数据处理方法、泊车管理系统及计算机存储介质与流程

1.本技术实施例涉及计算机技术领域，尤其涉及一种数据处理方法、泊车管理系统及计算机存储介质。


背景技术：

2.随着车辆的普及，越来越多的人会选择开车或者打车出行，人们的泊车需求也越来越大。尤其是交通枢纽、商贸区、药店、便利超市、公厕、农贸市场、学校等人流量较大的位置，泊车资源更加紧缺。
3.为了缓解泊车资源紧张的问题，一般会在路边设置泊位，并通过在路边设置摄像头，对泊位所泊车辆进行拍摄从而实现收费；并且，为了节省网络资源，一般由摄像头对关键时刻进行抓拍，如车辆停稳时刻或者车辆驶出泊位时刻，并将抓拍获得的图片进行上报，以方便对泊位进行管理。
4.然而，由于在抓拍图片中，被抓拍的车辆可能被其他车辆或者行人遮挡等原因，导致通过抓拍的图片可能无法获知车辆的详细信息，进而导致泊车管理的难度较大。


技术实现要素：

5.有鉴于此，本技术实施例提供一种数据处理方案，以至少部分解决上述问题。
6.根据本技术实施例的第一方面，提供了一种数据处理方法，应用于泊车管理系统，其中，所述泊车管理系统至少包括图像采集设备和针对所述图像采集设备所采集的图像进行数据处理的边缘计算设备，且所述图像采集设备和所述边缘计算设备为互相独立的设备；所述方法包括：通过所述边缘计算设备获取图像采集设备采集的车辆停泊过程视频流数据；对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据；根据所述图像采集设备的位置、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
7.根据本技术实施例的第二方面，提供了一种泊车管理系统，其中，所述系统包括边缘侧设备和云端侧设备，所述边缘侧设备包括：互相独立的图像采集设备和边缘计算设备，所述云端侧设备包括云服务器和泊车管理平台，所述边缘计算设备与所述云服务器通信连接；所述图像采集设备用于采集的车辆停泊过程的视频流数据；所述边缘计算设备用于获取图像采集设备采集的车辆停泊过程视频流数据，对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据，以及根据所述图像采集设备的位置、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，并将所述泊车管理信息上报至所述云服务器；所述云服务器用于根据所述泊车管理信息确定所述目标车辆的泊车管理策略，根据所述泊车管理策略对连接至所述云服务器的所述边缘计算设备进行泊车管理，以及用于将所述泊车管理信息传输至所述泊车管理平台；所述泊车管理平台用于设置所述泊车管理策
略，以及对所述泊车管理信息进行分析。
8.根据本技术实施例的第三方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的数据处理方法。
9.根据本技术实施例提供的数据处理方案，通过所述边缘计算设备获取图像采集设备采集的车辆停泊过程视频流数据；对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据，可以保证获得的信息的完整性，且无需将所有的视频流数据传输至云端，降低了对网络带宽等的要求；并且根据所述图像采集设备的位置，可以确定适用于该位置的泊车管理策略，再根据所述目标车辆的车辆标识信息和所述泊车数据，生成针对目标车辆的泊车管理信息并根据泊车管理信息进行泊车管理，可以根据完整性较高的车辆标识信息和泊车数据对目标车辆进行与停车位置适配的泊车管理。
附图说明
10.为了更清楚地说明本技术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技术实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
11.图1a为本技术实施例一提供的一种泊车管理系统的结构示意图；
12.图1b为本技术实施例提供的一种泊车管理平台的界面示意图；
13.图2a为本技术实施例二提供的一种数据处理方法的步骤流程图；
14.图2b、c、d为本技术实施例提供的设置图像采集设备的示意图；
15.图3a为本技术实施例三提供的另一种数据处理方法的步骤流程图；
16.图3b为本技术实施例提供的一种通过边缘计算设备进行动态追踪和识别的流程示意图；
17.图4为本技术实施例四提供的一种数据处理装置的结构框图；
18.图5为本技术实施例五提供的一种电子设备的结构示意图。
具体实施方式
19.为了使本领域的人员更好地理解本技术实施例中的技术方案，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实施例一部分实施例，而不是全部的实施例。基于本技术实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本技术实施例保护的范围。
20.下面结合本技术实施例附图进一步说明本技术实施例具体实现。
21.实施例一
22.参见图1a，示出了本技术的一种泊车管理系统，如图1a所示，其包括边缘侧设备和云端侧设备，所述边缘侧设备包括：互相独立的图像采集设备和边缘计算设备，所述云端侧设备包括云服务器和泊车管理平台，所述边缘计算设备与所述云服务器通信连接。
23.具体地，本技术任意实施例中，图像采集设备可以为任意摄像头；图像采集设备可以复用已设置好的之前用于抓拍的摄像头，也可以为重新设置的摄像头，本技术实施例不
进行限定。
24.本实施例中，为了快速传输视频流数据，图像采集设备优选通过网线与边缘计算设备连接。具体地，图像采集设备可以先连接至交换机，再由交换机将数据传输至边缘计算设备。当然，其他能够传输视频流数据的通信方案也在本技术的保护范围内，例如摄像头与边缘计算设备在同一无线局域网内等。
25.本实施例中，边缘计算设备可以为任意具有计算能力的设备，例如视频智能分析一体机等，本实施例对此不进行限定。
26.本实施例中，所述边缘计算设备用于获取图像采集设备采集的车辆停泊过程视频流数据，对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据，以及根据所述图像采集设备的位置、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，并将所述泊车管理信息上报至所述云服务器。
27.通过边缘计算设备对视频流数据进行目标车辆的动态跟踪和识别，可以在车辆出现在图像采集设备的采集范围内时就开始对车辆进行动态跟踪和识别，直至车辆驶出图像采集设备的采集范围为止。由此，边缘计算设备通过对目标车辆的动态跟踪和识别结果，获得目标车辆的车辆标识信息和目标车辆的泊车数据，保证了获得的数据足够详细，并可以据此生成泊车管理信息，来对目标车辆进行准确的泊车管理。
28.如图1a所示，边缘计算设备可以获取一个或多个的图像采集设备采集的视频流数据，本实施例对此不进行限定。边缘计算设备中可以部署有用于进行动态跟踪和识别的算法，通过算法可以对视频流数据中的视频帧进行处理，并输出目标车辆的车辆识别信息和泊车数据。
29.本实施例中，泊车管理系统还可以包括云服务器及泊车管理平台,云服务器用于根据所述泊车管理信息确定所述目标车辆的泊车管理策略，根据所述泊车管理策略对连接至所述云服务器的所述边缘计算设备进行泊车管理，以及用于将所述泊车管理信息传输至所述泊车管理平台。所述泊车管理平台用于设置所述泊车管理策略，以及对所述泊车管理信息进行分析。示例地，参见图1a所示，边缘计算设备可以通过路由器连接至互联网，并通过互联网将泊车管理信息上报至云服务器。
30.当然，本技术的其他实现方式中，边缘计算设备也通过自身进行泊车管理，这也在本技术的保护范围内。
31.泊车管理平台可以用于设置泊车管理策略，例如，设置图像采集设备所在位置的泊位的限停时长等。示例地，若确定在某一商场的路边增加泊位，则可以设置用于采集该泊位图像的图像采集设备，并可以建立图像采集设备对应的边缘计算设备和云服务器的通信连接，然后可以通过泊车管理平台设置该泊位对应的泊车管理策略，例如设置其限停时长为15min。
32.可选地，本实施例中，泊车管理平台具体用于对预设地理区域内的所述边缘计算设备上报的所述泊车管理信息进行指标分析，并展示指标分析结果，其中，所述指标包括以下至少之一：泊车次数、泊位数量、违停记录、长时间停留车辆记录、泊位周转率、泊位利用率、泊车潮汐变化。
33.具体地，泊车管理平台可以对预设地理区域内的若干个边缘计算设备上报至云服
务器的泊车管理信息进行处理，并可以通过界面将泊车管理信息及处理结果展示给管理者。
34.云服务器上可以部署有多个云服务。通过云服务可以根据所述泊车管理信息确定所述目标车辆的泊车管理策略，根据所述泊车管理策略对连接至所述云服务器的所述边缘计算设备进行泊车管理。
35.另外，本实施例中，云服务器还可以与物联网平台连接，边缘计算设备或者图像采集设备可以通过物联网平台进行维护。
36.云服务器可以接收某一个地理位置区域，例如某座城市、城市中的某个区内的边缘计算设备上报的泊车管理信息，泊车管理平台可以用于对预设地理区域内的所述边缘计算设备上报的所述泊车管理信息进行指标分析，并展示指标分析结果。指标包括以下至少之一：泊车次数、泊位数量、违停记录、长时间停留车辆记录、泊位周转率、泊位利用率、泊车潮汐变化。通过展示指标分析结果，可以使得管理者获得预设地理区域内泊位的统计信息，从而更好地对泊位对应的泊车管理策略进行调整。
37.参见图1b，示出了一种展示有指标分析结果的界面，界面中央可以包括地理区域的地图，以及泊位在地理区域内的位置；界面左右两侧可以通过多种方式展示有多种指标分析结果，例如通过饼图、条形图、波形图等展示的多种指标分析结果。下面对各个指标进行详细说明。
38.泊车次数是指所有被管理的停车位的停靠累计总次数，其中总次数又分为：正常停靠次数，提醒后离场次数和违停次数。正常停靠是指提醒车主邻近限停时长之前就离场的车辆，提醒后离场是指提醒车主邻近限停时长后离场的车辆次数，违停是指提醒车主超出限停时长后仍然继续停靠的车辆。在界面中可以通过饼图展示正常停靠次数，提醒后离场次数和违停次数的占比。
39.泊位数量是指所有被管理的停车位的数量。还可以包括各个泊位当前的停车状态以及对应的泊位数量。例如泊位被占用、泊位空闲等。在界面中可以通过饼图展示泊位被占用、泊位空闲的占比。
40.违停记录是指在超出限停时长后仍然继续停靠的车辆的记录。在界面中违停记录可以通过表格进行展示。
41.长时间停留车辆记录指在超出限停时长后，继续占用泊位的时长超出预设时长的记录。例如限停时长为15分钟，车辆的停车时长超出限停时长后，继续停车超过2个小时。
42.泊位周转率是指泊位的周转情况。泊位周转率＝泊车次数/(泊位数量*时长)。时长可以为泊位被管理的天数。
43.泊位利用率是指泊位的周转利用。泊位利用率＝泊车总时长/(泊位数量*时长)。同理，时长可以为泊位被管理的天数。
44.泊车潮汐变化是指停车次数随时间的变化。泊车潮汐变化可以通过折线图展示，折线图的横坐标为时长，纵坐标为所有泊位在对应时间的总停车次数。
45.除上述指标外，界面中还可以展示有其他数据，例如泊位所在位置的周边业态，例如学校、餐饮、学校等，还可展示各个业态对应的数量。在界面中可以通过饼图展示周边业态的占比。
46.本实施例提供的方案，通过所述边缘计算设备获取图像采集设备采集的车辆停泊
过程视频流数据；对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据，可以保证获得的信息的完整性，且无需将所有的视频流数据传输至云端，降低了对网络带宽等的要求；并且根据所述图像采集设备的位置，可以确定适用于该位置的泊车管理策略，再根据所述目标车辆的车辆标识信息和所述泊车数据，生成针对目标车辆的泊车管理信息并根据泊车管理信息进行泊车管理，可以根据完整性较高的车辆标识信息和泊车数据对目标车辆进行与停车位置适配的泊车管理。
47.实施例二
48.参见图2a，示出了一种数据处理方法的流程示意图，本实施例提供的方法可应用于泊车管理系统，所述泊车管理系统至少包括图像采集设备和针对所述图像采集设备所采集的图像进行数据处理的边缘计算设备，且所述图像采集设备和所述边缘计算设备为互相独立的设备。
49.如图2a所示，数据处理方法包括：
50.s201、通过所述边缘计算设备获取图像采集设备采集的车辆停泊过程视频流数据。
51.本实施例中，可以通过图像采集设备采集车辆停泊过程的视频流数据，并将视频流数据传输至边缘计算设备。
52.示例的，道路的路边可以设置有泊位以及图像采集设备。
53.参见图2b，示出了一种在双向两车道的路边设置泊位和图像采集装置的示意图，道路的一侧设置有若干个泊位，道路的另一侧设置有立杆，图像采集设备设置在立杆的顶部；图2c示出了另一种在路边设置竖直泊位和图像采集设备的示意图，图2d示出了又一种在路边设置倾斜泊位和图像采集设备的示意图。
54.若车辆停靠完成后再进行抓拍，则由于图像采集装置的采集角度等原因，会出现部分泊位上车辆的车牌无法采集的情况，例如，在图2b示出的泊位中，最左侧泊位停靠的车辆的车牌，可能被其邻近泊位上停靠的车辆遮挡，导致无法采集到车辆的车牌信息；如图2c、图2d所示，车辆停靠后，车头可能面向图像采集设备，若道路中间经过车辆，则停靠的车辆可能会被经过的车辆遮挡，导致无法采集到车辆的车牌信息。
55.而本实施例中，通过后续步骤对视频流数据进行目标车辆的动态跟踪和识别，可以获得目标车辆的车辆标识信息和目标车辆的泊车数据，保证了获得的数据足够详细，并可以据此生成泊车管理信息，来对目标车辆进行准确的泊车管理。
56.示例地，通过对视频流数据进行目标车辆的动态跟踪和识别，可以从视频流中确定出车牌清晰的视频帧，并基于确定出的视频帧进行车牌识别，获得目标车辆的车牌信息，并可以将车牌信息作为车辆标识信息的一部分。
57.s202、对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据。
58.本实施例中，可以在边缘计算装置中部署算法，并通过算法对视频流数据进行目标车辆的动态跟踪和识别。具体的算法内容可参考相关技术，在此不再赘述。
59.本实施例中，通过对所述视频流数据进行目标车辆的动态跟踪和识别，可以在车辆出现在图像采集设备的采集范围内时就开始对车辆进行动态跟踪和识别，直至车辆驶出
图像采集设备的采集范围为止，即使在部分视频帧中车辆被遮挡，也可通过视频流数据中的其他视频帧中的数据进行补充，由此，可以保证根据动态跟踪和识别结果获得的数据足够详细。
60.本实施例中，根据动态跟踪和识别结果，可以获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据。车辆标识信息可以用于标识目标车辆，车辆标识信息可以包括车辆的编号、车辆的车牌号等；泊车数据可以用于表示目标车辆的停泊过程，例如车辆停靠时间、车辆停靠的泊位、车辆驶出的时间等。
61.s203、根据所述图像采集设备的位置、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
62.本实施例中，不同位置的泊位可能对应有不同的泊车管理策略，则根据所述图像采集设备的位置，可以确定适用于该位置的泊车管理策略，再根据所述目标车辆的车辆标识信息和所述泊车数据，可以生成针对目标车辆的且符合对应泊车管理策略的泊车管理信息，从而可以根据泊车管理信息对目标车辆进行管理。
63.示例地，根据目标车辆的泊车数据确定车辆停靠距今3min，则可以根据目标车辆的车辆标识信息，生成针对目标车辆的泊车管理信息为：**车辆于**时间停靠至**位置，已停靠时间为3min。
64.由此，可以根据泊车管理信息对目标车辆进行泊车管理，例如，**位置设置有限停时长，在**车辆的已停靠的时间归等于限停时长时，建议车主将车辆开往附近停车场进行停靠。
65.示例地，根据图像采集设备可以确定该位置的车辆限停时长为15min，则可以根据目标车辆的泊车数据确定车辆已驶出，则可以根据目标车辆的车辆标识信息以及目标车辆的泊车数据，生成针对目标车辆的泊车管理信息为：车辆**于12:11停靠至**位置，于12：23驶出，停靠时长为12min。而**位置设置的限停时长为15min，则可以确定车辆在限停时长内驶出。
66.本实施例提供的方案，通过所述边缘计算设备获取图像采集设备采集的车辆停泊过程视频流数据；对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据，可以保证获得的信息的完整性，且无需将所有的视频流数据传输至云端，降低了对网络带宽等的要求；并且根据所述图像采集设备的位置，可以确定适用于该位置的泊车管理策略，再根据所述目标车辆的车辆标识信息和所述泊车数据，生成针对目标车辆的泊车管理信息并根据泊车管理信息进行泊车管理，可以根据完整性较高的车辆标识信息和泊车数据对目标车辆进行与停车位置适配的泊车管理。
67.实施例三
68.参见图3a，示出了本技术的一种数据处理方法的流程示意图，本实施例提供的方法可应用于泊车管理系统，所述泊车管理系统至少包括图像采集设备和针对所述图像采集设备所采集的图像进行数据处理的边缘计算设备，且所述图像采集设备和所述边缘计算设备为互相独立的设备。
69.如图所示，所述方法包括：
70.s301、通过所述边缘计算设备获取图像采集设备采集的车辆停泊过程视频流数据。
71.本步骤的具体实现方式参考上述实施例中的步骤s201，在此不再赘述。
72.s302、对所述视频流数据中的多个视频帧进行识别，确定所述目标车辆的车辆特征，建立所述目标车辆的车辆特征与所述目标车辆对应的车辆标识信息之间的关联。
73.若确定已存在车辆特征对应的车辆标识信息，可以直接将两者进行关联；若不存在车辆特征对应的车辆标识信息，则可以生成新的车辆标识信息。车辆标识信息中可以包括唯一编码以及车牌号，车牌号可以暂时为空，直至识别出的车牌号后，可以将车牌号加入车辆标识信息中。
74.s303、基于所述车辆标识信息，对多个视频帧中的所述目标车辆进行动态跟踪和识别，根据动态跟踪和识别结果确定所述目标车辆的泊车事件，根据所述泊车事件获得所述目标车辆的泊车数据。
75.本实施例中，当通过对视频流进行动态跟踪和识别，确定视频流中出现一新的车辆时，可以为车辆确定对应的车辆标识信息，例如车辆对应的唯一数字编码等。这样，即使并未确定出车辆的车牌，也可以通过车辆对应的唯一数字编码来标识车辆；若通过后续的视频帧识别出车辆的车牌号，可以直接建立车牌号和车辆对应的唯一数字编码之间的关联，并可以将两者共同作为车辆对应的车辆标识信息。
76.可选地，所述根据动态跟踪和识别结果确定所述目标车辆的泊车事件，包括：根据动态跟踪和识别结果确定所述目标车辆的行车轨迹；将所述目标车辆的行车轨迹与所述视频流数据中的虚拟泊位区域进行几何关系判断，根据判断结果确定所述目标车辆的泊车事件。通过视频流进行动态跟踪和识别，可以确定目标车辆的行车轨迹，通过将所述目标车辆的行车轨迹与所述视频流数据中的虚拟泊位区域进行几何关系判断，可以准确地判断出目标车辆的泊车事件，进而可以对泊车进行更加精细、准确的管理。
77.所述泊车事件可以包括以下至少之一：车辆驶入、车辆驶出、车辆压线、车辆跨位。
78.具体地，视频流数据中可以通过线圈标识出虚拟泊位，则本实施例中，可以将虚拟泊位对应的线圈和目标车辆的行车轨迹进行几何关系判断，若根据判断结果确定目标车辆由于虚拟泊位的线圈相交到行驶且车辆的部分或全部静止在虚拟泊位对应的线圈内，则确定车辆驶入虚拟泊位；或者，若根据判断结果确定车辆静止后部分位于虚拟泊位对应的线圈内，另一部分位于虚拟泊位对应的线圈外，则确定车辆压线；或者，若根据判断结果确定目标车辆从虚拟泊位对应的线圈内行驶出虚拟泊位对应的线圈外，则确定车辆驶出虚拟泊位；若根据判断结果确定目标车辆从一虚拟泊位对应的线圈内行驶至另一虚拟泊位对应的线圈，则确定车辆跨位。
79.可选地，本实施例中，所述根据所述泊车事件获得所述目标车辆的泊车数据，包括：根据所述泊车事件，获得所述泊车事件对应的关键视频帧以及所述关键视频帧的时间戳，并将所述关键视频帧以及所述关键视频帧的时间戳作为所述目标车辆的泊车数据。
80.本实施例中，通过获得关键视频帧的时间戳，可以准确判断泊车时间对应的时间点，通过获得关键视频帧，可以完善车辆泊车过程的证据链，以便后续查证。针对目标车辆的所有泊车事件均获得关键视频帧，即可形成目标车辆泊车过程的完整证据链。
81.s304、根据所述图像采集设备的位置，确定所述图像采集设备的采集区域中的若
干个虚拟泊位区域，并确定若干个所述虚拟泊位区域分别对应的泊位标识信息。
82.本实施例中，可以预先根据图像采集设备的位置，确定其采集区域中的泊位，并可以直接确定泊位在图像采集设备采集的图片中对应的虚拟泊位区域，并可以为每个虚拟泊位区域确定对应的泊位标识信息，泊位标识信息可以作为虚拟泊位区域的唯一标识。
83.s305、根据与所述目标车辆的行驶轨迹存在重叠的虚拟泊位区域对应的泊位标识信息、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
84.本实施例中，针对不同位置的图像采集设备对应的虚拟泊位区域，可以设置不同的泊车管理策略，例如，地铁站、公交站、步行街、综合体等地点的虚拟泊位区域可以设置限停时长为5分钟；公厕、药店、早餐店、超时(便利店)、小吃店等地的虚拟泊位区域可以设置限停时长为15分钟，农贸市场、医院等的虚拟泊位区域可以设置限停时长为30分钟。
85.根据泊位标识信息，可以确定泊位对应的泊车管理策略，并根据泊车管理信息以及泊车管理策略进行泊车管理。
86.在一种实现方式中，边缘计算设备可以将泊位标识信息、目标车辆的车辆标识信息和所述泊车数据生成泊车管理信息，并将泊车管理信息上报至云服务器，云服务器可以根据泊车管理信息中包括的泊位标识信息确定对应的泊车管理策略，并根据泊车管理策略以及泊车数据对车辆标识信息所标识的车辆进行泊车管理。
87.在另一种实现方式中，边缘计算设备内部可以设置有与其连接的图像采集设备对应的泊车管理策略，则所述根据与所述目标车辆的行驶轨迹存在重叠的虚拟泊位区域对应的泊位标识信息、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理，包括：根据与所述目标车辆的行驶轨迹存在重叠的虚拟泊位区域对应的泊位标识信息，确定对应的泊车管理策略；根据所述泊车管理策略、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
88.具体地，进行泊车管理时，可以通过短信等方式向车主发送提示信息，以提示其停车位置、已停车时长、还有多长时间就会超出限停时长等。具体地，可以在停车时长邻近限停时长，例如还差5min时发信息提醒车主及时将车辆驶出；还可以在停车时长超出限停时长，例如超出2min时，发信息提供车主已超出限停时长，建议将车辆停至附近的停车场，并可以提供附近的停车场名称、地址等。
89.具体地，所述泊车管理策略包括：若泊车时长超出限停时长，则确定车辆违停，所述根据所述泊车管理策略、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理，包括：若根据所述目标车辆的泊车数据，确定所述目标车辆的泊车时长超出所述预设泊车时长，则确定所述目标车辆违停，并将所述目标车辆的车辆标识信息和所述泊车数据上报至云服务器，以使所述云服务器确定与所述目标车辆的距离小于预设距离且具有可泊车位的泊车区，并根据确定的泊车区生成针对所述目标车辆的车位调度信息。
90.示例的，若边缘计算设备确定某一车辆的泊车时长超出所述限停时长，则可以将该车辆所停泊位的泊位标识信息上报至云服务器，云服务器可以通过内置的调度算法以及实施维护的停车数据，确定与所述目标车辆的距离小于预设距离且具有可泊车位的泊车
区，并根据确定的泊车区生成针对所述目标车辆的车位调度信息。
91.具体地，云服务器可对接至导航应用，并可以通过导航应用向车主提供车位调度信息对应的导航服务。
92.参见图3b，示出了一种通过边缘计算设备进行动态追踪和识别的流程示意图。
93.针对视频流数据，间隔预设帧数取一视频帧，例如每隔5个取一视频帧，然后可以将视频帧进行格式转换，例如将数据转换为bgr格式；转换格式后可以将视频帧进行预处理，并将预处理后的视频帧转换为神经网络模型的输入格式，并输入至车辆检测模型。
94.车辆检测模型可以输出从视频帧中识别出的车辆抠图，以及从视频帧中识别出的车辆特征。
95.若车辆检测模型输出的车辆抠图，可以确定能够识别车牌，则可以将车辆抠图进行预处理及格式转换后，输入至车牌检测模型。
96.车牌检测模型可以输出车牌抠图，以及车牌抠图中的车牌关键点。之后可以基于车牌关键点对车牌抠图进行变形，例如将车牌抠图拉伸为矩形，使得车牌在车牌抠图中呈横向展示。变形后的车牌抠图可以输入至车牌识别模型中，车牌识别模型中可以输出识别出的车牌号。
97.通过车辆检测模型输出的车辆特征，可以确定视频帧中的车辆对应的车辆标识信息。若确定已存在车辆特征对应的车辆标识信息，可以直接将两者进行关联；若不存在车辆特征对应的车辆标识信息，则可以生成新的车辆标识信息。车辆标识信息中可以包括唯一编码以及车牌号，车牌号可以暂时为空，直至车牌识别模型输出识别出的车牌号后，逻辑判断模块可以将车牌号加入车辆标识信息中。
98.可以将车辆标识信息叠加至视频帧中，并将叠加车辆标识信息后的视频帧输入至逻辑判断模块。
99.逻辑判断模块可以获得多个视频帧，各个视频帧中可以标注有车辆识别信息，使得逻辑判断模块可以基于视频帧的先后顺序，对具有同样车辆标识信息的车辆进行动态跟踪和识别，获得车辆的行驶轨迹。
100.另外，视频帧中可以直接通过红色或绿色的线圈标注有虚拟泊位区域，且逻辑判断模块中可以预先设置有泊车事件的判断逻辑。由此，逻辑判断模块可以将车辆的行驶轨迹与虚拟泊位区域进行几何关系判断，确定出车辆的泊车事件。确定泊车事件后，可以保存关键视频帧以及所述关键视频帧的时间戳作为所述目标车辆的泊车数据。
101.若逻辑判断模块中内置有泊车管理逻辑，例如各个泊位的限停时长，则逻辑判断模块可以根据泊位标识信息确定对应的泊车管理策略，根据所述泊车管理策略、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
102.例如，边缘计算设备可以连接一led屏幕，并可以通过led屏幕显示车辆的已停车时长以及还差多长时间到达限停时长，从而使得车主可以及时获得相关信息。
103.本实施例提供的方案，通过所述边缘计算设备获取图像采集设备采集的车辆停泊过程视频流数据；对所述视频流数据进行目标车辆的动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据，可以保证获得的信息的完整性，且无需将所有的视频流数据传输至云端，降低了对网络带宽等的要求；并且
根据所述图像采集设备的位置，可以确定适用于该位置的泊车管理策略，再根据所述目标车辆的车辆标识信息和所述泊车数据，生成针对目标车辆的泊车管理信息并根据泊车管理信息进行泊车管理，可以根据完整性较高的车辆标识信息和泊车数据对目标车辆进行与停车位置适配的泊车管理。
104.实施例四
105.参见图4，示出了本技术的一种数据处理装置的结构示意图，应用于边缘计算设备，边缘计算设备属于泊车管理系统，泊车管理系统还包括图像采集设备，且所述图像采集设备和所述边缘计算设备为互相独立的设备，如图所示，其包括：
106.获取模块401，用于获取图像采集设备采集的车辆停泊过程视频流数据；
107.识别模块402，用于对所述视频流数据进行目标车辆动态跟踪和识别，根据动态跟踪和识别结果，获得所述目标车辆的车辆标识信息和所述目标车辆的泊车数据；
108.管理模块403，用于根据所述图像采集设备的位置、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
109.可选地，所述识别模块具体用于对所述视频流数据中的多个视频帧进行识别，确定所述目标车辆的车辆特征，建立所述目标车辆的车辆特征与所述目标车辆对应的车辆标识信息之间的关联；基于所述车辆标识信息，对多个视频帧中的所述目标车辆进行动态跟踪和识别，根据动态跟踪和识别结果确定所述目标车辆的泊车事件，根据所述泊车事件获得所述目标车辆的泊车数据。
110.可选地，所述识别模块具体用于根据动态跟踪和识别结果确定所述目标车辆的行车轨迹；将所述目标车辆的行车轨迹与所述视频流数据中的虚拟泊位区域进行几何关系判断，根据判断结果确定所述目标车辆的泊车事件。
111.可选地，所述识别模块具体用于根据所述泊车事件，获得所述泊车事件对应的关键视频帧以及所述关键视频帧的时间戳，并将所述关键视频帧以及所述关键视频帧的时间戳作为所述目标车辆的泊车数据。
112.可选地，所述泊车事件包括以下至少之一：车辆驶入、车辆驶出、车辆压线、车辆跨位。
113.可选地，所述管理模块具体用于根据所述图像采集设备的位置，确定所述图像采集设备的采集区域中的若干个虚拟泊位区域，并确定若干个所述虚拟泊位区域分别对应的泊位标识信息；根据与所述目标车辆的行驶轨迹存在重叠的虚拟泊位区域对应的泊位标识信息、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
114.可选地，所述管理模块具体用于根据与所述目标车辆的行驶轨迹存在重叠的虚拟泊位区域对应的泊位标识信息，确定对应的泊车管理策略；根据所述泊车管理策略、所述目标车辆的车辆标识信息和所述泊车数据，为所述目标车辆生成泊车管理信息，以根据所述泊车管理信息对所述目标车辆进行泊车管理。
115.可选地，所述泊车管理策略包括：若泊车时长超出预设泊车时长阈值则确定车辆违停，所述管理模块具体用于若根据所述目标车辆的泊车数据，确定所述目标车辆的泊车时长超出所述预设泊车时长，则确定所述目标车辆违停，并将所述目标车辆的车辆标识信
息和所述泊车数据上报至云服务器，以使所述云服务器确定与所述目标车辆的距离小于预设距离且具有可泊车位的泊车区，并根据确定的泊车区生成针对所述目标车辆的车位调度信息。
116.本实施例的数据处理装置用于实现前述多个方法实施例中相应的数据处理方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的数据处理装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
117.实施例五
118.参照图5，示出了根据本技术实施例五的一种电子设备的结构示意图，本技术具体实施例并不对电子设备的具体实现做限定。
119.如图5所示，该电子设备可以包括：处理器(processor)502、通信接口(communications interface)504、存储器(memory)506、以及通信总线508。
120.其中：
121.处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
122.通信接口504，用于与其它电子设备或服务器进行通信。
123.处理器502，用于执行程序510，具体可以执行上述数据处理方法实施例中的相关步骤。
124.具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
125.处理器502可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本技术实施例的一个或多个集成电路。智能设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
126.存储器506，用于存放程序510。存储器506可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
127.程序510中各步骤的具体实现可以参见上述数据处理方法实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
128.本技术另一实施例提供一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的数据处理方法。
129.需要指出，根据实施的需要，可将本技术实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本技术实施例的目的。
130.上述根据本技术实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如cd rom、ram、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如asic或fpga)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，ram、rom、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现
在此描述的数据处理方法。此外，当通用计算机访问用于实现在此示出的数据处理方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的数据处理方法的专用计算机。
131.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术实施例的范围。
132.以上实施方式仅用于说明本技术实施例，而并非对本技术实施例的限制，有关技术领域的普通技术人员，在不脱离本技术实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本技术实施例的范畴，本技术实施例的专利保护范围应由权利要求限定。