[发明专利]车位查找方法及相关产品

权利要求书

1.一种车位查找方法，其特征在于，所述方法包括如下步骤：

采集第一图片，对第一图片处理得到第一人脸图片；

将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份；

依据身份与车牌映射关系查找出该第一身份对应的第一车牌，通过第一车牌查询该第一车牌对应的第一车位，将该第一车位显示。

2.根据权利要求1所述的方法，其特征在于，所述将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果具体包括：

将第一人脸图片进行灰度处理得到第一灰度图像，获取第一灰度图像中每个像素点的m1个灰度值，提取m1个灰度值中灰度值最小且连续的m2个像素点的灰度值，将m2个像素点从第一灰度图像中去除得到第二灰度图像，将第二灰度图像恢复得到第二人脸图片，提取第二人脸图片中每个像素点的R、G、B值(红色值、绿色值、蓝色值)，将第二人脸图片中每个像素点的R、G、B值组成输入数据块[CI₁][H₁][w₁]，将输入数据块[CI₁][H₁][w₁]作为输入数据输入到神经网络模型执行多层卷积运算得到正向运算结果，其中，CI₁为输入数据块的深度值、H₁为输入数据块的高度值，w₁为输入数据块的宽度值，m1、CI₁、H₁、w1均为大于等于10的整数，m2为大于等于10³的整数。

3.根据权利要求1所述的方法，其特征在于，如神经网络模型的多层正向运算包括X1个需要执行卷积运算的X1个神经网络模型计算层，所述方法在执行X1个神经网络模型计算层的计算时，包括：

获取神经网络模型多层中执行卷积运算的X1个神经网络模型计算层，提取X1个神经网络模型计算中的X1个卷积运算的X1个卷积核中的核尺寸kernel size；获取终端适应计算的核尺寸【3】【3】；提取X1个卷积核中的核尺寸不为核尺寸【3】【3】的X2个卷积核，将X2个卷积核中的第y层的第α个卷积核切割成CI*CN个核尺寸【A】【A】，将核尺寸【A】【A】拟合成X3个核尺寸【3】【3】的卷积核，在执行核尺寸【A】【A】与神经网络模型计算层中第y层的卷积计算时，将X3个核尺寸【3】【3】与第y层的输入数据的对应数据执行X3次卷积运算得到X3个卷积计算中间结果，将X3个卷积计算中间结果执行累加得到第y层的卷积结果中的一个元素，上述X1＞X2，X1、X2、X3均为大于等于1的整数，CI为卷积核的深度值，CN为卷积核的数量值，CI、CN均为大于等于1的整数，A为大于3的整数。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述方法还包括：

计算该第一车牌的停车费用，将该停车费用显示。

5.一种终端，其特征在于，所述终端包括：摄像头和处理器，所述处理器与摄像头连接；

所述摄像头，用于采集第一图片；

所述处理器，用于对第一图片处理得到第一人脸图片；将第一人脸图片组成的输入数据输入到人工智能芯片中进行神经网络模型的多层正向运算得到正向运算结果，依据该正向运算结果确定该第一人脸图片的第一身份；依据身份与车牌映射关系查找出该第一身份对应的第一车牌，通过第一车牌查询该第一车牌对应的第一车位，将该第一车位显示。