一种遮挡停车位事件的处理方法及装置与流程

1.本技术实施例涉及停车位管理领域，尤其涉及一种遮挡停车位事件的处理方法及装置。


背景技术：

2.近年来，随着经济增长，人民生活水平逐年提高，以及汽车产业快速发展，导致道路上的机动车辆逐年攀升。
3.随着机动车辆逐渐成为人们出行的首选交通工具，停车位成为了重要的基础设施。随着出行车辆的增加，如何高效的管理停车位变得越来越重要。停车位智能化管理技术的提出，当前使用高位视频技术管理停车位，即通过高位图像提取装置对停车位区域进行监控取样，对停车车辆进行识别并记录。
4.但是，高位路边区域和卡口停车区域的环境复杂，高位图像提取装置在对这些停车位区域进行监控取样时，若存在中大型机动车辆进入该区域停车位，会导致其他车位被遮挡或者高位图像提取装置本身被遮挡，这时若是有其他机动车辆进入被遮挡的停车位停车，就会影响到高位图像提取装置对该车辆识别和记录，从而引起的停车位管理问题。


技术实现要素：

5.本技术实施例第一方面提供了一种遮挡停车位事件的处理方法，其特征在于，包括：
6.通过主高位图像提取装置获取第一停车位图像；
7.通过侧辅助高位图像提取装置获取第二停车位图像，所述第一停车位图像与所述第二停车位图像为同一停车区域不同角度的实时图像；
8.确定所述第一停车位图像和所述第二停车位图像中的停车位的车位坐标和所述停车位对应的车位身份标识，所述车位坐标为所述车位身份标识对应的所述停车位在所述第一停车位图像和所述第二停车位图像中的区域信息；
9.判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上是否存在同一目标车辆；
10.若存在，则判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上显示的目标车辆的车辆类型是否为遮挡类型；
11.若是，则根据所述车辆类型和所述车位身份标识生成车位遮挡警报。
12.可选的，所述判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上是否存在同一目标车辆，包括：
13.通过车辆检测神经网络模型判断所述第一停车位图像和所述第二停车位图像中同一车位身份标识对应的所述车位坐标上是否存在同一目标车辆。
14.可选的，所述判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上显示的目标车辆的车辆类型是否为遮挡类型，包括：
15.根据车辆识别神经网络模型为所述第一停车位图像和所述第二停车位图像生成第一车辆类型数据和第二车辆类型数据，所述第一车辆类型数据表示所述第一停车位图像中的所述目标车辆的车辆类型，所述第二车辆类型数据表示所述第二停车位图像中的所述目标车辆的车辆类型；
16.根据所述第一车辆类型数据和所述第二车辆类型数据判断所述目标车辆的车辆类型是否为遮挡类型。
17.可选的，在所述根据所述车辆类型信息和所述车位车位身份标识生成车位遮挡警报之前，所述判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上显示的目标车辆的车辆类型是否为遮挡类型之后，所述处理方法还包括：
18.判断所述目标车辆的车辆类型确定为遮挡类型的次数是否达到预设阈值；
19.若否，则重新通过所述主高位图像提取装置和所述侧辅助高位图像提取装置获取图像进行车辆类型判断；
20.若是，则根据所述第一车辆类型数据和所述第二车辆类型数据判断所述目标车辆的车辆类型是否为遮挡类型。
21.可选的，在所述根据所述车辆类型和所述车位身份标识生成车位遮挡警报之后，所述处理方法还包括：
22.将所述车位遮挡警报发送到停车场平台。
23.本技术实施例第二方面提供了一种遮挡停车位事件的处理装置，其特征在于，包括：
24.第一获取单元，用于通过主高位图像提取装置获取第一停车位图像；
25.第二获取单元，用于通过侧辅助高位图像提取装置获取第二停车位图像，所述第一停车位图像与所述第二停车位图像为同一停车区域不同角度的实时图像；
26.确定单元，用于确定所述第一停车位图像和所述第二停车位图像中的停车位的车位坐标和所述停车位对应的车位身份标识，所述车位坐标为所述车位身份标识对应的所述停车位在所述第一停车位图像和所述第二停车位图像中的区域信息；
27.第一判断单元，用于判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上是否存在同一目标车辆；
28.第二判断单元，用于当所述第一判断单元确定所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上存在同一目标车辆时，判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上显示的目标车辆的车辆类型是否为遮挡类型；
29.生成单元，用于当所述第二判断单元确定所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上显示的目标车辆的车辆类型为遮挡类型时，则根据所述车辆类型和所述车位身份标识生成车位遮挡警报。
30.可选的，所述第一判断单元，具体为：
31.通过车辆检测神经网络模型判断所述第一停车位图像和所述第二停车位图像中同一车位身份标识对应的所述车位坐标上是否存在同一目标车辆。
32.可选的，所述第二判断单元，包括：
33.根据车辆识别神经网络模型为所述第一停车位图像和所述第二停车位图像生成第一车辆类型数据和第二车辆类型数据，所述第一车辆类型数据表示所述第一停车位图像中的所述目标车辆的车辆类型，所述第二车辆类型数据表示所述第二停车位图像中的所述目标车辆的车辆类型；
34.根据所述第一车辆类型数据和所述第二车辆类型数据判断所述目标车辆的车辆类型是否为遮挡类型。
35.可选的，所述处理装置还包括：
36.第三判断单元，用于判断所述目标车辆的车辆类型确定为遮挡类型的次数是否达到预设阈值。
37.可选的，所述处理装置还包括：
38.发送单元，用于将所述车位遮挡警报发送到停车场平台。
39.本技术实施例第三方面提供了一种遮挡停车位事件的处理装置，其特征在于，包括：
40.处理器、存储器、输入输出单元、总线；
41.处理器与存储器、输入输出单元以及总线相连；
42.处理器具体执行如下操作：
43.通过主高位图像提取装置获取第一停车位图像；
44.通过侧辅助高位图像提取装置获取第二停车位图像，所述第一停车位图像与所述第二停车位图像为同一停车区域不同角度的实时图像；
45.确定所述第一停车位图像和所述第二停车位图像中的停车位的车位坐标和所述停车位对应的车位身份标识，所述车位坐标为所述车位身份标识对应的所述停车位在所述第一停车位图像和所述第二停车位图像中的区域信息；
46.判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上是否存在同一目标车辆；
47.若是，则判断所述第一停车位图像和所述第二停车位图像在同一所述车辆身份标识对应的所述车位坐标上显示的目标车辆的车辆类型是否为遮挡类型；
48.若是，则根据所述车辆类型和所述车位身份标识生成车位遮挡警报。
49.可选的，处理器还用于执行第一方面中的任意可选方案的操作。
50.一种计算机可读存储介质，计算机可读存储介质上保存有程序，程序在计算机上执行时执行如前述第一方面以及第一方面的任意可选的方法。
51.从以上技术方案可以看出，本技术实施例具有以下优点：
52.通过主高位图像提取装置获取第一停车位图像，再通过侧辅助高位图像提取装置获取第二停车位图像，即分别获取同一停车区域不同角度的实时图像。再确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，即确定这两个不同角度的实时图像中同一个停车位的框架，以及这个停车位的车位身份标识。判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上是否存在同一目标车辆，如果存在，则判断第一停车位图像和第二停车位图像在同一所述车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型，若是则根据车辆类型和所述车位身份标识生成车位遮挡警报。通过主高位图像提取装置以及侧辅助高位图像提取装置
获取同一停车区域不同角度的实时图像，确定图像中的停车位上的车辆的车型是否为遮挡车型，如果从不同角度的实时图像中都确定该车辆的车辆车型为遮挡车型，则需要生成车位遮挡警告，以使得相关人员及时作出对应措施，减少因车位被遮挡引起的停车位管理问题发生。
附图说明
53.图1为本技术实施例中遮挡停车位事件的处理方法的一个实施例流程示意图；
54.图2为本技术实施例中遮挡停车位事件的处理方法的另一个实施例流程示意图；
55.图3为本技术实施例中遮挡停车位事件的处理装置的一个实施例流程示意图；
56.图4为本技术实施例中遮挡停车位事件的处理装置的另一个实施例流程示意图；
57.图5为本技术实施例中遮挡停车位事件的处理装置的另一个实施例流程示意图。
具体实施方式
58.为了使本技术领域的人员更好地理解本发明中的技术方案，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、完整的阐述，显然阐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的前提下所获得的所有其他实施例，都应当属于本发明保护范围。
59.本技术实施例公开了一种遮挡停车位事件的处理方法及装置，用于减少因车位被遮挡引起的停车位管理问题发生。
60.在本实施例中，遮挡停车位事件的处理方法可在系统实现，可以在服务器实现，也可以在终端实现，具体不做明确限定。为方便描述，本技术实施例使用终端为执行主体举例描述。
61.请参阅图1，本技术实施例提供了一种遮挡停车位事件的处理方法，包括：
62.101、通过主高位图像提取装置获取第一停车位图像；
63.终端通过主高位图像提取装置获取第一停车位图像，主高位图像提取装置用于得到停车区域中每一个停车位上所停靠的车辆的图像，以获取可以识别该车辆的车辆信息。在实际的场景中，主高位图像提取装置主要为高位摄像头，通过转动摄像头并进行停车位图像拍摄。主高位图像提取装置的拍摄角度主要与停车位的排列方式有关，当停车位通过头尾相接的串行方式排列时(例如公路旁的停车位)，则主高位图像提取装置的安装位置在停车位延伸的直线区域内，拍摄角度为平行与停车位，如此可以保证拍摄到停车车辆的车牌信息与车型信息。当停车位通过左右侧面相接的并行方式排列时(例如室内停车场的停车位)，主高位图像提取装置的安装位置在停车位斜侧方的区域内，拍摄角度也为斜侧方向。主高位图像提取装置的安装位置以及拍摄角度与停车位的排列方式存在密切关系，上述的两种仅为主要方式，只要是主高位图像提取装置用于获取停车位上车辆的车辆信息的拍摄方式，都属于本实施例的保护范围。
64.车辆信息包含车牌信息、车型信息以及车辆颜色等，此处不作限定。
65.102、通过侧辅助高位图像提取装置获取第二停车位图像，第一停车位图像与第二停车位图像为同一停车区域不同角度的实时图像；
66.终端通过侧辅助高位图像提取装置获取第二停车位图像，侧辅助高位图像提取装置通过与主高位图像提取装置不同的拍摄角度，主要用于获取到停车位上车辆另一个角度的图像。侧辅助高位图像提取装置与主高位图像提取装置功能都是拍摄停车位上车辆的图像，主要区别是拍摄位置与拍摄角度存在差异。
67.103、确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，车位坐标为车位身份标识对应的停车位在第一停车位图像和第二停车位图像中的区域信息；
68.终端确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，主高位图像提取装置和侧辅助高位图像提取装置主要是获取到停车位不同角度的图像，终端需要将两个图像中的停车位框架进行匹配，确定两张图像中停车位对应的标识(车位身份标识)以及区域(车位坐标)。在实际操作中，需要将照片中的停车位描绘出来，图像上每一个框表示一个停车位的车位坐标，每一个框都有车位身份标识。
69.具体的操作方式可以是通过与历史停车位图像进行对比，历史停车位为无车辆停车的停车位图像，可以得到停车位框架，通过对比即可得到主高位图像提取装置和侧辅助高位图像实时拍摄的图像的停车位框架。也可以是通过实时拍摄的图像中的现有框架进行反向绘制，此处不作限定。
70.104、判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上是否存在同一目标车辆；若是，则执行步骤105；
71.终端判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上是否存在同一目标车辆，即终端将两张图像的同一个车位身份标识的车位坐标标出后，判断在整个车位坐标上是否有车辆的特征，并且确定是否为同一车辆。具体的判断方式可以是通过卷积神经网络进行图像特征分析，也可以是通过停车位框架的遮挡程度以及遮挡轮廓确定，此处不作限定。
72.105、若存在，则判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型；若是，则执行步骤106；
73.当终端确定第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上存在同一目标车辆时，终端判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型。主要通过确定目标车辆的车辆体积来确定是否为遮挡类型，具体的判断方式可以是通过卷积神经网络进行图像特征分析，也可以是通过停车位框架的遮挡程度以及遮挡轮廓确定，此处不作限定。
74.106、若是，则根据车辆类型和车位身份标识生成车位遮挡警报。
75.当终端确定第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型为遮挡类型时，则需要根据车辆类型和车位身份标识生成车位遮挡警报，以使得停车位现场的工作人员对该车位身份标识的停车位进行检查以及采取对应措施。
76.通过主高位图像提取装置获取第一停车位图像，再通过侧辅助高位图像提取装置获取第二停车位图像，即分别获取同一停车区域不同角度的实时图像。再确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，即确定这两个不同角度的实时图像中同一个停车位的框架，以及这个停车位的车位身份标识。判断第
一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上是否存在同一目标车辆，如果存在，则判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型，若是则根据车辆类型和车位身份标识生成车位遮挡警报。通过主高位图像提取装置以及侧辅助高位图像提取装置获取同一停车区域不同角度的实时图像，确定图像中的停车位上的车辆的车型是否为遮挡车型，如果从不同角度的实时图像中都确定该车辆的车辆车型为遮挡车型，则需要生成车位遮挡警告，以使得相关人员及时作出对应措施，减少因车位被遮挡引起的停车位管理问题发生。
77.请参阅图2，本技术实施例提供了一种遮挡停车位事件的处理方法，包括：
78.201、通过主高位图像提取装置获取第一停车位图像；
79.202、通过侧辅助高位图像提取装置获取第二停车位图像，第一停车位图像与第二停车位图像为同一停车区域不同角度的实时图像；
80.203、确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，车位坐标为车位身份标识对应的停车位在第一停车位图像和第二停车位图像中的区域信息；
81.本实施例中的步骤201至203与前述实施例中步骤101至103类似，此处不再赘述。
82.204、通过车辆检测神经网络模型判断第一停车位图像和第二停车位图像中同一车位身份标识对应的车位坐标上是否存在同一目标车辆；若是，则执行步骤205；若否，则结束；
83.终端通过车辆检测神经网络模型判断第一停车位图像和第二停车位图像中同一车位身份标识对应的车位坐标上是否存在同一目标车辆，具体的，将第一停车位图像和第二停车位图像输入车辆检测神经网络模型，通过车辆特征的提取与对比，确定该车位坐标上是否存在车辆，并且两张图片的车辆是否为同一车辆，若是同一目标车辆，则可进行下一步骤。车辆检测神经网络模型主要用于车辆的特征检测，可以将图像中的各个特征进行分析，确定图像中是否存在车辆特征，并且进一步确定两张图像在同一车位坐标区域中的车辆特征是否为同一车辆。
84.205、若是，则根据车辆识别神经网络模型为第一停车位图像和第二停车位图像生成第一车辆类型数据和第二车辆类型数据，第一车辆类型数据表示第一停车位图像中的目标车辆的车辆类型，第二车辆类型数据表示第二停车位图像中的目标车辆的车辆类型；
85.终端通过车辆检测神经网络模型确定第一停车位图像和第二停车位图像中同一车位身份标识对应的车位坐标上存在同一目标车辆时，根据车辆识别神经网络模型为第一停车位图像和第二停车位图像生成第一车辆类型数据和第二车辆类型数据。将第一停车位图像和第二停车位图像输入车辆识别神经网络模型中，提取出车辆特征，分析车辆特征对应的哪一种车辆类型，最终生成第一车辆类型数据和第二车辆类型数据。
86.206、根据第一车辆类型数据和第二车辆类型数据判断目标车辆的车辆类型是否为遮挡类型；若是，则执行步骤207；若否，则结束；
87.终端根据第一车辆类型数据和第二车辆类型数据判断目标车辆的车辆类型是否为遮挡类型，具体为，终端确定第一车辆类型数据和第二车辆类型数据是否一致为遮挡类型，若是，则执行步骤207。
88.207、若是，则判断目标车辆的车辆类型确定为遮挡类型的次数是否达到预设阈
值；若是，则执行步骤208；若否，则执行步骤201；
89.当终端确定第一车辆类型数据和第二车辆类型数据是否一致为遮挡类型，则判断目标车辆的车辆类型确定为遮挡类型的次数是否达到预设阈值，目的是多次确目标车辆的车辆类型，较少错误率。
90.208、若是，则根据车辆类型和车位身份标识生成车位遮挡警报；
91.本实施例中的步骤208与前述实施例中步骤106类似，此处不再赘述。
92.209、将车位遮挡警报发送到停车场平台。
93.终端将车位遮挡警报发送到停车场平台，记录本次事件。
94.通过主高位图像提取装置获取第一停车位图像，再通过侧辅助高位图像提取装置获取第二停车位图像，即分别获取同一停车区域不同角度的实时图像。再确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，即确定这两个不同角度的实时图像中同一个停车位的框架，以及这个停车位的车位身份标识。通过车辆检测神经网络模型判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上是否存在同一目标车辆，如果存在，则通过车辆识别神经网络模型判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型，若是则根据车辆类型和车位身份标识生成车位遮挡警报。通过主高位图像提取装置以及侧辅助高位图像提取装置获取同一停车区域不同角度的实时图像，确定图像中的停车位上的车辆的车型是否为遮挡车型，如果从不同角度的实时图像中都确定该车辆的车辆车型为遮挡车型，则需要生成车位遮挡警告，以使得相关人员及时作出对应措施，减少因车位被遮挡引起的停车位管理问题发生。
95.其次，通过车辆检测神经网络模型和车辆识别神经网络模型对图像进行车辆特征的分析与识别，增加识别的速度。
96.请参阅图3，本技术实施例提供了一种遮挡停车位事件的处理装置，包括：
97.第一获取单元301，用于通过主高位图像提取装置获取第一停车位图像；
98.第二获取单元302，用于通过侧辅助高位图像提取装置获取第二停车位图像，第一停车位图像与第二停车位图像为同一停车区域不同角度的实时图像；
99.确定单元303，用于确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，车位坐标为车位身份标识对应的停车位在第一停车位图像和第二停车位图像中的区域信息；
100.第一判断单元304，用于判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上是否存在同一目标车辆；
101.第二判断单元305，用于当第一判断单元确定第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上存在同一目标车辆时，判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型；
102.生成单元306，用于当第二判断单元确定第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型为遮挡类型时，则根据车辆类型和车位身份标识生成车位遮挡警报。
103.请参阅图4，本技术实施例提供了另一种遮挡停车位事件的处理装置，包括：
104.第一获取单元401，用于通过主高位图像提取装置获取第一停车位图像；
105.第二获取单元402，用于通过侧辅助高位图像提取装置获取第二停车位图像，第一停车位图像与第二停车位图像为同一停车区域不同角度的实时图像；
106.确定单元403，用于确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，车位坐标为车位身份标识对应的停车位在第一停车位图像和第二停车位图像中的区域信息；
107.第一判断单元404，用于判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上是否存在同一目标车辆；
108.可选的，第一判断单元404，具体为：
109.通过车辆检测神经网络模型判断第一停车位图像和第二停车位图像中同一车位身份标识对应的车位坐标上是否存在同一目标车辆。
110.第二判断单元405，用于当第一判断单元确定第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上存在同一目标车辆时，判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型。
111.可选的，第二判断单元405，具体为：
112.根据车辆识别神经网络模型为第一停车位图像和第二停车位图像生成第一车辆类型数据和第二车辆类型数据，第一车辆类型数据表示第一停车位图像中的目标车辆的车辆类型，第二车辆类型数据表示第二停车位图像中的目标车辆的车辆类型；
113.根据第一车辆类型数据和第二车辆类型数据判断目标车辆的车辆类型是否为遮挡类型。
114.第三判断单元406，用于判断目标车辆的车辆类型确定为遮挡类型的次数是否达到预设阈值；
115.第一获取单元401，还用于当第三判断单元406确定目标车辆的车辆类型确定为遮挡类型的次数未达到预设阈值时，通过主高位图像提取装置获取第一停车位图像；
116.生成单元407，用于当第三判断单元406确定目标车辆的车辆类型确定为遮挡类型的次数达到预设阈值时，则根据车辆类型和车位身份标识生成车位遮挡警报；
117.发送单元408，用于将车位遮挡警报发送到停车场平台。
118.请参阅图5，本技术实施例提供了另一种遮挡停车位事件的处理装置，包括：
119.处理器501、存储器502、输入输出单元503、总线504；
120.处理器501与存储器502、输入输出单元503以及总线504相连；
121.处理器501具体执行如下操作：
122.通过主高位图像提取装置获取第一停车位图像；
123.通过侧辅助高位图像提取装置获取第二停车位图像，第一停车位图像与第二停车位图像为同一停车区域不同角度的实时图像；
124.确定第一停车位图像和第二停车位图像中的停车位的车位坐标和停车位对应的车位身份标识，车位坐标为车位身份标识对应的停车位在第一停车位图像和第二停车位图像中的区域信息；
125.判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上
是否存在同一目标车辆；
126.若存在，则判断第一停车位图像和第二停车位图像在同一车辆身份标识对应的车位坐标上显示的目标车辆的车辆类型是否为遮挡类型；
127.若是，则根据车辆类型和车位身份标识生成车位遮挡警报。
128.本实施例中，处理器501的功能与前述图1至图2所示实施例中的步骤对应，此处不做赘述。
129.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，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
130.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个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。
131.所述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，或者也可以分布到多个网络单元上。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例方案的目的。
132.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。
133.所述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取存储介质中。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存储介质中，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)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：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。