[發明專利]一種基于多維矢量相關性的車型分類方法及裝置

有效

• 申請號: 201710723810.3
• 申請日: 2017-08-22
• 公開（公告）號: CN107578625B
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 張冬兵;季德鈞;楊洪福;房建宏;唐少玉;韓志星;張衛國
• 申請（專利權）人: 青海省交通科學研究院;江西省交通運輸科學研究院有限公司
• 主分類號: G08G1/015
• 分類號: G08G1/015
• 代理公司: 北京華旭智信知識產權代理事務所(普通合伙) 11583
• 代理人: 馮云

本發明公開了一種基于多維矢量相關性的車型分類方法，該方法包括：建立車型特征矢量數據庫，其中，所述數據庫包括車型特征參數；獲取未知車輛的特征矢量；根據車型特征參數的可靠性和重要性，增大該車型特征參數的權重系數；根據增大權重系數后的車型特征矢量數據庫和未知車輛特征矢量，獲得相關性系數；判斷相關性系數最大值對應的行向量為歸屬車型。本發明具有不受環境因素(光照強度、氣候條件等)的影響，穩定性好、分類算法較為簡單，識別時間短，利于實現高實時性的優點。

技術領域

本發明涉及智能交通識別領域，特別是涉及基于多維矢量相關性的車型分類方法及裝置。

背景技術

車型自動分類是實現交通智能化管理的重要基礎。目前國內外關于車型自動識別分類的方法有很多，根據所使用技術原理的不同大致有以下三類:(1)基于外觀幾何參數的分類方法，如視頻圖像檢測方法、紅外檢測方法等；這類方法通過提取幾何特征(長、寬、高等)來進行初步分類。(2)基于物理信號的分類方法，如動態稱重、電磁感應等，通過分析不同類型車輛在行駛過程中產生的信號(如噪聲、振動、壓重等)的差異性來實現大致分類。(3)基于車輛身份(ID)的分類方法，如電子標簽、視頻牌照識別等，這類方法需要建立一個包含所有車輛個體的數據庫。

這些分類方法缺點比較明顯，存在一些需要改進的地方。其一，受環境因素(光照強度、氣候條件等)的影響較大，穩定性較難保證，尤其是復雜環境下的分類難以實現；其二，分類算法較為復雜，識別時間較長，不利于實現高實時性；其三，分類規則與實際需求不夠貼切，大多數只能做到粗略分類(如大型、中型、小型)；其四，關于二軸車的分類有待細化，尤其是將客車與貨車分離。其五，需要專門的輔助檢測設備，增加成本。

發明內容

本發明所要解決的技術問題在于克服上述現有技術之不足，提供一種基于多維矢量相關性的車型分類方法，該方法包括：

建立車型特征矢量數據庫，其中，所述數據庫包括車型特征參數；

獲取未知車輛的特征矢量；

根據車型特征參數的可靠性和重要性，增大該車型特征參數的權重系數；

根據增大權重系數后的車型特征矢量數據庫和未知車輛特征矢量，獲得相關性系數；

判斷相關性系數最大值對應的行向量為歸屬車型。

優選地，所述車型特征參數包括軸數、軸組、軸距、車長、輪距和額定載重。

優選地，所述未知車輛的特征矢量為從實際道路的測試數據中提取的車型特征參數。

優選地，所述車型特征矢量數據庫包括9種類型車型特征參數。

一種基于多維矢量相關性的車型分類裝置，該裝置包括：

建立模塊，用于建立車型特征矢量數據庫，其中，數據庫包括車型特征參數；

獲取模塊，用于獲取未知車輛的特征矢量；

增大模塊，用于根據車型特征參數的可靠性和重要性，增大該車型特征參數的權重系數；

運算模塊，用于根據增大權重系數后的車型特征矢量數據庫和未知車輛特征矢量，獲得相關性系數；

判斷模塊，用于判斷相關性系數最大值對應的行向量為歸屬車型。

優選地，所述建立模塊的車型特征參數包括軸數、軸組、軸距、車長、輪距和額定載重。

優選地，所述獲取模塊的未知車輛的特征矢量為從實際道路的測試數據中提取的車型特征參數。

優選地，所述車型特征矢量數據庫包括9種類型車型特征參數。