基于TMR传感器的车辆检测识别算法研究

摘要

车辆检测识别技术一直是智能交通领域的研究热点。隧道磁阻（Tunnel Magneto Resistance，TMR）传感器作为磁传感器的第四代产品，比目前常用的各向异性磁阻（Anisotropic Magneto Resistance，AMR）传感器有着更高的灵敏度和更加小巧的体积，因此研究基于TMR传感器的车辆检测识别算法十分有发展前景和应用空间。
　　本文根据TMR传感器高灵敏度的特点，搭建了侧路车辆检测系统。分析磁场变化规律，结合TMR传感器特性，设计合适的放大电路和调整模块，选用ZigBee协议作为系统组网方案，CC2530作为主控MCU，对采集信号进行采集发送。选用基于基准线跟踪的状态机检测算法对车辆进行检测，通过对比，确定权值系数和阈值，提取原始磁场信号中的有效信息，方便后续识别算法。根据不同车型实际采集数据特点对车辆类型进行简单划分，选定特征值和特征向量，并由大量样本得到训练集和测试集。
　　车辆分型算法方面，首先研究了BP神经网络算法的基本原理，对比测试，确定了输入层、隐层和输出层神经元个数，依据实际采集的车辆磁场信号数据，测试了不同训练函数和激活函数组成网络时模型的识别精度，最终确定整体模型参数；之后研究了有向无环图支持向量机分类算法，根据本文中车辆分类情况构建相应数量的分类器组成识别算法模型，针对不同的分类器核函数进行测试，对比识别精度选定了最终应用于模型的核函数。
　　采集大量原始车辆磁场信号数据对两种算法模型进行训练测试，对比识别精准度，确定了系统所用车辆类型识别算法。

目录

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题背景及研究意义

1.2 研究现状

1.3本课题研究内容

第2章 车辆检测系统硬件设计

2.1磁场车辆检测原理

2.2车辆检测系统设计

2.3路由节点设计

2.4 汇聚节点设计

2.5 采集系统上位机监控界面

2.6 本章小结

第3章 车辆检测算法研究

3.1 平均滑动滤波

3.2 车辆通过检测算法

3.3 特征值提取

3.4 特征值提取结果

3.5 本章小结

第4章 车辆识别算法研究

4.1 基于BP神经网络的车辆识别算法

4.2 基于DAG-SVM的车辆识别算法

4.3 本章小结

第5章 算法测试结果及分析

5.1 测试平台搭建

5.2 基于基线跟踪的状态机检测算法测试

5.3 车辆识别算法测试

5.4 本章小结

结论

参考文献

声明

致谢