CN115641729A - 一种高速行驶车辆信息抽取方法及系统 - Google Patents

一种高速行驶车辆信息抽取方法及系统 Download PDF

Info

Publication number
CN115641729A
CN115641729A CN202211563072.8A CN202211563072A CN115641729A CN 115641729 A CN115641729 A CN 115641729A CN 202211563072 A CN202211563072 A CN 202211563072A CN 115641729 A CN115641729 A CN 115641729A
Authority
CN
China
Prior art keywords
vehicle
information
speed
radar
speed running
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
CN202211563072.8A
Other languages
English (en)
Other versions
CN115641729B (zh
Inventor
杨相展
李进
辛培建
文杰
刘俊红
胡晓峰
陈洪伟
詹先境
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.)
Chuang Hui Da Design Co ltd
Original Assignee
Chuang Hui Da Design Co ltd
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 Chuang Hui Da Design Co ltd filed Critical Chuang Hui Da Design Co ltd
Priority to CN202211563072.8A priority Critical patent/CN115641729B/zh
Publication of CN115641729A publication Critical patent/CN115641729A/zh
Application granted granted Critical
Publication of CN115641729B publication Critical patent/CN115641729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及车辆信息提取的技术领域，公开了一种高速行驶车辆信息抽取方法及系统，所述方法包括：采集雷达回波信号并对回波信号进行滤波降噪处理；对滤波降噪处理后的回波信号进行多维FFT变换处理，提取车辆的速度信息、与雷达的相对距离以及相对角度信息；根据高速行驶车辆目标与雷达的相对距离以及相对角度调动摄像头，摄像头拍摄得到高速行驶车辆目标图像；构建高速行驶车辆识别模型，将摄像头拍摄到的高速行驶车辆目标图像输入到模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息。本发明所述方法基于频域谱提取车辆行驶信息，从而实现自适应调节摄像头角度，拍摄得到更为清晰的高速行驶车辆图像，提取车辆车牌以及车型信息。

Description

一种高速行驶车辆信息抽取方法及系统
技术领域
本发明涉及车辆信息提取的技术领域，尤其涉及一种高速行驶车辆信息抽取方法及系统。
背景技术
随着我国基础设施建设的快速推进，高速公路的建设由平原不断向山地延伸，桥梁隧道比例逐渐增加，然而这些环境地理条件复杂、空间封闭狭窄、纵贯距离长、对信号的屏蔽效应严重，传统的全视频交通监测方法由于传输数据量大无法在该类地区开展实施，尤其是在对高速行驶的车辆进行监控过程中，容易造成视频失帧，无法达到视频监控的目的，为了较好地适应这些环境，弥补交通监控的不足，本发明提出一种高速行驶车辆信息抽取方法及系统，融合短波检测精度高、数据处理量小和恶劣气候适应能力强等优点，实现精准高效高速行驶车辆信息抽取监控。
发明内容
有鉴于此，本发明提供一种高速行驶车辆信息抽取方法，目的在于1）由于发射信号接触到行驶车辆会产生回波信号，基于雷达发射信号与回波信号之间的关系，确定频域谱与行驶车辆速度、相对距离以及相对角度的关系，基于时序维度频域谱中峰值点即表示行驶车辆相对距离信息确定行驶车辆与雷达的相对距离，基于频谱位置维度频域谱中峰值点表示行驶车辆速度信息从而提取行驶车辆的速度，并结合两个维度的频域谱提取行驶车辆与雷达的相对角度信息，根据车辆与雷达的相对距离以及相对角度调动摄像头，使得摄像头通过自适应调节角度，拍摄得到更为清晰的高速行驶车辆目标图像；2）利用高速行驶车辆识别模型识别得到高速行驶车辆目标图像中车辆的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果，实现高速行驶车辆的信息抽取。
实现上述目的，本发明提供的一种高速行驶车辆信息抽取方法，包括以下步骤：
S1：道路旁的雷达向周围发出脉冲信号，脉冲信号遇到行驶车辆产生回波信号，采集回波信号并对回波信号进行滤波降噪处理；
S2：对滤波降噪处理后的回波信号进行多维FFT变换处理，提取车辆的速度信息、与雷达的相对距离以及相对角度信息；
S3：判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，摄像头拍摄得到高速行驶车辆目标图像，所述摄像头与雷达的位置重合；
S4：构建高速行驶车辆识别模型，所述模型以车辆图像为输入，以车辆信息识别结果为输出，所述车辆信息识别结果包括车牌信息以及车型信息；
S5：对构建的高速行驶车辆识别模型进行优化求解，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
作为本发明的进一步改进方法：
可选地，所述S1步骤中道路旁的雷达向周围发出脉冲信号，并采集回波信号，包括：
在道路旁布置雷达装置以及摄像头，所述摄像头与雷达的位置相邻，所述雷达具有两个接收天线可以接收回波信号；
雷达装置向周围发出电磁波，所发出电磁波为脉冲信号，所述电磁波的信号格式为：
Figure 993344DEST_PATH_IMAGE001
Figure 503959DEST_PATH_IMAGE002
其中：
A表示电磁波信号的初始振幅；
Figure 752538DEST_PATH_IMAGE003
表示电磁波信号的初始频率；
j表示虚数单位，
Figure 996350DEST_PATH_IMAGE004
；
Figure 279563DEST_PATH_IMAGE005
表示雷达装置在t时刻所发出的电磁波信号；
Figure 695501DEST_PATH_IMAGE006
表示电磁波信号的初始相位；
Figure 431376DEST_PATH_IMAGE007
表示调频斜率，
Figure 974484DEST_PATH_IMAGE008
表示调频带宽，
Figure 112204DEST_PATH_IMAGE009
表示电磁波信号
Figure 699043DEST_PATH_IMAGE010
的周期长度；
当脉冲信号遇到行驶车辆会产生回波信号，雷达装置采集回波信号，所述回波信号的信号格式为
Figure 922214DEST_PATH_IMAGE011
，其中
Figure 501969DEST_PATH_IMAGE012
，
Figure 494196DEST_PATH_IMAGE013
表示雷达装置发射电磁波的初始时刻，
Figure 517516DEST_PATH_IMAGE014
表示雷达装置所发射电磁波的截止时刻。
可选地，所述S1步骤中对所采集的回波信号进行滤波降噪处理，包括：
雷达装置对采集的回波信号进行滤波降噪处理，所述回波信号的滤波降噪处理流程为：
S11：利用高通滤波器过滤信号频率低于截止频率的回波信号，得到滤波处理后的回波信号
Figure 227983DEST_PATH_IMAGE015
，所述截止频率
Figure 847314DEST_PATH_IMAGE016
的计算公式为：
Figure 959626DEST_PATH_IMAGE017
其中：
R表示高通滤波器中电阻的电阻值；
C表示高通滤波器中电容器的电容；
S12：固定尺度因子
Figure 888268DEST_PATH_IMAGE018
，利用小波函数
Figure 86031DEST_PATH_IMAGE019
对回波信号
Figure 7589DEST_PATH_IMAGE020
进行小波变换处理，所述小波变换处理公式为：
Figure 974408DEST_PATH_IMAGE021
其中：
Figure 339530DEST_PATH_IMAGE022
表示尺度
Figure 759010DEST_PATH_IMAGE018
下的小波系数；
S13：改变尺度因子
Figure 985723DEST_PATH_IMAGE018
，重复步骤S12，得到回波信号
Figure 807048DEST_PATH_IMAGE020
在不同尺度下的小波系数
Figure 343072DEST_PATH_IMAGE022
，直到
Figure 249848DEST_PATH_IMAGE023
；
S14：确定小波阈值为
Figure 513208DEST_PATH_IMAGE024
，删除小于小波阈值
Figure 720199DEST_PATH_IMAGE024
的小波系数，保留大于小波阈值
Figure 302490DEST_PATH_IMAGE024
的小波系数，所保留的小波系数为
Figure 821196DEST_PATH_IMAGE025
，将小波系数重构为回波信号
Figure 514345DEST_PATH_IMAGE026
：
Figure 920050DEST_PATH_IMAGE027
其中：
Figure 673242DEST_PATH_IMAGE026
表示滤波降噪处理后的回波信号。
可选地，所述S2步骤中对滤波降噪处理后的回波信号进行多维FFT变换处理，并提取脉冲信号检测车辆的车辆信息，包括：
所述滤波降噪处理后回波信号的格式为：
Figure 679244DEST_PATH_IMAGE028
其中：
A表示所发射电磁波信号的初始振幅；
Figure 176085DEST_PATH_IMAGE029
表示电磁波传输的衰减因子；
Figure 194551DEST_PATH_IMAGE030
表示回波信号频率，
Figure 853065DEST_PATH_IMAGE031
，d表示脉冲信号所检测到车辆与雷达的距离，c表示光速；
Figure 346364DEST_PATH_IMAGE032
表示回波信号的调频斜率，
Figure 381316DEST_PATH_IMAGE033
，其中v表示脉冲信号所检测到车辆的车速；
Figure 27192DEST_PATH_IMAGE034
表示回波信号的相位；
对滤波降噪处理后的回波信号进行多维FFT变换处理，所述多维FFT变换处理流程为：
S21：对回波信号进行FFT处理：
Figure 122187DEST_PATH_IMAGE035
其中：
j表示虚数单位；
Figure 837202DEST_PATH_IMAGE036
表示回波信号在r点的傅里叶频谱，将r设置为64；
S22：提取
Figure 675845DEST_PATH_IMAGE036
中的峰值，所述峰值位置即为检测到道路中行驶车辆的位置，根据峰值位置对应的频率，利用下式计算得到车辆距离雷达的距离：
Figure 409183DEST_PATH_IMAGE037
其中：
Figure 940659DEST_PATH_IMAGE038
表示傅里叶频谱
Figure 142970DEST_PATH_IMAGE036
中第
Figure 785304DEST_PATH_IMAGE039
个峰值所对应的频率，即检测到的第
Figure 140193DEST_PATH_IMAGE039
个车辆，
Figure 576991DEST_PATH_IMAGE040
表示第
Figure 266598DEST_PATH_IMAGE039
个车辆距离雷达的距离；
S23：间隔
Figure 447044DEST_PATH_IMAGE041
时长，雷达装置向道路发射相同的电磁波信号，并采集对应的回波信号，构成回波信号矩阵：
Figure 154974DEST_PATH_IMAGE042
对回波信号矩阵的每一列进行点数为r的FFT处理，得到回波信号在速度维度的傅里叶频谱
Figure 762673DEST_PATH_IMAGE043
，并提取
Figure 939577DEST_PATH_IMAGE043
中的峰值，所述
Figure 658134DEST_PATH_IMAGE043
中的峰值与
Figure 987615DEST_PATH_IMAGE036
中的峰值位置相同但频率不同，所述
Figure 766215DEST_PATH_IMAGE043
中峰值所对应的频率即为
Figure 430415DEST_PATH_IMAGE036
中所对应峰值的调频斜率，所述检测到的第
Figure 952663DEST_PATH_IMAGE039
个峰值在
Figure 635186DEST_PATH_IMAGE043
中所对应的频率为
Figure 584688DEST_PATH_IMAGE044
，则所述第
Figure 470604DEST_PATH_IMAGE039
个车辆的车速
Figure 796543DEST_PATH_IMAGE045
为：
Figure 835037DEST_PATH_IMAGE046
S24：所述检测到的第
Figure 955440DEST_PATH_IMAGE039
个车辆与雷达的相对角度为：
Figure 594232DEST_PATH_IMAGE047
Figure 458283DEST_PATH_IMAGE048
其中：
Figure 855678DEST_PATH_IMAGE049
表示在
Figure 412561DEST_PATH_IMAGE050
时刻，检测到的第
Figure 273070DEST_PATH_IMAGE039
个车辆与雷达的相对角度；
Figure 940812DEST_PATH_IMAGE051
表示在
Figure 688319DEST_PATH_IMAGE050
时刻，检测到的第
Figure 681683DEST_PATH_IMAGE039
个车辆与雷达的距离；
Figure 763908DEST_PATH_IMAGE052
表示
Figure 969762DEST_PATH_IMAGE053
的傅里叶频谱中与
Figure 335890DEST_PATH_IMAGE036
中第
Figure 828051DEST_PATH_IMAGE039
个峰值位置相同的峰值的频率；
Figure 272939DEST_PATH_IMAGE054
表示电磁波波长，
Figure 157849DEST_PATH_IMAGE055
表示雷达两个天线所接收同一回波信号的相位差。
可选地，所述S3步骤中判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，包括：
判断计算得到的车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，则所述高速行驶车辆目标为
Figure 270162DEST_PATH_IMAGE056
，高速行驶车辆目标在
Figure 198804DEST_PATH_IMAGE057
时刻距离雷达的距离为
Figure 396567DEST_PATH_IMAGE058
，与雷达的相对角度为
Figure 318124DEST_PATH_IMAGE059
，车速为
Figure 284943DEST_PATH_IMAGE060
所述雷达朝向方向与道路平行，摄像头初始朝向与道路平行，则所述第
Figure 384486DEST_PATH_IMAGE039
个车辆与雷达的相对角度即表示第
Figure 69545DEST_PATH_IMAGE039
个车辆与摄像头的水平偏向角；
根据高速行驶车辆目标与雷达的相对距离以及相对角度调动摄像头，调动摄像头后，所述摄像头与竖直方向的夹角
Figure 296258DEST_PATH_IMAGE061
为：
Figure 117584DEST_PATH_IMAGE062
其中：
Figure 653607DEST_PATH_IMAGE063
表示摄像头到地面道路的距离；
若
Figure 560384DEST_PATH_IMAGE059
在
Figure 823744DEST_PATH_IMAGE064
范围内，则摄像头的朝向为左方，所述摄像头与道路方向的夹角为
Figure 765155DEST_PATH_IMAGE059
，若
Figure 206500DEST_PATH_IMAGE059
在
Figure 600573DEST_PATH_IMAGE065
范围内，则摄像头朝向为右方，与道路方向夹角为
Figure 169088DEST_PATH_IMAGE066
；
利用摄像头拍摄高速行驶车辆目标
Figure 230585DEST_PATH_IMAGE056
的车辆图像M。
可选地，所述S4步骤中构建高速行驶车辆识别模型，包括：
构建高速行驶车辆识别模型，其中所述高速行驶车辆识别模型以车辆图像为输入，以车辆信息识别结果为输出，所述车辆信息识别结果包括车牌信息以及车型信息；
所述高速行驶车辆识别模型包括输入层、车牌定位层、识别层以及输出层；
所述输入层用于接收车辆图像并对车辆图像进行卷积处理，得到特征图，所述卷积处理的卷积核大小为
Figure 983778DEST_PATH_IMAGE067
像素；所述车牌定位层用于在特征图中生成定位目标框，所述定位目标框的框定区域即为车辆车牌，所述识别层采用边缘检测算法检测得到车辆边缘结构以及车牌文本，在本发明具体实施例中，所选取边缘检测算法为Canny边缘检测算法；
所述高速行驶车辆识别模型的识别流程为：
S41：将车辆图像输入到输入层，输入层对车辆图像进行卷积处理，得到车辆图像的特征图，将特征图输入到车牌定位层；
S42：车牌定位层在特征图中生成定位目标框，并将带有定位目标框的特征图输入到识别层；
S43：识别层利用边缘检测算法得到特征图中车辆的边缘结构以及定位目标框中车牌文本信息，将车辆边缘结构以及车牌文本信息输入到输出层；
S44：输出层利用softmax函数计算车辆边缘结构的所属车型，以及车牌文本信息。
可选地，所述S5步骤中对构建的高速行驶车辆识别模型进行优化求解，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，包括：
对构建的高速行驶车辆识别模型进行优化求解，所述模型优化求解的目标函数为：
Figure 989780DEST_PATH_IMAGE068
其中：
data表示训练数据集，包括训练车辆图像以及真实车辆车型信息，所述车型包括大型客车、牵引车、城市公交车、中型客车、大型货车、小型汽车、小型自动挡汽车、低速载货汽车以及三轮汽车，并用数字进行编码表示；
W表示模型参数；
Figure 221041DEST_PATH_IMAGE069
表示训练数据集中样本q的真实车辆车型，
Figure 809865DEST_PATH_IMAGE070
表示将样本q输入到基于参数W的高速行驶车辆识别模型中，得到的车型编码结果；
基于目标函数，利用Adam优化器对模型参数进行优化迭代，并基于优化得到的模型参数构建优化后的高速行驶车辆识别模型；
将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
为了解决上述问题，本发明提供一种高速行驶车辆信息抽取系统，所述系统包括：
雷达装置，用于向周围发出脉冲信号，脉冲信号遇到行驶车辆产生回波信号，采集回波信号并对回波信号进行滤波降噪处理；
信息处理模块，用于滤波降噪处理后的回波信号进行多维FFT变换处理，提取车辆的速度信息、与雷达的相对距离以及相对角度信息，判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，摄像头拍摄得到高速行驶车辆目标图像；
信息提取模块，用于构建高速行驶车辆识别模型，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
相对于现有技术，本发明提出一种高速行驶车辆信息抽取方法，该技术具有以下优势：
首先，本方案提出一种高速行驶车辆行驶信息提取方法，通过对滤波降噪处理后的回波信号进行多维FFT变换处理，所述多维FFT变换处理流程为：对回波信号进行FFT处理：
Figure 858593DEST_PATH_IMAGE035
其中：
j表示虚数单位；
Figure 492837DEST_PATH_IMAGE036
表示回波信号在r点的傅里叶频谱，将r设置为64；
S22：提取
Figure 527789DEST_PATH_IMAGE036
中的峰值，所述峰值位置即为检测到道路中行驶车辆的位置，根据峰值位置对应的频率，利用下式计算得到车辆距离雷达的距离：
Figure 908086DEST_PATH_IMAGE037
其中：
Figure 3080DEST_PATH_IMAGE038
表示傅里叶频谱
Figure 983675DEST_PATH_IMAGE036
中第
Figure 665061DEST_PATH_IMAGE039
个峰值所对应的频率，即检测到的第
Figure 555656DEST_PATH_IMAGE039
个车辆，
Figure 821553DEST_PATH_IMAGE040
表示第
Figure 23864DEST_PATH_IMAGE039
个车辆距离雷达的距离；
S23：间隔
Figure 666198DEST_PATH_IMAGE041
时长，雷达装置向道路发射相同的电磁波信号，并采集对应的回波信号，构成回波信号矩阵：
Figure 21087DEST_PATH_IMAGE042
对回波信号矩阵的每一列进行点数为r的FFT处理，得到回波信号在速度维度的傅里叶频谱
Figure 457884DEST_PATH_IMAGE043
，并提取
Figure 147492DEST_PATH_IMAGE043
中的峰值，所述
Figure 62358DEST_PATH_IMAGE043
中的峰值与
Figure 35868DEST_PATH_IMAGE036
中的峰值位置相同但频率不同，所述
Figure 643567DEST_PATH_IMAGE043
中峰值所对应的频率即为
Figure 820470DEST_PATH_IMAGE036
中所对应峰值的调频斜率，所述检测到的第
Figure 539028DEST_PATH_IMAGE039
个峰值在
Figure 868509DEST_PATH_IMAGE043
中所对应的频率为
Figure 647109DEST_PATH_IMAGE044
，则所述第
Figure 311309DEST_PATH_IMAGE039
个车辆的车速
Figure 833557DEST_PATH_IMAGE045
为：
Figure 516080DEST_PATH_IMAGE046
所述检测到的第
Figure 465581DEST_PATH_IMAGE039
个车辆与雷达的相对角度为：
Figure 351498DEST_PATH_IMAGE047
Figure 677437DEST_PATH_IMAGE071
其中：
Figure 715931DEST_PATH_IMAGE049
表示在
Figure 836334DEST_PATH_IMAGE050
时刻，检测到的第
Figure 475126DEST_PATH_IMAGE039
个车辆与雷达的相对角度；
Figure 339176DEST_PATH_IMAGE051
表示在
Figure 736572DEST_PATH_IMAGE050
时刻，检测到的第
Figure 293455DEST_PATH_IMAGE039
个车辆与雷达的距离；
Figure 153964DEST_PATH_IMAGE052
表示
Figure 556126DEST_PATH_IMAGE053
的傅里叶频谱中与
Figure 834792DEST_PATH_IMAGE036
中第
Figure 562576DEST_PATH_IMAGE039
个峰值位置相同的峰值的频率；
Figure 379223DEST_PATH_IMAGE054
表示电磁波波长，
Figure 850655DEST_PATH_IMAGE055
表示雷达两个天线所接收同一回波信号的相位差。由于发射信号接触到行驶车辆会产生回波信号，本方案基于雷达发射信号与回波信号之间的关系，确定频域谱与行驶车辆速度、相对距离以及相对角度的关系，基于时序维度频域谱中峰值点即表示行驶车辆相对距离信息确定行驶车辆与雷达的相对距离，基于频谱位置维度频域谱中峰值点表示行驶车辆速度信息从而提取行驶车辆的速度，并结合两个维度的频域谱提取行驶车辆与雷达的相对角度信息，实现高速行驶车辆行驶信息提取。
同时，本方案提出一种车牌、车型信息提取方法，根据高速行驶车辆目标与雷达的相对距离以及相对角度调动摄像头，调动摄像头后，所述摄像头与竖直方向的夹角
Figure 482363DEST_PATH_IMAGE061
为：
Figure 115469DEST_PATH_IMAGE072
其中：
Figure 950570DEST_PATH_IMAGE063
表示摄像头到地面道路的距离；若
Figure 694535DEST_PATH_IMAGE059
在
Figure 682214DEST_PATH_IMAGE064
范围内，则摄像头的朝向为左方，所述摄像头与道路方向的夹角为
Figure 751801DEST_PATH_IMAGE059
，若
Figure 808619DEST_PATH_IMAGE059
在
Figure 621854DEST_PATH_IMAGE065
范围内，则摄像头朝向为右方，与道路方向夹角为
Figure 962574DEST_PATH_IMAGE066
；利用摄像头拍摄高速行驶车辆目标
Figure 937484DEST_PATH_IMAGE056
的车辆图像M。构建高速行驶车辆识别模型，其中所述高速行驶车辆识别模型以车辆图像为输入，以车辆信息识别结果为输出，所述车辆信息识别结果包括车牌信息以及车型信息；将摄像头拍摄到的高速行驶车辆目标图像输入到模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。本方案根据车辆与雷达的相对距离以及相对角度调动摄像头，使得摄像头通过自适应调节角度，拍摄得到更为清晰的高速行驶车辆目标图像，并利用高速行驶车辆识别模型识别得到高速行驶车辆目标图像中车辆的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果，实现高速行驶车辆的信息抽取。
附图说明
图1为本发明一实施例提供的一种高速行驶车辆信息抽取方法的流程示意图；
图2为本发明一实施例提供的高速行驶车辆信息抽取系统的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种高速行驶车辆信息抽取方法。所述高速行驶车辆信息抽取方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述高速行驶车辆信息抽取方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：道路旁的雷达向周围发出脉冲信号，脉冲信号遇到行驶车辆产生回波信号，采集回波信号并对回波信号进行滤波降噪处理。
所述S1步骤中道路旁的雷达向周围发出脉冲信号，并采集回波信号，包括：
在道路旁布置雷达装置以及摄像头，所述摄像头与雷达的位置相邻，所述雷达具有两个接收天线可以接收回波信号；
雷达装置向周围发出电磁波，所发出电磁波为脉冲信号，所述电磁波的信号格式为：
Figure 747177DEST_PATH_IMAGE001
Figure 98524DEST_PATH_IMAGE002
其中：
A表示电磁波信号的初始振幅；
Figure 795215DEST_PATH_IMAGE003
表示电磁波信号的初始频率；
j表示虚数单位，
Figure 941026DEST_PATH_IMAGE004
；
Figure 972436DEST_PATH_IMAGE005
表示雷达装置在t时刻所发出的电磁波信号；
Figure 127474DEST_PATH_IMAGE006
表示电磁波信号的初始相位；
Figure 177207DEST_PATH_IMAGE007
表示调频斜率，
Figure 759498DEST_PATH_IMAGE008
表示调频带宽，
Figure 278204DEST_PATH_IMAGE009
表示电磁波信号
Figure 971354DEST_PATH_IMAGE010
的周期长度；
当脉冲信号遇到行驶车辆会产生回波信号，雷达装置采集回波信号，所述回波信号的信号格式为
Figure 642637DEST_PATH_IMAGE011
，其中
Figure 395830DEST_PATH_IMAGE012
，
Figure 136253DEST_PATH_IMAGE013
表示雷达装置发射电磁波的初始时刻，
Figure 633093DEST_PATH_IMAGE014
表示雷达装置所发射电磁波的截止时刻。
所述S1步骤中对所采集的回波信号进行滤波降噪处理，包括：
雷达装置对采集的回波信号进行滤波降噪处理，所述回波信号的滤波降噪处理流程为：
S11：利用高通滤波器过滤信号频率低于截止频率的回波信号，得到滤波处理后的回波信号
Figure 651559DEST_PATH_IMAGE015
，所述截止频率
Figure 575653DEST_PATH_IMAGE016
的计算公式为：
Figure 68951DEST_PATH_IMAGE017
其中：
R表示高通滤波器中电阻的电阻值；
C表示高通滤波器中电容器的电容；
S12：固定尺度因子
Figure 103903DEST_PATH_IMAGE018
，利用小波函数
Figure 484200DEST_PATH_IMAGE019
对回波信号
Figure 579195DEST_PATH_IMAGE020
进行小波变换处理，所述小波变换处理公式为：
Figure 294210DEST_PATH_IMAGE021
其中：
Figure 132853DEST_PATH_IMAGE022
表示尺度
Figure 131771DEST_PATH_IMAGE018
下的小波系数；
S13：改变尺度因子
Figure 397667DEST_PATH_IMAGE018
，重复步骤S12，得到回波信号
Figure 740924DEST_PATH_IMAGE020
在不同尺度下的小波系数
Figure 976733DEST_PATH_IMAGE022
，直到
Figure 721835DEST_PATH_IMAGE023
；
S14：确定小波阈值为
Figure 33999DEST_PATH_IMAGE024
，删除小于小波阈值
Figure 598973DEST_PATH_IMAGE024
的小波系数，保留大于小波阈值
Figure 904052DEST_PATH_IMAGE024
的小波系数，所保留的小波系数为
Figure 503661DEST_PATH_IMAGE025
，将小波系数重构为回波信号
Figure 485261DEST_PATH_IMAGE026
：
Figure 271951DEST_PATH_IMAGE027
其中：
Figure 380722DEST_PATH_IMAGE026
表示滤波降噪处理后的回波信号。
S2：对滤波降噪处理后的回波信号进行多维FFT变换处理，提取车辆的速度信息、与雷达的相对距离以及相对角度信息。
所述S2步骤中对滤波降噪处理后的回波信号进行多维FFT变换处理，并提取脉冲信号检测车辆的车辆信息，包括：
所述滤波降噪处理后回波信号的格式为：
Figure 834837DEST_PATH_IMAGE028
其中：A表示所发射电磁波信号的初始振幅；
Figure 754382DEST_PATH_IMAGE029
表示电磁波传输的衰减因子；
Figure 28369DEST_PATH_IMAGE030
表示回波信号频率，
Figure 675251DEST_PATH_IMAGE031
，d表示脉冲信号所检测到车辆与雷达的距离，c表示光速；
Figure 983872DEST_PATH_IMAGE032
表示回波信号的调频斜率，
Figure 307275DEST_PATH_IMAGE033
，其中v表示脉冲信号所检测到车辆的车速；
Figure 334137DEST_PATH_IMAGE034
表示回波信号的相位；
对滤波降噪处理后的回波信号进行多维FFT变换处理，所述多维FFT变换处理流程为：
S21：对回波信号进行FFT处理：
Figure 519131DEST_PATH_IMAGE035
其中：j表示虚数单位；
Figure 947838DEST_PATH_IMAGE036
表示回波信号在r点的傅里叶频谱，将r设置为64；
S22：提取
Figure 943607DEST_PATH_IMAGE036
中的峰值，所述峰值位置即为检测到道路中行驶车辆的位置，根据峰值位置对应的频率，利用下式计算得到车辆距离雷达的距离：
Figure 192186DEST_PATH_IMAGE037
其中：
Figure 180870DEST_PATH_IMAGE038
表示傅里叶频谱
Figure 464084DEST_PATH_IMAGE036
中第
Figure 135149DEST_PATH_IMAGE039
个峰值所对应的频率，即检测到的第
Figure 871024DEST_PATH_IMAGE039
个车辆，
Figure 663399DEST_PATH_IMAGE040
表示第
Figure 801120DEST_PATH_IMAGE039
个车辆距离雷达的距离；
S23：间隔
Figure 138691DEST_PATH_IMAGE041
时长，雷达装置向道路发射相同的电磁波信号，并采集对应的回波信号，构成回波信号矩阵：
Figure 361862DEST_PATH_IMAGE042
对回波信号矩阵的每一列进行点数为r的FFT处理，得到回波信号在速度维度的傅里叶频谱
Figure 957928DEST_PATH_IMAGE043
，并提取
Figure 950155DEST_PATH_IMAGE043
中的峰值，所述
Figure 957163DEST_PATH_IMAGE043
中的峰值与
Figure 667630DEST_PATH_IMAGE036
中的峰值位置相同但频率不同，所述
Figure 942754DEST_PATH_IMAGE043
中峰值所对应的频率即为
Figure 648542DEST_PATH_IMAGE036
中所对应峰值的调频斜率，所述检测到的第
Figure 983708DEST_PATH_IMAGE039
个峰值在
Figure 791258DEST_PATH_IMAGE043
中所对应的频率为
Figure 604493DEST_PATH_IMAGE044
，则所述第
Figure 430367DEST_PATH_IMAGE039
个车辆的车速
Figure 670855DEST_PATH_IMAGE045
为：
Figure 464237DEST_PATH_IMAGE046
S24：所述检测到的第
Figure 815584DEST_PATH_IMAGE039
个车辆与雷达的相对角度为：
Figure 761543DEST_PATH_IMAGE047
Figure 172933DEST_PATH_IMAGE048
其中：
Figure 955075DEST_PATH_IMAGE049
表示在
Figure 110113DEST_PATH_IMAGE050
时刻，检测到的第
Figure 910579DEST_PATH_IMAGE039
个车辆与雷达的相对角度；
Figure 492870DEST_PATH_IMAGE051
表示在
Figure 260843DEST_PATH_IMAGE050
时刻，检测到的第
Figure 953993DEST_PATH_IMAGE039
个车辆与雷达的距离；
Figure 874544DEST_PATH_IMAGE052
表示
Figure 362157DEST_PATH_IMAGE053
的傅里叶频谱中与
Figure 118892DEST_PATH_IMAGE036
中第
Figure 615732DEST_PATH_IMAGE039
个峰值位置相同的峰值的频率；
Figure 390790DEST_PATH_IMAGE054
表示电磁波波长，
Figure 314884DEST_PATH_IMAGE055
表示雷达两个天线所接收同一回波信号的相位差。
S3：判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，摄像头拍摄得到高速行驶车辆目标图像，所述摄像头与雷达的位置重合。
所述S3步骤中判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，包括：
判断计算得到的车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，则所述高速行驶车辆目标为
Figure 809449DEST_PATH_IMAGE056
，高速行驶车辆目标在
Figure 844401DEST_PATH_IMAGE057
时刻距离雷达的距离为
Figure 739545DEST_PATH_IMAGE058
，与雷达的相对角度为
Figure 834540DEST_PATH_IMAGE059
，车速为
Figure 300287DEST_PATH_IMAGE060
所述雷达朝向方向与道路平行，摄像头初始朝向与道路平行，则所述第
Figure 138930DEST_PATH_IMAGE039
个车辆与雷达的相对角度即表示第
Figure 888580DEST_PATH_IMAGE039
个车辆与摄像头的水平偏向角；
根据高速行驶车辆目标与雷达的相对距离以及相对角度调动摄像头，调动摄像头后，所述摄像头与竖直方向的夹角
Figure 154477DEST_PATH_IMAGE061
为：
Figure 606055DEST_PATH_IMAGE062
其中：
Figure 982810DEST_PATH_IMAGE063
表示摄像头到地面道路的距离；
若
Figure 586967DEST_PATH_IMAGE059
在
Figure 23764DEST_PATH_IMAGE064
范围内，则摄像头的朝向为左方，所述摄像头与道路方向的夹角为
Figure 464104DEST_PATH_IMAGE059
，若
Figure 644550DEST_PATH_IMAGE059
在
Figure 103213DEST_PATH_IMAGE065
范围内，则摄像头朝向为右方，与道路方向夹角为
Figure 976491DEST_PATH_IMAGE066
；
利用摄像头拍摄高速行驶车辆目标
Figure 402662DEST_PATH_IMAGE056
的车辆图像M。
S4：构建高速行驶车辆识别模型，所述模型以车辆图像为输入，以车辆信息识别结果为输出，所述车辆信息识别结果包括车牌信息以及车型信息。
所述S4步骤中构建高速行驶车辆识别模型，包括：
构建高速行驶车辆识别模型，其中所述高速行驶车辆识别模型以车辆图像为输入，以车辆信息识别结果为输出，所述车辆信息识别结果包括车牌信息以及车型信息；
所述高速行驶车辆识别模型包括输入层、车牌定位层、识别层以及输出层；
所述输入层用于接收车辆图像并对车辆图像进行卷积处理，得到特征图，所述卷积处理的卷积核大小为
Figure 386798DEST_PATH_IMAGE067
像素；所述车牌定位层用于在特征图中生成定位目标框，所述定位目标框的框定区域即为车辆车牌，所述识别层采用边缘检测算法检测得到车辆边缘结构以及车牌文本，在本发明具体实施例中，所选取边缘检测算法为Canny边缘检测算法；
所述高速行驶车辆识别模型的识别流程为：
S41：将车辆图像输入到输入层，输入层对车辆图像进行卷积处理，得到车辆图像的特征图，将特征图输入到车牌定位层；
S42：车牌定位层在特征图中生成定位目标框，并将带有定位目标框的特征图输入到识别层；
S43：识别层利用边缘检测算法得到特征图中车辆的边缘结构以及定位目标框中车牌文本信息，将车辆边缘结构以及车牌文本信息输入到输出层；
S44：输出层利用softmax函数计算车辆边缘结构的所属车型，以及车牌文本信息。
S5：对构建的高速行驶车辆识别模型进行优化求解，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
所述S5步骤中对构建的高速行驶车辆识别模型进行优化求解，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，包括：
对构建的高速行驶车辆识别模型进行优化求解，所述模型优化求解的目标函数为：
Figure 699968DEST_PATH_IMAGE068
其中：
data表示训练数据集，包括训练车辆图像以及真实车辆车型信息，所述车型包括大型客车、牵引车、城市公交车、中型客车、大型货车、小型汽车、小型自动挡汽车、低速载货汽车以及三轮汽车，并用数字进行编码表示；
W表示模型参数；
Figure 478568DEST_PATH_IMAGE069
表示训练数据集中样本q的真实车辆车型，
Figure 893500DEST_PATH_IMAGE070
表示将样本q输入到基于参数W的高速行驶车辆识别模型中，得到的车型编码结果；
基于目标函数，利用Adam优化器对模型参数进行优化迭代，并基于优化得到的模型参数构建优化后的高速行驶车辆识别模型；
将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
实施例2：
如图2所示，是本发明一实施例提供的高速行驶车辆信息抽取系统的功能模块图，其可以实现实施例1中的高速行驶车辆信息抽取方法。
本发明所述高速行驶车辆信息抽取系统100可以安装于电子设备中。根据实现的功能，所述高速行驶车辆信息抽取系统可以包括雷达装置101、信息处理模块102及信息提取模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
雷达装置101，用于向周围发出脉冲信号，脉冲信号遇到行驶车辆产生回波信号，采集回波信号并对回波信号进行滤波降噪处理；
信息处理模块102，用于滤波降噪处理后的回波信号进行多维FFT变换处理，提取车辆的速度信息、与雷达的相对距离以及相对角度信息，判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，摄像头拍摄得到高速行驶车辆目标图像；
信息提取模块103，用于构建高速行驶车辆识别模型，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
详细地，本发明实施例中所述高速行驶车辆信息抽取系统100中的所述各模块在使用时采用与上述的图1中所述的高速行驶车辆信息抽取方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种高速行驶车辆信息抽取方法，其特征在于，所述方法包括：
S1：道路旁的雷达向周围发出脉冲信号，脉冲信号遇到行驶车辆产生回波信号，采集回波信号并对回波信号进行滤波降噪处理；
S2：对滤波降噪处理后的回波信号进行多维FFT变换处理，提取车辆的速度信息、与雷达的相对距离以及相对角度信息，包括：所述滤波降噪处理后回波信号的格式为：
Figure 772698DEST_PATH_IMAGE001
其中：A表示所发射电磁波信号的初始振幅；
Figure 479754DEST_PATH_IMAGE002
表示电磁波传输的衰减因子；
Figure 312581DEST_PATH_IMAGE003
表示回波信号频率，
Figure 578215DEST_PATH_IMAGE004
，d表示脉冲信号所检测到车辆与雷达的距离，c表示光速，
Figure 496492DEST_PATH_IMAGE005
表示调频斜率；
Figure 272818DEST_PATH_IMAGE006
表示回波信号的调频斜率，
Figure 960152DEST_PATH_IMAGE007
，其中v表示脉冲信号所检测到车辆的车速；
Figure 163731DEST_PATH_IMAGE008
表示回波信号的相位；
S3：判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，摄像头拍摄得到高速行驶车辆目标图像，所述摄像头与雷达的位置相邻；
S4：构建高速行驶车辆识别模型，所述模型以车辆图像为输入，以车辆信息识别结果为输出，所述车辆信息识别结果包括车牌信息以及车型信息；
S5：对构建的高速行驶车辆识别模型进行优化求解，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
2.如权利要求1所述的一种高速行驶车辆信息抽取方法，其特征在于，所述步骤S2中对滤波降噪处理后的回波信号进行多维FFT变换处理，所述多维FFT变换处理流程为：
S21：对回波信号进行FFT处理：
Figure 303725DEST_PATH_IMAGE009
其中：j表示虚数单位；
Figure 883742DEST_PATH_IMAGE010
表示回波信号在r点的傅里叶频谱，将r设置为64；
S22：提取
Figure 425582DEST_PATH_IMAGE010
中的峰值，所述峰值位置即为检测到道路中行驶车辆的位置，根据峰值位置对应的频率，利用下式计算得到车辆距离雷达的距离：
Figure 298598DEST_PATH_IMAGE011
其中：
Figure 925888DEST_PATH_IMAGE012
表示傅里叶频谱
Figure 778438DEST_PATH_IMAGE010
中第
Figure 440363DEST_PATH_IMAGE013
个峰值所对应的频率，即检测到的第
Figure 985745DEST_PATH_IMAGE013
个车辆，
Figure 100332DEST_PATH_IMAGE014
表示第
Figure 756572DEST_PATH_IMAGE013
个车辆距离雷达的距离；
S23：间隔
Figure 273004DEST_PATH_IMAGE015
时长，雷达装置向道路发射相同的电磁波信号，并采集对应的回波信号，构成回波信号矩阵：
Figure 481963DEST_PATH_IMAGE016
对回波信号矩阵的每一列进行点数为r的FFT处理，得到回波信号在速度维度的傅里叶频谱
Figure 83846DEST_PATH_IMAGE017
，并提取
Figure 543777DEST_PATH_IMAGE017
中的峰值，所述
Figure 914716DEST_PATH_IMAGE017
中的峰值与
Figure 801900DEST_PATH_IMAGE010
中的峰值位置相同但频率不同，所述
Figure 828762DEST_PATH_IMAGE017
中峰值所对应的频率即为
Figure 217018DEST_PATH_IMAGE010
中所对应峰值的调频斜率，所述检测到的第
Figure 114567DEST_PATH_IMAGE013
个峰值在
Figure 500549DEST_PATH_IMAGE017
中所对应的频率为
Figure 450925DEST_PATH_IMAGE018
，则所述第
Figure 377293DEST_PATH_IMAGE013
个车辆的车速
Figure 129348DEST_PATH_IMAGE019
为：
Figure 951811DEST_PATH_IMAGE020
S24：所述检测到的第
Figure 625369DEST_PATH_IMAGE013
个车辆与雷达的相对角度为：
Figure 89848DEST_PATH_IMAGE021
Figure 165251DEST_PATH_IMAGE022
其中：
Figure 955353DEST_PATH_IMAGE023
表示在
Figure 349163DEST_PATH_IMAGE024
时刻，检测到的第
Figure 882912DEST_PATH_IMAGE013
个车辆与雷达的相对角度；
Figure 812822DEST_PATH_IMAGE025
表示在
Figure 508246DEST_PATH_IMAGE024
时刻，检测到的第
Figure 156396DEST_PATH_IMAGE013
个车辆与雷达的距离；
Figure 228257DEST_PATH_IMAGE026
表示
Figure 12674DEST_PATH_IMAGE027
的傅里叶频谱中与
Figure 144578DEST_PATH_IMAGE010
中第
Figure 512980DEST_PATH_IMAGE013
个峰值位置相同的峰值的频率；
Figure 388532DEST_PATH_IMAGE028
表示电磁波波长，
Figure 293034DEST_PATH_IMAGE029
表示雷达两个天线所接收同一回波信号的相位差。
3.如权利要求1所述的一种高速行驶车辆信息抽取方法，其特征在于，所述S1步骤中道路旁的雷达向周围发出脉冲信号，并采集回波信号，包括：
雷达装置向周围发出电磁波，所发出电磁波为脉冲信号，所述电磁波的信号格式为：
Figure 330260DEST_PATH_IMAGE030
Figure 953003DEST_PATH_IMAGE031
其中：A表示电磁波信号的初始振幅；
Figure 366666DEST_PATH_IMAGE032
表示电磁波信号的初始频率；j表示虚数单位，
Figure 125675DEST_PATH_IMAGE033
；
Figure 333802DEST_PATH_IMAGE034
表示雷达装置在t时刻所发出的电磁波信号；
Figure 682656DEST_PATH_IMAGE035
表示电磁波信号的初始相位；
Figure 900011DEST_PATH_IMAGE005
表示调频斜率，
Figure 513526DEST_PATH_IMAGE036
表示调频带宽，
Figure 423713DEST_PATH_IMAGE037
表示电磁波信号
Figure 755468DEST_PATH_IMAGE038
的周期长度；当脉冲信号遇到行驶车辆会产生回波信号，雷达装置采集回波信号，所述回波信号的信号格式为
Figure 510935DEST_PATH_IMAGE039
，其中
Figure 978956DEST_PATH_IMAGE040
，
Figure 60045DEST_PATH_IMAGE041
表示雷达装置发射电磁波的初始时刻，
Figure 846473DEST_PATH_IMAGE042
表示雷达装置所发射电磁波的截止时刻。
4.如权利要求3所述的一种高速行驶车辆信息抽取方法，其特征在于，所述S1步骤中对所采集的回波信号进行滤波降噪处理，包括：
雷达装置对采集的回波信号进行滤波降噪处理，所述回波信号的滤波降噪处理流程为：
S11：利用高通滤波器过滤信号频率低于截止频率的回波信号，得到滤波处理后的回波信号
Figure 671210DEST_PATH_IMAGE043
，所述截止频率
Figure 259317DEST_PATH_IMAGE044
的计算公式为：
Figure 980148DEST_PATH_IMAGE045
其中：
R表示高通滤波器中电阻的电阻值；
C表示高通滤波器中电容器的电容；
S12：固定尺度因子
Figure 286496DEST_PATH_IMAGE046
，利用小波函数
Figure 649344DEST_PATH_IMAGE047
对回波信号
Figure 91958DEST_PATH_IMAGE048
进行小波变换处理，所述小波变换处理公式为：
Figure 249270DEST_PATH_IMAGE049
其中：
Figure 275869DEST_PATH_IMAGE050
表示尺度
Figure 176829DEST_PATH_IMAGE046
下的小波系数；
S13：改变尺度因子
Figure 739529DEST_PATH_IMAGE046
，重复步骤S12，得到回波信号
Figure 67742DEST_PATH_IMAGE048
在不同尺度下的小波系数
Figure 83102DEST_PATH_IMAGE050
，直到
Figure 522174DEST_PATH_IMAGE051
；
S14：确定小波阈值为
Figure 939380DEST_PATH_IMAGE052
，删除小于小波阈值
Figure 438494DEST_PATH_IMAGE052
的小波系数，保留大于小波阈值
Figure 439686DEST_PATH_IMAGE052
的小波系数，所保留的小波系数为
Figure 682449DEST_PATH_IMAGE053
，将小波系数重构为回波信号
Figure 219740DEST_PATH_IMAGE054
：
Figure 889756DEST_PATH_IMAGE055
其中：
Figure 614130DEST_PATH_IMAGE054
表示滤波降噪处理后的回波信号。
5.如权利要求1所述的一种高速行驶车辆信息抽取方法，其特征在于，所述S3步骤中判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，包括：
判断计算得到的车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，则所述高速行驶车辆目标为
Figure 660583DEST_PATH_IMAGE056
，高速行驶车辆目标在
Figure 52381DEST_PATH_IMAGE057
时刻距离雷达的距离为
Figure 893298DEST_PATH_IMAGE058
，与雷达的相对角度为
Figure 621081DEST_PATH_IMAGE059
，车速为
Figure 205646DEST_PATH_IMAGE060
；
所述雷达朝向方向与道路平行，摄像头初始朝向与道路平行，则所述第
Figure 451951DEST_PATH_IMAGE013
个车辆与雷达的相对角度即表示第
Figure 463769DEST_PATH_IMAGE013
个车辆与摄像头的水平偏向角；
根据高速行驶车辆目标与雷达的相对距离以及相对角度调动摄像头，调动摄像头后，所述摄像头与竖直方向的夹角
Figure 428314DEST_PATH_IMAGE061
为：
Figure 550991DEST_PATH_IMAGE062
其中：
Figure 917381DEST_PATH_IMAGE063
表示摄像头到地面道路的距离；
若
Figure 100101DEST_PATH_IMAGE059
在
Figure 784898DEST_PATH_IMAGE064
范围内，则摄像头的朝向为左方，所述摄像头与道路方向的夹角为
Figure 711266DEST_PATH_IMAGE059
，若
Figure 932163DEST_PATH_IMAGE059
在
Figure 285784DEST_PATH_IMAGE065
范围内，则摄像头朝向为右方，与道路方向夹角为
Figure 959342DEST_PATH_IMAGE066
；
利用摄像头拍摄高速行驶车辆目标
Figure 689400DEST_PATH_IMAGE056
的车辆图像M。
6.如权利要求1所述的一种高速行驶车辆信息抽取方法，其特征在于，所述S4步骤中构建高速行驶车辆识别模型，包括：
构建高速行驶车辆识别模型，其中所述高速行驶车辆识别模型以车辆图像为输入，以车辆信息识别结果为输出，所述车辆信息识别结果包括车牌信息以及车型信息；
所述高速行驶车辆识别模型包括输入层、车牌定位层、识别层以及输出层；
所述输入层用于接收车辆图像并对车辆图像进行卷积处理，得到特征图，所述卷积处理的卷积核大小为
Figure 764804DEST_PATH_IMAGE067
像素；所述车牌定位层用于在特征图中生成定位目标框，所述定位目标框的框定区域即为车辆车牌，所述识别层采用边缘检测算法检测得到车辆边缘结构以及车牌文本；
所述高速行驶车辆识别模型的识别流程为：
S41：将车辆图像输入到输入层，输入层对车辆图像进行卷积处理，得到车辆图像的特征图，将特征图输入到车牌定位层；
S42：车牌定位层在特征图中生成定位目标框，并将带有定位目标框的特征图输入到识别层；
S43：识别层利用边缘检测算法得到特征图中车辆的边缘结构以及定位目标框中车牌文本信息，将车辆边缘结构以及车牌文本信息输入到输出层；
S44：输出层利用softmax函数计算车辆边缘结构的所属车型，以及车牌文本信息。
7.如权利要求6所述的一种高速行驶车辆信息抽取方法，其特征在于，所述S5步骤中对构建的高速行驶车辆识别模型进行优化求解，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，包括：
对构建的高速行驶车辆识别模型进行优化求解，所述模型优化求解的目标函数为：
Figure 289326DEST_PATH_IMAGE068
其中：
data表示训练数据集，包括训练车辆图像以及真实车辆车型信息，所述车型包括大型客车、牵引车、城市公交车、中型客车、大型货车、小型汽车、小型自动挡汽车、低速载货汽车以及三轮汽车，并用数字进行编码表示；
W表示模型参数；
Figure 948715DEST_PATH_IMAGE069
表示训练数据集中样本q的真实车辆车型，
Figure 482465DEST_PATH_IMAGE070
表示将样本q输入到基于参数W的高速行驶车辆识别模型中，得到的车型编码结果；
基于目标函数，利用Adam优化器对模型参数进行优化迭代，并基于优化得到的模型参数构建优化后的高速行驶车辆识别模型；
将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果。
8.一种高速行驶车辆信息抽取系统，其特征在于，所述系统包括：
雷达装置，用于向周围发出脉冲信号，脉冲信号遇到行驶车辆产生回波信号，采集回波信号并对回波信号进行滤波降噪处理；
信息处理模块，用于滤波降噪处理后的回波信号进行多维FFT变换处理，提取车辆的速度信息、与雷达的相对距离以及相对角度信息，判断车辆速度信息是否超过预设阈值，若超过则将该车辆标记为高速行驶车辆目标，根据目标与雷达的相对距离以及相对角度调动摄像头，摄像头拍摄得到高速行驶车辆目标图像；
信息提取模块，用于构建高速行驶车辆识别模型，并将摄像头拍摄到的高速行驶车辆目标图像输入到优化后的模型中，模型输出高速行驶车辆目标的车牌信息以及车型信息，将所述高速行驶车辆目标的车牌信息、车型信息以及速度信息作为高速行驶车辆信息抽取结果，以实现如权利要求1-7任意所述的一种高速行驶车辆信息抽取方法。
CN202211563072.8A 2022-12-07 2022-12-07 一种高速行驶车辆信息抽取方法及系统 Active CN115641729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211563072.8A CN115641729B (zh) 2022-12-07 2022-12-07 一种高速行驶车辆信息抽取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211563072.8A CN115641729B (zh) 2022-12-07 2022-12-07 一种高速行驶车辆信息抽取方法及系统

Publications (2)

Publication Number Publication Date
CN115641729A true CN115641729A (zh) 2023-01-24
CN115641729B CN115641729B (zh) 2023-09-22

Family

ID=84948154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211563072.8A Active CN115641729B (zh) 2022-12-07 2022-12-07 一种高速行驶车辆信息抽取方法及系统

Country Status (1)

Country Link
CN (1) CN115641729B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107203754A (zh) * 2017-05-26 2017-09-26 北京邮电大学 一种基于深度学习的车牌定位方法及装置
CN107729818A (zh) * 2017-09-21 2018-02-23 北京航空航天大学 一种基于深度学习的多特征融合车辆重识别方法
KR101881458B1 (ko) * 2017-03-09 2018-07-25 건아정보기술 주식회사 동적객체에 대한 인식영역 추출시스템
CN109085570A (zh) * 2018-06-10 2018-12-25 南京理工大学 基于数据融合的车辆检测跟踪算法
CN110598801A (zh) * 2019-09-24 2019-12-20 东北大学 一种基于卷积神经网络的车型识别方法
CN111435421A (zh) * 2019-01-11 2020-07-21 北京邮电大学 一种面向交通目标的车辆重识别方法和装置
CN112863190A (zh) * 2020-12-30 2021-05-28 北京北大千方科技有限公司 一种危险品运输车辆信息采集设备及采集方法
CN113627213A (zh) * 2020-05-06 2021-11-09 浙江宇视科技有限公司 车辆异常行为监控方法、装置及系统
WO2022203006A1 (ja) * 2021-03-25 2022-09-29 三菱電機株式会社 レーダ装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101881458B1 (ko) * 2017-03-09 2018-07-25 건아정보기술 주식회사 동적객체에 대한 인식영역 추출시스템
CN107203754A (zh) * 2017-05-26 2017-09-26 北京邮电大学 一种基于深度学习的车牌定位方法及装置
CN107729818A (zh) * 2017-09-21 2018-02-23 北京航空航天大学 一种基于深度学习的多特征融合车辆重识别方法
CN109085570A (zh) * 2018-06-10 2018-12-25 南京理工大学 基于数据融合的车辆检测跟踪算法
CN111435421A (zh) * 2019-01-11 2020-07-21 北京邮电大学 一种面向交通目标的车辆重识别方法和装置
CN110598801A (zh) * 2019-09-24 2019-12-20 东北大学 一种基于卷积神经网络的车型识别方法
CN113627213A (zh) * 2020-05-06 2021-11-09 浙江宇视科技有限公司 车辆异常行为监控方法、装置及系统
CN112863190A (zh) * 2020-12-30 2021-05-28 北京北大千方科技有限公司 一种危险品运输车辆信息采集设备及采集方法
WO2022203006A1 (ja) * 2021-03-25 2022-09-29 三菱電機株式会社 レーダ装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田宁: "基于深度卷积神经网络的细粒度车型识别方法研究", no. 4, pages 196 - 198 *

Also Published As

Publication number Publication date
CN115641729B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN109581378B (zh) 动目标检测方法、电子设备及存储介质
CN111316128A (zh) 连续障碍物检测方法、设备、系统及存储介质
US9563939B2 (en) De-noising system for remote images of ground buildings using spectrum constraints and de-noising method thereof
CN112990065B (zh) 一种基于优化的YOLOv5模型的车辆分类检测方法
CN114299002A (zh) 一种路面抛洒异常行为智能检测系统与方法
EP3523749A1 (en) Object detection and classification with fourier fans
CN106803262A (zh) 利用双目视觉自主解算汽车速度的方法
EP4177634A1 (en) Machine-learning-based super resolution of radar data
Kumar et al. Vehicle speed detection using corner detection
CN116129371A (zh) 一种交通目标检测方法、装置及电子设备
CN116879883A (zh) 激光雷达噪点数据采集处理方法、装置、介质及车辆
CN113076851B (zh) 一种车辆违章数据的采集方法、装置以及计算机设备
CN112882026B (zh) 一种树高反演的方法、装置、计算机存储介质及终端
CN115641729A (zh) 一种高速行驶车辆信息抽取方法及系统
CN103489201A (zh) 基于运动模糊信息的目标跟踪方法
CN110612534A (zh) 检测图像中的显著对象的系统
CN108615242B (zh) 一种高速护栏跟踪方法
US20230084189A1 (en) Method and apparatus for processing an image of a road to identify a region of the image which represents an unoccupied area of the road
CN114280571B (zh) 一种雨杂波信号的处理方法、装置及设备
US11847824B2 (en) Computer vision systems and methods for detecting and aligning land property boundaries on aerial imagery
Kondapalli et al. Real-time rain severity detection for autonomous driving applications
CN110517196B (zh) 一种sar图像降噪方法及系统
WO2022048812A1 (en) A method for controlling a driver assistance system during operation of a vehicle
CN115267713B (zh) 一种基于语义分割的间歇采样干扰识别和抑制方法
HimaDeepthi et al. Automatic vehicle number plate localization using symmetric wavelets

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