[发明专利]包含图像和噪声的车辆数据库制备方法

说明书

本发明为包含图像和噪声的车辆数据库制备方法，首先在公共道路旁边设置采样点，采集车辆图像和噪声，并测量车辆速度；其次，对采集的车辆图像和噪声进行筛选，剔除图像包含密集车辆的数据和车辆噪声受到严重干扰的数据；然后，选取同时反映车辆正面和侧面特征的图像进行存储，对筛选后的车辆噪声数据进行截取和平移；最后，对保存车辆图像数据、车辆噪声数据以及说明文本。本发明制备的车辆数据库中的车辆数据既包含图像特征，还包含噪声特征和车辆速度，克服了现有技术中车辆图像数据库中缺少车辆噪声数据、车辆噪声数据库缺少车辆图像、记录车辆噪声的信息缺少车辆行驶车道和动力类型以及车辆视频数据库占有储存空间大且无直接速度信息的缺陷。

技术领域

本发明的技术方案涉及使用制备包含车辆多种信息车辆数据库获取、整理保存过程，具体地说是包含图像和噪声的车辆数据库制备方法。

背景技术

车辆已经成为现代社会中重要的交通工具，汽车数量的增加需要交通管理，同时智能交通是当今汽车领域中重要的发展方向。无论是车辆交通管理，还是车辆智能交通，必须对车辆进行识别和分类，其中需要庞大的车辆数据库满足训练模型需求。

现有技术中车辆图像数据库，主要有CompCars车辆数据库、Stanford cars车辆数据库和BIT-vehicle数据库，论文(Neurocomputing，2020，399：247–257)对上面三个车辆数据库进行了描述。CompCars是一个由香港中文大学构建的大型车辆数据库，由监控视频和网络下载的数据组成，包括了正视图、后部图、侧视图、前面-侧面和后面-侧面车辆图像。Stanford cars是一个由斯坦福大学构建的大型车辆数据库，专利CN109753999A应用Stanford cars车辆数据库识别了任意视角汽车图片的细粒度车型。专利CN109598218A和论文(计算机工程与设计，2019，40(11)：3331-3336+3348)使用BIT-Vehicle数据库。除了上面车辆数据库外，专利CN110008360A公开了包含特定背景图像的车辆目标图像数据库建立方法，该方法采集制作特定背景图像，制作只包含单一车辆图像的车辆特定背景的目标图像。

在声音数据库方面，主要有Urban Sound、Free Sound声音数据库。论文(工业控制计算机，2021，34(03):97-98+102)使用了Urban Sound和Free Sound声音数据库对神经网络进行训练，Urban-Sound收集了冷气机、汽车喇叭、儿童玩耍、狗吠声、钻孔、发动机空转、枪击声、手持式凿岩机、警笛、街头音乐；Free Sound是一个开放的声音数据库，也可以用于科学研究，方便搜集特种车辆警报声，其中车辆警报声中广泛包括了救护车、警车、消防车、工程车等各种特种车辆的声音。在论文(科学技术与工程，2020，20(33)：13757-13761)中同样了使用了Urban-Sound8K声音数据集。

以上众多图像数据库包含了车辆图像，但是缺少了车辆噪声信息。声音数据库中包含了车辆鸣笛声音，并没有图像特征，采集的车辆视频数据库中同时包含车辆图像和车辆产生的声音，但是视频耗费了大量存储空间，并且缺少了车辆速度具体的数值。

总之，上述车辆图像数据库注重了车辆的图像特征，应用在车辆图像类型识别和分类，忽略了车辆噪声特征；声音数据库包含了声音特征，用于声音类型识别和分类，忽略了图像特征；车辆视频数据库占有庞大存储空间，并且不含有车辆速度。

发明内容