CN114822029B - 桥面车流荷载时空分布重构方法、系统及装置 - Google Patents

桥面车流荷载时空分布重构方法、系统及装置 Download PDF

Info

Publication number
CN114822029B
CN114822029B CN202210446427.9A CN202210446427A CN114822029B CN 114822029 B CN114822029 B CN 114822029B CN 202210446427 A CN202210446427 A CN 202210446427A CN 114822029 B CN114822029 B CN 114822029B
Authority
CN
China
Prior art keywords
vehicle
license plate
frame
wheel
weight
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
Application number
CN202210446427.9A
Other languages
English (en)
Other versions
CN114822029A (zh
Inventor
周军勇
李钜泽
张俊平
袁显财
黄海云
朱淑薇
陈海亮
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN202210446427.9A priority Critical patent/CN114822029B/zh
Publication of CN114822029A publication Critical patent/CN114822029A/zh
Application granted granted Critical
Publication of CN114822029B publication Critical patent/CN114822029B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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
    • G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法、系统及装置，包括，基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；对识别得到车牌边框采用LPRNet算法进行字符提取得到车牌边框字符；将提取得到车牌边框字符与ETC记录的车牌字符进行匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重；采用DeePSORT算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；根据行驶轨迹和轮重重构桥面车流荷载的时空分布。本发明可以实现桥面车流荷载的时空分布的重构，为桥梁的荷载管理与结构状态评估提供直接帮助。

Description

桥面车流荷载时空分布重构方法、系统及装置
技术领域
本发明涉及桥面车流荷载时空分布重构领域，尤其是涉及一种桥面车流荷载时空分布重构方法、系统及装置。
背景技术
车流荷载是桥梁运营使用的主要作用，具有高度的随机性和时变性，掌握桥面车流荷载时空分布对于桥梁荷载管理和运营安全评估具有非常重要的意义。我国交通运输存在显著的超载和重载问题，已经出现了多座桥梁在重载货车作用下的垮塌失效问题，因此，掌握桥面车流荷载时空演变，对于在役桥梁安全评估和荷载管理具有非常重要的意义。
目前，基于卷积神经网络(Convolutional Neural Network，CNN)的图像识别技术可以对车辆进行目标检测与追踪，因此，利用计算机领域的先进CNN算法可以通过对车辆目标的识别实现对车流时空位置的识别。高速公路ETC收费系统得到了全面发展，ETC收费系统约3km安装有ETC感应系统(可检测ETC车辆和持通行卡车辆)，精准定位车辆在路网的驾驶路线实现精准分段收费，高速公路出入口收费站具有最准确的车重信息(称重系统会定时校准)并与车牌唯一匹配。
发明内容
本发明的目的在于提供一种桥面车流荷载时空分布重构方法、系统及装置，旨在解决桥面车流荷载时空分布重构。
本发明提供一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法，包括：
S1、基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；
S2、对识别得到车牌边框采用LPRNet算法进行字符提取得到车牌边框字符；
S3、将提取得到车牌边框字符与ETC记录的车牌字符进行匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重；
S4、采用DeePSORT算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；
S5、根据所述轴数、轴距和车重并采用训练得到的kNN模型得到车辆的各个轮重；
S6、根据行驶轨迹和轮重重构桥面车流荷载的时空分布。
本发明还提供一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构系统，包括，
同步识别模块：用于基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；
提取模块：用于对识别得到车牌边框采用LPRNet算法进行字符提取得到车牌边框字符；
匹配模块：用于将提取得到车牌边框字符与ETC记录的车牌字符进行匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重；
识别车辆模块：用于采用DeePSORT算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；
轮重模块：用于根据所述轴数、轴距和车重并采用训练得到的kNN模型得到车辆的各个轮重；
重构模块：根据行驶轨迹和轮重重构桥面车流荷载的时空分布。
本发明实施例还提供一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述方法的步骤。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述方法的步骤。
采用本发明实施例，可以实现桥面车流荷载的时空分布的重构，为桥梁的荷载管理与结构状态评估提供直接帮助。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的流程图；
图2是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的总体框架示意图；
图3是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的车牌、车轮和车辆外形同步识别示意图；
图4是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的坐标变换示意图；
图5是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的图像坐标体系与桥面坐标体系的转换关系校准点示意图；
图6是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的车辆与桥面接触示意图；
图7是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的车辆与桥面接触的车轮位置推定示意图；
图8是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构系统示意图；
图9是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构装置示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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。
方法实施例
根据本发明实施例，提供了一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法，图1是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的流程图，如图1所示，具体包括：
S1、基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；
S2、对识别得到车牌边框采用LPRNet算法进行字符提取得到车牌边框字符；
S3、将提取得到车牌边框字符与ETC记录的车牌字符进行匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重；
S3具体包括：将提取得到车牌边框字符与ETC记录的车牌字符进行模糊匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重。
S4、采用DeePSORT算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；
根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距具体包括：根据同一车辆边框所包含的车轮边框数进行累加计算得到轴数，根据同一车辆边框的车轮边框的底边中点连线距离经图像坐标变换得到轴距，其中，图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系，通过至少4个点的桥面坐标及其在摄像视频中的图像坐标进行对应构建。
S5、根据所述轴数、轴距和车重并采用训练得到的kNN模型得到车辆的各个轮重；
S5具体包括：根据所述轴数、轴距和车重并采用训练得到的kNN模型得到车辆的各个轮重，其中，KNN模型为基于已有的车辆数据，以车辆总重、轴距和轴数作为模型输入，以轴重作为模型输出，进行训练得到的模型。
S6、根据行驶轨迹和轮重重构桥面车流荷载的时空分布。
具体实施方法如下：
图2是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的总体框架示意图，如图2所示；
本发明公开一种基于摄像视频和ETC数据的高速公路桥面车流荷载时空分布重构方法。首先，基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框。其次，采用LPRNet算法对车牌边框进行字符提取，将识别车牌字符与高速公路附近ETC感应系统记录的车辆车牌字符进行匹配，根据ETC感应系统中车牌与车重的关联，确定所识别车辆的车重；再则，采用DeePSORT算法对车轮在前后视频帧的画面位置进行跟踪，基于图像坐标变换确定车轮在桥面的驾驶轨迹，并识别车辆的轴数和轴距；然后，结合已有的车重、轴数、轴距与轴重的关系训练kNN模型，根据视频识别车辆的轴数、轴距和车重，采用kNN模型推定该车辆的各个轮重；最后，通过路侧连续布设摄像头识别的行驶轨迹及其轮重，重构桥面车流荷载的时空分布。本发明能够精准地呈现车流荷载在桥面的时空演变，可以为桥梁运营荷载分析与结构安全评估提供重要的时空荷载信息。
图3是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的车牌、车轮和车辆外形同步识别示意图；
S11、基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；
S21、采用LPRNet算法对车牌边框进行字符提取，将识别车牌字符与高速公路附近ETC感应系统记录的车辆车牌字符进行匹配，根据ETC感应系统中车牌与车重的关联，确定所识别车辆的车重；
S21的车牌字符匹配采用模糊匹配方法，具体为若相同位置字符匹配率在70％以上，可以认为这两个车牌是同一辆车；
S31、采用DeePSORT算法对车辆车轮在前后视频帧的画面位置进行跟踪，基于图像坐标变换确定车轮在桥面的驾驶轨迹，并识别车辆的轴数、轴距；
图4是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的坐标变换示意图，如图4所示：
Op-Xp-YP像素坐标体系；Oi-Xi-Yi图像坐标体系；
Op-Xp-YP-Zc相机坐标体系；Oc-Xc-Yc-Zc相机坐标体系；
Or-Xr-Yr-Zr桥面坐标体系；OiOc摄像机焦距；A1'A2'为像素坐标的线段；A1 A2为图像坐标的线段；
图5是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的图像坐标体系与桥面坐标体系的转换关系校准点示意图，如图5所示：
S31图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系，通过至少4个点的桥面坐标及其在摄像视频中的图像坐标进行对应构建；
图6是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的车辆与桥面接触的车轮位置推定示意图；如图6所示：
根据一侧前后车轮边框的底边中点连线，绘制该连线在桥面坐标体系下的垂直线并取轮距1.8m，从而确定另一侧的车轮的桥面位置，确定驾驶轨迹；
轴数根据同一车辆边框所包含的车轮边框数进行累加计算，轴距根据各个识别车轮边框的底边中点连线距离经图像坐标变换确定；
S41、根据视频识别车辆的轴数、轴距和车重，采用kNN模型推定该车辆的各个轮重；
S41的kNN模型基于已有的车辆数据，以车辆总重、轴距和轴数作为模型输入，以轴重作为模型输出，进行训练确定；轮重为轴重取值一半，
S51、通过路侧连续布设摄像头识别的行驶轨迹及其轮重，重构桥面车流荷载的时空分布。
S51的连续摄像头在桥面布设距离应该使得行驶轨迹线在前后摄像头之间通过图像识别后能够衔接。
与现有技术相比，本发明具有如下有益效果：
1.能够精准地重现车流荷载在桥面的时空分布演变，荷载精确到轮载级别，因此不仅可以适用于大跨径桥梁也能够适用于中小跨径桥梁，为精确计算随机车流作用下的桥梁荷载效应提供了保障；
2.该系统能够实现无中断交通的桥面车流荷载识别，仅需要在路侧布设连续摄像头而不需要额外设置称重系统，具有经济成本低、自动化程度高、效果好等优势，在高速公路中具有广阔的应用场景；
3.该系统通过呈现桥面车流荷载时空分布，能够为桥梁预警显著超载车辆，能够预警桥梁在重载交通下的桥梁安全，为桥梁管理单位及时掌握桥梁运营荷载状态提供直接帮助。
装置实施例
根据本发明实施例，提供了一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构系统，图8是本发明实施例的基于摄像视频和ETC数据的桥面车流荷载时空分布重构系统的示意图，如图8所示，具体包括：
同步识别模块：用于基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；
提取模块：用于对识别得到车牌边框采用LPRNet算法进行字符提取得到车牌边框字符；
匹配模块：用于将提取得到车牌边框字符与ETC记录的车牌字符进行匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重；
识别车辆模块：用于采用DeePSORT算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；
轮重模块：用于根据所述轴数、轴距和车重并采用训练得到的kNN模型得到车辆的各个轮重；
重构模块：根据行驶轨迹和轮重重构桥面车流荷载的时空分布。
匹配模块具体用于：将提取得到车牌边框字符与ETC记录的车牌字符进行模糊匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重。
识别车辆模块具体用于：根据同一车辆边框所包含的车轮边框数进行累加计算得到轴数，根据同一车辆边框的车轮边框的底边中点连线距离经图像坐标变换得到轴距，其中，图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系，通过至少4个点的桥面坐标及其在摄像视频中的图像坐标进行对应构建。
轮重模块具体用于：根据所述轴数、轴距和车重并采用训练得到的kNN模型得到车辆的各个轮重，其中，KNN模型为基于已有的车辆数据，以车辆总重、轴距和轴数作为模型输入，以轴重作为模型输出，进行训练得到的模型。
本发明实施例是与上述方法实施例对应的系统实施例，各个模块的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。
装置实施例一
本发明实施例提供一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构装置，如图9所示，包括：存储器90、处理器92及存储在存储器90上并可在处理器92上运行的计算机程序，计算机程序被处理器执行时实现上述方法实施例中的步骤。
装置实施例二
本发明实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传输的实现程序，程序被处理器92执行时实现上述方法实施例中的步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换本发明各实施例技术方案，并不使相应技术方案的本质脱离本方案的范围。

Claims (8)

1.一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法，其特征在于，包括，
S1、基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；
S2、对识别得到车牌边框采用LPRNet算法进行字符提取得到车牌边框字符；
S3、将提取得到车牌边框字符与ETC记录的车牌字符进行匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重；
S4、采用DeePSORT算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；
S5、将所述轴数、轴距和车重输入训练得到的kNN模型得到车辆的各个轮重；
S6、根据行驶轨迹和轮重重构桥面车流荷载的时空分布。
2.根据权利要求1所述的方法，其特征在于，所述S3具体包括：将提取得到车牌边框字符与ETC记录的车牌字符进行模糊匹配，根据ETC中车牌字符与车重的关联，确定识别车辆的车重。
3.根据权利要求2所述的方法，其特征在于，所述根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距具体包括：根据同一车辆边框所包含的车轮边框数进行累加计算得到轴数，计算同一车辆边框的车轮边框的底边中点连线距离，将所述连线距离经图像坐标变换得到轴距，其中，图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系。
4.一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构系统，其特征在于，包括，
同步识别模块：用于基于路侧摄像头视频数据，采用YOLOv5多目标检测算法对车辆识别得到车牌边框、车轮边框和车辆外形边框；
提取模块：用于对识别得到车牌边框采用LPRNet算法进行字符提取得到车牌边框字符；
匹配模块：用于将提取得到车牌边框字符与ETC记录的车牌字符进行匹配，根据ETC中车牌与车重的关联，确定识别车辆的车重；
识别车辆模块：用于采用DeePSORT算法对识别得到的车轮边框进行跟踪，确定车轮在桥面的行驶轨迹，根据识别得到车轮边框和车辆外形边框识别车辆的轴数和轴距；
轮重模块：用于将所述轴数、轴距和车重输入训练得到的kNN模型得到车辆的各个轮重；
重构模块：根据行驶轨迹和轮重重构桥面车流荷载的时空分布。
5.根据权利要求4所述的系统，其特征在于，所述匹配模块具体用于：将提取得到车牌边框字符与ETC记录的车牌字符进行模糊匹配，根据ETC中车牌字符与车重的关联，确定识别车辆的车重。
6.根据权利要求5所述的系统，其特征在于，所述识别车辆模块具体用于：根据同一车辆边框所包含的车轮边框数进行累加计算得到轴数，计算同一车辆边框的车轮边框的底边中点连线距离，将所述连线距离经图像坐标变换得到轴距，其中，图像坐标变换是建立图像坐标与桥面坐标的投影变换矩阵转换关系。
7.一种基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至3中任一项所述的基于摄像视频和ETC数据的桥面车流荷载时空分布重构方法的步骤。
CN202210446427.9A 2022-04-26 2022-04-26 桥面车流荷载时空分布重构方法、系统及装置 Active CN114822029B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210446427.9A CN114822029B (zh) 2022-04-26 2022-04-26 桥面车流荷载时空分布重构方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210446427.9A CN114822029B (zh) 2022-04-26 2022-04-26 桥面车流荷载时空分布重构方法、系统及装置

Publications (2)

Publication Number Publication Date
CN114822029A CN114822029A (zh) 2022-07-29
CN114822029B true CN114822029B (zh) 2023-04-07

Family

ID=82507762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210446427.9A Active CN114822029B (zh) 2022-04-26 2022-04-26 桥面车流荷载时空分布重构方法、系统及装置

Country Status (1)

Country Link
CN (1) CN114822029B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115482474B (zh) * 2022-08-24 2023-07-04 湖南科技大学 一种基于高空航拍图像的桥面车辆荷载识别方法和系统
CN117058600B (zh) * 2023-10-13 2024-01-26 宁波朗达工程科技有限公司 区域桥梁群车流荷载识别方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1052204A (zh) * 1989-11-25 1991-06-12 西安公路研究所 汽车车型自动识别统计方法及装置
CN101620787A (zh) * 2009-08-07 2010-01-06 哈尔滨工业大学 高速公路超限预检系统
CN106991828A (zh) * 2017-05-10 2017-07-28 重庆大学 一种实时多变量桥上行车限速控制系统及其控制方法
CN110556025A (zh) * 2019-08-27 2019-12-10 浙江科技学院 一种基于车联网的汽车超车预警方法
CN112991732A (zh) * 2021-03-01 2021-06-18 江苏徐工工程机械研究院有限公司 一种基于双目相机的实时弯道侧翻预警系统与方法
CN113129602A (zh) * 2019-12-31 2021-07-16 宇龙计算机通信科技(深圳)有限公司 一种车辆状态监测方法、装置、存储介质及电子设备
CN114202572A (zh) * 2022-02-17 2022-03-18 湖南大学 基于机器视觉的车辆荷载测量、运输线路规划方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10229512B4 (de) * 2002-07-02 2004-05-27 Inwatec Gmbh Verfahren zum Erfassen von Radlasten von Schienenfahrzeugen und mobile Messeinrichtung
JP4596826B2 (ja) * 2004-06-21 2010-12-15 勝三 川西 トラックスケール
CN104794893A (zh) * 2014-06-09 2015-07-22 合肥星服信息科技有限责任公司 一种重车过桥的监测装置
CN104599249B (zh) * 2015-01-13 2017-07-14 重庆大学 缆索承重桥梁桥面车辆载荷分布实时检测方法
CN108914815B (zh) * 2018-05-17 2020-09-29 中铁大桥科学研究院有限公司 桥面车辆荷载识别装置、桥梁及桥梁荷载分布识别方法
CN113221682B (zh) * 2021-04-27 2022-12-27 天津大学 基于计算机视觉的桥梁车辆荷载时空分布细粒度识别方法
CN113532609A (zh) * 2021-07-14 2021-10-22 广东电子工业研究院有限公司 一种车载载重检测系统及标定方法
CN113808414B (zh) * 2021-09-13 2022-11-15 杭州海康威视系统技术有限公司 道路荷载确定方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1052204A (zh) * 1989-11-25 1991-06-12 西安公路研究所 汽车车型自动识别统计方法及装置
CN101620787A (zh) * 2009-08-07 2010-01-06 哈尔滨工业大学 高速公路超限预检系统
CN106991828A (zh) * 2017-05-10 2017-07-28 重庆大学 一种实时多变量桥上行车限速控制系统及其控制方法
CN110556025A (zh) * 2019-08-27 2019-12-10 浙江科技学院 一种基于车联网的汽车超车预警方法
CN113129602A (zh) * 2019-12-31 2021-07-16 宇龙计算机通信科技(深圳)有限公司 一种车辆状态监测方法、装置、存储介质及电子设备
CN112991732A (zh) * 2021-03-01 2021-06-18 江苏徐工工程机械研究院有限公司 一种基于双目相机的实时弯道侧翻预警系统与方法
CN114202572A (zh) * 2022-02-17 2022-03-18 湖南大学 基于机器视觉的车辆荷载测量、运输线路规划方法及系统

Also Published As

Publication number Publication date
CN114822029A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN114822029B (zh) 桥面车流荷载时空分布重构方法、系统及装置
CN111368687B (zh) 一种基于目标检测和语义分割的人行道车辆违停检测方法
CN101510356B (zh) 视频检测系统及其数据处理装置、视频检测方法
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
CN112329747B (zh) 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
CN111626277B (zh) 一种基于治超站交调指标分析的车辆跟踪方法及装置
CN111292432A (zh) 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
CN100454355C (zh) 实时采集道路车流量信息的视频方法
Pan et al. Traffic surveillance system for vehicle flow detection
CN104978567A (zh) 基于场景分类的车辆检测方法
CN111311766A (zh) 基于车牌识别和跟踪技术的路边停车智能收费系统及方法
CN103208190A (zh) 基于对象检测的交通流量检测方法
CN114170580A (zh) 一种面向高速公路的异常事件检测方法
CN106327630A (zh) 一种高低速不停车治超检测系统
Tak et al. Development of AI-based vehicle detection and tracking system for C-ITS application
Pan et al. A novel vision-based framework for identifying dynamic vehicle loads on long-span bridges: A case study of Jiangyin Bridge, China
Chandrika et al. Vehicle detection and classification using image processing
CN113392817A (zh) 一种基于多列卷积神经网络的车辆密度估计的方法及装置
CN113505638A (zh) 车流量的监测方法、监测装置及计算机可读存储介质
CN116229396B (zh) 高速路面病害识别及告警方法
CN113538968B (zh) 用于输出信息的方法和装置
Zhang et al. Machine learning and computer vision-enabled traffic sensing data analysis and quality enhancement
CN114333331A (zh) 一种多车道桥梁车辆通行信息与车重识别方法及系统
CN114078212A (zh) 一种基于etc门架的精准车型识别方法与装置
CN113569702A (zh) 基于深度学习的货车单双胎识别方法

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