《一种基于车辆地磁感应特征的车辆车型识别方法.pdf》由会员分享，可在线阅读，更多相关《一种基于车辆地磁感应特征的车辆车型识别方法.pdf（9页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 104200670 A (43)申请公布日 2014.12.10 CN 104200670 A (21)申请号 201410424244.2 (22)申请日 2014.08.26 G08G 1/017(2006.01) G08G 1/042(2006.01) (71)申请人 长沙理工大学 地址 410004 湖南省长沙市雨花区万家丽南 路二段 960 号长沙理工大学 (72)发明人 叶青 蔡长 刘铮 刘孙付 (74)专利代理机构 北京路浩知识产权代理有限 公司 11002 代理人 郝瑞刚 (54) 发明名称 一种基于车辆地磁感应特征的车辆车型识别 方法 (57) 摘要。
2、 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。
3、。 (51)Int.Cl. 权利要求书 1 页 说明书 6 页 附图 1 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书6页 附图1页 (10)申请公布号 CN 104200670 A CN 104200670 A 1/1 页 2 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。
4、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。 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。
5、值90cm110cm， 宽取值140160cm。 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 (z0zjzn)， 对 Z 作标 准化处理， 。
6、使得到 X (x0xjxn) 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,XiYj 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。
7、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。 6. 根据权利要求 4 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。 权 利 要 求 书 CN 104200670 A 2 1/6 页 3 一种基于车辆地磁感应特征的车辆车型识别方法 技术领域 0001 本发明涉及车辆技术领域， 更具体涉及一种基于车。
8、辆地磁感应特性的车辆车型识 别方法。 背景技术 0002 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。 0003 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。
9、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 0004 ( 一 ) 要解决的技术问题 0005 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。 0006 ( 二 ) 技术方案 0007 为了解决上述技术问题， 本。
10、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 ： 0008 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 ； 0009 步骤二 ： 对采集的车辆的地磁感应特性数据进行预处理 ； 0010 步骤三 ： 提取车辆的识别特征数组 ； 0011 步骤四 ： 建立车型基础子类集 ； 0012 步骤五 ： 建立车型判别机 ： 将各车型基础子类按照。
11、需求划归为具体车型， 用于车 型识别 ； 0013 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 说 明 书 CN 104200670 A 3 2/6 页 4 判别机判别车型。 0014 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。 0015 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。
12、的 数据样本集。 0016 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 (z0zj zn)， 对 Z 作标准化处理， 使得到 X (x0xjxn) 作为车辆的识别特征数 组， 对应的波形为车辆特征波形。 0017 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,XiYj 表示两数据组 内积， 。
13、|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。 0018 其中， 所述的阈值为 0.85-0.95。 0019 ( 三 ) 有益效果 0020 本发明方法基于地磁感应技术， 对。
14、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 0021 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。
15、他的附图。 0022 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 ； 0023 图 2 是一辆轿车原始测量数据所对应波形图 ； 0024 图 3 是对一辆轿车原始测量数据处理后所对应波形图。 说 明 书 CN 104200670 A 4 3/6 页 5 具体实施方式 0025 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。 0026 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 。
16、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。 0027 本发明方法的具体运用过程如下 ： 0028 1、 采集车辆的地磁感应特性数据 0029 将地磁感应车辆检测器线圈按照长宽100cm150cm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。 0030 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。
17、据样本集。 0031 2、 对样本数据进行预处理 0032 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。 0033 3、 提取车辆的识别特征数组 0034 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 )。
18、， 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 (x0xjx25) 作为车辆样本的识别特征数据组。 0035 例如一辆小轿车样本 Z1 (z0zjz310)， 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 (z0zjz310) 依序采样得到 25 个元素构成数组 Z (z0zjz25)。图 3 为数据 处理后的该样本数据波形。 0036。
19、 4、 建立车型基础子类中心 0037 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。 0038 5、 建立车型判别机 0039 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 19 座 )、 小卡车 ( 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。
20、 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。 0040 6、 进行车型识别 0041 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。 0042。
21、 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。 0043 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。 0044 表一 ： 应用本发明方法进行车型识别的结果 0045 说 明 书 CN 104200670 A 6 5/6 页 7 0046 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、 说 明 书 CN 104200670 A 7 6/6 页 8 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。 说 明 书 CN 104200670 A 8 1/1 页 9 图 1 图 2 图 3 说 明 书 附 图 CN 104200670 A 9 。