CN105427614A - 一种车型分类系统及其方法 - Google Patents
一种车型分类系统及其方法 Download PDFInfo
- Publication number
- CN105427614A CN105427614A CN201610009998.0A CN201610009998A CN105427614A CN 105427614 A CN105427614 A CN 105427614A CN 201610009998 A CN201610009998 A CN 201610009998A CN 105427614 A CN105427614 A CN 105427614A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- camera
- vehicle body
- classification
- detecting device
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种车型分类系统及其方法,涉及汽车识别装置或方法技术领域。所述分类系统包括正向抓拍摄像机、车身扫描摄像机、双路视频检测器以及收费系统,所述正向抓拍摄像机与通道抓拍点呈45度角倾斜设置,用于实现对通过车辆正面特征的捕获,所述车身扫描摄像机布置于车辆通道的一侧;正向抓拍摄像机和车身扫描摄像机与双路视频检测器的信号输入端连接,双路视频检测器内配置视频流车辆检测分析软件。所述系统通过使用一台高性能双路视频处理器,通过机器视觉算法,基于核心层对同一车辆信息进行多类型、多维度数据同步、融合、模型拟合,从而实时、准确、稳定获取车辆精确分类所需数据信息,得到车型精确分类。
Description
技术领域
本发明涉及汽车识别装置或方法技术领域,尤其涉及一种车型分类系统及其方法。
背景技术
车型分类是目前ETC收费的重要依据,依据已有的国家标准对各种车辆进行区分划价,保证高速公路的收费系统准确性,现行的标准中大致分为五型车辆,对不通类型的车辆收取不同费用,保证了高速公路收费的合理性与公平性,同时高速公路所收费用也直接反映到高速公路的服务等级、安全性和通达度,根据上述因素车型分类本身的准确就至关重要了。
目前高速公路上使用的车型分类方法基本有三种:环形线圈检测、红外光栅检测和普通视频检测。
(1)环形线圈检测,是一种应用时间最长、技术成熟度高的电磁感应检测技术。可以按照设定的车辆长度区间分为五类车型,即:1型车2-5米、2型车5.1-10米、3型车10.1-15米、4型车15.1-20米、5型车20.1米以上。其车辆计数、速度测量、车长测量精度都非常高,可应对一般性跨线车辆所造成的检测影响。而且不受天气、光线、车速等条件的干扰。其缺点是,只能根据车长度进行车型分类,不能给出车轴数、轴距、轮数、车头高度等多维综合测量信息,安装时必须要按照技术要求切割路面,容易造成路面结构性破损降低道路本身使用寿命,且一旦损坏不容易其修复成本较高。
(2)红外光栅检测,是指利用红外线对射原理在车道两侧分别安装红外线发射、接收排柱。当有车辆通过时,一部分或全部光栅被车体遮挡而接收不到,则可断定有车通过,实现车辆计数、车长测量、车速测量、外形还原等多种功能。单独红外光栅检测技术可以在一定程度上可满足车型检测所需必要数据,但是仍然不能完整给出车辆精确分类所需的车轴数、轴距、轮数等必要数据。
同时,由于阳光中含有大量红外线,尤其是上午9:00左右更强,将会使特定方向、特定角度的红外线光栅检测器出错或失灵;同时,又由于红外线光栅具有散射特性,本车道车体挡住的光栅可能由于相邻车道光束的散射而被照射,可能会出现诸如将一辆拖挂车当成两辆车计数的错误,同时,红外线光栅检测会将雪花、雨水或人员走动等运动物体当作车辆进行计数,因而其可靠性较差。
(3)普通视频检测,即普通可见光视频检测系统,该系统以专用的架设在车道上方的一台摄像机视频流为信息输入源,并采用计算机视觉技术进行一系列运算处理,从而实现对视域内通过车辆的实时检测测量。可见光视频检测可以按照系统需求进行车辆计数、车速判定、车长测量,车辆特征分类、交通事件检测、交通参数统计等复杂需求,具有数据量大、种类丰富、可视性强、性价比高、施工维护方便等优势。
其缺点是单一视检测的准确性极容易受到摄像机架设高度、角度的影响,同时在车速低、车间距小时容易产生车辆前后粘连,不能对多辆车进行有效分割将多辆车误判为一辆车,从而会影响系统最终的检测精度提升。系统由于基于车辆正向2维图型图像处理原理,因此,无法给出准确的车辆轴数、轴距、轮数、车头高度等精确分类所需的关键信息。
发明内容
本发明所要解决的技术问题是提供一种车型分类系统及其方法,所述系统通过使用一台高性能双路视频处理器,通过机器视觉算法,基于核心层对同一车辆信息进行多类型、多维度数据同步、融合、模型拟合,从而实时、准确、稳定获取车辆精确分类所需数据信息,得到车型精确分类。
为解决上述技术问题,本发明所采取的技术方案是:一种车型分类系统,其特征在于:所述分类系统包括正向抓拍摄像机、车身扫描摄像机、双路视频检测器以及收费系统,所述正向抓拍摄像机与通道抓拍点呈45度角倾斜设置,用于实现对通过车辆正面特征的捕获;所述车身扫描摄像机布置于车辆通道的一侧,用于实现对通过车辆车身特征的捕获;正向抓拍摄像机和车身扫描摄像机与双路视频检测器的信号输入端连接,双路视频检测器内配置视频流车辆检测分析软件,视频流车辆检测分析软件采用机器视觉算法以及图像标定过对正向抓拍摄像机以及车身扫描摄像机采集的车辆视频流进行处理,自动在双路视频检测器内建立一个具备物理空间和几何逻辑关联性的三维虚拟空间,当车辆通过监测区域时,图像自动进行特征捕获、目标重建、拼接还原、模型填充,并进行多维度、多角度几何模型测量,获取车辆检测信息;所述双路视频检测器通过有线网络或无线网络与收费系统进行数据通信,收费系统用于根据双路视频检测器得出的车辆信息进行相关操作。
进一步的技术方案在于:所述正向抓拍摄像机采用200万像素的高清晰度、高灵敏度网络摄像机和12MM高清定焦镜头,帧率高达25FPS,架设高度为1米-1.5米。
进一步的技术方案在于:所述正向抓拍摄像机旁设有LED同步补光灯,LED同步补光灯采用45度角倾斜照射。
进一步的技术方案在于:所述车身扫描摄像机采用200万像素的高清晰度、高灵敏度网络摄像机和6MM以下高清定焦镜头,帧率高达25FPS,架设高度为1-1.5米。
进一步的技术方案在于:所述车身扫描摄像机采用红外成像相机或红外补光灯进行补光。
进一步的技术方案在于:所述正向抓拍摄像机和车身扫描摄像机通过RJ45接口与双路视频检测器连接,双路视频检测器通过RJ45接口与收费系统连接。
进一步的技术方案在于:所述分类系统还包括位于车道正上方的激光测距装置,用于测量通过车辆的数据,采集后的车辆数据通过双路视频检测器与正向抓拍摄像机、车身扫描摄像机采集的视频数据进行融合得出通过车辆的信息。
相应的本发明还公开了一种车型分类方法,其特征在于包括以下步骤:
1)双路视频采集:正向抓拍摄像机对通过车辆的正面图像、车牌进行抓拍;车身扫描摄像机对通过车辆的车身特征进行扫描,捕获并定位车身特征点;
2)视频域标定:双路视频检测器将正向抓拍摄像机以及车身扫描摄像机采集到的视频视域中的虚拟像素空间与真实的物理空间建立一一对应的逻辑关系;根据所定义的物理参数、相机成像指标,实时将视域中的车辆三维图形与现实中的车辆三维信息进行换算,并根据交通工程学的原理进行精确测量,获取到多维度车辆信息;
3)车辆目标分离:双路视频检测器在视频域标定的基础上,基于机器视觉算法,将视域中的车辆进行目标分离;
4)模型重建测量:双路视频检测器基于上述视频检测所获取的多维度车辆信息,进行模型重建和几何测量,首先将车头图片和车身扫描图片进行车辆拼接、还原,并与摄像机物理标定信息进行比对、测量,最终获得车辆分类支撑数据,并结合牌照识别和粗略分类的结果对车辆类型进行最终判定,并生成唯一的判定结果输出给相关联的车辆分类应用系统。
进一步的技术方案在于:步骤1)中双路视频采集过程如下:
1)车辆正向抓拍:基于车道入口前方45度角倾斜拍摄或正向设置的正向抓拍摄像机,对车辆进行正向检测、抓拍,自动定位车辆牌照并识别车牌号码、底色、牌照结构;同时,可以将车辆正投影图像与相机标定的坐标参数进行映射,并最终获得车辆宽度、车头高度指标;
2)车身特征扫描:车道入口一侧的车身扫描摄像机首先对驶入的车辆车身进行侧向扫描,对车身进行逐帧图像采集和特征提取,并与之前已经训练好的车辆模型库进行实时比对,确定车辆类型;车身扫描摄像机用于测量车辆移动速度,识别车头、车尾并分离不同车辆,识别轮胎样式,定位车辆轮胎位置确定车轴,并通过多个轴的定位和车速确定轴距。
进一步的技术方案在于:所述方法还包括步骤5)视神经原理自学习:将已经准确识别的牌照信息、车辆外形、车辆品牌和所指定车辆类型定义自动建立关联数据库,系统在未来一旦检测到这一类车辆的要素时,即自动按照指定的类型加以分类。
采用上述技术方案所产生的有益效果在于:所述系统采用一台正向或45度角照射的摄像机,一台与车身垂直照射的侧视摄像机,以及一台嵌入式高性能双目视频处理器,系统采用机器视觉算法以及图像标定,自动在内部建立一个具备物理空间和几何逻辑关联性的三维虚拟空间,当车辆通过监测区域时,图像自动进行特征捕获、目标重建、拼接还原、模型填充,并进行多维度、多角度几何模型测量,从而获取准确、可靠的车辆检测信息。系统基于纯视觉原理可提供的车辆检测信息包括:车牌号、车头高度、车身宽度、车速、车轴数、轴距、车轮数、车辆长度、外形特征等多种车型精确分类所需的指标参数。
本系统采用双路视频流输入,基于纯高清视频视觉技术的非接触式识别,并专门根据车型精确分类的主要技术需求进行了核心层的技术优化,从而能够最大程度挖掘、利用每一路视频流所提供的丰富的车辆、道路特征和信息内涵,并基于交通工程学的方法建立逻辑关联性。根据具体技术需求系统可对入口方向车速低于60KM/小时的车辆进行实时检测、精确分类。该系统不仅能够提供车辆精确分析所需的技术参数,而且具有实时性强、集成度高、性价比好、性能稳定、不损坏路面、升级维护方便等多重优势,因此,必将成为智能交通系统车型精确分类技术的主流发展趋势。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明所述系统的原理框图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
如图1所示,本发明公开了一种车型分类系统,所述分类系统包括正向抓拍摄像机、车身扫描摄像机、双路视频检测器以及收费系统,所述正向抓拍摄像机与通道抓拍点呈45度角倾斜设置,用于实现对通过车辆正面特征的捕获;所述车身扫描摄像机布置于车辆通道的一侧,用于实现对通过车辆车身特征的捕获;正向抓拍摄像机和车身扫描摄像机与双路视频检测器的信号输入端连接,双路视频检测器内配置视频流车辆检测分析软件,视频流车辆检测分析软件采用机器视觉算法以及图像标定过对正向抓拍摄像机以及车身扫描摄像机采集的车辆视频流进行处理,自动在双路视频检测器内建立一个具备物理空间和几何逻辑关联性的三维虚拟空间,当车辆通过监测区域时,图像自动进行特征捕获、目标重建、拼接还原、模型填充,并进行多维度、多角度几何模型测量,获取车辆检测信息;所述双路视频检测器通过有线网络或无线网络与收费系统进行数据通信,收费系统用于根据双路视频检测器得出的车辆信息进行相关操作。
与上述系统所对应的,本发明还公开了一种车型分类方法,包括以下步骤:
1)双路视频采集:正向抓拍摄像机对通过车辆的正面图像、车牌进行抓拍;车身扫描摄像机对通过车辆的车身特征进行扫描,捕获并定位车身特征点;
2)视频域标定:双路视频检测器将正向抓拍摄像机以及车身扫描摄像机采集到的视频视域中的虚拟像素空间与真实的物理空间建立一一对应的逻辑关系;根据所定义的物理参数、相机成像指标,实时将视域中的车辆三维图形与现实中的车辆三维信息进行换算,并根据交通工程学的原理进行精确测量,获取到多维度车辆信息;
3)车辆目标分离:双路视频检测器在视频域标定的基础上,基于机器视觉算法,将视域中的车辆进行目标分离;
4)模型重建测量:双路视频检测器基于上述视频检测所获取的多维度车辆信息,进行模型重建和几何测量,首先将车头图片和车身扫描图片进行车辆拼接、还原,并与摄像机物理标定信息进行比对、测量,最终获得车辆分类支撑数据,并结合牌照识别和粗略分类的结果对车辆类型进行最终判定,并生成唯一的判定结果输出给相关联的车辆分类应用系统。
所述系统和方法的发明点具体内容如下:
1)双路视频采集
系统基于收费站出口车道左前方或右前方45度的抓拍摄像机,以及一台与车身垂直拍摄的车身扫描摄像机的视频流,对通过检测视域的进行实时图像采集。两路实时视频流同时共用一台高性能双路视频车型检测仪进行分析。正向摄像机主要实现车辆正面图像抓拍、车牌抓拍及识别、车辆分离,以及车头高度,车身宽度测量等功能。车身扫描摄像机主要负责车身特征扫描,可准确捕获并定位车身特征点,定位车辆轮胎、车轴位置及轴数、轴距等车身关键技术要素,从而为车辆精确分离奠定重要基础。(如果,系统需要更加准确的车身高度及外形轮廓特征,可在双目视频基础上在车道正上方增加激光测距设备,并将测量数据与视频检测信息充分融合,进行更为精确的模型重建、测量)。
2)视频域标定
该步骤旨在将视频视域中的虚拟像素空间与真实的物理空间建立一一对于的逻辑关系;通常所需定义的参数有:相机高度、车道宽度以及与视域纵深相关的几个关键信息。系统将根据所定义的物理参数、相机成像指标,实时将视域中的车辆三维图形与现实中的车辆三维信息进行换算,并根据交通工程学的原理进行一系列精确测量,从而最终获取到我们所需的精确交通检测信息。
3)车辆目标分离
系统在视域标定的基础上,基于一系列的机器视觉算法,将视域中的车辆进行目标分离,目前常用的有两种手段,即:运动检测方式和模式识别方式,在实际应用过程中两种技术各有优缺点。
运动检测:是近十年间较为流行的一种视频处理技术,是指采用背景建模技术,通过系统对图像背景的实时学习,以背景差分等方式将所关注的目标分离出来。该技术主要优点是普适性强,能够快速适应不同工况环境的检测需求,而不需要进行较长时间的图像训练。缺点是在针对某一类特定环境下检测精度不高,而且容易受到外界环境的干扰;同时,该技术对视域内已经固有的车辆不敏感,因此,不宜用在收费站等容易产生车辆拥堵、排队、车间距小的交通场景。
模式识别:主要是基于一种或一类视域环境下,通过对视域中常见或重点关注的目标进行大量的样本采集、特征提取、目标分类和视神经原理的学习;使系统能够具备直接识别提取关注目标的技术。该技术可使系统在特定的工况环境下获得较为稳定的系统适应性和检测精度;缺点是普适性较差,系统对于一种模式环境的适应,需要基于大量样本采集和长周期的训练,一旦部分技术条件改变则需要从新开始。在该系统中,由于所面对的交通场景、视角、技术需求已经成熟固化;因此,更适合于以模式识别为主的技术架构。
4)车身特征扫描
车道入口的侧向扫描摄像机,首先对驶入的车辆车身进行侧向扫描,对车身进行逐帧图像采集和特征提取,并与之前已经训练好的模型库进行实时比对,并最终根据综合分析确定车辆类型。侧向扫描摄像机主要可以测量车辆移动速度;识别车头、车尾并分离不同车辆;识别轮胎样式,定位车辆轮胎位置确定车轴;通过多个轴的定位和车速确定轴距。
5)正向抓拍测量
基于车道入口前方45度角倾斜拍摄或正向摄像机,对车辆进行正向检测、抓拍,可自动定位车辆牌照并识别车牌号码、底色、牌照结构。同时,可以将车辆正投影图像与相机标定的坐标参数进行映射,并最终获得车辆宽度、车头高度等系统所关注指标。基于大量图片样本的学习,系统可以基于车辆正向抓拍图像进行种类、品牌的初步识别,并将该识别信息自动与其他识别信息进行融合,增强系统车型识别的可信度最终实现精确的车型分类检测。
系统可同时基于大量车辆正面样本的学习和分类,可通过车辆正面特征自动识别车辆的类型、品牌,并在人工逐步干预下建立特征数据库(包括:车牌编号、车辆类型定义、品牌或系列、车辆轴数、车辆轮数等)完成在线实时学习积累,为下一步系统精确自动识别并进行模式匹配打下基础。
6)模型重建测量
系统基于上述视频检测所获取的多维度车辆信息,进行模型重建和几何测量。首先将车头图片和车身扫描图片根据捕获时间、特征点、空间关系等要素进行车辆拼接、还原,并与摄像机物理标定信息进行比对、测量,最终获得车辆车头高度、轮胎位置、轴数、轴距、车辆长度等分类支撑数据,并结合牌照识别和粗略分类的结果对车辆类型进行最终判定,并生成唯一的判定结果输出给相关联的车辆分类应用系统,如:自动发卡系统、ETC不停车收费系统等。
7)视神经原理自学习
针对特定车辆类型或者地方特殊需求,系统还可以进行基于视神经原理的自学习和目标增强训练。将已经准确识别的牌照信息、车辆外形、车辆品牌和所指定车辆类型定义自动建立关联数据库,系统在未来一旦检测到这一类车辆的要素时,即能够自动按照指定的类型加以分类,从而最终确保系统的分类准确性、实战性能。基于视神经原理的自学习机制,可以在系统初期进行大量样本的自动采集和人工辅助想结合,随着样本的种类的增加系统识别的精确性也将得到本质提高,并能够具备较强的环境适应性。
综上,所述系统采用一台正向或45度角照射的摄像机,一台与车身垂直照射的侧视摄像机,以及一台嵌入式高性能双目视频处理器,系统采用机器视觉算法以及图像标定,自动在内部建立一个具备物理空间和几何逻辑关联性的三维虚拟空间,当车辆通过监测区域时,图像自动进行特征捕获、目标重建、拼接还原、模型填充,并进行多维度、多角度几何模型测量,从而获取准确、可靠的车辆检测信息。系统基于纯视觉原理可提供的车辆检测信息包括:车牌号、车头高度、车身宽度、车速、车轴数、轴距、车轮数、车辆长度、外形特征等多种车型精确分类所需的指标参数。
本系统采用双路视频流输入,基于纯高清视频视觉技术的非接触式识别,并专门根据车型精确分类的主要技术需求进行了核心层的技术优化,从而能够最大程度挖掘、利用每一路视频流所提供的丰富的车辆、道路特征和信息内涵,并基于交通工程学的方法建立逻辑关联性。根据具体技术需求系统可对入口方向车速低于60KM/小时的车辆进行实时检测、精确分类。该系统不仅能够提供车辆精确分析所需的技术参数,而且具有实时性强、集成度高、性价比好、性能稳定、不损坏路面、升级维护方便等多重优势,因此,必将成为智能交通系统车型精确分类技术的主流发展趋势。
Claims (10)
1.一种车型分类系统,其特征在于:所述分类系统包括正向抓拍摄像机、车身扫描摄像机、双路视频检测器以及收费系统,所述正向抓拍摄像机与通道抓拍点呈45度角倾斜设置,用于实现对通过车辆正面特征的捕获;所述车身扫描摄像机布置于车辆通道的一侧,用于实现对通过车辆车身特征的捕获;正向抓拍摄像机和车身扫描摄像机与双路视频检测器的信号输入端连接,双路视频检测器内配置视频流车辆检测分析软件,视频流车辆检测分析软件采用机器视觉算法以及图像标定过对正向抓拍摄像机以及车身扫描摄像机采集的车辆视频流进行处理,自动在双路视频检测器内建立一个具备物理空间和几何逻辑关联性的三维虚拟空间,当车辆通过监测区域时,图像自动进行特征捕获、目标重建、拼接还原、模型填充,并进行多维度、多角度几何模型测量,获取车辆检测信息;所述双路视频检测器通过有线网络或无线网络与收费系统进行数据通信,收费系统用于根据双路视频检测器得出的车辆信息进行相关操作。
2.根据权利要求1所述的车型分类系统,其特征在于:所述正向抓拍摄像机采用200万像素的高清晰度、高灵敏度网络摄像机和12MM高清定焦镜头,帧率高达25FPS,架设高度为1米-1.5米。
3.根据权利要求2所述的车型分类系统,其特征在于:所述正向抓拍摄像机旁设有LED同步补光灯,LED同步补光灯采用45度角倾斜照射。
4.根据权利要求1所述的车型分类系统,其特征在于:所述车身扫描摄像机采用200万像素的高清晰度、高灵敏度网络摄像机和6MM以下高清定焦镜头,帧率高达25FPS,架设高度为1-1.5米。
5.根据权利要求4所述的车型分类系统,其特征在于:所述车身扫描摄像机采用红外成像相机或红外补光灯进行补光。
6.根据权利要求1所述的车型分类系统,其特征在于:所述正向抓拍摄像机和车身扫描摄像机通过RJ45接口与双路视频检测器连接,双路视频检测器通过RJ45接口与收费系统连接。
7.根据权利要求1所述的车型分类系统,其特征在于:所述分类系统还包括位于车道正上方的激光测距装置,用于测量通过车辆的数据,采集后的车辆数据通过双路视频检测器与正向抓拍摄像机、车身扫描摄像机采集的视频数据进行融合得出通过车辆的信息。
8.一种车型分类方法,其特征在于包括以下步骤:
1)双路视频采集:正向抓拍摄像机对通过车辆的正面图像、车牌进行抓拍;车身扫描摄像机对通过车辆的车身特征进行扫描,捕获并定位车身特征点;
2)视频域标定:双路视频检测器将正向抓拍摄像机以及车身扫描摄像机采集到的视频视域中的虚拟像素空间与真实的物理空间建立一一对应的逻辑关系;根据所定义的物理参数、相机成像指标,实时将视域中的车辆三维图形与现实中的车辆三维信息进行换算,并根据交通工程学的原理进行精确测量,获取到多维度车辆信息;
3)车辆目标分离:双路视频检测器在视频域标定的基础上,基于机器视觉算法,将视域中的车辆进行目标分离;
4)模型重建测量:双路视频检测器基于上述视频检测所获取的多维度车辆信息,进行模型重建和几何测量,首先将车头图片和车身扫描图片进行车辆拼接、还原,并与摄像机物理标定信息进行比对、测量,最终获得车辆分类支撑数据,并结合牌照识别和粗略分类的结果对车辆类型进行最终判定,并生成唯一的判定结果输出给相关联的车辆分类应用系统。
9.根据权利要求8所述的车型分类方法,其特征在于步骤1)中双路视频采集过程如下:
1)车辆正向抓拍:基于车道入口前方45度角倾斜拍摄或正向设置的正向抓拍摄像机,对车辆进行正向检测、抓拍,自动定位车辆牌照并识别车牌号码、底色、牌照结构;同时,可以将车辆正投影图像与相机标定的坐标参数进行映射,并最终获得车辆宽度、车头高度指标;
2)车身特征扫描:车道入口一侧的车身扫描摄像机首先对驶入的车辆车身进行侧向扫描,对车身进行逐帧图像采集和特征提取,并与之前已经训练好的车辆模型库进行实时比对,确定车辆类型;车身扫描摄像机用于测量车辆移动速度,识别车头、车尾并分离不同车辆,识别轮胎样式,定位车辆轮胎位置确定车轴,并通过多个轴的定位和车速确定轴距。
10.根据权利要求8所述的车型分类方法,其特征在于所述方法还包括步骤5)视神经原理自学习:将已经准确识别的牌照信息、车辆外形、车辆品牌和所指定车辆类型定义自动建立关联数据库,系统在未来一旦检测到这一类车辆的要素时,即自动按照指定的类型加以分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610009998.0A CN105427614A (zh) | 2015-08-28 | 2016-01-07 | 一种车型分类系统及其方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510543635 | 2015-08-28 | ||
CN2015105436350 | 2015-08-28 | ||
CN201610009998.0A CN105427614A (zh) | 2015-08-28 | 2016-01-07 | 一种车型分类系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105427614A true CN105427614A (zh) | 2016-03-23 |
Family
ID=55505788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610009998.0A Pending CN105427614A (zh) | 2015-08-28 | 2016-01-07 | 一种车型分类系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105427614A (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127107A (zh) * | 2016-06-14 | 2016-11-16 | 宁波熵联信息技术有限公司 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
CN106296843A (zh) * | 2016-08-31 | 2017-01-04 | 道亦有道(深圳)科技有限公司 | 一种车辆扣费方法 |
CN106651881A (zh) * | 2016-12-28 | 2017-05-10 | 同方威视技术股份有限公司 | 车辆检查系统、车辆部位识别方法及系统 |
CN107123167A (zh) * | 2017-04-14 | 2017-09-01 | 广州地理研究所 | 基于汽车电子标识的桥路收费方法和装置 |
CN107292974A (zh) * | 2017-06-30 | 2017-10-24 | 深圳信路通智能技术有限公司 | 停车计费管理系统和方法 |
CN107966097A (zh) * | 2016-10-20 | 2018-04-27 | 福特全球技术公司 | 光检测和测距与视觉车辆感测 |
CN107967804A (zh) * | 2017-12-04 | 2018-04-27 | 北京理工大学 | 一种多旋翼载激光雷达的车型识别与车速测量装置及方法 |
CN109035447A (zh) * | 2018-07-05 | 2018-12-18 | 北京悦畅科技有限公司 | 一种物流园区车辆停车收费方法和系统 |
CN109342082A (zh) * | 2018-11-05 | 2019-02-15 | 汽-大众汽车有限公司 | 一种汽车碰撞试验的摄像设备及摄像方法 |
CN109598947A (zh) * | 2018-12-26 | 2019-04-09 | 武汉万集信息技术有限公司 | 一种车辆识别方法及系统 |
CN109637153A (zh) * | 2019-01-25 | 2019-04-16 | 合肥市智信汽车科技有限公司 | 一种基于机器视觉的车载移动违法抓拍系统 |
CN110047156A (zh) * | 2019-05-23 | 2019-07-23 | 贵州车秘科技有限公司 | 一种基于在线扫描技术的无牌车计费方法及系统 |
CN110207590A (zh) * | 2019-06-21 | 2019-09-06 | 珠海丽亭智能科技有限公司 | 一种多摄像头扫描车辆的装置及方法 |
CN110232324A (zh) * | 2019-05-16 | 2019-09-13 | 苏州思卡信息系统有限公司 | 一种高速公路收费车型的自动识别系统及方法 |
CN110276258A (zh) * | 2019-05-21 | 2019-09-24 | 智慧互通科技有限公司 | 一种识别车辆外观的方法及系统 |
CN110516524A (zh) * | 2019-06-26 | 2019-11-29 | 东南大学 | 一种交通场景中基于Mask R-CNN的车辆轴数识别方法 |
CN110992420A (zh) * | 2019-12-18 | 2020-04-10 | 天地伟业技术有限公司 | 一种检测粮仓车辆运载情况的系统及方法 |
CN111127541A (zh) * | 2018-10-12 | 2020-05-08 | 杭州海康威视数字技术股份有限公司 | 车辆尺寸的确定方法、装置及存储介质 |
CN111161542A (zh) * | 2018-11-08 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN111256737A (zh) * | 2020-05-06 | 2020-06-09 | 天津美腾科技股份有限公司 | 车厢异常检测系统及方法 |
CN111292432A (zh) * | 2020-01-14 | 2020-06-16 | 北京巨视科技有限公司 | 基于车型识别和轮轴检测的车辆收费类型判别方法与装置 |
CN111382597A (zh) * | 2018-12-27 | 2020-07-07 | 同方威视技术股份有限公司 | 车头识别方法及装置、车辆扫描系统、设备和可读介质 |
CN111523415A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种基于图像的两客一危车辆检测方法和装置 |
CN111667688A (zh) * | 2020-05-06 | 2020-09-15 | 北京科技大学 | 一种基于路面振动信号的综合交通信息解析方法及系统 |
CN111796472A (zh) * | 2020-07-31 | 2020-10-20 | 广东优尼克智能照明科技有限公司 | 一种etc卡扣抓拍灯及组装、使用方法 |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN111931545A (zh) * | 2019-05-13 | 2020-11-13 | 杭州海康威视数字技术股份有限公司 | 号牌识别方法及装置 |
CN112329747A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别和深度学习的车辆参数检测方法及相关装置 |
CN112966582A (zh) * | 2021-02-26 | 2021-06-15 | 北京卓视智通科技有限责任公司 | 车型三维识别方法、装置、系统、电子设备及存储介质 |
CN113129598A (zh) * | 2019-12-31 | 2021-07-16 | 武汉万集信息技术有限公司 | 基于红外相机的自由流车型识别方法、系统及设备 |
CN113537343A (zh) * | 2021-07-14 | 2021-10-22 | 厦门熵基科技有限公司 | 一种金属分类方法、装置、设备及存储介质 |
CN113869196A (zh) * | 2021-09-27 | 2021-12-31 | 中远海运科技股份有限公司 | 一种基于激光点云数据多特征分析的车型分类方法及装置 |
CN114118238A (zh) * | 2021-11-11 | 2022-03-01 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
CN116030628A (zh) * | 2023-01-06 | 2023-04-28 | 广州市杜格科技有限公司 | 基于双激光点云数据分析的车型分类方法及交通调查设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003263698A (ja) * | 2002-03-11 | 2003-09-19 | Matsushita Electric Ind Co Ltd | 自動料金収受システムと車両管理方法 |
CN202331574U (zh) * | 2011-11-18 | 2012-07-11 | 苏州朗为控制技术有限公司 | 线圈式自动客货分离车型分类系统 |
CA2848701A1 (en) * | 2011-09-13 | 2013-03-21 | Osi Optoelectronics, Inc. | Improved laser rangefinder sensor |
CN103518230A (zh) * | 2011-03-14 | 2014-01-15 | 加州大学评议会 | 用于车辆分类的方法和系统 |
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
-
2016
- 2016-01-07 CN CN201610009998.0A patent/CN105427614A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003263698A (ja) * | 2002-03-11 | 2003-09-19 | Matsushita Electric Ind Co Ltd | 自動料金収受システムと車両管理方法 |
CN103518230A (zh) * | 2011-03-14 | 2014-01-15 | 加州大学评议会 | 用于车辆分类的方法和系统 |
CA2848701A1 (en) * | 2011-09-13 | 2013-03-21 | Osi Optoelectronics, Inc. | Improved laser rangefinder sensor |
CN202331574U (zh) * | 2011-11-18 | 2012-07-11 | 苏州朗为控制技术有限公司 | 线圈式自动客货分离车型分类系统 |
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
Non-Patent Citations (3)
Title |
---|
史林: "机器视觉下整车尺寸测量系统的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
翟乃斌,苏建,刘玉梅: "基于计算机视觉的汽车整车尺寸测量系统", 《交通与计算机》 * |
袁涵: "基于计算机视觉的车辆外廓尺寸测量系统研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127107A (zh) * | 2016-06-14 | 2016-11-16 | 宁波熵联信息技术有限公司 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
CN106296843A (zh) * | 2016-08-31 | 2017-01-04 | 道亦有道(深圳)科技有限公司 | 一种车辆扣费方法 |
CN107966097B (zh) * | 2016-10-20 | 2021-11-30 | 福特全球技术公司 | 光检测和测距与视觉车辆感测 |
CN107966097A (zh) * | 2016-10-20 | 2018-04-27 | 福特全球技术公司 | 光检测和测距与视觉车辆感测 |
CN106651881A (zh) * | 2016-12-28 | 2017-05-10 | 同方威视技术股份有限公司 | 车辆检查系统、车辆部位识别方法及系统 |
CN106651881B (zh) * | 2016-12-28 | 2023-04-28 | 同方威视技术股份有限公司 | 车辆检查系统、车辆部位识别方法及系统 |
CN107123167A (zh) * | 2017-04-14 | 2017-09-01 | 广州地理研究所 | 基于汽车电子标识的桥路收费方法和装置 |
CN107292974A (zh) * | 2017-06-30 | 2017-10-24 | 深圳信路通智能技术有限公司 | 停车计费管理系统和方法 |
CN107967804A (zh) * | 2017-12-04 | 2018-04-27 | 北京理工大学 | 一种多旋翼载激光雷达的车型识别与车速测量装置及方法 |
CN109035447A (zh) * | 2018-07-05 | 2018-12-18 | 北京悦畅科技有限公司 | 一种物流园区车辆停车收费方法和系统 |
CN111127541B (zh) * | 2018-10-12 | 2024-02-27 | 杭州海康威视数字技术股份有限公司 | 车辆尺寸的确定方法、装置及存储介质 |
CN111127541A (zh) * | 2018-10-12 | 2020-05-08 | 杭州海康威视数字技术股份有限公司 | 车辆尺寸的确定方法、装置及存储介质 |
CN109342082A (zh) * | 2018-11-05 | 2019-02-15 | 汽-大众汽车有限公司 | 一种汽车碰撞试验的摄像设备及摄像方法 |
CN109342082B (zh) * | 2018-11-05 | 2024-06-11 | 一汽-大众汽车有限公司 | 一种汽车碰撞试验的摄像设备及摄像方法 |
CN111161542A (zh) * | 2018-11-08 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN109598947A (zh) * | 2018-12-26 | 2019-04-09 | 武汉万集信息技术有限公司 | 一种车辆识别方法及系统 |
CN111382597A (zh) * | 2018-12-27 | 2020-07-07 | 同方威视技术股份有限公司 | 车头识别方法及装置、车辆扫描系统、设备和可读介质 |
CN111382597B (zh) * | 2018-12-27 | 2023-09-12 | 同方威视技术股份有限公司 | 车头识别方法及装置、车辆扫描系统、设备和可读介质 |
CN109637153A (zh) * | 2019-01-25 | 2019-04-16 | 合肥市智信汽车科技有限公司 | 一种基于机器视觉的车载移动违法抓拍系统 |
CN111931545B (zh) * | 2019-05-13 | 2023-10-31 | 杭州海康威视数字技术股份有限公司 | 号牌识别方法及装置 |
CN111931545A (zh) * | 2019-05-13 | 2020-11-13 | 杭州海康威视数字技术股份有限公司 | 号牌识别方法及装置 |
CN110232324A (zh) * | 2019-05-16 | 2019-09-13 | 苏州思卡信息系统有限公司 | 一种高速公路收费车型的自动识别系统及方法 |
CN110276258A (zh) * | 2019-05-21 | 2019-09-24 | 智慧互通科技有限公司 | 一种识别车辆外观的方法及系统 |
CN110047156A (zh) * | 2019-05-23 | 2019-07-23 | 贵州车秘科技有限公司 | 一种基于在线扫描技术的无牌车计费方法及系统 |
CN110207590A (zh) * | 2019-06-21 | 2019-09-06 | 珠海丽亭智能科技有限公司 | 一种多摄像头扫描车辆的装置及方法 |
CN110516524A (zh) * | 2019-06-26 | 2019-11-29 | 东南大学 | 一种交通场景中基于Mask R-CNN的车辆轴数识别方法 |
CN110992420A (zh) * | 2019-12-18 | 2020-04-10 | 天地伟业技术有限公司 | 一种检测粮仓车辆运载情况的系统及方法 |
CN113129598A (zh) * | 2019-12-31 | 2021-07-16 | 武汉万集信息技术有限公司 | 基于红外相机的自由流车型识别方法、系统及设备 |
CN111292432A (zh) * | 2020-01-14 | 2020-06-16 | 北京巨视科技有限公司 | 基于车型识别和轮轴检测的车辆收费类型判别方法与装置 |
CN111523415A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种基于图像的两客一危车辆检测方法和装置 |
CN111667688A (zh) * | 2020-05-06 | 2020-09-15 | 北京科技大学 | 一种基于路面振动信号的综合交通信息解析方法及系统 |
CN111256737A (zh) * | 2020-05-06 | 2020-06-09 | 天津美腾科技股份有限公司 | 车厢异常检测系统及方法 |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN111796472A (zh) * | 2020-07-31 | 2020-10-20 | 广东优尼克智能照明科技有限公司 | 一种etc卡扣抓拍灯及组装、使用方法 |
CN112329747A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别和深度学习的车辆参数检测方法及相关装置 |
CN112966582A (zh) * | 2021-02-26 | 2021-06-15 | 北京卓视智通科技有限责任公司 | 车型三维识别方法、装置、系统、电子设备及存储介质 |
CN113537343A (zh) * | 2021-07-14 | 2021-10-22 | 厦门熵基科技有限公司 | 一种金属分类方法、装置、设备及存储介质 |
CN113869196A (zh) * | 2021-09-27 | 2021-12-31 | 中远海运科技股份有限公司 | 一种基于激光点云数据多特征分析的车型分类方法及装置 |
CN114118238A (zh) * | 2021-11-11 | 2022-03-01 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
CN114118238B (zh) * | 2021-11-11 | 2024-03-22 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
CN116030628A (zh) * | 2023-01-06 | 2023-04-28 | 广州市杜格科技有限公司 | 基于双激光点云数据分析的车型分类方法及交通调查设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427614A (zh) | 一种车型分类系统及其方法 | |
CN103794056B (zh) | 基于实时双路视频流的车型精确分类系统及方法 | |
AU2015352462B2 (en) | Method of controlling a traffic surveillance system | |
CN102496285B (zh) | 基于视频检测的路口车辆闯红灯判别方法 | |
CN102254429B (zh) | 一种应用基于视频识别的违章车辆检测装置的违章车辆检测方法 | |
CN105678852B (zh) | 多车道自由流电子不停车收费车道系统及其车牌识别方法 | |
CN206282430U (zh) | 一种路政交警超限超载联合非现场执法系统 | |
CN107845264A (zh) | 一种基于视频监控的交通量采集系统及方法 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN202422425U (zh) | 基于视频检测的路口智能信号控制系统 | |
CN108717540A (zh) | 基于2d激光雷达区分行人和车辆的方法及装置 | |
CN103325255A (zh) | 基于摄影测量技术进行区域交通状况检测的方法 | |
CN107274678B (zh) | 一种基于Kinect的夜间车流量统计及车型识别方法 | |
CN103164958B (zh) | 车辆监控方法及系统 | |
CN107447699A (zh) | 一种高适应性自行车专用车道智能闸机系统 | |
CN105118305A (zh) | 室外停车场出口车辆管理平台 | |
Bock et al. | On-street parking statistics using lidar mobile mapping | |
CN105957341A (zh) | 一种基于无人机机载平台的广域交通拥堵检测方法 | |
CN103149603B (zh) | 一种基于视频的道路气象检测方法 | |
CN204825605U (zh) | 一种基于图像的道路环境识别与检测装置 | |
CN208271388U (zh) | 一种基于视频监控的交通量采集系统 | |
CN106960193A (zh) | 一种车道线检测装置和方法 | |
Zhang et al. | Machine learning and computer vision-enabled traffic sensing data analysis and quality enhancement | |
CN114299715A (zh) | 一种基于视频、激光雷达与dsrc的高速公路信息检测系统 | |
CN204215553U (zh) | 基于实时双路视频流的车型精确分类系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160323 |
|
RJ01 | Rejection of invention patent application after publication |