[发明专利]一种车辆型号识别方法以及识别系统

说明书

技术领域

本发明涉及智能交通领域，尤其涉及一种车辆型号识别方法以及识别系统。

背景技术

随着经济的快速发展，机动车的数量迅速增加，城市道路建设跟不上机动车增长速度的现象已在各大城市突显出来，若城市道路长期处于严重拥塞状态，出行公众的情绪会受到潜移默化的影响，违章变道、闯红灯等诸多易产生交通事故的驾车行为在日常生活中频频出现，城市每年因此造成的车祸、连环车祸层出不穷，严重影响到公众出行安全并使得交通路况进一步恶化，故对于道路上的实时交通情况真实检测变得尤其重要。

现有的车辆型号检测系统通常的做法是在出入口路面下埋设地感线圈，地感线圈连接地感检测器，地感线圈可以感应到金属物体，这样车辆通过时线圈就能产生信号的变化序列，将该变化序列进行简单的匹配以判断车辆型号，该信号识别方式过于简单，导致车型检测准确率较低。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一，提供一种车辆型号识别方法以及识别系统。

本发明提供一种车辆型号的识别方法，所述方法包括以下步骤：

步骤S01，输出波形检测信号至安装在每条道路上的至少两个地感线圈；

步骤S02，当车辆经过地感线圈时，检测每个地感线圈的信号变化序列并保存；

步骤S03，根据所述信号变化序列和获取到的分类器，识别当前车辆的型号。

进一步，所述步骤S03，具体包括以下步骤：

步骤S031，根据信号变化序列，得到与信号变化序列对应的信号时间序列；

步骤S032，根据信号变化序列和信号时间序列，计算得到所述信号变化序列的波形特征值；

步骤S033，根据所述波形特征值和获取到的分类器，得到当前车辆的型号。

进一步，在步骤S01、步骤S02或步骤S03之前，所述方法包括以下步骤：

步骤S11，获取至少一种模板车型的信号变化序列和信号时间序列；

步骤S12，根据所述模板车型的信号变化序列和信号时间序列，计算得到所述信号变化序列的波形特征值;

步骤S13，在OpenCV数据库中，采用MLP的方式对所述波形特征值进行训练，得到分类器。

进一步，所述分类器具体为XML文件。

进一步，在步骤S13中，所述训练方法具体为模式识别方法。

进一步，所述波形特征值具体包括车长、波峰最大值、波峰个数值、波谷最小值、波谷个数值以及波形尾部的序列最小方差值。

进一步，在步骤S03之后，所述方法还包括以下步骤：

步骤S04，将当前车辆的型号以网络通讯的方式输出。

本发明还提供一种车辆型号的识别系统，所述系统包括驱动模块、检测模块以及处理模块；

所述驱动模块，用于输出波形检测信号至安装在每条道路上的至少两个地感线圈；

所述检测模块，用于当车辆经过地感线圈时，检测每个地感线圈的信号变化序列并保存；

所述处理模块，用于根据检测模块的信号变化序列和获取到的分类器，识别当前车辆的型号。

进一步，所述驱动模块和检测模块具体为信号采集器。

进一步，处理模块还用于将当前车辆的型号以网络通讯的方式输出。             

从上述的方案可以看出，通过所述信号变化序列和获取到的分类器来识别当前车辆的型号，也就是提取分析了当前车型的有用特征，将当前车型的有用特征与分类器中的特征进行综合比较以识别当前车辆的型号，提高了匹配精确度及提高车型检测的准确率，达到更好的车辆型号识别效果。

附图说明

图1为本发明车辆型号的识别方法一种实施例的流程图；

图2为本发明识别当前车辆的型号方法一种实施例的流程图；

图3为本发明车辆型号的识别方法另一种实施例的流程图；

图4为本发明车辆型号的识别系统一种实施例的结构框图；

图5为本发明车辆型号的识别系统另一种实施例的结构框图。

具体实施方式

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。

本发明提供一种实施例车辆型号的识别方法，如图1所示，所述方法包括以下步骤：

步骤S01，输出波形检测信号至安装在每条道路上的至少两个地感线圈1；