[發(fā)明專利]一種異構計算模型下基于T近鄰譜聚類的車型識別方法

在審

• 申請?zhí)枺?/td>: 202010040753.0
• 申請日: 2020-01-15
• 公開（公告）號: CN111178326A
• 公開（公告）日: 2020-05-19
• 發(fā)明（設計）人: 崔龍波;黃國林;何鎮(zhèn)鎮(zhèn);焦曉帆;吳茂呈
• 申請（專利權）人: 山東易構軟件技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 張貴賓

本發(fā)明公開了一種異構計算模型下基于T近鄰譜聚類的車型識別方法，涉及車輛信息檢測領域。該方法包括如下步驟：步驟1，提取由感應線圈采集到的車型頻率變化波形的特征值；步驟2，對每個屬性的不同取值采用T近鄰譜聚類算法進行聚類；步驟3，將上一步每個屬性的聚類結果作為分類器每個屬性的不同取值，根據(jù)Bayesian分類器算法得出車型識別的規(guī)律，工作中便以該規(guī)律去識別車型。本發(fā)明能有效地實時實現(xiàn)對不同車輛的車型識別。

（一）技術領域

本發(fā)明屬于車輛信息檢測領域，涉及一種異構計算模型下基于T近鄰譜聚類的車型識別方法。

（二）背景技術

高速公路收費系統(tǒng)是智能交通系統(tǒng)的重要組成部分，而車型識別不僅是高速公路收費系統(tǒng)的核心內容，也是進行道路交通流統(tǒng)計、城市交通管理、通行能力調查的重要前提。目前現(xiàn)有的車型識別方法比較多，感應線圈以其成本低、性能穩(wěn)定、精確度較高及在全天候工作穩(wěn)定性方面有著視頻等檢測系統(tǒng)無法比擬的優(yōu)勢，這些優(yōu)點，是目前國內外普遍采用的車型識別檢測器。

感應線圈是一種基于電磁感應原理的車輛檢測器，根據(jù)LC振蕩電路的原理，車輛經(jīng)過感應線圈時會產(chǎn)生頻率變化的曲線，不同車型由于車輛底盤結構、高度等因素的差異使得車輛產(chǎn)生的曲線不同，這就為車型識別提供了依據(jù)。

隨著國內外模式識別技術的不斷發(fā)展，感應線圈車型識別器的研究者已經(jīng)相繼提出了很多新方法，如把神經(jīng)網(wǎng)絡技術應用到車型識別中；車型識別的模糊模式識別方法；基于最小二乘支持向量機的車型識別算法；基于K均值聚類算法與Bayesian分類器的車型識別方法。但是這些算法由于對計算資源的消耗過大導致實時性較差，無法實際應用于道路交通。

（三）發(fā)明內容

本發(fā)明為了彌補現(xiàn)有技術的不足，提供了一種異構計算模型下基于T近鄰譜聚類的車型識別方法，該方法可以通過分塊計算相似性矩陣，打破了GPU設備內存的限制，通過重疊計算與傳輸在打破存儲瓶頸的同時保證了高計算性能，克服了當前聚類算法復雜實時性差和車型識別實時性較低的問題。本發(fā)明是通過如下技術方案實現(xiàn)的：本發(fā)明提供了一種異構計算模型下基于T近鄰譜聚類的車型識別方法，其方法包括如下步驟：步驟1，提取由感應線圈采集到的車型頻率變化波形的特征值；步驟2，對每個特征值的屬性的不同取值采用T近鄰譜聚類算法進行聚類；步驟3，將上一步每個屬性的聚類結果(分為多個類)作為分類器每個屬性的不同取值，根據(jù)Bayesian分類器算法得出車型識別的規(guī)律，工作中便以該規(guī)律去識別車型。

所述特征值的屬性包括波峰極大值、峰值位置、平均值、波峰數(shù)。

步驟2中對于同一個感應線圈檢測器，在車型識別的特征值中，波峰極大值、峰值位置、平均值、波峰數(shù)對于同型車具有相似性，可以歸為同一類。以波峰極大值為例，在學習訓練中，把大量感應線圈采集不同車型曲線的波峰極大值進行歸類,假設有四種車型1型、2型、3型、4型，在模式識別中對應于波峰極大值分別為較高、高、中、低，這可以根據(jù)T近鄰譜聚類算法的步驟對波峰極大值進行歸類。

所述對波峰極大值進行歸類的T近鄰譜聚類算法的步驟如下：（1）選定幾個初始分類，然后用迭代算法找出使準則函數(shù)取極值的最好聚類結果；對于假定4種車型的模式識別，可歸為4類，初始類作為聚類中心分別為x₁、x₂、x₃、x₄；（2）選定大小距離度量作為樣本間的相似性度量；地感線圈采集到的大量波峰極大值組成了從小到大分散的值，這時必須把這些值離散歸類化為4個類，較高、高、中、低，以各值的大小距離作為相似性度量，使得算法的收斂速度加快；（3）以均方差作為評價聚類結果的準則函數(shù)；在車型識別模型中，學習訓練過程中采集過來的波峰極大值，可根據(jù)各個值與初始類的距離進行分類；（4）通過用迭代算法找出使均方差最小后，波峰極大值歸類完成，這時的波峰極大值是離散的；同理，峰值位置、平均值、波峰數(shù)都可以用同種方法歸類，為接下來Bayesian分類器算法做準備。