[发明专利]一种货车车型和轴型识别方法和系统

说明书

本发明涉及道路车辆监测的技术领域，特别是涉及一种货车车型和轴型识别方法和系统，通过深度学习在目标分类和识别中的应用，以解决利用图像或视频识别货车车型和轴型的问题，比较直观地把货车的外观特征数据结构化；包括以下步骤：S1采集原始车辆侧面和正面图像或视频；S2检测定位车辆位置后，输入训练的深度学习模型进行货车车轴的定位和识别；S3根据车辆侧面图像检测的车辆轴数和位置计算车辆的轴数、轴距和轮胎数；S4根据车辆正面图像进行车型识别和分类。

技术领域

本发明涉及道路车辆监测的技术领域，特别是涉及一种货车车型和轴型识别方法和系统。

背景技术

众所周知，随着高速公路省界收费主站的撤销，ETC全国联网和无感支付的发展对车辆进行身份认证识别的重要性日益凸显。无人值守的收费站对管理带来新的挑战：ETC车辆利用车型作弊；ETC车辆自身换卡作弊；出口串通利用车型作弊；出入口车型不符。

打击偷逃费用越来越依赖于技术手段。在出入口比对车辆的身份信息确保通行车辆的身份唯一性，可以精准打击无人值守偷逃费的问题。车辆的特征识别结果与ETC交易流水比对，换卡，换签，换牌，无签通行等逃费行为都会一网打尽，实现车辆身份认证信息的一致完整，该系统可以为无人值守的收费站和无感支付防逃费稽查系统提供智能大数据分析的业务支撑，实现精准收费，实时稽查的的精细化管理，为高速公路运营节省成本和提高效益。

目前已有的专利主要集中在电磁感应线圈检测法、雷达识别法、红外线识别法、计重收费系统识别等，尚未检索到与本专利相同或类似的专利文献。

发明内容

为解决上述技术问题，本发明提供一种货车车型和轴型识别方法和系统，通过深度学习在目标分类和识别中的应用，以解决利用图像或视频识别货车车型和轴型的问题，比较直观地把货车的外观特征数据结构化。

本发明的一种货车车型和轴型识别方法，所述方法包括以下步骤：

S1采集原始车辆侧面和正面图像或视频，原始侧面和正面图像或视频包括高速公路入口抓拍图像、专用监控系统采集的视频文件；

S2检测定位车辆位置后，输入训练的深度学习模型进行货车车轴的定位和识别；

S3根据判别模型自动判别出目标图像是车辆侧面图像还是车辆正面图像，根据车辆侧面图像检测的车辆轴数和位置计算车辆的轴数、轴距和轮胎数；

利用CNN卷积神经网络训练模型对车辆的轮胎位置进行定位，卷积神经网络训练阶段输入层输入训练的标注样本，输入数据包含：图像数据，标注的ROI目标框以及所属类别的标签，检测阶段输入层输入数据是图像数据；

S4根据判别模型自动判别出目标图像是车辆侧面图像还是车辆正面图像，根据车辆正面图像进行车型识别和分类；

利用CNN卷积神经网络训练模型对车辆正面图像进行车型识别和分类，卷积神经网络训练阶段输入层输入训练的标注样本，输入数据包含：标注的图像数据以及所属类别的标签，检测阶段输入层输入数据是图像数据；

CNN卷积神经网络训练模型结构：a）卷积神经网络基础网络结构由卷积层、BN层和激活层组成卷积层单元，两个卷积层单元和残差层组成一个基础网络结构单元，可以有几十个基础单元甚至几百个基础单元构成，或是选择通用网络结构ResNet-152，基础网络结构单元的卷积核数量是32和64，或64和128，或128和256，核大小为1*1和3*3，各卷积层卷积核的大小和数量由公式来决定：

其中，n是图像尺寸，p是扩充尺寸，f是卷积核尺寸，s是移动步长；