專利名稱：一種車輛型號識別方法以及識別系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及智能交通領域，尤其涉及一種車輛型號識別方法以及識別系統(tǒng)。
背景技術：
隨著經濟的快速發(fā)展，機動車的數(shù)量迅速增加，城市道路建設跟不上機動車增長速度的現(xiàn)象已在各大城市突顯出來，若城市道路長期處于嚴重擁塞狀態(tài)，出行公眾的情緒會受到潛移默化的影響，違章變道、闖紅燈等諸多易產生交通事故的駕車行為在日常生活中頻頻出現(xiàn)，城市每年因此造成的車禍、連環(huán)車禍層出不窮，嚴重影響到公眾出行安全并使得交通路況進一步惡化，故對于道路上的實時交通情況真實檢測變得尤其重要?，F(xiàn)有的車輛型號檢測系統(tǒng)通常的做法是在出入口路面下埋設地感線圈，地感線圈連接地感檢測器，地感線圈可以感應到金屬物體，這樣車輛通過時線圈就能產生信號的變化序列，將該變化序列進行簡單的匹配以判斷車輛型號，該信號識別方式過于簡單，導致車型檢測準確率較低。

發(fā)明內容
本發(fā)明的目的旨在至少解決上述技術缺陷之一，提供一種車輛型號識別方法以及識別系統(tǒng)。本發(fā)明提供一種車輛型號的識別方法，所述方法包括以下步驟
步驟S01，輸出波形檢測信號至安裝在每條道路上的至少兩個地感線圈；
步驟S02，當車輛經過地感線圈時，檢測每個地感線圈的信號變化序列并保存；
步驟S03，根據(jù)所述信號變化序列和獲取到的分類器，識別當前車輛的型號。進一步,所述步驟S03,具體包括以下步驟
步驟S031，根據(jù)信號變化序列，得到與信號變化序列對應的信號時間序列；
步驟S032，根據(jù)信號變化序列和信號時間序列，計算得到所述信號變化序列的波形特征值；
步驟S033，根據(jù)所述波形特征值和獲取到的分類器，得到當前車輛的型號。進一步，在步驟SOI、步驟S02或步驟S03之前，所述方法包括以下步驟
步驟S11，獲取至少一種模板車型的信號變化序列和信號時間序列；
步驟S12，根據(jù)所述模板車型的信號變化序列和信號時間序列，計算得到所述信號變化序列的波形特征值；
步驟S13，在OpenCV數(shù)據(jù)庫中，采用MLP的方式對所述波形特征值進行訓練，得到分類器。進一步，所述分類器具體為XML文件。進一步，在步驟S13中，所述訓練方法具體為模式識別方法。進一步，所述波形特征值具體包括車長、波峰最大值、波峰個數(shù)值、波谷最小值、波谷個數(shù)值以及波形尾部的序列最小方差值。
進一步，在步驟S03之后，所述方法還包括以下步驟
步驟S04，將當前車輛的型號以網絡通訊的方式輸出。本發(fā)明還提供一種車輛型號的識別系統(tǒng)，所述系統(tǒng)包括驅動模塊、檢測模塊以及處理模塊；
所述驅動模塊，用于輸出波形檢測信號至安裝在每條道路上的至少兩個地感線圈； 所述檢測模塊，用于當車輛經過地感線圈時，檢測每個地感線圈的信號變化序列并保
存；
所述處理模塊，用于根據(jù)檢測模塊的信號變化序列和獲取到的分類器，識別當前車輛的型號。進一步，所述驅動模塊和檢測模塊具體為信號采集器。進一步，處理模塊還用于將當前車輛的型號以網絡通訊的方式輸出。
從上述的方案可以看出，通過所述信號變化序列和獲取到的分類器來識別當前車輛的型號，也就是提取分析了當前車型的有用特征，將當前車型的有用特征與分類器中的特征進行綜合比較以識別當前車輛的型號，提高了匹配精確度及提高車型檢測的準確率，達到更好的車輛型號識別效果。


圖1為本發(fā)明車輛型號的識別方法一種實施例的流程 圖2為本發(fā)明識別當前車輛的型號方法一種實施例的流程 圖3為本發(fā)明車輛型號的識別方法另一種實施例的流程 圖4為本發(fā)明車輛型號的識別系統(tǒng)一種實施例的結構框 圖5為本發(fā)明車輛型號的識別系統(tǒng)另一種實施例的結構框圖。
具體實施例方式為了使本發(fā)明所解決的技術問題、技術方案及有益效果更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明提供一種實施例車輛型號的識別方法，如圖1所示，所述方法包括以下步驟
步驟S01，輸出波形檢測信號至安裝在每條道路上的至少兩個地感線圈I ;
步驟S02，當車輛經過地感線圈I時，檢測每個地感線圈I的信號變化序列并保存； 步驟S03，根據(jù)所述信號變化序列和獲取到的分類器，識別當前車輛的型號。在步驟SOl中，按照一定的時間間隔分別向兩個地感線圈I施加波形檢測信號，當沒有車輛經過地感線圈1，地感線圈I的感應信號都是一樣的，當有車輛經過地感線圈I時，地感線圈I的感應信號才會發(fā)生變化。從上述方案可以看出，通過所述信號變化序列和獲取到的分類器來識別當前車輛的型號，也就是提取分析了當前車型的有用特征，將當前車型的有用特征與分類器中的特征進行綜合比較以識別當前車輛的型號，提高了匹配精確度及提高車型檢測的準確率，達到更好的車輛型號識別效果。
在具體實施中，圖2所示,所述步驟S03,具體包括以下步驟
步驟S031，根據(jù)信號變化序列，得到與信號變化序列對應的信號時間序列；
步驟S032，根據(jù)信號變化序列和信號時間序列，計算得到所述信號變化序列的波形特征值；
步驟S033，根據(jù)所述波形特征值和獲取到的分類器，得到當前車輛的型號。在步驟S031中，比如當前車輛的信號變化序列為al，a2,…an，當當前的車輛與地感線圈的距離不斷接近或遠離時，地感線圈I的感應信號時不同的，因此車輛經過地感線圈時，能檢測到地感線圈的信號變化序列。
在步驟S032中，當接收到地感線圈I的感應信號，記錄接收到地感線圈I的感應信號的當前時刻，由于地感線圈I的感應信號是信號變化序列，那么也就得到信號時間序列tl，t2,-tn0另外所述波形特征值具體包括車長、波峰最大值、波峰個數(shù)值、波谷最小值、波谷個數(shù)值以及波形尾部的序列最小方差值，其中車長L= V * n * t，其中t為感應信號的時間間隔即最小時間間隔，n為采樣點的個數(shù)即每個序列中感應信號的個數(shù)，而車速V是根據(jù)以下公式得到比如當車輛通過第一個地感線圈，記錄車輛通過時的時間Tl，當車輛通過第二個地感線圈時，記錄車輛通過時的時間T2，記2個線圈之間的距離為S，那么，車速 V= S / (T2 - Tl)；
波峰個數(shù)值Maxn =統(tǒng)計波形的波峰個數(shù)；
波峰最大值Maxv =統(tǒng)計最大波峰的數(shù)值；
波谷最小值Minv =統(tǒng)計波形最小波谷的數(shù)值，去掉左右邊緣低于最大值10%的部分；波谷個數(shù)值Minn =統(tǒng)計波形波谷的個數(shù)；
序列最小方差值f6是根據(jù)以下公式得到的
所述波形就是根據(jù)信號變化序列得到的，由于波形的尾部為一條下降曲線，計算波形的尾部連續(xù)3個點的方差，可以得到波形尾部的序列最小方差值f6，比如波形的尾部有8組連續(xù)3個點,通過以下公式計算每組數(shù)值的均值avg和方差fangcha ；
float avg= (pSig[i]. value+pSig[i+l]. value+ pSig[i+2] value)/3,其中 pSig[i]代表信號變化序列的第幾個點，i的取值范圍為0到MAX-1，value為該點的感應信號值；fangcha = sqrt(pow((float)pSig[i]. value-avg, 2) + pow((float)pSig[i+l].value-avg, 2) + pow ((float)pSig[i+2]. value-avg, 2));
當計算出每組的方差fangcha之后，取這8組數(shù)值中的最小值，便是序列最小方差值
f60在具體實施中，在步驟SOl、步驟S02或步驟S03之前，所述方法還包括得到分類器的方法，如圖3所示，在步驟SOl之前，所述得到分類器的方法具體包括以下步驟
步驟S11，獲取至少一種模板車型的信號變化序列和信號時間序列；
步驟S12，根據(jù)所述模板車型的信號變化序列和信號時間序列，計算得到所述信號變化序列的波形特征值；
步驟S13,在OpenCV數(shù)據(jù)庫中，采用MLP (Mult1-layer Perceptron,多層感知器)的方式對所述波形特征值進行訓練，得到分類器。在步驟Sll中，模板車型具體可以為小型客車I、小型客車2、小型客車3以及小型貨車I、小型貨車2、小型貨車3等，可以保存7或8種模板車型的模板序列，當然更多的模板序列也是可以的；
當小型客車I進過地感線圈1，記錄信號變化序列為Sll，Sl2, -Sln和信號時間序列Tl，T2，."Tn,將上述兩序列保存為模版kl ；
當小型客車2進過地感線圈1，產生信號變化序列為s21，s22, -s2n和信號時間序列Tl，T2，一Tn,將該序列保存為模版k2 ；
當小型客車3進過地感線圈1，記錄信號變化序列為s31，s32, -s3n和信號時間序列Tl，T2，一Tn,將該序列保存為模版k3;
當小型貨車I進過地感線圈1，產生信號變化序列為hll，hl2, -hln和信號時間序列Tl，T2，一Tn,將該序列保存為模版kl ；
當小型貨車2進過地感線圈1，產生信號變化序列為h21，h22，"4211和信號時間序列Tl，T2，…!^，將該序列保存為模版kh ；
當小型貨車3進過地感線圈1，產生信號變化序列為h31，h32，一hSn和信號時間序列Tl, T2, -Tn,將該序列保存為模版h3;
接著計算每種模版序列的波形特征值，和計算當前車輛的信號變化序列的波形特征值是一樣，所述波形特征值具體包括車長、波峰最大值、波峰個數(shù)值、波谷最小值、波谷個數(shù)值以及波形尾部的序列最小方差值；
然后在OpenCV數(shù)據(jù)庫中，采用MLP的方式對每種模版序列的波形特征值進行訓練，得到分類器，即得到XML文件。所述訓練方法具體為模式識別方法，為本領域的公知常識。步驟S033中，根據(jù)所述波形特征值和獲取到的分類器，得到當前車輛的型號，即將當前車輛的波形特征值與分類器中每種模版序列的波形特征值進行模糊識別，從而得到當前車輛的型號，也就是說本發(fā)明是通過提取當前車輛的特定特征和樣本模版進行比較，并結合當前波形和模版波形的差異度，綜合計算當前車輛與模版車型的相似度，從而可以 準確預測出通過當前的車輛型號，達到更好的車輛識別效果。在具體實施中，如圖3所示，在步驟S03之后，所述方法還包括以下步驟
步驟S04，將當前車輛的型號以網絡通訊的方式輸出。在步驟S04中，將當前車輛的型號輸出至停車場車輛進出管理主機上或道路車流量監(jiān)測主機上，可以對當前車輛進行分類后以便于收費或便于監(jiān)控。在具體實施中，本發(fā)明還提供一種車輛型號的識別系統(tǒng)，如圖4和圖5所示，所述系統(tǒng)包括驅動模塊11、檢測模塊12以及處理模塊13 ；
所述驅動模塊11，用于輸出波形檢測信號至安裝在每條道路上的至少兩個地感線圈
I ;
所述檢測模塊12，用于當車輛經過地感線圈I時，檢測每個地感線圈I的信號變化序列并保存；
所述處理模塊13，用于根據(jù)檢測模塊12的信號變化序列和獲取到的分類器，識別當前車輛的型號；
所述處理模塊13，還用于將當前車輛的型號以網絡通訊的方式輸出，即將當前車輛的型號輸出至停車場車輛進出管理主機上或道路車流量監(jiān)測主機上，可以對當前車輛進行分類后以便于收費或便于監(jiān)控。在具體實施中，所述驅動模塊11和檢測模塊12具體為信號采集器2。處理模塊13具體為中央處理器3。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。
權利要求
1.一種車輛型號的識別方法，其特征在于，所述方法包括以下步驟 步驟S01，輸出波形檢測信號至安裝在每條道路上的至少兩個地感線圈； 步驟S02，當車輛經過地感線圈時，檢測每個地感線圈的信號變化序列并保存； 步驟S03，根據(jù)所述信號變化序列和獲取到的分類器，識別當前車輛的型號。
2.如權利要求I所述的識別方法，其特征在于，所述步驟S03具體包括以下步驟 步驟S031，根據(jù)信號變化序列，得到與信號變化序列對應的信號時間序列； 步驟S032，根據(jù)信號變化序列和信號時間序列，計算得到所述信號變化序列的波形特征值； 步驟S033，根據(jù)所述波形特征值和獲取到的分類器，得到當前車輛的型號。
3.如權利要求I所述的識別方法，其特征在于，在步驟SOI、步驟S02或步驟S03之前，所述方法包括以下步驟 步驟S11，獲取至少一種模板車型的信號變化序列和信號時間序列； 步驟S12，根據(jù)所述模板車型的信號變化序列和信號時間序列，計算得到所述信號變化序列的波形特征值； 步驟S13，在OpenCV數(shù)據(jù)庫中，采用MLP的方式對所述波形特征值進行訓練，得到分類器。
4.如權利要求3所述的識別方法，其特征在于所述分類器具體為XML文件。
5.如權利要求3所述的識別方法，其特征在于在步驟S13中，所述訓練方法具體為模式識別方法。
6.如權利要求2或3所述的識別方法，其特征在于所述波形特征值具體包括車長、波峰最大值、波峰個數(shù)值、波谷最小值、波谷個數(shù)值以及波形尾部的序列最小方差值。
7.如權利要求I所述的的識別方法，其特征在于，在步驟S03之后，所述方法還包括以下步驟 步驟S04，將當前車輛的型號以網絡通訊的方式輸出。
8.—種車輛型號的識別系統(tǒng)，其特征在于，所述系統(tǒng)包括驅動模塊、檢測模塊以及處理模塊； 所述驅動模塊，用于輸出波形檢測信號至安裝在每條道路上的至少兩個地感線圈； 所述檢測模塊，用于當車輛經過地感線圈時，檢測每個地感線圈的信號變化序列并保存； 所述處理模塊，用于根據(jù)檢測模塊的信號變化序列和獲取到的分類器，識別當前車輛的型號。
9.如權利要求8所述的識別系統(tǒng)，其特征在于所述驅動模塊和檢測模塊具體為信號采集器。
10.如權利要求9所述的識別系統(tǒng)，其特征在于處理模塊還用于將當前車輛的型號以網絡通訊的方式輸出。
全文摘要
本發(fā)明提供了一種車輛型號的識別方法及識別系統(tǒng)，所述方法包括以下步驟步驟S01，輸出波形檢測信號至安裝在每條道路上的至少兩個地感線圈；步驟S02，當車輛經過地感線圈時，檢測每個地感線圈的信號變化序列并保存；步驟S03，根據(jù)所述信號變化序列和獲取到的分類器，識別當前車輛的型號。該方法能提高車輛匹配精確度及提高車型檢測的準確率，達到更好的車輛型號識別效果。
文檔編號G08G1/017GK102982684SQ20121049406
公開日2013年3月20日 申請日期2012年11月28日 優(yōu)先權日2012年11月28日
發(fā)明者劉國文, 鄭雙明, 張靈 申請人:深圳市邁科龍影像技術有限公司