【技術實現(xiàn)步驟摘要】
本專利技術屬于智能停車領域，涉及一種停車檢測方法，尤其涉及一種基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法。
技術介紹
1、隨著我國城市化進程的加快，機動車保有量不斷增加，車輛的快速增長在帶來經(jīng)濟發(fā)展的同時也引發(fā)了停車難、亂停車等問題，在車輛數(shù)量與停車場容量不對等的情況下，實時檢測車位信息，實現(xiàn)智能停車尤為重要。
2、在現(xiàn)有的停車檢測方式中，地磁停車檢測方法由于安裝維護方便、抗干擾能力強和運行穩(wěn)定等優(yōu)點已得到廣泛的應用，其主要根據(jù)地磁傳感器檢測到的磁場強度相對于磁場基值的變化量進行判斷，當磁場基值隨時間發(fā)生漂移時，該方法可能會存在誤檢。此外，傳統(tǒng)的地磁停車檢測方法無法規(guī)避鄰位車輛對本位的影響，對一些復雜的車輛行為(比如跨鄰位)也很難準確判斷。
3、鑒于此，如今迫切需要設計一種停車檢測方式，以便克服傳統(tǒng)地磁停車檢測方法存在的缺陷。
技術實現(xiàn)思路
1、本專利技術目的在于提供一種基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，無需依賴磁場基值，能對本車位進出車、跨鄰位進出車、鄰位進出車等車輛行為進行準確判斷，以解決現(xiàn)有技術中當磁場基值隨時間發(fā)生漂移時，可能會存在誤檢，此外，傳統(tǒng)的地磁停車檢測方法無法規(guī)避鄰位車輛對本位的影響，對一些復雜的車輛行為也很難準確判斷的問題。
2、為解決上述技術問題，本專利技術采用如下技術方案：
3、一種基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，所述檢測方法包括：
4、步驟s1、
5、步驟s2、對不同車輛行為下地磁停車波形圖樣本進行標記，構建地磁停車波形數(shù)據(jù)集；
6、步驟s3、對地磁停車波形數(shù)據(jù)集的中樣本圖進行預處理；
7、步驟s4、定義卷積神經(jīng)網(wǎng)絡即定義googlenet的神經(jīng)網(wǎng)絡模型及其神經(jīng)網(wǎng)絡結構；
8、步驟s5、將步驟s3預處理后的地磁停車波形數(shù)據(jù)集輸入到步驟s4構建的googlenet卷積神經(jīng)網(wǎng)絡模型中進行訓練，調整googlenet卷積神經(jīng)網(wǎng)絡模型參數(shù)；
9、步驟s6、利用地磁停車檢測設備獲取磁場強度波形數(shù)據(jù)，以此作為待檢測樣本放入步驟s5訓練好的googlenet卷積神經(jīng)網(wǎng)絡模型中進行測試；
10、步驟s7、輸出分類結果，判斷是否為本位進出車。
11、作為本專利技術的一種優(yōu)選方案，步驟s1所述的不同行為方式包括本車位進車、本車位出車、跨車位進車、跨車位出車、鄰車位進車、鄰車位出車。
12、作為本專利技術的一種優(yōu)選方案，步驟s1所述的地磁停車檢測設備基于各向異性磁阻(amr)技術，能夠在車輛等鐵磁物質經(jīng)過時檢測出周圍磁場強度波形數(shù)據(jù)。
13、作為本專利技術的一種優(yōu)選方案，步驟s1所述的均值濾波處理可以消除原始波形中存在的細小毛刺等噪聲。
14、作為本專利技術的一種優(yōu)選方案，步驟s3所述的預處理方法指對地磁停車波形圖進行歸一化。
15、作為本專利技術的一種優(yōu)選方案，步驟s4所述卷積神經(jīng)網(wǎng)絡由輸入層、卷積層、池化層、全連接層和輸出層組成，輸入層、卷積層和池化層構成特征提取器，全連接層和輸出層構成分類器。
16、作為本專利技術的一種優(yōu)選方案，步驟s4所述googlenet卷積神經(jīng)網(wǎng)絡利用inception模塊代替?zhèn)鹘y(tǒng)卷積神經(jīng)網(wǎng)絡的卷積池化層，在增加網(wǎng)絡深度的同時減輕網(wǎng)絡結構負擔。
17、作為本專利技術的一種優(yōu)選方案，所述inception模塊由1×1，3×3，5×5的卷積核組成。
18、作為本專利技術的一種優(yōu)選方案，步驟s4所述googlenet卷積神經(jīng)網(wǎng)絡能自動提取目標類別特征，避免人工預選取特征帶來的不標準性。
19、作為本專利技術的一種優(yōu)選方案，步驟s5所述googlenet卷積神經(jīng)網(wǎng)絡模型訓練使用動量隨機梯度下降法，初始學習速率設置為0.0001，每次處理的數(shù)據(jù)個數(shù)為10，其余參數(shù)為默認值。
20、本專利技術的有益效果在于：
21、本專利技術提出的基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，利用googlenet卷積神經(jīng)網(wǎng)絡對地磁停車波形圖進行分類，并由分類結果判斷當前車輛的停車行為，不依賴于磁場基值，不受基值漂移的影響。此外，本專利技術可以將鄰近車位對本車位的干擾消除，提高設備檢測準確率。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述檢測方法包括：
2.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟S1中的所述不同行為方式包括本車位進車、本車位出車、跨車位進車、跨車位出車、鄰車位進車、鄰車位出車。
3.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟S1中的所述地磁停車檢測設備基于各向異性磁阻(AMR)技術，能夠在車輛等鐵磁物質經(jīng)過時檢測出周圍磁場強度波形數(shù)據(jù)。
4.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟S1中的所述均值濾波處理可以消除原始波形中存在的細小毛刺等噪聲。
5.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟S3中的所述預處理方法指對地磁停車波形圖進行歸一化，其轉化函數(shù)為：
6.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步
7.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟S4中的所述GoogLeNet卷積神經(jīng)網(wǎng)絡模型利用inception模塊代替?zhèn)鹘y(tǒng)卷積神經(jīng)網(wǎng)絡的卷積池化層，在增加網(wǎng)絡深度的同時減輕網(wǎng)絡結構負擔。
8.根據(jù)權利要求7所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述inception模塊由1×1，3×3，5×5的卷積核組成。
9.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟S4中的GoogLeNet卷積神經(jīng)網(wǎng)絡模型能自動提取目標類別特征，避免人工預選取特征帶來的不標準性。
10.根據(jù)權利要求1所述的基于GoogLeNet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，
...【技術特征摘要】
1.一種基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述檢測方法包括：
2.根據(jù)權利要求1所述的基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟s1中的所述不同行為方式包括本車位進車、本車位出車、跨車位進車、跨車位出車、鄰車位進車、鄰車位出車。
3.根據(jù)權利要求1所述的基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟s1中的所述地磁停車檢測設備基于各向異性磁阻(amr)技術，能夠在車輛等鐵磁物質經(jīng)過時檢測出周圍磁場強度波形數(shù)據(jù)。
4.根據(jù)權利要求1所述的基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟s1中的所述均值濾波處理可以消除原始波形中存在的細小毛刺等噪聲。
5.根據(jù)權利要求1所述的基于googlenet卷積神經(jīng)網(wǎng)絡的地磁停車檢測方法，其特征在于，所述步驟s3中的所述預處理方法指對地磁停車波形圖進行歸一化，其轉化函數(shù)為：
6.根據(jù)權利要求1所述的基于googlenet卷積...
【專利技術屬性】
技術研發(fā)人員：張娟，
申請(專利權)人：微傳智能科技常州有限公司，
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。