停车场的设备安装方案推荐方法、装置、设备及介质与流程

1.本技术涉及到人工智能技术领域，特别是涉及到一种停车场的设备安装方案推荐方法、装置、设备及介质。


背景技术：

2.道闸是专门用于限制机动车行驶的通道出入口管理设备，如今被广泛应用于停车场系统中，用于管理车辆的出入。
3.现有技术中的道闸通常为电动道闸，能够单独通过无线遥控实现起落杆，也可以通过ic卡实行自动管理状态，入场取卡放行车辆，出场时收取停车费后自动放行车辆，还可以通过识别车辆的车牌号，自动放行已录入的车牌号的车辆。由此可见，道闸的安装位置与车辆的通行效率和便捷度息息相关。
4.然而，目前的道闸安装通常依赖于安装工程师的个人经验，若工程师的安装经验与当前安装场景不匹配，会导致需要重新安装道闸以及与道闸匹配的设备，耗费大量的人力和物力的情况。


技术实现要素：

5.本技术的主要目的为提供一种停车场的设备安装方案推荐方法、装置、介质及设备，旨在解决现有技术中的停车场的设备安装方案依赖于工程师个人经验，安装效率和匹配度较低的技术问题。
6.为了实现上述发明目的，本技术提出一种停车场的设备安装方案推荐方法，所述方法包括：
7.根据目标地点的场景特征信息生成若干组调节参数组合；
8.根据所述调节参数组合分别对车辆特征标准图像进行图像处理，得到若干个车辆特征测试图像；
9.向待安装的识别设备发送所述车辆特征测试图像，以使所述识别设备分别对所述车辆特征测试图像中的车辆特征信息进行识别，并得到对每一车辆特征测试图像的特征识别结果；
10.将特征识别成功的车辆特征测试图像作为成功样本，获取所述成功样本对应的调节参数组合；
11.根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案。
12.进一步的，所述向待安装的识别设备发送所述车辆特征测试图像之前，还包括：
13.配置待安装的道闸设备的登录接口，建立所述道闸设备与所述识别设备的远程连接；
14.获取所述道闸设备的闸门开启时间和响应延迟时间，并获取所述识别设备的识别时长；
15.所述根据所述成功样本对应的调节参数组合生成推荐安装方案，还包括：
16.根据所述闸门开启时间、响应延迟时间以及所述识别时长计算得到所述道闸设备与所述识别设备的第一推荐安装距离；
17.根据所述第一推荐安装距离和所述成功样本对应的调节参数组合生成所述推荐安装方案。
18.进一步的，所述向待安装的识别设备发送所述车辆特征测试图像之前，还包括：
19.配置待安装的地感设备的登录接口，建立所述地感设备与所述识别设备的远程连接；
20.获取所述地感设备的检测延迟时间；
21.根据所述第一推荐安装距离和所述成功样本对应的调节参数组合生成所述推荐安装方案，还包括：
22.根据所述检测延迟时间以及所述识别时长计算得到所述地感设备与所述识别设备的第二推荐安装距离；
23.根据所述第一推荐安装距离、第二推荐安装距离和所述成功样本对应的调节参数组合生成所述推荐安装方案。
24.进一步的，所述根据目标地点的场景特征信息生成若干组调节参数组合分别对车辆特征标准图像进行图像处理，包括：
25.根据所述目标地点的场景特征信息生成第一参数组；
26.根据所述第一参数组中的若干个第一参数分别生成若干组变量参数组，其中，一所述第一参数对应一变量参数组；
27.根据若干组所述变量参数组，分别生成若干组所述调节参数组合。
28.进一步的，所述根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案，包括：
29.根据所述成功样本对应的调节参数组合生成若干推荐安装方案；
30.获取所述推荐安装方案对应的调节参数组合中的变量个数；
31.按照所述变量个数从高到低对若干所述推荐安装方案进行排序，并向用户推荐排序后的若干所述推荐安装方案。
32.进一步的，所述向待安装的识别设备发送所述车辆特征测试图像之前，还包括：
33.配置与所述识别设备之间的远程连接端口，向所述识别设备发送联通信号；
34.判断与所述识别设备之间的联通状态；若联通状态为失败，输出第一异常提示信号；
35.若联通状态为成功，初始化所述识别设备，获取所述识别设备的设备信息，根据所述设备信息判断所述识别设备是否完成接口配置；
36.若未完成，输出第二异常提示信号。
37.进一步的，所述获取所述成功样本对应的调节参数组合之前，还包括：
38.获取特征识别失败的车辆特征测试图像，随机选取特征识别失败的车辆特征测试图像中的部分作为失败样本，将特征识别失败的车辆特征测试图像中的剩余部分作为测试样本；
39.基于所述失败样本，通过bp神经网络对所述识别设备的第一识别模型进行训练，
得到第二识别模型；
40.将所述测试样本通过发送至所述第二识别模型进行识别，从而得到所述第二识别模块对应的样本识别结果；
41.将样本识别成功的测试样本作为所述成功样本。
42.本技术还提出了一种停车场的设备安装方案推荐装置，包括：
43.参数生成模块，用于根据目标地点的场景特征信息生成若干组调节参数组合；
44.图像处理模块，用于根据目标地点的场景特征信息和预设的若干组调节参数组合分别对车辆特征标准图像进行图像处理，得到若干个车辆特征测试图像；
45.特征识别模块，用于向待安装的识别设备发送所述车辆特征测试图像，以使所述识别设备分别对所述车辆特征测试图像中的车辆特征信息进行识别，并得到对每一车辆特征测试图像的特征识别结果；
46.参数获取模块，用于将特征识别成功的车辆特征测试图像作为成功样本，获取所述成功样本对应的调节参数组合；
47.方案推荐模块，用于根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案。
48.本技术还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法。
49.本技术还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
50.本技术的停车场的设备安装方案推荐方法、装置、介质及设备，通过获取目标地点的场景特征信息，以场景特征信息作为条件数据，根据调节参数组合对车辆特征标准图像进行图像处理，得到车辆特征测试图像，从而提高分析的样本数量和样本多样性，并使其更逼近真实的停车场场景下的图像，进而提高分析的准确度；通过识别设备对车辆特征测试图像进行模拟识别，得到特征识别结果，从而为识别设备的安装方案提供参考基础；通过获取成功样本的调节参数组合，将识别失败的图像的调节参数组合均剔除出可实施的识别设备安装方案，从而提高安装方案推荐的准确性；根据成功样本的调节参数组合生成推荐安装方案，能够提高推荐安装方案与目标地点的环境的匹配度，避免反复重新施工，从而提高了停车场的设备的安装效率。
附图说明
51.图1为本技术一实施例的停车场的设备安装方案推荐方法的流程示意图；
52.图2为本技术一实施例的停车场的设备安装方案推荐装置的结构示意框图；
53.图3为本技术一实施例的计算机设备的结构示意框图。
54.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
55.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
56.参照图1，为了实现上述发明目的，本技术提出一种停车场的设备安装方案推荐方法，所述方法包括：
57.s1：根据目标地点的场景特征信息生成若干组调节参数组合；
58.s2：根据所述调节参数组合分别对车辆特征标准图像进行图像处理，得到若干个车辆特征测试图像；
59.s3：向待安装的识别设备发送所述车辆特征测试图像，以使所述识别设备分别对所述车辆特征测试图像中的车辆特征信息进行识别，并得到对每一车辆特征测试图像的特征识别结果；
60.s4：将特征识别成功的车辆特征测试图像作为成功样本，获取所述成功样本对应的调节参数组合；
61.s5：根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案。
62.本实施例通过获取目标地点的场景特征信息，以场景特征信息作为条件数据，根据调节参数组合对车辆特征标准图像进行图像处理，得到车辆特征测试图像，从而提高分析的样本数量和样本多样性，并使其更逼近真实的停车场场景下的图像，进而提高分析的准确度；通过识别设备对车辆特征测试图像进行模拟识别，得到特征识别结果，从而为识别设备的安装方案提供参考基础；通过获取成功样本的调节参数组合，将识别失败的图像的调节参数组合均剔除出可实施的识别设备安装方案，从而提高安装方案推荐的准确性；根据成功样本的调节参数组合生成推荐安装方案，能够提高推荐安装方案与目标地点的环境的匹配度，避免反复重新施工，从而提高了停车场的设备的安装效率。
63.对于步骤s1，停车场的设备包括道闸、地感线圈、摄像头等用于控制车辆进出停车场的设备。当一停车场需要安装上述设备时，将该停车场作为目标地点，通过红外摄像头、红外测量仪、人工测量等方式预先获取该停车场的场景特征信息，该场景特征信息包括停车场的场库高度和宽度、场库出入口宽度、出入口数量、出入口的高度、照明灯光等。此外，还预先获取车辆特征标准图像，车辆特征标准图像通常为若干正面且文字清晰的车辆的车牌照片。在上述场景特征信息的基础上，生成若干组的调节参数组合，调节参数组合包括：曝光度、颜色参数、车辆到摄像头的距离、车辆相对于摄像头的角度中的一种或多种调节参数的组合。
64.对于步骤s2，对车辆特征标准图像进行图像处理的方式包括：调整车辆特征标准图像中的车牌颜色；旋转车辆特征标准图像中车牌的角度；调节车辆特征标准图像的曝光强度；对车辆特征标准图像中的车牌部分进行整体缩放。其中，当颜色参数为紫色时，调整车辆特征标准图像中的车牌颜色可以为：将车牌的底色换成紫色，从而模仿不同光照状态下的实际车牌情况；旋转车辆特征标准图像中车牌的角度可以为：调节车牌的至少一边缘，使得该车牌由矩形变为梯形或其它不规则四边形，从而使其不再正面面向摄像头；调节车辆特征标准图像的曝光强度可以为：调高图像的曝光度或降低图像的曝光度，从而模拟光线较暗的状态；对车辆特征标准图像中的车牌部分进行整体缩放可以为：仅对图像中车牌的部分进行整体缩放，从而改变车牌在整个图像中所占的比例，以模仿距离较近的观察情况和距离较远的观察情况。需要说明的是，上述处理方式并非互斥的，可根据实际需求选择任意处理方式组合为调节参数组合。
65.示例性地，当场库的出入口的高度或宽度较大时，意味着该场库中光线较充足，因此对车辆特征标准图像a调高图像的曝光度得到中间图像b，以便于模拟光线较强的情况；根据预设的调节参数对中间图像b进行缩放处理，当预设的调节参数中车辆到摄像头的距离分别为1m、2m和3m时，可将标准图像中车牌占比相应缩小为距离车牌1m、2m和3m的摄像头所采集到的图像中车牌的实际占比，从而得到中间图像c1、c2和c3；当预设的调节参数中的rgb颜色参数为#9932cd、#eaadea和#db9370时，将中间图像c1分别更换为上述rgb颜色参数对应的紫色、棕色和黄褐色，得到图像d1、d2和d3，同时对中间图像c2和c3也按照上述步骤替换底色，分别得到中间图像c2对应的图像e1、e2和e3，以及中间图像c3对应的图像f1、f2和f3，最后将不同调节参数下处理得到的图像d1、d2、d3、e1、e2、e3、f1、f2和f3作为车辆特征测试图像，从而提高分析的样本数量和样本多样性，并使其更逼近真实的停车场场景下的图像，进而提高分析的准确度。
66.对于步骤s3，上述识别设备通常为摄像头，用于识别出入停车场的车辆的车牌号码。示例性地，将上述得到的车辆特征测试图像d1、d2、d3、e1、e2、e3、f1、f2和f3发送至摄像头，以使该摄像头分别对车辆特征测试图像d1、d2、d3、e1、e2、e3、f1、f2和f3进行识别，得到特征识别结果，若该摄像头识别到的车牌号码与实际车牌号码一致，判定特征识别结果为识别成功，若该摄像头识别到的车牌号码与实际车牌号码不一致或无法识别车牌号码，判定特征识别结果为识别失败，从而为摄像头与道闸间的角度和距离等提供参考。
67.对于步骤s4，特征识别结果为识别成功的车辆特征测试图像，即摄像头能够正确识别车牌号码的车辆特征测试图像。
68.示例性地，车辆特征测试图像d1对应的调节参数满足：高曝光度，车辆到摄像头的距离为1m，颜色参数为9932cd；车辆特征测试图像d2对应的调节参数满足：高曝光度，车辆到摄像头的距离为1m，颜色参数为#eaadea；车辆特征测试图像d3对应的调节参数满足：高曝光度，车辆到摄像头的距离为1m，颜色参数为db9370；车辆特征测试图像e1对应的调节参数满足：高曝光度，车辆到摄像头的距离为2m，颜色参数为#9932cd；车辆特征测试图像e2对应的调节参数满足：高曝光度，车辆到摄像头的距离为2m，颜色参数为#eaadea；车辆特征测试图像e3对应的调节参数满足：高曝光度，车辆到摄像头的距离为3m，颜色参数为#db9370；车辆特征测试图像f1对应的调节参数满足：高曝光度，车辆到摄像头的距离为3m，颜色参数为#9932cd；车辆特征测试图像f2对应的调节参数满足：高曝光度，车辆到摄像头的距离为3m，颜色参数为#eaadea；车辆特征测试图像f3对应的调节参数满足：高曝光度，车辆到摄像头的距离为3m，颜色参数为#db9370。
69.可以理解地，对于上述车辆特征测试图像，若仅有图像d1和e1能够被成功识别，则将图像d1和e1作为成功样本，获取其对应的调节参数组合，即高曝光度，车辆到摄像头的距离为1m，颜色参数为#9932cd，以及高曝光度，车辆到摄像头的距离为2m，颜色参数为#9932cd两种组合情况，并将其作为可实施的摄像头安装方案。若上述车辆特征测试图像均不可被摄像头成功识别，则将上述图像的调节参数组合均剔除出可实施的识别设备安装方案，从而提高安装方案推荐的准确性。
70.对于步骤s5，以上述成功样本对应的调节参数组合为基准，根据上述调节参数组合生成可实施的安装方案，从而将其作为推荐安装方案推荐给用户。示例性地，对于仅有图像d1和e1能够被成功识别的情况，获取其对应的调节参数组合，即高曝光度，车辆到摄像头
的距离为1m，颜色参数为#9932cd，以及高曝光度，车辆到摄像头的距离为2m，颜色参数为#9932cd两种组合情况，也就是说，在光线较强且环境光使得车牌为紫色的目标地点中，车辆到摄像头的距离为2m或1m较为合适，由于车辆在进出停车场时会在道闸前停留，因此安装方案可以包括至少如下两种：(1)道闸安装在摄像头和车辆停留位置之间，此时摄像头识别的是车辆前方的车牌，摄像头与道闸的安装关系为：摄像头到道闸的距离为2m或1m；(2)车辆停留位置在摄像头和道闸之间，此时摄像头识别的是车辆后方的车牌，摄像头与道闸的安装关系为：摄像头到道闸的距离为2m+停留位置的长度l或1m+车辆停留位置的长度l；综上，根据成功样本的调节参数组合生成推荐安装方案，能够提高推荐安装方案与目标地点的环境的匹配度，避免反复重新施工，从而提高了停车场的设备的安装效率。
71.在一个实施例中，所述向待安装的识别设备发送所述车辆特征测试图像s2之前，还包括：
72.s11：配置待安装的道闸设备的登录接口，建立所述道闸设备与所述识别设备的远程连接；
73.s12：获取所述道闸设备的闸门开启时间和响应延迟时间，并获取所述识别设备的识别时长；
74.所述根据所述成功样本对应的调节参数组合生成推荐安装方案s4，还包括：
75.s401：根据所述闸门开启时间、响应延迟时间以及所述识别时长计算得到所述道闸设备与所述识别设备的第一推荐安装距离；
76.s402：根据所述第一推荐安装距离和所述成功样本对应的调节参数组合生成所述推荐安装方案。
77.本实施例通过对当道闸设备的闸门开启时间和响应延迟时间进行计算，得到道闸设备适合的安装位置，避免由于识别时间过久或开启时间过久导致避免车辆在道闸前的等待时间过长，提高了安装方案的实用性。
78.对于步骤s11，上述道闸设备通常设置于停车场的出入口处，便于使车辆停止或对车辆放行。
79.对于步骤s12，当道闸设备的闸门开启时间和响应延迟时间其一较长时，需要将道闸设备设置在距离识别设备较远的位置，使得车辆行驶到道闸前的过程中，识别设备有足够的识别时间，或道闸有足够的开启时间，避免由于识别时间过久或开启时间过久导致避免车辆在道闸前的等待时间过长。
80.在一个实施例中，所述向待安装的识别设备发送所述车辆特征测试图像s2之前，还包括：
81.s13：配置待安装的地感设备的登录接口，建立所述地感设备与所述识别设备的远程连接；
82.s14：获取所述地感设备的检测延迟时间；
83.根据所述第一推荐安装距离和所述成功样本对应的调节参数组合生成所述推荐安装方案s402，还包括：
84.s412：根据所述检测延迟时间以及所述识别时长计算得到所述地感设备与所述识别设备的第二推荐安装距离；
85.s422：根据所述第一推荐安装距离、第二推荐安装距离和所述成功样本对应的调
节参数组合生成所述推荐安装方案。
86.本实施例通过地感的检测时间得到第二推荐安装距离，避免车辆还未通过道闸时就发生落杆的情况，并且便于车辆的车牌识别正确后，能够迅速通过道闸，避免停车场出入口发生车辆拥堵，提高安装方案的实用性。
87.对于步骤s13，上述地感设备可以为地感线圈车辆检测器，其基于电磁感应原理的车辆检测器，通常为埋设在车道道路路基下的环形线圈，在接通工作电流时作为传感器识别车辆。当出入停车场的车辆经过该地感设备或者在该地感设备上停留时，车辆本体的铁质材料会改变线圈内的磁通量，进而引起线圈回路电感量的变化，地感设备的检测器通过检测该电感量的变化来判断通行车辆的状态。而为了保证车辆通行后道闸才落闸，通常在停车场的道闸位置附近的地下设置地感设备，设置方式包括：在车辆前进方向道闸的后侧设置一个地感设备，当识别设备识别到车牌号正确后，开启道闸，车辆驶过道闸后，触发地感器磁通量改变，进而使道闸关闭；设置方式还包括：在车辆前进方向道闸的前侧和后侧分别设置一个地感设备，车牌识别正确后，当车辆经过道闸前侧的地感设备时，触发道闸开启，当车辆经过道闸后侧的地感设备时，道闸关闭。
88.对于步骤s12，道闸设备的闸门开启时间和响应延迟时间以及识别设备的识别时长对于地感设备的设置位置起着重要的影响，当道闸设备的闸门开启时间和响应延迟时间其一较长时，需要将地感设备设置在离道闸较远的位置，避免车辆还未通过道闸时就发生落杆的情况；当识别设备的识别时长较长时，需要将道闸前侧的地感设备设置得离道闸较近，以便于车辆的车牌识别正确后，能够迅速通过道闸，避免停车场出入口发生车辆拥堵，提高安装方案的实用性。
89.在一个实施例中，所述根据目标地点的场景特征信息生成若干组调节参数组合分别对车辆特征标准图像进行图像处理s1，包括：
90.s101：根据所述目标地点的场景特征信息生成第一参数组；
91.s102：根据所述第一参数组中的若干个第一参数分别生成若干组变量参数组，其中，一所述第一参数对应一变量参数组；
92.s103：根据若干组所述变量参数组，分别生成若干组所述调节参数组合。
93.本实施例通过将第一参数组作为目标地点的特征限定范围，将变量参数组为在该限定范围中选取的可行参数组合，调节参数组合为在变量参数组中选择若干数量的参数组成的组合，从而在目标地点的场景特征信息的基础上得到合适的测试图像，以提高测试的样本量和测试的可信度。
94.对于步骤s101，可预先根据目标地点的场景特征信息生成第一参数组，即，根据目标地点的场库高度和宽度、场库出入口宽度、出入口数量、出入口的高度、照明灯光等信息生成第一参数组。具体来说，基于场库高度和宽度，可以获得摄像头可安装的最高高度；基于场库出入口宽度，可以获得可安装的道闸的最大宽度以及摄像头在水平方向上可安装的最远位置；基于出入口数量，可以获得该停车场需要安装的道闸数量和摄像头数量；基于出入口的高度，可以获得该停车场的光线强度；基于照明灯光，可以获得车牌在该停车场中呈现的颜色。在上述场景特征信息的基础上，根据变量参数组中的变量参数对各个第一参数组中的参数进行调节，得到以该目标地点的场景特征信息为基准的一系列调节参数。
95.在上述场景特征信息中，场库出入口宽度和出入口数量是能够直接组成推荐安装
方案的数据的，例如，当该停车场包括两个出口和两个入口时，推荐安装方案需要包括至少四个道闸和四个摄像头；当该停车场的场库出入口宽度为3m时，推荐安装方案需要包括安装的道闸宽度不大于3m。
96.示例性地，在上述场景特征信息中，可将场库高度和宽度、出入口的高度和宽度，以及照明灯光作为条件数据生成第一参数组。具体来说，当场库高度为4.8m，场库宽度为3m时，此时，安装在该场库中的摄像头与车牌之间的垂直距离必然小于4.8m，而由于车辆的宽度通常为1.8m，因此在宽度为3m的停车场中，摄像头与车牌之间的水平距离通常约小于1.5m，即此时根据上述数据设置第一参数组中的第一距离限定参数即高度小于4.8m，宽度小于1.5m；当出入口的高度和宽度较大时出入口处的亮度也不相同，此时可通过实地测量照度值，得到各个天气下的出入口照度值并作为上述第一参数组中的照度限定参数，本实施例中以100lx-30lx为例；当停车场出入口附近的照明灯光存在红光时，蓝色的车牌在该光线下通常可能为紫色，此时可将紫色作为第一参数组中的第一颜色限定参数，其中，第一距离限定参数和第一颜色限定参数即为第一参数组中的第一参数。
97.对于步骤s102，根据所述第一参数组中的一第一参数生成一变量参数组可以包括：根据第一参数组中的第一距离限定参数设定一组距离变量参数组；示例性地，当第一距离限定参数的范围为高度小于4.8m，宽度小于1.5m时，可以设定距离变量参数组满足：(x，y，z)，y轴最大值为4.8m，x轴最大值为1.5m；由此可基于控制变量法设定九个距离变量参数：(1，4，1)，(2，4，1)，(3，4，1)，(2，4，0.5)，(2，4，0.7)，(2，4，0.9)，(2，2.5，1)，(2，3，1)，(2，3.5，1)，从而根据九组距离变量参数分别生成车牌的旋转角度和缩放大小，以形成九个角度和对画面占比不同的车辆特征测试图像，而上述九个距离变量参数即为一组距离变量参数组；在此基础上，根据第一参数组中的第一照度限定参数设定照度变量参数组，当照度值为100lx-30lx时，可选取90lx，80lx，70lx，60lx，50lx，40lx，30lx为照度变量参数，即该照度变量组包含上述七个照度变量，从而根据七个照度变量参数分别改变车辆特征标准图像的曝光度；还可以根据第一参数组中的第一颜色限定参数设定颜色变量参数组，当第一颜色限定参数为紫色时，可设定#a38995，#8a5a83，#691639，#83639d，#904684，#4a203b六个深浅不同的紫色作为颜色变量参数组中的六个颜色变量参数，从而根据六个颜色变量参数分别改变车辆特征标准图像中车牌的底色。
98.对于步骤s103，根据各个第一参数形成对应的变量参数组后，在上述变量参数组(即上述距离变量参数组、照度变量参数组和颜色变量参数组)中，分别选取不同组合方式的变量参数组形成调节参数组合，如，选择照度变量参数组和颜色变量参数组形成一调节参数组合，选择照度变量参数组形成一调节参数组合，同时选择距离变量参数组、照度变量参数组和颜色变量参数组形成一调节参数组合等。按照上述的距离变量参数组、照度变量参数组和颜色变量参数组形成调节参数组合后对车辆特征标准图像进行图像处理，可得到各不相同的845张车辆特征测试图像，其中，一车辆特征参数测试图像对应一调节参数组合，22张为只选取了一个变量参数组的调节参数组合对应的图像，445张为选取了两个变量参数组的调节参数组合对应的图像，378张为选取了三个变量参数组的调节参数组合对应的图像。
99.综上，第一参数组作为目标地点的特征限定范围，变量参数组为在该限定范围中选取得到的可行参数组合，调节参数组合为在变量参数组中选择若干数量的参数组成的组
合，从而在目标地点的场景特征信息的基础上得到合适的测试图像，以提高测试的样本量和测试的可信度。
100.在一个实施例中，所述根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案s4，包括：
101.s401：根据所述成功样本对应的调节参数组合生成若干推荐安装方案；
102.s402：获取所述推荐安装方案对应的调节参数组合中的变量个数；
103.s403：按照所述变量个数从高到低对若干所述推荐安装方案进行排序，并向用户推荐排序后的若干所述推荐安装方案。
104.本实施例通过变量个数对推荐安装方案进行排序，从而在存在多个成功样本时，将最匹配的方案优先推送给用户，以便于用户迅速找到该方案，提高了方案推荐的有效性和精确性
105.对于步骤402，上述调节参数组合可以包括一个或多个变量例如，一调节参数组合可仅包括距离变量组和照度变量组中的各一变量，此时变量个数为2；可以包括距离变量组、照度变量组和颜色变量组中的各一变量，此时变量个数为3；可以仅包括照度变量组中的一变量。此时变量个数为1。
106.对于步骤s403，由于变量个数越多，表示该调节参数组合的限定越多，模拟的目标地点的场景越精确，因此，若同时存在多个成功样本，将调节参数组合中的变量最多的成功样本对应的推荐安装方案作为最优选的方案，并在排序后优先推送给用户，以便于用户迅速找到该方案，提高了方案推荐的有效性和精确性。
107.在一个实施例中，所述向待安装的识别设备发送所述车辆特征测试图像s2之前，还包括：
108.s13：配置与所述识别设备之间的远程连接端口，向所述识别设备发送联通信号；
109.s14：判断与所述识别设备之间的联通状态；若联通状态为失败，输出第一异常提示信号；
110.s15：若联通状态为成功，初始化所述识别设备，获取所述识别设备的设备信息，根据所述设备信息判断所述识别设备是否完成接口配置；
111.s16：若未完成，输出第二异常提示信号。
112.本实施例通过配置与识别设备之间的远程连接端口，向识别设备发送联通信号，在未正常联通根据异常原因输出第一异常提示信号，在未正常配置的情况下输出第二异常提示信号，以便于工作人员对识别设备进行维护，从而提高了识别步骤的稳定性和确保了识别结果的可靠性。
113.对于步骤s13，识别设备通常为携带识别系统的摄像机或与安装有识别系统的控制主机相连的摄像机，设备信息包括该摄像机的ip信息和mac地址信息。
114.对于步骤s14，第一异常提示信号可以为提示设备网络异常的弹窗信号或语音信号。
115.对于步骤s16，第二异常提示信号若可以为提示配置设备的弹窗信号或语音信号；当网络和地址配置均正常时，即可执行下一步识别，从而提高了识别步骤的稳定性。
116.在一个实施例中，所述获取所述成功样本对应的调节参数组合s3之前，还包括：
117.s31：获取特征识别失败的车辆特征测试图像，随机选取特征识别失败的车辆特征
测试图像中的部分作为失败样本，将特征识别失败的车辆特征测试图像中的剩余部分作为测试样本；
118.s32：基于所述失败样本，通过bp神经网络对所述识别设备的第一识别模型进行训练，得到第二识别模型；
119.s33：将所述测试样本通过发送至所述第二识别模型进行识别，从而得到所述第二识别模块对应的样本识别结果；
120.s34：将样本识别成功的测试样本作为所述成功样本。
121.本实施例通过对识别失败的失败样本进行收集，采用部分失败样本通过预设的bp神经网络对识别设备进行训练，从而对剩余识别失败的样本进行重新识别，并将重新识别成功的样本作为成功样本，从而提供更全面的推荐安装方案。
122.对于步骤s32，由于bp神经网络算法包括信号的前向传播和误差的反向传播两个过程。正向传播时，输入的车辆特征测试图像从输入层传入,经各隐层逐层处理后传向输出层。若输出层的实际输出与期望的输出不符，即无法识别正确的车牌号码的失败样本，则转入误差的反向传播阶段，反向传播时，将失败样本以通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，将该误差信号即作为修正各单元权值的依据，从而完成对识别模型的训练，提高了识别设备的识别准确性。
123.对于步骤s33，将通过训练得到的第二识别模型对识别失败的车辆特征测试图像的剩余部分进行识别，从而对由于第一识别模型不够完善导致的识别失败的图像进行二次识别，得到二次识别结果。
124.对于步骤s34，将所述样本识别结果为识别成功的测试样本作为所述成功样本，从而根据成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐上述推荐安装方案，扩充了推荐安装方案的数量和范围，给用户提供了更大的选择空间。
125.参照图2，本技术还提出了一种停车场的设备安装方案推荐装置，包括：
126.参数生成模块100，用于根据目标地点的场景特征信息生成若干组调节参数组合；
127.图像处理模块200，用于分别对车辆特征标准图像进行图像处理，得到若干个车辆特征测试图像；
128.特征识别模块300，用于向待安装的识别设备发送所述车辆特征测试图像，以使所述识别设备分别对所述车辆特征测试图像中的车辆特征信息进行识别，并得到对每一车辆特征测试图像的特征识别结果；
129.参数获取模块400，用于将特征识别成功的车辆特征测试图像作为成功样本，获取所述成功样本对应的调节参数组合；
130.方案推荐模块500，用于根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案。
131.本实施例过获取目标地点的场景特征信息，以场景特征信息作为条件数据，根据调节参数组合对车辆特征标准图像进行图像处理，得到车辆特征测试图像，从而提高分析的样本数量和样本多样性，并使其更逼近真实的停车场场景下的图像，进而提高分析的准确度；通过识别设备对车辆特征测试图像进行模拟识别，得到特征识别结果，从而为识别设备的安装方案提供参考基础；通过获取成功样本的调节参数组合，将识别失败的图像的调节参数组合均剔除出可实施的识别设备安装方案，从而提高安装方案推荐的准确性；根据
成功样本的调节参数组合生成推荐安装方案，能够提高推荐安装方案与目标地点的环境的匹配度，避免反复重新施工，从而提高了停车场的设备的安装效率。
132.在一个实施例中，还包括道闸设备识别模块600，用于：
133.配置待安装的道闸设备的登录接口，建立所述道闸设备与所述识别设备的远程连接；
134.获取所述道闸设备的闸门开启时间和响应延迟时间，并获取所述识别设备的识别时长；
135.所述方案推荐模块500，还用于：
136.根据所述闸门开启时间、响应延迟时间以及所述识别时长计算得到所述道闸设备与所述识别设备的第一推荐安装距离；
137.根据所述第一推荐安装距离和所述成功样本对应的调节参数组合生成所述推荐安装方案。
138.在一个实施例中，还包括地感设备识别模块700，用于：
139.配置待安装的地感设备的登录接口，建立所述地感设备与所述识别设备的远程连接；
140.获取所述地感设备的检测延迟时间；
141.所述方案推荐模块500，还用于：
142.根据所述检测延迟时间以及所述识别设备的识别时长计算得到所述地感设备与所述识别设备的第二推荐安装距离；
143.根据所述第一推荐安装距离、第二推荐安装距离和所述成功样本对应的调节参数组合生成所述推荐安装方案。
144.在一个实施例中，所述参数生成模块100，还用于：
145.根据所述目标地点的场景特征信息生成第一参数组；
146.根据所述第一参数组中的若干个第一参数分别生成若干组变量参数组，其中，一所述第一参数对应一变量参数组；
147.根据若干组所述变量参数组，分别生成若干组所述调节参数组合。
148.在一个实施例中，所述方案推荐模块500还用于：
149.根据所述成功样本对应的调节参数组合生成若干推荐安装方案；
150.获取所述推荐安装方案对应的调节参数组合中的变量个数；
151.按照所述变量个数从高到低对若干所述推荐安装方案进行排序，并向用户推荐排序后的若干所述推荐安装方案。
152.在一个实施例中，还包括识别设备初始化模块800，用于：
153.配置与所述识别设备之间的远程连接端口，向所述识别设备发送联通信号；
154.判断与所述识别设备之间的联通状态；若联通状态为失败，输出第一异常提示信号；
155.若联通状态为成功，初始化所述识别设备，获取所述识别设备的设备信息，根据所述设备信息判断所述识别设备是否完成接口配置；
156.若未完成，输出第二异常提示信号。
157.在一个实施例中，还包括二次识别模块900，用于：
158.获取特征识别失败的车辆特征测试图像，随机选取特征识别失败的车辆特征测试图像中的部分作为失败样本，将特征识别失败的车辆特征测试图像中的剩余部分作为测试样本；
159.基于所述失败样本，通过bp神经网络对所述识别设备的第一识别模型进行训练，得到第二识别模型；
160.将所述测试样本通过发送至所述第二识别模型进行识别，从而得到所述第二识别模块对应的样本识别结果；
161.将样本识别成功的测试样本作为所述成功样本。
162.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存停车场的设备安装方案推荐方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种停车场的设备安装方案推荐方法。所述停车场的设备安装方案推荐方法，包括：根据目标地点的场景特征信息生成若干组调节参数组合；根据所述调节参数组合分别对车辆特征标准图像进行图像处理，得到若干个车辆特征测试图像；向待安装的识别设备发送所述车辆特征测试图像，以使所述识别设备分别对所述车辆特征测试图像中的车辆特征信息进行识别，并得到对每一车辆特征测试图像的特征识别结果；将特征识别成功的车辆特征测试图像作为成功样本，获取所述成功样本对应的调节参数组合；根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案。
163.本技术一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种停车场的设备安装方案推荐方法，包括步骤：根据目标地点的场景特征信息生成若干组调节参数组合；根据所述调节参数组合分别对车辆特征标准图像进行图像处理，得到若干个车辆特征测试图像；向待安装的识别设备发送所述车辆特征测试图像，以使所述识别设备分别对所述车辆特征测试图像中的车辆特征信息进行识别，并得到对每一车辆特征测试图像的特征识别结果；将特征识别成功的车辆特征测试图像作为成功样本，获取所述成功样本对应的调节参数组合；根据所述成功样本对应的调节参数组合生成推荐安装方案，并向用户推荐所述推荐安装方案。
164.上述执行的停车场的设备安装方案推荐方法，本实施例通过获取目标地点的场景特征信息，以场景特征信息作为条件数据，根据调节参数组合对车辆特征标准图像进行图像处理，得到车辆特征测试图像，从而提高分析的样本数量和样本多样性，并使其更逼近真实的停车场场景下的图像，进而提高分析的准确度；通过识别设备对车辆特征测试图像进行模拟识别，得到特征识别结果，从而为识别设备的安装方案提供参考基础；通过获取成功样本的调节参数组合，将识别失败的图像的调节参数组合均剔除出可实施的识别设备安装方案，从而提高安装方案推荐的准确性；根据成功样本的调节参数组合生成推荐安装方案，能够提高推荐安装方案与目标地点的环境的匹配度，避免反复重新施工，从而提高了停车场的设备的安装效率。
165.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
166.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
167.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。