【技术实现步骤摘要】
本专利技术涉及智慧交通，更具体的说是涉及一种用于桥梁中行驶车辆的车型分类方法、装置及可存储介质。
技术介绍
1、目前，汽车数量和交通流量呈现出持续增长的趋势，导致了日益严重的交通问题。为了有效解决这一挑战，近年来学术界提出了智能交通系统(intelligenttransportationsystem，its)的概念。车型识别作为its的重要组成部分，对于实现智能化交通具有重要意义。
2、但是，现有的车型识别方法基于视频信号，然而其图像识别准确率易受天气、拍摄质量等因素的影响，无法有效应对外部环境变化。
3、因此，如何提供一种能够解决上述问题的车型识别方法是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种用于桥梁中行驶车辆的车型分类方法、装置及可存储介质，通过捕捉车辆通过桥梁时产生的转角变换信号，在实现车辆分类时可能无需额外的传感器或设备，减少了对车辆进行监测的侵入性。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种用于桥梁中行驶车辆的车型分类方法，包括以下步骤：
4、实时采集桥梁通过车辆的车牌图像数据以及对应的桥梁转角变形数据；
5、对所述车牌图像数据进行识别，得到重复车流量信息，同时对所述桥梁转角变形数据进行处理，得到所述重复车流量信息对应的特征数据，并将所述特征数据按照一定比例划分为训练集和测试集；
6、构建并优化分类模型，利用所述训练集和所述测试集
7、利用所述分类模型进行后续的识别，得到分类结果。
8、优选的，得到所述重复车流量信息对应的特征数据的具体处理过程包括：
9、对所述桥梁转角变形数据进行预处理；
10、将经过预处理的所述桥梁转角变形数据提取对应的mfcc特征数据以及频谱质心特征数据；
11、将所述mfcc特征数据以及频谱质心特征数据进行水平堆叠，形成特征数组；
12、将所述特征数组作为所述特征数据。
13、优选的，构建并优化分类模型的具体处理过程包括：
14、构建分类模型，其中所述分类模型为lightgbm模型；
15、通过直方图优化方法、并行学习方法和互斥特征捆绑方法对所述lightgbm模型进行优化。
16、优选的，利用所述训练集和所述测试集对经过优化的所述分类模型进行训练及测试的具体处理过程包括：
17、结合超参数调优方法以及所述训练集对所述lightgbm模型进行训练；
18、利用所述测试集对经过训练的所述lightgbm模型进行测试。
19、优选的，结合超参数调优方法以及所述训练集对所述lightgbm模型进行训练的具体处理过程包括：
20、将所述训练集随机分为k份，得到k份数据集；
21、应用k折交叉验证法得到k组由k-1份数据集构成的训练集和包含1份数据的验证集；
22、每组数据集均使用数据集训练所述lightgbm模型，并运用早停法，在所述lightgbm模型于验证集上性能降低时停止迭代训练，确定k个最优模型，所述lightgbm模型由k个最优模型整合而成；
23、更新模型超参数，并重新在数据集上进行训练，选用均方误差最小的超参数组合对应模型作为最终的所述lightgbm模型。
24、本专利技术还提供一种用于桥梁中行驶车辆的车型分类装置，包括：
25、数据采集模块，用于实时采集桥梁通过车辆的车牌图像数据以及对应的桥梁转角变形数据；
26、数据处理模块，用于对所述车牌图像数据进行识别，得到重复车流量信息，同时对所述桥梁转角变形数据进行处理，得到所述重复车流量信息对应的特征数据，并将所述特征数据按照一定比例划分为训练集和测试集；
27、模型构建模块，用于构建并优化分类模型，利用所述训练集和所述测试集对经过优化的所述分类模型进行训练及测试；
28、识别模块，用于利用所述分类模型进行后续的识别，得到分类结果。
29、本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的车型分类方法。
30、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种用于桥梁中行驶车辆的车型分类方法、装置及可存储介质，具有如下有益效果：
31、1)环境适应性：车辆通过桥梁时产生的转角变换信号可能在不同的环境中具有较好的适应性。相较于一些对环境要求较高的摄像头或技术，如摄像头需要清晰的视野、雷达需要恶劣天气下的准确性等，基于转角变换信号的分类方法可能在不同天气和光照条件下仍然有效。
32、2)成本效益：采用基于转角变换信号的车辆分类方法可能会降低成本。由于不需要额外的传感器或设备，成本较低，且在一些场景中可能更易于部署和维护。这有助于提高车辆分类技术的实际可行性，并在更广泛的应用中发挥作用。转角变形信号就具有更强的外界环境适应性，对于季节、天气等外界因素的干扰较小，便于采集且无需实时采集。此外，转角变形信号的大小远小于视频文件，不仅方便计算，也有利于成本节约。
33、3)非侵入性识别：通过捕捉车辆通过桥梁时产生的转角变换信号，在实现车辆分类时可能无需额外的传感器或设备，减少了对车辆进行监测的侵入性。相对于一些需要额外设备或传感器的方法，这种非侵入性的识别方式可能更为经济且实用。
本文档来自技高网...【技术保护点】
1.一种用于桥梁中行驶车辆的车型分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于桥梁中行驶车辆的车型分类方法，其特征在于，得到所述重复车流量信息对应的特征数据的具体处理过程包括：
3.根据权利要求1所述的一种用于桥梁中行驶车辆的车型分类方法，其特征在于，构建并优化分类模型的具体处理过程包括：
4.根据权利要求3所述的一种用于桥梁中行驶车辆的车型分类方法，其特征在于，利用所述训练集和所述测试集对经过优化的所述分类模型进行训练及测试的具体处理过程包括：
5.根据权利要求4所述的一种用于桥梁中行驶车辆的车型分类方法，其特征在于，结合超参数调优方法以及所述训练集对所述LightGBM模型进行训练的具体处理过程包括：
6.一种利用权利要求1-5任一项所述的一种用于桥梁中行驶车辆的车型分类方法的分类装置，其特征在于，包括：
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的车型分类方法。
【技术特征摘要】
1.一种用于桥梁中行驶车辆的车型分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于桥梁中行驶车辆的车型分类方法，其特征在于，得到所述重复车流量信息对应的特征数据的具体处理过程包括：
3.根据权利要求1所述的一种用于桥梁中行驶车辆的车型分类方法，其特征在于，构建并优化分类模型的具体处理过程包括：
4.根据权利要求3所述的一种用于桥梁中行驶车辆的车型分类方法，其特征在于，利用所述训练集和所述测试集对经过优化的所述分类模型进行训练及...
【专利技术属性】
技术研发人员：翔云，吕伟豪，沈杭杰，杨利斌，彭卫兵，
申请(专利权)人：杭州市滨江区浙工大网络空间安全创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。