停车场寻车方法、设备及存储介质与流程

1.本技术属于图像识别技术领域，具体涉及停车场寻车方法、设备及存储介质。


背景技术：

2.随着生活水平的不断提高，道路上的车辆数目在不断增加。目前大部分大型的商场、企业、政府办公机构都设有地下停车场，但是由于地下停车场往往内部结构复杂且参照物少，因此用户寻车时非常容易迷失方向，经常会出现用户忘记停车位置在停车场来回找车的现象。这样不但浪费了用户的时间，降低了用户的体验，而且增加了车辆停留在停车场停车位上的时间，从而降低了停车场停车位的使用频率。
3.因此，如何提高用户在停车场寻车的效率，成为亟待解决的问题。


技术实现要素：

4.本技术提供停车场寻车方法、设备及存储介质，以提高用户在停车场寻车的效率。
5.为解决上述技术问题，本技术采用的一个技术方案是：一种停车场寻车方法，包括：响应于目标车辆停入停车位，获取停车位信息和第一人脸信息，并存储至停车数据库；响应于用户寻找所述目标车辆，获取第二人脸信息；将所述第二人脸信息与存储于所述停车数据库中的人脸信息进行比对；若成功匹配所述对应的所述第一人脸信息，则获取对应的所述停车位信息；确定用户当前位置信息，并根据所述停车位信息和所述用户当前位置信息规划寻车路径。
6.为解决上述技术问题，本技术采用的又一个技术方案是：一种电子设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述方法。
7.为解决上述技术问题，本技术采用的又一个技术方案是：一种计算机可读存储介质，其上存储有程序数据，所述程序数据被处理器执行时实现上述方法。
8.本技术的停车场寻车方法至少具有如下优点：本技术的停车场寻车方法采用人脸信息比对匹配的方法来进行停车场智能寻车，大大提高了寻车效率和便捷性，可以达到无接触式寻车，安全卫生，可以防止细菌病毒传播。
附图说明
9.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：
10.图1是本技术的停车场寻车方法一实施例的流程示意图；
11.图2是本技术的停车场寻车方法一实施例的子流程示意图；
12.图3是本技术的停车场寻车方法一实施例的子流程示意图；
13.图4是本技术的停车场寻车装置一实施例的框架示意图；
14.图5是本技术的电子设备一实施例的框架示意图；
15.图6是本技术计算机可读存储介质一实施例的框架示意图。
具体实施方式
16.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
17.请参阅图1至图3，图1是本技术的停车场寻车方法一实施例的流程示意图；图2是本技术的停车场寻车方法一实施例的子流程示意图；
18.图3是本技术的停车场寻车方法一实施例的子流程示意图。
19.本技术一实施例提供了一种停车场寻车方法，包括如下步骤：
20.s11：响应于目标车辆停入停车位，获取停车位信息和第一人脸信息，并存储至停车数据库。
21.响应于目标车辆驶入停车场、且停入停车位，获取停车位信息和第一人脸信息，将获得的停车位信息和第一人脸信息绑定后存储至停车数据库中。
22.获取停车位信息和第一人脸信息至少包括以下两种方法：
23.在一实施例中：
24.s111：获取包括人脸的目标图像，目标图像由摄像设备获取，摄像设备与停车位对应设置。
25.获取一张包括人脸的目标图像，目标图像由与停车位对应的摄像设备采集。优选地，摄像设备与停车位一一对应设置。当然，摄像设备还可以对应两个、三个或者一个预定区域内的停车位，该预定区域以用户在该预定区域内可快速找到目标车辆为准，通常为同排的少量停车位。
26.s112：检测目标图像，得到第一人脸信息。
27.利用人脸检测模块，检测目标图像，得到第一人脸信息。
28.s113：根据摄像设备提取对应的停车位信息。
29.由于摄像设备对应停车位设置，根据摄像设备的信息，即可获得对应停车位的停车位信息，即车辆位置信息。
30.进一步地，获取的目标图像中，还可以包括车牌，通过检测目标图像，得到车牌信息。具体可以利用车牌识别模块提取车牌信息，并与第一人脸信息和停车位信息绑定后，共同存储于停车数据库中。
31.在又一实施例中：
32.s114：获取包括人脸和停车位的目标图像。
33.获取一张包括人脸和停车位的目标图像。目标图像由摄像设备获取。
34.s115：检测目标图像，得到第一人脸信息。
35.利用人脸检测模块，检测目标图像，得到第一人脸信息。
36.s116：识别目标图像，得到停车位信息。
37.检测目标图像中的停车位框，得到停车位图像。识别停车位图像中的停车位编号，得到停车位信息，即车辆位置信息。
38.进一步地，获取的目标图像中，还可以包括车牌，通过检测目标图像，得到车牌信息。具体可以利用车牌识别模块提取车牌信息。
39.上述实施例中，获取第一人脸图像利用了人脸检测模块，以下简单介绍：
40.人脸检测模块通过训练一人脸检测网络获得，具体包括：
41.准备人脸检测训练数据集，人脸检测训练数据集包括多个样本人脸图像。将人脸检测训练数据集输入到基于深度学习的人脸检测网络中开始训练。基于深度学习的人脸检测训练网络中包含卷积层，最大池化层，全连接层，损失函数层五种网络层。其中，一个卷积层和一个最大池化层构成一个人脸检测子结构，人脸检测网络包含n＝8个串联的子结构，人脸检测网络有两个输出，分别为维度为2的全连接层和维度为4的全连接层，其中第一个全连接层为人脸分类层，使用的损失函数为交叉熵损失函数，第二个全连接层为人脸边框回归层，使用第一损失函数进行预训练。
42.具体地，利用第一损失函数预训练包括：
43.确定每个样本人脸图像中的样本人脸框；获取利用人脸检测模块预测的，每个样本人脸图像的预测人脸框；计算样本人脸框和预测人脸框的差异值；以差异值和预设惩罚值的乘积最小化的方向训练人脸检测模块，预设惩罚值与差异值正相关。
44.其中，计算样本人脸框和预测人脸框的差异值包括：
45.确定样本人脸框的样本坐标，确定预测人脸框的预测坐标；确定样本坐标和预测坐标的每个对应坐标值的差值的范数平方，确定为差异值。
46.其中，样本坐标可以是样本人脸框的一组斜对角坐标，即左上角和右下角两个坐标，或者左下角和右上角两个坐标；或者为样本人脸框其中一个角坐标加上一个中心坐标。仅需可确定样本人脸框的位置及大小即可。
47.同样地，样本坐标可以是预测人脸框的一组斜对角坐标，即左上角和右下角两个坐标，或者左下角和右上角两个坐标；或者为预测人脸框其中一个角坐标加上一个中心坐标。仅需可确定预测人脸框的位置及大小即可。
48.以下以一具体实施方式详细说明使用第一损失函数对人脸检测模块进行预训练：
49.确定每个样本人脸图像中样本人脸框，获得样本人脸框的一组斜对角样本坐标的四个样本坐标值。一组斜对角样本坐标可以是左上角和右下角两个样本坐标的四个样本坐标值，或者，还可以是左下角和右上角两个样本坐标的四个样本坐标值。样本人脸框默认为矩形框，通过一组斜度角样本坐标可以确定该样本人脸框的位置。
50.获取利用人脸检测模块预测的，每个样本人脸图像的预测人脸框，获得预测人脸框的对应组斜对角预测坐标的四个预测坐标值。
51.分别确定每个样本人脸图像的四组对应样本坐标值和预测坐标值的差值。
52.分别确定每个样本人脸图像的四组差值的范数平方作为差异值，确定差异值与对应预设惩罚值的乘积之和，确定为第一求和值，即第一损失函数值。其中，预设惩罚值与差异值呈正相关。
53.以第一损失函数最小化的方向训练人脸检测模块。
54.计算所有样本人脸图像的第一求和值之和，并不断以第一损失函数最小化的方向
训练人脸检测模块。
55.具体公式如下：
[0056][0057]
其中，n为样本数，m＝4表示人脸框一组斜对角坐标的四个坐标值，表示第i个样本人脸图像的第j个样本坐标值，表示模型预测的第i个人脸图像样本的第j个预测坐标值，表示第i个样本的第j个坐标的预设惩罚值。样本坐标值和预测坐标值相差越大，则该预设惩罚值越大，该惩罚值可以在网络训练过程中自动学习。
[0058]
本技术的人脸检测模块训练中采用的第一损失函数加入了预设惩罚值，通过反向传播加速网络迭代提高训练速度；并可以减少类内的距离，增加类间的距离，提高人脸检测模块精度，实现准确快速的智能寻车。
[0059]
s12：响应于用户寻找目标车辆，获取第二人脸信息。
[0060]
响应于用于寻找目标车辆，获取第二人脸信息。当用户需要查找车辆位置时，用户可以在停车安装的摄像头上录入第二人脸信息。具体地，用户可以通过语音、触控等各种方式控制摄像头采集第二人脸信息，或者，用户站立于摄像头前，摄像头感应到用户后，即可自动采集第二人脸信息。
[0061]
具体地，摄像头获取包括人脸的第二目标图像，检测第二目标图像得到第二人脸图像，提取第二人脸图像中的人脸特征，得到第二人脸信息。检测第二目标图像得到第二人脸图像，以及提取第二人脸图像中的人脸特征的具体方法与第一人脸信息的获取方法相同，此处不再赘述。
[0062]
s13：将第二人脸信息与存储于停车数据库中的人脸信息进行比对。
[0063]
在一实施例中，将第二人脸信息与存储于停车数据库中的人脸信息进行比对，包括：
[0064]
分别提取第二人脸信息和停车数据库中的人脸信息的人脸特征；
[0065]
确定第二人脸信息和停车数据库中的人脸信息的人脸特征的余弦相似度；
[0066]
响应于第二人脸信息的人脸特征，与停车数据库中的一人脸信息的人脸特征的余弦相似度在预设阈值以上；
[0067]
则第二人脸信息成功匹配到对应的第一人脸信息。
[0068]
上述比对过程可通过人脸特征比对模块实现。
[0069]
具体地，预设阈值可以设置因为0.8，若余弦相似度大于等于0.8，则判定第二人脸信息与该人脸信息是同一个人，该人脸信息即该第二人脸信息对应的第一人脸信息。若余弦相似度小于0.8，则判定第二人脸信息与该人脸信息不是同一个人。
[0070]
上述实施例中，获取人脸特征利用人脸特征提取模块，以下简单介绍：
[0071]
人脸特征提取模块通过训练一人脸识别网络获得，具体包括：
[0072]
准备人脸识别训练数据集，人脸识别训练数据集包括多个样本人脸识别图像。将人脸识别训练数据集输入到基于深度学习的人脸识别网络中开始训练，基于深度学习的人脸识别训练网络中包含卷积层，全局逐深度卷积层，最大采样层，全连接层，损失函数层五种网络层。其中，一个卷积层、一个全局逐深度卷积层和一个卷积层构成一个人脸识别子结
构，人脸识别网络包含n＝14个串联的子结构，人脸识别网络的最后三层分别为人脸特征层、人脸分类层和损失函数层，人脸特征层和人脸分类层分别为输出维度是256维和512维的全连接层，256表示人脸特征数，512表示人脸类别数，损失函数使用softmax损失函数。
[0073]
s14：若成功匹配对应的第一人脸信息，则获取对应的停车位信息。
[0074]
从停车数据库中的人脸信息中，选取与第二人脸信息的余弦相似度大于预设阈值的人脸信息，确定为成功匹配到的第一人脸信息，获取该人脸信息对应的停车位信息。
[0075]
若未成功匹配到对应的第一人脸信息，则重新获取第二人脸信息，并再次比对，寻找对应的第一人脸信息。
[0076]
在其他实施例中，由于在存储停车位信息和第一人脸信息时，还利用车牌识别模块提取车牌信息，并与第一人脸信息和停车位信息绑定后，共同存储于停车数据库中。若未成功匹配到对应的第一人脸信息，还可以基于车牌信息，寻找停车数据库中绑定该车牌信息的停车位信息。
[0077]
s15：确定用户当前位置信息，并根据停车位信息和用户当前位置信息规划寻车路径。
[0078]
在一实施例中，确定用户当前位置信息，并根据停车位信息和用户当前位置信息规划寻车路径包括：
[0079]
根据用户当前位置信息和停车位信息，结合停车场地图，计算出最佳的寻车路径。最佳的寻车路径包括最短的寻车路径。
[0080]
将寻车路径显示于停车场内的显示屏，或者通过小程序或app推送至用户移动终端。
[0081]
本技术的停车场寻车方法采用人脸信息比对匹配的方法来进行停车场智能寻车，大大提高了寻车效率和便捷性，可以达到无接触式寻车，安全卫生，可以防止细菌病毒传播。设置无需用户携带任何设备即可在停车场寻车，提高寻车效率和方便性。除此之外，本技术的人脸检测模块训练中采用的第一损失函数加入了惩罚值，通过反向传播加速网络迭代提高训练速度；并可以减少类内的距离，增加类间的距离，提高人脸检测模块精度，实现准确快速的智能寻车。
[0082]
请参阅图4，图4是本技术的停车场寻车装置一实施例的框架示意图。
[0083]
本技术又一实施例提供了停车场寻车装置20，包括获取模块21、比对模块22和规划模块23。获取模块21响应于目标车辆停入停车位，获取停车位信息和第一人脸信息，并存储至停车数据库；获取模块21响应于用户寻找所述目标车辆，获取第二人脸信息。比对模块22将所述第二人脸信息与存储于所述停车数据库中的人脸信息进行比对；若成功匹配所述对应的所述第一人脸信息，则获取对应的所述停车位信息。规划模块23确定用户当前位置信息，并根据所述停车位信息和所述用户当前位置信息规划寻车路径。
[0084]
本技术的停车场寻车装置20采用人脸信息比对匹配的方法来进行停车场智能寻车，大大提高寻车效率便捷性，可以达到无接触式寻车，安全卫生，可以防止细菌病毒传播。设置无需用户携带任何设备即可在停车场寻车，提高寻车效率和方便性。
[0085]
请参阅图5，图5是本技术的电子设备一实施例的框架示意图。
[0086]
本技术又一实施例提供了一种电子设备30，包括相互耦接的存储器31和处理器32，处理器32用于执行存储器31中存储的程序指令，以实现上述任一实施例的停车场寻车
方法。在一个具体的实施场景中，电子设备30可以包括但不限于：微型计算机、服务器，此外，电子设备30还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
[0087]
具体而言，处理器32用于控制其自身以及存储器31以实现上述任一实施例的行人聚类方法中的步骤。处理器32还可以称为cpu(central processing unit，中央处理单元)。处理器32可能是一种集成电路芯片，具有信号的处理能力。处理器32还可以是通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field
‑
programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器32可以由集成电路芯片共同实现。
[0088]
请参阅图6，图6是本技术计算机可读存储介质一实施例的框架示意图。
[0089]
本技术又一实施例提供了一种计算机可读存储介质40，其上存储有程序数据41，程序数据41被处理器执行时实现上述任一实施例的停车场寻车方法。
[0090]
在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
[0091]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
[0092]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0093]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质40中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质40中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。而前述的可读存储介质40包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0094]
以上所述仅为本技术的实施例，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。