本发明涉及图像模式识别技术领域，具体涉及一种基于视频的车型匹配方法、装置和计费系统。
背景技术：
随着我国经济的发展，车辆市场保有量将持续增加，停车难及停车位的有效管理等问题将进一步加剧。路内停车在这种历史背景下应运而生。路内停车作为智能交通重要环节，是指在道路安全红线范围以内的两侧或者一侧，设置若干个停车位供来往车辆临时停靠。这种停车位具有设置更加灵活、车位周转率快、占用空间少、维护成本低等优点，可以在一定程度上缓解当前“停车难”等问题。针对路内停车这样的停车场景，国内外高校和相关企业开展了长时间的研究工作，当前市场上存在多种针对路内停车的管理系统，其中采用视频处理技术方式实现车位管理的停车系统关注度越来越高。
采用视频方式管理停车位存在一个问题，车辆停在泊位(停车位)以后，停车系统会周期性抓拍泊位车辆，这样就需要一个方法区分本次抓拍和前一次抓拍的目标是否是同一个目标，即判断停车位内的车辆是否发生改变。前端在进行周期性抓拍的过程中，能够识别到车辆车牌的可以通过对比车牌信息实现是否换车的判断，如果车牌遮挡或者没车牌造成识别不到车牌信息就只能通过图像匹配实现是否换车的判断，受前端抓拍设备计算能力有限的制约，匹配容易受到现场环境的影响进而匹配出错，造成一个停车事件分割成多个停车事件，进而产生多个订单，或者多个停车事件被当成一个停车事件，影响停车管理系统收费。
技术实现要素：
有鉴于此，本发明实施例提供一种基于视频的车型匹配方法、装置和计费系统，以实现对停车事件的精确识别。
为实现上述目的，本发明实施例提供如下技术方案：
一种基于视频的车型匹配方法，包括：
识别目标停车位中停靠车辆的车牌信息，记为当前车牌信息；
计算所述当前车牌信息和本次停车事件中第一次识别到的车牌信息的相似度；
判断计算得到的所述相似度是否大于第一预设阈值；
当计算得到的所述相似度小于第一预设阈值时，提取本次抓拍到的所述目标停车位中停靠车辆的近景图片，记为当前近景图片；
提取上一次抓拍到的所述目标停车位中停靠车辆的近景图片，记为目标近景图片；
判断所述当前近景图片和目标近景图片的相似度是否大于第二阈值；
当前近景图片和目标近景图片的相似度小于第二阈值时，由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息。
优选的，上述基于视频的车型匹配方法中，所述识别目标停车位中停靠车辆的车牌信息具体为：
获取本次抓拍的近景图像；
在所述近景图像中定位车牌位置，采用大倾角车牌识别技术，对检测到的车牌位置进行矫正，采用ocr识别技术对矫正后车牌位置进行识别得到车牌信息目标停车位中停靠车辆的车牌信息。
优选的，上述基于视频的车型匹配方法中，判断所述当前近景图片和目标近景图片的相似度大于第二阈值之后，还包括：
判断上一次和本次抓拍到的所述目标停车位中停靠车辆的远景图片之间的相似度是否大于第三阈值，如果否，由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息。
优选的，上述基于视频的车型匹配方法中，判断计算得到的所述相似度大于第一预设阈值，判断所述当前近景图片和目标近景图片的相似度大于第二阈值之后，还包括：
控制图像采集装置返回远景预制位。
优选的，上述基于视频的车型匹配方法中，所述判断所述当前近景图片和目标近景图片的相似度是否大于第二阈值具体为：
提取所述当前近景图片和目标近景图片的sift特征点；
计算当前近景图片和目标近景图片相互匹配的sift特征点数量；
判断相互匹配的sift特征点数量是否大于第一预设数量值，如果是，表明所述当前近景图片和目标近景图片的相似度大于第二阈值，否则，所述当前近景图片和目标近景图片的相似度小于第二阈值。
优选的，上述基于视频的车型匹配方法中，所述判断上一次和本次抓拍到的所述目标停车位中停靠车辆的远景图片之间的相似度是否大于第三阈值，具体为：
提取上一次抓拍到的所述目标停车位中停靠车辆的远景图片，记为目标远景图片；
提取本次抓拍到的所述目标停车位中停靠车辆的远景图片，记为当前远景图片；
提取所述当前远景图片和目标远景图片的sift特征点；
判断当前远景图片和目标远景图片相互匹配的sift特征点数量是否大于第二预设数量值，如果是，表明所述当前远景图片和目标远景图片的相似度大于第三阈值，否则，所述当前近景图片和目标近景图片的相似度小于第三阈值。
一种基于视频的车型匹配装置，包括：
识别单元，用于获取图像采集装置采集到的视频信息，由所述视频信息中识别目标停车位中停靠车辆的车牌信息，记为当前车牌信息；
第一判断单元，计算所述当前车牌信息和本次停车事件中第一次识别到的车牌信息的相似度；判断计算得到的所述相似度是否大于第一预设阈值，如果判断结果为否，向第二判断单元输出触发信号；
第二判断单元，当获取到触发信号时，用于提取本次抓拍到的所述目标停车位中停靠车辆的近景图片，记为当前近景图片；提取上一次抓拍到的所述目标停车位中停靠车辆的近景图片，记为目标近景图片；判断所述当前近景图片和目标近景图片的相似度是否大于第二阈值，如果判断结果为否，触发事件分离单元；
事件分离单元，当获取到触发信号时，用于由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息。
优选的，上述基于视频的车型匹配装置中，所述识别单元具体用于：
用于获取图像采集装置采集到的视频信息，由所述视频信息中获取本次抓拍的近景图像；在所述近景图像中定位车牌位置，采用大倾角车牌识别技术对检测到的车牌位置进行矫正，采用ocr识别技术对矫正后车牌位置进行识别得到车牌信息目标停车位中停靠车辆的车牌信息。
优选的，上述基于视频的车型匹配装置中，还包括：
第三判断单元，用于当所述第二判断单元的判断结果为是时，判断上一次和本次抓拍到的所述目标停车位中停靠车辆的远景图片之间的相似度是否大于第三阈值，如果判断结果为否，触发所述事件分离单元。
优选的，上述基于视频的车型匹配装置中，还包括：
图像采集装置控制单元，用于当所述第一判断单元判断为否时、第三判断单元判断结果为是时，控制图像采集装置返回远景预制位。
优选的，上述基于视频的车型匹配装置中，所述第二判断单元具体用于：
当获取到触发信号时，用于提取本次抓拍到的所述目标停车位中停靠车辆的近景图片，记为当前近景图片；提取上一次抓拍到的所述目标停车位中停靠车辆的近景图片，记为目标近景图片；提取所述当前近景图片和目标近景图片的sift特征点；计算当前近景图片和目标近景图片相互匹配的sift特征点数量；判断相互匹配的sift特征点数量是否大于第一预设数量值，如果是，表明所述当前近景图片和目标近景图片的相似度大于第二阈值，否则，所述当前近景图片和目标近景图片的相似度小于第二阈值，触发事件分离单元；
优选的，上述基于视频的车型匹配装置中，所述第三判断单元具体用于：
第三判断单元，用于当所述第二判断单元的判断结果为是时，提取上一次抓拍到的所述目标停车位中停靠车辆的远景图片，记为目标远景图片；
提取本次抓拍到的所述目标停车位中停靠车辆的远景图片，记为当前远景图片；
提取所述当前远景图片和目标远景图片的sift特征点；
判断当前远景图片和目标远景图片相互匹配的sift特征点数量是否大于第二预设数量值，如果是，表明所述当前远景图片和目标远景图片的相似度大于第三阈值，否则，所述当前近景图片和目标近景图片的相似度小于第三阈值，触发所述事件分离单元。
一种计费系统，包括：
图像采集装置；
与图像采集装置相连的、上述任意一项所述的基于视频的车型匹配装置；
与所述车型匹配装置相连的计费装置。
基于上述技术方案，本发明实施例提供的上述方案，首先判断当前周期内采集到的车牌信息与本次停车事件中首次记录的车牌信息的相似度是否大于第一预设值，当两者不同时，再将本周期内图像采集装置采集到的目标停车位车辆的近景图像与上一周期内采集到的目标停车位内停靠车辆的近景图像进行对比，判断两者相似度是否大于第二预设阈值，当判断结果小于第二预设阈值时，表明目标停车位内的停靠车辆发生变化，由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息。在本方案中，经过多次判断停车位内的车辆是否相同，提高了停车事件识别的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种基于视频的车型匹配方法的流程示意图；
图2为本申请另一实施例公开的一种基于视频的车型匹配方法的流程示意图；
图3为本申请实施例公开的一种基于视频的车型匹配装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
针对于现有技术中在进行车辆识别时容易将多个停车事件合并成一个停车事件或将一个停车事件分割呈多个停车事件的问题，本申请公开了一种基于视频的车型匹配方法，用于精确识别并区分各个停车事件。
实际场景中，路内停车场景复杂，需要考虑来往车辆和行人对车辆的遮挡的影响。在做目标停车位内的停靠车辆是否是相同车辆的判断时，因为车牌的唯一性，所以首先采用车牌信息作为判断依据，这可以极大降低停车事件被割裂的情况发生。车辆停靠在泊位里面不可能是完全相同车辆停靠在完全相同的位置(相对于摄像机位置)，所以车牌无法判断为是否不同的车辆，可以采用近景图像和远景图像匹配的方式实现以上逻辑判断。对于还是出错的数据，可以采用云端的二次识别技术，利用重量的算法模型解决出错数据。
具体的，参见图1，本申请实施例公开的基于视频的车型匹配方法具体可以包括，
步骤s101：识别目标停车位中停靠车辆的车牌信息，记为当前车牌信息；
在本步骤中，对图像采集装置采集到的目标停车位的停靠车辆进行图像处理，识别得到停靠车辆的车牌位置，对所述车牌位置进行识别，得到停靠车辆的车牌信息，具体的，在识别时可以采用传统的具有较高识别精度的ocr识别技术。当然为了进一步减小识别时产生的误差，在对车牌位置进行识别之前，还可以采用大倾角车牌识别技术对所述车牌位置进行校正，然后再对校正后的车牌位置进行识别；
具体的，本步骤可以包括：
获取本次抓拍的近景图像；
在所述近景图像中定位车牌位置，采用大倾角车牌识别技术，对检测到的车牌位置进行矫正，采用ocr识别技术对矫正后车牌位置进行识别得到车牌信息目标停车位中停靠车辆的车牌信息。
步骤s102：计算所述当前车牌信息和本次停车事件中第一次识别到的车牌信息的相似度；
在本步骤中，识别得到停靠车辆的车牌信息时，需要将该车牌信息与同一停车事件内上一周期或第一次检测到的车牌信息进行对比，以判断是否应对本次停车事件进行分割。需要说明的是，当本次识别得到的车牌信息为本次停车事件首次识别得到的车牌信息时，所述第一次识别到的车牌信息为空，此时不执行后续流程，再次进入步骤s101，当本次识别得到的车牌信息与同一停车事件内上一周期或第一次检测到的车牌信息相同时，表明所述目标停车位内停靠的车辆为同一车辆，本次停车事件仍在继续，再次进入步骤s101，当本次识别得到的车牌信息与同一停车事件内上一周期或第一次检测到的车牌信息不同时，不同的原因有可能是识别错误造成的，因此，本次停车事件虽然可能为两个停车事件，但仍需要进行进一步判断。具体的，在判断本次识别到的车牌信息是否为停车事件内的首次检测到的车牌信息时，可以通过预先配置的一个标志位的计数值的方式进行判断，具体的，本申请实施例公开的技术方案中，可以预先针对每一个目标停车位配置一个标志位，该标志位的初始数值为0，当开始记录一个停车事件并获取到首次获取到停车事件对应的停靠车辆的车牌信息时，记录该车牌信息并将所述标志位设置为1，当停车事件结束，即车辆驶离该目标停车位时所述标志位初始化，再次设置为0，因此，可以通过判断所述标志位的数值快速判断本次识别得到的车牌信息是否为停车事件中的首次采集到的车牌信息。
具体的，当通过步骤s101识别目标停车位中停靠车辆的车牌信息后，本步骤可以包括：
判断与所述目标停车位的标志位的数值是否为0，如果是，将所述车牌信息记为停车事件中首次采集到的车牌信息，如果否，提取本次停车事件中首次采集到的车牌信息，计算所述当前车牌信息和本次停车事件中第一次识别到的车牌信息的相似度。
步骤s103：判断计算得到的所述相似度是否大于第一预设阈值；
在本步骤中，通过计算两个车牌信息的相似度，判断两个车牌信息是否为同一个车牌信息，如果相似度大于第一预设阈值，表明两个车牌信息相同，表明本次停车事件还在继续，当相似度低于所述第一预设阈值时，表明两个车牌信息不同，目标停车位内停靠的车辆可能已经更换，本次停车事件可能已经结束，需要进一步进行判断；
步骤s104：当计算得到的所述相似度小于第一预设阈值时，提取本次抓拍到的所述目标停车位中停靠车辆的近景图片，记为当前近景图片；
本步骤中，当步骤s101中计算得到的车牌信息和本次停车事件中第一次识别到的车牌信息的相似度小于第一预设阈值时，该原因可能是由于物体遮挡或其他原因造成的，因此，无法直接判断本次停车事件是否已经结束，因此需要进一步进行判断，例如，可以通过对采集到的近景图像进行对比的方式判断所述目标停车位内的停靠车辆是否发生变化，此时，可由图像采集装置采集到的图像信息中提取所述目标停车位中停靠车辆的近景图片。
步骤s105：提取上一次抓拍到的所述目标停车位中停靠车辆的近景图片，记为目标近景图片；
在本步骤中，提取所述图像采集装置上一周期内采集到的图像信息，由该图像信息中提取上一周期内所述目标停车位中停靠车辆的近景图片，将该进行图片作为对比图片。
步骤s106：判断所述当前近景图片和目标近景图片的相似度是否大于第二阈值，如果否，进入步骤s107；
在本步骤中，判断将当前近景图片和目标近景图片进行相似度分析，判断两者的相似度值是否大于第二预设阈值，如果大于所述第二预设阈值，表明两者本次拍到的车辆和上一周期拍到的车辆疑似为同一车辆，表明本次停车事件还未结束，继续执行步骤s101，如果两者相似度小于所述第二预设阈值，表明两者本次拍到的车辆和上一周期拍到的车辆疑似为不同车辆，其与依据车牌信息判断得到的判断结果相同，因此可以确定本次停车事件已经结束，需将当前停车事件拆分为两个停车事件来处理，因此继续执行步骤s107；
步骤s107：由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息；
在本步骤中，对采集到的视频信息进行处理，由采集到的视频信息中提取最近一次采集到的停靠车辆驶离所述目标停车位的时刻，并生成离位信息，将离位信息与已经记录的最近的入位信息生成一个完整的停车事件信息，同时开启下一停车事件，由所述视频信息中提取最近一次驶入所述目标停车位并停靠在所述目标停车位内的车辆，记录该车辆的驶入时刻，依据驶入时刻生成入位信息，当然，也可将本次采集车牌信息的时刻作为车辆的驶入时刻，该依据该时刻生成入位信息，并更新当前停车事件，将新开启的停车事件作为本次停车事件。
本申请上述实施例公开的技术方案，首先判断当前周期内采集到的车牌信息与本次停车事件中首次记录的车牌信息的相似度是否大于第一预设值，当两者不同时，再将本周期内图像采集装置采集到的目标停车位车辆的近景图像与上一周期内采集到的目标停车位内停靠车辆的近景图像进行对比，判断两者相似度是否大于第二预设阈值，当判断结果小于第二预设阈值时，表明目标停车位内的停靠车辆发生变化，由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息。在本方案中，经过多次判断停车位内的车辆是否相同，提高了停车事件识别的准确率。
在本申请实施例公开的技术方案中，当提取到的当前近景图片和目标近景图片的相似度大于第二阈值时，表明两者本次拍到的车辆和上一周期拍到的车辆疑似为同一车辆，表明本次停车事件还未结束，其与依据车牌信息判断得到的判断结果不同，因此，为了保证判断结果的正确性，还需进行进一步判断，此时，本申请上述实施例公开的技术方案中还可以依据目标停车位中车辆的远景信息，判断本次停车事件是否已经结束，具体的，参见图2，判断所述当前近景图片和目标近景图片的相似度大于第二阈值之后，上述方法还可以包括：
步骤s201：提取图像采集装置采集到的本周期内目标停车位中停靠车辆的远景图片，记为本次远景图片；
步骤s2021：提取上一周期内图像采集装置采集到的目标停车位中停靠车辆的远景图片，记为上次远景图片；
步骤s203：判断本次远景图片和上次远景图片之间的相似度是否大于第三预设值，如果否，表明本次停车事件已经结束，执行步骤s107，由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息，如果判断结果为是，表明本次停车事件还未结束，继续执行步骤s101；
在本申请实施例公开的技术方案中，当判断本次停车事件还未结束时，还需要控制所述图像采集装置返回远景预制位。在本申请实施例公开的技术方案中所述图像采集设备可以是球型摄像机，所述球型摄像机在分析的时候有远景预制位(看到的区域较大，一般可以看到多个车位)，和近景预制位(看到区域较小，但是可以看到细节信息，看一个车位，获取车牌信息)。抓拍目标停车位的时候，需要控制球机切换至近景预制位以聚焦到对应的目标车位，抓拍完成后所述球机回到远景预制位。
此外，本申请还公开了一种用于判断所述当前近景图片和目标近景图片的相似度是否大于第二阈值的具体方法，上述方法中，判断所述当前近景图片和目标近景图片的相似度是否大于第二阈值的过程具体可以：
提取所述当前近景图片和目标近景图片的sift特征点；
分别计算当前近景图片和目标近景图片相互匹配的sift特征点数量；
判断相互匹配的sift特征点数量是否大于第一预设数量值，如果是，表明所述当前近景图片和目标近景图片的相似度大于第二阈值，否则，所述当前近景图片和目标近景图片的相似度小于第二阈值。
同理，上述方法中判断上一次和本次抓拍到的所述目标停车位中停靠车辆的远景图片之间的相似度是否大于第三阈值的具体过程也可以：
提取上一次抓拍到的所述目标停车位中停靠车辆的远景图片，记为目标远景图片，在本申请实施例公开的技术方案中，上一次可以指的是上一周期，当然也可以指的是本次停车事件中时间轴靠前的其他采集周期；
提取本次抓拍到的所述目标停车位中停靠车辆的远景图片，记为当前远景图片；
提取所述当前远景图片和目标远景图片的sift特征点；
判断当前远景图片和目标远景图片相互匹配的sift特征点数量是否大于第二预设数量值，如果是，表明所述当前远景图片和目标远景图片的相似度大于第三阈值，否则，所述当前近景图片和目标近景图片的相似度小于第三阈值。
对应于上述方法，本申请还公开了一种基于视频的车型匹配装置，本实施例中基于视频的车型匹配装置的各个单元的具体工作内容，请参见上述方法实施例的内容，下面对本申请实施例提供的基于视频的车型匹配装置进行描述，下文描述的基于视频的车型匹配装置与上文描述的基于视频的车型匹配方法可相互对应参照。
参见图3，该装置可以包括：
识别单元100，其与上述方法中步骤s101相对应，用于获取图像采集装置采集到的视频信息，依据预设周期由所述视频信息中识别目标停车位中停靠车辆的车牌信息；
第一判断单元200，其与上述方法中步骤s102-s103相对应，用于计算所述当前车牌信息和本次停车事件中第一次识别到的车牌信息的相似度；判断计算得到的所述相似度是否大于第一预设阈值，如果判断结果为否，向第二判断单元输出触发信号；
第二判断单元300，其与上述方法中步骤s104-s106相对应，当获取到触发信号时，用于提取本次抓拍到的所述目标停车位中停靠车辆的近景图片，记为当前近景图片；提取上一次抓拍到的所述目标停车位中停靠车辆的近景图片，记为目标近景图片；判断所述当前近景图片和目标近景图片的相似度是否大于第二阈值，如果判断结果为否，触发事件分离单元；
事件分离单元400，其与上述方法中步骤s107相对应，当获取到触发信号时，用于由采集到的视频信息中提取最近一次采集到的离位信息和入位信息，更新停车事件，将所述入位信息作为更新后的本次停车事件的入位信息。
对应于上述方法，所述识别单元100具体用于：
用于获取图像采集装置采集到的视频信息，由所述视频信息中获取本次抓拍的近景图像；在所述近景图像中定位车牌位置，采用大倾角车牌识别技术对检测到的车牌位置进行矫正，采用ocr识别技术对矫正后车牌位置进行识别得到车牌信息目标停车位中停靠车辆的车牌信息。
与上述方法相对应，所述基于视频的车型匹配装置，还可以包括：
第三判断单元，用于当所述第二判断单元的判断结果为是时，判断上一次和本次抓拍到的所述目标停车位中停靠车辆的远景图片之间的相似度是否大于第三阈值，如果判断结果为否，触发所述事件分离单元。
与上述方法相对应，所述基于视频的车型匹配装置，还包括：
图像采集装置控制单元，用于当所述第一判断单元判断为否时、第三判断单元判断结果为是时，控制图像采集装置返回远景预制位。
与上述方法相对应，所述第二判断单元具体用于：
当获取到触发信号时，用于提取本次抓拍到的所述目标停车位中停靠车辆的近景图片，记为当前近景图片；提取上一次抓拍到的所述目标停车位中停靠车辆的近景图片，记为目标近景图片；提取所述当前近景图片和目标近景图片的sift特征点；计算当前近景图片和目标近景图片相互匹配的sift特征点数量；判断相互匹配的sift特征点数量是否大于第一预设数量值，如果是，表明所述当前近景图片和目标近景图片的相似度大于第二阈值，否则，所述当前近景图片和目标近景图片的相似度小于第二阈值，触发事件分离单元；
与上述方法相对应，所述第三判断单元具体用于：
第三判断单元，用于当所述第二判断单元的判断结果为是时，提取上一次抓拍到的所述目标停车位中停靠车辆的远景图片，记为目标远景图片；
提取本次抓拍到的所述目标停车位中停靠车辆的远景图片，记为当前远景图片；
提取所述当前远景图片和目标远景图片的sift特征点；
判断当前远景图片和目标远景图片相互匹配的sift特征点数量是否大于第二预设数量值，如果是，表明所述当前远景图片和目标远景图片的相似度大于第三阈值，否则，所述当前近景图片和目标近景图片的相似度小于第三阈值，触发所述事件分离单元。
本发明提供路内停车场景下基于视频的车型匹配方法，通过多次严正判断的方式解决了路内停车场景下匹配出错的问题，具有以下优势：1车牌识别阶段可采用大倾角车牌识别技术，增加了车牌识别的识别精度；2匹配过程中优先选择车牌信息作为匹配依据，可以降低匹配出错率，减少数据的割裂现象；3可采用近景匹配和远景匹配结合的方式，提升了匹配的精确度；4还可以采用本申请实施例公开的方法核装置对最后推送到平台的结果进行二次校验，一方面可以极大地降低一个停车事件分割成多个停车数据的可能，另一方面是可以防止错误的车牌识别结果推送给用户，使反馈给用户和管理系统的信息更加精确可靠，增强了系统的稳定性。此外也为交管部门提供更加精准的信息管理实时数据，使政府财政部门统一管理停车收费标准变为可能，利国利民，使人类更快的进入自动化交通管理时代。
对应于上述装置，本申请还公开了一种计费系统，该计费系统可以包括：
图像采集装置；
与图像采集装置相连的、本申请上述任意一项所述的基于视频的车型匹配装置；
与所述车型匹配装置相连的计费装置。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。