基于神经网络的智能停车缴费方法和系统技术方案

本申请提供一种基于神经网络的智能停车缴费方法和系统，该方法包括：获取目标车辆的图像；将图像输入至停车缴费模型，得到图像的停车位置概率分布图，以及目标车辆对应的车辆特征和环境特征；根据停车位置概率分布图，确定车辆的停车状态和停车位置；当目标车辆的停车状态和停车位置均满足预设条件，记录目标车辆的时间信息，时间信息包括停车时长和停车时段；当停车状态变更为结束停车，根据车辆特征

【技术实现步骤摘要】
基于神经网络的智能停车缴费方法和系统


[0001]本申请涉及数据处理
，尤其涉及一种基于神经网络的智能停车缴费方法和系统
。

技术介绍

[0002]随着城市道路交通技术的发展，和人们生活水平的提高，道路上车辆的出行数量逐年增加，停车场和停车位的数量也随之增加
。
车辆进入停车场后一般通过拍照和打卡的方式来记录停车位置和停车时长，并在离开停车场时计算相应的缴费金额
。
[0003]然而，拍照和打卡的方式一般只能粗略地记录车辆的停车位置和停车时长，存在诸多弊端，例如无法定位车辆的实际停车位置
、
车辆的停放位置是否规范，无法监督用户的不规范打卡行为导致停车时长不准确，无法结合车辆所在的位置和环境合理计算停车缴费金额等，导致以上情况会严重地影响停车缴费金额计算的准确性和灵活性
。
[0004]因此，需提出一种基于神经网络的智能停车缴费方法和系统，来解决该技术问题
。

技术实现思路

[0005]本申请实施例的目的在于提供一种基于神经网络的智能停车缴费方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于神经网络的智能停车缴费方法，其特征在于，所述方法包括：获取目标车辆的图像；将所述图像输入至停车缴费模型，得到所述图像的停车位置概率分布图，以及所述目标车辆对应的车辆特征和环境特征；根据所述停车位置概率分布图，确定所述车辆的停车状态和停车位置；当所述目标车辆的停车状态和停车位置均满足预设条件，记录所述目标车辆的时间信息，所述时间信息包括停车时长和停车时段；当所述停车状态变更为结束停车，根据所述车辆特征
、
所述环境特征
、
所述时间信息和对应的缴费标准，计算所述目标车辆的停车缴费金额；将所述停车缴费金额的支付信息发送至所述目标车辆的用户，以使所述用户接收所述支付信息并支付所述停车缴费金额
。2.
根据权利要求1所述的基于神经网络的智能停车缴费方法，其特征在于，所述将所述图像输入至停车缴费模型，得到所述图像的停车位置概率分布图，包括：对所述图像进行多次标注操作；获取每次所述标注操作的标注位置，以及所述标注位置的标注结果；根据所述标注结果，确定每个所述标注位置被标注为停车位置的第一概率值；根据所述每个标注位置各自对应的第一概率值，确定所述停车位置概率分布图
。3.
根据权利要求2所述的基于神经网络的智能停车缴费方法，其特征在于，所述根据所述标注结果，确定每个所述标注位置被标注为停车位置的第一概率值，包括：获取所述多次标注操作的总次数；确定所述每个标注位置被标注为停车位置的第一次数；计算所述第一次数与所述总次数的商值作为所述第一概率
。4.
根据权利要求1所述的基于神经网络的智能停车缴费方法，其特征在于，所述将所述图像输入至停车缴费模型，得到所述目标车辆对应的车辆特征和环境特征，包括：对所述图像进行卷积处理，得到卷积图像；对所述卷积图像进行特征提取，得到包括所述目标车辆的车辆类型
、
车牌的车辆特征，以及包括所述目标车辆所在环境信息的环境特征
。5.
根据权利要求1所述的基于神经网络的智能停车缴费方法，其特征在于，所述预设条件包括：所述目标车辆的停车状态为停车，所述目标车辆的停车位置处于停车区域之内
。6.
根据权利要求1所述的基于神经网络的智能停车缴费方法，其特征在于，所述根据所述车辆特征
、
所述环境特征
、
所述时间信息和对应的缴费标准，计算所述目标车辆的停车缴费金额，包括：对所述停车概率分布图进行处理，得到所述停车概...

【专利技术属性】
技术研发人员：田华，吴春辉，
申请(专利权)人：厦门中卡科技股份有限公司，
类型：发明
国别省市：