【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于遙感圖像數(shù)據(jù)處理、數(shù)據(jù)分析、僵尸車預(yù)測領(lǐng)域，涉及一種基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法。
技術(shù)介紹
1、隨著城市化進(jìn)程的深度發(fā)展和汽車保有量的不斷增加，停車問題日益突出，在公共停車場或城市道路的路邊存在長期停放不動的機(jī)動駕駛車輛，這些車輛停放時(shí)間超出一定時(shí)期后通常被稱為僵尸車，會給城市交通帶來浪費(fèi)公共停車資源、交通擁堵和安全隱患等問題，需要城市交通管理部門定期對這些車輛進(jìn)行識別和相關(guān)處理。
2、中國專利cn111461024a公開“基于智能車載終端的僵尸車識別方法”，利用調(diào)查車輛的車載終端采集視頻，基于視頻數(shù)據(jù)以及人工實(shí)地調(diào)查確認(rèn)是否為僵尸車。該方法存在采集數(shù)據(jù)巡游路線長且范圍有限的問題。中國專利cn116416795a公開“基于交通大數(shù)據(jù)的僵尸車監(jiān)察方法及系統(tǒng)”，通過觀察數(shù)據(jù)庫中的車輛充電或加油時(shí)間間隔信息來判斷是否為僵尸車。公開號cn110517503a的專利技術(shù)專利申請文件公開了“基于大數(shù)據(jù)的僵尸車分析預(yù)警方法及裝置”，該方法基于城市全部卡口攝像頭抓拍車牌信息建立數(shù)據(jù)庫并動態(tài)實(shí)時(shí)更新，根據(jù)未更新天數(shù)確認(rèn)車牌號相應(yīng)車輛是否為僵尸車輛。這兩種方法存在大范圍數(shù)據(jù)獲取困難、動態(tài)數(shù)據(jù)維護(hù)成本較高、僵尸車停放位置信息不能在系統(tǒng)中直接查詢等缺點(diǎn)。因此，有必要提供一種全新的可對城市大范圍僵尸車進(jìn)行動態(tài)識別的方法。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述技術(shù)問題和缺陷，本專利技術(shù)的目的在于提供一種基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，該方法通過對多期衛(wèi)星遙感圖像
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)具體采用如下技術(shù)方案：
3、基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，該方法包括如下步驟：
4、步驟1.讀取衛(wèi)星遙感圖像車輛識別數(shù)據(jù)和可疑僵尸車數(shù)據(jù)庫初始化；
5、步驟1.1.導(dǎo)入衛(wèi)星遙感圖像數(shù)據(jù)，對衛(wèi)星遙感圖像進(jìn)行車輛識別，獲得車輛數(shù)據(jù)，包括車輛長度、車輛寬度、車輛中心點(diǎn)經(jīng)緯度坐標(biāo)、車頂顏色；
6、步驟1.2.定義車輛集合和車輛；
7、衛(wèi)星遙感圖像觀測范圍內(nèi)的車輛集合vc(t)={v(t,1),v(t,2),...,v(t,i),...,v(t,p)}；v(t,i)=[t,i,l,pc,cr]；其中，t表示衛(wèi)星遙感圖像的觀測期數(shù)，i表示車輛編號，p表示最大序號，v(t,i)表示第t期觀測數(shù)據(jù)的第i輛車輛，l表示車輛長度，pc=(x,y)表示車輛中心點(diǎn)經(jīng)緯度坐標(biāo)，cr=(l,a,b)表示車頂顏色lab值；
8、步驟1.3.定義可疑僵尸車數(shù)據(jù)庫和可疑僵尸車對象；
9、可疑僵尸車數(shù)據(jù)庫db(t)=[cz(1),cz(2),…,cz(k),…,cz(m)]；其中，k為可疑僵尸車對象cz(k)在數(shù)據(jù)庫中的序號，表示第k個(gè)可疑僵尸車對象，k∈[1,m];t為可疑僵尸車數(shù)據(jù)庫對應(yīng)的衛(wèi)星遙感圖像期數(shù),m表示數(shù)據(jù)庫里一共有m個(gè)可疑僵尸車對象；
10、可疑僵尸車對象cz(k)={cz(1),cz(2),...,cz(o),...,cz(n)}；其中，o為可疑僵尸車對象cz(k)鏈表中的第o個(gè)可疑僵尸車，o∈[1,n]；n表示可疑僵尸車對象cz(k)里一共有n個(gè)可疑僵尸車，n也代表可疑僵尸車對象cz(k)數(shù)據(jù)鏈的長度；
11、可疑僵尸車cz(o)=v(t,i)；其中,cz(o)為可疑僵尸車對象cz(k)中的第o個(gè)僵尸車；v(t,i)為第t期衛(wèi)星遙感圖像的第i輛車；等式表示第o個(gè)可疑僵尸車對應(yīng)于第t期衛(wèi)星遙感圖像的第i輛車；
12、步驟2.后期車輛與前期車輛的相似度計(jì)算；
13、步驟2.1.定義相鄰觀測期的前期與后期車輛；
14、前期車輛集合為vc(t-1)={v(t-1,1),v(t-1,2),...,v(t-1,p1)}，后期車輛集合為vc(t)={v(t,1),v(t,2),...,v(t,p2)}；其中，p1和p2分別表示前期和后期車輛集合對應(yīng)的車輛總數(shù)，(t-1)表示前期，t表示后期，(t-1)期與t期為相鄰觀測期；
15、步驟2.2.建立后期車輛的鄰域?qū)ο螅?/p>
16、建立后期車輛的鄰域?qū)ο螅鲟徲驅(qū)ο笥汕捌谲囕v構(gòu)成；定義車輛周圍等距離范圍為其鄰域，將車輛鄰域范圍半徑設(shè)定為nr米，對于vc(t)中的每一輛車輛v(t,i)=[t,i,l,pc,cr]，定義其鄰域?qū)ο髇v(t,i)為：
17、nv(t,i)={v(t-1,j)|dist(pc(t,i),pc(t-1,j))<nr,i∈[1,p2],j∈[1,p1]}；
18、其中，i表示后期車輛序號，j表示前期車輛序號，t和(t-1)為車輛所屬遙感圖像的期數(shù)，nr為鄰域半徑，p1和p2分別為前期和后期車輛集合的車輛總數(shù)，dist()表示距離函數(shù)，pc(t,i)表示后期車輛v(t,i)的坐標(biāo)，pc(t-1,j)表示前期車輛v(t-1,j)的坐標(biāo)；
19、步驟2.3.確定車輛的最近鄰居；
20、在車輛v(t,i)的鄰域?qū)ο髇v(t,i)中尋找與其位置距離最近的前期車輛做為其最近鄰居v’(t-1,j)；若車輛v(t,i)的鄰域?qū)ο髇v(t,i)為空集，則其最近鄰居也為空；
21、步驟2.4.位置差異與相似度計(jì)算；
22、計(jì)算位置差異，對后期車輛集合vc(t)中的每一個(gè)車輛v(t,i)，計(jì)算其和最近鄰居v’(t-1,j)之間的位置差異dist(t,i),表示為：
23、dist(t,i)=dist(pc1,pc2)；
24、其中，dist()為距離函數(shù)，pc1表示車輛v(t,i)的中心位置坐標(biāo)，pc2表示車輛v’(t-1,j)的中心位置坐標(biāo)，如果最近鄰居為空集，則dist(t,i)=∞；
25、計(jì)算位置相似度，位置相似度simdis(t,i)為：
26、simdis(t,i)=∫|x|>dist(t,i)?dist(x)dx；
27、其中，x為位置差異，符號∫為積分符號，?dist(x)為a類事件的位置隨機(jī)誤差的概率密度分布函數(shù)，?dist(x)=n(0,δ12)，n()表示為正態(tài)分布函數(shù)，δ1為位置觀測的隨機(jī)誤差標(biāo)準(zhǔn)差；|x|>dist(t,i)表示?dist(x)函數(shù)的積分范圍，當(dāng)dist(t,i)=∞時(shí)，simdis(t,i)=0；a類事件是指相鄰觀測期的最近鄰車輛是同一輛且未經(jīng)移動的事件；
28、步驟2.5.尺寸差異與相似度計(jì)算；
29、計(jì)算尺寸差異，對后期車輛集合vc(t)中的每一個(gè)車輛v(t,i)，計(jì)算其和最近鄰居v’(t-1,j)之間的尺寸差size(t,i)，表示為：
30、size(t,i)=dist(l1,l本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，該方法包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，步驟1通過深度學(xué)習(xí)中的You?Only?Look?Once?V5算法對衛(wèi)星遙感圖像進(jìn)行車輛識別。
3.根據(jù)權(quán)利要求1所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，位置相似度、尺寸相似度、顏色相似度計(jì)算時(shí)的Δ1、Δ2、Δ3的計(jì)算方法如下：
4.根據(jù)權(quán)利要求1所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，步驟2.2中鄰域半徑Nr為0.5米。
5.根據(jù)權(quán)利要求1所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，步驟4在數(shù)據(jù)庫DB(T)中，將所有可疑僵尸車對象CZ(k)按照其數(shù)據(jù)鏈的長度進(jìn)行降序排列，篩選出數(shù)據(jù)鏈長度n≥L的可疑僵尸車對象CZ(tk,k)數(shù)據(jù)，得到輸出數(shù)據(jù)DBfilter(T)：
6.根據(jù)權(quán)利要求3所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，Δ1、Δ2、Δ3分別為0.982、0.2
...【技術(shù)特征摘要】
1.基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，該方法包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，步驟1通過深度學(xué)習(xí)中的you?only?look?once?v5算法對衛(wèi)星遙感圖像進(jìn)行車輛識別。
3.根據(jù)權(quán)利要求1所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，位置相似度、尺寸相似度、顏色相似度計(jì)算時(shí)的δ1、δ2、δ3的計(jì)算方法如下：
4.根據(jù)權(quán)利要求1所述的基于多期衛(wèi)星遙感圖像信息的僵尸車統(tǒng)計(jì)識別方法，其特征在于，步驟2.2中鄰域半徑...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：唐明，張證，宗芳，趙昆，
申請(專利權(quán))人：吉林大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。