一種高速公路收費站車輛管理伺服器、系統及方法與流程
2023-06-14 20:21:41
本發明涉及智能交通技術領域，特別涉及一種高速公路收費站車輛管理伺服器、系統及方法。
背景技術：
當前，國內的高速公路收費站是高速公路管理系統的核心組成部分之一，其在對過往車輛進行通行費收取的同時，還由於需要對過往車輛的相關信息進行核對，從而能夠有效地協助公安機關打擊各種與車輛相關的違法犯罪行為。
現在國內的高速公路收費站，主要採用發放車輛通行卡的方式來對過往車輛進行收費管理，而在核對出口收費站處的車輛與進入高速公路時的車輛是否一致時，通常是由出口收費站處的工作人員進行人工判斷，這無疑導致核對效率非常低，並且需要消耗大量的人力成本；另外，出口收費站的工作人員在過往車輛進行核對的過程中，通常只對通行卡的信息進行核對，而很容易在不經意之間忽略了核對車輛自身真正相關的信息，從而導致核對失誤的現象不時出現，由此使得某些與車輛相關的違法違規行為不能被及時發現。
綜上所述可以看出，如何提高收費站過往車輛核對結果的準確率、核對效率並降低人力成本是目前有待解決的問題。
技術實現要素：
有鑑於此，本發明的目的在於提供一種高速公路收費站車輛管理伺服器、系統及方法，提高了收費站過往車輛核對結果的準確率、核對效率並降低了人力成本。其具體方案如下：
一種高速公路收費站車輛管理伺服器，包括：
第一信息獲取模塊，用於將通過入口收費站的車輛的特徵信息保存至預設資料庫；其中，車輛的特徵信息包括車牌信息、車輛外觀圖像和車輛通行卡信息；
第二信息獲取模塊，用於當目標車輛到達出口收費站，則獲取相應的目標特徵信息；其中，所述目標特徵信息包括所述目標車輛的車牌信息、車輛外觀圖像和車輛通行卡信息；
信息提取模塊，用於從所述預設資料庫中提取出與所述目標特徵信息的匹配程度滿足第一預設要求的特徵信息；
信息處理中心，用於確定提取出的特徵信息與所述目標特徵信息之間的匹配結果，然後將所述匹配結果發送至相應的出口收費站管理員終端。
優選的，所述信息提取模塊包括：
第一查找單元，用於利用所述目標車輛的車牌信息，對所述預設資料庫進行查找；
第一提取單元，用於當所述第一查找單元從所述預設資料庫查找到第一相應特徵信息，則將所述第一相應特徵信息從所述預設資料庫中提取出來；
其中，所述第一相應特徵信息為保存在所述預設資料庫中的特徵信息，並且所述第一相應特徵信息的車牌信息與所述目標車輛的車牌信息相同。
優選的，所述信息處理中心包括：
第一確定模塊，用於確定所述提取出的特徵信息與所述目標特徵信息之間在車牌信息的層面上的匹配結果，相應地得到第一匹配結果；
第二確定模塊，用於確定所述提取出的特徵信息與所述目標特徵信息之間在車輛外觀圖像的層面上的匹配結果，相應地得到第二匹配結果；
第三確定模塊，用於確定所述提取出的特徵信息與所述目標特徵信息之間在車輛通行卡信息的層面上的匹配結果，相應地得到第三匹配結果；
結果發送模塊，用於將所述第一匹配結果、所述第二匹配結果和所述第三匹配結果發送至所述出口收費站管理員終端。
優選的，所述第二確定模塊包括：
第一特徵獲取子模塊，用於獲取所述提取出的特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地第一圖像特徵；
第二特徵獲取子模塊，用於獲取所述目標特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地得到第二圖像特徵；
特徵差異化處理子模塊，用於對所述第一圖像特徵與所述第二圖像特徵進行特徵差異化處理，得到相應的特徵向量；
模型創建子模塊，用於預先基於機器學習算法，創建圖像匹配度預測模型；
結果獲取子模塊，用於將所述特徵向量輸入所述圖像匹配度預測模型，得到由所述圖像匹配度預測模型輸出的匹配結果。
優選的，所述模型創建子模塊，包括：
訓練集獲取單元，用於獲取訓練集；其中，所述訓練集包括n組車輛外觀圖像，並且每組車輛外觀圖像均包括與同一車輛對應的兩張車輛外觀圖像，n為正整數；
特徵向量確定單元，用於分別確定每組車輛外觀圖像所對應的特徵向量，得到相應的特徵向量集；
訓練單元，用於利用機器學習算法，對所述特徵向量集中的每個特徵向量進行學習訓練，得到所述圖像匹配度預測模型；
其中，所述特徵向量確定單元確定任一組車輛外觀圖像所對應的特徵向量的過程，包括：分別獲取該組車輛外觀圖像中的兩張車輛外觀圖像各自所對應的全局特徵和局部特徵，得到相應的兩個圖像特徵，然後對所述兩個圖像特徵進行特徵差異化處理，得到與該組車輛外觀圖像所對應的特徵向量。
本發明還公開了一種高速公路收費站車輛管理系統，包括前述公開的高速公路收費站車輛管理伺服器和出口收費站管理員終端。
本發明還相應公開了一種高速公路收費站車輛管理方法，包括：
將通過入口收費站的車輛的特徵信息保存至預設資料庫；其中，車輛的特徵信息包括車牌信息、車輛外觀圖像和車輛通行卡信息；
當目標車輛到達出口收費站，則獲取相應的目標特徵信息；其中，所述目標特徵信息包括所述目標車輛的車牌信息、車輛外觀圖像和車輛通行卡信息；
從所述預設資料庫中提取出與所述目標特徵信息的匹配程度滿足第一預設要求的特徵信息，並確定提取出的特徵信息與所述目標特徵信息之間的匹配結果，然後將所述匹配結果發送至相應的出口收費站管理員終端。
優選的，所述確定提取出的特徵信息與所述目標特徵信息之間的匹配結果的過程，包括：
分別確定所述提取出的特徵信息與所述目標特徵信息之間在車牌信息、車輛外觀圖像以及車輛通行卡信息的層面上的匹配結果，相應地得到第一匹配結果、第二匹配結果和第三匹配結果。
優選的，確定所述提取出的特徵信息與所述目標特徵信息之間在車輛外觀圖像的層面上的匹配結果的過程，包括：
獲取所述提取出的特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地第一圖像特徵；
獲取所述目標特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地得到第二圖像特徵；
對所述第一圖像特徵與所述第二圖像特徵進行特徵差異化處理，得到相應的特徵向量；
將所述特徵向量輸入預先基於機器學習算法創建的圖像匹配度預測模型，得到由所述圖像匹配度預測模型輸出的匹配結果。
優選的，所述圖像匹配度預測模型的創建過程，包括：
獲取訓練集；其中，所述訓練集包括n組車輛外觀圖像，並且每組車輛外觀圖像均包括與同一車輛對應的兩張車輛外觀圖像，n為正整數；
分別確定每組車輛外觀圖像所對應的特徵向量，得到相應的特徵向量集；
利用機器學習算法，對所述特徵向量集中的每個特徵向量進行學習訓練，得到所述圖像匹配度預測模型；
其中，確定任一組車輛外觀圖像所對應的特徵向量的過程，包括：分別獲取該組車輛外觀圖像中的兩張車輛外觀圖像各自所對應的全局特徵和局部特徵，得到相應的兩個圖像特徵，然後對所述兩個圖像特徵進行特徵差異化處理，得到與該組車輛外觀圖像所對應的特徵向量。
可見，當需要對出口收費站處的目標車輛進行信息核對時，本發明會獲取該目標車輛的車牌信息、車輛外觀圖像和車輛通行卡信息，從而得到上述目標特徵信息，然後從上述記錄了入口收費站處車輛特徵信息的預設資料庫中提取出與上述目標特徵信息的匹配程度滿足預設要求的特徵信息，接著，確定上述兩份特徵信息之間的匹配結果，並將該匹配結果發送至相應的管理員終端，由上可見，本發明在對入口收費站處的車輛和出口收費站處的車輛進行核對時，無需涉及人工核對的過程，由此可以大幅提升核對效率並降低了人力成本，另外，上述進行匹配的兩份特徵信息中，不僅包括通行卡信息，還包括車牌信息和車輛外觀圖像，從而使得本發明中的特徵信息能夠更加全面客觀地體現車輛自身特點，從而有利於提高最終匹配結果的準確率。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
圖1為本發明實施例公開的一種高速公路收費站車輛管理伺服器結構示意圖；
圖2為本發明實施例公開的一種高速公路收費站車輛管理方法流程圖；
圖3為本發明實施例公開的圖像匹配度預測模型創建方法流程圖。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
本發明實施例公開了一種高速公路收費站車輛管理伺服器，參見圖1所示，該伺服器包括：
第一信息獲取模塊11，用於將通過入口收費站的車輛的特徵信息保存至預設資料庫；其中，車輛的特徵信息包括車牌信息、車輛外觀圖像和車輛通行卡信息。
第二信息獲取模塊12，用於當目標車輛到達出口收費站，則獲取相應的目標特徵信息；其中，目標特徵信息包括目標車輛的車牌信息、車輛外觀圖像和車輛通行卡信息。
信息提取模塊13，用於從預設資料庫中提取出與目標特徵信息的匹配程度滿足第一預設要求的特徵信息。
信息處理中心14，用於確定提取出的特徵信息與目標特徵信息之間的匹配結果，然後將匹配結果發送至相應的出口收費站管理員終端。
需要說明的是，本實施例中的高速公路收費站車輛管理伺服器的類型可以是常規的網絡伺服器類型，也可以是雲端伺服器類型。
可以理解的是，本實施例中，上述第一信息獲取模塊11在將通過入口收費站的車輛的特徵信息保存至預設資料庫的過程之中，需要獲取通過入口收費站的車輛的特徵信息，包括車輛的車牌信息、車輛外觀圖像以及車輛通行卡信息，然後將獲取到的特徵信息保存至上述預設資料庫。
另外，為了保證特徵信息的數據安全性，本發明實施例中，上述第一信息獲取模塊11可以通過經過加密的專用網絡，在tcp/ip協議(tcp/ip，即transmissioncontrolprotocol/internetprotocol)的支持下，將上述獲取到的特徵信息傳輸至上述預設資料庫進行保存。相應的數據傳輸通道可以採用光纖傳輸通道或者無線數據傳輸通道。其次，本發明實施例中，上述第一信息獲取模塊11可以對傳輸至上述預設資料庫的數據進行加密保存，以進一步提升上述預設資料庫中數據的安全性。
本實施例中，上述第二信息獲取模塊12可以通過人工觸發的方式，來觸發相應的信息採集設備對上述到達出口收費站的目標車輛進行特徵信息採集，以得到上述目標特徵信息。當然，也可以自動識別上述目標車輛與出口收費站的道閘之間的實時距離，當實時距離與預設距離值相一致，則自動觸發相應的信息採集設備對目標車輛進行特徵信息採集，以得到上述目標特徵信息。
另外，本實施例中，在上述第二信息獲取模塊12得到上述目標特徵信息之後，上述信息提取模塊13將會對預設資料庫進行查找，當查找到滿足上述第一預設要求的特徵信息，將會從上述預設資料庫中將該特徵信息提取出來，然後通過上述信息處理中心14，進一步確定該提取出來的特徵信息與目標特徵信息之間的匹配結果，接著將該匹配結果發送給相應的出口收費站管理員終端，這樣可以使得終端前的工作人員直接根據該匹配結果後對上述目標車輛進行有針對性地通行管理。
可見，當需要對出口收費站處的目標車輛進行信息核對時，本發明實施例會獲取該目標車輛的車牌信息、車輛外觀圖像和車輛通行卡信息，從而得到上述目標特徵信息，然後從上述記錄了入口收費站處車輛特徵信息的預設資料庫中提取出與上述目標特徵信息的匹配程度滿足預設要求的特徵信息，接著，確定上述兩份特徵信息之間的匹配結果，並將該匹配結果發送至相應的管理員終端，由上可見，本發明實施例在對入口收費站處的車輛和出口收費站處的車輛進行核對時，無需涉及人工核對的過程，由此可以大幅提升核對效率並降低了人力成本，另外，上述進行匹配的兩份特徵信息中，不僅包括通行卡信息，還包括車牌信息和車輛外觀圖像，從而使得本發明實施例中的特徵信息能夠更加全面客觀地體現車輛自身特點，從而有利於提高最終匹配結果的準確率。
本發明實施例公開了一種具體的高速公路收費站車輛管理伺服器，相對於上一實施例，本實施例對技術方案作了進一步的說明和優化。具體的：
上一實施例中，需要利用信息提取模塊，從預設資料庫中提取出與目標特徵信息的匹配程度滿足第一預設要求的特徵信息。本實施例中，上述信息提取模塊包括第一查找單元和第一提取單元；其中，
第一查找單元，用於利用目標車輛的車牌信息，對預設資料庫進行查找；
第一提取單元，用於當第一查找單元從預設資料庫查找到第一相應特徵信息，則將第一相應特徵信息從預設資料庫中提取出來；
其中，第一相應特徵信息為保存在預設資料庫中的特徵信息，並且第一相應特徵信息的車牌信息與目標車輛的車牌信息相同。
也即，本實施例中，可以將車牌信息作為判斷上述預設資料庫內的任意特徵信息是否滿足上述第一預設要求的過程中的判斷依據，當然，本實施例也可以將車輛通行卡信息作為判斷依據，具體的，本實施例中，上述信息提取模塊也可以包括第二查找單元和第二提取單元；其中，
第二查找單元，用於利用目標車輛的車輛通行卡信息，對預設資料庫進行查找；
第二提取單元，用於當第二查找單元從預設資料庫中查找到第二相應特徵信息，則將第二相應特徵信息從預設資料庫中提取出來；
其中，第二相應特徵信息為保存在預設資料庫中的特徵信息，並且第二相應特徵信息的車輛通行卡信息與目標車輛的車輛通行卡信息相同。
另外，本實施例中，上述信息處理中心可以具體包括第一確定模塊、第二確定模塊、第三確定模塊和結果發送模塊；其中，
第一確定模塊，用於確定提取出的特徵信息與目標特徵信息之間在車牌信息的層面上的匹配結果，相應地得到第一匹配結果；
第二確定模塊，用於確定提取出的特徵信息與目標特徵信息之間在車輛外觀圖像的層面上的匹配結果，相應地得到第二匹配結果；
第三確定模塊，用於確定提取出的特徵信息與目標特徵信息之間在車輛通行卡信息的層面上的匹配結果，相應地得到第三匹配結果；
結果發送模塊，用於將第一匹配結果、第二匹配結果和第三匹配結果發送至出口收費站管理員終端。
其中，上述第二確定模塊可以具體包括第一特徵獲取子模塊、第二特徵獲取子模塊、特徵差異化處理子模塊、模型創建子模塊和結果獲取子模塊；其中，
第一特徵獲取子模塊，用於獲取提取出的特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地第一圖像特徵；
第二特徵獲取子模塊，用於獲取目標特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地得到第二圖像特徵；
特徵差異化處理子模塊，用於對第一圖像特徵與第二圖像特徵進行特徵差異化處理，得到相應的特徵向量；
模型創建子模塊，用於預先基於機器學習算法，創建圖像匹配度預測模型；
結果獲取子模塊，用於將特徵向量輸入圖像匹配度預測模型，得到由圖像匹配度預測模型輸出的匹配結果。
具體的，上述模型創建子模塊，包括訓練集獲取單元、特徵向量確定單元和訓練單元；其中，
訓練集獲取單元，用於獲取訓練集；其中，訓練集包括n組車輛外觀圖像，並且每組車輛外觀圖像均包括與同一車輛對應的兩張車輛外觀圖像，n為正整數；
特徵向量確定單元，用於分別確定每組車輛外觀圖像所對應的特徵向量，得到相應的特徵向量集；
訓練單元，用於利用機器學習算法，對特徵向量集中的每個特徵向量進行學習訓練，得到圖像匹配度預測模型；
其中，上述特徵向量確定單元確定任一組車輛外觀圖像所對應的特徵向量的過程，包括：分別獲取該組車輛外觀圖像中的兩張車輛外觀圖像各自所對應的全局特徵和局部特徵，得到相應的兩個圖像特徵，然後對兩個圖像特徵進行特徵差異化處理，得到與該組車輛外觀圖像所對應的特徵向量。
進一步的，為了方便收費站工作人員直接查看上述提取出的特徵信息和上述目標特徵信息，本實施例中，上述信息處理中心，還可以包括：
特徵信息發送模塊，用於當信息提取模塊從預設資料庫中提取出滿足第一預設要求的特徵信息之後，將提取出的特徵信息和目標特徵信息發送至出口收費站管理員終端。
為了進一步提升本實施例中車輛通行管理過程的智能化水平，本實施例中的伺服器，還可以包括結果判斷模塊和警報模塊；其中，
結果判斷模塊，用於當信息處理中心確定匹配結果之後，判斷匹配結果是否滿足第二預設要求。具體的，上述結果判斷模塊可以用於判斷匹配結果對應的匹配度是否大於或等於預設數值，如果是，則判定上述匹配結果滿足上述第二預設要求，否則，判定上述匹配結果不滿足上述第二預設要求。
警報模塊，用於當結果判斷模塊判定匹配結果不滿足第二預設要求，則產生相應的警報信息，並將警報信息發送至出口收費站管理員終端。
可以理解的是，上述匹配結果所對應的匹配度是對上述第一匹配結果、第二匹配結果和第三匹配結果各自所對應的匹配度進行加權平均後所得到的數值。本發明實施例中，可以根據具體的實際應用需要，對上述第一匹配結果、第二匹配結果和第三匹配結果各自對應的權值進行具體的設定。
進一步的，本發明還公開了一種高速公路收費站車輛管理系統，包括前述實施例中公開的高速公路收費站車輛管理伺服器和出口收費站管理員終端，關於該伺服器的具體構造可以參考前述實施例中公開的相應內容，在此不再進行贅述。
另外，本發明實施例還相應公開了一種高速公路收費站車輛管理方法，參見圖2所示，該方法包括：
步驟s21：將通過入口收費站的車輛的特徵信息保存至預設資料庫；其中，車輛的特徵信息包括車牌信息、車輛外觀圖像和車輛通行卡信息。
可以理解的是，本實施例在將通過入口收費站的車輛的特徵信息保存至預設資料庫的過程之中，需要獲取通過入口收費站的車輛的特徵信息，包括車輛的車牌信息、車輛外觀圖像以及車輛通行卡信息，然後將獲取到的特徵信息保存至上述預設資料庫。
另外，為了保證特徵信息的數據安全性，本發明實施例可以通過經過加密的專用網絡，在tcp/ip協議的支持下，將上述獲取到的特徵信息傳輸至上述預設資料庫進行保存。相應的數據傳輸通道可以採用光纖傳輸通道或者無線數據傳輸通道。其次，本發明實施例可以對傳輸至上述預設資料庫的數據進行加密保存，以進一步提升上述預設資料庫中數據的安全性。
本實施例中，上述預設資料庫可以設置於常規的網絡伺服器或雲端伺服器中。
步驟s22：當目標車輛到達出口收費站，則獲取相應的目標特徵信息；其中，目標特徵信息包括目標車輛的車牌信息、車輛外觀圖像和車輛通行卡信息。
本實施例中，可以通過人工觸發的方式，來觸發相應的信息採集設備對上述到達出口收費站的目標車輛進行特徵信息採集，以得到上述目標特徵信息。當然，也可以自動識別上述目標車輛與出口收費站的道閘之間的實時距離，當實時距離與預設距離值相一致，則自動觸發相應的信息採集設備對目標車輛進行特徵信息採集，以得到上述目標特徵信息。
步驟s23：從預設資料庫中提取出與目標特徵信息的匹配程度滿足第一預設要求的特徵信息，並確定提取出的特徵信息與目標特徵信息之間的匹配結果，然後將匹配結果發送至相應的出口收費站管理員終端。
也即，本實施例中，在得到上述目標特徵信息之後，將會對預設資料庫進行查找，當查找到滿足上述第一預設要求的特徵信息，將會從上述預設資料庫中將該特徵信息提取出來，然後進一步確定該提取出來的特徵信息與目標特徵信息之間的匹配結果，接著將該匹配結果發送給相應的出口收費站管理員終端，這樣可以使得終端前的工作人員直接根據該匹配結果後對上述目標車輛進行有針對性地通行管理。
可見，當需要對出口收費站處的目標車輛進行信息核對時，本發明實施例會獲取該目標車輛的車牌信息、車輛外觀圖像和車輛通行卡信息，從而得到上述目標特徵信息，然後從上述記錄了入口收費站處車輛特徵信息的預設資料庫中提取出與上述目標特徵信息的匹配程度滿足預設要求的特徵信息，接著，確定上述兩份特徵信息之間的匹配結果，並將該匹配結果發送至相應的管理員終端，由上可見，本發明實施例在對入口收費站處的車輛和出口收費站處的車輛進行核對時，無需涉及人工核對的過程，由此可以大幅提升核對效率並降低了人力成本，另外，上述進行匹配的兩份特徵信息中，不僅包括通行卡信息，還包括車牌信息和車輛外觀圖像，從而使得本發明實施例中的特徵信息能夠更加全面客觀地體現車輛自身特點，從而有利於提高最終匹配結果的準確率。
本發明實施例公開了一種具體的高速公路收費站車輛管理方法，相對於上一實施例，本實施例對技術方案作了進一步的說明和優化。具體的：
上一實施例步驟s23中，需要從預設資料庫中提取出與目標特徵信息的匹配程度滿足第一預設要求的特徵信息。本實施例中，上述從預設資料庫中提取出與目標特徵信息的匹配程度滿足第一預設要求的特徵信息的過程，具體可以包括下面步驟s2301和s2302：
步驟s2301：利用目標車輛的車牌信息，對預設資料庫進行查找；
步驟s2302：若從上述預設資料庫查找到第一相應特徵信息，則將第一相應特徵信息從預設資料庫中提取出來；
其中，第一相應特徵信息為保存在預設資料庫中的特徵信息，並且第一相應特徵信息的車牌信息與目標車輛的車牌信息相同。
也即，本實施例中，可以將車牌信息作為判斷上述預設資料庫內的任意特徵信息是否滿足上述第一預設要求的過程中的判斷依據，當然，本實施例也可以將車輛通行卡信息作為判斷依據，具體的，本實施例中，上述從預設資料庫中提取出與目標特徵信息的匹配程度滿足第一預設要求的特徵信息的過程，具體也可以包括下面步驟s2311和s2312：
步驟s2311：利用目標車輛的車輛通行卡信息，對預設資料庫進行查找；
步驟s2312：若從預設資料庫中查找到第二相應特徵信息，則將第二相應特徵信息從預設資料庫中提取出來；
其中，第二相應特徵信息為保存在預設資料庫中的特徵信息，並且第二相應特徵信息的車輛通行卡信息與目標車輛的車輛通行卡信息相同。
進一步的，為了方便收費站工作人員直接查看上述提取出的特徵信息和上述目標特徵信息，本實施例中，從預設資料庫中提取出與目標特徵信息的匹配程度滿足第一預設要求的特徵信息的過程之後，還可以包括：
將上述提取出的特徵信息和目標特徵信息發送至上述出口收費站管理員終端。
上一實施例步驟s23中，從預設資料庫中提取出滿足第一預設要求的特徵信息之後，還需要確定上述提取出的特徵信息與目標特徵信息之間的匹配結果。具體的，上述確定提取出的特徵信息與目標特徵信息之間的匹配結果的過程，具體包括：分別確定提取出的特徵信息與目標特徵信息之間在車牌信息、車輛外觀圖像以及車輛通行卡信息的層面上的匹配結果，相應地得到第一匹配結果、第二匹配結果和第三匹配結果。
其中，上述第二匹配結果的確定過程，也即上述確定提取出的特徵信息與目標特徵信息之間在車輛外觀圖像的層面上的匹配結果的過程，具體可以包括下面步驟s2321至s2324：
步驟s2321：獲取上述提取出的特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地第一圖像特徵。
步驟s2322：獲取目標特徵信息中車輛外觀圖像的全局特徵和局部特徵，相應地得到第二圖像特徵。
步驟s2323：對第一圖像特徵與第二圖像特徵進行特徵差異化處理，得到相應的特徵向量。也即，本實施例對上述第一圖像特徵和第二圖像特徵進行作差處理，得到相應的特徵向量。
步驟s2324：將特徵向量輸入預先基於機器學習算法創建的圖像匹配度預測模型，得到由圖像匹配度預測模型輸出的匹配結果。
可以理解的是，上述步驟s2321和s2322在處理順序上不存在先後之分。另外，上述機器學習算法可以採用現有技術中常見的機器學習算法，在此不對其進行限定。
另外，上述步驟s2324中的圖像匹配度預測模型是預先基於機器學習算法創建的。具體的，參見圖3所示，上述圖像匹配度預測模型的創建過程，包括下面步驟s31至s33：
步驟s31：獲取訓練集；其中，訓練集包括n組車輛外觀圖像，並且每組車輛外觀圖像均包括與同一車輛對應的兩張車輛外觀圖像，n為正整數。也即，每組車輛外觀圖像均包括兩張車輛外觀圖像，並且這兩張車輛外觀圖像均是同一輛車的外觀圖像。
步驟s32：分別確定每組車輛外觀圖像所對應的特徵向量，得到相應的特徵向量集。
步驟s33：利用機器學習算法，對特徵向量集中的每個特徵向量進行學習訓練，得到圖像匹配度預測模型。
其中，上述步驟s32中，確定任一組車輛外觀圖像所對應的特徵向量的過程，具體包括：分別獲取該組車輛外觀圖像中的兩張車輛外觀圖像各自所對應的全局特徵和局部特徵，得到相應的兩個圖像特徵，然後對兩個圖像特徵進行特徵差異化處理，得到與該組車輛外觀圖像所對應的特徵向量。
為了進一步提升本實施例中車輛通行管理過程的智能化水平，本實施例中，在確定提取出的特徵信息與目標特徵信息之間的匹配結果的過程之後，還可以包括：判斷匹配結果是否滿足第二預設要求，若匹配結果不滿足第二預設要求，則產生相應的警報信息，並將警報信息發送至出口收費站管理員終端。具體的，判斷匹配結果對應的匹配度是否大於或等於預設數值，如果是，則判定上述匹配結果滿足上述第二預設要求，否則，判定上述匹配結果不滿足上述第二預設要求。
可以理解的是，上述匹配結果所對應的匹配度是對上述第一匹配結果、第二匹配結果和第三匹配結果各自所對應的匹配度進行加權平均後所得到的數值。本發明實施例中，可以根據具體的實際應用需要，對上述第一匹配結果、第二匹配結果和第三匹配結果各自對應的權值進行具體的設定。
最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個……」限定的要素，並不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
以上對本發明所提供的一種高速公路收費站車輛管理伺服器、系統及方法進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本發明的方法及其核心思想；同時，對於本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。