[發明專利]一種軸型識別方法及系統

有效

• 申請號: 202110463085.7
• 申請日: 2021-04-28
• 公開（公告）號: CN112883943B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 劉剛;楊勇;胡天宇;劉星宇;張明月;張發寬;李小強
• 申請（專利權）人: 北京云星宇交通科技股份有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/62;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 深圳深瑞知識產權代理有限公司 44495
• 代理人: 晁陽飛

1.一種軸型識別方法，其特征在于，包括：

獲取車輛側面圖片；

根據預先建立的深度自動學習模型，確定所述車輛側面圖片中的當前車輛的軸輪數量，所述當前車輛為所述車輛側面圖片中的車輛；

按照所述車輛側面圖片與實際車輛的比例確定輪軸相對距離，所述輪軸相對距離為車頭到車尾之間所有兩個相鄰的車輪之間的距離；

根據所述輪軸相對距離和所述軸輪數量，從預先建立的車輛軸型特征列表中確定當前車輛軸型；

將預先建立的數據庫中的車牌結果與所抓拍到的所述車輛側面圖片的車牌進行對比，并打包軸型及車輛特征信息，進行信息的上報和寫庫，提高上報數據與當前車道隊列一致性，所述預先建立的數據庫中的車牌結果為車道側面抓拍及正向抓拍的車牌結果；

其中，所述根據預先建立的深度自動學習模型，確定所述車輛側面圖片中的當前車輛的軸輪數量，包括：

根據預先建立的深度自動學習模型，確定所述車輛側面圖片中的車頭邊沿及車尾邊沿；

分析所述車頭邊沿和所述車尾邊沿，確定車頭輪胎特征和車尾輪胎特征，根據所述車頭輪胎特征和車尾輪胎特征，確定車頭到車尾之間的所有車輪；

所述根據預先建立的深度自動學習模型，確定所述車輛側面圖片中的當前車輛的軸輪數量，還包括：

將所述車輛側面圖中輸入卷積神經網絡，得到卷積特征圖；

將所述卷積特征圖的卷積特征輸入至區域建議網絡，獲得車輪候選框的特征信息，確定車輪候選框；

根據車頭車輪候選框和車尾車輪候選框，確定當前車輛的軸輪數量。

2.根據權利要求1所述的方法，其特征在于，根據預先建立的深度自動學習模型，確定所述車輛側面圖片中的當前車輛的軸輪數量之后，包括：

根據所述軸輪數量，判定所述當前車輛的類別；

利用回歸器對車輪候選框進行調整位置。

3.一種軸型識別系統，其特征在于，包括：

獲取圖片模塊，用于獲取車輛側面圖片；

確定軸輪數量模塊，用于根據預先建立的深度自動學習模型，確定所述車輛側面圖片中的當前車輛的軸輪數量，所述當前車輛為所述車輛側面圖片中的車輛；

確定輪軸相對距離模塊，用于按照所述車輛側面圖片與實際車輛的比例確定輪軸相對距離，所述輪軸相對距離為車頭到車尾之間所有兩個相鄰的車輪之間的距離；

確定軸型模塊，用于根據所述輪軸相對距離和所述軸輪數量，從預先建立的車輛軸型特征列表中確定當前車輛軸型；

對比模塊，用于將預先建立的數據庫中的車牌結果與所抓拍到的所述車輛側面圖片的車牌進行對比，并打包軸型及車輛特征信息，進行信息的上報和寫庫，提高上報數據與當前車道隊列一致性，所述預先建立的數據庫中的車牌結果為車道側面抓拍及正向抓拍的車牌結果；

其中，確定軸輪數量模塊，包括：

確定邊沿子模塊，用于根據預先建立的深度自動學習模型，確定所述車輛側面圖片中的車頭邊沿及車尾邊沿；

分析所述車頭邊沿和所述車尾邊沿，確定車頭輪胎特征和車尾輪胎特征，根據所述車頭輪胎特征和車尾輪胎特征，確定車頭到車尾之間的所有車輪；

確定軸輪數量模塊，還包括：

得到卷積特征圖子模塊，用于將所述車輛側面圖中輸入卷積神經網絡，得到卷積特征圖；

確定車輪候選框子模塊，用于將所述卷積特征圖的卷積特征輸入至區域建議網絡，獲得車輪候選框的特征信息，確定車輪候選框；

確定軸輪數量子模塊，用于根據車頭車輪候選框和車尾車輪候選框，確定當前車輛的軸輪數量。

4.根據權利要求3所述的系統，其特征在于，確定軸輪數量模塊，包括：

判定類別子模塊，用于據所述軸輪數量，判定所述當前車輛的類別；

調整位置子模塊，用于利用回歸器對車輪候選框進行調整位置。