智能路侧单元的车辆身份识别方法、系统及可读存储介质与流程

技术特征：
1.一种智能路侧单元的车辆身份识别方法，其特征在于，包括：针对基于射频识别车辆身份的方法和基于视频图像识别车辆身份的方法，分别选择对识别结果有决定性作用的影响因素作为贝叶斯网络的节点；根据不同方法的影响因素的关联性，构建融合视频识别和射频识别的有向无环图；通过给有向无环图的各个节点进行赋值，完成贝叶斯网络模型的构建；基于贝叶斯网络模型，在给定输出节点状态的情况下，通过贝叶斯定理计算得到车辆身份信息的合法性。2.根据权利要求1所述智能路侧单元的车辆身份识别方法，其特征在于，所述分别选择对识别结果有决定性作用的影响因素作为贝叶斯网络的节点包括：基于射频识别车辆身份的方法选择因素如下：“有rfid”节点，分为有rfid、无rfid两种情况；“rfid识别成功”节点，分为rfid识别成功、rfid识别不成功两种情况；“车辆合法”节点，分为车辆合法、车辆不合法两种情况；基于视频图像识别车辆身份的方法选择因素如下：“车型正确识别”节点，分为车型识别正确、车型识别不正确两种情况；“车牌正确识别”节点，分为车牌识别正确、车牌识别不正确两种情况；“颜色正确识别”节点，分为车身颜色识别正确、车身颜色识别不正确两种情况。3.根据权利要求2所述智能路侧单元的车辆身份识别方法，其特征在于，所述根据不同方法的影响因素的关联性，构建融合视频识别和射频识别的有向无环图包括：将基于射频识别车辆身份的方法中的“有rfid”节点与基于视频图像识别车辆身份的方法的车辆识别结果作为贝叶斯网络结构的输入节点；将rfid和车辆合法作为中间节点，传基于射频识别车辆身份的方法的影响；将两种方法的车辆身份识别结果的匹配状况作为输出节点。4.根据权利要求1所述智能路侧单元的车辆身份识别方法，其特征在于，所述给有向无环图的各个节点进行赋值包括：输入节点赋先验概率值，中间节点和输出节点赋条件概率值。5.根据权利要求4所述智能路侧单元的车辆身份识别方法，其特征在于，所述贝叶斯网络模型的构建过程如下：首先通过对现有车辆识别结果的统计，实现对输入节点赋先验概率值，在此基础上，通过统计或计算得到输入节点与中间节点、中间节点之间、中间节点和输出节点之间的条件概率值。6.根据权利要求5所述智能路侧单元的车辆身份识别方法，其特征在于，所述通过贝叶斯定理计算得到车辆身份信息的合法性包括：所述贝叶斯网络模型以图像识别结果数据以及基于电子车牌识别系统的车辆合法或非法先验概率为基准，通过计算不同融合情况下的条件概率值，结合贝叶斯公式，给出车辆的合法或非法概率信息。7.根据权利要求1所述智能路侧单元的车辆身份识别方法，其特征在于，所述通过贝叶斯定理计算得到车辆身份信息的合法性之后，如果出现车辆非法，则将车辆此时的图像进行保存以用于违法取证。8.一种智能路侧单元的车辆身份识别系统，其特征在于，包括：网络节点选择模块，用于针对基于射频识别车辆身份的方法和基于视频图像识别车辆身份的方法，分别选择对识别结果有决定性作用的影响因素作为贝叶斯网络的节点；
图构建模块，用于根据不同方法的影响因素的关联性，构建融合视频识别和射频识别的有向无环图；图赋值模块，用于通过给有向无环图的各个节点进行赋值，完成贝叶斯网络模型的构建；合法性判别模块，用于基于贝叶斯网络模型，在给定输出节点状态的情况下，通过贝叶斯定理计算得到车辆身份信息的合法性。9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述智能路侧单元的车辆身份识别方法中的步骤。

技术总结
一种智能路侧单元的车辆身份识别方法、系统及可读存储介质，车辆身份识别方法包括：针对基于射频识别车辆身份的方法和基于视频图像识别车辆身份的方法，分别选择对识别结果有决定性作用的影响因素作为贝叶斯网络的节点；根据不同方法的影响因素的关联性，构建融合视频识别和射频识别的有向无环图；通过给有向无环图的各个节点进行赋值，完成贝叶斯网络模型的构建；基于贝叶斯网络模型，在给定输出节点状态的情况下，通过贝叶斯定理计算得到车辆身份信息的合法性。本发明能够实现基于贝叶斯定理的多源数据融合，在结合视频数据和射频数据的前提下，比较准确的实现车辆身份的确认，能够为智能车路系统的使用提供可靠的技术支持。够为智能车路系统的使用提供可靠的技术支持。够为智能车路系统的使用提供可靠的技术支持。


技术研发人员：赵祥模 马峻岩 堵白雪 周婉金 窦依依
受保护的技术使用者：长安大学
技术研发日：2021.12.13
技术公布日：2022/3/15