[发明专利]一种无牌车计费方法、装置、电子设备及存储介质

权利要求书

1.一种无牌车计费方法，其特征在于，所述方法包括：

获取进场的当前无牌车的第一特征和进场时刻；

计算所述第一特征与已进场无牌车特征的余弦相似度；

比较所述余弦相似度与预设阈值的大小，根据比较结果，对所述当前无牌车进行单独分组或与余弦相似度最大值对应的已进场无牌车分为一组，并存储所述当前无牌车进场时刻和所述第一特征到对应的组别当中；

获取出场无牌车的第二特征和出场时刻，并根据余弦相似度查找与所述第二特征最佳匹配的第一特征，并获取所述第一特征所在组别当中当前剩余车辆的最晚进场时刻；

将所述最晚进场时刻作为所述出场无牌车的进场计费时刻，基于所述出场时刻和所述进场计费时刻获取所述出场无牌车的计费时间。

2.根据权利要求1所述的无牌车计费方法，其特征在于，所述比较所述余弦相似度与预设阈值的大小，根据比较结果，对所述当前无牌车进行单独分组或与余弦相似度最大值对应的已进场无牌车分为一组，并存储所述当前无牌车进场时刻和所述第一特征到对应的组别当中，包括：

若所述余弦相似度均未超过所述预设阈值，则以所述当前无牌车在进场时生成的临时身份标识作为其身份标识，并以所述身份标识为键建立键值对且值存储所述第一特征和所述进场时刻；

若所述余弦相似度超过预设阈值，则将所述当前无牌车进场时刻和所述第一特征存储到最大余弦相似度所对应的键值对的值中。

3.根据权利要求2所述的无牌车计费方法，其特征在于，所述获取出场无牌车的第二特征和出场时刻，并根据余弦相似度查找与所述第二特征最佳匹配的第一特征，并获取所述第一特征所在组别当中当前剩余车辆的最晚进场时刻，包括：

获取与所述第二特征最佳匹配的第一特征以及与所述第一特征对应的最佳匹配身份标识；

遍历所述最佳匹配身份标识所在键的值，以获取最晚进场时刻和所述最晚进场时刻对应的匹配键值，并将所述匹配键值从所述最佳匹配身份标识所在键中删除。

4.根据权利要求1所述的无牌车计费方法，其特征在于，所述获取所述第一特征所在组别当中当前剩余车辆的最晚进场时刻，包括：

计算所述出场时刻与所述第一特征所在组别当中的所有进场时刻的差值；

若所述差值大于预设时间差，则将所述差值对应的进场时刻作为所述最晚进场时刻。

5.根据权利要求1所述的无牌车计费方法，其特征在于，所述获取进场的当前无牌车的第一特征和进场时刻，包括：

获取所述当前无牌车的车辆图像；

利用目标检测模型从所述车辆图像中提取出车脸图像，所述车脸图像包括车辆颜色、车辆车标、车辆前部纹理、车灯、保险杠、车牌区域和车辆外形；

利用MobileFaceNets模型对所述车脸图像进行特征提取，以获取所述第一特征。

6.根据权利要求1所述的无牌车计费方法，其特征在于，在所述获取进场的当前无牌车的第一特征和进场时刻的步骤之前，所述方法还包括：

利用自适应学习度量函数CurricularFace进行深度学习模型的训练，以挖掘困难样本，所述自适应学习度量函数CurricularFace表示为：

其中，T(cosθ₀)＝cos(θ₀+m)；

t的定义为：

t^(k)＝αr^(k)+(1-α)t^(k-1)；

其中，k表示第k批样本数据，α为常数，初始时t⁽⁰⁾＝0，r可表示为：

r＝Σcosθ₀。

7.根据权利要求1所述的无牌车计费方法，其特征在于，所述方法还包括：

利用高分辨率相机获取车辆信息，所述车辆信息包括挡风玻璃范围内的年检标签、灰尘、车内摆件和装饰；

利用偏振相机和红外相机分别获取车内景及车内人脸图像，以获取无牌车特征。