一种车位监控管理方法及系统
技术领域
本申请涉及人工智能及智能驾驶领域，具体涉及一种车位监控管理方法及系统。
背景技术
目前大型公共场所及商场的绝大部分停车场，仅向待泊车的车主通知停车场内的剩余车位的个数，而不能根据待泊车辆的车型及车主需求向车主进行车位推荐供车主选择。因此，车主在辗转寻找车位的过程中可能需耗费较多时间。尤其对于驾驶技术尚不成熟的车主而言，复杂的停车场环境容易对其造成停车压力。另外，当车主在复杂的公共交通路段上进行泊车时，还可能因为泊车耗时较长而导致交通拥堵，甚至发生交通事故。
发明内容
针对现有技术中的问题，本申请提供一种车位监控管理方法及系统，能够帮助车主尽快找到适合泊车的车位，便利大型停车场的安全管理。
为了解决上述问题中的至少一个，本申请提供以下技术方案：
第一方面，本申请提供一种车位监控管理方法，包括：
获取车辆原始图像，并根据所述车辆原始图像获取车主信息；所述车主信息包括：车辆型号、车主驾龄及车主历史驾驶记录中的至少一种；
根据所述车主信息及当前各剩余车位所对应的车位类型及车位编号向车主推荐多个剩余车位；
根据车主选择的剩余车位向车主发送对应的位置导航地图。
进一步地，所述根据所述车辆原始图像获取车主信息包括：
对所述车辆原始图像进行识别，得到所述车辆原始图像对应的车牌号码；
根据所述车牌号码获取所述车主信息。
进一步地，所述对所述车辆原始图像进行识别包括：
利用预先训练得到的车辆检测模型对获取到的所述车辆原始图像进行处理，得到车辆高清图像；
将所述车辆高清图像输入预先训练得到的车牌检测模型，得到车牌高清图像；
将所述车牌高清图像输入预先训练得到的车牌识别模型，得到所述车辆原始图像对应的车牌号码。
进一步地，对所述车辆检测模型进行训练的步骤包括：
获取车辆图像样本库中的车辆图像原始样本；
将所述车辆图像原始样本输入YOLOv2网络模型进行训练，得到所述车辆检测模型。
进一步地，对所述车牌检测模型进行训练的步骤包括：
将所述车辆图像原始样本进行随机分组；
利用缩放因子调整各所述车辆图像原始样本的车辆检测框与图像边界框之间的比例，得到车辆图像高清样本；
按组将所述车辆图像高清样本输入至WPOD网络模型进行训练，得到车牌检测模型。
进一步地，对所述车牌识别模型进行训练的步骤包括：
利用初始数据训练集对FAST-YOLO网络模型进行训练，得到车牌识别初始模型；
利用预先训练得到的车牌检测模型对车辆图像高清样本进行处理，得到车牌高清样本；
对所述车牌高清样本进行标注；
将标注后的所述车牌图像高清样本输入所述车牌识别初始模型进行训练，得到所述车牌识别模型。
进一步地，所述的车位监控管理方法还包括：
当所述车主为多个时，识别当前车主；
根据识别的所述当前车主获取对应的所述车主信息。
进一步地，所述的车位监控管理方法还包括：
若向所述车主推荐的所述剩余车位不能满足所述车主的需求时，根据不满足的原因重新向车主推荐多个所述剩余车位。
第二方面，本申请提供一种车位监控管理系统，包括：
获取单元，用于获取车辆原始图像，并根据所述车辆原始图像获取车主信息；
推荐单元，用于根据所述车主信息及当前各剩余车位所对应的车位类型及车位编号向车主推荐多个剩余车位；
发送单元，用于根据车主选择的剩余车位向车主发送对应的位置导航地图。
进一步地，所述获取单元包括：
识别模块，用于对所述车辆原始图像进行识别，得到所述车辆原始图像对应的车牌号码；
获取模块，用于根据所述车牌号码获取所述车主信息。
进一步地，所述识别模块包括：
车辆检测子模块，用于利用预先训练得到的车辆检测模型对获取到的所述车辆原始图像进行处理，得到车辆高清图像；
车牌检测子模块，用于将所述车辆高清图像输入预先训练得到的车牌检测模型，得到车牌高清图像；
车牌识别子模块，用于将所述车牌高清图像输入预先训练得到的车牌识别模型，得到所述车辆原始图像对应的车牌号码。
进一步地，所述的车位监控管理系统还包括：
样本获取单元，用于获取车辆图像样本库中的车辆图像原始样本；
训练单元，用于将所述车辆图像原始样本输入YOLOv2网络模型进行训练，得到所述车辆检测模型。
进一步地，所述的车位监控管理系统还包括：
分组单元，用于将所述车辆图像原始样本进行随机分组；
缩放单元，用于利用缩放因子调整各所述车辆图像原始样本的车辆检测框与图像边界框之间的比例，得到车辆图像高清样本；
所述训练单元，还用于按组将所述车辆图像高清样本输入至WPOD网络模型进行训练，得到车牌检测模型。
进一步地，所述的车位监控管理系统还包括：
所述训练单元，还用于利用初始数据训练集对FAST-YOLO网络模型进行训练，得到车牌识别初始模型；
处理单元，用于利用预先训练得到的车牌检测模型对车辆图像高清样本进行处理，得到车牌高清样本；
标注单元，用于对所述车牌高清样本进行标注；
所述训练单元，还用于将标注后的所述车牌图像高清样本输入所述车牌识别初始模型进行训练，得到所述车牌识别模型。
进一步地，所述的车位监控管理系统还包括：
识别单元，当车辆车主为多个时，识别当前车主；
所述获取单元，还用于根据识别的所述当前车主获取对应的所述车主信息。
进一步地，所述的车位监控管理系统还包括：若向所述车主推荐的所述剩余车位不能满足所述车主的需求时，所述推荐单元，还用于根据不满足的原因重新向车主推荐多个所述剩余车位。
第三方面，本申请提供一种电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述车位监控管理方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述车位监控管理方法的步骤。
由上述技术方案可知，本申请提供一种车位监控管理方法及系统，通过对待泊车辆的车牌号进行识别以获取车主信息，并根据车主信息向车主推荐备选车位，能够帮助车主尽快找到适合泊车的车位，充分缓解公共场所泊车不便的问题，便利大型停车场的安全管理。
附图说明
为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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。
图1为本申请实施例中车位监控管理方法的总流程图之一；
图2为本申请实施例中根据车辆原始图像获取车主信息的流程图；
图3为本申请实施例中对车辆原始图像进行识别的流程图；
图4为本申请实施例中对车辆检测模型进行训练的步骤流程图；
图5为本申请实施例中对车牌检测模型进行训练的步骤流程图；
图6为本申请实施例中对车牌识别模型进行训练的步骤流程图；
图7为本申请实施例中车位监控管理方法的总流程图之二；
图8为本申请实施例中车位监控管理系统的总结构图之一；
图9为本申请实施例中获取单元的结构图；
图10为本申请实施例中识别模块的结构图；
图11为本申请实施例中车位监控管理系统的总结构图之二；
图12为本申请实施例中车位监控管理系统的总结构图之三；
图13为本申请实施例中车位监控管理系统的总结构图之四；
图14为本申请实施例中训练单元的结构图；
图15为本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，为了能够帮助车主尽快找到适合泊车的车位，充分缓解公共场所泊车不便的问题，便利大型停车场的安全管理，本申请提供一种车位监控管理方法，包括：
S101：获取车辆原始图像，并根据车辆原始图像获取车主信息。
可以理解的是，当待泊车辆到达停车场入口时，位于停车场入口处的摄像装置能够通过拍照等方式获取到车辆原始图像，所谓车辆原始图像即是待泊车辆的整体外观图像。后续会根据车辆原始图像完成对待泊车辆车牌号码的识别，进而获取到与待泊车辆对应的车主信息。这些车主信息可以包括：车辆型号、车主驾龄及车主历史驾驶记录中的至少一种，还可以包括：车主身份标识、车主性别及其他能够为车位推荐提供依据的信息。
S102：根据车主信息及当前各剩余车位所对应的车位类型及车位编号向车主推荐多个剩余车位。
可以理解的是，对于公共场所的大型停车场而言，其车位周边的情况可能非常复杂，存在车位斜向设置及弧向设置的可能。此外，有些车位可能位于停车场内的某个角落，又或者车位本身虽然空闲可用，但其周边已泊满车辆，待泊车辆不便进入车位泊车。因此，可以首先根据车位周边环境对车位类型进行划分，划分车位时需考虑泊车难度，还需考虑车位是否方便身体条件受限的人士(例如残障人士)去使用等。另外，停车场内每个车位都有自己对应的编号，车位编号可在后续车位推荐的过程中起到标识作用。因此，在掌握了当前各剩余车位所对应的车位类型后，车位监控管理系统可以根据车主信息和当前各剩余车位所对应的车位类型及车位编号有针对性地向车主推荐剩余车位。被推荐的剩余车位可以有多个，车主可以根据自己的喜好在所推荐的多个剩余车位中进行选择。
S103：根据车主选择的剩余车位向车主发送对应的位置导航地图。
可以理解的是，当车主选定某剩余车位后，车位监控管理系统可以向车主发送其选定的剩余车位的位置导航地图，以便车主可以更加迅速地到达其选定的车位。发送位置导航地图的过程可参见现有技术。
从上述描述可知，本申请提供一种车位监控管理方法，通过对待泊车辆的车牌号进行识别以获取车主信息，并根据车主信息向车主推荐备选车位，能够帮助车主尽快找到适合泊车的车位，充分缓解公共场所泊车不便的问题，便利大型停车场的安全管理。
参见图2，为了获取车主信息，以便后续进行更有针对性的剩余车位推荐，在本申请提供的车位监控管理方法中，根据车辆原始图像获取车主信息包括：
S201：对车辆原始图像进行识别，得到车辆原始图像对应的车牌号码。
可以理解的是，车辆经过停车场的入口处时，摄像装置可以捕捉到待泊车辆的车辆原始图像。这些车辆原始图像可能并不非常清晰，背景噪声较多。如果直接利用这些车辆原始图像进行车牌号码识别，则极容易产生错误的识别结果，影响剩余车位推荐效果。因此，在进行车牌号码识别之前，需对车辆原始图像进行处理，使其变得清晰，并有意突出车牌部位，具体处理方法详见下文描述。车辆原始图像经过处理后，可以通过本申请所述的实施例中特定的识别方法，利用本申请所述的实施例中特定的识别模型，识别出车辆原始图像对应的车牌号码。具体的识别方法详见下文描述。
S202：根据车牌号码获取车主信息。
可以理解的是，多数情况下，一个车牌号码对应一个车主。车位监控管理系统可以根据所述车牌号码获取车主信息。具体的获取方式可以包括：
1)与车辆管理所进行对接，由车辆管理所提供当前车牌号码所对应的车主信息。
2)开发车位监控管理系统专用的应用程序，待泊车辆的车主可以登录应用程序，在线填写相关的车主信息。
从上述描述可知，本申请提供的车位监控管理方法，通过对车辆原始图像进行一系列处理，最终进行识别，能够得到车辆原始图像对应的车牌号码，再根据车牌号码能够通过不同渠道获取车主信息。
参见图3，为了最终得到车辆原始图像对应的车牌号码，在本申请提供的车位监控管理方法中，对车辆原始图像进行识别包括：
S301：利用预先训练得到的车辆检测模型对获取到的车辆原始图像进行处理，得到车辆高清图像。
可以理解的是，由于车辆原始图像可能并不十分清晰，且由于拍摄环境的限制，车辆原始图像中车辆四周可能出现其他与车牌识别无关的景物，这些都会对识别过程造成干扰，影响最终的识别效果。因此，需要对车辆原始图像进行清晰化处理得到车辆高清图像后，方能进行后续的车牌识别步骤。为了适应本申请所述的实施例中对车辆原始图像进行处理的需求，车辆检测模型需要经过预先训练。当车辆检测模型训练好后，可以将车辆原始图像输入进预先训练得到的车辆检测模型，经过模型处理后输出的图像即为车辆高清图像。车辆高清图像即是去除了车辆主体周边噪声的干净清晰的待泊车辆图像。通过这样的图像，车位监控管理系统可以获知车辆类型(车辆大小)等车主信息，以推进后续的剩余车位推荐步骤。
S302：将车辆高清图像输入预先训练得到的车牌检测模型，得到车牌高清图像。
可以理解的是，车辆高清图像虽然干净清晰，但车辆高清图像中绝大部分内容仍然是车辆外观，尚不能突出车牌这一关键内容，无法直接利用车辆高清图像对车牌号码进行识别。因此，我们需将车辆高清图像中车体部分的内容去除，单纯留下车牌内容，获得车牌高清图像，方能推进后续的车牌识别步骤。为了得到车牌高清图像，需使用车牌检测模型，车牌检测模型也是经过预先训练后得到的。当车牌检测模型训练好后，可以将车辆高清图像输入进预先训练得到的车牌检测模型，经过模型处理后输出的图像即为车牌高清图像。在车牌高清图像中，唯一存在的内容就是车牌，因此车牌号码可以得到充分清晰地显现。
S303：将车牌高清图像输入预先训练得到的车牌识别模型，得到车辆原始图像对应的车牌号码。
可以理解的是，车牌高清图像中可能包含汉字、英文字母及数字，车牌识别模型也是经过预先训练得到的。将车牌高清图像输入预先训练得到的车牌识别模型，输出的即是车辆原始图像对应的车牌号码。
从上述描述可知，本申请提供的车位监控管理方法，利用预先得到的训练车辆检测模型、车牌检测模型及车牌识别模型，可以依次完成对车辆原始图像的处理、对车辆高清图像的处理及对车牌号码的识别，为后续的剩余车位推荐提供基础。
参见图4，为了完成对车辆原始图像的处理，需预先训练车辆检测模型，对车辆检测模型进行训练的步骤包括：
S401：获取车辆图像样本库中的车辆图像原始样本；
可以理解的是，车辆图像样本库中存有数量众多的车辆图像原始样本，这些车辆图像原始样本可以为带有车辆周边环境等背景噪声的图像样本。有些样本甚至并不十分清晰。样本的多样化可为车辆检测模型的训练提供更优的训练基础。
S402：将车辆图像原始样本输入YOLOv2网络模型进行训练，得到车辆检测模型。
可以理解的是，有了车辆图像原始样本，即可将其输入进YOLOv2网络模型展开训练，得到车辆检测模型。具体的训练算法可以参考YOLOv2网络模型相关的现有技术。训练好后的车辆检测模型可以对车辆原始图像进行处理，得到车辆高清图像。
从上述描述可知，本申请提供的车位监控管理方法，利用车辆图像原始样本及YOLOv2网络模型，能够完成训练并最终得到车辆检测模型，以便在实际应用过程中对车辆原始图像进行处理，得到车辆高清图像。
参见图5，为了完成对车辆高清图像的处理，得到车牌高清图像，需预先训练车牌检测模型，对车牌检测模型进行训练的步骤包括：
S501：将车辆图像原始样本进行随机分组；
可以理解的是，在进行车牌检测模型训练时，车辆图像原始样本被随机分组，每组所包含的样本数量可以不同，样本内容也进行了随机分散。这样可以更大限度地体现样本的多样性，丰富训练基础。
S502：利用缩放因子调整各车辆图像原始样本的车辆检测框与图像边界框之间的比例，得到车辆图像高清样本；
可以理解的是，设图像边界框为车辆图像原始样本的外边界线框，通常为一矩形线框；车辆检测框为仅包含车辆本身最外侧轮廓的线框，通常为另一矩形线框。图像边界框的大小一般大于车辆检测框的大小。显然，车辆检测框的大小与图像边界框的大小越接近，说明车辆本身越能填充占据整个车辆图像原始样本空间，也就越发清楚，越发易于对车辆检测模型进行训练。
因此，本申请所述的实施例引入缩放因子这一概念，利用缩放因子提高各车辆图像原始样本的车辆检测框与图像边界框之间的比例，从而得到车辆图像高清样本。本申请所述实施例中的缩放因子fsw是经过改良的，即：
其中，Wv及Hv分别表示车辆检测框的宽度值及高度值，Dmax及Dmin根据经验分别设为608及288，以上各参数的统计单位均为像素点数。
S503：按组将车辆图像原始样本输入至WPOD网络模型进行训练，得到车牌检测模型。
可以理解的是，由于欲训练的模型为针对车牌的检测模型，因此在将车辆图像原始样本输入至WPOD网络模型进行训练前，还需对车辆图像原始样本的车牌部分进行标记突出，以便WPOD网络模型可以获知其需要进行深度学习的方面在于车牌。本实施例中将WPOD网络模型的学习率设定为0.001，特征通道个数设定为8通道，卷积核的大小设定为3×3。
从上述描述可知，本申请提供的车位监控管理方法，将车辆图像原始样本输入至WPOD网络模型进行训练，能够得到车牌检测模型。
参见图6，为了完成对车牌号码的识别，需首先对车牌识别模型进行训练，对车牌识别模型进行训练的步骤包括：
S601：利用初始数据训练集对FAST-YOLO网络模型进行训练，得到车牌识别初始模型。
可以理解的是，初始数据训练集可以为ImageNet 1000类数据集，其中包含有数量众多的车辆图像样本。将这些车辆图像样本输入FAST-YOLO网络模型进行训练，可以完成对FAST-YOLO网络模型前20个卷积层、1个Average池化层及1个全连接层的训练，从而实现对FAST-YOLO网络模型的参数初始化。
S602：利用预先训练得到的车牌检测模型对车辆图像高清样本进行处理，得到车牌高清样本。
可以理解的是，在车牌检测模型训练完成后，即可投入使用，完成对车辆图像高清样本的处理。将车辆图像高清样本输入车牌检测模型，即可得到清晰的车牌高清样本。
S603：对车辆图像高清样本进行标注。
可以理解的是，本申请所述的实施例可以采用VOC 20类标注方法对车辆图像高清样本中的车牌号码进行标注。也就是预先获知各个车辆图像高清样本所对应的车牌号码，以便在后续的训练过程中进行比对，提高模型的训练效果。
S604：将标注后的所述车牌图像高清样本输入所述车牌识别初始模型进行训练，得到所述车牌识别模型。
可以理解的是，将标注后的车牌图像高清样本输入车牌识别初始模型进行训练，可以得到所述车牌识别模型。训练基础为经过S601步骤中完成参数初始化的FAST-YOLO网络模型。
从上述描述可知，本申请提供的车位监控管理方法，能够利用初始数据训练集及车牌图像高清样本，完成对车牌识别模型的训练。
参见图7，由于同一车辆所对应的车主未必只有一位，因此车辆车位监控管理方法还包括：
S701：当车辆所对应的车主为多个时，识别当前车主；
可以理解的是，由于车辆车位监控管理系统可以通过应用程序的方式提供给车主，因此，当车辆所对应的车主为多个时，车辆车位监控管理系统可以通过应用程序的界面向当前驾驶这辆车的车主显示该车辆所对应的可能的多个车主。这些可能的车主是历史上曾经驾驶过这辆车的人，这些历史信息同样可以通过安装在应用程序上的车辆车位监控管理系统预先获得。当驾驶这辆车的当前车主看到应用程序显示的多个车主时，当前车主可以选择其中一个车主，并通过该应用程序，告知车辆车位监控管理系统。
S702：根据识别的当前车主获取对应的车主信息。
可以理解的是，当选定了当前车主后，车辆车位监控管理系统则可以利用如步骤S202的方法去获取对应的车主信息了。
从上述描述可知，本申请提供的车位监控管理方法，在同一车辆对应多个车主的情况下，仍然能够根据人机交互的结果，获取当前驾车的车主所对应的车主信息，便利剩余车位的推荐。
一实施例中，若向车主推荐的剩余车位不能满足车主需求时，根据不满足原因重新向车主推荐多个剩余车位。
可以理解的是，有时车主可能因为个人原因对车位监控管理系统所为其推荐的剩余车位并不满意，这时车主可以拒绝所有推荐给其的剩余车位，要求车位监控管理系统重新为其推荐车位。在这种情况下，车主可以通过应用程序点击按键，要求车位监控管理系统重新为其进行剩余车位推荐。且为了在再一次推荐时能取得更令车主满意的推荐结果，车主可以通过应用程序告知车位监控管理系统自己对推荐车位不满意的原因。
从上述描述可知，本申请提供的车位监控管理方法，能够根据车主提供的不满意原因，重新为其推荐剩余车位。
基于同一发明构思，本申请实施例还提供了一种车位监控管理系统，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于车位监控管理系统解决问题的原理与车位监控管理方法相似，因此车位监控管理系统的实施可以参见基于软件性能基准确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
参见图8，为了能够帮助车主尽快找到适合泊车的车位，充分缓解公共场所泊车不便的问题，便利大型停车场的安全管理，本申请提供一种车位监控管理系统，包括获取单元801、推荐单元802及发送单元803。
获取单元801，用于获取车辆原始图像，并根据所述车辆原始图像获取车主信息；
推荐单元802，用于根据所述车主信息及当前各剩余车位所对应的车位类型及车位编号向车主推荐多个剩余车位；
发送单元803，用于根据车主选择的剩余车位向车主发送对应的位置导航地图。
从上述描述可知，本申请提供一种车位监控管理系统，通过对待泊车辆的车牌号进行识别以获取车主信息，并根据车主信息向车主推荐备选车位，能够帮助车主尽快找到适合泊车的车位，充分缓解公共场所泊车不便的问题，便利大型停车场的安全管理。
参见图9，所述获取单元801包括识别模块901及获取模块902。
识别模块901，用于对所述车辆原始图像进行识别，得到所述车辆原始图像对应的车牌号码；
获取模块902，用于根据所述车牌号码获取所述车主信息。
参见图10，所述识别模块包括：车辆检测子模块1001、车牌检测子模块1002及车牌识别子模块1003。
车辆检测子模块1001，用于利用预先训练得到的车辆检测模型对获取到的所述车辆原始图像进行处理，得到车辆高清图像；
车牌检测子模块1002，用于将所述车辆高清图像输入预先训练得到的车牌检测模型，得到车牌高清图像；
车牌识别子模块1003，用于将所述车牌高清图像输入预先训练得到的车牌识别模型，得到所述车辆原始图像对应的车牌号码。
参见图11，所述的车位监控管理系统还包括：样本获取单元1101及训练单元1102。
样本获取单元1101，用于获取车辆图像样本库中的车辆图像原始样本；
训练单元1102，用于将所述车辆图像原始样本输入YOLOv2网络模型进行训练，得到所述车辆检测模型。
参见图12，所述的车位监控管理系统还包括分组单元1201、缩放单元1202及所述训练单元1102。
分组单元1201，用于将所述车辆图像原始样本进行随机分组；
缩放单元1202，用于利用缩放因子调整各所述车辆图像原始样本的车辆检测框与图像边界框之间的比例，得到车辆图像高清样本；
所述训练单元1102，还用于按组将所述车辆图像高清样本输入至WPOD网络模型进行训练，得到车牌检测模型。
参见图13，所述的车位监控管理系统还包括：所述训练单元1102、处理单元1302及标注单元1303。
所述训练单元1102，还用于利用初始数据训练集对FAST-YOLO网络模型进行训练，得到车牌识别初始模型；
处理单元1302，用于利用预先训练得到的车牌检测模型对车辆图像高清样本进行处理，得到车牌高清样本；
标注单元1303，用于对所述车牌高清样本进行标注；
所述训练单元1102，还用于将标注后的所述车牌图像高清样本输入所述车牌识别初始模型进行训练，得到所述车牌识别模型。
参见图14，所述的车位监控管理系统还包括识别单元1401及所述获取单元801：
识别单元1401，当车辆车主为多个时，用于识别当前车主；
所述获取单元801，还用于根据识别的所述当前车主获取对应的所述车主信息。
车位监控管理系统还包括：若向车主推荐的剩余车位不能满足车主需求时，所述推荐单元802，还具体用于根据不满足原因重新向车主推荐多个剩余车位。
从硬件层面来说，为了能够为客户提供定制化分布式图像识别服务，提升图像识别效果，优化客户的图像识别体验，本申请提供一种用于实现所述车位监控管理方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
处理器(Processor)、存储器(Memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现所述车位监控管理系统与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的车位监控管理方法的实施例，以及车位监控管理系统的实施例进行实施，其内容被合并于此，重复之处不再赘述。
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，车位监控管理方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
图15为本申请实施例的电子设备9600的系统构成的示意框图。如图15所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图15是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，车位监控管理方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
S101：获取车辆原始图像，并根据所述车辆原始图像获取车主信息；
S102：根据所述车主信息及当前各剩余车位所对应的车位类型及车位编号向车主推荐多个剩余车位；
S103：根据车主选择的剩余车位向车主发送对应的位置导航地图。
从上述描述可知，本申请提供一种车位监控管理方法，通过对待泊车辆的车牌号进行识别，获取车主信息，并根据车主信息向车主推荐备选车位，能够帮助车主尽快找到适合泊车的车位，充分缓解公共场所泊车不便的问题，便利大型停车场的安全管理。
在另一个实施方式中，车位监控管理系统可以与中央处理器9100分开配置，例如可以将车位监控管理系统配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现车位监控管理方法的功能。
如图15所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图15中所示的所有部件；此外，电子设备9600还可以包括图15中没有示出的部件，可以参考现有技术。
如图15所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的车位监控管理方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的车位监控管理方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S101：获取车辆原始图像，并根据所述车辆原始图像获取车主信息；
S102：根据所述车主信息及当前各剩余车位所对应的车位类型及车位编号向车主推荐多个剩余车位；
S103：根据车主选择的剩余车位向车主发送对应的位置导航地图。
从上述描述可知，本申请提供一种车位监控管理方法，通过对待泊车辆的车牌号进行识别，获取车主信息，并根据车主信息向车主推荐备选车位，能够帮助车主尽快找到适合泊车的车位，充分缓解公共场所泊车不便的问题，便利大型停车场的安全管理。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
