车型识别

摘要： 为了解决现有的车型识别算法对车型特征描述不充分的情况,提出融合注意力机制的高效率网络车型识别算法.利用高效率网络中的复合缩放方式来平衡网络的深度、宽度和分辨率,将深度可分离卷积集成到基础特征提取模块中来提高模型准确率.增加双通道的残差注意力机制来关注图片中的关键信息,获得含有更加丰富语义信息的特征图.在网络的末端添加单独的softmax分类器,使用标签平滑正则化对损失函数进行处理,减小模型过拟合的问题.在BIT-Vehicles数据集上进行实验,结果表明,提出方法的平均分类准确率为96.83%,较改进前的模型提高了1.11%,优于现有DCNN、Faster-CNN的改进算法,较Faster R-CNN提升了7.16%.

摘要： 随着ETC全国联网的发展,虽然ETC用户数量得到大幅度提升,但是仍有一定比例的车辆需要通过人工方式提供车道处理服务,特别是对于出口车道而言,目前对于无法通过正常ETC交易的车辆,仍然只能提供人工方式进行处理,缺乏智能化的异常处理能力以及多渠道的智慧化处理手段。本文提出基于集成AI技术模拟收费员模式的高速公路收费机器人系统,实现了少人化、非现金、快速通行的目标。

摘要： 为进一步提高智能交通系统对车辆及不同车型识别的泛化性、鲁棒性与实时性.根据检测区域的特征有针对性地构建数据集,改变余弦退火衰减(CD)学习率的更新方式,提出一种基于梯度压缩(GC)的Adam优化算法(Adam-GC)来提高YOLO v4算法的训练速度、检测精度以及网络模型的泛化能力.为验证改进后YOLO v4算法的有效性,对实际路况的车流进行采集后,利用训练完成的网络模型对不同密度车流进行定量的车型检测实验验证.经实验验证,改进后方法的整体检测结果要优于改进前,YOLO v4和YOLO v4 GC CD训练得到的网络模型在阻塞流样本下检测得到的准确率分别为94.59%和96.46%;在同步流样本下检测得到的准确率分别为95.34%和97.20%;在自由流样本下检测得到的准确率分别为95.98%和97.88%.

摘要： 为了解决车辆管控工作中出现的肇事车辆逃避交通监管的问题,对数据集处理方式和局部特征的车型分类算法进行研究。首先,以AlexNet网络为基础分析了各个网络结构对于输入图片的敏感程度,从网络层数和卷积核尺寸上进行网络优化得出IM-AlexNet网络。然后,使用数据增强方式处理后的自建数据集,训练IM-AlexNet分类模型网络。最后,在HOG-SVM、GoogleNet和VGG16三种模型上进行对比实验并分析。实验结果表明:IM-AlexNet网络在验证集上准确率达到96%左右,损失值低于0.2,训练速度达到3 s/step。在混淆矩阵中IM-AlexNet网络模型总体准确率达到69%,完成了局部特征对车型分类的实验,分类准确率大大提高。

摘要： 车型识别在智能交通系统中发挥着重要作用。受车辆数据不足、车辆类间差异小等因素的影响,传统车型识别方法未充分利用车辆鉴别性区域的特征,导致识别准确率降低。提出一种基于注意力模块引导数据增强的车型识别方法。将ResNet-50作为骨干网络提取车辆特征,同时在网络的每个残差块后均嵌入坐标注意力模块,编码成一对方向感知和位置敏感的注意力图,以增强车辆鉴别性区域的特征表达。在此基础上,利用双线性注意力汇集操作生成增强特征图,通过对增强特征图进行注意力裁剪和注意力擦除,获取具有强鉴别性的增强数据。在Stanford Cars车辆数据集上的实验结果验证了该方法的有效性,结果表明,该方法的车型识别准确率达到94.86%,与RA-CNN、MA-CNN、WS-DAN+Inception-v3等方法相比,能够有效提高车型识别准确率和数据增强效率。

摘要： 2020年1月高速公路省界收费站撤除实现全国“一张网”运营,在“大路网格局+大网络化运行+营运管理大变革”的形势下,高速公路收费模式悄然发生变化,准自由流以及准自由流向自由流的跨越发展成为收费站未来的发展方向江苏沿江高速公路有限公司以太仓港疏港高速浮桥北开放式收费站为试点,通过自动车型识别、自动结算、自助缴费、自主监测等先进技术,实现了真正意义上的高速公路无人值守收费站的建设与运营,为高速公路全国“一张网”运营下的收费模式做出了新的尝试。

摘要： 研究了基于谷歌深度学习框架Tensorflow的深度学习在车型识别领域应用的可能性,使用了卷积神经网络模型,将6种不同类型的车辆图片作为训练集输入神经网络,通过多次训练,选择合适的神经网络超参数,最终得到了可以通过输入图片直接识别汽车类型的卷积神经网络模型,且准确率约为92%。同时,通过学习,以Tensorflow为后端,keras为前端进行建模、编程的完整流程,为进一步使用Tensorflow深度学习框架构建图像识别的应用环境打下了基础。

摘要： 针对目前老旧道闸设备只能够根据车牌进行识别,而救护车的车牌并不具有特殊性,并且由于缺乏管理人员而影响救援时效性问题,基于此设计了一种基于MobileNet的救护车识别系统。该系统主要由图像采集模块,救护车检测模块和基于K210开发板的控制模块三部分组成。图像采集模块实时捕捉视频流中的图像数据;救护车检测模块利用MobileNet模型进行检测;最后控制模块根据检测结果对道闸进行打开和关闭控制,即若识别到为救护车,则发出电平信号,控制道闸开启。

摘要： 自2019年全国高速公路取消省界站工程实施完成后,ETC用户爆发式增长,拥堵现象由主线省界收费站转移到车流量大的主线收费站和匝道收费站,特别是核心城市及周边卫星城镇高速收费站。通过在分析原收费站主要拥堵原因的基础上,结合新形势下车型收费模式转变和新技术应用,提出一系列改善拥堵措施和方案。研究发现,采取ETC自由流技术、多级车辆精准引导、收费岛窄化设计、车道布局优化、计重及车型识别等关键机电设备升级、车道双系统部署等措施,可有效缓解收费站拥堵,提高收费站通行效率,提升收费站服务水平。

摘要： 为了提高车型识别的精度和检测速度,提出了改进YOLOv5的车型识别算法。首先利用高速公路收费的监控视频数据扩充BIT-Vehicle车型数据集,同时针对数据集中各车型图片数量不均衡现象利用图像翻转、添加高斯噪声、色彩变化等图像处理技术对各车型数量进行均衡化,构建BIT-Vehicle-Extend数据集;其次,添加RFB(receptive field block)模块用于增加网络感受野,有助于模型捕捉全局特征;第三,将无参数的SimAM注意力机制添加Bottleneck中,在不增加参数的情况下,提高网络的特征提取能力。实验结果表明,相比于原始网络模型,本文所提出的YOLOv5优化算法,mAP0.5和mAP0.5:0.95达到98.7%和96.3%,分别提高了0.7%和1.5%。在检测速度方面,达到90 frames/s,与原网络相比检测速度基本不变。因此,本文所提出的YOLOv5优化算法,能够高精度的实时检测车型信息,满足车型识别检测需要。

摘要： 本文阐述了双视频流三维深度学习车型识别系统设计方案,介绍了系统的工作原理、前端设计、主要设备选型及设计参考,着重讲述了深度学习车型识别系统所实现的功能及特色应用,并结合技术发展趋势,展望标准化、多功能、稳定性高、实用性好的深度学习车型识别技术在未来的联网收费、车辆联网、治安防控等领域的规模化应用所带来的经济价值和社会效益。

摘要： 车型识别是智能交通系统的重要组成部分,无论是在交通监控领域,还是在高速公路和停车场的全自动收费领域,都有着广泛的应用.目前的研究大都仅限于按车辆大小分为大型、中型和小型,本文在现有分类的基础上,利用Matconvnet提供的卷积神经网络框架,通过对Alexnet网络进行调整优化,采用车型数据库进行训练,将小型车辆分为皮卡车(pickup)、面包车(minibus)、SUV、MPV、三厢轿车(sedan)、两厢轿车(hatchback)六类,最终使训练识别率达到97.4％,测试识别率达到91％.

摘要： 本文研究在车型识别中基于听觉模型的特征提取算法.地面目标声信号的产生过程与语音信号有诸多的相似性,在对地面目标信号进行分析时,可以借鉴语音处理中的经验.本文以4阶Gammatone滤波器为基础,提出了一种适用于车辆信号的基于耳蜗基底膜特性的倒谱系数提取方法,并在BP神经网络下,对两类地面车辆样本数据,测试验证了提取特征的有效性.实验证明,该方法能准确地表征声目标频带-能量特征,在同阶特征向量下其分类正确率高于传统MFCC(Mel频率倒谱系数)特征.

摘要： 为提高高速公路入口通车效率,很多收费站安装了自动发卡设备,但现有自动发卡车道对车型、轴组的识别率不高,这在收费过程中会带来不少的麻烦,本文希望通过对设备安装、协议接口和流程等多方面进行考虑,从而提高车型、轴组的识别率.

摘要： 随着智能交通信息技术的不断发展,一些传统的交通调查技术仍有不足,因此,为了不断提升交调系统自动化、网络化、实时化的需求,本文提出了一种新型激光雷达交通情况调查系统.该系统采用了三个高速扫描激光雷达作为检测传感器,配合自主研发的核心算法,能够实现对高速行驶车辆的车型识别、车速测量等,从而更好地满足交通情况的调查要求.该激光交通情况调查系统的推出,弥补了现有交调系统的部分不足,也填补了江西激光交调系统市场的空白.

摘要： 交调设备依据激光扫描测距技术原理,采用两个激光传感器,通过车型识别算法,在高速处理器平台上实现车型识别和交通流量统计.为检验该设备的应用效果,依据《固定式交通流量调查设备交工验收与期间性能核查检测规程》,通过分时段调取激光交调设备采集的数据与同时段人工采集的交通量数据进行比对分析结果显示,该设备车型识别精度为94.56％,交通流量采集精度为96.84％,符合交通运输部总流量相对误差、总体车型识别相对误差在±10％内的要求.

摘要： 本文介绍了一种激光式自动车型分类系统,通过高精度的扫描式激光测距仪检测车辆的轮廓及轴数信息,按照全国统一的车型分类标准进行分类,分类信息用于ETC车道系统审核车辆是否存在换标签作弊行为.该激光式车型识别系统也可用于无人发卡系统,快速精准识别车型,防止人为作弊.

摘要： 在复杂的背景噪声环境下,基于近似熵理论,利用机动车行驶中辐射的声信号对车辆类型进行识别研究.近似熵具有抗干扰能力强的特点,可用于提取动态背景噪声下机动车声信号的车型特征信息.首先,对声信号进行3层小波包分解;然后利用近似熵量化各子频带信号的不规则性,描述其不同的变化趋势以区别车辆类型.最后,将分解后的8个子频带信号的近似熵相邻比值作为信号的特征向量,输入到支持向量机进行车型分类,实验结果证实了所提方法的可行性和有效性.

摘要： 研究在车型识别中基于经验模式分解(EMD)的特征提取算法.针对地面运动目标产生的声信号,长期以来主要是通过假定信号短时平稳来提取特征参数的,提取得到的是目标信号的短时静态特征.以适用于非线性时变信号分析的经验模式分解法(EMD)为基础,提出了一种基于EMD的能量比率系数提取方法.并在BP神经网络下,对三类车辆样本数据,测试验证了提取特征的有效性.实验证明,该方法利用EMD分解后信号动态频率组成,能准确表征声目标频带-能量特征,为识别系统提供更丰富的目标信息.

摘要： 物体检测与识别是计算机视觉领域的长期研究热点.在特征提取、检测、识别的一般化流程中,检测与识别通常被作为两个相互独立的模块分别处理.本文提出一种能够同时实现物体检测和类型识别的整合算法,并给出参数选择的实现方法和细节.该算法基于目前最有效的物体检测方法之一——可变形部件模型(Deformable Part Models,DPM),通过增加得分偏置,进而融合多个不同类别模型的检测结果,最终结果不仅含有检测信息,还包含子类识别信息,可同时实现物体检测和类型识别.本文在SJTUVehicle数据库中进行了车辆检测和车型识别实验.实验结果显示,该方法的车辆检测精度与车型识别准确率均可达95％以上.本文提出的方法具有一般性,可扩展用于其他物体的检测和子类识别.

摘要： 本发明提出一种涂装车间预处理线的车型识别装置，包括：倒水站、数个输送滚床和喷淋站。倒水站对车身进行倒水，倒水站识别车型并获取车型标志信息，倒水完成后倒水站传递车身和车型标志信息。数个输送滚床依次设置，倒水站将车身传递到第一个输送滚床上，车身在各个输送滚床上依次传递，直至传递到最后一个输送滚床上，输送滚床接收并存储车身的车型标志信息。喷淋站具有喷淋设备，喷淋设备接收车型标志信息并依据车型标志信息设置喷淋模式，车身由最后一个输送滚床传递到喷淋站，根据设置的喷淋模式进行喷淋，喷淋站在喷淋完毕后传递车身。本发明提出一种涂装车间预处理线的车型识别方法。

摘要： 本发明提出了一种基于深度学习的车型识别模型构建方法，该方法针对车型识别问题，设计了一种深层卷积神经网络结构，联合采用softmax分类损失和利用车型类别的层次化结构构建的基于四元组的排序损失来监督深层卷积神经网络的训练，实现对车型类内差异和类间差异的同时约束，以期学到语义信息更丰富的特征表示和更具有判别力的分类器；为了加快网络收敛，还采用了一种在线困难样本挖掘策略和改进的梯度反传优化算法，大大缩短了网络训练时间。同时本发明还提出了一种基于深度学习的车型识别方法，该方法利用上述模型构建方法构建的模型进行车辆图片中车辆类型的识别，有效提升车型分类精度。

摘要： 为了即使在基于车辆的车身的至少一部分的特征识别不出车型的情况下也能够识别或估计该车辆的车型，本公开的车型识别装置(2)构成为，具备：存储部(14)，其保存有第一数据库和第二数据库，该第一数据库针对多个车型中的每个车型存储有各车型的车身的至少一部分的特征量，该第二数据库针对每个所述车型存储有各车型的所述车身的至少一部分内所包含的部件的特征量；以及处理器(15)，其进行第一车型识别处理和第二车型识别处理，在该第一车型识别处理中，基于从摄像图像提取出的所述车身的至少一部分的特征量，参照第一数据库来识别所述车辆的车型，在该第二车型识别处理中，基于从摄像图像提取出的所述部件的特征量，参照第二数据库来识别所述车辆的车型。

摘要： 为了提供一种能够限定在特定的局部区域来高精度地提取目标车辆的车型识别装置、车型识别系统以及车型识别方法，车型识别系统包括摄像装置、显示装置、车型识别装置以及将它们连接的总线，车型识别装置具有输入装置、存储装置以及处理器。用户利用输入装置进行搜索，处理器根据该搜索条件，基于第一规则使第一车辆图像列表、车辆图像以及参照图像显示于显示装置。用户对参照图像进行参照来调查目标车型的特征，确定具有特征的局部区域。处理器获取所确定的局部区域的局部确定信息，基于第二规则来进行搜索，使第二车辆图像列表和车辆图像显示于显示装置。

摘要： 本申请涉及激光雷达领域，尤其涉及一种基于激光雷达的车型识别装置，本申请公开了一种车型识别装置，包括设置在车道上方的激光雷达模块，处理模块，至少一个倾斜雷达，至少一个垂直雷达，用于获取车辆参数；所述的处理模块与激光雷达模块电路连接，用于接收激光雷达模块获取的车辆参数，并进行数据处理，判别车型。本申请实施例通过将多个激光雷达模块设置在车道上方，且包括至少一个倾斜雷达，至少一个垂直雷达，对车辆进行测量，获取车辆参数，将车辆参数通过数据处理得到识别结果，实现车型分类，结构简单，计算量小。

摘要： 本发明提出一种涂装车间预处理线的车型识别装置，包括：倒水站、数个输送滚床和喷淋站。倒水站对车身进行倒水，倒水站识别车型并获取车型标志信息，倒水完成后倒水站传递车身和车型标志信息。数个输送滚床依次设置，倒水站将车身传递到第一个输送滚床上，车身在各个输送滚床上依次传递，直至传递到最后一个输送滚床上，输送滚床接收并存储车身的车型标志信息。喷淋站具有喷淋设备，喷淋设备接收车型标志信息并依据车型标志信息设置喷淋模式，车身由最后一个输送滚床传递到喷淋站，根据设置的喷淋模式进行喷淋，喷淋站在喷淋完毕后传递车身。本发明提出一种涂装车间预处理线的车型识别方法。

摘要： 本发明提出了一种基于深度学习的车型识别模型构建方法，该方法针对车型识别问题，设计了一种深层卷积神经网络结构，联合采用softmax分类损失和利用车型类别的层次化结构构建的基于四元组的排序损失来监督深层卷积神经网络的训练，实现对车型类内差异和类间差异的同时约束，以期学到语义信息更丰富的特征表示和更具有判别力的分类器；为了加快网络收敛，还采用了一种在线困难样本挖掘策略和改进的梯度反传优化算法，大大缩短了网络训练时间。同时本发明还提出了一种基于深度学习的车型识别方法，该方法利用上述模型构建方法构建的模型进行车辆图片中车辆类型的识别，有效提升车型分类精度。

摘要： 本发明公开了一种基于车型图像的模式集直方图的车型识别方法,首先对车型图像数据库，根据词袋模型构建图像的直方图表示；接着对图像的直方图进行多次随机投影，然后进行二值化处理，得到图像的二值化事务项数据集；再将二值化事务项数据集进行模式挖掘，构成图像的模式集直方图表示；对所有车型图像的模式集直方图进行one？vs？rest线性SVM训练，得到每种类别车型图像的分类器，联合后得到车型识别系统；而对测试车型图像，提取其基于训练集中每种车型图像的模式集直方图表示，将其导入车型识别系统进行测试，识别出车型。本发明算法快速高效，提高了识别速度，消耗内存少，具有较高的实用性和鲁棒性。

摘要： 本发明公开了一种车牌定位识别、车标定位识别及车型识别的方法及装置，它是由摄像机对车道提取车辆车头图像，利用其颜色空间特征及空间信息特征进行车牌区域定位，利用车牌与车标拓扑结构关系定位到车标并在标准车标库中进行车标识别，找到对应的车辆类型的大类，再提取车标左或右向的花纹及同向车灯区域图像，进行判断，在车标选定的大类中根据车标周围花纹及车灯进行具体类型确定；定位及车型识别是车辆识别系统的关键技术，利用图像信息对车辆车牌、车标、车辆类型自动登记、验证、监视、报警，识别准确度高，适应各种环境，可在交通卡口监控管理系统、智能能交通系统、高速公路收费系统及大型停车场管理系统中使用，为交通规范化管理，识别套牌、挪用车辆、打击盗抢机动车等服务。

摘要： 本实用新型公开一种多车型共线的车型识别装置，其特征在于：所述的装置包括安装架（1），所述安装架（1）的顶部设置有接近开关（2），安装架（1）的底部则连接有套筒（3），所述套筒（3）内活动连接有触发杆（4），所述触发杆（4）的底部设置有限位台阶（5），所述触发杆（4）外套接有弹簧（6），所述弹簧位于限位台阶（5）和套筒（3）的顶盖（7）之间，所述触发杆（4）的顶端和底端均突出于套筒（3）外，同时所述的接近开关（2）与触发杆（4）的顶端相匹配。