停车场信息推荐方法及相关产品技术

本公开提供一种停车场信息推荐方法及相关产品，所述支付方法包括如下步骤：采集第一图片，从第一图片确定车牌以及第一人脸图片；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身份；依据该身份确定用户的习惯，依据该习惯确定该用户待消费的场地，向用户终端推荐该场地附近的停车位。本申请提供的技术方案具有用户体验度高的优点。

Parking Information Recommendation Method and Related Products

The present disclosure provides a parking information recommendation method and related products. The payment method comprises the following steps: collecting the first picture, determining the license plate and the first face image from the first picture; inputting the input data composed of the first face image into the artificial intelligence chip for multi-layer forward operation of the neural network model. The result of the forward calculation is obtained, and the identity of the first face image is determined according to the result of the forward calculation. The user's habits are determined according to the identity, and the site to be consumed by the user is determined according to the habits, and the parking space near the site is recommended to the user terminal. The technical scheme provided in this application has the advantage of high user experience.

【技术实现步骤摘要】
停车场信息推荐方法及相关产品
本专利技术涉及通信以及停车
，具体涉及一种停车场信息推荐方法及相关产品。
技术介绍
随着通信技术的进步，停车场也越来越智能，随着车牌识别技术的推广，很多停车场都基于车牌识别进行计费。对于车牌识别，其基于拍摄的图片进行识别，在图片拍摄时，还可以采集到车辆内的驾驶人员的人脸信息，现有的系统无法实现人脸对停车场信息进行推荐，例如车位的推荐，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停车场信息推荐方法及相关产品，可以实现对用户人脸识别后，对车位进行推荐，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停车场信息推荐方法，所述支付方法包括如下步骤：采集第一图片，从第一图片确定车牌以及第一人脸图片；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身份；依据该身份确定用户的习惯，依据该习惯确定该用户待消费的场地，向用户终端推荐该场地附近的停车位。第二方面，提供一种停车场系统，所述系统包括：监控设备和处理中心；监控设备，用于采集第一图片；处理中心，用于从第一本文档来自技高网...

【技术保护点】
1.一种停车场信息推荐方法，其特征在于，所述支付方法包括如下步骤：采集第一图片，从第一图片确定车牌以及第一人脸图片；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身份；依据该身份确定用户的习惯，依据该习惯确定该用户待消费的场地，向用户终端推荐该场地附近的停车位。

【技术特征摘要】
1.一种停车场信息推荐方法，其特征在于，所述支付方法包括如下步骤：采集第一图片，从第一图片确定车牌以及第一人脸图片；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身份；依据该身份确定用户的习惯，依据该习惯确定该用户待消费的场地，向用户终端推荐该场地附近的停车位。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...

【专利技术属性】
技术研发人员：曹婧月，
申请(专利权)人：曹婧月，
类型：发明
国别省市：广东,44