CN111724604A - 一种带车牌识别的高速公路不停车测速称重系统及方法 - Google Patents
一种带车牌识别的高速公路不停车测速称重系统及方法 Download PDFInfo
- Publication number
- CN111724604A CN111724604A CN202010439746.8A CN202010439746A CN111724604A CN 111724604 A CN111724604 A CN 111724604A CN 202010439746 A CN202010439746 A CN 202010439746A CN 111724604 A CN111724604 A CN 111724604A
- Authority
- CN
- China
- Prior art keywords
- voltage signal
- license plate
- target vehicle
- video
- speed
- 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
Images
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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
本发明提供一种带车牌识别的高速公路不停车测速称重系统及方法，能够在不影响车辆正常行驶的情况下快速、准确地检测到目标车辆的行驶速度和总重。所述系统包括：压电传感器模块，用于采集目标车辆经过压电传感器模块埋设位置时的电压信号；视频监控模块，用于采集目标车辆经过压电传感器模块埋设位置时的视频；数据传输模块，用于将所述压电传感器模块采集的电压信号、所述视频监控模块采集的视频实时传输至所述服务器终端；服务器终端，用于对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。本发明涉及道路安全监测领域。
Description
技术领域
本发明涉及道路安全监测领域，特别是指一种带车牌识别的高速公路不停车测速称重系统及方法。
背景技术
随着我国交通运输行业的不断发展，尤其是高速公路系统的不断完善，道路交通安全已经成为人们普遍关注的焦点。车辆的超速超重是影响道路交通安全的重要因素之一。超载车辆不仅会导致路面负载超过设计载荷，致使路面损坏，增加道路养护费用，缩短道路使用寿命；还会由于车载过重，存在安全隐患，导致一些重大事故的发生，严重危机交通安全。因此高速公路车辆行驶速度和载重信息快速准确的获取是目前亟待解决的问题之一，必须严格对车辆速度和载重进行监督与管控。
目前对于载重货车轴载的监测大多采用静态称重系统，通过地磅等装置对车辆进行称重，这种装置安装复杂，对路面损坏大，并且检测效率低。因此，研究一种简便易安装且可以在不影响车辆正常行驶的情况下进行测速和称重的装置及方法对于提高检测效率，维护道路交通安全具有重要意义。
发明内容
本发明要解决的技术问题是提供一种带车牌识别的高速公路不停车测速称重系统及方法，以解决现有技术所存在的静态称重系统不易安装、检测效率低的问题。
为解决上述技术问题，本发明实施例提供一种带车牌识别的高速公路不停车测速称重系统，包括：压电传感器模块、视频监控模块、数据传输模块和服务器终端；其中，
所述压电传感器模块，用于采集目标车辆经过压电传感器模块埋设位置时的电压信号；
所述视频监控模块，用于采集目标车辆经过压电传感器模块埋设位置时的视频；
所述数据传输模块，用于将所述压电传感器模块采集的电压信号、所述视频监控模块采集的视频实时传输至所述服务器终端；
所述服务器终端，用于对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。
进一步地，所述服务器终端，还用于当压电传感器模块连续Tt时间采集的电压信号绝对值大于电压信号阈值Tv时，则存储当前采样时刻Tc前时间间隔ts和后时间间隔te之间的电压信号段，并存储所述电压信号段对应时间段的视频，其中，Tt表示采样时间阈值。
进一步地，所述服务器终端，具体用于采用小波变换对存储的电压信号段中的电压信号x(t)进行平滑降噪处理，其中，电压信号x(t)的小波变换通过公式
完成，其中，WTx为平滑降噪处理后的电压信号，t表示电压信号的采样时刻，a为尺度因子，b为位置参数，
为ψ(t)的共轭函数，ψ(t)为小波母函数，
表示连续小波函数；并通过寻找局部区域最大值算法对平滑降噪处理后的电压信号进行波峰标记，确定电压信号的波峰位置差和波峰值，将确定的波峰位置差、波峰值为输入，利用训练好的速度载重预测模型，确定所述目标车辆的当前行驶速度和车辆总重。
进一步地，所述服务器终端，具体用于对存储的视频中的图像进行图像增强，从增强后的图像中分割出车牌区域图像，对车牌区域图像进行字符分割，通过训练好的车牌字符识别模型对分割得到的字符进行识别，得到所述目标车辆的车牌信息。
进一步地，所述服务器终端，还用于判断所述目标车辆的当前行驶速度是否超过预设的行驶速度阈值，若是，则发出超速报警信息；还用于判定所述目标车辆的车辆总重是否超过预设的总重阈值，若是，则发出超重报警信息。
本发明实施例还提供一种带车牌识别的高速公路不停车测速称重方法，包括：
采集目标车辆经过压电传感器模块埋设位置时的电压信号；
采集目标车辆经过压电传感器模块埋设位置时的视频；
将采集的电压信号和视频实时传输至服务器终端；
通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。
进一步地，在通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别之前，所述方法包括：
当压电传感器模块连续Tt时间采集的电压信号绝对值大于电压信号阈值Tv时，则存储当前采样时刻Tc前时间间隔ts和后时间间隔te之间的电压信号段，并存储所述电压信号段对应时间段的视频，其中，Tt表示采样时间阈值。
进一步地，所述通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重包括：
采用小波变换对存储的电压信号段中的电压信号x(t)进行平滑降噪处理，其中，电压信号x(t)的小波变换通过公式
完成，其中，WTx为平滑降噪处理后的电压信号，t表示电压信号的采样时刻，a为尺度因子，b为位置参数，
为ψ(t)的共轭函数，ψ(t)为小波母函数，
表示连续小波函数；
通过寻找局部区域最大值算法对平滑降噪处理后的电压信号进行波峰标记，确定电压信号的波峰位置差和波峰值；
将确定的波峰位置差、波峰值为输入，利用训练好的速度载重预测模型，确定所述目标车辆的当前行驶速度和车辆总重。
进一步地，所述根据接收到的视频进行目标车辆的车牌识别包括：
对存储的视频中的图像进行图像增强；
从增强后的图像中分割出车牌区域图像；
对车牌区域图像进行字符分割；
通过训练好的车牌字符识别模型对分割得到的字符进行识别，得到所述目标车辆的车牌信息。
进一步地，在通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别之后，所述方法还包括：
通过服务器终端判断所述目标车辆的当前行驶速度是否超过预设的行驶速度阈值，若是，则发出超速报警信息；
通过服务器终端判定所述目标车辆的车辆总重是否超过预设的总重阈值，若是，则发出超重报警信息。
本发明的上述技术方案的有益效果如下：
上述方案中，通过压电传感器模块采集目标车辆经过压电传感器模块埋设位置时的电压信号；通过视频监控模块采集目标车辆经过压电传感器模块埋设位置时的视频；通过数据传输模块将所述压电传感器模块采集的电压信号、所述视频监控模块采集的视频实时传输至所述服务器终端；通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别；这样，能够在不影响车辆正常行驶的情况下快速、准确地检测到目标车辆的行驶速度和总重，且具有对路面损伤小、简便易安装等特点，广泛适用于各种高速路段，从而避免现有技术存在的静态称重系统不易安装、效率低的问题。
附图说明
图1为本发明实施例提供的带车牌识别的高速公路不停车测速称重系统的结构示意图；
图2为本发明实施例提供的带车牌识别的高速公路不停车测速称重系统的的安装示意图；
图3为本发明实施例提供的带车牌识别的高速公路不停车测速称重系统的工作流程示意图；
图4为本发明实施例提供的目标车辆以特定速度、特定载重经过压电传感器模块时电压信号示意图；
图5为图4电压信号小波降噪后的信号示意图；
图6为本发明实施例提供的带车牌识别的高速公路不停车测速称重方法的流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的静态称重系统不易安装、检测效率低的问题，提供一种带车牌识别的高速公路不停车测速称重系统及方法。
实施例一
如图1所示，本发明实施例提供的带车牌识别的高速公路不停车测速称重系统，包括：压电传感器模块1、视频监控模块2、数据传输模块3和服务器终端4；其中，
所述压电传感器模块1，用于采集目标车辆经过压电传感器模块埋设位置时的电压信号；
所述视频监控模块2，用于采集目标车辆经过压电传感器模块埋设位置时的视频；
所述数据传输模块3，用于将所述压电传感器模块1采集的电压信号、所述视频监控模块2采集的视频实时传输至所述服务器终端；
所述服务器终端4，用于对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。
本发明实施例所述的带车牌识别的高速公路不停车测速称重系统，通过压电传感器模块采集目标车辆经过压电传感器模块埋设位置时的电压信号；通过视频监控模块采集目标车辆经过压电传感器模块埋设位置时的视频；通过数据传输模块将所述压电传感器模块采集的电压信号、所述视频监控模块采集的视频实时传输至所述服务器终端；通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别；这样，能够在不影响车辆正常行驶的情况下快速、准确地检测到目标车辆的行驶速度和总重，且具有对路面损伤小、简便易安装等特点，广泛适用于各种高速路段，从而避免现有技术存在的静态称重系统不易安装、效率低的问题。
如图2所示，所述压电传感器模块1为阵列，埋设于检测点的沥青路面下，每个压电传感器模块是压电传感器封装模块，每个压电传感器封装模块可以包含多个不同型号的压电传感器；所述视频监控模块2可以为高清摄像机，安装于压电传感器模块1埋设位置/路段旁，一台高清摄像机覆盖一个车道，实时采集目标车辆经过压电传感器模块埋设位置时的视频，以便实现目标车辆的动态监控；所述数据传输模块3也安装于压电传感器模块1埋设路段旁，用于快速高效的向服务器终端传输采集的压电信号和监控视频；所述服务器终端4位于道路交通安全监测站，用于实现压电传感器模块和视频监控模块采集的数据的智能化存储与处理。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，所述服务器终端，还用于当压电传感器模块连续Tt时间采集的电压信号绝对值大于电压信号阈值Tv时，则存储当前采样时刻Tc前时间间隔ts和后时间间隔te之间(TS～TE)的电压信号段，并存储所述电压信号段对应时间段的视频，其中，Tt表示采样时间阈值；
本实施例中，TS、TE分别为存储电压信号段的起始时间和结束时间，其中，TS＝Tc-ts、TE＝Tc+te。
本实施例中，当前采样时刻Tc具体指连续Tt时间电压信号绝对值大于电压信号阈值Tv时的时间(比如在2020年5月21日零时零分零秒00：00：00开始数据记录，监测到01：00：00-01：00：03连续3秒，电压信号绝对值都大于电压信号阈值Tv，则当前时刻Tc为01：00：03，即凌晨1点0分3秒。
本实施例中，所述服务器终端根据电压信号阈值Tv和采样时间阈值Tt，判断是否截取压电传感器模块采集的电压信号及视频监控模块采集的视频进行智能化存储，这样，通过智能化存储压电传感器模块和视频监控模块采集的数据，能够在减少存储量的同时，高效、准确地完成车辆测速、称重及车牌识别。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，所述服务器终端，具体用于采用小波变换对存储的电压信号段中的电压信号x(t)进行平滑降噪处理，其中，电压信号x(t)的小波变换通过公式
完成，其中，WTx为平滑降噪处理后的电压信号，t表示电压信号的采样时刻，a为尺度因子，b为位置参数，
为ψ(t)的共轭函数，ψ(t)为小波母函数，
表示连续小波函数；并通过寻找局部区域最大值算法对平滑降噪处理后的电压信号进行波峰标记，确定电压信号的波峰位置差和波峰值，将确定的波峰位置差、波峰值为输入，利用训练好的速度载重预测模型，确定所述目标车辆的当前行驶速度和车辆总重。
本实施例中，所述服务器终端确定目标车辆的当前行驶速度和车辆总重的流程，如图3所示，具体可以包括以下步骤：
A1，电压信号平滑降噪处理
为了更好的对电压信号进行特征提取，可以采用小波变换对存储的电压信号段中的电压信号x(t)进行平滑降噪处理，得到处理后的电压信号WTx：
其中，WTx为平滑降噪处理后的电压信号，t表示电压信号的采样时刻，a，b均为常数，a>0，a为尺度因子，用于调节窗口形状，反映特定基函数的宽度，b为位置参数，
为ψ(t)的共轭函数，ψ(t)为小波母函数，
表示小波母函数ψ(t)的生成需依赖于参数(a,b)生成的连续小波函数
若a，b不断变化，可得到一组函数ψa,b(t)。
本实施例中，小波变换是在一个个的窗口里进行降噪处理，位置参数b指窗口沿x轴平移的位置，可以改变窗口在坐标轴(即时间轴)上的位置。
如图4所示，图4为目标车辆以特定速度、特定载重经过埋设压电传感器模块位置时，4个阵列分布的压电传感器采集电压信号值(sensordata)，采用小波变换对原始的电压信号值进行平滑降噪处理，处理后的电压信号(smooth)如图5所示。
A2，确定电压信号的波峰位置差和波峰值
本实施例中，所述目标车辆包含多轴驱动轮，可以通过寻找局部区域最大值算法对平滑降噪处理后的电压信号进行波峰标记，设第i个压电传感器采集的电压信号包含j个波峰，第j个波峰的位置为Lij，数值为Nij，则对该传感器采集数据进行波峰数量、位置、数值的标记，波峰数j即为车辆轴数。
本实施例中，设置峰值最小间隔为50，即0.1s。获取4个压电传感器信号的波峰信息，包括传感器编号i，波峰数量，第j个波峰的位置为Lij，数值为Nij。以图4中1号传感器为例，包含波峰数为2，第1个波峰位置为604，数值为1.8365；第二个波峰位置为715，数值为1.5968，则目标车辆的轴数为2，并确定电压信号的波峰位置差。
A3，目标车辆行驶速度及总重计算
本实施例中，在进行目标车辆行驶速度及总重计算之前，需利用训练集对速度载重预测模型进行训练，并利用测试集对速度载重预测模型进行测试，误差为1.445×10-2；其中，训练集包括：实测的电压信号的波峰位置差、波峰值、车辆行驶速度、车辆总重，其中，电压信号的波峰位置差、波峰值为输入，车辆行驶速度、车辆总重为输出；测试集包括：电压信号的波峰位置差、波峰值。
本实施例中的速度载重预测模型是一种神经网络模型，其输入层为n维向量x＝(x1,x2,x3...xn)，即1至4号压电传感器电压信号的波峰位置差、波峰值；隐藏层层数为h(例如，h＝4)，所有隐藏层设置相同数量的神经元p，则隐藏层输入的向量hi＝(hi1,hi2,hi3...hin)，由n维输入向量x与n维权重矩阵向量ωih相乘加偏置项bh计算得到，隐藏层的p维输出向量为ho＝(hi1,hi2,hi3...hip)，由n维隐藏层输入向量hi经激活函数激活后的输出；输出层为m维向量y＝(y1,y2,y3...ym)，即车辆速度、车辆总重，由隐藏层输出向量ho与p维权重矩阵向量ωho相乘加偏置项by后经过激活函数计算得到。在训练过程中，对神经网络模型权值和偏置进行初始化，最后设置停止阈值，采用梯度下降法对神经网络模型进行训练更新权值，直至满足停止阈值停止训练。
本实施例中，在训练好速度载重预测模型后，将确定的波峰位置差、波峰值为输入，利用训练好的速度载重预测模型，确定所述目标车辆的当前行驶速度和车辆总重。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，所述服务器终端，具体用于对存储的视频中的图像进行图像增强，从增强后的图像中分割出车牌区域图像，对车牌区域图像进行字符分割，通过训练好的车牌识别模型对分割得到的字符进行识别，得到所述目标车辆的车牌。
本实施例中，所述服务器终端对目标车辆进行车牌识别，如图3所示，具体可以包括以下步骤：
B1，对存储的视频中的图像进行预处理；
本实施例中，可以通过对比度增强算法和和倾斜校正算法对图像进行对比度增强，以提升车牌信息识别的速度和准确率；
B2，对车牌进行定位与检测，从预处理后的图像中分割出车牌区域图像；
本实施例中，首先，可以对采集的车辆图像中的车牌进行位置标注，建立车牌位置识别数据库；然后，通过深度学习目标检测网络YOLOv3对车牌位置识别数据库中的数据进行训练，得到车牌识别模型；再通过车牌识别模型进行车牌位置识别，通过YOLOv3网络输出的车牌位置信息(矩形框左上角、右下角坐标)对车牌区域进行裁取，从预处理后的图像中分割出车牌区域图像。
B3，对分割出的车牌区域图像进行字符分割，分割出每个字符；
本实施例中，首先，对车牌区域图像进行二值化处理；然后，采用列像素总和变化分割每个字符，对图像进行列遍历，超过阈值列标记为左边，再继续遍历得到右边，左右相减得到宽度对字符进行分割。
B4，通过训练好的车牌字符识别模型对每个分割得到的字符进行识别，得到所述目标车辆的车牌信息。
本实施例中，首先，对分割得到的单个字符进行方向梯度直方图特征提取；然后，利用提取的特征，通过支持向量机训练多分类模型，得到车牌字符识别模型；最后，通过训练好的车牌字符识别模型对每个分割得到的字符进行识别，得到所述目标车辆的车牌信息。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，所述服务器终端，还用于判断所述目标车辆的当前行驶速度是否超过预设的行驶速度阈值，若是，则发出超速报警信息；还用于判定所述目标车辆的车辆总重是否超过预设的总重阈值，若是，则发出超重报警信息。
本实施例中，所述服务器终端还能可视化展示：原始监控视频、车辆行驶时间、车辆行驶路段、预处理后的图像、车牌信息、车辆轴数、行驶速度、车辆总重、报警信息中的一种或多种。
综上，所述服务器终端不仅可以实现压电传感器模块和视频监控模块采集数据的智能化存储，还能实现压电信号、视频信息的智能化处理，以及可视化展示功能和超速超重报警功能。
实施例二
本发明还提供一种带车牌识别的高速公路不停车测速称重系统的具体实施方式，由于本发明提供的带车牌识别的高速公路不停车测速称重系统与前述带车牌识别的高速公路不停车测速称重方法的具体实施方式相对应，该带车牌识别的高速公路不停车测速称重系统可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述带车牌识别的高速公路不停车测速称重方法具体实施方式中的解释说明，也适用于本发明提供的带车牌识别的高速公路不停车测速称重系统的具体实施方式，在本发明以下的具体实施方式中将不再赘述。
如图6所示，本发明实施例还提供一种带车牌识别的高速公路不停车测速称重系统，包括：
S101，采集目标车辆经过压电传感器模块埋设位置时的电压信号；
S102，采集目标车辆经过压电传感器模块埋设位置时的视频；
S103，将采集的电压信号和视频实时传输至服务器终端；
S104，通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。
本发明实施例所述的带车牌识别的高速公路不停车测速称重系统，采集目标车辆经过压电传感器模块埋设位置时的电压信号；采集目标车辆经过压电传感器模块埋设位置时的视频；将采集的电压信号和视频实时传输至服务器终端；通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。这样，能够在不影响车辆正常行驶的情况下快速、准确地检测到目标车辆的行驶速度和总重，且具有对路面损伤小、简便易安装等特点，广泛适用于各种高速路段，从而避免现有技术存在的静态称重系统不易安装、效率低的问题。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，在通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别之前，所述方法包括：
当压电传感器模块连续Tt时间采集的电压信号绝对值大于电压信号阈值Tv时，则存储当前采样时刻Tc前时间间隔ts和后时间间隔te之间的电压信号段，并存储所述电压信号段对应时间段的视频，其中，Tt表示采样时间阈值。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，所述通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重包括：
采用小波变换对存储的电压信号段中的电压信号x(t)进行平滑降噪处理，其中，电压信号x(t)的小波变换通过公式
完成，其中，WTx为平滑降噪处理后的电压信号，t表示电压信号的采样时刻，a为尺度因子，b为位置参数，
为ψ(t)的共轭函数，ψ(t)为小波母函数，
表示连续小波函数；
通过寻找局部区域最大值算法对平滑降噪处理后的电压信号进行波峰标记，确定电压信号的波峰位置差和波峰值；
将确定的波峰位置差、波峰值为输入，利用训练好的速度载重预测模型，确定所述目标车辆的当前行驶速度和车辆总重。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，所述根据接收到的视频进行目标车辆的车牌识别包括：
对存储的视频中的图像进行图像增强；
从增强后的图像中分割出车牌区域图像；
对车牌区域图像进行字符分割；
通过训练好的车牌字符识别模型对分割得到的字符进行识别，得到所述目标车辆的车牌信息。
在前述带车牌识别的高速公路不停车测速称重系统的具体实施方式中，进一步地，在通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别之后，所述方法还包括：
通过服务器终端判断所述目标车辆的当前行驶速度是否超过预设的行驶速度阈值，若是，则发出超速报警信息；
通过服务器终端判定所述目标车辆的车辆总重是否超过预设的总重阈值，若是，则发出超重报警信息。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种带车牌识别的高速公路不停车测速称重系统，其特征在于，包括：压电传感器模块、视频监控模块、数据传输模块和服务器终端；其中，
所述压电传感器模块，用于采集目标车辆经过压电传感器模块埋设位置时的电压信号；
所述视频监控模块，用于采集目标车辆经过压电传感器模块埋设位置时的视频；
所述数据传输模块，用于将所述压电传感器模块采集的电压信号、所述视频监控模块采集的视频实时传输至所述服务器终端；
所述服务器终端，用于对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。
2.根据权利要求1所述的带车牌识别的高速公路不停车测速称重系统，其特征在于，所述服务器终端，还用于当压电传感器模块连续Tt时间采集的电压信号绝对值大于电压信号阈值Tv时，则存储当前采样时刻Tc前时间间隔ts和后时间间隔te之间的电压信号段，并存储所述电压信号段对应时间段的视频，其中，Tt表示采样时间阈值。
3.根据权利要求2所述的带车牌识别的高速公路不停车测速称重系统，其特征在于，所述服务器终端，具体用于采用小波变换对存储的电压信号段中的电压信号x(t)进行平滑降噪处理，其中，电压信号x(t)的小波变换通过公式
完成，其中，WTx为平滑降噪处理后的电压信号，t表示电压信号的采样时刻，a为尺度因子，b为位置参数，
为ψ(t)的共轭函数，ψ(t)为小波母函数，
表示连续小波函数；并通过寻找局部区域最大值算法对平滑降噪处理后的电压信号进行波峰标记，确定电压信号的波峰位置差和波峰值，将确定的波峰位置差、波峰值为输入，利用训练好的速度载重预测模型，确定所述目标车辆的当前行驶速度和车辆总重。
4.根据权利要求2所述的带车牌识别的高速公路不停车测速称重系统，其特征在于，所述服务器终端，具体用于对存储的视频中的图像进行图像增强，从增强后的图像中分割出车牌区域图像，对车牌区域图像进行字符分割，通过训练好的车牌字符识别模型对分割得到的字符进行识别，得到所述目标车辆的车牌信息。
5.根据权利要求1所述的带车牌识别的高速公路不停车测速称重系统，其特征在于，所述服务器终端，还用于判断所述目标车辆的当前行驶速度是否超过预设的行驶速度阈值，若是，则发出超速报警信息；还用于判定所述目标车辆的车辆总重是否超过预设的总重阈值，若是，则发出超重报警信息。
6.一种带车牌识别的高速公路不停车测速称重方法，其特征在于，包括：
采集目标车辆经过压电传感器模块埋设位置时的电压信号；
采集目标车辆经过压电传感器模块埋设位置时的视频；
将采集的电压信号和视频实时传输至服务器终端；
通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别。
7.根据权利要求6所述的带车牌识别的高速公路不停车测速称重方法，其特征在于，在通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别之前，所述方法包括：
当压电传感器模块连续Tt时间采集的电压信号绝对值大于电压信号阈值Tv时，则存储当前采样时刻Tc前时间间隔ts和后时间间隔te之间的电压信号段，并存储所述电压信号段对应时间段的视频，其中，Tt表示采样时间阈值。
8.根据权利要求7所述的带车牌识别的高速公路不停车测速称重方法，其特征在于，所述通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重包括：
采用小波变换对存储的电压信号段中的电压信号x(t)进行平滑降噪处理，其中，电压信号x(t)的小波变换通过公式
完成，其中，WTx为平滑降噪处理后的电压信号，t表示电压信号的采样时刻，a为尺度因子，b为位置参数，
为ψ(t)的共轭函数，ψ(t)为小波母函数，
表示连续小波函数；
通过寻找局部区域最大值算法对平滑降噪处理后的电压信号进行波峰标记，确定电压信号的波峰位置差和波峰值；
将确定的波峰位置差、波峰值为输入，利用训练好的速度载重预测模型，确定所述目标车辆的当前行驶速度和车辆总重。
9.根据权利要求7所述的带车牌识别的高速公路不停车测速称重方法，其特征在于，所述根据接收到的视频进行目标车辆的车牌识别包括：
对存储的视频中的图像进行图像增强；
从增强后的图像中分割出车牌区域图像；
对车牌区域图像进行字符分割；
通过训练好的车牌字符识别模型对分割得到的字符进行识别，得到所述目标车辆的车牌信息。
10.根据权利要求6所述的带车牌识别的高速公路不停车测速称重方法，其特征在于，在通过服务器终端对接收到的电压信号进行处理，得到所述目标车辆的当前行驶速度和车辆总重，并根据接收到的视频进行目标车辆的车牌识别之后，所述方法还包括：
通过服务器终端判断所述目标车辆的当前行驶速度是否超过预设的行驶速度阈值，若是，则发出超速报警信息；
通过服务器终端判定所述目标车辆的车辆总重是否超过预设的总重阈值，若是，则发出超重报警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010439746.8A CN111724604A (zh) | 2020-05-22 | 2020-05-22 | 一种带车牌识别的高速公路不停车测速称重系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010439746.8A CN111724604A (zh) | 2020-05-22 | 2020-05-22 | 一种带车牌识别的高速公路不停车测速称重系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111724604A true CN111724604A (zh) | 2020-09-29 |
Family
ID=72564845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010439746.8A Pending CN111724604A (zh) | 2020-05-22 | 2020-05-22 | 一种带车牌识别的高速公路不停车测速称重系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111724604A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712707A (zh) * | 2020-12-26 | 2021-04-27 | 清华四川能源互联网研究院 | 车辆碳排放监测系统及方法 |
| CN114024465A (zh) * | 2021-11-15 | 2022-02-08 | 浙江大学 | 一种基于主动传感技术的自供能无线监测预警减速带 |
| CN115655433A (zh) * | 2022-12-29 | 2023-01-31 | 广东泓胜科技股份有限公司 | 基于分段函数拟合的称重电压数据的处理方法及相关设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203351036U (zh) * | 2013-07-25 | 2013-12-18 | 辽宁金洋集团信息技术有限公司 | 道路运行车辆超载监测系统 |
| CN105046946A (zh) * | 2014-12-23 | 2015-11-11 | 北京交通大学 | 基于复合传感器的交通流参数检测方法 |
| CN106652481A (zh) * | 2017-01-05 | 2017-05-10 | 武汉市政工程设计研究院有限责任公司 | 一种远程自供电式交通流自动检测装置、系统及方法 |
| CN109087512A (zh) * | 2018-08-20 | 2018-12-25 | 中北大学 | 一种基于分布式震动传感器阵列的车辆超载动态监测方法 |
-
2020
- 2020-05-22 CN CN202010439746.8A patent/CN111724604A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203351036U (zh) * | 2013-07-25 | 2013-12-18 | 辽宁金洋集团信息技术有限公司 | 道路运行车辆超载监测系统 |
| CN105046946A (zh) * | 2014-12-23 | 2015-11-11 | 北京交通大学 | 基于复合传感器的交通流参数检测方法 |
| CN106652481A (zh) * | 2017-01-05 | 2017-05-10 | 武汉市政工程设计研究院有限责任公司 | 一种远程自供电式交通流自动检测装置、系统及方法 |
| CN109087512A (zh) * | 2018-08-20 | 2018-12-25 | 中北大学 | 一种基于分布式震动传感器阵列的车辆超载动态监测方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712707A (zh) * | 2020-12-26 | 2021-04-27 | 清华四川能源互联网研究院 | 车辆碳排放监测系统及方法 |
| CN114024465A (zh) * | 2021-11-15 | 2022-02-08 | 浙江大学 | 一种基于主动传感技术的自供能无线监测预警减速带 |
| CN115655433A (zh) * | 2022-12-29 | 2023-01-31 | 广东泓胜科技股份有限公司 | 基于分段函数拟合的称重电压数据的处理方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111724604A (zh) | 一种带车牌识别的高速公路不停车测速称重系统及方法 | |
| CN110992683B (zh) | 一种基于动态图像感知的交叉口盲区预警方法及系统 | |
| CN109870223B (zh) | 一种视觉技术辅助的桥梁动态称重方法 | |
| CN110765909B (zh) | 基于车载摄像头辅助分布式驱动电动汽车路面估计方法 | |
| CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
| CN111735524B (zh) | 基于图像识别的轮胎荷载获取方法、车辆称重方法及系统 | |
| CN114998852A (zh) | 一种基于深度学习的公路路面病害智能检测方法 | |
| CN111160270B (zh) | 一种基于智能视频识别的桥梁监测方法 | |
| US20210350699A1 (en) | Method for Vehicle Classification Using Multiple Geomagnetic Sensors | |
| Feng et al. | Application of computer vision for estimation of moving vehicle weight | |
| CN110610137B (zh) | 检测车辆行驶状态的方法、装置以及电子设备、存储介质 | |
| CN101004860A (zh) | 实时采集道路车流量信息的视频方法 | |
| CN112528208B (zh) | 一种无称重ai智能识别货车超载估算方法、装置及系统 | |
| Zhao et al. | Image-based comprehensive maintenance and inspection method for bridges using deep learning | |
| CN113221759A (zh) | 基于异常检测模型的道路遗撒识别方法以及装置 | |
| CN114822029B (zh) | 桥面车流荷载时空分布重构方法、系统及装置 | |
| CN113176304A (zh) | 一种基于神经网络气体识别的酒驾预警装置及其方法 | |
| CN114228727B (zh) | 车辆行驶安全评估方法、装置、设备及存储介质 | |
| CN113903180B (zh) | 一种高速公路检测车辆超速的方法及系统 | |
| Lee et al. | Black ice detection using CNN for the Prevention of Accidents in Automated Vehicle | |
| CN112816043B (zh) | 一种确定车辆的车型的方法及系统 | |
| CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
| CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及系统 | |
| CN116805409A (zh) | 一种利用行车视频进行路面状态识别与平整性评估的方法 | |
| CN116798007A (zh) | 道路冰雪智能识别及预警方法、装置及电子设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200929 |