一种基于蓝牙网络的货车车型识别系统及识别方法与流程

本发明涉及车辆监测，具体为一种基于蓝牙网络的货车车型识别系统及识别方法。

背景技术：

1、车辆监测技术是利用各种传感器、数据采集设备以及相关算法和系统，对车辆的状态、行为和性能进行实时监测和分析的技术，例如：车辆位置监测：通过全球定位系统(gps)、惯性导航系统(ins)等设备，实时获取车辆的位置信息，并利用地理信息系统(gis)将位置数据与地图匹配，实现车辆的精确定位和轨迹跟踪；车辆行为监测：通过加速度传感器、陀螺仪等设备，采集车辆加速度、速度、角度等相关信息，分析车辆的加速、制动、转弯等行为，以及车辆的姿态和稳定性；车辆故障监测：利用车载诊断系统(obd)、传感器和故障诊断算法，对车辆的各个系统进行监测，如发动机、传动系统、制动系统等，实时检测故障码和异常信号，提前预警并诊断车辆故障；车辆车型识别：利用图像识别技术，获取车辆外观与数据库内录入的2000多种车辆外观进行比对，若一致，则输出对应的车辆车型。

2、现有申请号为：202010104820.0，名称为一种货车车型和轴型识别方法和系统的中国发明专利的技术方案中指出：通过深度学习在目标分类和识别中的应用，以解决利用图像或视频识别货车车型和轴型的问题，比较直观地把货车的外观特征数据结构化；包括以下步骤：s1采集原始车辆侧面和正面图像或视频；s2检测定位车辆位置后，输入训练的深度学习模型进行货车车轴的定位和识别；s3根据车辆侧面图像检测的车辆轴数和位置计算车辆的轴数、轴距和轮胎数等参数；s4根据车辆正面图像进行车型识别和分类；另有申请号为202211298769.7的发明专利中指出的技术方案为：(1)选取多个车型的货车拍摄货车场景图像，构建货车病害数据集；(2)获取待检测的货车过车图像；(3)基于全局多维度注意力机制对待检测的货车过车图像进行分类；(4)基于faster-rcnn深度学习神经网络，检测待检测的货车过车图像是否存在病害，并对病害进行定位；(5)识别病害；涉及视觉技术在铁路货车病害识别中的应用，将深度神经网络技术与图像检测识别技术结合起来进行使用。

3、然而，针对上述专利结合现有技术而言，传统在高速路口收费处通常配备电子摄像头，在各个货车进入收费口停车缴费的过程中，电子摄像头完成对整车的拍摄处理，通常是通过图像分析或是将图像分析与深度神经网络算法结合来完成对货车车型的识别处理，但仅仅是基于图像分析内容来识别车型，车型在识别得出后无法通过其他方式加以验证，从而导致车型识别结果的准确性得不到进一步的提高，在传统的车型识别系统中对于系统设计本身的稳定程度没有进行验证，可能会出现工作一段时间后或是刚开始工作就发生系统故障的情况，影响到后续车型识别工作的有效进行，继而影响车型识别工作的整体效率。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于蓝牙网络的货车车型识别系统及识别方法，通过采用图像和声音采集相结合进行分析验证的方式，来提高对于货车车型判断的准确性，同时为了保证识别系统运行的稳定，需要提前进行模拟测试，并以分析计算得出的系统状态评估值xpgz与预设阈值进行对比，得出系统是否稳定的结果，通过调试或是执行策略来保证识别系统最终得以稳定运行，以解决了背景技术中提出关于传统对于货车车型识别时出现的识别准确性无法提高以及识别系统稳定性没有提前模拟验证的问题。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：

5、一种基于蓝牙网络的货车车型识别系统，包括：

6、音像采集模块，获取音像数据，其包括发动机启动声音和车辆外观图像；

7、音像识别模块，建立对应的识别模型，对通过蓝牙网络传输的音像数据进行处理，并提取对应的特征，用于车型识别；

8、仿真模拟模块，建立仿真模型，于仿真模型内抽取任一既定货车车型的相关信息，该相关信息为对应货车车型的声音特征和图像特征，并将对应货车车型的声音特征和图像特征作为模拟信号；

9、数据库对比验证模块，搭建车型数据库，包含若干货车型号对应的声音特征和图像特征，将模拟信号与车型数据库中的数据进行比对和匹配，并对匹配得到的货车型号进行相互验证，在验证结果一致时获取待输出对应的货车型号；

10、系统评估模块，获取评估参数后搭建数据分析模型，依据评估参数生成系统状态评估值xpgz，并将系统状态评估值xpgz与预设阈值进行对比，在系统状态评估值xpgz超过预设阈值时将待输出对应的货车型号进行正常输出。

11、进一步地，音像采集模块包括声音采集单元和图像采集单元，且声音采集单元用于采集发动机启动声音，图像采集单元用于采集车辆外观图像，音像识别模块包括声音识别单元和图像识别单元，在声音识别单元中建立声音识别模型，通过机器学习算法，提取通过蓝牙网络传输的发动机启动声音中的声音特征，在图像识别单元中建立图像识别模型，通过图像识别算法，提取通过蓝牙网络传输的车辆外观图像中的图像特征。

12、进一步地，在对匹配得到的货车型号进行相互验证时，还包括验证结果不一致的情况，需发出预警并执行应对策略，该应对策略为获取该货车型号，并将其对应的声音特征和图像特征录入车型数据库中。

13、进一步地，系统评估模块包括预处理单元和评估对比单元，预处理单元用于获取评估参数，且评估参数包括声音准确系数szx、图像准确系数tzx以及蓝牙稳定系数lwx，在评估对比单元内搭建数据分析模型，依据评估参数生成系统状态评估值xpgz，并将系统状态评估值xpgz与预设阈值进行对比。

14、进一步地，预处理单元中获取声音准确系数szx的步骤如下：

15、s101、在声音识别模型中进行计算和获取，通过输入一组已知标注的声音样本，使用机器学习算法进行训练和测试，通过训练集对声音识别模型进行训练，并使用测试集评估声音识别模型的准确率ac1、精确率pr1、召回率re1；

16、s102、根据准确率ac1、精确率pr1、召回率re1来计算声音准确系数szx时，所依据的公式如下：

17、

18、式中，a1、a2、a3分别为准确率ac1、精确率pr1、召回率re1的预设比例系数，且a3＞a1＞a2＞0，a1+a2+a3＝2.64。

19、进一步地，预处理单元中获取图像准确系数tzx的步骤如下：

20、s201、图像准确系数tzx可以使用图像识别模型进行计算和获取，通过输入一组已知标注的图像样本，使用图像识别算法进行训练和测试，通过训练集对图像识别模型进行训练，并使用测试集评估图像识别模型的准确率ac2、精确率pr2、召回率re2；

21、s202、根据准确率ac2、精确率pr2、召回率re2来计算图像准确系数tzx时，所依据的公式如下：

22、

23、式中，b1、b2、b3分别为准确率ac1、精确率pr1、召回率re1的预设比例系数，且b3＞b1＞b2＞0，a1+a2+a3＝2.57。

24、进一步地，预处理单元中获取蓝牙稳定系数lwx的步骤如下：

25、s301、获取t时间内不同时间节点下的传输速率vrt，t表示t时间内不同时间节点下的传输速率的编号，t＝{1、2、3、…、n}，其中的n为正整数；

26、s302、根据t时间内不同时间节点下的传输速率的平均值vr以及摄像头帧率vrt，来计算蓝牙稳定系数lwx，计算公式如下：

27、

28、进一步地，根据评估参数生成系统状态评估值xpgz所依据的公式如下：

29、

30、式中，α、β、γ分别为声音准确系数szx、图像准确系数tzx以及蓝牙稳定系数lwx的预设比例系数，且γ＞β＞α＞0，α+β+γ＝3.54，g为常数修正系数。

31、进一步地，将系统状态评估值xpgz与预设阈值进行对比后，若是系统状态评估值xpgz未超过预设阈值，则需执行调整策略，且调整策略为利用网格搜索方法，以调整声音识别模型和图像识别模型的超参数，并对蓝牙网络进行检修。

32、一种基于蓝牙网络的货车车型识别方法，包括如下步骤：

33、步骤一、获取音像数据，其包括发动机启动声音和车辆外观图像；

34、步骤二、建立声音识别模型，通过机器学习算法，提取通过蓝牙网络传输的发动机启动声音中的声音特征，同步建立图像识别模型，通过图像识别算法，提取通过蓝牙网络传输的车辆外观图像中的图像特征；

35、步骤三、建立仿真模型，于仿真模型内抽取任一既定货车车型的相关信息，该相关信息为对应货车车型的声音特征和图像特征，并将对应货车车型的声音特征和图像特征作为模拟信号；

36、步骤四、搭建车型数据库，包含若干货车型号对应的声音特征和图像特征，将模拟信号与车型数据库中的数据进行比对和匹配，并对匹配得到的货车型号进行相互验证；

37、在匹配成功的情况下，若是验证结果一致，则表示识别成功，获取待输出对应的货车型号；在匹配成功的情况下，若是验证结果不一致，则表示识别失败，发出预警并执行应对策略，该策略为获取该货车型号，并将其对应的声音特征和图像特征录入车型数据库中；

38、步骤五、获取评估参数后搭建数据分析模型，依据评估参数生成系统状态评估值xpgz，并将系统状态评估值xpgz与预设阈值进行对比；

39、若是系统状态评估值xpgz超过预设阈值，则表示系统状态稳定，将待输出对应的货车型号进行正常输出；若是系统状态评估值xpgz未超过预设阈值，则表示系统状态不稳定，需要执行调整策略，调整策略为利用网格搜索方法，以调整声音识别模型和图像识别模型的超参数，并对蓝牙网络进行检修。

40、(三)有益效果

41、本发明提供了一种基于蓝牙网络的货车车型识别系统及识别方法，具备以下有益效果：

42、1、相比于传统只是通过图像采集和分析的方式来完成对货车车型的识别，本发明通过将图像和声音采集相结合，并提取其中对应的图像特征和声音特征来完成后的识别工作，其中的声音识别单元与图像识别单元相互配合，且声音识别单元起到了验证和辅助判定的作用，增加了对货车车型判定的准确性，相比传统方法，准确性能够得到显著提高；

43、2、本发明通过设计蓝牙网络传输音像数据，实现了实时的车型识别，相比于传统需要时间和人力去采集和分析数据，以及设置冗长的数据线而言，识别系统可以及时获取和处理数据，提供快速的识别结果的同时还解决了数据线冗乱的潜在问题；

44、3、本发明通过设计仿真模拟模块和数据库对比验证模块相配合，在完成将模拟信号与车型数据库中的数据匹配和相互验证后，能够高效的完成对货车车型的识别处理，对于数据库中未录入的货车车型也存在应对策略，保证识别系统能够应对各种货车车型，并使得识别系统能够不断完善，为保证识别系统的稳定性和有效性，在识别出货车车型的第一时间内做出待输出处理，方便后续对整个识别系统完成检验；

45、4、本发明在识别系统中还加入了系统评估模块，保证识别系统在实际运用时的稳定性，在系统评估模块中综合考虑了声音准确系数szx、图像准确系数tzx以及蓝牙稳定系数lwx，确保生成系统状态评估值xpgz的准确性，在将系统状态评估值xpgz与预设阈值进行对比后即可快速判定识别系统在模拟运行状态下是否稳定，在确保识别系统稳定的前提下才能将识别出的货车车型结果输出，在识别系统不稳定时执行调整策略，实现了对整个识别系统的管理和优化。