CN109583394A - 高速公路收费系统中车辆轮胎数识别方法和专用设备 - Google Patents
高速公路收费系统中车辆轮胎数识别方法和专用设备 Download PDFInfo
- Publication number
- CN109583394A CN109583394A CN201811479510.6A CN201811479510A CN109583394A CN 109583394 A CN109583394 A CN 109583394A CN 201811479510 A CN201811479510 A CN 201811479510A CN 109583394 A CN109583394 A CN 109583394A
- Authority
- CN
- China
- Prior art keywords
- tire
- vehicle
- feature
- image
- video camera
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000010191 image analysis Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 239000011324 bead Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于公路收费系统技术领域,特别是高速公路收费系统中车轴轮胎数量识别方法,它通过摄像机采集轮胎轮毂形状信息来确定车辆车轴轮胎数量,并将车轴轮胎数量信息发送到高速公路收费系统中。同时提供了高速公路收费系统中车轴轮胎数量识别系统,由摄像机、补光灯、车辆检测器、轮胎感应装置、图像分析装置组成,且车辆检测器安装在车辆行进路线上,并与摄像机相连接;轮胎感应装置安装在车辆行进路线上并与摄像机连接;摄像机与图像分析装置相连接。
Description
技术领域
本发明属于高速公路收费系统中车辆轮胎数识别方法和专用设备。
背景技术
目前高速公路收费系统按货车车辆重量进行收费,对于不同车型,有不同的载重限制,正确识别车辆每轴的轮胎数量成为判断车型的重要依据。
现阶段识别车辆每轴轮胎数主要依靠成排布置的压力(压电)传感器(即轮轴识别器)进行识别,车轴轮胎数量不同,其经过轮轴识别器时所碾压的传感器数量不同,所以可以依据碾压的传感器数量判断车轴的轮胎数量,这种识别方法的可靠性和识别率均不高,对于部分宽度的轮胎数量极易识别错误。
在高速公路收费系统中快速准确识别车轴轮胎数,正确判断车型,是提高通行效率的有效途径。
发明内容
本发明目的是提供一种高速公路收费系统中车辆轮胎数的识别方法及设备,以快速准确识别车型,提高通行效率。
货车的轮毂中间有凹进与凸出之分,车轴每侧为单轮胎时,轮毂中央凸出,为双轮胎时,中央凹进,且没有例外。
依据以上车轴轮胎数量的规律,利用图像识别分析技术,提供一种通过识别轮毂形状确定车轴轮胎数量方法和设备。
本发明所采用的技术方案是:高速公路收费系统中车轴轮胎数量识别方法,通过摄像机采集轮胎轮毂形状信息来确定车轴轮胎数量,并将车轴轮胎数量信息发送到高速公路收费系统。
所述的高速公路收费系统中车轴轮胎数量的识别方法,首先对车辆轮胎进行拍照;通过图像分析装置对抓拍照片进行图像处理、特征提取、特征识别;再根据识别的轮毂特征确定单、双轮胎;最后将单、双轮胎信息发送到高速公路收费系统。
所述的高速公路收费系统中车轴轮胎数量识别方法,按照如下步骤实现:
(1)在车辆行进线路上安装车辆检测装置,车辆到达检测区域后,车辆检测器向图像分析装置发出车辆到达信号;
(2)安装在车辆行进线路上的轮胎感应装置检测到车轮后给摄像机发出拍照触发信号,摄像机抓拍轮胎图像并传送给图像分析装置;
(3)图像分析装置利用深度卷积神经网络提取轮胎轮毂的特征,分析轮毂中央的凹凸形状而得出轮胎为单轮胎或者双轮胎;并上传至收费系统。
所述的高速公路收费系统中车轴轮胎数识别系统,其是由摄像机、补光灯、车辆检测器、轮胎感应装置、图像分析装置组成,且车辆检测器安装在车辆行进路线上,并与摄像机相连接;轮胎感应装置安装在车辆行进车道并与摄像机连接;摄像机与图像分析装置相连接。
所述识别系统,图像分析装置由图像获取模块、特征获取模块和特征识别模块构成;且所述图像获取模块,用于获取待识别轮毂的图像;所述特征获取模块,用于将所述待识别轮毂的图像通过深度卷积神经网络得到轮毂特征;所述特征识别模块,根据轮毂特征,判断车轴的轮胎数。
附图说明
图1为本发明的设备布置图;
图2-1、2-2分别为单轮胎轮毂特征照片及二值化图像;
图3-1、3-2分别为双轮胎轮毂特征照片及二值化图像;
图4为本发明工作原理图。
具体实施方式
如图1所示,本设备由摄像机2、补光灯、车辆检测器4、轮胎感应装置3、图像分析装置1等组成,设备的布置如图1如所示。
车辆在行进过程中到达车辆检测器4检测区域后,车辆检测器4向图像分析装置1发出车辆到达信号,轮胎感应装置3检测到车轮后会给摄像机2发出拍照触发信号,抓拍的图像传送给图像分析装置1,图像分析装置1利用深度卷积神经网络提取轮毂的特征,分析轮毂的凹凸形状而得出轮胎数量(单轮胎或者双轮胎),如图2为单轮胎的轮毂形状,图3为双轮胎的轮毂形状,车辆离开车辆检测器4检测区域时,图像分析装置1根据检测器的信号变化判断到车辆完全驶离检测区域后,就将识别的车轴轮胎数量通过通讯端口予以上传。
图像分析装置1具有图像处理、特征提取、特征识别等功能,能对抓拍的车轮轮毂图像利用深度卷积神经网络提取轮毂的特征,用层次化特征来进行特征从底层到高层的特征提取。通过学习层次化的特征表达,来对特征进行从底层到高层的描述,自动学习得到层次化的特征表示,提高轮毂的特征的识别率和识别精度,系统流程图如图4所示。
Claims (5)
1.通过摄像机抓拍车辆轮胎图像利用深度卷积神经网络提取轮胎轮毂的特征,分析轮毂中央的凹凸形状而得出车轴每侧为单轮胎或者双轮胎。
2.根据权利要求1所述的高速公路收费系统中车轴轮胎数量识别方法,其特征是首先对车辆轮胎进行拍照;通过图像分析装置(1)对抓拍照片进行图像处理、特征提取、特征识别;再根据识别的轮毂特征确定单、双轮胎;最后将单、双轮胎信息发送到高速公路收费系统中。
3.根据权利要求2所述的高速公路收费系统中车轴轮胎数量识别方法,其特征是按照如下步骤实现:
(1)在车辆行进路线上安装车辆检测器(4),车辆到达检测区域后,线圈式车辆检测器(4)向图像分析装置(1)发出车辆到达信号;
(2)安装在车辆行进路线上的轮胎感应装置(3)检测到车轮后给摄像机(2)发出拍照触发信号,摄像机(2)抓拍图像并传送给图像分析装置(1);
(3)图像分析装置(1)利用深度卷积神经网络提取轮胎轮毂的特征,分析轮毂的凹凸形状而得出轮胎为单轮胎或者双轮胎;
(4)车辆离开车辆检测器检测区域后,图像分析装置(1)会将识别的车轴轮胎数量结果通过通讯端口上传到高速公路收费系统中。
4.实现权利要求1-3所述的高速公路收费系统中车轴轮胎数量识别方法,其特征是由摄像机(2)、补光灯、车辆检测器(4)、轮胎感应装置(3)、图像分析装置(1)组成,且车辆检测器(4)安装在车辆行进路线上,并与摄像机(2)连接;轮胎感应装置(3)安装在车辆行进路线上与摄像机(2)连接;摄像机(2)与收费控制系统中图像分析装置(1)连接。
5.根据权利要求识别系统,其特征是图像分析装置(1)由图像获取模块、特征获取模块和特征识别模块构成;且
所述图像获取模块,用于获取待识别轮毂的图像;
所述特征获取模块,用于将所述待识别轮毂的图像通过深度卷积神经网络得到轮毂特征;
所述特征识别模块,根据所述轮毂特征,确定所述车辆的车轴轮胎数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479510.6A CN109583394B (zh) | 2018-12-05 | 2018-12-05 | 高速公路收费系统中车辆轮胎数识别方法和专用设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479510.6A CN109583394B (zh) | 2018-12-05 | 2018-12-05 | 高速公路收费系统中车辆轮胎数识别方法和专用设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583394A true CN109583394A (zh) | 2019-04-05 |
CN109583394B CN109583394B (zh) | 2024-01-12 |
Family
ID=65927127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811479510.6A Active CN109583394B (zh) | 2018-12-05 | 2018-12-05 | 高速公路收费系统中车辆轮胎数识别方法和专用设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583394B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179604A (zh) * | 2020-01-16 | 2020-05-19 | 苏州朗为控制技术有限公司 | 一种车型识别方法 |
CN111275008A (zh) * | 2020-02-24 | 2020-06-12 | 浙江大华技术股份有限公司 | 目标车辆异常的检测方法及装置、存储介质、电子装置 |
CN111325146A (zh) * | 2020-02-20 | 2020-06-23 | 吉林省吉通信息技术有限公司 | 一种货车车型和轴型识别方法和系统 |
CN116453075A (zh) * | 2023-06-14 | 2023-07-18 | 山东省科学院海洋仪器仪表研究所 | 一种基于图像处理的轮轴识别方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2684176Y (zh) * | 2004-01-14 | 2005-03-09 | 北京万集科技有限责任公司 | 轮胎类型识别器 |
CN104064030A (zh) * | 2014-07-01 | 2014-09-24 | 武汉万集信息技术有限公司 | 一种车型识别方法及系统 |
CN106441529A (zh) * | 2016-08-30 | 2017-02-22 | 山西万立科技有限公司 | 一种基于视频图像技术的车型识别与作弊诊断系统 |
CN107423681A (zh) * | 2017-05-27 | 2017-12-01 | 上海骁达信息科技有限公司 | 一种车型自动识别方法及系统 |
CN107886728A (zh) * | 2017-11-27 | 2018-04-06 | 山西国强高科股份有限公司 | 载重汽车车型视频识别装置及方法 |
CN107909820A (zh) * | 2017-12-27 | 2018-04-13 | 天津杰泰高科传感技术有限公司 | 一种集成汽车轮轴识别功能的激光扫描分车器及实现方法 |
CN107957259A (zh) * | 2017-10-26 | 2018-04-24 | 深圳大学 | 轮迹横向分布测量系统及测量方法 |
CN108665057A (zh) * | 2018-03-29 | 2018-10-16 | 东南大学 | 一种基于卷积神经网络的多生产点位轮毂图像分类方法 |
-
2018
- 2018-12-05 CN CN201811479510.6A patent/CN109583394B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2684176Y (zh) * | 2004-01-14 | 2005-03-09 | 北京万集科技有限责任公司 | 轮胎类型识别器 |
CN104064030A (zh) * | 2014-07-01 | 2014-09-24 | 武汉万集信息技术有限公司 | 一种车型识别方法及系统 |
CN106441529A (zh) * | 2016-08-30 | 2017-02-22 | 山西万立科技有限公司 | 一种基于视频图像技术的车型识别与作弊诊断系统 |
CN107423681A (zh) * | 2017-05-27 | 2017-12-01 | 上海骁达信息科技有限公司 | 一种车型自动识别方法及系统 |
CN107957259A (zh) * | 2017-10-26 | 2018-04-24 | 深圳大学 | 轮迹横向分布测量系统及测量方法 |
CN107886728A (zh) * | 2017-11-27 | 2018-04-06 | 山西国强高科股份有限公司 | 载重汽车车型视频识别装置及方法 |
CN107909820A (zh) * | 2017-12-27 | 2018-04-13 | 天津杰泰高科传感技术有限公司 | 一种集成汽车轮轴识别功能的激光扫描分车器及实现方法 |
CN108665057A (zh) * | 2018-03-29 | 2018-10-16 | 东南大学 | 一种基于卷积神经网络的多生产点位轮毂图像分类方法 |
Non-Patent Citations (3)
Title |
---|
哈哈网罗世界: "你知道货车前轮为什么向外凸,后轮为什么向里凹吗?", Retrieved from the Internet <URL:https://www.dongchedi.com/article/6419379943629340930> * |
想变胖的流浪CB2C: "为什么汽车轮毂会呈现出前凹后凸的现象?", Retrieved from the Internet <URL:https://zhidao.baidu.com/question/2145090022150893868.html?fr=iks&word=%E5%8D%95%E8%BD%AE%E8%83%8E%E7%9A%84%E8%BD%AE%E6%AF%82%E6%98%AF%E5%A4%96%E5%87%B8%E7%9A%84%2C%E8%80%8C%E5%8F%8C%E8%BD%AE%E8%83%8E%E7%9A%84%E8%BD%AE%E6%AF%82%E5%A4%96%E4%BE%A7%E6%98%AF%E5%87%B9%E7%9A%84&dyTabStr=MCw0LDEsNiw1LDMsNyw4LDIsOQ==> * |
鸿堔: "为什么公交车的轮毂前面的两个是凸出来的,后面的是凹", Retrieved from the Internet <URL:https://zhidao.baidu.com/question/1674493503202909827.html> * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179604A (zh) * | 2020-01-16 | 2020-05-19 | 苏州朗为控制技术有限公司 | 一种车型识别方法 |
CN111325146A (zh) * | 2020-02-20 | 2020-06-23 | 吉林省吉通信息技术有限公司 | 一种货车车型和轴型识别方法和系统 |
CN111325146B (zh) * | 2020-02-20 | 2021-06-04 | 吉林省吉通信息技术有限公司 | 一种货车车型和轴型识别方法和系统 |
CN111275008A (zh) * | 2020-02-24 | 2020-06-12 | 浙江大华技术股份有限公司 | 目标车辆异常的检测方法及装置、存储介质、电子装置 |
CN111275008B (zh) * | 2020-02-24 | 2024-01-16 | 浙江大华技术股份有限公司 | 目标车辆异常的检测方法及装置、存储介质、电子装置 |
CN116453075A (zh) * | 2023-06-14 | 2023-07-18 | 山东省科学院海洋仪器仪表研究所 | 一种基于图像处理的轮轴识别方法及系统 |
CN116453075B (zh) * | 2023-06-14 | 2023-09-08 | 山东省科学院海洋仪器仪表研究所 | 一种基于图像处理的货车轮轴识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109583394B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583394A (zh) | 高速公路收费系统中车辆轮胎数识别方法和专用设备 | |
CN103279996B (zh) | 一种多车道情况下的车辆信息检测与识别系统 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN108645628A (zh) | 基于道路驾驶技能的自动驾驶汽车测试系统 | |
CN103927870B (zh) | 一种基于多个震动检测传感器的车辆检测装置 | |
AU2015352462B2 (en) | Method of controlling a traffic surveillance system | |
CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示系统和方法 | |
CN203260072U (zh) | 一种多车道情况下的车辆信息检测与识别系统 | |
CN109285349B (zh) | 车路协同环境下高速公路交通事件检测方法及预警系统 | |
CN106530782A (zh) | 一种道路车辆交通告警系统及其方法 | |
CN105427614A (zh) | 一种车型分类系统及其方法 | |
CN105352576B (zh) | 一种基于动态称重系统的车辆分离方法 | |
CN105518760A (zh) | 用于确定机动车错误方向行驶的方法和交通监控设备 | |
CN103279998A (zh) | 一种收费公路收费站出入口车道车辆信息采集与识别系统 | |
CN102013159A (zh) | 基于高清视频检测数据的区域动态od矩阵获取方法 | |
CN103164958A (zh) | 车辆监控方法及系统 | |
CN204825605U (zh) | 一种基于图像的道路环境识别与检测装置 | |
JP7424945B2 (ja) | 故障検知装置、料金収受システム、故障検知方法、及びプログラム | |
CN108198428A (zh) | 货车拦截系统及拦截方法 | |
Rajab et al. | Novel vehicle and motorcycle classification using single element piezoelectric sensor | |
CN104742835B (zh) | 用于测量行车间距的系统及其方法 | |
CN114964445B (zh) | 基于车辆识别的多模块动态称重方法 | |
Cech et al. | Self-supervised learning of camera-based drivable surface roughness | |
US11443519B2 (en) | Method and system for determining the digital fingerprint of vehicles in transit | |
CN110675528B (zh) | 用于智能驾驶的智能行车影像记录系统及方法 |
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 |