本发明涉及智能交通识别领域，特别是涉及基于多维矢量相关性的车型分类方法及装置。
背景技术：
车型自动分类是实现交通智能化管理的重要基础。目前国内外关于车型自动识别分类的方法有很多，根据所使用技术原理的不同大致有以下三类:(1)基于外观几何参数的分类方法，如视频图像检测方法、红外检测方法等；这类方法通过提取几何特征(长、宽、高等)来进行初步分类。(2)基于物理信号的分类方法，如动态称重、电磁感应等，通过分析不同类型车辆在行驶过程中产生的信号(如噪声、振动、压重等)的差异性来实现大致分类。(3)基于车辆身份(id)的分类方法，如电子标签、视频牌照识别等，这类方法需要建立一个包含所有车辆个体的数据库。
这些分类方法缺点比较明显，存在一些需要改进的地方。其一，受环境因素(光照强度、气候条件等)的影响较大，稳定性较难保证，尤其是复杂环境下的分类难以实现；其二，分类算法较为复杂，识别时间较长，不利于实现高实时性；其三，分类规则与实际需求不够贴切，大多数只能做到粗略分类(如大型、中型、小型)；其四，关于二轴车的分类有待细化，尤其是将客车与货车分离。其五，需要专门的辅助检测设备，增加成本。
技术实现要素：
本发明所要解决的技术问题在于克服上述现有技术之不足，提供一种基于多维矢量相关性的车型分类方法，该方法包括：
建立车型特征矢量数据库，其中，所述数据库包括车型特征参数；
获取未知车辆的特征矢量；
根据车型特征参数的可靠性和重要性，增大该车型特征参数的权重系数；
根据增大权重系数后的车型特征矢量数据库和未知车辆特征矢量，获得相关性系数；
判断相关性系数最大值对应的行向量为归属车型。
优选地，所述车型特征参数包括轴数、轴组、轴距、车长、轮距和额定载重。
优选地，所述未知车辆的特征矢量为从实际道路的测试数据中提取的车型特征参数。
优选地，所述车型特征矢量数据库包括9种类型车型特征参数。
一种基于多维矢量相关性的车型分类装置，该装置包括：
建立模块，用于建立车型特征矢量数据库，其中，数据库包括车型特征参数；
获取模块，用于获取未知车辆的特征矢量；
增大模块，用于根据车型特征参数的可靠性和重要性，增大该车型特征参数的权重系数；
运算模块，用于根据增大权重系数后的车型特征矢量数据库和未知车辆特征矢量，获得相关性系数；
判断模块，用于判断相关性系数最大值对应的行向量为归属车型。
优选地，所述建立模块的车型特征参数包括轴数、轴组、轴距、车长、轮距和额定载重。
优选地，所述获取模块的未知车辆的特征矢量为从实际道路的测试数据中提取的车型特征参数。
优选地，所述车型特征矢量数据库包括9种类型车型特征参数。
按照本发明提供的基于多维矢量相关性的车型分类方法及装置与现有技术相比具有如下优点：1、受环境因素(光照强度、气候条件等)的影响较小，稳定性较好保证，尤其是复杂环境下的分类实现；2、分类算法较为简单，识别时间较短，利于实现高实时性；3、分类规则与实际需求贴切，能做到精确分类；4、关于二轴车的分类细化，尤其是将客车与货车分离。5、不需要专门的辅助检测设备，减少成本。
附图说明
图1是本发明的工作流程图,
图2是本发明的结构图。
具体实施方式
为清楚的说明本发明中的方案，下面给出优选的实施例并结合附图详细说明。以下的说明本质上仅仅是示例性的而并不是为了限制本公开的应用或用途。应当理解的是，在全部的附图中，对应的附图标记表示相同或对应的部件和特征。
如图1所示。一种基于多维矢量相关性的车型分类方法，该方法包括：
s101,建立车型特征矢量数据库，其中，所述数据库包括车型特征参数。所述车型特征参数包括轴数、轴组、轴距、车长、轮距和额定载重。具体为各类型车辆的特征参数(轴数zs、轴组zz、轴距zj、车长cc、轮距lj、额定载重me)，并以实用性更强的分类标准将现有道路使用车辆进行归类(小汽车a1、2轴客车a2、2轴货车a3、2轮摩托车a4、3轴客车b1、3轴货车b2、4轴货车c、5轴货车d、6轴及6轴以上货车e)。一系列特定的特征参数必代表一种特定车辆。因此由这些参数(轴数zsi、轴组zzi、轴距zji、车长cci、轮距lji、额定载重mei)组成的集合便包含车型信息，特别的，单个参数信息与参数之间的关联信息共同构成一条完整的车型内容。故将车辆个体的零散信息关联成链，拟合得到表征车辆类型的多维特征矢量ai＝(zsizzizjicciljimei)。具体现有车型的特征矢量数据库，该数据库可以表达为如下矩阵形式φ＝[a2；a3；a4；b1；b2；c；d；e]t，其中，
a2、a3、a4、b1、b2、c、d、e也可表达为如此形式；
所述车型特征矢量数据库包括9种类型车型特征参数。见表1。
s102,获取未知车辆的特征矢量。所述未知车辆的特征矢量为从实际道路的测试数据中提取的车型特征参数。从实际道路的测试数据中提取特征参数具体为(实际轴数zs0、实际轴组zz0、实际轴距zj0、实际车长cc0、实际轮距lj0、实际载重me0)拟合未知车辆的特征矢量a0＝(zs0zz0zj0cc0lj0me0)；
s103,根据车型特征参数的可靠性和重要性，增大该车型特征参数的权重系数。具体为根据各参数的可靠性和重要性增加相应权重，权重系数可设置为α＝(ξ1ξ2ξ3ξ4ξ5ξ6)，权重系数的自主确定也提高了本方法在不同环境下的实用性，如设备称重性能好则加大系数ξ6，测距性能好则加大ξ3和ξ4。权重系数的添加可以通过如下方式实现，从而得到a1′、a′0。
s104,根据增大权重系数后的车型特征矢量数据库和未知车辆特征矢量，获得相关性系数。具体为分别计算未知车辆的特征矢量与数据库中所有已知车型的特征矢量的相关性系数，根据相关性的强弱程度实现最终的车型分类。
相关性系数
s105,判断相关性系数最大值对应的行向量为归属车型。具体为得到一组相关性系数λ＝[λ1λ1lλilλn]，其中最大λl值对应的行向量al便是a0的归属车型。
表1车型分类表
如图2所示。一种基于多维矢量相关性的车型分类装置，该装置包括：
建立模块201，用于建立车型特征矢量数据库，其中，数据库包括车型特征参数。所述建立模块的车型特征参数包括轴数、轴组、轴距、车长、轮距和额定载重。所述车型特征矢量数据库包括9种类型车型特征参数。
获取模块202，用于获取未知车辆的特征矢量。所述获取模块的未知车辆的特征矢量为从实际道路的测试数据中提取的车型特征参数。
增大模块203，用于根据车型特征参数的可靠性和重要性，增大该车型特征参数的权重系数；
运算模块204，用于根据增大权重系数后的车型特征矢量数据库和未知车辆特征矢量，获得相关性系数；
判断模块205，用于判断相关性系数最大值对应的行向量为归属车型。
综上所述，以上所述内容仅为本发明的实施例，仅用于说明本发明的原理，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。