一種汽車充電接口識別方法
【專利摘要】本發(fā)明公開的汽車充電接口識別方法，所述方法主要包括，獲取若干汽車外形圖像，分別構(gòu)建所述汽車外形圖像的特征向量；對所述特征向量進(jìn)行回歸分類，將所述汽車型號進(jìn)行匯總，得到預(yù)分類模型；選取若干汽車型號以及與所述汽車型號對應(yīng)的汽車外形圖片，對所述預(yù)分類模型進(jìn)行訓(xùn)練，獲得分類模型；預(yù)先建立汽車型號與充電接口類型的對應(yīng)關(guān)系；獲取待判斷車型的汽車外形圖像，通過所述分類模型判斷所述待判斷車型的汽車外形圖像對應(yīng)汽車的型號；根據(jù)所述對應(yīng)關(guān)系以及識別得出的汽車型號，得出所述汽車的充電接口類型。本發(fā)明提供的汽車充電接口識別方法，有助于高效且準(zhǔn)確的判斷汽車充電接口的判斷，有利于選擇準(zhǔn)確的充電槍。
【專利說明】
一種汽車充電接口識別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及信息識別技術(shù)領(lǐng)域，更為具體地說，涉及一種汽車充電接口識別方法。
【背景技術(shù)】
[0002] 汽車充電是根據(jù)車身的充電接口選擇相配的充電槍接口，充電槍的選擇錯誤可能 會損壞汽車儲電系統(tǒng)或充電接口，影響汽車的使用。然而目前，汽車的充電接口多種多樣， 在具有充電服務(wù)的停車場進(jìn)行充電時(shí)候，需要人工從眾多的充電接口中進(jìn)行相配汽車充電 接口的選擇。人工的判斷選擇，將要耗費(fèi)大量的人力，且耗時(shí)長，影響充電效率。
[0003] 可見，如何高效且準(zhǔn)確的判斷汽車充電接口的判斷，選擇準(zhǔn)確的充電槍，是本領(lǐng)域 技術(shù)人員亟待解決的問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的提供一種汽車充電接口識別方法，有助于高效且準(zhǔn)確的判斷汽車充 電接口的判斷，有利于選擇準(zhǔn)確的充電槍。
[0005] 為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：
[0006] 本發(fā)明提供的一種汽車充電接口識別方法，所述方法包括：
[0007] 獲取若干汽車外形圖像，分別構(gòu)建所述汽車外形圖像的特征向量；
[0008] 其中，所述構(gòu)建特征向量主要包括，提取所述汽車外形圖像，將所述汽車外形圖像 進(jìn)行第一次卷積操作，獲得第一特征圖像，
[0009] 將所述第一特征圖像進(jìn)行第一次池化操作，獲得第二特征圖像，
[0010]將所述第二特征圖像進(jìn)行第二次卷積操作，獲得第三特征圖像，
[0011]將所述第三特征圖像進(jìn)行第二次池化操作，獲得第四特征圖像，
[0012]將所述第四特征圖像進(jìn)行第三次卷積操作，獲得第五特征圖像，
[0013]將所述第五特征圖像進(jìn)行第三次池化操作，獲得第六特征圖像，
[0014] 通過特征向量轉(zhuǎn)化公式Y(jié)i(n)= EWi(n，m)*Yi-i(m)，將所述第六特征圖像轉(zhuǎn)化為所 述特征向量，其中，1為第1特征圖像，W1為權(quán)重，Y 1 (η)表示特征向量，Yh (m)為向量轉(zhuǎn)化前的 特征圖像；
[0015] 對所述特征向量進(jìn)行回歸分類，將所述汽車型號進(jìn)行匯總，得到預(yù)分類模型；
[0016]選取若干汽車型號以及與所述汽車型號對應(yīng)的汽車外形圖片，對所述預(yù)分類模型 進(jìn)行訓(xùn)練，獲得分類模型；
[0017] 預(yù)先建立汽車型號與充電接口類型的對應(yīng)關(guān)系；
[0018] 獲取待判斷車型的汽車外形圖像，通過所述分類模型判斷所述待判斷車型的汽車 外形圖像對應(yīng)汽車的型號；
[0019] 根據(jù)所述對應(yīng)關(guān)系以及識別得出的汽車型號，得出所述汽車的充電接口類型。
[0020] 優(yōu)選的，上述汽車充電接口識別方法中，所述第一次卷積操作，卷積核的大小為5* 5,所述第一特征圖像的數(shù)量為5個(gè);所述第二次卷積操作，卷積核大小5*5,所述第三特征圖 像的數(shù)量為10個(gè);所述第三次卷積操作，卷積核大小4*4,所述第五特征圖像的數(shù)量為16個(gè)。
[0021] 優(yōu)選的，上述汽車充電接口識別方法中，所述第一次池化操作具體為，對所述第一 特征圖像的2*2鄰域進(jìn)行求和，乘以隨機(jī)權(quán)重，加上偏置，然后進(jìn)行神經(jīng)元激活，所述神經(jīng)元 激活為logistic，logistic 激活函數(shù)為./(/) = j +
[0022] 優(yōu)選的，上述汽車充電接口識別方法中，調(diào)節(jié)各層參數(shù)，所述調(diào)節(jié)各層參數(shù)具體包 括求損失函數(shù)，進(jìn)行所述損失函數(shù)的反向求導(dǎo)，調(diào)節(jié)所述各層參數(shù)，使損失函數(shù)最小。
[0023] 優(yōu)選的，上述汽車充電接口識別方法中，所述汽車外形圖像包括含充電接口的圖 像和不包含充電接口的圖像。
[0024] 本發(fā)明提供的汽車充電接口識別方法，獲取若干汽車外形圖像，將汽車外形圖像 進(jìn)行卷積、池化、全連接以及回歸分析，建立汽車車型預(yù)分類模型，選取若干已知汽車型號 的汽車外形圖片，進(jìn)行預(yù)分類模型的訓(xùn)練，得到精確度較高的分類模型。利用所得的分類模 型，對欲判斷汽車車型的汽車外形圖像進(jìn)行判斷，得到所述汽車外形圖像對應(yīng)的汽車型號， 通過預(yù)先建立的汽車型號與充電接口類型的對應(yīng)關(guān)系的對應(yīng)關(guān)系，進(jìn)行充電接口類型的判 斷。
【附圖說明】
[0025] 為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例描述中所需要使 用的附圖作簡單地介紹，顯而易見地，對于本領(lǐng)域普通技術(shù)人員而言，在不付出創(chuàng)造性勞動 性的前提下，還可以根據(jù)這些附圖獲得其它的附圖。
[0026] 圖1是本發(fā)明實(shí)施例提供的汽車充電接口識別方法的流程圖；
[0027] 圖2是本發(fā)明實(shí)施例提供的特征向量轉(zhuǎn)化示意圖；
[0028] 圖3是本發(fā)明實(shí)施例提供的汽車型號與充電接口類型的對應(yīng)關(guān)系圖。
【具體實(shí)施方式】
[0029] 本發(fā)明實(shí)施例提供的汽車充電接口識別方法，有助于高效且準(zhǔn)確的判斷汽車充電 接口的判斷，有利于選擇準(zhǔn)確的充電槍。
[0030] 為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明實(shí)施例中的技術(shù)方案，并使本發(fā)明實(shí) 施例的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖對本發(fā)明實(shí)施例中的技術(shù) 方案作進(jìn)一步詳細(xì)的說明。
[0031] 結(jié)合附圖1，該圖示出了本發(fā)明實(shí)施例提供的汽車充電接口識別方法的基本流程， 具體包括：
[0032] SlOl:獲取若干汽車外形圖像，分別構(gòu)建所述汽車外形圖像的特征向量。
[0033] 選取若干汽車外形圖片，其中所述汽車外形圖像盡可能全面的包括市面上的各種 型號的汽車以及充電接口。汽車外形圖像的格式以及大小不一，為了保證計(jì)算和處理的方 便，將獲得汽車外形圖像進(jìn)行處理，本實(shí)施例中優(yōu)選的將汽車外形圖像統(tǒng)一為64*64的灰度 圖像，但不局限于此，兼顧計(jì)算以及硬件處理設(shè)備的條件，可以自行選擇。本實(shí)施例中，所述 汽車外形圖像可以包括包含充電接口的汽車外形圖像和不包含充電接口的汽車外形圖像。 為保證數(shù)據(jù)處理的方便，一般選用包含充電接口的汽車外形圖像。
[0034] 圖片的選取完成后，將圖片分別進(jìn)行卷積操作、池化操作、卷積操作、池化操作、卷 積操作、池化操作、全連接，分別獲得外形圖像的特征向量。卷積操作和池化操作時(shí)一種降 采樣方法，為了更加方便的提取汽車外形圖像的特征。具體操作:提取所述汽車外形圖像， 將所述汽車外形圖像進(jìn)行第一次卷積操作，獲得第一特征圖像;將所述第一特征圖像進(jìn)行 第一次池化操作，獲得第二特征圖像;將所述第二特征圖像進(jìn)行第二次卷積操作，獲得第三 特征圖像;將所述第三特征圖像進(jìn)行第二次池化操作，獲得第四特征圖像;將所述第四特征 圖像進(jìn)行第三次卷積操作，獲得第五特征圖像;將所述第五特征圖像進(jìn)行第三次池化操作， 獲得第六特征圖像;通過特征向量轉(zhuǎn)化公式Y(jié)KrOiEWKn^hY^Oii)將所述第六特征圖像 轉(zhuǎn)化為所述特征向量，其中，1為第1特征圖像，Wi為權(quán)重，Yi (η)表示特征向量，Yh (m)為向量 轉(zhuǎn)化前的特征圖像。在本發(fā)明中選用第六特征圖像，但根據(jù)實(shí)際的需要不單單可以選擇第 六特征圖像。卷積操作和池化操作的次數(shù)根據(jù)實(shí)際的需要也可以進(jìn)行調(diào)整。
[0035] 本申請還提供了一個(gè)具體的實(shí)施例提供，如附圖2所示，具體過程如下：
[0036]以一張汽車外形圖像為例，將已經(jīng)轉(zhuǎn)化為64*64的灰度圖像的汽車外形圖像，進(jìn)行 第一次卷積操作，卷積核大小為5*5,獲得5個(gè)60*60大小的第一特征圖像。
[0037]將5個(gè)60*60大小的第一特征圖像進(jìn)行第一次池化操作，獲得5個(gè)30*30大小的第二 特征圖像，所述第一次池化操作濾除大多數(shù)相關(guān)信息，讓圖像所包含的信息獨(dú)立性更好，減 少圖像信息量，大大降低了計(jì)算量。本發(fā)明實(shí)施例中優(yōu)選的第一池化操作為，分別對第一特 征圖像的2*2鄰域進(jìn)行求和，然后乘以隨機(jī)權(quán)重并加上偏重，如g(x ,Y^l1 = Wf (x，y)+b，其 中，gUj)1為總計(jì)，w為權(quán)重，b為上偏置，f(x，y)為鄰域進(jìn)行求和，最后進(jìn)行神經(jīng)元激活操 作，常用的激活函數(shù)有IOgi St iC激活，tanh激活和ReLu激活。本發(fā)明實(shí)施例中優(yōu)采用 logistic激活函數(shù)進(jìn)行激活，logistic激活函數(shù)為：/? = ^~? I + cxp(-〇
[0038]池化和卷積操作，往往是多個(gè)特征圖像映射多個(gè)特征圖像，為了避免后一層特征 圖像由前一層所有的池化特征圖像卷積得到，導(dǎo)致計(jì)算量極大的提高。本發(fā)明按照一定的 編碼方式，后一卷積層的特征圖像由前一池化層若干圖像共同卷積得到，而并非全部，這樣 既兼顧了保留原始圖像所含信息，又降低了計(jì)算量。
[0039]將5個(gè)30*30大小的第二特征圖像進(jìn)行第二次卷積操作，卷積核大小為5*5,獲得10 個(gè)26*26大小的第三特征圖像，第三特征圖像是由第二特征圖像的若干特征圖共同卷積得 到，如下表所示，二表示第二特征圖像，三表示第三特征圖像，X表示卷積操作用到的圖像。
[00411將10個(gè)26*26大小的第三特征圖像進(jìn)行第二次池化操作，得到10個(gè)13*13大小的第 四特征圖像，第二次池化操作與第一次池化操作類似。
[0042]將10個(gè)13*13大小的第四特征圖像進(jìn)行第三次卷積操作，卷積核大小為4*4，獲得 16個(gè)10*10大小的第五特征圖像，第三次卷積操作與第二次卷積操作類似。
[0043]將16個(gè)10*10大小的第五特征圖像進(jìn)行第三次池化操作，獲得16個(gè)5*5的第六特征 圖像，第三次池化操作與第一次池化操作類似。
[0044] 經(jīng)過上述卷積、池化操作，能夠更加鮮明的提取各汽車外形圖像圖片的明顯特征。 便于向量的轉(zhuǎn)化，同時(shí)不會丟失圖像信息。再進(jìn)行全連接操作，將上述操作的16個(gè)5*5的第 六特征圖像，轉(zhuǎn)變?yōu)?個(gè)向量，在轉(zhuǎn)化的過程中往往伴有將采用的操作。本實(shí)施例中，先得到 一個(gè)120維向量，然后再將一個(gè)120維的特征向量轉(zhuǎn)化為一個(gè)60維特征向量。
[0045] S102:對所述特征向量進(jìn)行回歸分類，將所述汽車型號進(jìn)行匯總，得到預(yù)分類模 型。
[0046] 亦講桿特征向量的鮮化后講桿冋咁分類，剎冋咁函數(shù)進(jìn)行計(jì)算，得到預(yù) 分類模I
$中，he(x(1))為回歸函 數(shù)，χ(1)為圖像特征，k為類別數(shù)，Θ為權(quán)重參數(shù)，Xw為第k個(gè)特征的權(quán)重參數(shù)的轉(zhuǎn)置。
[0047] S103:選取若干汽車型號以及與所述汽車型號對應(yīng)的汽車外形圖片，對所述預(yù)分 類模型進(jìn)行訓(xùn)練，獲得分類模型。
[0048] 選取一定量的汽車型號以及所述汽車型號對應(yīng)的汽車外形圖片，進(jìn)行預(yù)分類模型 的訓(xùn)練，獲得參數(shù)以及權(quán)重最優(yōu)，得到優(yōu)良的分類模型。
[0049]訓(xùn)練為一種帶有標(biāo)簽的學(xué)習(xí)，在訓(xùn)練的過程中，要進(jìn)行各層參數(shù)的調(diào)整，體包括求 損失函數(shù)，講行所沭損尖函數(shù)的皮向龍導(dǎo)，調(diào)節(jié)所沭各層參數(shù)，伸損尖函數(shù)最小。其中，損尖 函數(shù)為力 m為訓(xùn)練?τ卞平m η，八乃大刀,j. I m，八乃巾里， 《乂yw.u丄
[0050]將所述損失函數(shù)根據(jù)隨機(jī)梯度下降原則和鏈?zhǔn)角髮?dǎo)法則，由后向前逐層求導(dǎo)，然 后更新權(quán)重。
[005·
[005：
[0053] 根據(jù)求導(dǎo)結(jié)果，應(yīng)用平均梯度法來計(jì)算權(quán)重更達(dá) 其中，W( t+Ι )為更新后的權(quán)重，W( t)為更新前的權(quán)重，八乃幣里，一取· Lli-Ll · UZ。
[0054] S104:預(yù)先建立汽車型號與充電接口類型的對應(yīng)關(guān)系。
[0055] 建立汽車型號與充電接口類型的對應(yīng)關(guān)系，本發(fā)明實(shí)施中建設(shè)汽車型號與充電接 口類型的映射關(guān)系，如圖3所示。
[0056] S105:獲取待判斷車型的汽車外形圖像，通過所述分類模型判斷所述待判斷車型 的汽車外形圖像對應(yīng)汽車的型號。
[0057] 當(dāng)需要進(jìn)行汽車的型號判斷時(shí)候，獲得待判斷車型的汽車外形圖像，進(jìn)行圖像的 卷積、池化操作，通過分類模型判斷進(jìn)行待判斷車型的汽車外形圖像對應(yīng)汽車的型號的判 斷，得到其相對應(yīng)的汽車的型號。
[0058] Sl 06:根據(jù)所述對應(yīng)關(guān)系以及識別得出的汽車型號，得出所述汽車的充電接口類 型。
[0059] 在得到汽車的型號后，根據(jù)其數(shù)據(jù)庫內(nèi)汽車類型與充電接口類型映射關(guān)系就可以 得出該車輛的充電接口類型。
[0060] 本發(fā)明提供的汽車充電接口識別方法，獲取若干汽車外形圖像，將汽車外形圖像 進(jìn)行卷積、池化、全連接以及回歸分析，建立汽車車型預(yù)分類模型，選取若干已知汽車型號 的汽車外形圖片，進(jìn)行預(yù)分類模型的訓(xùn)練，得到精確度較高的分類模型。利用所得的分類模 型，對欲判斷汽車車型的汽車外形圖像進(jìn)行判斷，得到所述汽車外形圖像對應(yīng)的汽車型號， 通過預(yù)先建立的汽車型號與充電接口類型的對應(yīng)關(guān)系的對應(yīng)關(guān)系，進(jìn)行充電接口類型的判 斷。
[0061] 本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同相似的部 分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其它實(shí)施例的不同之處。
[0062] 以上所述的本發(fā)明實(shí)施方式，并不構(gòu)成對本發(fā)明保護(hù)范圍的限定。任何在本發(fā)明 的精神和原則之內(nèi)所作的修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種汽車充電接口識別方法，其特征在于，所述方法包括： 獲取若干汽車外形圖像，分別構(gòu)建所述汽車外形圖像的特征向量； 其中，所述構(gòu)建特征向量主要包括，提取所述汽車外形圖像，將所述汽車外形圖像進(jìn)行 第一次卷積操作，獲得第一特征圖像， 將所述第一特征圖像進(jìn)行第一次池化操作，獲得第二特征圖像， 將所述第二特征圖像進(jìn)行第二次卷積操作，獲得第Ξ特征圖像， 將所述第Ξ特征圖像進(jìn)行第二次池化操作，獲得第四特征圖像， 將所述第四特征圖像進(jìn)行第Ξ次卷積操作，獲得第五特征圖像， 將所述第五特征圖像進(jìn)行第Ξ次池化操作，獲得第六特征圖像， 通過特征向量轉(zhuǎn)化公式Y(jié)i(n) = EWi(n，m)*Yi-i(m)，將所述第六特征圖像轉(zhuǎn)化為所述特 征向量，其中，1為第1特征圖像，Wi為權(quán)重，Υι(η)表示特征向量，Yi-i(m)為向量轉(zhuǎn)化前的特征 圖像； 對所述特征向量進(jìn)行回歸分類，將所述汽車型號進(jìn)行匯總，得到預(yù)分類模型； 選取若干汽車型號W及與所述汽車型號對應(yīng)的汽車外形圖片，對所述預(yù)分類模型進(jìn)行 訓(xùn)練，獲得分類模型； 預(yù)先建立汽車型號與充電接口類型的對應(yīng)關(guān)系； 獲取待判斷車型的汽車外形圖像，通過所述分類模型判斷所述待判斷車型的汽車外形 圖像對應(yīng)汽車的型號； 根據(jù)所述對應(yīng)關(guān)系W及識別得出的汽車型號，得出所述汽車的充電接口類型。2. 根據(jù)權(quán)利要求1所述的汽車充電接口識別方法，其特征在于，所述第一次卷積操作， 卷積核的大小為5*5,所述第一特征圖像的數(shù)量為5個(gè);所述第二次卷積操作，卷積核大小5* 5,所述第Ξ特征圖像的數(shù)量為10個(gè);所述第Ξ次卷積操作，卷積核大小4*4,所述第五特征 圖像的數(shù)量為16個(gè)。3. 根據(jù)權(quán)利要求1所述的汽車充電接口識別方法，其特征在于，所述第一次池化操作具 體為，對所述第一特征圖像的2*2鄰域進(jìn)行求和，乘W隨機(jī)權(quán)重，加上偏置，然后進(jìn)行神經(jīng)元 激活，所述神經(jīng)元激活為logistic, logistic激活函數(shù)為4. 根據(jù)權(quán)利要求1所述的汽車充電接口識別方法，其特征在于，所述方法還包括， 調(diào)節(jié)各層參數(shù)，所述調(diào)節(jié)各層參數(shù)具體包括求損失函數(shù)，進(jìn)行所述損失函數(shù)的反向求 導(dǎo)，調(diào)節(jié)所述各層參數(shù)，使損失函數(shù)最小。5. 根據(jù)權(quán)利要求4所述的汽車充電接口識別方法，其特征在于，所述方法還包括， 將所述損失函數(shù)根據(jù)隨機(jī)梯度下降原則和鏈?zhǔn)角髮?dǎo)法則，由后向前逐層求導(dǎo)，然后更 新權(quán)重。
【文檔編號】G06K9/62GK105844289SQ201610153129
【公開日】2016年8月10日
【申請日】2016年3月17日
【發(fā)明人】沈浩, 崔成
【申請人】湖南大學(xué)