【技术实现步骤摘要】
本专利技术涉及智能交通，尤其涉及一种基于车辆重识别技术的停车引导系统及方法、电子设备、存储介质。
技术介绍
1、现有停车场的停车系统和停车引导系统，均采用红外传感器或摄像头对停车场内所有车位状态进行监测，通过对红外传感器或摄像头的反馈信号判断、显示停车场的剩余车位数。
2、上述停车系统和停车引导系统基于场内所有车位的状态监测，使用pvd车位检测和led停车区域引导屏对车主进行剩余车位提醒和引导，告知车主在当前行驶区域内大概哪个区域有空余车位。采用引导屏的方式引导车主停车仍然主要靠车主边驾驶边观察led停车指示屏的显示数据，完成停车引导，并非是通过停车系统和停车引导系统发起的基于空车位所长区域和车主所在区域的分析进行的策划引导。车主自行观察led停车指示屏的引导方式需要车主时刻关注路中的pvd车位检测器的状态，需要找到绿灯才能把车停入空车位中。
3、基于上述的停车引导方式，当该停车场剩余的空车位数量较少的时候，车主需要在停车场内花费极高的时间成本才能找到停车位，或是车主在停车场中陷入盲目转圈而找不到车位的情况，使车...
【技术保护点】
1.一种基于车辆重识别技术的停车引导系统，包括：
2.根据权利要求1所述的停车引导系统，其特征在于，所述车辆引导模块包括：
3.根据权利要求1或2所述的停车引导系统，其特征在于，所述车辆重识别模型的框架由深度学习模型中的卷积神经网络CNN或图神经网络GNN或注意力机制Transformer作为基础网络架构。
4.根据权利要求3所述的停车引导系统，其特征在于，所述车辆重识别模型训练使用的总损失函数Losstotal满足：
5.根据权利要求1或2或4所述的停车引导系统，其特征在于，还包括一用户终端，所述用户终端通过公众号、小...
【技术特征摘要】
1.一种基于车辆重识别技术的停车引导系统，包括：
2.根据权利要求1所述的停车引导系统，其特征在于，所述车辆引导模块包括：
3.根据权利要求1或2所述的停车引导系统，其特征在于，所述车辆重识别模型的框架由深度学习模型中的卷积神经网络cnn或图神经网络gnn或注意力机制transformer作为基础网络架构。
4.根据权利要求3所述的停车引导系统，其特征在于，所述车辆重识别模型训练使用的总损失函数losstotal满足：
5.根据权利要求1或2或4所述的停车引导系统，其特征在于，还包括一用户终端，所述用户终端通过公众号、小程序或app等方式接收当前时刻停车行进路径规划，并基于车辆重识别模型生成的位置以室内导航的方式把车引导到停车区域。<...
【专利技术属性】
技术研发人员：焦新涛，莫钊贤，王汉隆，陈剑声，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：
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。