CN104200670B - 一种基于车辆地磁感应特征的车辆车型识别方法 - Google Patents
一种基于车辆地磁感应特征的车辆车型识别方法 Download PDFInfo
- Publication number
- CN104200670B CN104200670B CN201410424244.2A CN201410424244A CN104200670B CN 104200670 B CN104200670 B CN 104200670B CN 201410424244 A CN201410424244 A CN 201410424244A CN 104200670 B CN104200670 B CN 104200670B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- subclass
- earth induction
- data
- basis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于车辆地磁感应特性的车辆车型识别方法,该方法包括:采集车辆的地磁感应特性数据组;对数据组进行预处理;提取车辆的识别特征数组;建立车型基础子类中心;根据车型划分要求划分基础子类所属车型;进行车型识别。本发明方法对地磁感应特性数据组进行固定点数采样提取特征数组、标准化等预处理,消除了车速等因素的影响,减少了冗余数据;本发明以相似性而不以车型为依据建立车型基础子类集,识别时以识别出车辆所属的车型基础子类为首要目标,然后根据不同的车型划分要求进一步识别为具体车型。因此本发明方法在不同的地区和不同用途的应用上具有更强的适应性。
Description
技术领域
本发明涉及车辆技术领域,更具体涉及一种基于车辆地磁感应特性的车辆车型识别方法。
背景技术
地磁感应车辆检测器是一种常用的通行车辆感知手段。由于不同车型、不同设计的车辆具有不同的铁质底盘和车身,因此车辆通过埋设在路面下的地感线圈时产生的电磁感应特性也不同,具有不同的地磁感应特性波形。车辆的地磁感应特性是指车辆行驶通过地磁感线圈时,测量的一组线圈感应频率随时间变化的数据,每组数据对应一个一维波形。因此,识别不同的地磁感应特性或者波形可以达到车型识别的目的,具体识别方法各异。有采用模糊模式识别、神经网络或决策树识别等方法。
车型识别在道路交通监测与控制、收费站、停车场等方面都有着大量的应用需求,不同的地方或不同的用途下车型划分要求往往不同。通常的识别方法往往首先固定识别车型数,提取车型车辆的特征数据组,训练出分类器,实现车辆对给定车型种类的车型识别。如果改变车型数目或要求,那么已训练出来的分类器或识别机则不再适用。因此需要一种适用性更广的车辆车型识别方法。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题就是不受天气、白昼的影响,方便地、易于适应不同地区或不同用途的车型划分要求,实现车型自动识别,提供一种基于车辆地磁感应特性的车辆车型识别方法。
(二)技术方案
为了解决上述技术问题,本发明提供了一种基于车辆地磁感应特性的车辆车型识别方法,该方法包括步骤:
步骤一:采集车辆的地磁感应特性数据组:将地磁感应车辆检测器的线圈沿车道埋在路面下,当车辆经过线圈时,由车辆检测器每隔5ms采集线圈振荡电路的频率,并保存作为车辆的地磁感应特性数据组;选择包含各种车型和各种车辆的数据组组成车辆地磁感应特性的原始数据样本集;
步骤二:对采集的车辆的地磁感应特性数据进行预处理;
步骤三:提取车辆的识别特征数组;
步骤四:建立车型基础子类集;
步骤五:建立车型判别机:将各车型基础子类按照需求划归为具体车型,用于车型识别;
步骤六:进行车型识别:将待识别车辆的采集数据经上述数据处理、特征提取后,计算其对车型所有基础子类的相似系数,识别为最大相似系数的基础子类,然后按照车型判别机判别车型。
其中,所述线圈以长方形沿车道埋在路面下10-15cm,长取值90cm~110cm,宽取值140~160cm。
其中,所述的预处理为采用平滑滤波去除数据中噪声,并将数据组中的每个数据减去线圈振荡电路的基频,使数据仅表示频率变化值,得到完全反映车辆地磁感应特性的数据样本集。
其中,对车辆的测量数据进行预处理后,按照的间隔依序进行均匀采样,k表示原测量数据个数,n为采样点数,取值范围25~40,得到n+1个数据,设为Z=(z0…zj…zn),对Z作标准化处理,使得到X=(x0…xj…xn)作为车辆的识别特征数组,对应的波形为车辆特征波形。
其中,所述的建立车型基础子类集包括:将每个样本Xi设为非激活子类中心,i=1,…m,m为样本集的样本个数,选定阈值;逐个比较样本集的车辆与各激活和非激活子类中心的相似性,计算相似系数j=1,…m,j≠i,Xi·Yj表示两数据组内积,||Xi||×||Yj||表示两数据组的模相乘;若最大相似系数满足阈值条件,则将该车辆划入最大相似系数所属子类,并激活该子类作为车型基础子类,求该子类中所有样本的均值作为车型基础子类中心,同时去除该车辆代表的原非激活子类;若最大相似系数不满足阈值条件,则激活j=i的子类成为一个车型基础子类,该样本即作为该子类中心;以上比较过程中若出现同一个基础子类中包含不同车型的车辆则调整阈值重复上述比较试验。车型基础子类集由所有激活子类的子类中心组成。
其中,所述的阈值为0.85-0.95。
(三)有益效果
本发明方法基于地磁感应技术,对车辆的地磁感应特性数据进行固定点数采样、标准化等预处理,消除了车速等因素的影响,减少了冗余数据,可应用于白昼和各种天气;本发明以相似性而不是以车型为标准建立车型基础子类集,识别时以识别出车辆所属的车型基础子类为首要目标,再根据车型基础子类划归要求识别为具体车型。因此本发明方法具有更强的适应性。
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是本发明基于车辆地磁感应特性的车辆车型识别方法的流程图;
图2是一辆轿车原始测量数据所对应波形图;
图3是对一辆轿车原始测量数据处理后所对应波形图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
如图1所示,本发明基于车辆地磁感应特性实现车型识别的过程包括:采集车辆的地磁感应特性数据;对样本数据进行预处理;提取车辆的识别特征数组;建立车型基础子类中心;根据车型划分要求划分基础子类所属车型;进行车型识别。
本发明方法的具体运用过程如下:
1、采集车辆的地磁感应特性数据
将地磁感应车辆检测器线圈按照长×宽=100cm×150cm的大小埋在车道路面下约10cm,当车辆经过线圈时,由车辆检测器检测线圈振荡电路频率,每间隔5ms采集一个数据,并保存为该车辆的地磁感应特性数据组,图2为采集的一辆小轿车的地磁感应特性波形。
从一段时期采集的大量车辆波形数据组中选择包含各种车型和各种车辆样本100组,包含各种轿车、客车和卡车、拖挂车等,组成车辆地磁感应特性的原始数据样本集。
2、对样本数据进行预处理
对各样本采用3点平滑滤波,去除噪声噪,并将每个数据减去基频72.7KHz,使得数据仅仅表示由于车辆引起的频率变化量,完全反映车辆的地磁感应特性。
3、提取车辆的识别特征数组
车辆的地磁感应特性波形自身准确反应车辆底盘、轴数等特性,但由于各车辆长度和车速各不相同,所以测量的地磁感应特性数组长度也各不相同,为了既反应车辆主要特点,又减少不必要的冗余数据,并且消除不同车速对测量数据量的影响,经反复实验比较,对每辆车的原测量数据按照的间隔依序进行均匀采样(k表示原测量数据个数),使得到26个特征数据,作标准化处理,使其中Zmax为测量数据中的最大值,得到X=(x0…xj…x25)作为车辆样本的识别特征数据组。
例如一辆小轿车样本Z1=(z0…zj…z310),共有310个测量值,图2为原始测量数据组对应波形。按照计算得商12,余数10。以13为步长依次采样5个数据,然后以12为间隔继续依序采样15个数据,再以13为步长继续依序采样5个数据,则共从原数组Z1=(z0…zj…z310)依序采样得到25个元素构成数组Z=(z0…zj…z25)。图3为数据处理后的该样本数据波形。
4、建立车型基础子类中心
按照本发明所述步骤,对给出的100组训练样本分类。经过多次测试,选择阈值p=0.88(p=0.85~0.95),使得具有不同车型的样本不会出现在同一基础子类中,得到32个基础子类,编号1~32,该100组样本的子类分布及编号由表一给出。
5、建立车型判别机
根据车型划分要求划分基础子类所属车型,建立车型判别机。本例中要求将车辆分为小客车(额定座位<=7座)、中客车(7<额定座位<=19座)、大客车(额定座位>19座)、小卡车(核定载重质量<=7吨)、大卡车(核定载重质量>7吨)、拖挂车共六种车型,根据给出的车辆分类要求,将以上产生的32个车型基础子类中心划分到6个给定车型。所有与该车型包含的基础子类中心相似的车辆均判别为该车型。经过上述步骤,本例的分类结果中,小客车包含4个基础子类,中客车包含4个基础子类,大客车包含6个基础子类、卡车包含包含9个基础子类、大卡车包含6个基础子类、拖挂车包含6个基础子类。
6、进行车型识别
将以上建立的车型判别机用于车型识别。当车辆经过线圈,车辆检测器采集车辆的地磁感应特性数据,经过前述相同的滤波、特征提取和标准化处理得到特征数组,与以上32个基础子类中心分别计算相似系数,归入最大相似性的基础子类,按照车型判别机识别车型。
如表一所示,表中列出某车道上试验的车型识别结果。表中包含各种车辆共400辆,识别结果是小客车准确率98.8%,中客车准确率94.7%,大客车准确率95.2%、轻货车准确率95.0%、大货车准确率93.0%、拖挂车准确率97.1%,平均准确率96.1%。
将该车型判别机用于另一个用户时,由于该用户规定的车辆分类标准中去掉了中型客车的车型划分,所以将中客车的4个子类对应的子类中心划分到小客车车型中,使小客车车型包含8个子类,不需要为得到新分类器而重新进行分类训练。这证明本发明方法具有更强的适应性。
表一:应用本发明方法进行车型识别的结果
以上实施方式仅用于说明本发明,而非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于车辆地磁感应特性的车辆车型识别方法,其特征在于,该方法包括步骤:
步骤一:采集车辆的地磁感应特性数据组:将地磁感应车辆检测器的线圈沿车道埋在路面下,当车辆经过线圈时,由车辆检测器每隔5ms采集线圈振荡电路的频率,并保存作为车辆的地磁感应特性数据组;选择包含各种车型和各种车辆的数据组组成车辆地磁感应特性的原始数据样本集;
步骤二:对采集的车辆的地磁感应特性数据进行预处理;
步骤三:提取车辆的识别特征数组;
步骤四:建立车型基础子类集;
步骤五:建立车型判别机:将各车型基础子类按照需求划归为具体车型,用于车型识别;
步骤六:进行车型识别:将待识别车辆的采集数据经上述数据处理、特征提取后,计算其对车型所有基础子类的相似系数,识别为最大相似系数的基础子类,然后按照车型判别机判别车型;
所述的建立车型基础子类集包括:将每个样本Xi设为非激活子类中心,i=1,…m,m为样本集的样本个数,选定阈值;逐个比较样本集的车辆与各激活和非激活子类中心的相似性,计算相似系数j=1,…m,j≠i,Xi·Yj表示两数据组内积,PXiP×PYjP表示两数据组的模相乘;若最大相似系数满足阈值条件,则将该车辆划入最大相似系数所属子类,并激活该子类作为车型基础子类,求该子类中所有样本的均值作为车型基础子类中心,同时去除该车辆代表的原非激活子类;若最大相似系数不满足阈值条件,则激活j=i的子类成为一个车型基础子类,该样本即作为该子类中心;以上比较过程中若出现同一个基础子类中包含不同车型的车辆则调整阈值重复上述比较试验,车型基础子类集由所有激活子类的子类中心组成。
2.根据权利要求1所述的基于车辆地磁感应特性的车辆车型识别方法,其特征在于,所述线圈以长方形沿车道埋在路面下10-15cm,长取值90cm~110cm,宽取值140~160cm。
3.根据权利要求1所述的基于车辆地磁感应特性的车辆车型识别方法,其特征在于,所述的预处理为采用平滑滤波去除数据中噪声,并将数据组中的每个数据减去线圈振荡电路的基频,使数据仅表示频率变化值,得到完全反映车辆地磁感应特性的数据样本集。
4.根据权利要求1所述的基于车辆地磁感应特性的车辆车型识别方法,其特征在于,对车辆的测量数据进行预处理后,按照的间隔依序进行均匀采样,k表示原测量数据个数,n为采样点数,取值范围25~40,得到n+1个数据,设为Z=(z0…zj…zn),对Z作标准化处理,使得到X=(x0…xj…xn)作为车辆的识别特征数组,对应的波形为车辆特征波形。
5.根据权利要求1所述的基于车辆地磁感应特性的车辆车型识别方法,其特征在于,所述的阈值为0.85-0.95。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410424244.2A CN104200670B (zh) | 2014-08-26 | 2014-08-26 | 一种基于车辆地磁感应特征的车辆车型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410424244.2A CN104200670B (zh) | 2014-08-26 | 2014-08-26 | 一种基于车辆地磁感应特征的车辆车型识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200670A CN104200670A (zh) | 2014-12-10 |
CN104200670B true CN104200670B (zh) | 2016-04-13 |
Family
ID=52085954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410424244.2A Expired - Fee Related CN104200670B (zh) | 2014-08-26 | 2014-08-26 | 一种基于车辆地磁感应特征的车辆车型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200670B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578625B (zh) * | 2017-08-22 | 2020-11-10 | 青海省交通科学研究院 | 一种基于多维矢量相关性的车型分类方法及装置 |
CN107886727B (zh) * | 2017-11-13 | 2020-04-14 | 深圳先进技术研究院 | 一种基于地磁传感器的汽车分类方法、***及电子设备 |
CN108039048B (zh) * | 2017-12-25 | 2021-02-19 | 重庆冀繁科技发展有限公司 | 车流监控方法 |
CN110796862B (zh) * | 2019-11-05 | 2021-09-07 | 西南交通大学 | 一种基于人工智能的高速公路交通状况检测***及方法 |
CN110956093A (zh) * | 2019-11-08 | 2020-04-03 | 武汉东湖大数据交易中心股份有限公司 | 基于大数据的模型识别方法、装置、设备及介质 |
CN116645818B (zh) * | 2023-07-27 | 2023-10-10 | 山东高速集团有限公司创新研究院 | 一种基于多维特征提取的车型识别方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266717B (zh) * | 2008-04-25 | 2010-12-08 | 北京科技大学 | 一种基于多mems传感器的车辆检测识别***及其方法 |
DE102008047790A1 (de) * | 2008-09-17 | 2010-04-15 | Qiagen Gmbh | Verfahren zur Normierung des Gehalts von Biomolekülen in einer Probe |
CN101923781B (zh) * | 2010-07-28 | 2013-11-13 | 北京交通大学 | 基于地磁传感技术的车型识别方法 |
CN103440769B (zh) * | 2013-08-11 | 2015-05-20 | 中国计量学院 | 积分提取地磁曲线信息实现车型识别的方法 |
-
2014
- 2014-08-26 CN CN201410424244.2A patent/CN104200670B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104200670A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200670B (zh) | 一种基于车辆地磁感应特征的车辆车型识别方法 | |
CN105335710A (zh) | 一种基于多级分类器的精细车辆型号识别方法 | |
CN105160309B (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
CN101859382B (zh) | 一种基于最大稳定极值区域的车牌检测与识别的方法 | |
CN103077617B (zh) | 基于计算机视觉的人行横道智能交通灯监管***及方法 | |
CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
CN104463241A (zh) | 一种智能交通监控***中的车辆类型识别方法 | |
WO2017149385A1 (en) | Visual vehicle parking occupancy sensor | |
CN104021574A (zh) | 路面病害自动识别方法 | |
CN103593981B (zh) | 一种基于视频的车型识别方法 | |
CN108520212A (zh) | 基于改进的卷积神经网络的交通标志检测方法 | |
CN102419820A (zh) | 一种快速检测视频与图像中汽车车标的方法 | |
CN104637313A (zh) | 道路行车速度确定方法及装置 | |
CN103971097A (zh) | 一种基于多尺度笔画模型的车牌识别方法与*** | |
CN104680156A (zh) | 基于机器视觉的机动车前排未系安全带识别***及方法 | |
CN103268468A (zh) | 机动车前排就坐者是否扣带安全带的自动检测方法 | |
CN102880859A (zh) | 一种车牌识别方法 | |
CN103345842A (zh) | 一种道路车辆分型***及方法 | |
CN110096975A (zh) | 一种车位状态识别方法、设备及*** | |
CN108388871A (zh) | 一种基于车身回归的车辆检测方法 | |
CN110009929A (zh) | 一种车辆泊位管理方法、设备及*** | |
CN107274668A (zh) | 一种基于车辆检测的道路拥堵建模方法 | |
CN112710273A (zh) | 一种基于智能手机传感器和机器学习的众包路面坑洼检测方法 | |
CN110194041A (zh) | 多源信息融合的自适应车身高度调节方法 | |
CN109285169B (zh) | 一种基于车轮识别的道路救援装备侧方位拖牵诱导方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160413 Termination date: 20170826 |