CN103440769B - 积分提取地磁曲线信息实现车型识别的方法 - Google Patents
积分提取地磁曲线信息实现车型识别的方法 Download PDFInfo
- Publication number
- CN103440769B CN103440769B CN201310347166.6A CN201310347166A CN103440769B CN 103440769 B CN103440769 B CN 103440769B CN 201310347166 A CN201310347166 A CN 201310347166A CN 103440769 B CN103440769 B CN 103440769B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- dimension array
- standard
- interval
- earth magnetism
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种积分提取地磁曲线信息实现车型识别的方法,用于解决目前车型识别分类算法实时性不强车型识别率过低的不足。该方法包括:对地磁曲线设定基准值区间;积分提取地磁曲线信息生成一维数组;划分速度区间;得到各标准车型在各速度区间内的标准一维数组;根据得到的标准一维数组库,配合不同速度区间的划分,对未知车型车辆的地磁曲线进行积分提取特征后进行车型识别。本发明能够通过对地磁曲线设定基准值区间后积分提取信息得到能反映车型信息的一维数组,能有效实时实现不同速度区间下的车型识别。
Description
技术领域
本发明属于车辆信息检测领域,尤其涉及一种积分提取地磁曲线信息实现车型识别的方法。
背景技术
地磁传感器是利用磁场变化将车辆引起的地磁扰动转换为清晰的电压信号的车辆信息检测设备。根据不同车辆对地磁强度的影响不同,输出不同的磁场曲线,通过从地磁曲线中提取能体现车型的信息可以实现车型识别。
但是目前对地磁曲线特征的提取主要是通过分类算法,比如对曲线进行参数化之后模式匹配、人工神经网络算法、统计模式识别算法等。但是这些算法实时性不强车型识别率较低无法实际应用于道路交通。
发明内容
本发明的目的在于,提供一种积分提取地磁曲线信息实现车型识别的方法,该方法可以对地磁曲线进行积分提取生成一维数组,而且通过速度区间的划分准确实现不同行驶速度下的车型识别,用于克服当前提取算法复杂实时性差和车型识别率较低的问题。
一种积分提取地磁曲线信息实现车型识别的方法,所述方法包括:
步骤1:对地磁曲线设定基准值区间;
步骤2:积分提取地磁曲线特征得到一维数组;
步骤3:根据一维数组的变化趋势,划分速度区间;
步骤4:获得不同车型在各速度区间内的一维数组,得到标准一维数组库;
步骤5:根据标准一维数组库,配合速度区间的划分,进行车型识别。
优选地,步骤1中所述的设定基准值区间后,基准值区间把地磁曲线分为了区间上和区间下两部分。基准值区间上方的面积积分值为正,区间下方的面积积分值为负,将面积积分值按照时间顺序计入一维数组内完成信息提取。
优选地,步骤2中所述的地磁曲线经过积分运算生成一个带有正负号的一维数组。
优选地,划分不同速度区间后,在各速度区间内,各标准车型均有一个标准一维数组,用于与相应速度区间内未知车型车辆地磁曲线经过积分提取后产生的一维数组进行相似性比较,得出车型识别结果。
优选地,定义任一未知车型车辆在任一速度区间内行驶所获地磁曲线经过积分提取后的一维数组为{x1,x1,…xi,…,xm},其中x代表一维数组中的基本元素(x∈R),每个基本元素都是一个面积积分值,xi表示该一维数组的第i个基本元素(1≤i≤m),m为一维数组中基本元素的个数;
定义任一标准车型在任一速度区间内的标准一维数组的形式为{a1,a2,…ai,…,an};
定义数组距离M和凹凸比N两个参量,用以分别从一维数组内基本元素的数值大小和正负分布两个方面,定量地衡量(相同速度区间下)未知车型的一维数组{x1,x2,…xi,…,xm}与任一标准车型的标准一维数组{a1,a2,…ai,…,an}之间的相似程度,其中数组距离凹凸比
定义比重系数p和q(p+q=1),用以调整数组距离M与凹凸比N二者的计算结果在最终结果中所占的比例,调整二者对最终判别结果影响程度的相对大小;在数据不变的情况下,设定不同的比重系数,车型识别的结果也会有所变化;
定义相似距离S=pM+qN,作为相似性比较最终结果,输出与所述的未知车型车辆相似性运算后所得最小相似距离S值所对应的标准车型作为车型识别结果,且事先设定有效阈值,规定只有当相似距离S值小于规定的有效阈值时,才输出根据相似距离S值最小的比较原则识别出的车型结果,否则视为无效识别。当所有相似距离S值都大于有效阈值时,说明该未知车型与现有标准一维数组库中所有标准车型都不够相似或者数据采集出现错误造成了无法识别。有效阈值设置越大,越不容易出现无效识别的情况,但也越不易察觉数据采集异常的状况。
本发明的有益效果是,通过对地磁曲线进行基准值区间的设置后积分提取地磁曲线信息,配合不同速度区间下的各标准车型的标准一维数组,能有效地实时实现对不同行驶速度车辆的车型识别。
附图说明
图1是积分提取地磁曲线信息实现车型识别的方法流程图;
图2是积分提取某未知车型车辆地磁曲线信息的示意图;
图3是在【10,20】(km/h)速度区间下,三种标准车型的标准一维数组;
图4是在【10,20】(km/h)速度区间下,某未知车型车辆与标准一维数组库中相同速度区间下三种标准车型(小轿车,中型货车,中型客车)的标准一维数组所进行的相似性比较结果;
图5是车型识别准确率测试结果表。
具体实施方式
下面结合附图,对本发明做进一步详细说明。该说明为示例性说明,目的并非为限制本发明的范围及其应用。
图1是积分提取地磁曲线信息实现车型识别的方法流程图。图1中,一种积分提取地磁曲线信息实现车型识别的方法包括下列步骤:
步骤1:对地磁曲线设定基准值区间。
在无车辆扰动地磁的条件下,地磁曲线的输出值在长时间内维持在一个稳定的具体值附近,该值为该地磁曲线的基准值。但由于不可避免地会受到来自周围环境和噪声的影响,其输出值通常稳定在一个区间范围内,将该区间设定为基准值区间,将该区间内的地磁曲线扰动视为非车辆因素,并且基准值区间的设置不会对地磁曲线的形状造成不可忽略的影响。
步骤2:积分提取地磁曲线特征得到一维数组。
从图2中可以看出,设定基准值区间可以忽略在基准值附近由于非车辆因素造成的微小扰动。基准值区间明显地将该地磁曲线分为了基准值区间上方和下方两部分。其中基准值区间上限与地磁曲线本身在基准值区间上方围成了一块面积,基准值区间下限与地磁曲线本身在基准值区间下方围成了共计两块面积,准值区间上方的面积积分值为正,基准值下方的面积积分值为负。将形成的三块面积进行积分运算,按时序输入一维数组,得到{-60,105,-132}。至此,该地磁曲线信息积分提取完毕,该一维数组即为此次地磁曲线的积分提取结果。将该提取结果与相应速度区间内各标准车型的标准一维数组进行相似性比较,可得车型识别结果。
步骤3:根据一维数组的变化趋势,划分速度区间。
同一车辆在不同速度下行驶所提取出的一维数组并非一成不变,因为,同一车辆在不同行驶速度下所产生的地磁曲线并不相同。低速行驶下车辆的地磁曲线相对于高速行驶下车辆的地磁曲线如同做了一次拉伸,但整体形状变化平缓。设定不同速度区间便于将所得未知车型车辆地磁曲线经提取后产生的一维数组与其相同行驶速度区间内各标准车型的标准一维数组进行相似性比较,降低车速对识别准确率的影响。
步骤4:
获得不同车型在各速度区间内的一维数组,得到标准一维数组库
根据划分的速度区间,分别在各个速度区间内对某一具体车型进行多次实验,而后对产生的地磁曲线进行积分提取。将各个速度区间下多次实验产生的一维数组分别综合之后求其平均值,得到某一具体车型在各个速度区间下的标准一维数组。该车型成为标准一维数组库中的一种标准车型,不断重复该步骤将得到拥有丰富标准车型种类的标准一维数组库。在标准一维数组库中,每一种标准车型在划分的每个速度区间下都有唯一标准一维数组。
图3是标准一维数组库中,【10,20】(km/h)速度区间下,三种标准车型的标准一维数组。
步骤5:
根据标准一维数组库,配合速度区间的划分,进行车型识别。
每个标准一维数组包含两种重要信息:数组内基本元素的数值大小和正负分布。其中,数值大小体现地磁扰动量的大小,且本身一定程度能表现地磁曲线的高度、左右比重、上升沿下降沿等特征,正负的分布着重表现地磁曲线的凹凸性。
定义任一未知车型车辆在任一速度区间内行驶所获地磁曲线经过积分提取后的一维数组为{x1,x2,…xi,…,xm},其中x代表数组中的基本元素(x∈R),每个基本元素都是一块面积积分值。xi表示该一维数组的第i个基本元素(1≤i≤m),m为一维数组中基本元素的个数。
定义任一标准车型在任一速度区间内的标准一维数组的形式为{a1,a2,…ai,…,an}。
定义数组距离M和凹凸比N两个参量,用意分别从数组内基本元素的数值大小和正负分布两方面,定量衡量未知车型的一维数组{x1,x2,…xi,…,xm}与任一标准车型的标准一维数组{a1,a2,…ai,…,an}之间的相似程度。其中数组距离 凹凸比
定义比重系数p和q(p+q=1),用意实现调整数组距离M与凹凸比N在最终结果中所占的比例,调整二者对最终判别结果影响程度的大小。在数据不变的前提下,设定不同的比重系数,可能会输出不同的车型识别结果。
定义相似距离S=pM+qN,作为相似性比较最终结果,输出与所述的未知车型车辆相似性运算后所得最小相似距离S值所对应的标准车型作为车型识别结果,且事先设定有效阈值,规定只有当相似距离S值小于规定的有效阈值时,才输出根据相似距离S值最小的比较原则识别出的车型结果,否则视为无效识别。当所有相似距离S值都大于有效阈值时,说明该未知车型与现有标准一维数组库中所有标准车型都不够相似或者数据采集出现错误造成了无法识别。有效阈值设置越大,越不容易出现无效识别的情况,但也越不易察觉数据采集异常的状况。
图4是某未知车型车辆在【10,20】(km/h)行驶速度区间下,与该速度区间内三种标准车型(小轿车,中型货车,中型客车)标准一维数组的相似性比较结果。该次相似性比较中,比重系数p设置为0.5,有效阈值为0.4。根据上述定义计算该未知车型车辆一维数组与上述三种标准车辆标准一维数组的相似距离S。经计算,该未知车型车辆与中型货车车型的相似距离S值0.29最小,且小于有效阈值0.4,车型识别有效,输出车型识别结果:中型货车。应当说明的是:限于篇幅,本优选实施例中仅在【10,20】(km/h)速度区间内选取了标准一维数组库中的三种而并非全部标准车型的标准一维数组与未知车型车辆的一维数组进行相似性比较作示例,意在示范相似性比较的过程。实际使用中,只有当近似距离S值在标准一维数组库所有标准车型相似性比较当中最小,且小于有效阈值时方作为正确的车型识别结果输出。
实施例
通过安装在试验现场的地磁传感器采集到的地磁曲线,对本方法进行验证,得到相应的实验结果。
(1)实验数据及处理
本实施例选取2013年3月12日采集到的不同行驶速度下630辆小轿车和面包车的地磁信号作为实验数据,通过预处理得到各车完整的地磁曲线。
(2)积分提取信息
积分提取各车辆的地磁曲线信号,产生相应的一维数组。
(3)车型识别
根据标准一维数组库,配合速度区间的划分,对采集到的未知车型车辆进行车型识别。得到的车型识别准确率测试结果表如图5所示。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种积分提取地磁曲线信息实现车型识别的方法,其特征是,所述方法包括:
步骤1:对地磁曲线设定基准值区间;
步骤2:积分提取地磁曲线特征得到一维数组;
步骤3:根据一维数组的变化趋势,划分速度区间;
步骤4:获得不同车型在各速度区间内的一维数组,得到标准一维数组库;
步骤5:根据标准一维数组库,配合速度区间的划分,进行车型识别;
步骤1中所述的设定基准值区间后,基准值区间上方的面积积分值为正,区间下方的面积积分值为负,将面积积分值按照时间顺序计入一维数组内完成信息提取;
步骤2中所述的地磁曲线经过积分提取后生成一个带有正负号的一维数组;
划分不同速度区间后,在各速度区间内,各标准车型均拥有一个标准一维数组,用于与相应速度区间内未知车型车辆地磁曲线经过积分提取后产生的一维数组进行比较,得出车型识别结果。
2.根据权利要求1所述的方法,其特征是,定义任一未知车型车辆在任一速度区间内行驶所获地磁曲线经过积分提取后的一维数组为{x1,x2,…xi,…,xm},其中x代表一维数组中的基本元素(x∈R),每个基本元素都是一个面积积分值,xi表示该一维数组的第i个基本元素(1≤i≤m),m为该一维数组中基本元素的个数;
定义任一标准车型在任一速度区间内的标准一维数组的形式为{a1,a2,…ai,…,an};
定义数组距离M和凹凸比N两个参量,用以分别从数组内基本元素的数值大小和正负分布两方面,定量衡量未知车型的一维数组{x1,x2,…xi,…,xm}与任一标准车型的标准一维数组{a1,a2,…ai,…,an}之间的相似程度,其中数组
距离 凹凸比
定义比重系数p和q(p+q=1),用以调整数组距离M与凹凸比N二者的计算结果在最终结果中所占的比例,调整二者对最终判别结果影响程度的相对大小;在数据不变的情况下,设定不同的比重系数,可能会输出不同的车型识别结果;
定义相似距离S=pM+qN,作为相似性比较最终结果,输出与所述的未知车型车辆相似性运算后所得最小相似距离S值所对应的标准车型作为车型识别结果,且事先设定有效阈值,规定只有当相似距离S值小于规定的有效阈值时,才输出根据相似距离S值最小的比较原则识别出的车型结果,否则视为无效识别;当所有相似距离S值都大于有效阈值时,说明该未知车型与现有标准一维数组库中所有标准车型都不够相似或者数据采集出现错误造成了无法识别;有效阈值设置越大,越不容易出现无效识别的情况,但也越不易察觉数据采集异常的状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310347166.6A CN103440769B (zh) | 2013-08-11 | 2013-08-11 | 积分提取地磁曲线信息实现车型识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310347166.6A CN103440769B (zh) | 2013-08-11 | 2013-08-11 | 积分提取地磁曲线信息实现车型识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103440769A CN103440769A (zh) | 2013-12-11 |
CN103440769B true CN103440769B (zh) | 2015-05-20 |
Family
ID=49694462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310347166.6A Active CN103440769B (zh) | 2013-08-11 | 2013-08-11 | 积分提取地磁曲线信息实现车型识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103440769B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200670A (zh) * | 2014-08-26 | 2014-12-10 | 长沙理工大学 | 一种基于车辆地磁感应特征的车辆车型识别方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147707B (zh) * | 2018-10-25 | 2021-07-20 | 初速度(苏州)科技有限公司 | 一种高精度车辆识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2343635Y (zh) * | 1998-01-22 | 1999-10-13 | 北京师范大学 | 机动车车型识别装置 |
CN201392591Y (zh) * | 2008-10-10 | 2010-01-27 | 华南理工大学 | 一种便携式车型自动分类装置 |
CN102411845A (zh) * | 2011-08-04 | 2012-04-11 | 交通运输部科学研究院 | 压电磁敏型交通信息综合监测装置 |
CN102779281A (zh) * | 2012-06-25 | 2012-11-14 | 同济大学 | 一种在地磁感应器上基于支持向量机的车型识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR112014007388B1 (pt) * | 2011-09-27 | 2020-10-20 | Intelligent Imaging Systems Inc | identificação de veículo |
-
2013
- 2013-08-11 CN CN201310347166.6A patent/CN103440769B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2343635Y (zh) * | 1998-01-22 | 1999-10-13 | 北京师范大学 | 机动车车型识别装置 |
CN201392591Y (zh) * | 2008-10-10 | 2010-01-27 | 华南理工大学 | 一种便携式车型自动分类装置 |
CN102411845A (zh) * | 2011-08-04 | 2012-04-11 | 交通运输部科学研究院 | 压电磁敏型交通信息综合监测装置 |
CN102779281A (zh) * | 2012-06-25 | 2012-11-14 | 同济大学 | 一种在地磁感应器上基于支持向量机的车型识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200670A (zh) * | 2014-08-26 | 2014-12-10 | 长沙理工大学 | 一种基于车辆地磁感应特征的车辆车型识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103440769A (zh) | 2013-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103279759B (zh) | 一种基于卷积神经网络的车辆前方可通行性分析方法 | |
Gorges et al. | Impact detection using a machine learning approach and experimental road roughness classification | |
CN105160309B (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
CN102254161B (zh) | 基于路面轮廓及路面图像特征的路面类型识别方法及装置 | |
CN103235891B (zh) | 基于车辆垂向振动系统辨识的路面识别系统及方法 | |
Morris et al. | Real-time video-based traffic measurement and visualization system for energy/emissions | |
Cooper et al. | The unsteady wind environment of road vehicles, part one: a review of the on-road turbulent wind environment | |
CN102941853B (zh) | 基于实时无线通讯网络的汽车智能辅助驾驶系统及方法 | |
CN104802737A (zh) | 一种基于手机的车辆异常驾驶行为检测方法 | |
CN105892471A (zh) | 汽车自动驾驶方法和装置 | |
CN109948217B (zh) | 一种基于自然驾驶数据的危险场景库构建方法 | |
CN106127113A (zh) | 一种基于三维激光雷达的道路车道线检测方法 | |
Feng et al. | Driving style analysis by classifying real-world data with support vector clustering | |
Jeng et al. | Wavelet–k nearest neighbor vehicle classification approach with inductive loop signatures | |
CN105046946B (zh) | 基于复合传感器的交通流参数检测方法 | |
CN103177584B (zh) | 一种基于枚举试探的车速检测方法 | |
CN113516052B (zh) | 一种基于机器学习的成像毫米波雷达点云目标分类方法 | |
CN103577809A (zh) | 一种基于智能驾驶的地面交通标志实时检测的方法 | |
CN104408927A (zh) | 一种基于调频连续波雷达的车型分类方法 | |
CN107657817A (zh) | 一种基于多地磁传感器的车辆状态检测装置 | |
CN112356849A (zh) | 一种危险驾驶的预警方法及装置 | |
CN106919925A (zh) | 一种基于小波熵与人工神经网络的福特汽车检测方法 | |
CN103440769B (zh) | 积分提取地磁曲线信息实现车型识别的方法 | |
Tatebe et al. | Pedestrian detection from sparse point-cloud using 3DCNN | |
CN104408442A (zh) | 加速度传感器校正的激光雷达的路面类型识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Zheng Yongjun Inventor after: Xin Chenglin Inventor after: Li He Inventor after: Deng Bo Inventor before: Xin Chenglin |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: XIN CHENGLIN TO: ZHENG YONGJUN XIN CHENGLIN LI HE DENG BO |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |