CN107274679A - 车辆识别方法、装置、设备及计算机可读存储介质 - Google Patents

车辆识别方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN107274679A
CN107274679A CN201710425033.4A CN201710425033A CN107274679A CN 107274679 A CN107274679 A CN 107274679A CN 201710425033 A CN201710425033 A CN 201710425033A CN 107274679 A CN107274679 A CN 107274679A
Authority
CN
China
Prior art keywords
magnetic signal
signal sequence
row
vehicle
matrix
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
Application number
CN201710425033.4A
Other languages
English (en)
Other versions
CN107274679B (zh
Inventor
张足生
潘晓衡
赵铁柱
袁华强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan University of Technology
Original Assignee
Dongguan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongguan University of Technology filed Critical Dongguan University of Technology
Priority to CN201710425033.4A priority Critical patent/CN107274679B/zh
Publication of CN107274679A publication Critical patent/CN107274679A/zh
Application granted granted Critical
Publication of CN107274679B publication Critical patent/CN107274679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Magnetic Variables (AREA)

Abstract

本发明公开了一种车辆识别方法，包括：获取第一磁信号序列和第二磁信号序列；其中，所述第一磁信号序列是第一车辆经过第一磁阻传感器节点处的磁信号序列，所述第二磁信号序列是第二车辆经过第二磁阻传感器节点处的磁信号序列；使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离；根据所述规整路径距离，识别所述第一车辆和所述第二车辆是否同一车辆。相应地，本发明还公开一种车辆识别装置、设备及计算机可读存储介质。本发明采用动态时间规整法去识别在传感器节点上具有横向偏移、加速、减速或制动等动作的车辆，实用性更强，识别准确率高。

Description

车辆识别方法、装置、设备及计算机可读存储介质
技术领域
本发明涉及传感技术领域，尤其涉及一种车辆识别方法、装置、设备及计算机可读存储介质。
背景技术
在行车道上部署一排磁阻传感器节点，当车辆经过磁阻传感器时，传感器会采集到车辆的磁场信息，对于同一车辆，传感器所采集到的磁信号波形相似，且不同类型车辆的磁信号不相似，所以可以通过计算磁信号的相似度来实现车辆的识别和跟踪。
传统的基于磁阻传感器的车辆跟踪系统大都是采用欧氏距离来判断车辆信号的相似度，该类方法存在以下问题：欧氏距离是严格的按照时间先后顺序进行相似性的计算，因此，它们对信号在时间轴上的扭曲非常敏感。然而，由于车辆在监控区域内具有横向偏移、加速、减速或制动等动作，所以传感器采集的磁信号存在时间扭曲变形。欧氏距离无法准确计算相似度。
发明内容
本发明提供一种车辆识别方法、装置、设备及计算机可读存储介质，以磁信号的相似度计算，准确识别车辆。
第一方面，本发明实施例提供了一种车辆识别方法，包括：
获取第一磁信号序列和第二磁信号序列；其中，所述第一磁信号序列是第一车辆经过第一磁阻传感器节点处的磁信号序列，所述第二磁信号序列是第二车辆经过第二磁阻传感器节点处的磁信号序列；
使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离；
根据所述规整路径距离，识别所述第一车辆和所述第二车辆是否为同一车辆。
第二方面，本发明实施例还提供了一种车辆识别装置，该车辆识别装置包括：
获取模块，用于获取第一磁信号序列和第二磁信号序列；其中，所述第一磁信号序列是第一车辆经过第一磁阻传感器节点处的磁信号序列，所述第二磁信号序列是第二车辆经过第二磁阻传感器节点处的磁信号序列；
计算模块，用于使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离；
识别模块，用于根据所述规整路径距离，识别所述第一车辆和所述第二车辆是否为同一车辆。
第三方面，本发明实施例还提供了一种设备，该设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
一个或多个磁阻传感器，用于检测磁信号；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的车辆识别方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的车辆识别方法。
本发明实施例通过采用动态时间规整法计算磁信号序列的规整路径距离以识别车辆，因为动态时间规整法会对两个磁信号序列中的元素按照最短距离进行匹配对齐，而不是按照时间先后顺序将元素一一对齐计算距离，因此采用动态时间规整法去识别在传感器节点上具有横向偏移、加速、减速或制动等动作的车辆，相比采用欧式距离，实用性更强，识别准确率高。
附图说明
图1是本发明实施例一的车辆识别方法的流程图；
图2是本发明实施例一的车辆识别方法的一个应用场景图；
图3是本发明实施例一的车辆识别方法的另一个应用场景图；
图4是本发明实施例三中，磁信号序列的获取方法的原理图；
图5是本发明实施例三中，动态时间规整法的原理图；
图6是本发明实施例三中，动态时间规整法的算法示例图；
图7是本发明实施例三中，动态时间规整法的一个效果图；
图8是本发明实施例三中，动态时间规整法的另一个效果图；
图9是本发明实施例四中的车辆识别装置的结构示意图；
图10是本发明实施例五中的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的车辆识别方法的流程图，本实施例可适用于根据两组磁信号序列识别对应的车辆是否为同一车辆的情况，该方法可以由车辆识别装置来执行，具体包括如下步骤110、120和130。
步骤110、获取第一磁信号序列和第二磁信号序列。
其中，所述第一磁信号序列是第一车辆经过第一磁阻传感器节点处的磁信号序列，所述第二磁信号序列是第二车辆经过第二磁阻传感器节点处的磁信号序列。
步骤120、使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离。
其中，动态时间规整法，即DTW(Dynamic Time Warping)方法，是一种衡量两组时间序列之间的相似度的方法，具体在本实施例中，指将两组磁信号序列中进行相似点匹配对齐，使用所有相似点之间的距离的和，即规整路径距离(Warp Path Distance)，来衡量两组磁信号序列之间的相似度的方法。
步骤130、根据所述规整路径距离，识别所述第一车辆和所述第二车辆是否为同一车辆。
参见图2，是本实施例车辆识别方法的一个应用场景图，其示出了该车辆识别方法的工作原理是：在行车道路上部署一排磁阻传感器节点，如图中A’点、B’点和C’点，当车辆经过磁阻传感器节点时，传感器会采集到车辆的磁场信息，对于同一车辆，传感器所采集到的磁信号波形，而不同车辆的磁信号不相似，因此可将信号发送至基站，由基站通过计算两组磁信号的相似度实现车辆的识别。由于动态时间规整的原理是扭曲时间寻求序列的最短对齐路径距离，因此采用动态时间规整法来衡量两组磁信号之间的相似度，对于识别在监控区域内具有横向偏移、加速、减速或制动等多种动作的车辆，实用性非常强，提高了识别准确度。
具体地，车辆经过磁阻传感器时引起磁场的波动可采用三轴磁阻传感器进行数据采集，利用公式A(i)＝(Xi-Bx0)+(Yi-By0)+(Zi-Bz0)将三轴数据融合为一个单一的数据，其中，A(i)为融合的数据，Xi、Yi和Zi分别是x,y,z三轴的数据，其中Bx0、By0和Bz0分别是地球磁场的三轴数据，Bx0、By0和Bz0对于磁阻传感器来说是一个恒定值。原始的磁场数据经过三轴融合为单一的数据后按照时间的先后顺序组成序列。
参见图3，是本实施例车辆识别方法的另一个场景图。其示出本实施例的一种应用方案。如图3所示，车辆在车道上行驶，前后部署的两个传感器节点(分别为第一磁阻传感器节点A’和第二磁阻传感器节点B’)，若先后获得的两组磁信号序列之间的规整路径距离短，即相似度高，可识别为同一车辆经过。在此基础上，依据两个传感器节点感知车辆磁信号的时间间隔(t2-t1)以及两个传感器节点的距离L，就能够计算出车辆的行驶速度[L/(t2-t1)]。进一步地，还可估算出该车辆在不同时刻的位置，从而实现车辆的跟踪。
应当理解，本实施例的车辆识别方法可适用于任意根据两组磁信号序列识别对应的车辆是否为同一车辆的情况，而不限于上述测速跟踪方案。比如，在已获取目标车辆经过某一个传感器节点处的磁信号序列的前提下，可依次从各车道上的多个磁阻传感器节点提取磁信号序列与目标车辆的磁信号序列进行对比识别，搜寻所述目标车辆，实现目标车辆的追踪。
综上，本实施例通过采用动态时间规整法计算磁信号序列的规整路径距离以识别车辆，因为动态时间规整法会对两个磁信号序列中的元素按照最短距离进行匹配对齐，而不是按照时间先后顺序将元素一一对齐计算距离，因此采用动态时间规整法去识别在传感器节点上具有横向偏移、加速、减速或制动等动作的车辆，相比采用欧式距离，实用性更强，识别准确率高。
实施例二
本实施例提供的车辆识别方法，包括上述实施例一的全部技术特征，并且在上述实施例一的基础上，提供具体的磁信号序列的获取方法和动态时间规整法。本实施例同样适用于根据两组磁信号序列识别对应的车辆是否为同一车辆的情况，该方法可以由车辆识别装置来执行。具体地，磁信号序列的获取方法为：提取原始信号波形的波峰点数据和波谷点数据；将所述原始信号波形的波峰点数据和波谷点数据依次排序，获得第一磁信号序列。即上述步骤110、获取第一磁信号序列和第二磁信号序列，具体包括：
提取第一原始信号波形的波峰点数据和波谷点数据；其中，所述第一原始信号波形是第一磁阻传感器检测到的第一车辆经过所述第一磁阻传感器节点处的信号波形；
将所述第一原始信号波形的波峰点数据和波谷点数据依次排序，获得第一磁信号序列；
提取第二原始信号波形的波峰点数据和波谷点数据；其中，所述第二原始信号波形是第二磁阻传感器检测到的第二车辆经过所述第二磁阻传感器节点处的信号波形；
将所述第二原始信号波形的波峰点数据和波谷点数据依次排序，获得第二磁信号序列。
下面说明本实施例利用动态时间规整法计算规整路径距离的具体实施方式。
步骤120、使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离，具体包括：
计算所述第一磁信号序列和第二磁信号序列之间的欧式距离矩阵D；其中，欧式距离矩阵D为n行m列矩阵，n为第一磁信号序列的元素个数，m为第二磁信号序列的元素个数；D中第i行第j列的元素为d(i,j)，d(i,j)＝|ai-bj|,ai为第一磁信号序列的第i个元素，bj为第二磁信号序列中的第j个元素；
根据所述欧式距离矩阵D，计算规整矩阵G中第n行第m列的元素g(n,m)，作为所述第一磁信号和所述第二磁信号序列之间的规整路径距离；其中，规整矩阵G为n行m列矩阵，规整矩阵G中第i行第j列的元素为g(i,j)，g(i,j)＝d(i,j)+min[u*g(i-1,j),v*g(i,j-1),w*g(i-1,j-1)]，u、v和w为预先设定的系数，且
例如，A为第一磁阻传感器节点检测的第一磁信号序列，n＝length(A)为第一磁信号序列的元素个数，B为第二传感器磁阻传感器节点检测的第二磁信号序列，m＝length(B)为第二磁信号序列的元素个数，规整路径距离DTW(A,B)＝G(n,m),如果G(n,m)小于预设的路径阈值，则判断为同一车辆，否则不是同一车辆。
本实施例提供了具体的磁信号序列的获取方法和动态时间规整法，对原始信号进行了数据压缩，提高数据的传输效率且加快利用动态时间规整法计算规整路径距离的速度。
实施例三
本实施例提供的车辆识别方法，包括上述实施例一的全部技术特征，并且对上述实施例二提供的磁信号序列获取方法和动态时间规整法做出进一步改进。
按照上述实施例二提供的磁信号序列的获取方法，提取波峰点和波谷点组成磁信号序列，能大大压缩波形数据。但由于传感器个体及车辆位置的差异，往往会导致两个原始信号波形的峰值点不能匹配。为此，本实施例提供一种更优选的磁信号序列获取方法。图4是本实施提供的更优选的磁信号序列的获取方法的原理图。图中原始信号波形A的峰值点(包括波峰点和波谷点)个数为6个，原始信号波形B的峰值点个数为8个。如果仅仅依据峰值点进行距离计算，则会产生失真。图4中原始信号波形B的第六个与第七个峰值点，实际上与原始信号波形A的第五个与第六个峰值点的中间数据接近。本实施例提供的更优选的磁信号序列获取方法将保留这些中间数据，避免产生失真误差。
具体地，以第一磁信号序列为例，步骤110、获取第一磁信号序列，包括：
计算第一原始信号波形的第i个数据的峰值判断函数F(i)；其中，所述第一原始信号波形是第一磁阻传感器检测到的第一车辆经过所述第一磁阻传感器节点处的信号波形；F(i)＝A(i)-A(i-1)，A(i)为所述第一原始信号波形的第i个数据的值；
若F(i)＞0且F(i+1)＜0，则保存第一原始信号波形的第i个数据作为波峰点数据；
若F(i)＜0且F(i+1)＞0，则保存第一原始信号波形的第i个数据作为波谷点数据；
若所述第一原始信号波形的第(i-q)个数据至第i个数据的峰值判断函数均大于0或均小于0，且A(i)-Platest＞T3，则保存第一原始信号波形的第i个数据作为承接点数据；其中，Platest为上一个保存的数据；q为预设的第三阈值，T3为预设的第四阈值；
将所述第一原始信号波形的波峰点数据、波谷点数据和承接点数据依次排序，获得第一磁信号序列。
依据上述的磁信号序列获取方法，得到的磁信号序列中不仅包括峰值点，还包括承接点。如图4所示的实心点为峰值点，方块点为承接点。这两类点的集合有利于后续的规整路径距离的计算。
传统的动态时间规整法计算规整路径距离，必须根据欧式距离矩阵，计算规整矩阵中的所有元素，其计算复杂度很高，会使计算速度降低。本实施例提供一种优选的实施方式，加速动态时间规整法的计算过程。
下面以第一磁信号序列为Al＝{a1,a2,a3,……,ai,……,an}，第二磁信号序列为Bk＝{b1,b2,b3,……,bj,……,bm}说明本实施例提供的动态时间规整法的原理。
图5为本实施例动态时间规整法的原理图。图中(a)部分的阴影面积为第一磁信号序列Al和第二磁信号序列Bk的包围面积，定义为|A∩B|；图中(b)部分的阴影面积为第一磁信号序列Al和第二磁信号序列Bk和时间轴包围的最大面积，定义为|A∪B|。若n＞m，则若n＝m，则若n＜m，则
一般来说，|A∩B|和|A∪B|的比值会在一个范围内，因此我们可以设定参数认为如果J(A，B)∈[0，T2]，则规整路径距离有效，其中，T2为给定常数。以历史数据为样本，可以训练T2的值。即可设定阈值在计算规整矩阵D时，舍弃计算结果大于T1的元素的计算过程。即所述根据所述欧式距离矩阵D，计算规整矩阵G中第n行第m列的元素g(n,m)，可以包括：
在计算第x行的元素g(x,j)时，若g(x,j)＞T1且第x行已计算的元素数目已大于或等于第x-1行已计算的元素数目，则停止计算第x行的元素；
在计算第x列的元素g(i,x)时，若g(i,x)＞T1且第x列已计算的元素数目已大于或等于第x-1列已计算的元素数目，则停止计算第x列的元素。
按照上述方案，在具体实施时，所述根据所述欧式距离矩阵D，计算规整矩阵G中第n行第m列的元素g(n,m)，包括：
从第x行第(x+1)列的元素g(x,x+1)开始，按照列值j从小到大的顺序根据欧式距离矩阵D计算规整矩阵G中第x行中的元素g(x,j)；
当g(x,j)＞T1且列值j大于或等于行中断指针c时，或者，当j＝m时，停止计算第x行中的元素g(x,j)，并将当前列值j标记为Jc；其中，T1是根据所述第一磁信号序列和第二磁信号序列计算得到的第一阈值；
从第(x+1)行第x列的元素g(x+1,x)开始，按照行值i从小到大的顺序根据欧式距离矩阵D计算规整矩阵G中计算第x列中的元素g(i,x)；
当g(i,x)＞T1且行值i大于或等于列中断指针k时，或者，当i＝n时，停止计算第x列中的元素g(i,x)，并将当前行值i标记为Ik；
令x的值加1，计算g(x+1,x+1)并令行中断指针c的值更新为Jc，列终端指针k的值更新为Ik；其中，x＝1时，行中断指针和列中断指针k均为0；
当x＝min(n,m)时，获得g(n,m)。
上述动态时间规整法的改进策略是沿对角线迭代矩阵D的行和列。如图6所示，图6是使用本实施例的动态时间规整法的算法示例图。在计算了对角线的元素g(x,x)后，从左到右迭代第x行，只要找到g(x,j)的值大于T1，且行值大于行中断指针c，就说明行中所有未计算的单元格也将具有大于T1的值，可以终止该行的迭代。依次类推，实现列的迭代。
图7示出了本实施例的动态时间规整法的一个效果图；在规整矩阵D中，区域71表示实施例二提供的动态时间规整法的计算范围，区域72表示本实施例提供的加速动态时间规整法的计算范围，区域73为规整路径。本实施例提供的动态时间规整法将运算时间缩短了大约62％。
本实施例由车辆识别装置执行，具体地，车辆识别装置可以是在道路侧的无线ap(Access Point)，磁阻传感器节点通过无线通信将特征点提取值，即波峰点、波谷点和承接点组成的磁信号序列发送到无线ap。ap的接收数据可以没有时间戳，仅按时间顺序排序，如图8所示的散点图。图8是本发明实施例使用动态时间规整法的另一个效果图，可以看到，动态时间规整法找到了两个序列之间最优非线性的对齐。
显然，本实施例还可以由磁阻传感节点与其他具有计算机处理能力的模块组成的车辆识别装置执行，并不限于无线ap。具有计算机处理能力的模块可集成于磁阻传感器中，也可设于远离车道的终端中。
实施例四
图9为本发明实施例四提供的车辆识别装置的结构示意图，本实施例可适用于根据两组磁信号序列识别对应的车辆是否为同一车辆的情况，该装置包括：
获取模块910，用于获取第一磁信号序列和第二磁信号序列；其中，所述第一磁信号序列是第一车辆经过第一磁阻传感器节点处的磁信号序列，所述第二磁信号序列是第二车辆经过第二磁阻传感器节点处的磁信号序列；
计算模块920，用于使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离；
识别模块930，用于根据所述规整路径距离，识别所述第一车辆和所述第二车辆是否同一车辆。
进一步地，所述计算模块920包括：
第一矩阵计算单元，用于计算所述第一磁信号序列和第二磁信号序列之间的欧式距离矩阵D；其中，欧式距离矩阵D为n行m列矩阵，n为第一磁信号序列的元素个数，m为第二磁信号序列的元素个数；D中第i行第j列的元素为d(i,j)，d(i,j)＝|ai-bj|,ai为第一磁信号序列的第i个元素，bj为第二磁信号序列中的第j个元素；
第二矩阵计算单元，用于根据所述欧式距离矩阵D，计算规整矩阵G中第n行第m列的元素g(n,m)，作为所述第一磁信号和所述第二磁信号序列之间的规整路径距离；其中，规整矩阵G为n行m列矩阵，规整矩阵G中第i行第j列的元素为g(i,j)，g(i,j)＝d(i,j)+min[u*g(i-1,j),v*g(i,j-1),w*g(i-1,j-1)]，u、v和w为预先设定的系数，且
具体地，所述第二矩阵计算单元包括：
行计算单元，用于从第x行第(x+1)列的元素g(x,x+1)开始，按照列值j从小到大的顺序根据欧式距离矩阵D计算规整矩阵G中第x行中的元素g(x,j)；
行中断单元，用于当g(x,j)＞T1且列值j大于或等于行中断指针c时，或者，当j＝m时，停止计算第x行中的元素g(x,j)，并将当前列值j标记为Jc；其中，T1是根据所述第一磁信号序列和第二磁信号序列计算得到的第一阈值；
列计算单元，用于从第(x+1)行第x列的元素g(x+1,x)开始，按照行值i从小到大的顺序根据欧式距离矩阵D计算规整矩阵G中计算第x列中的元素g(i,x)；
列中断单元，用于当g(i,x)＞T1且行值i大于或等于列中断指针k时，或者，当i＝n时，停止计算第x列中的元素g(i,x)，并将当前行值i标记为Ik；
更新单元，用于令x的值加1，计算g(x+1,x+1)并令行中断指针c的值更新为Jc，列终端指针k的值更新为Ik；其中，x＝1时，行中断指针和列中断指针k均为0；
获取单元，用于当x＝min(n,m)时，获得g(n,m)。
进一步地，若n＞m，则
若n＝m，则
若n＜m，则
其中，T2为预设的第二阈值。
作为其中一种实施方式，获取模块910包括：
第一提取单元，用于提取第一原始信号波形的波峰点数据和波谷点数据；其中，所述第一原始信号波形是第一磁阻传感器检测到的第一车辆经过所述第一磁阻传感器节点处的信号波形；
第一排序单元，用于将所述第一原始信号波形的波峰点数据和波谷点数据依次排序，获得第一磁信号序列。
作为其中一种实施方式，获取模块910包括：
第一函数计算单元，用于计算第一原始信号波形的第i个数据的峰值判断函数F(i)；其中，所述第一原始信号波形是第一磁阻传感器检测到的第一车辆经过所述第一磁阻传感器节点处的信号波形；F(i)＝A(i)-A(i-1)，A(i)为所述第一原始信号波形的第i个数据的值；
波峰提取单元，用于若F(i)＞0且F(i+1)＜0，则保存第一原始信号波形的第i个数据作为波峰点数据；
波谷提取单元，用于若F(i)＜0且F(i+1)＞0，则保存第一原始信号波形的第i个数据作为波谷点数据；
承接点提取单元，用于若所述第一原始信号波形的第(i-q)个数据至第i个数据的峰值判断函数均大于0或均小于0，且A(i)-Platest＞T3，则保存第一原始信号波形的第i个数据作为承接点数据；其中，Platest为上一个保存的数据；q为预设的第三阈值，T3为预设的第四阈值；
序列获取单元，用于将所述第一原始信号波形的波峰点数据、波谷点数据和承接点数据依次排序，获得第一磁信号序列。
本实施例所提供的车辆识别装置可执行实施例一至三所提供的车辆识别方法，具备执行方法相应的功能模块和有益效果。
实施例五
图10为本发明实施例五提供的一种设备的结构示意图，如图10所示，该设备包括处理器1010、存储器1020、输入装置1030和输出装置1040，还包括用于检测磁信号的一个或多个磁阻传感器(图中未标示)；设备中处理器1010的数量可以是一个或多个，图10中以一个处理器1010为例；设备中的处理器1010、存储器1020、输入装置1030和输出装置1040可以通过总线或其他方式连接，图10中以通过总线连接为例。
存储器1020作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的车辆识别方法对应的程序指令/模块(例如，车辆识别装置中的获取模块910、计算模块920和识别模块930)。处理器1010通过运行存储在存储器1020中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的车辆识别方法。
存储器1020可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器1020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器1020可进一步包括相对于处理器1010远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置1030可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置1030可包括显示屏等显示设备。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的车辆识别方法。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的车辆识别方法中的相关操作.
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种车辆识别方法，其特征在于，包括：
获取第一磁信号序列和第二磁信号序列；其中，所述第一磁信号序列是第一车辆经过第一磁阻传感器节点处的磁信号序列，所述第二磁信号序列是第二车辆经过第二磁阻传感器节点处的磁信号序列；
使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离；
根据所述规整路径距离，识别所述第一车辆和所述第二车辆是否为同一车辆。
2.如权利要求1所述的车辆识别方法，其特征在于，所述使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离，具体包括：
计算所述第一磁信号序列和第二磁信号序列之间的欧式距离矩阵D；其中，欧式距离矩阵D为n行m列矩阵，n为第一磁信号序列的元素个数，m为第二磁信号序列的元素个数；D中第i行第j列的元素为d(i,j)，d(i,j)＝|ai-bj|,ai为第一磁信号序列的第i个元素，bj为第二磁信号序列中的第j个元素；
根据所述欧式距离矩阵D，计算规整矩阵G中第n行第m列的元素g(n,m)，作为所述第一磁信号和所述第二磁信号序列之间的规整路径距离；其中，规整矩阵G为n行m列矩阵，规整矩阵G中第i行第j列的元素为g(i,j)，g(i,j)＝d(i,j)+min[u*g(i-1,j),v*g(i,j-1),w*g(i-1,j-1)]，u、v和w为预先设定的系数，且
3.如权利要求2所述的车辆识别方法，其特征在于，所述根据所述欧式距离矩阵D，计算规整矩阵G中第n行第m列的元素g(n,m)，具体包括：
从第x行第(x+1)列的元素g(x,x+1)开始，按照列值j从小到大的顺序根据欧式距离矩阵D计算规整矩阵G中第x行中的元素g(x,j)；
当g(x,j)＞T1且列值j大于或等于行中断指针c时，或者，当j＝m时，停止计算第x行中的元素g(x,j)，并将当前列值j标记为Jc；其中，T1是根据所述第一磁信号序列和第二磁信号序列计算得到的第一阈值；
从第(x+1)行第x列的元素g(x+1,x)开始，按照行值i从小到大的顺序根据欧式距离矩阵D计算规整矩阵G中计算第x列中的元素g(i,x)；
当g(i,x)＞T1且行值i大于或等于列中断指针k时，或者，当i＝n时，停止计算第x列中的元素g(i,x)，并将当前行值i标记为Ik；
令x的值加1，计算g(x+1,x+1)并令行中断指针c的值更新为Jc，列终端指针k的值更新为Ik；其中，x＝1时，行中断指针和列中断指针k均为0；
当x＝min(n,m)时，获得g(n,m)。
4.如权利要求3所述的车辆识别方法，其特征在于，若n＞m，则
若n＝m，则
若n＜m，则
其中，T2为预设的第二阈值。
5.如权利要求1至4任一项所述的车辆识别方法，其特征在于，所述获取第一磁信号序列，具体包括：
提取第一原始信号波形的波峰点数据和波谷点数据；其中，所述第一原始信号波形是第一磁阻传感器检测到的第一车辆经过所述第一磁阻传感器节点处的信号波形；
将所述第一原始信号波形的波峰点数据和波谷点数据依次排序，获得第一磁信号序列。
6.如权利要求1至4任一项所述的车辆识别方法，其特征在于，所述获取第一磁信号序列，包括：
计算第一原始信号波形的第i个数据的峰值判断函数F(i)；其中，所述第一原始信号波形是第一磁阻传感器检测到的第一车辆经过所述第一磁阻传感器节点处的信号波形；F(i)＝A(i)-A(i-1)，A(i)为所述第一原始信号波形的第i个数据的值；
若F(i)＞0且F(i+1)＜0，则保存第一原始信号波形的第i个数据作为波峰点数据；
若F(i)＜0且F(i+1)＞0，则保存第一原始信号波形的第i个数据作为波谷点数据；
若所述第一原始信号波形的第(i-q)个数据至第i个数据的峰值判断函数均大于0或均小于0，且A(i)-Platest＞T3，则保存第一原始信号波形的第i个数据作为承接点数据；其中，Platest为上一个保存的数据；q为预设的第三阈值，T3为预设的第四阈值；
将所述第一原始信号波形的波峰点数据、波谷点数据和承接点数据依次排序，获得第一磁信号序列。
7.一种车辆识别装置，其特征在于，包括：
获取模块，用于获取第一磁信号序列和第二磁信号序列；其中，所述第一磁信号序列是第一车辆经过第一磁阻传感器节点处的磁信号序列，所述第二磁信号序列是第二车辆经过第二磁阻传感器节点处的磁信号序列；
计算模块，用于使用动态时间规整法计算所述第一磁信号序列和所述第二磁信号序列之间的规整路径距离；
识别模块，用于根据所述规整路径距离，识别所述第一车辆和所述第二车辆是否为同一车辆。
8.如权利要求7所述的车辆识别装置，其特征在于，所述计算模块包括：
第一矩阵计算单元，用于计算所述第一磁信号序列和第二磁信号序列之间的欧式距离矩阵D；其中，欧式距离矩阵D为n行m列矩阵，n为第一磁信号序列的元素个数，m为第二磁信号序列的元素个数；D中第i行第j列的元素为d(i,j)，d(i,j)＝|ai-bj|,ai为第一磁信号序列的第i个元素，bj为第二磁信号序列中的第j个元素；
第二矩阵计算单元，用于根据所述欧式距离矩阵D，计算规整矩阵G中第n行第m列的元素g(n,m)，作为所述第一磁信号和所述第二磁信号序列之间的规整路径距离；其中，规整矩阵G为n行m列矩阵，规整矩阵G中第i行第j列的元素为g(i,j)，g(i,j)＝d(i,j)+min[u*g(i-1,j),v*g(i,j-1),w*g(i-1,j-1)]，u、v和w为预先设定的系数，且
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
一个或多个磁阻传感器，用于检测磁信号；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的车辆识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一所述的车辆识别方法。
CN201710425033.4A 2017-06-06 2017-06-06 车辆识别方法、装置、设备及计算机可读存储介质 Active CN107274679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710425033.4A CN107274679B (zh) 2017-06-06 2017-06-06 车辆识别方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710425033.4A CN107274679B (zh) 2017-06-06 2017-06-06 车辆识别方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN107274679A true CN107274679A (zh) 2017-10-20
CN107274679B CN107274679B (zh) 2019-08-30

Family

ID=60067364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710425033.4A Active CN107274679B (zh) 2017-06-06 2017-06-06 车辆识别方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107274679B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108387932A (zh) * 2018-01-29 2018-08-10 成都承义科技有限公司 一种地震信号的识别方法及装置
CN108399753A (zh) * 2018-03-01 2018-08-14 山东建筑大学 基于超声波录波信息的车辆轨迹跟踪方法与系统
CN109945880A (zh) * 2017-12-20 2019-06-28 华为技术有限公司 路径规划方法、相关设备及可读存储介质
CN110491141A (zh) * 2019-08-22 2019-11-22 长安大学 一种车辆信息识别系统及识别方法
CN110766088A (zh) * 2019-10-29 2020-02-07 浙江大华技术股份有限公司 同行车辆分析方法、装置、及存储装置
CN112348076A (zh) * 2020-11-04 2021-02-09 长安大学 一种适用道路信息采集的多传感器数据融合方法
CN113358164A (zh) * 2021-06-07 2021-09-07 芯视界（北京）科技有限公司 流量检测方法及装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101772750A (zh) * 2007-03-26 2010-07-07 艾登特技术股份公司 移动通信设备及其输入装置
US20150018018A1 (en) * 2013-07-12 2015-01-15 Microsoft Corporation Indoor Location-Finding using Magnetic Field Anomalies
CN105389984A (zh) * 2015-11-16 2016-03-09 北京智视信息科技有限公司 一种基于移动终端传感信息融合的驾驶行为识别方法
CN105825700A (zh) * 2015-01-29 2016-08-03 吴晓彬 导航系统和工作方法、应用该导航系统的导航汽车
CN106384505A (zh) * 2016-09-08 2017-02-08 广东工业大学 一种交通流相似性的判别方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101772750A (zh) * 2007-03-26 2010-07-07 艾登特技术股份公司 移动通信设备及其输入装置
US20150018018A1 (en) * 2013-07-12 2015-01-15 Microsoft Corporation Indoor Location-Finding using Magnetic Field Anomalies
CN105825700A (zh) * 2015-01-29 2016-08-03 吴晓彬 导航系统和工作方法、应用该导航系统的导航汽车
CN105389984A (zh) * 2015-11-16 2016-03-09 北京智视信息科技有限公司 一种基于移动终端传感信息融合的驾驶行为识别方法
CN106384505A (zh) * 2016-09-08 2017-02-08 广东工业大学 一种交通流相似性的判别方法及系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109945880A (zh) * 2017-12-20 2019-06-28 华为技术有限公司 路径规划方法、相关设备及可读存储介质
CN109945880B (zh) * 2017-12-20 2022-11-04 华为技术有限公司 路径规划方法、相关设备及可读存储介质
CN108387932A (zh) * 2018-01-29 2018-08-10 成都承义科技有限公司 一种地震信号的识别方法及装置
CN108387932B (zh) * 2018-01-29 2019-10-18 成都承义科技有限公司 一种地震信号的识别方法及装置
CN108399753A (zh) * 2018-03-01 2018-08-14 山东建筑大学 基于超声波录波信息的车辆轨迹跟踪方法与系统
CN110491141A (zh) * 2019-08-22 2019-11-22 长安大学 一种车辆信息识别系统及识别方法
CN110766088A (zh) * 2019-10-29 2020-02-07 浙江大华技术股份有限公司 同行车辆分析方法、装置、及存储装置
CN112348076A (zh) * 2020-11-04 2021-02-09 长安大学 一种适用道路信息采集的多传感器数据融合方法
CN112348076B (zh) * 2020-11-04 2023-06-27 长安大学 一种适用道路信息采集的多传感器数据融合方法
CN113358164A (zh) * 2021-06-07 2021-09-07 芯视界（北京）科技有限公司 流量检测方法及装置、电子设备和存储介质
CN113358164B (zh) * 2021-06-07 2024-03-05 芯视界（北京）科技有限公司 流量检测方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN107274679B (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN107274679A (zh) 车辆识别方法、装置、设备及计算机可读存储介质
CN103345627B (zh) 动作识别方法和装置
CN105872477A (zh) 视频监控方法和视频监控系统
CN108388879A (zh) 目标的检测方法、装置和存储介质
CN104573652A (zh) 确定人脸图像中人脸的身份标识的方法、装置和终端
CN105046197A (zh) 基于聚类的多模板行人检测方法
CN107103326A (zh) 基于超像素聚类的协同显著性检测方法
CN105205486A (zh) 一种车标识别方法及装置
CN107688170A (zh) 一种基于随机森林的雷达目标航迹起始方法
CN101281648A (zh) 低复杂度的尺度自适应视频目标跟踪方法
CN105426858A (zh) 一种基于视觉和振动信息融合的地面类型辨识方法
CN107169994A (zh) 基于多特征融合的相关滤波跟踪方法
CN104615986A (zh) 利用多检测器对场景变化的视频图像进行行人检测的方法
CN101493943A (zh) 一种粒子滤波跟踪方法和跟踪装置
CN111079547B (zh) 一种基于手机惯性传感器的行人移动方向识别方法
Sun et al. Brushstroke based sparse hybrid convolutional neural networks for author classification of Chinese ink-wash paintings
Zhang et al. Vehicle classification based on feature selection with anisotropic magnetoresistive sensor
CN113378675A (zh) 一种同时检测和特征提取的人脸识别方法
CN104407345A (zh) 一种用于弱目标检测跟踪中的改进型动态规划方法
CN106295574A (zh) 基于神经网络的人脸特征提取建模、人脸识别方法及装置
CN117495891A (zh) 点云边缘检测方法、装置和电子设备
CN108981728A (zh) 一种智能车辆导航地图建立方法
CN108462939A (zh) 一种地磁时序分析的室内定位方法
CN110263836B (zh) 一种基于多特征卷积神经网络的不良驾驶状态识别方法
CN107170004A (zh) 一种无人车单目视觉定位中对匹配矩阵的图像匹配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20171020

Assignee: Guangdong Anrui Information Consulting Co.,Ltd.

Assignor: DONGGUAN University OF TECHNOLOGY

Contract record no.: X2022440000292

Denomination of invention: Vehicle identification method, device, equipment and computer readable storage medium

Granted publication date: 20190830

License type: Common License

Record date: 20221130

EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20171020

Assignee: Guangdong Xinyuan Internet Technology Co.,Ltd.

Assignor: DONGGUAN University OF TECHNOLOGY

Contract record no.: X2023980030865

Denomination of invention: Vehicle identification method, device, equipment and computer-readable storage medium

Granted publication date: 20190830

License type: Common License

Record date: 20230113

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20171020

Assignee: Dongguan Tianqin Network Technology Co.,Ltd.

Assignor: DONGGUAN University OF TECHNOLOGY

Contract record no.: X2023980033980

Denomination of invention: Vehicle identification methods, devices, equipment, and computer-readable storage media

Granted publication date: 20190830

License type: Common License

Record date: 20230324

Application publication date: 20171020

Assignee: New starting point (Dongguan) Automobile Products Co.,Ltd.

Assignor: DONGGUAN University OF TECHNOLOGY

Contract record no.: X2023980034088

Denomination of invention: Vehicle identification methods, devices, equipment, and computer-readable storage media

Granted publication date: 20190830

License type: Common License

Record date: 20230327

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20171020

Assignee: Dongguan Baiguanlan Sports Planning Co.,Ltd.

Assignor: DONGGUAN University OF TECHNOLOGY

Contract record no.: X2023980034205

Denomination of invention: Vehicle identification methods, devices, equipment, and computer-readable storage media

Granted publication date: 20190830

License type: Common License

Record date: 20230329

EE01 Entry into force of recordation of patent licensing contract