一种高速公路收费站车辆管理服务器、系统及方法与流程

本发明涉及智能交通技术领域，特别涉及一种高速公路收费站车辆管理服务器、系统及方法。

背景技术：

当前，国内的高速公路收费站是高速公路管理系统的核心组成部分之一，其在对过往车辆进行通行费收取的同时，还由于需要对过往车辆的相关信息进行核对，从而能够有效地协助公安机关打击各种与车辆相关的违法犯罪行为。

现在国内的高速公路收费站，主要采用发放车辆通行卡的方式来对过往车辆进行收费管理，而在核对出口收费站处的车辆与进入高速公路时的车辆是否一致时，通常是由出口收费站处的工作人员进行人工判断，这无疑导致核对效率非常低，并且需要消耗大量的人力成本；另外，出口收费站的工作人员在过往车辆进行核对的过程中，通常只对通行卡的信息进行核对，而很容易在不经意之间忽略了核对车辆自身真正相关的信息，从而导致核对失误的现象不时出现，由此使得某些与车辆相关的违法违规行为不能被及时发现。

综上所述可以看出，如何提高收费站过往车辆核对结果的准确率、核对效率并降低人力成本是目前有待解决的问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种高速公路收费站车辆管理服务器、系统及方法，提高了收费站过往车辆核对结果的准确率、核对效率并降低了人力成本。其具体方案如下：

一种高速公路收费站车辆管理服务器，包括：

第一信息获取模块，用于将通过入口收费站的车辆的特征信息保存至预设数据库；其中，车辆的特征信息包括车牌信息、车辆外观图像和车辆通行卡信息；

第二信息获取模块，用于当目标车辆到达出口收费站，则获取相应的目标特征信息；其中，所述目标特征信息包括所述目标车辆的车牌信息、车辆外观图像和车辆通行卡信息；

信息提取模块，用于从所述预设数据库中提取出与所述目标特征信息的匹配程度满足第一预设要求的特征信息；

信息处理中心，用于确定提取出的特征信息与所述目标特征信息之间的匹配结果，然后将所述匹配结果发送至相应的出口收费站管理员终端。

优选的，所述信息提取模块包括：

第一查找单元，用于利用所述目标车辆的车牌信息，对所述预设数据库进行查找；

第一提取单元，用于当所述第一查找单元从所述预设数据库查找到第一相应特征信息，则将所述第一相应特征信息从所述预设数据库中提取出来；

其中，所述第一相应特征信息为保存在所述预设数据库中的特征信息，并且所述第一相应特征信息的车牌信息与所述目标车辆的车牌信息相同。

优选的，所述信息处理中心包括：

第一确定模块，用于确定所述提取出的特征信息与所述目标特征信息之间在车牌信息的层面上的匹配结果，相应地得到第一匹配结果；

第二确定模块，用于确定所述提取出的特征信息与所述目标特征信息之间在车辆外观图像的层面上的匹配结果，相应地得到第二匹配结果；

第三确定模块，用于确定所述提取出的特征信息与所述目标特征信息之间在车辆通行卡信息的层面上的匹配结果，相应地得到第三匹配结果；

结果发送模块，用于将所述第一匹配结果、所述第二匹配结果和所述第三匹配结果发送至所述出口收费站管理员终端。

优选的，所述第二确定模块包括：

第一特征获取子模块，用于获取所述提取出的特征信息中车辆外观图像的全局特征和局部特征，相应地第一图像特征；

第二特征获取子模块，用于获取所述目标特征信息中车辆外观图像的全局特征和局部特征，相应地得到第二图像特征；

特征差异化处理子模块，用于对所述第一图像特征与所述第二图像特征进行特征差异化处理，得到相应的特征向量；

模型创建子模块，用于预先基于机器学习算法，创建图像匹配度预测模型；

结果获取子模块，用于将所述特征向量输入所述图像匹配度预测模型，得到由所述图像匹配度预测模型输出的匹配结果。

优选的，所述模型创建子模块，包括：

训练集获取单元，用于获取训练集；其中，所述训练集包括n组车辆外观图像，并且每组车辆外观图像均包括与同一车辆对应的两张车辆外观图像，n为正整数；

特征向量确定单元，用于分别确定每组车辆外观图像所对应的特征向量，得到相应的特征向量集；

训练单元，用于利用机器学习算法，对所述特征向量集中的每个特征向量进行学习训练，得到所述图像匹配度预测模型；

其中，所述特征向量确定单元确定任一组车辆外观图像所对应的特征向量的过程，包括：分别获取该组车辆外观图像中的两张车辆外观图像各自所对应的全局特征和局部特征，得到相应的两个图像特征，然后对所述两个图像特征进行特征差异化处理，得到与该组车辆外观图像所对应的特征向量。

本发明还公开了一种高速公路收费站车辆管理系统，包括前述公开的高速公路收费站车辆管理服务器和出口收费站管理员终端。

本发明还相应公开了一种高速公路收费站车辆管理方法，包括：

将通过入口收费站的车辆的特征信息保存至预设数据库；其中，车辆的特征信息包括车牌信息、车辆外观图像和车辆通行卡信息；

当目标车辆到达出口收费站，则获取相应的目标特征信息；其中，所述目标特征信息包括所述目标车辆的车牌信息、车辆外观图像和车辆通行卡信息；

从所述预设数据库中提取出与所述目标特征信息的匹配程度满足第一预设要求的特征信息，并确定提取出的特征信息与所述目标特征信息之间的匹配结果，然后将所述匹配结果发送至相应的出口收费站管理员终端。

优选的，所述确定提取出的特征信息与所述目标特征信息之间的匹配结果的过程，包括：

分别确定所述提取出的特征信息与所述目标特征信息之间在车牌信息、车辆外观图像以及车辆通行卡信息的层面上的匹配结果，相应地得到第一匹配结果、第二匹配结果和第三匹配结果。

优选的，确定所述提取出的特征信息与所述目标特征信息之间在车辆外观图像的层面上的匹配结果的过程，包括：

获取所述提取出的特征信息中车辆外观图像的全局特征和局部特征，相应地第一图像特征；

获取所述目标特征信息中车辆外观图像的全局特征和局部特征，相应地得到第二图像特征；

对所述第一图像特征与所述第二图像特征进行特征差异化处理，得到相应的特征向量；

将所述特征向量输入预先基于机器学习算法创建的图像匹配度预测模型，得到由所述图像匹配度预测模型输出的匹配结果。

优选的，所述图像匹配度预测模型的创建过程，包括：

获取训练集；其中，所述训练集包括n组车辆外观图像，并且每组车辆外观图像均包括与同一车辆对应的两张车辆外观图像，n为正整数；

分别确定每组车辆外观图像所对应的特征向量，得到相应的特征向量集；

利用机器学习算法，对所述特征向量集中的每个特征向量进行学习训练，得到所述图像匹配度预测模型；

其中，确定任一组车辆外观图像所对应的特征向量的过程，包括：分别获取该组车辆外观图像中的两张车辆外观图像各自所对应的全局特征和局部特征，得到相应的两个图像特征，然后对所述两个图像特征进行特征差异化处理，得到与该组车辆外观图像所对应的特征向量。

可见，当需要对出口收费站处的目标车辆进行信息核对时，本发明会获取该目标车辆的车牌信息、车辆外观图像和车辆通行卡信息，从而得到上述目标特征信息，然后从上述记录了入口收费站处车辆特征信息的预设数据库中提取出与上述目标特征信息的匹配程度满足预设要求的特征信息，接着，确定上述两份特征信息之间的匹配结果，并将该匹配结果发送至相应的管理员终端，由上可见，本发明在对入口收费站处的车辆和出口收费站处的车辆进行核对时，无需涉及人工核对的过程，由此可以大幅提升核对效率并降低了人力成本，另外，上述进行匹配的两份特征信息中，不仅包括通行卡信息，还包括车牌信息和车辆外观图像，从而使得本发明中的特征信息能够更加全面客观地体现车辆自身特点，从而有利于提高最终匹配结果的准确率。

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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种高速公路收费站车辆管理服务器结构示意图；

图2为本发明实施例公开的一种高速公路收费站车辆管理方法流程图；

图3为本发明实施例公开的图像匹配度预测模型创建方法流程图。

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。

本发明实施例公开了一种高速公路收费站车辆管理服务器，参见图1所示，该服务器包括：

第一信息获取模块11，用于将通过入口收费站的车辆的特征信息保存至预设数据库；其中，车辆的特征信息包括车牌信息、车辆外观图像和车辆通行卡信息。

第二信息获取模块12，用于当目标车辆到达出口收费站，则获取相应的目标特征信息；其中，目标特征信息包括目标车辆的车牌信息、车辆外观图像和车辆通行卡信息。

信息提取模块13，用于从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息。

信息处理中心14，用于确定提取出的特征信息与目标特征信息之间的匹配结果，然后将匹配结果发送至相应的出口收费站管理员终端。

需要说明的是，本实施例中的高速公路收费站车辆管理服务器的类型可以是常规的网络服务器类型，也可以是云端服务器类型。

可以理解的是，本实施例中，上述第一信息获取模块11在将通过入口收费站的车辆的特征信息保存至预设数据库的过程之中，需要获取通过入口收费站的车辆的特征信息，包括车辆的车牌信息、车辆外观图像以及车辆通行卡信息，然后将获取到的特征信息保存至上述预设数据库。

另外，为了保证特征信息的数据安全性，本发明实施例中，上述第一信息获取模块11可以通过经过加密的专用网络，在tcp/ip协议(tcp/ip，即transmissioncontrolprotocol/internetprotocol)的支持下，将上述获取到的特征信息传输至上述预设数据库进行保存。相应的数据传输通道可以采用光纤传输通道或者无线数据传输通道。其次，本发明实施例中，上述第一信息获取模块11可以对传输至上述预设数据库的数据进行加密保存，以进一步提升上述预设数据库中数据的安全性。

本实施例中，上述第二信息获取模块12可以通过人工触发的方式，来触发相应的信息采集设备对上述到达出口收费站的目标车辆进行特征信息采集，以得到上述目标特征信息。当然，也可以自动识别上述目标车辆与出口收费站的道闸之间的实时距离，当实时距离与预设距离值相一致，则自动触发相应的信息采集设备对目标车辆进行特征信息采集，以得到上述目标特征信息。

另外，本实施例中，在上述第二信息获取模块12得到上述目标特征信息之后，上述信息提取模块13将会对预设数据库进行查找，当查找到满足上述第一预设要求的特征信息，将会从上述预设数据库中将该特征信息提取出来，然后通过上述信息处理中心14，进一步确定该提取出来的特征信息与目标特征信息之间的匹配结果，接着将该匹配结果发送给相应的出口收费站管理员终端，这样可以使得终端前的工作人员直接根据该匹配结果后对上述目标车辆进行有针对性地通行管理。

可见，当需要对出口收费站处的目标车辆进行信息核对时，本发明实施例会获取该目标车辆的车牌信息、车辆外观图像和车辆通行卡信息，从而得到上述目标特征信息，然后从上述记录了入口收费站处车辆特征信息的预设数据库中提取出与上述目标特征信息的匹配程度满足预设要求的特征信息，接着，确定上述两份特征信息之间的匹配结果，并将该匹配结果发送至相应的管理员终端，由上可见，本发明实施例在对入口收费站处的车辆和出口收费站处的车辆进行核对时，无需涉及人工核对的过程，由此可以大幅提升核对效率并降低了人力成本，另外，上述进行匹配的两份特征信息中，不仅包括通行卡信息，还包括车牌信息和车辆外观图像，从而使得本发明实施例中的特征信息能够更加全面客观地体现车辆自身特点，从而有利于提高最终匹配结果的准确率。

本发明实施例公开了一种具体的高速公路收费站车辆管理服务器，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：

上一实施例中，需要利用信息提取模块，从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息。本实施例中，上述信息提取模块包括第一查找单元和第一提取单元；其中，

第一查找单元，用于利用目标车辆的车牌信息，对预设数据库进行查找；

第一提取单元，用于当第一查找单元从预设数据库查找到第一相应特征信息，则将第一相应特征信息从预设数据库中提取出来；

其中，第一相应特征信息为保存在预设数据库中的特征信息，并且第一相应特征信息的车牌信息与目标车辆的车牌信息相同。

也即，本实施例中，可以将车牌信息作为判断上述预设数据库内的任意特征信息是否满足上述第一预设要求的过程中的判断依据，当然，本实施例也可以将车辆通行卡信息作为判断依据，具体的，本实施例中，上述信息提取模块也可以包括第二查找单元和第二提取单元；其中，

第二查找单元，用于利用目标车辆的车辆通行卡信息，对预设数据库进行查找；

第二提取单元，用于当第二查找单元从预设数据库中查找到第二相应特征信息，则将第二相应特征信息从预设数据库中提取出来；

其中，第二相应特征信息为保存在预设数据库中的特征信息，并且第二相应特征信息的车辆通行卡信息与目标车辆的车辆通行卡信息相同。

另外，本实施例中，上述信息处理中心可以具体包括第一确定模块、第二确定模块、第三确定模块和结果发送模块；其中，

第一确定模块，用于确定提取出的特征信息与目标特征信息之间在车牌信息的层面上的匹配结果，相应地得到第一匹配结果；

第二确定模块，用于确定提取出的特征信息与目标特征信息之间在车辆外观图像的层面上的匹配结果，相应地得到第二匹配结果；

第三确定模块，用于确定提取出的特征信息与目标特征信息之间在车辆通行卡信息的层面上的匹配结果，相应地得到第三匹配结果；

结果发送模块，用于将第一匹配结果、第二匹配结果和第三匹配结果发送至出口收费站管理员终端。

其中，上述第二确定模块可以具体包括第一特征获取子模块、第二特征获取子模块、特征差异化处理子模块、模型创建子模块和结果获取子模块；其中，

第一特征获取子模块，用于获取提取出的特征信息中车辆外观图像的全局特征和局部特征，相应地第一图像特征；

第二特征获取子模块，用于获取目标特征信息中车辆外观图像的全局特征和局部特征，相应地得到第二图像特征；

特征差异化处理子模块，用于对第一图像特征与第二图像特征进行特征差异化处理，得到相应的特征向量；

模型创建子模块，用于预先基于机器学习算法，创建图像匹配度预测模型；

结果获取子模块，用于将特征向量输入图像匹配度预测模型，得到由图像匹配度预测模型输出的匹配结果。

具体的，上述模型创建子模块，包括训练集获取单元、特征向量确定单元和训练单元；其中，

训练集获取单元，用于获取训练集；其中，训练集包括n组车辆外观图像，并且每组车辆外观图像均包括与同一车辆对应的两张车辆外观图像，n为正整数；

特征向量确定单元，用于分别确定每组车辆外观图像所对应的特征向量，得到相应的特征向量集；

训练单元，用于利用机器学习算法，对特征向量集中的每个特征向量进行学习训练，得到图像匹配度预测模型；

其中，上述特征向量确定单元确定任一组车辆外观图像所对应的特征向量的过程，包括：分别获取该组车辆外观图像中的两张车辆外观图像各自所对应的全局特征和局部特征，得到相应的两个图像特征，然后对两个图像特征进行特征差异化处理，得到与该组车辆外观图像所对应的特征向量。

进一步的，为了方便收费站工作人员直接查看上述提取出的特征信息和上述目标特征信息，本实施例中，上述信息处理中心，还可以包括：

特征信息发送模块，用于当信息提取模块从预设数据库中提取出满足第一预设要求的特征信息之后，将提取出的特征信息和目标特征信息发送至出口收费站管理员终端。

为了进一步提升本实施例中车辆通行管理过程的智能化水平，本实施例中的服务器，还可以包括结果判断模块和警报模块；其中，

结果判断模块，用于当信息处理中心确定匹配结果之后，判断匹配结果是否满足第二预设要求。具体的，上述结果判断模块可以用于判断匹配结果对应的匹配度是否大于或等于预设数值，如果是，则判定上述匹配结果满足上述第二预设要求，否则，判定上述匹配结果不满足上述第二预设要求。

警报模块，用于当结果判断模块判定匹配结果不满足第二预设要求，则产生相应的警报信息，并将警报信息发送至出口收费站管理员终端。

可以理解的是，上述匹配结果所对应的匹配度是对上述第一匹配结果、第二匹配结果和第三匹配结果各自所对应的匹配度进行加权平均后所得到的数值。本发明实施例中，可以根据具体的实际应用需要，对上述第一匹配结果、第二匹配结果和第三匹配结果各自对应的权值进行具体的设定。

进一步的，本发明还公开了一种高速公路收费站车辆管理系统，包括前述实施例中公开的高速公路收费站车辆管理服务器和出口收费站管理员终端，关于该服务器的具体构造可以参考前述实施例中公开的相应内容，在此不再进行赘述。

另外，本发明实施例还相应公开了一种高速公路收费站车辆管理方法，参见图2所示，该方法包括：

步骤s21：将通过入口收费站的车辆的特征信息保存至预设数据库；其中，车辆的特征信息包括车牌信息、车辆外观图像和车辆通行卡信息。

可以理解的是，本实施例在将通过入口收费站的车辆的特征信息保存至预设数据库的过程之中，需要获取通过入口收费站的车辆的特征信息，包括车辆的车牌信息、车辆外观图像以及车辆通行卡信息，然后将获取到的特征信息保存至上述预设数据库。

另外，为了保证特征信息的数据安全性，本发明实施例可以通过经过加密的专用网络，在tcp/ip协议的支持下，将上述获取到的特征信息传输至上述预设数据库进行保存。相应的数据传输通道可以采用光纤传输通道或者无线数据传输通道。其次，本发明实施例可以对传输至上述预设数据库的数据进行加密保存，以进一步提升上述预设数据库中数据的安全性。

本实施例中，上述预设数据库可以设置于常规的网络服务器或云端服务器中。

步骤s22：当目标车辆到达出口收费站，则获取相应的目标特征信息；其中，目标特征信息包括目标车辆的车牌信息、车辆外观图像和车辆通行卡信息。

本实施例中，可以通过人工触发的方式，来触发相应的信息采集设备对上述到达出口收费站的目标车辆进行特征信息采集，以得到上述目标特征信息。当然，也可以自动识别上述目标车辆与出口收费站的道闸之间的实时距离，当实时距离与预设距离值相一致，则自动触发相应的信息采集设备对目标车辆进行特征信息采集，以得到上述目标特征信息。

步骤s23：从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息，并确定提取出的特征信息与目标特征信息之间的匹配结果，然后将匹配结果发送至相应的出口收费站管理员终端。

也即，本实施例中，在得到上述目标特征信息之后，将会对预设数据库进行查找，当查找到满足上述第一预设要求的特征信息，将会从上述预设数据库中将该特征信息提取出来，然后进一步确定该提取出来的特征信息与目标特征信息之间的匹配结果，接着将该匹配结果发送给相应的出口收费站管理员终端，这样可以使得终端前的工作人员直接根据该匹配结果后对上述目标车辆进行有针对性地通行管理。

可见，当需要对出口收费站处的目标车辆进行信息核对时，本发明实施例会获取该目标车辆的车牌信息、车辆外观图像和车辆通行卡信息，从而得到上述目标特征信息，然后从上述记录了入口收费站处车辆特征信息的预设数据库中提取出与上述目标特征信息的匹配程度满足预设要求的特征信息，接着，确定上述两份特征信息之间的匹配结果，并将该匹配结果发送至相应的管理员终端，由上可见，本发明实施例在对入口收费站处的车辆和出口收费站处的车辆进行核对时，无需涉及人工核对的过程，由此可以大幅提升核对效率并降低了人力成本，另外，上述进行匹配的两份特征信息中，不仅包括通行卡信息，还包括车牌信息和车辆外观图像，从而使得本发明实施例中的特征信息能够更加全面客观地体现车辆自身特点，从而有利于提高最终匹配结果的准确率。

本发明实施例公开了一种具体的高速公路收费站车辆管理方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：

上一实施例步骤s23中，需要从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息。本实施例中，上述从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息的过程，具体可以包括下面步骤s2301和s2302：

步骤s2301：利用目标车辆的车牌信息，对预设数据库进行查找；

步骤s2302：若从上述预设数据库查找到第一相应特征信息，则将第一相应特征信息从预设数据库中提取出来；

其中，第一相应特征信息为保存在预设数据库中的特征信息，并且第一相应特征信息的车牌信息与目标车辆的车牌信息相同。

也即，本实施例中，可以将车牌信息作为判断上述预设数据库内的任意特征信息是否满足上述第一预设要求的过程中的判断依据，当然，本实施例也可以将车辆通行卡信息作为判断依据，具体的，本实施例中，上述从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息的过程，具体也可以包括下面步骤s2311和s2312：

步骤s2311：利用目标车辆的车辆通行卡信息，对预设数据库进行查找；

步骤s2312：若从预设数据库中查找到第二相应特征信息，则将第二相应特征信息从预设数据库中提取出来；

其中，第二相应特征信息为保存在预设数据库中的特征信息，并且第二相应特征信息的车辆通行卡信息与目标车辆的车辆通行卡信息相同。

进一步的，为了方便收费站工作人员直接查看上述提取出的特征信息和上述目标特征信息，本实施例中，从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息的过程之后，还可以包括：

将上述提取出的特征信息和目标特征信息发送至上述出口收费站管理员终端。

上一实施例步骤s23中，从预设数据库中提取出满足第一预设要求的特征信息之后，还需要确定上述提取出的特征信息与目标特征信息之间的匹配结果。具体的，上述确定提取出的特征信息与目标特征信息之间的匹配结果的过程，具体包括：分别确定提取出的特征信息与目标特征信息之间在车牌信息、车辆外观图像以及车辆通行卡信息的层面上的匹配结果，相应地得到第一匹配结果、第二匹配结果和第三匹配结果。

其中，上述第二匹配结果的确定过程，也即上述确定提取出的特征信息与目标特征信息之间在车辆外观图像的层面上的匹配结果的过程，具体可以包括下面步骤s2321至s2324：

步骤s2321：获取上述提取出的特征信息中车辆外观图像的全局特征和局部特征，相应地第一图像特征。

步骤s2322：获取目标特征信息中车辆外观图像的全局特征和局部特征，相应地得到第二图像特征。

步骤s2323：对第一图像特征与第二图像特征进行特征差异化处理，得到相应的特征向量。也即，本实施例对上述第一图像特征和第二图像特征进行作差处理，得到相应的特征向量。

步骤s2324：将特征向量输入预先基于机器学习算法创建的图像匹配度预测模型，得到由图像匹配度预测模型输出的匹配结果。

可以理解的是，上述步骤s2321和s2322在处理顺序上不存在先后之分。另外，上述机器学习算法可以采用现有技术中常见的机器学习算法，在此不对其进行限定。

另外，上述步骤s2324中的图像匹配度预测模型是预先基于机器学习算法创建的。具体的，参见图3所示，上述图像匹配度预测模型的创建过程，包括下面步骤s31至s33：

步骤s31：获取训练集；其中，训练集包括n组车辆外观图像，并且每组车辆外观图像均包括与同一车辆对应的两张车辆外观图像，n为正整数。也即，每组车辆外观图像均包括两张车辆外观图像，并且这两张车辆外观图像均是同一辆车的外观图像。

步骤s32：分别确定每组车辆外观图像所对应的特征向量，得到相应的特征向量集。

步骤s33：利用机器学习算法，对特征向量集中的每个特征向量进行学习训练，得到图像匹配度预测模型。

其中，上述步骤s32中，确定任一组车辆外观图像所对应的特征向量的过程，具体包括：分别获取该组车辆外观图像中的两张车辆外观图像各自所对应的全局特征和局部特征，得到相应的两个图像特征，然后对两个图像特征进行特征差异化处理，得到与该组车辆外观图像所对应的特征向量。

为了进一步提升本实施例中车辆通行管理过程的智能化水平，本实施例中，在确定提取出的特征信息与目标特征信息之间的匹配结果的过程之后，还可以包括：判断匹配结果是否满足第二预设要求，若匹配结果不满足第二预设要求，则产生相应的警报信息，并将警报信息发送至出口收费站管理员终端。具体的，判断匹配结果对应的匹配度是否大于或等于预设数值，如果是，则判定上述匹配结果满足上述第二预设要求，否则，判定上述匹配结果不满足上述第二预设要求。

可以理解的是，上述匹配结果所对应的匹配度是对上述第一匹配结果、第二匹配结果和第三匹配结果各自所对应的匹配度进行加权平均后所得到的数值。本发明实施例中，可以根据具体的实际应用需要，对上述第一匹配结果、第二匹配结果和第三匹配结果各自对应的权值进行具体的设定。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种高速公路收费站车辆管理服务器、系统及方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。