1.一种基于SAAS的智慧园区管理系统，其特征在于，包括：园区信息管理模块，用于对园区的基础信息、客户信息、合同信息和费用信息进行录入、查询、统计和分析；

园区设施管理模块，用于对所述园区的水电气、消防、安防和停车场进行监控、维护和报警；

园区服务管理模块，用于对所述园区的物业、保洁、餐饮和快递服务进行发布、预约、评价和结算；

园区社区管理模块，用于对所述园区的客户之间进行沟通、交流、互动和协作，构建园区生态圈；

其中，所述园区设施管理模块，包括：

车辆停车状态图像采集单元，用于获取由部署于园区停车场的摄像头采集的车辆停车状态图像；

车辆停放规范参考图像获取单元，用于从数据库提取车辆停放规范参考图像的数据集；

车辆停放规范图像特征提取单元，用于通过基于深度神经网络模型的车辆停放图像特征提取器分别对所述车辆停放规范参考图像的数据集中的各个车辆停放规范参考图像进行特征提取以得到车辆停放规范参考特征图的集合；

车辆停放规范参考共性模式编码单元，用于将所述车辆停放规范参考特征图的集合输入车辆停放规范共性模式特征提取器以得到车辆停放规范参考共性特征图；

车辆停放状态特征提取单元，用于通过所述基于深度神经网络模型的车辆停放图像特征提取器对所述车辆停车状态图像进行特征提取以得到车辆停放状态特征图；

车辆停放规范检测单元，用于计算所述车辆停放规范参考共性特征图和所述车辆停放状态特征图之间的差分特征，并基于所述差分特征确定车辆是否停放规范；

其中，所述深度神经网络模型为卷积神经网络模型；

其中，所述车辆停放规范参考共性模式编码单元，用于：将所述车辆停放规范参考特征图的集合输入所述车辆停放规范共性模式特征提取器以如下车辆停放规范共性公式进行处理以得到所述车辆停放规范参考共性特征图；

其中，所述车辆停放规范共性公式为：

，

其中， 和 分别为所述车辆停放规范参考特征图的集合中第 和第个车辆停放规范参考特征图， 是所述车辆停放规范参考特征图的集合， 表示以2为底的对数函数， 、 和 分别表示所述车辆停放规范参考特征图的高度、宽度和通道数， 为所述车辆停放规范参考特征图的集合中特征图的个数－1， 为车辆停放规范参考语义差异特征图中各个位置的特征值， 是所述车辆停放规范参考语义差异特征图中特征值的个数， 为特征图的指数运算， 是所述车辆停放规范参考共性特征图；

其中，所述车辆停放规范检测单元，包括：

车辆停放状态特征差异计算子单元，用于计算所述车辆停放规范参考共性特征图和所述车辆停放状态特征图之间的差分特征图；

车辆停放规范性判断子单元，用于将所述差分特征图通过基于分类器的停放规范甄别器以得到甄别结果，所述甄别结果用于表示车辆是否停放规范；

其中，还包括用于对所述基于卷积神经网络模型的车辆停放图像特征提取器、所述车辆停放规范共性模式特征提取器和所述基于分类器的停放规范甄别器进行训练的训练模块；

其中，所述训练模块，包括：

训练车辆停车状态图像采集单元，用于获取由部署于园区停车场的摄像头采集的训练车辆停车状态图像；

训练车辆停放规范参考图像获取单元，用于从数据库提取训练车辆停放规范参考图像的数据集；

训练车辆停放规范图像特征提取单元，用于通过所述基于深度神经网络模型的车辆停放图像特征提取器分别对所述训练车辆停放规范参考图像的数据集中的各个训练车辆停放规范参考图像进行特征提取以得到训练车辆停放规范参考特征图的集合；

训练车辆停放规范参考共性模式编码单元，用于将所述训练车辆停放规范参考特征图的集合输入所述车辆停放规范共性模式特征提取器以得到训练车辆停放规范参考共性特征图；

训练车辆停放状态特征提取单元，用于通过所述基于深度神经网络模型的车辆停放图像特征提取器对所述训练车辆停车状态图像进行特征提取以得到训练车辆停放状态特征图；

训练车辆停放状态特征差异计算单元，用于计算所述训练车辆停放规范参考共性特征图和所述训练车辆停放状态特征图之间的训练差分特征图；

训练校正单元，用于对所述训练差分特征图进行基于特征矩阵的校正以得到校正后训练差分特征图；

训练分类单元，用于将所述校正后训练差分特征图通过所述基于分类器的停放规范甄别器以得到分类损失函数值；

训练单元，用于基于所述分类损失函数值对所述基于卷积神经网络模型的车辆停放图像特征提取器、所述车辆停放规范共性模式特征提取器和所述基于分类器的停放规范甄别器进行训练。

2.一种基于SAAS的智慧园区管理方法，使用权利要求1所述的基于SAAS的智慧园区管理系统，其特征在于，包括：对园区的基础信息、客户信息、合同信息和费用信息进行录入、查询、统计和分析；

对所述园区的水电气、消防、安防和停车场进行监控、维护和报警；

对所述园区的物业、保洁、餐饮和快递服务进行发布、预约、评价和结算；

对所述园区的客户之间进行沟通、交流、互动和协作，构建园区生态圈。