[发明专利]基于车轴数据的车辆超重行驶监测方法及其系统

说明书

本申请公开了一种基于车轴数据的车辆超重行驶监测方法及其系统，其考虑到随着车辆载重的增加，车轴所承受的应力会增大而发生不同程度的形变，且该形变是连续、微弱递进的，因此，基于人工智能技术通过车轴图像特征来对车轴应受不同载重下的受力情况继而来判断车辆是否属于超重行驶的状态，这样可基于车辆自身的视觉传感器来对自身的行驶状态进行监测，而无需在路面上部署于压力传感器，从而能够实现对车辆行驶状态的实时在线监控。

技术领域

本申请涉及车辆监测领域，且更为具体地，涉及一种基于车轴数据的车辆超重行驶监测方法及其系统。

技术背景

随着经济的发展和交通运输业的日益繁荣，部分车主片面追求经济利益，经常出现车辆超限、超载的情况。违法超限超载不仅严重破坏公路和桥梁设施，容易引发道路交通事故，危害人民群众的生命财产安全，而且严重扰乱运输市场秩序。

因此，需要对车辆是否超重行驶进行监测，传统的车辆超重行驶基于压力传感器所采集的车辆压力值与预定阈值之间的比较来进行，但这需要在道路的特定位置设置车辆超重检测仪，也就是，仅可以在道路的特定位置进行车辆超重行驶监测。另一方面，部署于道路上的车辆超重检测仪也容易被破坏。

因此，期待一种优化的车辆超重行驶监测方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于车轴数据的车辆超重行驶监测方法及其系统，其考虑到随着车辆载重的增加，车轴所承受的应力会增大而发生不同程度的形变，且该形变是连续、微弱递进的，因此，基于人工智能技术通过车轴图像特征来对车轴应受不同载重下的受力情况继而来判断车辆是否属于超重行驶的状态，这样可基于车辆自身的视觉传感器来对自身的行驶状态进行监测，而无需在路面上部署于压力传感器，从而能够实现对车辆行驶状态的实时在线监控。

根据本申请的一个方面，提供了一种基于车轴数据的车辆超重行驶监测方法，其包括：

车轴数据采集步骤：获取待检测车辆的车轴检测图像和车轴参考图像，所述车轴参考图像为与待检测车辆同型号的车辆在超重行驶状态下的车轴图像；

孪生检测步骤：将所述车轴检测图像和所述车轴参考图像通过包含第一图像编码器和第二图像编码器的孪生网络模型以得到检测特征向量和参考特征向量；

转移评估步骤：计算所述检测特征向量相对于所述参考特征向量的转移矩阵；以及

监测结果生成步骤：将所述转移矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测车辆是否处于超重行驶状态。

在上述基于车轴数据的车辆超重行驶监测方法中，所述孪生检测步骤，包括：检测图像编码子步骤：使用所述孪生网络模型的第一图像编码器对所述车轴检测图像进行多尺度深度卷积编码以得到所述检测特征向量；以及，参考图像编码子步骤：使用所述孪生网络模型的第二图像编码器对所述车轴参考图像进行多尺度深度卷积编码以得到所述参考特征向量。

在上述基于车轴数据的车辆超重行驶监测方法中，所述第一图像编码器和所述第二图像编码器具有相同的网络结构。

在上述基于车轴数据的车辆超重行驶监测方法中，所述第一图像编码器和所述第二图像编码器包括作为特征提取器的卷积神经网络和与所述卷积神经网络级联的混合卷积层。

在上述基于车轴数据的车辆超重行驶监测方法中，所述检测图像编码子步骤，包括：检测图像特征提取二级子步骤：使用所述第一图像编码器的作为特征提取器的卷积神经网络的各层对输入数据分别进行卷积处理、池化处理和非线性激活处理以由所述作为特征提取器的卷积神经网络的最后一层输出检测特征图；以及，检测特征图多尺度感知二级子步骤：使用所述第一图像编码器的混合卷积层对所述检测特征图进行多尺度感知以得到所述检测特征向量。