The present disclosure provides a face-based vehicle billing method and related products. The payment method comprises the following steps: collecting the first picture, such as the first picture without the license plate, extracting the first face picture in the first picture; and inputting the input data composed of the first face picture into the artificial intelligence chip for nerve processing. The multi-layer forward operation of the network model obtains the result of the forward operation, determines the first identity of the first face picture and records the first time of the first picture according to the result of the forward operation; collects the second picture, if the second picture does not capture the license plate, determines the second identity of the second face picture and records the second image. Time; if the first identity is the same as the second identity, the vehicle charge is realized according to the first and second time. The technical proposal provided by this application has the advantage of high user experience.
【技术实现步骤摘要】
基于人脸的车辆计费方法及相关产品
本专利技术涉及通信以及停车场
，具体涉及一种基于人脸的车辆计费方法及相关产品。
技术介绍
随着通信技术的发展以及车牌识别技术的普及，现有的大部分停车场已经实现通过车牌识别进行计费。但是现有的车牌识别计费只能实现对铁牌的计费，即固定车牌的计费，对于临时车牌，其无法实现车牌识别计费，这对于用户来说，使用不方便，影响用户的体验度。
技术实现思路
本专利技术实施例提供了一种基于人脸的车辆计费方法及相关产品，可以实现对用户人脸识别的车辆计费，提高用户体验度的优点。第一方面，本专利技术实施例提供一种基于人脸的车辆计费方法，所述支付方法包括如下步骤：采集第一图片，如第一图片未采集到车牌，提取第一图片中的第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份，记录第一图片的第一时间；采集第二图片，如第二图片未采集到车牌，获取第二图片中的第二人脸图片，将第二人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，...
【技术保护点】
1.一种基于人脸的车辆计费方法，其特征在于，所述支付方法包括如下步骤：采集第一图片，如第一图片未采集到车牌，提取第一图片中的第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份，记录第一图片的第一时间；采集第二图片，如第二图片未采集到车牌，获取第二图片中的第二人脸图片，将第二人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第二人脸图片的第二身份，记录第二图片的第二时间；如第一身份与第二身份相同，依据第一时间...
【技术特征摘要】
1.一种基于人脸的车辆计费方法，其特征在于，所述支付方法包括如下步骤：采集第一图片，如第一图片未采集到车牌，提取第一图片中的第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份，记录第一图片的第一时间；采集第二图片，如第二图片未采集到车牌，获取第二图片中的第二人脸图片，将第二人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第二人脸图片的第二身份，记录第二图片的第二时间；如第一身份与第二身份相同，依据第一时间与第二时间实现对车辆的计费。2.根据权利要求1所述的方法，其特征在于，所述将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果具体包括：将第一人脸图片进行灰度处理得到第一灰度图像，获取第一灰度图像中每个像素点的m1个灰度值，提取m1个灰度值中灰度值最小且连续的m2个像素点的灰度值，将m2个像素点从第一灰度图像中去除得到第二灰度图像，将第二灰度图像恢复得到第二人脸图片，提取第二人脸图片中每个像素点的R、G、B值(红色值、绿色值、蓝色值)，将第二人脸图片中每个像素点的R、G、B值组成输入数据块[CI1][H1][w1]，将输入数据块[CI1][H1][w1]作为输入数据输入到神经网络模型执行多层卷积运算得到正向运算结果，其中，CI1为输入数据块的深度值、H1为输入数据块的高度值，w1为输入数据块的宽度值，m1、CI1、H1、w1均为大于等于10的整数，m2为大于等于103的整数。3.根据权利要求1所述的方法，其特征在于，如神经网络模型的多层正向运算包括X1个需要执行卷积运算的X1个神经网络模型计算层，所述方法在执行X1个神经网络模型计算层的计算时，包括：获取神经网络模型多层中执行卷积运算的X1个神经网络模型计算层，提取X1个神经网络模型计算中的X1个卷积运算的X1个卷积核中的核尺寸kernelsize；获取终端适应计算的核尺寸【3】【3】；提取X1个卷积核中的核尺寸不为核尺寸【3】【3】的X2个卷积核，将X2个卷积核中的第y层的第α个卷积核切割成CI*CN个核尺寸【A】【A】，将核尺寸【A】【A】拟合成X3个核尺寸【3】【3】的卷积核，在执行核尺寸【A】【A】与神经网络模型计算层中第y层的卷积计算时，将X3个核尺寸【3】【3】与第y层的输入数据的对应数据执行X3次卷积运算得到X3个卷积计算中间结果，将X3个卷积计算中间结果执行累加得到第y层的卷积结果中的一个元素，上述X1＞X2，X1、X2、X3均为大于等于1的整数，CI为卷积核的深度值，CN为卷积核的数量值，CI、CN均为大于等于1的整数，A为大于3的整数。4.根据权利要求1-3任意一项所述的方法，其特征在于，所述依据第一时间与第二时间实现对车辆的计费包括：依据第一时间与第二时间计算得到时间差，依据该时间差以及车场计费规计...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。