CN1655208A - 一种机动车车型自动识别的方法 - Google Patents
一种机动车车型自动识别的方法 Download PDFInfo
- Publication number
- CN1655208A CN1655208A CN 200410091822 CN200410091822A CN1655208A CN 1655208 A CN1655208 A CN 1655208A CN 200410091822 CN200410091822 CN 200410091822 CN 200410091822 A CN200410091822 A CN 200410091822A CN 1655208 A CN1655208 A CN 1655208A
- Authority
- CN
- China
- Prior art keywords
- parameter
- motor vehicle
- information
- vehicle
- described step
- 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.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种机动车车型自动识别的方法,通过检测装置检测机动车的信息参数,再把信息参数传送到处理***,由处理***根据检测信息识别出机动车的车型,包括如下步骤:(1)、样本采集;(2)、信息归类;(3)、提取信息特征参数;(4)、识别车型。本发明所涉及的方法稳定、经济、可靠性高,具有很大的实际推广价值。
Description
技术领域
本发明涉及交通信息控制领域,特别是涉及一种机动车车型自动识别的方法。
背景技术
交通数据采集是服务于交通规划、设计、养护和管理的基础性工作。机动车车型识别是城市道路、高速公路和普通公路进行交通数据采集的重要组成部分。在车辆收费、交通控制等领域,对机动车的车型进行识别也是非常重要的问题。按照交通部2004年9月颁发的《公路交通情况调查统计报表制度》,对高速公路和普通公路进行交通调查时,应该将机动车分为以下8类:小型货车、中型货车、大型货车、小型客车、大型客车、拖挂车、小型拖拉机、大中型拖拉机。有关机动车车型识别技术的研究,不少高校和企业都在进行。现有技术对机动车进行车型识别的主要有以下几种方式:
1、视频识别法
利用视频检测和图像处理技术的设备以车辆轮廓为依据进行车型识别,优点在于较为直观,但存在无法区分小型客车和小型货车、中型货车和大型客车的问题。另外,视频检测方法很难克服雾雪天、光线不足情况下无法正常工作的问题。
2、压电识别法
利用压电检测器进行车型分类的设备和***以车辆轴距、轴数为依据进行车型识别。由于压电设备的安装会较大程度地破坏路面,且车轴不能唯一区分不同车型,比如小客、小货无法区分,所以该类检测器无法按照交通部的有关要求准确地进行车型分类。另外,压电检测器普遍存在使用寿命短的特点。
3、雷达识别法
雷达检测器以多普勒效应原理工作,存在一个致命的缺点:当车辆缓慢行驶时多普勒***会失效。另外,利用雷达***进行车型识别存在较大的技术难度。
根据经典的电磁理论可知:当金属物通过线圈时,线圈的电感量会发生改变,进而LC振荡电路的频率也会发生变化。以一定的采样频率进行采样,将采样时刻的频率偏离值(偏离基准值)描绘出来,即可得到车辆经过线圈时产生的频率变化曲线。同一辆车以同样的速度经过同一个线圈检测器时产生的频率变化曲线相当稳定,同一类车经过同一个线圈检测器时,某些特征参数是稳定的;而不同种类的机动车由于尺寸、结构、材料的不同,对线圈检测器产生的影响也不同,因此会产生不同的频率变化曲线,这是进行车型识别的基础;将LC振荡电路产生的频率变化曲线传送到计算机中,计算机再根据特定的识别方法对车型进行识别。
中国专利号为98200486.9,提供了一个名称为“机动车车型识别装置”的实用新型专利,由传感器的输出接接口控制电路,接口控制电路的输出再接现有的计算机组成,其中接口控制电路由信号处理电路接中央处理器CPU的输入端,CPU的口线接数据寄存器,数据寄存器接微机的输入/输出总线;传感器为预埋在公路上的环形感应线圈。该实用新型把线圈电感量的变化通过振荡电路转换成频率的变化而反映出来,描述出各个时刻的线圈频率值,从而得到车辆经过环形线圈的频率曲线,用它来检测车辆,对车辆进行分类。该实用新型专利从理论上给出了一种车型分类识别的方法,但是却没有给出具体的实施方案,由于相同的车以不同速度通过电磁线圈时,其产生的频率曲线并不相同,所以车型识别的重点不在于描述一个方法,而在于怎样把该理论应用于实践中,具体而言,重点和难点在于如何将电磁线圈感应变量转换成频率曲线,再确定各类车型与频率曲线的一一对应关系,但是该实用新型专利并没有指出。
发明内容
本发明的目的在于克服现有技术的不足,提供一种行之有效的机动车车型自动识别的方法。
本发明采用的技术方案为:
一种机动车车型自动识别的方法,通过检测装置检测机动车的信息参数,再把信息参数传送到处理***,由处理***根据参数信息识别出机动车的车型,其特征在于包括如下步骤:
(1)、样本采集,
采集各种机动车车型的信息参数;
(2)、信息归类
建立各类机动车车型对应的信息参数库;
(3)、提取信息特征参数
提取各类车型所对应的信息参数的独特特征;
(4)、识别车型
将检测装置检测到的信息参数对照信息特征参数,进而得出识别结果。
上述技术方案中,所述的步骤(1)的样本采集通过LC振荡电路的电磁线圈实现。
所述步骤(1)采集的信息参数为LC振荡电路的频率偏离值。
本发明的步骤(1)还包括确定信息参数的取值范围,所述信息参数的取值范围可通过人工设定,或采用支持向量机的算法自行学习。
步骤(2)所建立的信息参数库为波形库。
步骤(3)所提取的信息参数的独特特征包括波峰值、波峰数、波峰出现的时刻与波结束时刻的比值,此三个特征为必选参数。
步骤(3)所提取的信息参数的独特特征还包括波平均值、或车速、或车长,此三个特征为可选参数,可根据实际需要选择三个中的任意组合与必选参数配合。
所述的步骤(4)还可配合历史数据中各类车型的比例进行识别。
本发明的工作原理为:
本发明通过检测装置将车辆驶过时LC振荡电路产生的频率变化曲线传送到处理***的计算机中;
然后先进行样本采集,通过人工选择波形所对应的车型的方法使样本具有教师信息;在进行自动化车型识别前,还必须确定每一类车的每一个分类参数的取值范围,这一过程称为参数配置。进行参数配置时,本发明提供了两种方法:一是人工设定,一是利用支持向量机的算法让机器自行学习。
再对样本进行分类,建立各类机动车对应的波形库;
从波形库中提取3个必选参数,分别为波峰值、波峰数、波峰出现时刻与波结束时刻的比值,再从波平均值、速度、车长这3个可选参数中根据需要任意选取若干个参数。由于以上参数只有速度、车长两个可选参数需要两个线圈联合检测才能得到,因此即使某个车道的两个线圈中的任何一个发生故障,***都能利用另一个线圈单独进行交通量检测和车型分类,当然,此种情况下分类精度可能会有所下降。必选参数、可选参数共同组成了车型分类参数;
车型分类的标准是开放的,因此使用者可以根据需要自行设定车型分类的标准。由于使用者设置的车型分类标准多种多样,因此可能存在只能识别某些车型,其它若干类车型无法区分的可能,本发明采用以下方法克服这个缺陷:对于无法区分车型的若干类机动车,以历史数据为根据进行比例划分,例如无法区分A、B两类车,采集到A和B的车辆数共100个,历史数据中A∶B为6∶4,则这100个无法区分车型的车辆有60个属于A车型,40个属于B车型。本发明将车型分类参数的配置结果存储在一个格式规范文件中,例如para.txt,具有教师信号的样本数据同样存储在特定的文件中,如sample.txt,如果观测站的工作人员无法从样本数据中对车型分类参数进行配置,***自带的支持向量机自学习模块也无法完整地进行参数配置,可以将存储样本的sample.txt传送到处理中心,由专业的技术人员对其进行处理和分析,得出符合要求的参数配置方案后将其存储在para.txt中,并发回观测站以替换原来的para.txt,从而达到参数配置的目的。
本发明的车型分类特征参数的配置可以通过人工设置和机器自学习两种方式来进行,而且还通过必选参数和可选参数的结合提取信息特征参数,所以配置灵活,兼容性好。另外,本发明所涉及的方法还具有故障自动检测和屏蔽、冗余控制等功能。
本发明所采用的线圈没有严格的要求,目前应用于交通数据采集的大部分线圈检测器都适合于本***,加上线圈检测器稳定、经济、可靠性高,是我国、全世界范围内应用最广的交通检测器,因此本发明具有很大的实际推广价值。
附图说明
图1为本发明的一个实施例的信号采集装置硬件框架图;
图2为本发明的识别原理框图;
图3为本发明的一个实施例的参数配置框图;
图4为本发明的一个实施例的LC振荡电路原理图;
图5为本发明的一个实施例的参数设置接口电路原理图;
图6为本发明的一个实施例的单片机电路原理图;
图7为本发明的一个实施例的脉冲输出电路原理图;
图8为本发明的一个实施例的RS232接口电路原理图。
具体实施方式
下面结合附图对本发明做进一步的说明。
本实施例通过在广州市黄埔大道隧道内进行测试,其信号采集的硬件框图如附图1所示,主要的处理终端为单片机,电磁线圈连接在LC振荡电路上,LC振荡电路、参数设置接口电路、脉冲输出电路、RS232接口电路分别和单片机连接。
LC振荡电路原理图如附图4所示,由电感L1、电容C10、C11、电阻R23、R24、R25、R26、R27、R28和三极管P5、P6组成,外部感应线圈两端接电路图中LOOP1和LOOP2端口。在LC振荡电路中,一方面加自偏压,在达到持续振动的过程中偏压加大,从而使晶体管产生非线性动作来限制集电极电流,另一方面在反馈电路上设置L、C组成的振荡电路,使之与输出电流的基波调谐生成正弦波电压,将它的一部分反馈回去,同时作为输出取出。由于互感作用,当车辆通过线圈检测器上方时,线圈振荡频率的变化使得LC振荡电路的振荡频率也随之产生变化,产生的正弦信号由三极管P6输出到单片机第25脚(P2.1)。
参数设置接口电路原理图如附图5所示,由拨动开关、上拉电阻排组成,参数设置信号分别与单片机的第10、12、14、16、18、20、24、26脚(P1.0~P1.7以及P2.2~P2.6)连接,从单片机读入设置信号,单片机按照设置进行相应的处理。参数设置接口通过开关拨键SWG的选择设置车辆分类检测器的各种参数:感应精度、敏感度、输出模式、延时参数等。
脉冲输出电路如附图7所示,由三极管P1、P2、P3、P4和继电器RELAYC1、RELAYC2组成。信号来源于单片机的第21、23脚(P2.3、P2.4脚),通过继电器输出为RELAYOUT1、RELAYOUT2。脉冲输出电路通过继电器RELAYC1和RELAYC2隔离,输出代表车辆通过与否的脉冲信号。
RS232接口电路原理图如附图8所示,主要由MAX232芯片组成。单片机的RXT和TXD的串行通讯脚接MAX232的R1OUT和T1IN口。MAX232的输出T1OUT、R1IN接到输出端口与PC或其它***设备连接。
单片机电路原理图如附图6所示,是车辆分类检测器的核心部分,对输入正弦信号进行滤波、检测处理,并读入参数设置接口信号,输出代表车辆通过与否的脉冲信号,以及与***设备RS232串行通讯,输出数据信息。
本发明在投入使用时,信息分类已经完成,所以其识别原理框图如附图2所示,通过在公路上埋有一定间隔的两个电磁线圈,这两个电磁线圈把从上面驶过的机动车所产生的电磁频率偏移值的参数由下位机通过RS232网络接口传送到处理***的上位机中,上位机对接收到的信号进行过滤,使得信号参数达到要求的范围,然后对符合要求的信号参数提取特征参数,本实施例的特征参数包括波峰值、波峰数、波峰出现的时刻与波结束时刻的比值、车速,再将提取的特征参数与信息参数库进行对照,则可根据《公路交通情况调查统计报表制度》所要求的车型标准识别出车型。
本实施例参数配置的原理图如附图3所示,可通过机器学习、人工设定两种方法得到特征参数的配置结果,通过对2000个样本进行车型分类,结果分类准确率达95.1%。
Claims (8)
1、一种机动车车型自动识别的方法,通过检测装置检测机动车的信息参数,再把信息参数传送到处理***,由处理***根据检测到的信息识别出机动车的车型,其特征包括如下步骤:
(1)、样本采集,
采集各种机动车车型的信息参数;
(2)、信息归类
建立各类机动车车型对应的信息参数库;
(3)、提取各机动车车型的特征参数
提取各类机动车车型所对应的独特的特征参数;
(4)、识别车型
将检测装置检测到的信息对照识别参数,进而得出识别结果。
2、根据权利要求1所述的识别方法,其特征在于所述的步骤(1)的样本采集通过LC振荡电路的电磁线圈实现。
3、根据权利要求2所述的识别方法,其特征在于所述步骤(1)采集的信息参数为LC振荡电路的频率偏离值。
4、根据权利要求3所述的识别方法,其特征在于所述的步骤(1)还包括确定信息参数的取值范围:确定信息参数的取值范围可通过人工设定,或采用支持向量机的算法自行学习。
5、根据权利要求1或2或3或4所述的识别方法,其特征在于所述的步骤(2)建立的信息参数库为波形库。
6、根据权利要求5所述的识别方法,其特征在于所述步骤(3)所提取的特征参数包括波峰值、波峰数、波峰出现的时刻与波结束时刻的比值。
7、根据权利要求6所述的识别方法,其特征在于所述步骤(3)所提取的特征参数还包括波平均值、或车速、或车长。
8、根据权利要求1所述的识别方法,其特征在于所述的步骤(4)可配合历史数据中各类车型的比例进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410091822 CN1655208B (zh) | 2004-12-31 | 2004-12-31 | 一种机动车车型自动识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410091822 CN1655208B (zh) | 2004-12-31 | 2004-12-31 | 一种机动车车型自动识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1655208A true CN1655208A (zh) | 2005-08-17 |
CN1655208B CN1655208B (zh) | 2010-08-11 |
Family
ID=34892446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200410091822 Expired - Fee Related CN1655208B (zh) | 2004-12-31 | 2004-12-31 | 一种机动车车型自动识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1655208B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982684A (zh) * | 2012-11-28 | 2013-03-20 | 深圳市迈科龙影像技术有限公司 | 一种车辆型号识别方法以及识别*** |
CN103745598A (zh) * | 2014-01-09 | 2014-04-23 | 中科联合自动化科技无锡有限公司 | 基于前脸特征的车型识别方法 |
CN107085074A (zh) * | 2017-04-19 | 2017-08-22 | 中国科学技术大学 | 一种分类监测机动车尾气的方法 |
CN110793482A (zh) * | 2019-11-13 | 2020-02-14 | 佛山科学技术学院 | 一种收集符合正态分布的车辆样本数据采集*** |
CN116645818A (zh) * | 2023-07-27 | 2023-08-25 | 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 (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1052961A (zh) * | 1990-12-30 | 1991-07-10 | 天津大学电力及自动化工程系 | 多功能车辆检测器 |
CN2343635Y (zh) * | 1998-01-22 | 1999-10-13 | 北京师范大学 | 机动车车型识别装置 |
-
2004
- 2004-12-31 CN CN 200410091822 patent/CN1655208B/zh not_active Expired - Fee Related
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982684A (zh) * | 2012-11-28 | 2013-03-20 | 深圳市迈科龙影像技术有限公司 | 一种车辆型号识别方法以及识别*** |
CN102982684B (zh) * | 2012-11-28 | 2015-05-13 | 深圳市迈科龙影像技术有限公司 | 一种车辆型号识别方法以及识别*** |
CN103745598A (zh) * | 2014-01-09 | 2014-04-23 | 中科联合自动化科技无锡有限公司 | 基于前脸特征的车型识别方法 |
CN107085074A (zh) * | 2017-04-19 | 2017-08-22 | 中国科学技术大学 | 一种分类监测机动车尾气的方法 |
CN107085074B (zh) * | 2017-04-19 | 2019-07-23 | 中国科学技术大学 | 一种分类监测机动车尾气的方法 |
CN110793482A (zh) * | 2019-11-13 | 2020-02-14 | 佛山科学技术学院 | 一种收集符合正态分布的车辆样本数据采集*** |
CN116645818A (zh) * | 2023-07-27 | 2023-08-25 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN1655208B (zh) | 2010-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110532896B (zh) | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 | |
CN102779281B (zh) | 一种在地磁感应器上基于支持向量机的车型识别方法 | |
Kaewkamnerd et al. | Vehicle classification based on magnetic sensor signal | |
CN101814237A (zh) | 一种基于车牌识别技术的道路状态判别器及其判别方法 | |
CN107895482A (zh) | 基于毫米波雷达与激光雷达的交通情况调查装置及方法 | |
US6865518B2 (en) | Method and device for classifying vehicles | |
CN1655208B (zh) | 一种机动车车型自动识别的方法 | |
CN104200670B (zh) | 一种基于车辆地磁感应特征的车辆车型识别方法 | |
DE102015206776A1 (de) | Kooperatives Lernverfahren für Straßeninfrastruktur-Detektion und -Charakterisierung | |
CN104199903A (zh) | 一种基于路径关联的车辆数据查询***及方法 | |
CN113641874A (zh) | 一种数据采集处理***及数据采集处理方法 | |
CN101320520A (zh) | 一种车辆检测方法及其设备 | |
CN1909011A (zh) | 一种车辆违规检测装置 | |
DE102018007962A1 (de) | Verfahren zur Erkennung von Ampelpositionen | |
CN201392591Y (zh) | 一种便携式车型自动分类装置 | |
CN202153396U (zh) | 基于测量线圈电感量变化的车辆检测器 | |
CN2768106Y (zh) | 一种检测交通流速度的装置 | |
CN104574974A (zh) | 一种城市道路交通卡口监控*** | |
CN101311982B (zh) | 车辆分类检测装置及车辆分类检测方法 | |
CN2434746Y (zh) | 车辆自动分类装置 | |
CN101540102A (zh) | 检测车辆违法占道的装置及方法 | |
CN114488123A (zh) | 一种雷达数据和相机数据融合方法及*** | |
CN108961774A (zh) | 一种基于地磁线圈的交通数据采集设备、方法和*** | |
CN105447915A (zh) | 一种车辆出入管理方法、装置、设备及*** | |
CN210941791U (zh) | 铁路货运车辆单节车厢自动判断装置 |
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 |
Granted publication date: 20100811 Termination date: 20141231 |
|
EXPY | Termination of patent right or utility model |