本发明涉及车辆停放区域越界识别、检测领域，特别是涉及一种停车区域识别系统及方法、检测系统及方法、安防系统。
背景技术：
随着车辆数量越来越多，车辆的停放问题也日益显著，为了城市美观、管理方便，需要将车辆停放在规范区域内，规范区域是相关部门划定的允许停车区域，超过区域会对公共交通带来干扰，规范区域的划定是引导市民合理规范停车。然而，尤其是高峰时期的热点区域会造成车辆堆积、乱停放或者不将车辆停放在指定区域，影响市容的同时给公共出行带来干扰。
基于此，需要采用停车区域视频安防系统(即为停车区域安防系统)通过人工智能算法识别车辆信息与行人行为，及时将所监控的区域物体状态信息反馈给监管和运维部门，以便于快速处理区域车辆乱序对公共场所出行的影响，其中，越界检测是判定安防系统识别的物体位置是否落在规范区域内的一项检查项目，如果识别出来的被监控物体位置超出了规范区域，会触发系统告警事件。停车区域安防系统是基于智能视觉的物体识别检测系统，依赖于摄像头的信号感知。停车区域和摄像头位置及摄像头的视角影响着规范区域坐标位置在计算机系统里的坐标位置。一般地，可能要求摄像头视角与停车区域存在某种固定关系，或者会测量摄像头视角与规范区域相关参数输入到系统中，便于相应的坐标系计算。然而实际上，停车区域的情况是千变万化，摄像头实际安装位置也因地制宜，且检测的准确率较低，传统的基于视觉的方法，其图像处理算法复杂度高，运算量大，因此成本高，不适合大范围的停车区域越界的检测应用。
技术实现要素：
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是现有停车区域的识别过程中每个停车区域越界区域可能不一致引发的问题，旨在提供一种一致性地，能够减少制约条件，同时提高操作上的智能化的停车区域识别系统及方法、检测系统及方法、安防系统。
为实现上述目的，本发明提供了一种停车区域识别系统，包括图像获取单元、智能视觉处理单元、智能终端，其中，
图像获取单元，用于获取并将画有交通标线的规范停车区域的图像传输至智能视觉处理单元及智能终端；
智能视觉处理单元，连接所述图像获取单元，用于根据接收的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在所述图像上，得到处理后的图像；
智能终端，连接所述图像获取单元及智能视觉处理单元，用于根据接收的处理后的图像与所述图像获取单元获取的画有交通标线的规范停车区域的图像的比对结果，选择性的反馈给所述智能视觉处理单元或得出停车区域参考坐标。
优选的是，所述的停车区域识别系统，其中，所述图像获取单元包括rgb摄像头，或灰度摄像头，或红外夜视摄像头。
优选的是，所述的停车区域识别系统，其中，所述智能终端包括图像显示单元，所述图像显示单元用于显示接收处理后的图像与所述画有交通标线的规范停车区域的图像。
优选的是，所述的停车区域识别系统，其中，所述智能视觉处理单元包括基于深度神经网络机器学习人工智能算法模型。
本案还提供了一种停车区域识别方法，包括以下步骤：
s1：获取画有交通标线的规范停车区域的图像；
s2：根据所述s1所获取的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在图像上，得到处理后的图像，并继续执行s3；
s3：根据所述处理后的图像与所述画有交通标线的规范停车区域的图像的比对结果是否为一致，选择性的执行s4或返回s2；若比对结果为不一致，则返回s2；若比对结果为一致，则执行s4；
s4：得出停车区域参考坐标。
优选的是，所述的停车区域识别方法，其中，所述s2中的根据所获取的图像识别检测出交通标线的位置坐标具体包括：采用基于深度神经网络机器学习人工智能算法模型根据所获取的图像识别检测出交通标线的位置坐标。
优选的是，所述的停车区域识别方法，其中，所述s3中若比对结果为一致，则执行s4具体包括：当所述处理后的图像与所述画有交通标线的规范停车区域的图像的比对结果一致，则识别成功并结束识别过程，将处理后的图像作为停车区域参考坐标。
本案还提供了一种停车区域检测系统，包括所述的停车区域识别系统，还包括连接所述停车区域识别系统的服务器，其中，
所述图像获取单元，用于获取停车区域的实时状态图像并传输至所述服务器；
所述服务器内存储有所述停车区域参考坐标，用于根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放。
优选的是，所述的停车区域检测系统，其中，还包括告警单元，所述告警单元连接所述服务器，用于当所述服务器判断出车辆越界停放时，触发告警事件。
本案还提供了一种停车区域检测方法，所述检测方法采用所述的停车区域检测系统，具体包括以下步骤：
t1：利用所述图像获取单元获取停车区域的实时状态图像并传输至所述服务器；
t2：利用所述服务器根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放。
优选的是，所述的停车区域检测方法，其中，所述t2之后还包括t3：当所述服务器判断出车辆越界停放时，触发告警事件。
本案还提供了一种停车区域安防系统，设置有所述的停车区域识别系统。
本案还提供了一种停车区域安防系统，设置有所述的停车区域检测系统。
与现有技术相比，通过本发明的实施，达到了以下明显的技术效果：
1、本发明的停车区域识别系统及其方法能够提供一种一致性的，对停车区域位置、规范区域形状、摄像头相对安装位置及视角没有要求的规范区域识别方法，适用范围更广，能够减少制约条件，同时提高操作上的智能化，减少复杂的坐标系转换计算，可以适用于任意形状的停车区域边界，不受相关因素制约，更适应目前技术的发展方向。
2、本发明基于的停车区域识别系统及其方法利用深度神经网络机器学习人工智能算法模型，识别检测出交通标线的位置坐标，并能够通过不断校准实现最优化，识别停车区域边界标记与图像中边界标记一致，得到与实际的停车区域相同的停车区域参考坐标，建立监控区域位置与摄像头视频、图像位置的坐标系转换，隐式地建立了坐标系的转化，减少操作流程，操作流程具有很好的一致性。
3、通过本发明的停车区域识别系统及其方法，可以实现停车区域边界一致确认策略划定规范区域，建立每个停车区域规范区域以及形成停车区域参考坐标，后续的越界检测都基于此配置。
4、本发明的停车区域检测系统及方法基于上述停车区域识别系统及其方法及其形成的停车区域参考坐标，提供了自动识别车辆是否停放越界的方案。
5、本发明的停车区域识别系统及其方法、停车区域检测系统及方法适用于视频安防越界检测领域越界区域设定场景，能够实现自动车辆越界停放时的安防、告警。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明实施例1中的停车区域识别系统的一个较佳实施例的示意图。
图2是本发明实施例1中的停车区域识别系统的应用场景示意图。
图3是本发明实施例2中的停车区域识别方法的一个较佳实施例的示意图。
图4是本发明实施例4中的停车区域检测方法的一个较佳实施例的示意图。
其中：100-停车区域识别系统，10-图像获取单元，20-智能视觉处理单元，30-智能终端。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
实施例1：
如图1、2所示，实施例1提供了一种停车区域识别系统100，包括图像获取单元10、智能视觉处理单元20、智能终端30，其中，
图像获取单元10，用于将画有交通标线的规范停车区域的图像传输至智能视觉处理单元20及智能终端30；
智能视觉处理单元20，连接所述图像获取单元10，用于根据接收的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在图像上，得到处理后的图像；
智能终端30，连接所述图像获取单元10及智能视觉处理单元20，用于根据接收的处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果，选择性的反馈给所述智能视觉处理单元20或得出停车区域参考坐标。具体的，处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对是通过观察对比二者是否重合，若是重合的，则说明处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果是一致的，若是不重合的，则说明处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果是不一致的；当接收的处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果不一致，则说明停车区域参考坐标建立还存在误差，需要继续反馈到智能视觉处理单元20处理，选择性的将比对结果等内容反馈给所述智能视觉处理单元20循环处理，比对结果可以作为智能视觉处理单元20循环处理的参考数据，智能视觉处理单元20反复学习、工作，也就是循环执行根据接收的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在图像上，得到处理后的图像这一步骤。直到处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像相重合，也就是说，当接收的处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果一致，则处理后的图像是可以作为准确的停车区域参考坐标，此时可结束识别过程，并得出停车区域参考坐标。
停车规范区域由相关部门设定的规范停车区域，并且画有相应交通标线。所述图像获取单元10包括rgb摄像头，或灰度摄像头，或红外夜视摄像头，具体的，图像获取单元10可以选用海康威视型号为ds-2cd3t45p1-i的摄像头，图像获取单元10获取的可以是图像，也可以是视频，视频可以通过图像获取单元10解码得到图片，一般的视频是25帧每秒，即一秒钟视频是25张图片合成的。智能终端30可以选用智能手机、平板等，能够具有视频、图像显示功能，以及有线或无线连接、实现数据传输和存储的功能即可。
所述智能终端30包括图像显示单元，所述图像显示单元用于显示接收处理后的图像与所述画有交通标线的规范停车区域的图像。图像显示单元也可以是视频播放客户端，可以接收、播放通过摄像头感知的视频、图像数据和经过智能视觉处理单元20处理后的视频、图像数据。
在一些实施例中，所述智能视觉处理单元20包括基于深度神经网络机器学习人工智能算法模型。基于深度神经网络机器学习人工智能算法模型选用yolov3模型，yolov3模型具有主流业务全覆盖，速度快，精度高的优点。
本发明的停车区域识别系统100能够提供一种一致性的，对停车区域位置、规范区域形状、摄像头相对安装位置及视角没有要求的规范区域识别方法，适用范围更广，能够减少制约条件，同时提高操作上的智能化，减少复杂的坐标系转换计算，可以适用于任意形状的停车区域边界，不受相关因素制约，更适应目前技术的发展方向；利用深度神经网络机器学习人工智能算法模型，识别检测出交通标线的位置坐标，并能够通过不断校准实现最优化，得到与实际的停车区域相同的停车区域参考坐标，识别停车区域边界标记与图像中边界标记一致，建立监控区域位置与摄像头视频图像位置的坐标系转换，隐式地建立了坐标系的转化，解决了识别过程中每个停车区域越界区域可能不一致引发的问题，减少操作流程，操作流程具有很好的一致性；通过本发明的停车区域识别系统100及其方法，可以实现停车区域边界一致确认策略划定规范区域，建立每个停车区域规范区域以及形成停车区域参考坐标，后续的越界检测都基于此配置。
实施例2：
如图3所示，实施例2提供了一种停车区域识别方法，包括以下步骤：
s1：获取画有交通标线的规范停车区域的图像。可以利用图像获取单元10获取画有交通标线的规范停车区域的图像，画有交通标线的规范停车区域是预先相关部门画好的。
s2：根据s1所获取的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在图像上，得到处理后的图像，并继续执行s3；所述s2中的根据所获取的图像识别检测出交通标线的位置坐标具体包括：采用基于深度神经网络机器学习人工智能算法模型根据所获取的图像识别检测出交通标线的位置坐标。获取到规范停车区域的图像之后，可以由流媒体服务器通过无线或有线的方式获取规范停车区域的图像，然后，流媒体服务器根据所获取的图像识别检测出交通标线的位置坐标，以上过程可以在流媒体服务器启动后的某一流程里实现，即，是流媒体服务器打开时会通过智能视觉算法预测出交通标线的位置坐标。流媒体服务器可以具体由一个app来实现。
s3：根据所述处理后的图像与所述画有交通标线的规范停车区域的图像的比对结果是否为一致，选择性的执行s4或返回s2；若比对结果为不一致，则返回s2；若比对结果为一致，则执行s4；
s3执行的主体是智能终端30，可以具体由一个智能终端30上的app来实现，所述画有交通标线的规范停车区域的图像的比对结果可以由用户比对、得出比对结果，通过人眼视觉判断处理后的图像与所述画有交通标线的规范停车区域的图像是否重合。若比对结果为一致，则执行以下的s4。可以由用户判断所述比对结果是否一致，与上述实施例1中相对应的，处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对是通过观察对比二者是否重合，若是重合的，则说明处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果是一致的，若是不重合的，则说明处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果是不一致的；当接收的处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果不一致，则说明停车区域参考坐标建立还存在误差，需要继续反馈到智能视觉处理单元20处理，选择性的将比对结果等内容反馈给所述智能视觉处理单元20循环处理，比对结果可以作为智能视觉处理单元20循环处理的参考数据，智能视觉处理单元20反复学习、工作，也就是循环执行根据接收的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在图像上，得到处理后的图像这一步骤。直到处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像相重合，也就是说，当接收的处理后的图像与所述图像获取单元10获取的画有交通标线的规范停车区域的图像的比对结果一致，则处理后的图像是可以作为准确的停车区域参考坐标，此时可结束识别过程，并得出停车区域参考坐标。画交通标线的位置坐标都是流媒体服务器画的，最终通过反馈学习得到与实际标线一致的坐标，会被系统记录作为停车区域参考坐标，后面(已经校正过)的图像或视频里会根据停车区域参考坐标作为标准坐标，供停车区域检测时用。
s4：得出停车区域参考坐标。具体的：当所述处理后的图像与所述画有交通标线的规范停车区域的图像的比对结果一致，则识别成功并结束识别过程，将处理后的图像作为停车区域参考坐标。
可以看出，s4中，如果判断出所述比对结果不一致，则返回s2至s3，且循环执行s2至s3，直至最终判断出所述比对结果一致，则识别成功并结束识别过程，将处理后的图像作为停车区域参考坐标。
上述s1至s4可以选用上述停车区域识别系统实现，其实现的原理和过程是一致的，也可以选用其他的系统和单元，最终得到的停车区域参考坐标可以供下述的停车区域检测系统及方法、停车区域安防系统及方法使用，应用的场景不限于下述的停车区域检测系统及停车区域检测方法、停车区域安防系统及停车区域安防方法，还可以具有其他的用途，例如，停车区域的优化等，用途非常广泛。
在一些实施例中，通过一次循环，可能处理后的图像与所述画有交通标线的规范停车区域的图像并不一致，需要通过多次的反馈和学习，能够逐步使得处理后的图像与所述画有交通标线的规范停车区域的图像越来越一致，最终达到重合，则该停车区域识别成功，完成了坐标系的转换。其中，处理后的图像是通过人工智能算法计算得到的，画有交通标线的规范停车区域的图像可以是通过摄像头获取的。
本发明的停车区域识别方法能够提供一种一致性的，对停车区域位置、规范区域形状、摄像头相对安装位置及视角没有要求的规范区域识别方法，适用范围更广，能够减少制约条件，同时提高操作上的智能化，减少复杂的坐标系转换计算，可以适用于任意形状的停车区域边界，不受相关因素制约，更适应目前技术的发展方向；利用深度神经网络机器学习人工智能算法模型，识别检测出交通标线的位置坐标，并能够通过不断校准实现最优化，得到与实际的停车区域相同的停车区域参考坐标，识别停车区域边界标记与图像中边界标记一致，建立监控区域位置与摄像头视频图像位置的坐标系转换，隐式地建立了坐标系的转化，解决了识别过程中每个停车区域越界区域可能不一致引发的问题，减少操作流程，操作流程具有很好的一致性；通过本发明的停车区域识别系统100及其方法，可以实现停车区域边界一致确认策略划定规范区域，建立每个停车区域规范区域以及形成停车区域参考坐标，后续的越界检测都基于此配置。
实施例3：
实施例3提供了一种停车区域检测系统，包括所述的停车区域识别系统100，还包括连接所述停车区域识别系统100的服务器，其中，
所述图像获取单元10，用于获取停车区域的实时状态图像并传输至所述服务器；
所述服务器包含存储介质，所述存储介质内存储有所述停车区域参考坐标，用于根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放。
实施例3的停车区域检测系统的使用方法包括以下步骤：
t1：利用所述图像获取单元10获取停车区域的实时状态图像并传输至所述服务器。实时状态图像是包含了车辆停放在停车区域的实时状态图像，获取的图像是在停车区域的一定范围内的图像。
t2：利用所述服务器根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，是通过人眼观察到的，摄像头会将实际画线拍摄到(实际的交通标线)，人工智能识别后会画一个虚拟区域框，通过人眼观察对比他们是否重合。
t3：当所述服务器判断出车辆越界停放时，触发告警事件。告警事件可以通过服务器推送给该停车区域的负责人或者相关人员，及时将越界区域的车辆整理好，确保车辆的停放规范。本发明的停车区域检测系统基于上述停车区域识别方法及其形成的停车区域参考坐标，提供了自动识别车辆是否停放越界，也就是是否超出规范区域边界的方案。上述停车区域检测方法实现起来比较简单、且检测的结果非常精准，不局限于某一个车辆停放区域或停放场景，适用范围广，且降低了成本。
图像获取单元10还可以实时获取停车区域内车辆、行人信息；智能视觉处理单元20还能够识别检测出车辆信息、车流量密度，还能够识别物体的类别和具体的位置。停车区域检测系统中的图像获取单元10与停车区域识别系统100中国的图像获取单元10可以采用同一个摄像头即可，对于摄像头的位置、摆放角度等均没有任何要求。
服务器只要能够实现以上存储数据以及收发相关指令、具有视频、图像播放功能即可，可人为根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，也可以是服务器自行根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，上述服务器也可以采用上述智能终端30。作为优选实施例，服务器可以选用但并不限于阿里云gpu服务器gn5(nvidiap100)。
在一些实施例中，还包括告警单元，所述告警单元连接所述服务器，用于当所述服务器判断出车辆越界停放时，触发告警事件。越界检测是判定安防系统识别的物体位置是否落在规范区域内的一项检查项目，如果识别出来的被监控物体位置超出了规范区域，会触发系统告警事件。告警事件可以通过服务器推送给该停车区域的负责人或者相关人员，及时将越界区域的车辆整理好，确保车辆的停放规范。
实施例4：
如图4所示，实施例4提供了一种停车区域检测方法，所述检测方法采用所述的停车区域检测系统，具体包括以下步骤：
t1：利用所述图像获取单元10获取停车区域的实时状态图像并传输至所述服务器。实时状态图像是包含了车辆停放在停车区域的实时状态图像，获取的图像是在停车区域的一定范围内的图像。
t2：利用所述服务器根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，摄像头会将实际画线拍摄到(实际的交通标线)进行人工智能识别后会画一个虚拟区域框，此时就很容易观察对比他们是否重合。
t3：当所述服务器判断出车辆越界停放时，触发告警事件。告警事件可以通过服务器推送给该停车区域的负责人或者相关人员，及时将越界区域的车辆整理好，确保车辆的停放规范。
本发明的停车区域检测系统及方法基于上述停车区域识别方法及其形成的停车区域参考坐标，提供了自动识别车辆是否停放越界，也就是是否超出规范区域边界的方案。上述停车区域检测方法实现起来比较简单、且检测的结果非常精准，不局限于某一个车辆停放区域或停放场景，适用范围广，且降低了成本。
实施例5：
本案还提供了一种停车区域安防系统，设置有所述的停车区域识别系统100。实施例5中的停车区域安防系统主要应用于车辆在停放区域时的视频安防，车辆可以为共享自行车、共享电单车或共享汽车等。当车辆为共享自行车或共享电单车时，停车区域识别系统100部分装在车辆上或停车区域，与其它的安防装置共同构成停车区域安防系统。
以上停车区域安防系统中包含的服务器只要能够实现以上存储数据以及收发相关指令、具有视频、图像播放功能即可，可人为根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，也可以是服务器自行根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，上述服务器也可以采用上述智能终端30。
实施例6：
本案还提供了一种停车区域安防系统，设置有所述的停车区域检测系统。实施例6中的停车区域安防系统主要应用于车辆在停放区域时的视频安防，车辆可以为共享自行车、共享电单车或共享汽车等。当车辆为共享自行车或共享电单车时，停车区域检测系统部分装在车辆上或停车区域，与其它的安防装置共同构成停车区域安防系统。
以上停车区域安防系统中包含的服务器只要能够实现以上存储数据以及收发相关指令、具有视频、图像播放功能即可，可人为根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，也可以是服务器自行根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放，上述服务器也可以采用上述智能终端30。
本发明的停车区域识别系统100及其方法、停车区域检测系统及方法适用于视频安防越界检测领域越界区域设定场景，能够实现自动车辆越界停放时的安防、告警。
上述实施例中的存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述停车区域识别其方法、停车区域检测方法的操作，还可以执行本申请任意实施例所提供的停车区域识别其方法、停车区域检测方法中的相关操作。
需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行：响应于用户的按键操作，基于所述按键操作确定操作指令类型；将所述操作指令类型、时间戳以及指令序列号采用预置密钥进行加密，得到并发出加密指令；接收车辆的回复指令，所述回复指令包括所述加密指令的执行结果。
或者执行：
接收由遥控钥匙发出的包含操作指令类型的加密指令；其中，所述加密指令还包括时间戳以及指令序号，所述加密指令是采用预置密钥加密得到的；对所述加密指令进行解密，并验证加密指令中的时间戳和指令序号，若通过验证，则执行所述操作指令类型的操作指令；向所述遥控钥匙发出回复指令，所述回复指令包括所述加密指令的执行结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言-诸如java、smalltalk、c ，还包括常规的过程式程序设计语言-诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电子设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)-连接到用户计算机，或者，可以连接到外部计算机。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块、单元的名称在某种情况下并不构成对该模块、单元本身的限定。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
1.一种停车区域识别系统，其特征在于，包括图像获取单元、智能视觉处理单元、智能终端，其中，
图像获取单元，用于获取并将画有交通标线的规范停车区域的图像传输至智能视觉处理单元及智能终端；
智能视觉处理单元，连接所述图像获取单元，用于根据接收的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在所述图像上，得到处理后的图像；
智能终端，连接所述图像获取单元及智能视觉处理单元，用于根据接收的处理后的图像与所述图像获取单元获取的画有交通标线的规范停车区域的图像的比对结果，选择性的反馈给所述智能视觉处理单元或得出停车区域参考坐标。
2.根据权利要求1所述的停车区域识别系统，其特征在于，所述智能终端包括图像显示单元，所述图像显示单元用于显示接收处理后的图像与所述画有交通标线的规范停车区域的图像。
3.根据权利要求1所述的停车区域识别系统，其特征在于，所述智能视觉处理单元包括基于深度神经网络机器学习人工智能算法模型。
4.一种停车区域识别方法，其特征在于，包括以下步骤：
s1：获取画有交通标线的规范停车区域的图像；
s2：根据所述s1所获取的图像识别检测出交通标线的位置坐标，并将相应的位置坐标通过标记画在图像上，得到处理后的图像，并继续执行s3；
s3：根据所述处理后的图像与所述画有交通标线的规范停车区域的图像的比对结果是否为一致，选择性的执行s4或返回s2；若比对结果为不一致，则返回s2；若比对结果为一致，则执行s4；
s4：得出停车区域参考坐标。
5.根据权利要求4所述的停车区域识别方法，其特征在于，所述s2中的根据所获取的图像识别检测出交通标线的位置坐标具体包括：采用基于深度神经网络机器学习人工智能算法模型根据所获取的图像识别检测出交通标线的位置坐标。
6.根据权利要求4所述的停车区域识别方法，其特征在于，所述s3中若比对结果为一致，则执行s4具体包括：当所述处理后的图像与所述画有交通标线的规范停车区域的图像的比对结果一致，则识别成功并结束识别过程，将处理后的图像作为停车区域参考坐标。
7.一种停车区域检测系统，其特征在于，包括如权利要求1所述的停车区域识别系统，还包括连接所述停车区域识别系统的服务器，其中，
所述图像获取单元，用于获取停车区域的实时状态图像并传输至所述服务器；
所述服务器内存储有所述停车区域参考坐标，用于根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放。
8.根据权利要求7所述的停车区域检测系统，其特征在于，还包括告警单元，所述告警单元连接所述服务器，用于当所述服务器判断出车辆越界停放时，触发告警事件。
9.一种停车区域检测方法，其特征在于，所述检测方法采用如权利要求8所述的停车区域检测系统，具体包括以下步骤：
t1：利用所述图像获取单元获取停车区域的实时状态图像并传输至所述服务器；
t2：利用所述服务器根据获取的实时状态图像与停车区域参考坐标的比对结果判断出车辆是否越界停放。
10.根据权利要求9所述的停车区域检测方法，其特征在于，所述t2之后还包括t3：当所述服务器判断出车辆越界停放时，触发告警事件。
11.一种停车区域安防系统，其特征在于，设置有根据权利要求1至3中任一项所述的停车区域识别系统。
12.一种停车区域安防系统，其特征在于，设置有根据权利要求7至8中任一项所述的停车区域检测系统。
技术总结