首页 / 专利库 / 人工智能 / 机器学习 / 分析学习 / 一种基于多模态车辆特征识别的车辆特征融合系统

一种基于多模态车辆特征识别的车辆特征融合系统

阅读:1023发布:2020-11-16

专利汇可以提供一种基于多模态车辆特征识别的车辆特征融合系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于多模态车辆特征识别的车辆特征融合系统,包括感应模 块 、监控模块、处理模块、提取模块、特征融合模块、匹配模块、决策模块和报警模块,所述感应模块包括感应器,用于感应车辆的出现,并在感应到车辆后,将 信号 传输给监控模块,所述监控模块包括摄像头,用于拍摄车辆的图片,并将拍摄的车辆图片传输给处理模块,所述处理模块包括 微处理器 、接收模块和传输模块,接收模块用于接收监控模块传输的图片信息,微处理器用于处理接收模块接收的图片信息,传输模块用于将处理的图片结果传输给提取模块,所述提取模块包括车辆 颜色 提取模块本发明可同时对车辆颜色、车检坐标和车辆车牌号进行检测。,下面是一种基于多模态车辆特征识别的车辆特征融合系统专利的具体信息内容。

1.一种基于多模态车辆特征识别的车辆特征融合系统,包括感应模、监控模块、处理模块、提取模块、特征融合模块、匹配模块、决策模块和报警模块,其特征在于:
所述感应模块包括感应器,用于感应车辆的出现,并在感应到车辆后,将信号传输给监控模块;
所述监控模块包括摄像头,用于拍摄车辆的图片,并将拍摄的车辆图片传输给处理模块;
所述处理模块包括微处理器、接收模块和传输模块,接收模块用于接收监控模块传输的图片信息,微处理器用于处理接收模块接收的图片信息,传输模块用于将处理的图片结果传输给提取模块;
所述提取模块包括车辆颜色提取模块、车检坐标提取模块和车牌提取模块;
所述车辆颜色提取模块用于提取图片中车辆的颜色信息,并将提取的特征数据信息传输给特征融合模块;
所述车检坐标提取模块用于提取图片中车辆的年检信息,并将提取的特征数据信息传输给特征融合模块;
所述车牌提取模块用于提取图片中车辆的车牌照信息,并将提取的特征数据信息传输给特征融合模块;
所述特征融合模块包括融合模块,融合模块用于融合车辆颜色提取模块、车检坐标提取模块和车牌提取模块提取的图片中车辆的特征数据信息,并将融合后的特征数据信息传输给匹配模块;
所述匹配模块包括运算模块和目标模块,目标模块存储有目标车辆信息,运算模块用于运算融合模块传输的图片中车辆的特征信息和目标模块中目标车辆的信息,并将运算结果数据信息传输给决策模块;
所述决策模块包括判断单元,判断单元用于判断匹配模块传输的特征信息是否符合目标车辆信息,当判断车辆信息符合时,决策模块会控制报警模块工作;所述报警模块包括报警器,用于提示工作人员及时了解目标车辆。
2.根据权利要求1所述的一种基于多模态车辆特征识别的车辆特征融合系统,其特征在于:所述感应器为红外线感应器,通过发射红外线光,可快速感应是否有车辆经过。
3.根据权利要求1所述的一种基于多模态车辆特征识别的车辆特征融合系统,其特征在于:所述摄像头为AHD监控摄像头,AHD监控摄像头为200万高清摄像头,重量为0.85Kg,体积小便于安装。
4.根据权利要求1所述的一种基于多模态车辆特征识别的车辆特征融合系统,其特征在于:所述微处理器基于Nehalem微架构,2颗核心,内置三通道DDR2内存控制器,每颗核心独享8KB二级缓存,1-4MB共享三级缓存。
5.根据权利要求1所述的一种基于多模态车辆特征识别的车辆特征融合系统,其特征在于:所述车检坐标提取模块包括行扫描单元,采用行扫描法可确定年检保险标志边缘以及相应坐标,提取待测参数对应的测量特征点,研究各测量特征点的拓扑信息,确定基于拓扑信息的特征向量;经亚像素边缘提取后,利用OpenCV中的亚像素点检测函数,检测所有角点,最后根据极限误差理论,分析误差产生的原理,对检测数据与年检标志的真实尺寸进行比较,建立畸变与误差补偿函数,对其所测量后的数据进行畸变校正和误差处理,以提高系统的对于年检标示的测量精度需求。
6.根据权利要求1所述的一种基于多模态车辆特征识别的车辆特征融合系统,其特征在于:所述车辆颜色提取模块包括向量机单元,向量机单元它基于结构险最小化理论之上在特征空间中建构最优分割超平面,使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界,对于车身颜色的提取,需要根据颜色特征和拉格朗日乘子理论设计最优支持向量机,也就是在车辆颜色的特征空间里求解条件极值问题,运用设计好的最优支持向量机识别车身颜色,在各种情况下如光照不同、目标检测有误、目标受遮挡或目标运动状态改变,都能很好地检测出车辆颜色;同时,各颜色识别率较高。
7.根据权利要求1所述的一种基于多模态车辆特征识别的车辆特征融合系统,其特征在于:所述目标模块为存储器,存储器用于存储目标车辆的信息,存储器的容量至少为2T硬盘
8.根据权利要求1所述的一种基于多模态车辆特征识别的车辆特征融合系统,其特征在于:所述报警器为蜂鸣报警器,蜂鸣报警器为AD11系列CDY-13A蜂鸣报警器。

说明书全文

一种基于多模态车辆特征识别的车辆特征融合系统

技术领域

[0001] 本发明属于车辆追踪技术领域,具体涉及一种基于多模态车辆特征识别的车辆特征融合系统。

背景技术

[0002] 近些年来,多模态特征识别技术日益发展,首先是多模态特征识别技术具有更高的安全性,可以有效降低非法入侵者进行系统的险,随着社会的发展,犯罪过程中越来越多的涉及到车辆的使用,对车辆认证与管理需求的不断增长,特征识别技术及其相关产品已经大量地进入到了社会生活的各个方面,为不断提高破案效率做出了贡献。但是,车辆识别技术在实际的应用过程中也出现了一些问题,例如,车牌可以比较容易地被复制与伪造,从而存在利用伪造的车牌副本对车辆识别系统进行欺骗的可能性。而且,现在的技术平,即使是伪造细微的指纹也可以实现,可见通过一定的技术手段获取车牌车身进行伪造的难度并不大。
[0003] 目前,多模态特征识别系统,不能同时对车辆颜色、车检坐标和车辆车牌号进行检测,单一靠车牌车身进行车辆识别,无疑准确率有待提高,为此,我们提出一种基于多模态车辆特征识别的车辆特征融合系统及吊装方法。

发明内容

[0004] 本发明的目的在于提供一种基于多模态车辆特征识别的车辆特征融合系统,可同时对车辆颜色、车检坐标和车辆车牌号进行检测,以解决上述背景技术中提出的问题。
[0005] 为实现上述目的,本发明提供如下技术方案一种基于多模态车辆特征识别的车辆特征融合系统,包括感应模、监控模块、处理模块、提取模块、特征融合模块、匹配模块、决策模块和报警模块;所述感应模块包括感应器,用于感应车辆的出现,并在感应到车辆后,将信号传输给监控模块;
所述监控模块包括摄像头,用于拍摄车辆的图片,并将拍摄的车辆图片传输给处理模块;
所述处理模块包括微处理器、接收模块和传输模块,接收模块用于接收监控模块传输的图片信息,微处理器用于处理接收模块接收的图片信息,传输模块用于将处理的图片结果传输给提取模块;
所述提取模块包括车辆颜色提取模块、车检坐标提取模块和车牌提取模块;
所述车辆颜色提取模块用于提取图片中车辆的颜色信息,并将提取的特征数据信息传输给特征融合模块;
所述车检坐标提取模块用于提取图片中车辆的年检信息,并将提取的特征数据信息传输给特征融合模块;
所述车牌提取模块用于提取图片中车辆的车牌照信息,并将提取的特征数据信息传输给特征融合模块;
所述特征融合模块包括融合模块,融合模块用于融合车辆颜色提取模块、车检坐标提取模块和车牌提取模块提取的图片中车辆的特征数据信息,并将融合后的特征数据信息传输给匹配模块;
所述匹配模块包括运算模块和目标模块,目标模块存储有目标车辆信息,运算模块用于运算融合模块传输的图片中车辆的特征信息和目标模块中目标车辆的信息,并将运算结果数据信息传输给决策模块;
所述决策模块包括判断单元,判断单元用于判断匹配模块传输的特征信息是否符合目标车辆信息,当判断车辆信息符合时,并将符合信息的车辆数据传输给报警模块;
所述报警模块包括报警器,用于提示工作人员检测到符合信息的车辆。
[0006] 优选的,所述感应器为红外线感应器,通过发射红外线光,可快速感应是否有车辆经过。
[0007] 优选的,所述摄像头为AHD监控摄像头,AHD监控摄像头为200万高清摄像头,重量为0.85Kg,体积小便于安装。
[0008] 优选的,所述微处理器基于Nehalem微架构,2颗核心,内置三通道DDR2内存控制器,每颗核心独享8KB二级缓存,1-4MB共享三级缓存。
[0009] 优选的,所述车检坐标提取模块包括行扫描单元,采用行扫描法可确定年检保险标志边缘以及相应坐标,提取待测参数对应的测量特征点,研究各测量特征点的拓扑信息,确定基于拓扑信息的特征向量;经亚像素边缘提取后,利用OpenCV中的亚像素点检测函数,检测所有角点,最后根据极限误差理论,分析误差产生的原理,对检测数据与年检标志的真实尺寸进行比较,建立畸变与误差补偿函数,对其所测量后的数据进行畸变校正和误差处理,以提高系统的对于年检标示的测量精度需求。
[0010] 优选的,所述车辆颜色提取模块包括向量机单元,向量机单元它基于结构风险最小化理论之上在特征空间中建构最优分割超平面,使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界,对于车身颜色的提取,需要根据颜色特征和拉格朗日乘子理论设计最优支持向量机,也就是在车辆颜色的特征空间里求解条件极值问题,运用设计好的最优支持向量机识别车身颜色,在各种情况下如光照不同、目标检测有误、目标受遮挡或目标运动状态改变,都能很好地检测出车辆颜色;同时,各颜色识别率较高。
[0011] 优选的,所述目标模块为存储器,存储器用于存储目标车辆的信息,存储器的容量至少为2T硬盘
[0012] 优选的,所述报警器为蜂鸣报警器,蜂鸣报警器为AD11系列CDY-13A蜂鸣报警器。
[0013] 本发明的技术效果和优点:本发明多模态车辆特征识别的车辆特征融合系统,当有车辆经过时,感应模块会感应到并将信号传输给监控模块,监控模块对车辆进行拍照,并将拍摄的图片传输给处理模块,处理模块将处理的结果传输给提取模块,提取模块会分别对车辆颜色、车检坐标和车牌进行提取的工作,并将提取的特征信息传输给特征融合模块,经过融合后的信息会出输给匹配模块进行匹配,匹配后的数据会传输给决策模块进行决策,如决策结果与目标车辆信息吻合,决策模块会控制报警模块工作,便于工作人员及时了解目标车辆,在特征提取、匹配和决策中的每一个层级均有可能发生融合,当在特征提取、匹配和决策模块过程中发生融合时,则不需要进行下一步骤,可达到同时对车辆颜色、车检坐标和车辆车牌号进行检测的工作。
附图说明
[0014] 图1为本发明的流程模块结构示意图;图2为本发明的处理模块结构示意图;
图3为本发明的提取模块结构示意图;
图4为本发明的匹配模块结构示意图;
图5为本发明的决策模块结构示意图。

具体实施方式

[0015] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0016] 本发明提供了如图1-5所示的一种基于多模态车辆特征识别的车辆特征融合系统,包括感应模块、监控模块、处理模块、提取模块、特征融合模块、匹配模块、决策模块和报警模块;所述感应模块包括感应器,用于感应车辆的出现,并在感应到车辆后,将信号传输给监控模块;
所述监控模块包括摄像头,用于拍摄车辆的图片,并将拍摄的车辆图片传输给处理模块;
所述处理模块包括微处理器、接收模块和传输模块,接收模块用于接收监控模块传输的图片信息,微处理器用于处理接收模块接收的图片信息,传输模块用于将处理的图片结果传输给提取模块;
所述提取模块包括车辆颜色提取模块、车检坐标提取模块和车牌提取模块;
所述车辆颜色提取模块用于提取图片中车辆的颜色信息,并将提取的特征数据信息传输给特征融合模块;
所述车检坐标提取模块用于提取图片中车辆的年检信息,并将提取的特征数据信息传输给特征融合模块;
所述车牌提取模块用于提取图片中车辆的车牌照信息,并将提取的特征数据信息传输给特征融合模块;
所述特征融合模块包括融合模块,融合模块用于融合车辆颜色提取模块、车检坐标提取模块和车牌提取模块提取的图片中车辆的特征数据信息,并将融合后的特征数据信息传输给匹配模块;
所述匹配模块包括运算模块和目标模块,目标模块存储有目标车辆信息,运算模块用于运算融合模块传输的图片中车辆的特征信息和目标模块中目标车辆的信息,并将运算结果数据信息传输给决策模块;
所述决策模块包括判断单元,判断单元用于判断匹配模块传输的特征信息是否符合目标车辆信息,当判断车辆信息符合时,并将符合信息的车辆数据传输给报警模块;
所述报警模块包括报警器,用于提示工作人员检测到符合信息的车辆。
[0017] 进一步的,所述感应器为红外线感应器,通过发射红外线光,可快速感应是否有车辆经过。
[0018] 进一步的,所述摄像头为AHD监控摄像头,AHD监控摄像头为200万高清摄像头,重量为0.85Kg,体积小便于安装。
[0019] 进一步的,所述微处理器基于Nehalem微架构,2颗核心,内置三通道DDR2内存控制器,每颗核心独享8KB二级缓存,1-4MB共享三级缓存。
[0020] 进一步的,所述车检坐标提取模块包括行扫描单元,采用行扫描法可确定年检保险标志边缘以及相应坐标,提取待测参数对应的测量特征点,研究各测量特征点的拓扑信息,确定基于拓扑信息的特征向量;经亚像素边缘提取后,利用OpenCV中的亚像素角点检测函数,检测所有角点,最后根据极限误差理论,分析误差产生的原理,对检测数据与年检标志的真实尺寸进行比较,建立畸变与误差补偿函数,对其所测量后的数据进行畸变校正和误差处理,以提高系统的对于年检标示的测量精度需求。
[0021] 进一步的,所述车辆颜色提取模块包括向量机单元,向量机单元它基于结构风险最小化理论之上在特征空间中建构最优分割超平面,使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界,对于车身颜色的提取,需要根据颜色特征和拉格朗日乘子理论设计最优支持向量机,也就是在车辆颜色的特征空间里求解条件极值问题,运用设计好的最优支持向量机识别车身颜色,在各种情况下如光照不同、目标检测有误、目标受遮挡或目标运动状态改变,都能很好地检测出车辆颜色;同时,各颜色识别率较高。
[0022] 进一步的,所述目标模块为存储器,存储器用于存储目标车辆的信息,存储器的容量至少为2T硬盘。
[0023] 进一步的,所述报警器为蜂鸣报警器,蜂鸣报警器为AD11系列CDY-13A蜂鸣报警器。
[0024] 综上所述,本发明多模态车辆特征识别的车辆特征融合系统,当有车辆经过时,感应模块会感应到并将信号传输给监控模块,监控模块对车辆进行拍照,并将拍摄的图片传输给处理模块,处理模块将处理的结果传输给提取模块,提取模块会分别对车辆颜色、车检坐标和车牌进行提取的工作,并将提取的特征信息传输给特征融合模块,经过融合后的信息会出输给匹配模块进行匹配,匹配后的数据会传输给决策模块进行决策,如决策结果与目标车辆信息吻合,决策模块会控制报警模块工作,便于工作人员及时了解目标车辆,在特征提取、匹配和决策中的每一个层级均有可能发生融合,当在特征提取、匹配和决策模块过程中发生融合时,则不需要进行下一步骤。
[0025] 最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈