本发明涉及智能停车管理技术领域，尤其涉及一种基于摄像机分析车辆停车事件的方法及装置。
背景技术：
在经济快速发展的今天，人民生活水平和收入不断提高，城市机动车保有量也急速增长，但随之而来，城市停车位缺口也不断扩大，远远无法满足巨大的停车需求，停车位与停车需求间的矛盾也日益尖锐。尤其在城市道路两侧，由于路侧停车位的稀缺以及机动车驾驶人的交通安全意识淡薄，城市路侧停车和路侧违法停车成为城市管理的痼疾之一，由此带来交通拥堵等问题严重制约着城市绿色、快速发展，严重影响市容市貌、居民生活环境，对于城市路侧停车和路侧违法停车的治理，已到刻不容缓的程度。
随着高位视频技术的成熟，实时自动化监管路侧停车场已成为现实。但现有高位视频技术往往依赖于高速处理芯片，一旦高速处理芯片由于各种因素，如价格、技术限制等，无法使用时，将直接影响商用设备部署，限制了停车管理设备的推广，因此，亟待一种不依赖高速处理芯片即可实现高效、精确、实时自动化监管路侧停车场的方法。
技术实现要素：
本发明实施例提供一种基于摄像机分析车辆停车事件的方法及装置，实现了在摄像机端实现车辆分析的计算功能。
一方面，本发明实施例提供了一种基于摄像机分析车辆停车事件的方法，包括：
实时获取预定监控区域的图像，确定各个图像中每一个泊位的差分区域；
判断在第一预定时间段内的各个图像中的差分区域是否发生变化，若发生变化，确定发生变化起始时的起始差分区域图像；
当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像；
对所述起始差分区域图像和所述结束差分区域图像中的车辆进行车牌识别，根据识别结果，判断当前泊位差分区域内车辆的车牌信息是否一致；
若不一致，确定当前泊位发生车辆停车事件。
进一步地，在所述实时获取预定监控区域的图像，确定各个图像中每一个泊位的差分区域的步骤之前，包括：
预标记预定监控区域中每一个泊位的差分区域；
其中，所述确定各个图像中每一个泊位的差分区域，包括：
根据预定监控区域中预标记的每一个泊位的差分区域，确定各个图像中每一个泊位的差分区域。
可选地，在所述当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像的步骤之后，还包括：
获取起始差分区域图像拍摄时间之前的第二预定时间段内的第一待检测差分区域图像，并获取结束差分区域图像拍摄时间之后的第三预定时间段内的第二待检测差分区域图像；
将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
进一步地，所述将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化，包括：
根据摄像机的拍摄图像的先后时序，确定每一第一待检测差分区域图像各自对应的第二待检测差分区域图像；
针对各个对应后的每一组第一待检测差分区域图像和第二待检测差分区域图像，分别进行差分比较，判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
进一步地，所述判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化，包括：
若对应后的任一组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域发生变化，将每一个第一待检测差分区域图像进行叠加，得到第一叠加图像，并将每一第二待检测差分区域图像进行叠加，得到第二叠加图像；
差分比较第一叠加图像和第二叠加图像，判断当前泊位差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
可选地，若判断当前泊位差分区域内车辆的车牌信息不一致，还包括：
基于第一待检测差分区域图像建立第一图像背景模型，通过所述第一图像背景模型提取第一待检测差分区域图像中的第一车辆感知区域背景；
基于第二待检测差分区域图像建立第二图像背景模型，通过所述第二图像背景模型提取第二待检测差分区域图像中的第二车辆感知区域背景；
将所述第一车辆感知区域背景与所述第二车辆感知区域背景进行背景差分处理，判断所述第一车辆感知区域的背景差分结果与所述第二车辆感知区域背景的背景差分结果是否一致；
若一致，确定当前泊位差分区域内的车辆未发生停车事件。
另一方面，本发明实施例提供了一种基于摄像机分析车辆停车事件的装置，包括：
获取及确定模块，用于实时获取预定监控区域的图像，确定各个图像中每一个泊位的差分区域；
判断模块，用于判断在第一预定时间段内的各个图像中的差分区域是否发生变化，若发生变化，确定发生变化起始时的起始差分区域图像；
第一确定模块，用于当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像；
车牌识别及判断模块，用于对所述起始差分区域图像和所述结束差分区域图像中的车辆进行车牌识别，根据识别结果，判断当前泊位差分区域内车辆的车牌信息是否一致；
第二确定模块，用于若不一致，确定当前泊位发生车辆停车事件。
进一步地，包括：
预标记模块，用于预标记预定监控区域中每一个泊位的差分区域；
其中，所述获取及确定模块，具体用于
根据预定监控区域中预标记的每一个泊位的差分区域，确定各个图像中每一个泊位的差分区域。
可选地，还包括：
获取模块，用于获取起始差分区域图像拍摄时间之前的第二预定时间段内的第一待检测差分区域图像，并获取结束差分区域图像拍摄时间之后的第三预定时间段内的第二待检测差分区域图像；
差分比较及判断模块，用于将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化；
第三确定模块，用于若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
进一步地，所述差分比较及判断模块，包括：
第一确定单元，用于根据摄像机的拍摄图像的先后时序，确定每一第一待检测差分区域图像各自对应的第二待检测差分区域图像；
判断单元，用于针对各个对应后的每一组第一待检测差分区域图像和第二待检测差分区域图像，分别进行差分比较，判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化；
第二确定单元，用于若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
进一步地，所述判断单元，具体用于
若对应后的任一组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域发生变化，将每一个第一待检测差分区域图像进行叠加，得到第一叠加图像，并将每一第二待检测差分区域图像进行叠加，得到第二叠加图像；
差分比较第一叠加图像和第二叠加图像，判断当前泊位差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
可选地，车牌识别及判断模块中若判断当前泊位差分区域内车辆的车牌信息不一致，还包括：
第一建立及提取模块，用于基于第一待检测差分区域图像建立第一图像背景模型，通过所述第一图像背景模型提取第一待检测差分区域图像中的第一车辆感知区域背景；
第二建立及提取模块，用于基于第二待检测差分区域图像建立第二图像背景模型，通过所述第二图像背景模型提取第二待检测差分区域图像中的第二车辆感知区域背景；
差分处理及判断模块，用于将所述第一车辆感知区域背景与所述第二车辆感知区域背景进行背景差分处理，判断所述第一车辆感知区域的背景差分结果与所述第二车辆感知区域背景的背景差分结果是否一致；
第四确定模块，用于若一致，确定当前泊位差分区域内的车辆未发生停车事件。
上述技术方案具有如下有益效果：通过本发明，实现了在摄像机端基于图像差分变化，判断车辆的停车时间信息，同时，在摄像机端实现了车辆分析的计算功能，从而能够及时地过滤大量的分析数据，极大地节约了数据存储的空间，且减轻了车辆管理系统终端的计算压力，进一步地提高了数据的传输能力，降低了车辆管理系统终端设备的成本。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例中一种基于摄像机分析车辆停车事件的方法流程图；
图2为本发明一实施例中一种基于摄像机分析车辆停车事件的装置结构示意图。
具体实施方式
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、完整地描述，显然，所描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前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例的技术方案具有如下有益效果：通过本发明，实现了在摄像机端基于图像差分变化，判断车辆的停车时间信息，同时，在摄像机端实现了车辆分析的计算功能，从而能够及时地过滤大量的分析数据，极大地节约了数据存储的空间，且减轻了车辆管理系统终端的计算压力，进一步地提高了数据的传输能力，降低了车辆管理系统终端设备的成本。
以下结合应用实例对本发明实施例的技术方案进行详细说明：
本发明应用实例旨在在摄像机端实现车辆分析的计算功能。
在一可能的实现方式中，预标记预定监控区域中每一个泊位的差分区域；实时获取预定监控区域的图像，根据预定监控区域中预标记的每一个泊位的差分区域，确定各个图像中每一个泊位的差分区域；判断在第一预定时间段内的各个图像中的差分区域是否发生变化，若发生变化，确定发生变化起始时的起始差分区域图像；当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像；对所述起始差分区域图像和所述结束差分区域图像中的车辆进行车牌识别，根据识别结果，判断当前泊位差分区域内车辆的车牌信息是否一致；若不一致，确定当前泊位发生车辆停车事件。
例如，在车辆管理系统a中，在摄像机中预标记预定监控区域中每一个泊位的差分区域；通过摄像机实时获取预定监控区域的图像，根据预定监控区域中预标记的每一个泊位的差分区域，确定各个图像中每一个泊位的差分区域，随后，判断在第一预定时间段内，如5分钟内，的各个图像中的差分区域是否发生变化，若发生变化，确定发生变化起始时的起始差分区域图像；当差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像；随后，对起始差分区域图像和结束差分区域图像中的车辆进行车牌识别，根据识别结果，判断当前泊位差分区域内车辆的车牌信息是否一致；若不一致，确定当前泊位发生车辆停车事件。
在一可能的实现方式中，在所述当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像的步骤之后，还包括：获取起始差分区域图像拍摄时间之前的第二预定时间段内的第一待检测差分区域图像，并获取结束差分区域图像拍摄时间之后的第三预定时间段内的第二待检测差分区域图像；将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化；若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
例如，在车辆管理系统a中，通过摄像机实时获取预定监控区域的图像，根据预定监控区域中预标记的每一个泊位的差分区域，确定各个图像中每一个泊位的差分区域，随后，判断在第一预定时间段内的各个图像中的差分区域是否发生变化，若发生变化，确定发生变化起始时的起始差分区域图像；当差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像；随后，获取起始差分区域图像拍摄时间，如“2020-10-1012:00:00”，之前的第二预定时间段内，如3分钟内，的第一待检测差分区域图像，即获取“2020-10-1011:57:00”至“2020-10-1012:00:00”内的第一待检测差分区域图像，并获取结束差分区域图像拍摄时间，如“2020-10-1012:04:00”，之后的第三预定时间段内，如3分钟内，的第二待检测差分区域图像，即获取“2020-10-1012:04:00”至“2020-10-1012:07:00”内的第二待检测差分区域图像；将各第一待检测差分区域图像和各第二待检测差分区域图像进行差分比较，判断各第一待检测差分区域图像和各第二待检测差分区域图像中的差分区域是否发生变化；若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
在一可能的实现方式中，将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化的步骤，包括：根据摄像机的拍摄图像的先后时序，确定每一第一待检测差分区域图像各自对应的第二待检测差分区域图像；针对各个对应后的每一组第一待检测差分区域图像和第二待检测差分区域图像，分别进行差分比较，判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化；若未发生变化，或者变化区域小于预定的区域范围时，确定当前泊位差分区域内的车辆未发生停车事件。
例如，在车辆管理系统a中，获取第一待检测差分区域图像和第二待检测差分区域图像后，根据摄像机的拍摄图像的先后时序，确定每一第一待检测差分区域图像各自对应的第二待检测差分区域图像，如第一待检测差分区域图像按拍摄先后时序包括e、f、g，第二待检测差分区域图像拍摄先后时序包括l、m、n，则可规定e对应l，f对应m，g对应n；针对各个对应后的每一组第一待检测差分区域图像和第二待检测差分区域图像，分别进行差分比较，判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化；若未发生变化，或者变化区域小于预定的区域范围时，确定当前泊位差分区域内的车辆未发生停车事件。
通过本实施例，能够精确地确定差分区域的图像变化，从而能够过滤车辆未发生停车事件的数据，如车辆停在泊位内未移动时的数据，为后续减轻车辆管理系统终端的计算压力提供了重要的前提保障。
在一可能的实现方式中，判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化的步骤，包括：若对应后的任一组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域发生变化，将每一个第一待检测差分区域图像进行叠加，得到第一叠加图像，并将每一第二待检测差分区域图像进行叠加，得到第二叠加图像；差分比较第一叠加图像和第二叠加图像，判断当前泊位差分区域是否发生变化；若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
例如，在车辆管理系统a中，若判断对应后的任一组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域发生变化，将每一个第一待检测差分区域图像进行叠加，如将第一待检测差分区域图像e、f、g进行叠加，得到第一叠加图像，并将每一第二待检测差分区域图像进行叠加，如将第二待检测差分区域图像l、m、n进行叠加，得到第二叠加图像；差分比较第一叠加图像和第二叠加图像，判断当前泊位差分区域是否发生变化；若未发生变化，或者变化区域小于预定的区域范围时，确定当前泊位差分区域内的车辆未发生停车事件。
通过本实施例，能够更进一步地地确定差分区域的图像变化，进一步过滤车辆未发生停车事件的数据，同时，可以过滤部分无干扰情况下车辆非出入场的数据。
在一可能的实现方式中，在车辆管理系统a中，若判断当前泊位差分区域内车辆的车牌信息不一致，基于第一待检测差分区域图像，通过使用了opencv(一个跨平台计算机视觉和机器学习软件库)的公共背景建模方法建立第一图像背景模型，通过第一图像背景模型提取第一待检测差分区域图像中的第一车辆感知区域背景；基于第二待检测差分区域图像建立第二图像背景模型，通过第二图像背景模型提取第二待检测差分区域图像中的第二车辆感知区域背景；随后将第一车辆感知区域背景与第二车辆感知区域背景进行背景差分处理，判断第一车辆感知区域的背景差分结果与第二车辆感知区域背景的背景差分结果是否一致；若一致，确定当前泊位差分区域内的车辆未发生停车事件。
通过本实施例，基于建立图像背景模型，能够更精确快速地确定差分区域的图像变化，极大地避免了因错误数据发生误报的情况发生，同时，极大地减少了无意义计算能力的消耗，提高了车辆管理系统的管理效率。
在一可能的实现方式中，在车辆管理系统a中，若判断当前泊位差分区域内车辆的车牌信息不一致，还包括：将已存储的图像进行压缩处理后发送至服务器；如将已存储的图像进行h.265压缩处理后发送至服务器，随后服务器根据接收到的压缩图像进行卷积神经网络分析，并将分析后的车辆出入场事件传输给车辆用户。
通过本实施例，结合服务端的数据分析，能够精确地判断车辆的停车事件，极大地提高了用户的使用体验，同时，极大地提高了车辆管理系统中的数据传输能力；通过过滤大量的车辆在泊位内未移动的数据，减少了服务器计算能力的消耗，从而节约了能源，同时让相同性能的服务器能够服务更多的设备，进一步地，降低了车辆管理系统的成本。
本发明实施例提供了一种基于摄像机分析车辆停车事件的装置，可以实现上述提供的方法实施例，具体功能实现请参见方法实施例中的说明，在此不再赘述。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrativelogicalblock)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrativecomponents)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于ram、rom、eeprom、cd-rom或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(dsl)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、dvd、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种基于摄像机分析车辆停车事件的方法，其特征在于，包括：
实时获取预定监控区域的图像，确定各个图像中每一个泊位的差分区域；
判断在第一预定时间段内的各个图像中的差分区域是否发生变化，若发生变化，确定发生变化起始时的起始差分区域图像；
当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像；
对所述起始差分区域图像和所述结束差分区域图像中的车辆进行车牌识别，根据识别结果，判断当前泊位差分区域内车辆的车牌信息是否一致；
若不一致，确定当前泊位发生车辆停车事件。
2.根据权利要求1所述的方法，其特征在于，在所述实时获取预定监控区域的图像，确定各个图像中每一个泊位的差分区域的步骤之前，包括：
预标记预定监控区域中每一个泊位的差分区域；
其中，所述确定各个图像中每一个泊位的差分区域，包括：
根据预定监控区域中预标记的每一个泊位的差分区域，确定各个图像中每一个泊位的差分区域。
3.根据权利要求2所述的方法，其特征在于，在所述当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像的步骤之后，还包括：
获取起始差分区域图像拍摄时间之前的第二预定时间段内的第一待检测差分区域图像，并获取结束差分区域图像拍摄时间之后的第三预定时间段内的第二待检测差分区域图像；
将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
4.根据权利要求3所述的方法，其特征在于，所述将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化，包括：
根据摄像机的拍摄图像的先后时序，确定每一第一待检测差分区域图像各自对应的第二待检测差分区域图像；
针对各个对应后的每一组第一待检测差分区域图像和第二待检测差分区域图像，分别进行差分比较，判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
5.根据权利要求4所述的方法，其特征在于，所述判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化，包括：
若对应后的任一组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域发生变化，将每一个第一待检测差分区域图像进行叠加，得到第一叠加图像，并将每一第二待检测差分区域图像进行叠加，得到第二叠加图像；
差分比较第一叠加图像和第二叠加图像，判断当前泊位差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
6.根据权利要求5所述的方法，其特征在于，若判断当前泊位差分区域内车辆的车牌信息不一致，还包括：
基于第一待检测差分区域图像建立第一图像背景模型，通过所述第一图像背景模型提取第一待检测差分区域图像中的第一车辆感知区域背景；
基于第二待检测差分区域图像建立第二图像背景模型，通过所述第二图像背景模型提取第二待检测差分区域图像中的第二车辆感知区域背景；
将所述第一车辆感知区域背景与所述第二车辆感知区域背景进行背景差分处理，判断所述第一车辆感知区域的背景差分结果与所述第二车辆感知区域背景的背景差分结果是否一致；
若一致，确定当前泊位差分区域内的车辆未发生停车事件。
7.一种基于摄像机分析车辆停车事件的装置，其特征在于，包括：
获取及确定模块，用于实时获取预定监控区域的图像，确定各个图像中每一个泊位的差分区域；
判断模块，用于判断在第一预定时间段内的各个图像中的差分区域是否发生变化，若发生变化，确定发生变化起始时的起始差分区域图像；
第一确定模块，用于当所述差分区域图像差分变化结束时，确定发生变化结束时的结束差分区域图像；
车牌识别及判断模块，用于对所述起始差分区域图像和所述结束差分区域图像中的车辆进行车牌识别，根据识别结果，判断当前泊位差分区域内车辆的车牌信息是否一致；
第二确定模块，用于若不一致，确定当前泊位发生车辆停车事件。
8.根据权利要求7所述的装置，其特征在于，包括：
预标记模块，用于预标记预定监控区域中每一个泊位的差分区域；
其中，所述获取及确定模块，具体用于
根据预定监控区域中预标记的每一个泊位的差分区域，确定各个图像中每一个泊位的差分区域。
9.根据权利要求8所述的装置，其特征在于，还包括：
获取模块，用于获取起始差分区域图像拍摄时间之前的第二预定时间段内的第一待检测差分区域图像，并获取结束差分区域图像拍摄时间之后的第三预定时间段内的第二待检测差分区域图像；
差分比较及判断模块，用于将所述第一待检测差分区域图像和所述第二待检测差分区域图像进行差分比较，判断所述第一待检测差分区域图像和所述第二待检测差分区域图像中的差分区域是否发生变化；
第三确定模块，用于若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
10.根据权利要求9所述的装置，其特征在于，所述差分比较及判断模块，包括：
第一确定单元，用于根据摄像机的拍摄图像的先后时序，确定每一第一待检测差分区域图像各自对应的第二待检测差分区域图像；
判断单元，用于针对各个对应后的每一组第一待检测差分区域图像和第二待检测差分区域图像，分别进行差分比较，判断对应后的各组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域是否发生变化；
第二确定单元，用于若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
11.根据权利要求10所述的装置，其特征在于，所述判断单元，具体用于
若对应后的任一组第一待检测差分区域图像和第二待检测差分区域图像中的差分区域发生变化，将每一个第一待检测差分区域图像进行叠加，得到第一叠加图像，并将每一第二待检测差分区域图像进行叠加，得到第二叠加图像；
差分比较第一叠加图像和第二叠加图像，判断当前泊位差分区域是否发生变化；
若未发生变化，确定当前泊位差分区域内的车辆未发生停车事件。
12.根据权利要求11所述的装置，其特征在于，车牌识别及判断模块中若判断当前泊位差分区域内车辆的车牌信息不一致，还包括：
第一建立及提取模块，用于基于第一待检测差分区域图像建立第一图像背景模型，通过所述第一图像背景模型提取第一待检测差分区域图像中的第一车辆感知区域背景；
第二建立及提取模块，用于基于第二待检测差分区域图像建立第二图像背景模型，通过所述第二图像背景模型提取第二待检测差分区域图像中的第二车辆感知区域背景；
差分处理及判断模块，用于将所述第一车辆感知区域背景与所述第二车辆感知区域背景进行背景差分处理，判断所述第一车辆感知区域的背景差分结果与所述第二车辆感知区域背景的背景差分结果是否一致；
第四确定模块，用于若一致，确定当前泊位差分区域内的车辆未发生停车事件。
技术总结