与传感器信号的路侧停车管理系统
CN103730007A (zh) 一种卡口过车实时比对分析报警方法及其报警系统
CN108710827A (zh) 一种社区微警务巡查和信息自动分析系统及方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei

Patentee after: Smart intercommunication Technology Co.,Ltd.

Address before: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei

Patentee before: INTELLIGENT INTERCONNECTION TECHNOLOGIES Co.,Ltd.