车辆行驶过程中对车辆进行识别的系统的制作方法
【技术领域】
[0001] 本发明涉及汽车安全领域，具体地，涉及一种车辆行驶过程中对车辆进行识别的 系统。
【背景技术】
[0002] 汽车有如下定义：由动力驱动，具有4个或4个以上车轮的非轨道承载的车辆，主 要用于：载运人员和或货物；牵引载运人员或货物的车辆；特殊用途。1879年，德国工程师 卡尔?本茨，首次试验成功一台二冲程试验性发动机。1883年10月，他创立了"本茨公司 和莱茵煤气发动机厂"，1885年，他在曼海姆制成了第一辆本茨专利机动车，该车为三轮汽 车，采用一台二冲程单缸〇. 9马力的汽油机，此车具备了现代汽车的一些基本特点，如火花 点火、水冷循环、钢管车架、钢板弹簧悬架、后轮驱动前轮转向和制动手把等。1886年的1月 29日，德国工程师卡尔·本茨为其机动车申请了专利。同年11月，卡尔?本茨的三轮机动 车获得了德意志专利权。这就是公认的世界上第一辆现代汽车。由于上述原因，人们一般 都把1886年作为汽车元年，也有些学者把卡尔?本茨制成第一辆三轮汽车之年即1885年， 视为汽车诞生年。1885年是汽车发明取得决定性突破的一年。当时和戴姆勒在同一工厂的 本茨，也在研究汽车。他在1885年几乎与戴姆勒同时制成了汽油发动机，装在汽车上，以每 小时12公里的速度行驶，获得成功。这一年，英国的巴特勒也发明了装有汽油发动机的汽 车。此外，意大利的贝尔纳也发明了汽车，俄国的普奇洛夫和伏洛波夫两人发明了装有内燃 机的汽车。以前中国没有汽车制造业。中国土地上第一辆汽车是1903年输入的美国产奥 斯莫比尔牌小汽车，领得第一号汽车行驶牌证，其所有者为上海富翁。自1953年7月第一 汽车制造厂动工兴建，1956年7月投产，1957年7月13日我国生产出第一辆载货的解放牌 汽车，又于1958年5月，我国第一汽车制造厂自行研制设计生产了第一辆与当时政治风云 起伏颠簸、荣辱与共的红旗牌乘用车，被誉为"东方神韵"。几十年来，我国汽车工业得到了 快速的发展。特别是改革开放以来，汽车生产采用了各种高科技及人性化的安全及便利设 施，汲国外汽车科研之精华。不仅秉乘了传统的坚固造型，更具时尚汽车的柔媚风貌，线条 流畅，驾乘舒适的"座驾"新宠不断诞生。2001年底，中国正式加入了世贸组织，以此为契机， 中国汽车产业迎来了一个新的高速发展时期。2009年，中国汽车产销分别为1379. 10万辆 和1364. 48万辆，一举超越美国，称为世界第一汽车产销大国。2012年中国汽车全年产销分 别为1927. 18万辆和1930. 64万辆，连续四年蝉联世界第一。进经过十年高速发展之后，中 国自主品牌乘用车技术得到了长足的发展。2013年上半年先后上市的一汽红旗、北汽绅宝、 长安睿骋、吉利帝豪、比亚迪思锐及此前已经先后上市的上汽荣威、广汽传祺等为代表的自 主品牌高端乘用车向合资品牌发起集团式冲锋，将逐步改写自主品牌乘用车只能在中低端 抢占市场的现状。现代汽车种类繁多，人们在驾驶汽车行驶过程中，由于车辆行驶速度或者 道路环境限制，无法对前方车辆进行识别，造成意外发生。
【发明内容】
[0003] 本发明所要解决的技术问题是提供一种车辆行驶过程中对车辆进行识别的系统， 该系统能够准确地对前方车辆进行识别，使得操作人员能够根据识别得到的信息进行相应 的操作，对车辆信息判断不准确采取错误的措施，造成安全事故。
[0004] 本发明解决上述问题所采用的技术方案是：车辆行驶过程中对车辆进行识别的系 统，包括以下步骤：
[0005] (1)给定训练样本（X1，y1)，......，（xn, y11)，对于正样本，令yi = 1 ;负样本，令yi =-1 ；
[0006] (2)样本权值初始化
[0007] 其中：1为正样本个数，m为负样本个数；
[0008] (3)对于m = 1，……，M(M代表算法选带次数，即组成强分类器的弱分类器个数； (a)对于每一个特征j，由类概率密度得到弱分类器
[0009] fm (x) = P ω (y = I I χ) -P ω (y = -I I χ)
[0010] (b)计算错分率
.选出最优的fm(x)
[0011] (C)更新 F (χ) - F (χ) +fm (χ)
[0012] (d)令
[0013] (4)输出强分类器
[0014] (5)确定各个强分类器的最大误识率，最小识别率(1_，并计算树的目标深度， 由其父节点指定的正、负样本通过上述算法训练的一个具有50%误识率和98%识别率的 强分类器S 1，用O(S)表示该强分类器用到的特征数目，通过K均值聚类法将负节点指定 的正训练样本分成K个子集；用这k个正训练样本子集和相应的负样本子集训练k个强分 类器S 11S i = 1，……，k，用O^k)+……+0(Skk)表示这k个强分类器用到的特征数目；若 〇 (S11O +……+0 (Skk) < 0 (S1)，当前的分类层分裂成k个分支，对于分支后的每个S11"，开始新 的节点训练；若CKS 1kK……+o(skk) >(KS1)，该节点还是保留原先的分层结构，直到给定数 的目标深度达到，所采用的迭代算法才停止。
[0015] 本方案根据车辆外形特征计算参数，运用算法公式得到准确的车辆信息，帮助驾 驶员识别。
[0016] 综上，本发明的有益效果是：该系统能够准确地对前方车辆进行识别，使得操作人 员能够根据识别得到的信息进行相应的操作，对车辆信息判断不准确采取错误的措施，造 成安全事故。
【具体实施方式】
[0017] 下面结合实施例，对本发明作进一步地的详细说明，但本发明的实施方式不限于 此。
[0018] 实施例：
[0019] 车辆行驶过程中对车辆进行识别的系统，包括以下步骤：
[0020] (1)给定训练样本（W)，……，（xn，yn)，对于正样本，令yi = 1 ;负样本，令yi =-1 ；
[0021] (2)样本权值初始化
[0022] 其中：1为正样本个数，m为负样本个数；
[0023] (3)对于m = 1，……，M(M代表算法选带次数，即组成强分类器的弱分类器个数；
[0024] (a)对于每一个特征j，由类概率密度得到弱分类器
[0025] fm (x) = P ω (y = I I χ) -P ω (y = -I I χ)
[0026] (b)计算错分率
》选出最优的fm(x)
[0027] (c)更新 F (χ) - F (χ) +fm (χ)
[0028] (d)令
[0029] (4)输出强分类器
[0030] (5)确定各个强分类器的最大误识率，最小识别率d_，并计算树的目标深度， 由其父节点指定的正、负样本通过上述算法训练的一个具有50%误识率和98%识别率的 强分类器S 1，用O(S)表示该强分类器用到的特征数目，通过K均值聚类法将负节点指定 的正训练样本分成K个子集；用这k个正训练样本子集和相应的负样本子集训练k个强分 类器S 11S i = 1，……，k，用O^k)+……+0(Skk)表示这k个强分类器用到的特征数目；若 〇 (S11O +……+0 (Skk) < 0 (S1)，当前的分类层分裂成k个分支，对于分支后的每个S11"，开始新 的节点训练；若CKS 1kK……+o(skk) >(KS1)，该节点还是保留原先的分层结构，直到给定数 的目标深度达到，所采用的迭代算法才停止。
[0031] 该系统能够准确地对前方车辆进行识别，使得操作人员能够根据识别得到的信息 进行相应的操作，对车辆信息判断不准确采取错误的措施，造成安全事故。
[0032] 以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依 据本发明的技术、方法实质上对以上实施例所作的任何简单修改、等同变化，均落入本发明 的保护范围之内。
【主权项】
1.车辆行驶过程中对车辆进行识别的系统，其特征在于，包括以下步骤：（1)给定训练 样本（X1，y1)，......，（χη,y11)，对于正样本，令yi= 1 ;负样本，令yi= -1 ; (2) 样本权值初始{其中：1为正样本个数，m为负样本个数； (3) 对于m= 1，……，M(M代表算法选带次数，即组成强分类器的弱分类器个数；(a) 对于每一个特征j，由类概率密度得到弱分类器 fm(x) =Ρω (y =1I χ)-Ρω (y =-1I χ) (b)计算错分4;出最优的圪〇〇 (C)更新F(χ)-F(χ) +fm (χ)(d) 4 …··，N，:重新归一化使Σ?% = 1 .-一 I (4) 输出强分类器(5) 确定各个强分类器的最大误识率，最小识别率(1_，并计算树的目标深度，由其 父节点指定的正、负样本通过上述算法训练的一个具有50%误识率和98%识别率的强分 类器S1，用0 (S1)表示该强分类器用到的特征数目，通过K均值聚类法将负节点指定的正训 练样本分成K个子集；用这k个正训练样本子集和相应的负样本子集训练k个强分类器S，， i=l,……，k，用0〇+……+0(Skk)表示这k个强分类器用到的特征数目；若0〇+…… +0(Skk) < (KS1)，当前的分类层分裂成k个分支，对于分支后的每个S，，开始新的节点训 练；若〇 (S^) +……+0 (Skk) > 0 (S1)，该节点还是保留原先的分层结构，直到给定数的目标深 度达到，所采用的迭代算法才停止。
【专利摘要】本发明公开了一种车辆行驶过程中对车辆进行识别的系统，给定训练样本(x1,y1)，……，(xn,yn)，对于正样本，令yi＝1；负样本，令yi＝-1；样本权值初始化，对于m＝1，……，M(M代表算法选带次数，即组成强分类器的弱分类器个数，确定各个强分类器的最大误识率fmax,最小识别率dmin,并计算树的目标深度,由其父节点指定的正、负样本通过上述算法训练的一个具有50％误识率和98％识别率的强分类器S1,用O(S1)表示该强分类器用到的特征数目，通过K-均值聚类法将负节点指定的正训练样本分成K个子集。该系统能够准确地对前方车辆进行识别，使得操作人员能够根据识别得到的信息进行相应的操作，对车辆信息判断不准确采取错误的措施，造成安全事故。
【IPC分类】G06K9/62, G06K9/00
【公开号】CN105260723
【申请号】CN201510689928
【发明人】代膨岭
【申请人】四川膨旭科技有限公司
【公开日】2016年1月20日
【申请日】2015年10月22日