[发明专利]一种基于Saas模式的智慧停车解决方法及系统

权利要求书

1.一种基于Saas模式的智慧停车解决方法，其特征在于，包括：

S10、通过摄像头采集车辆前身的图像；

S20、对所述图像进行一次处理；

S30、将经一次处理后的图像输入多信息检测BP神经网络模型，输出检测信息；所述多信息检测BP神经网络模型用于检测识别：车辆的车牌信息和车辆的标志图像；

S40、将所述图像输入预设的卷积神经网络进行车辆前身目标识别，根据目标识别框的区域图像，识别所述区域图像中预设位置的颜色；

S50、对步骤S40的区域图像进行预处理，提取所述车辆前身目标图像的最大外轮廓图；

S60、分别将步骤S30检测的车辆的车牌信息和车辆的标志图像、步骤S40识别的颜色、步骤S50提取的最大外轮廓图，与预存的相应信息进行对比，当对比结果完全一致时，控制栏杆机抬杆放行。

2.根据权利要求1所述的一种基于Saas模式的智慧停车解决方法，其特征在于，还包括：

S70、当对比结果存在不一致的情况时，将对应的错误信息通过显示屏显示或通过外放喇叭进行播报。

3.根据权利要求2所述的一种基于Saas模式的智慧停车解决方法，其特征在于，所述S20步骤包括：对所述图像依次进行高斯平滑、中值滤波、灰度化和二值化处理。

4.根据权利要求3所述的一种基于Saas模式的智慧停车解决方法，其特征在于，所述多信息检测BP神经网络模型，通过多组训练数据对BP神经网络模型进行训练得到的；所述多组训练数据的每一组数据包括带有标签信息的多种车牌类型和/或车辆的标志图像。

5.根据权利要求4所述的一种基于Saas模式的智慧停车解决方法，其特征在于，所述S40步骤包括：

S401、将所述图像输入训练好的R-CNN、FAST-RCNN或FASTER-RCNN网络，进行车辆前身目标识别；

S402、根据识别出的所述车辆前身目标，得到车辆前身目标高度值以及宽度值；

S403、根据所述车辆前身目标高度值以及宽度值按照前引擎盖面积预设比例，采集区域内的像素点颜色值，作为所述车辆颜色。

6.根据权利要求4所述的一种基于Saas模式的智慧停车解决方法，其特征在于，所述S50步骤，包括：

对S40的区域图像进行二值化处理，采用Canny边缘检测或Sobel算子边缘检测获得车辆前身目标图像的最大外轮廓图。

7.根据权利要求1所述的一种基于Saas模式的智慧停车解决方法，其特征在于，所述S60步骤中，最大外轮廓图，与预存的相应信息进行对比，包括：

当车牌信息比对正确后，采用OPENCV提供的hu矩匹配的函数，输入最大外轮廓图与预存的车牌信息所对应的轮廓图比较，返回两个轮廓图之间hu矩的相似度；

当所述相似度达到阈值时，则轮廓图比对正确。

8.一种基于Saas模式的智慧停车解决系统，其特征在于，包括：

采集模块，用于通过摄像头采集车辆前身的图像；

处理模块，用于对所述图像进行一次处理；

检测模块，用于将经一次处理后的图像输入多信息检测BP神经网络模型，输出检测信息；所述多信息检测BP神经网络模型用于检测识别：车辆的车牌信息和车辆的标志图像；

识别模块，用于将所述图像输入预设的卷积神经网络进行车辆前身目标识别，根据目标识别框的区域图像，识别所述区域图像中预设位置的颜色；

提取模块，用于对所述区域图像进行预处理，提取所述车辆前身目标图像的最大外轮廓图；

对比模块，用于分别将检测的车辆的车牌信息和车辆的标志图像、识别模块识别的颜色、提取模块提取的最大外轮廓图，与预存的相应信息进行对比，当对比结果完全一致时，控制栏杆机抬杆放行。