一种电厂用污泥运输车辆识别方法及装置与流程

本技术涉及车辆识别，更具体地，涉及一种电厂用污泥运输车辆识别方法及装置。

背景技术：

1、在电厂运营过程中，产生大量的污泥是一个常见的问题。这些污泥需要及时而有效地处理和运输到相应的处理设施。为了确保污泥的安全运输和管理，电厂需要一种自动化的系统来识别污泥运输车辆。这种识别系统可以利用先进的图像处理和模式识别技术，对进出电厂的运输车辆进行准确的识别和监测。

2、现有技术中，运输车辆识别的准确性较低，且仅仅对车牌识别，导致适应性较差。

3、因此，如何提高识别准确性和适应性，是目前有待解决的技术问题。

技术实现思路

1、本发明提供一种电厂用污泥运输车辆识别方法，用以解决现有技术中识别精度低、适应性差的技术问题。所述方法包括：

2、获取污泥运输车辆数据，污泥运输车辆数据包括车体图像和车牌图像；

3、对车体图像和车牌图像进行数据预处理，得到初始车体图像和初始车牌图像；

4、根据初始车体图像建立第一cnn模型，根据初始车牌图像建立第二cnn模型；

5、获取待识别的初始车体图像和初始车牌图像，并利用第一cnn模型和第二cnn模型分别提取第一特征和第二特征；

6、将第一特征和第二特征代入到预设的识别模型中，从而识别污泥运输车辆。

7、本技术一些实施例中，对车体图像和车牌图像进行数据预处理，得到初始车体图像和初始车牌图像，包括：

8、车体图像包括前视图、侧视图、后视图、俯视图和斜视图；

9、确定前视图、侧视图、后视图、俯视图和斜视图中车辆内容图像与背景内容图像的占比关系；

10、若前视图、侧视图、后视图、俯视图和斜视图中车辆内容图像与背景内容图像的占比关系低于各自对应的预设占比，则裁剪对应车体图像，以满足预设占比，从而得到初始车体图像；

11、将车牌图像进行灰度化、二值化和去噪处理；

12、计算图像的垂直投影，并寻找峰值区域，从而进行车牌的字符分割，得到初始车牌图像。

13、本技术一些实施例中，根据初始车体图像建立第一cnn模型，包括：

14、获取初始车体图像的相关样本数据，定义相关样本数据中数据分别为正样本数据和负样本数据；

15、获取初始车体图像的复杂表征因素，并确定初始车体图像任务的复杂度；

16、

17、其中，p为初始车体图像任务的复杂度，n为复杂表征因素的数量，αi为第i项复杂表征因素对应的影响权重，qi为第i项复杂表征因素的参数，k1为第一常数，exp为指数函数，m为n项复杂表征因素中超过对应规定值的因素项数，βj为第j项复杂表征因素，wj为第j项复杂表征因素的参数超过规定值的超出量，k2为第二常数，[]为取整符号；

18、基于初始车体图像任务的复杂度确定正样本数据和负样本数据之间的比例，以及确定模型架构；

19、并根据确定后的正样本数据和负样本数据训练第一cnn模型。

20、本技术一些实施例中，根据初始车牌图像建立第二cnn模型，包括：

21、获取初始车牌图像的相关样本数据，定义相关样本数据中数据分别为正样本数据和负样本数据；

22、按照对应正样本数据和负样本数据之间的比例，划分成训练集、验证集和测试集，并构建第二cnn模型；

23、在第二cnn模型中添加特征提取层、全连接层，并根据正样本数据和负样本数据的总比例确定特征提取层的数量。

24、本技术一些实施例中，将第一特征和第二特征代入到预设的识别模型中，从而识别污泥运输车辆，包括：

25、计算第一特征和第二特征之间的相关度；

26、将相关度超过第一相关度的第一特征和第二特征定义为强相关关系；

27、将相关度超过第二相关度，且不超过第一相关度的第一特征和第二特征定义为中相关关系；

28、将相关度不超过第二相关度的第一特征和第二特征定义为弱相关关系；

29、将第一特征、第二特征以及两者之间的相关关系输入到预设识别模型中，识别污泥运输车辆。

30、对应的，本技术还提供了一种电厂用污泥运输车辆识别装置，所述装置包括：

31、第一模块，用于获取污泥运输车辆数据，污泥运输车辆数据包括车体图像和车牌图像；

32、第二模块，用于对车体图像和车牌图像进行数据预处理，得到初始车体图像和初始车牌图像；

33、第三模块，用于根据初始车体图像建立第一cnn模型，根据初始车牌图像建立第二cnn模型；

34、第四模块，用于获取待识别的初始车体图像和初始车牌图像，并利用第一cnn模型和第二cnn模型分别提取第一特征和第二特征；

35、第五模块，用于将第一特征和第二特征代入到预设的识别模型中，从而识别污泥运输车辆。

36、本技术一些实施例中，第二模块，用于：

37、车体图像包括前视图、侧视图、后视图、俯视图和斜视图；

38、确定前视图、侧视图、后视图、俯视图和斜视图中车辆内容图像与背景内容图像的占比关系；

39、若前视图、侧视图、后视图、俯视图和斜视图中车辆内容图像与背景内容图像的占比关系低于各自对应的预设占比，则裁剪对应车体图像，以满足预设占比，从而得到初始车体图像；

40、将车牌图像进行灰度化、二值化和去噪处理；

41、计算图像的垂直投影，并寻找峰值区域，从而进行车牌的字符分割，得到初始车牌图像。

42、本技术一些实施例中，第三模块，用于：

43、获取初始车体图像的相关样本数据，定义相关样本数据中数据分别为正样本数据和负样本数据；

44、获取初始车体图像的复杂表征因素，并确定初始车体图像任务的复杂度；

45、

46、其中，p为初始车体图像任务的复杂度，n为复杂表征因素的数量，αi为第i项复杂表征因素对应的影响权重，qi为第i项复杂表征因素的参数，k1为第一常数，exp为指数函数，m为n项复杂表征因素中超过对应规定值的因素项数，βj为第j项复杂表征因素，wj为第j项复杂表征因素的参数超过规定值的超出量，k2为第二常数，[]为取整符号；

47、基于初始车体图像任务的复杂度确定正样本数据和负样本数据之间的比例，以及确定模型架构；

48、并根据确定后的正样本数据和负样本数据训练第一cnn模型。

49、本技术一些实施例中，第三模块，用于：

50、获取初始车牌图像的相关样本数据，定义相关样本数据中数据分别为正样本数据和负样本数据；

51、按照对应正样本数据和负样本数据之间的比例，划分成训练集、验证集和测试集，并构建第二cnn模型；

52、在第二cnn模型中添加特征提取层、全连接层，并根据正样本数据和负样本数据的总比例确定特征提取层的数量。

53、本技术一些实施例中，第五模块，用于：

54、计算第一特征和第二特征之间的相关度；

55、将相关度超过第一相关度的第一特征和第二特征定义为强相关关系；

56、将相关度超过第二相关度，且不超过第一相关度的第一特征和第二特征定义为中相关关系；

57、将相关度不超过第二相关度的第一特征和第二特征定义为弱相关关系；

58、将第一特征、第二特征以及两者之间的相关关系输入到预设识别模型中，识别污泥运输车辆。

59、通过应用以上技术方案，获取污泥运输车辆数据，污泥运输车辆数据包括车体图像和车牌图像；对车体图像和车牌图像进行数据预处理，得到初始车体图像和初始车牌图像；根据初始车体图像建立第一cnn模型，根据初始车牌图像建立第二cnn模型；获取待识别的初始车体图像和初始车牌图像，并利用第一cnn模型和第二cnn模型分别提取第一特征和第二特征；将第一特征和第二特征代入到预设的识别模型中，从而识别污泥运输车辆。本技术通过车体图像和车牌图像建立cnn模型，从而准确提取图像特征，并根据图像特征间的相关性，识别车辆。提高了识别的精度，保证了识别的适应性。