【技术实现步骤摘要】
一种基于多特征融合的智能视频黑烟车检测方法
本专利技术涉及烟火检测
，尤其是一种基于多特征融合的智能视频黑烟车检测方法。
技术介绍
加快区域内机动车排污监控平台建设，重点治理重型柴油车和高排放车辆。重型柴油车和高排放车辆的通常表现是车辆尾气孔冒着浓浓的黑烟，我们通常称之为黑烟车。黑烟车排放的黑烟尾气不仅污染空气，还损害人体健康。因此研究如何有效地检测黑烟车是非常有意义的。当前检测黑烟车的方法可分为三大类：(1)传统方法。比如，群众举报、定期路检、夜间巡查人工视频监控。传统方法往往会耗费大量工作人员，且由于机动车保有量的急剧增长，交通的繁忙等，这类方法效率很低；(2)半智能方法。比如安装车辆尾气分析装置、传感器探测等。这些方法在一定程度上提高了黑烟车检测的效率，减少了黑烟车的污染，但设备的购买和维护需要大量财力的支持，并且给每辆车都安装尾气分析装置实施有难度；(3)智能视频监控方法。该方法利用计算机视觉技术从海量道路监控视频中自动检测黑烟车。这类方法属于远距离监控，不妨碍交通，可实现全天在线值守，适应于双车道和多车道等多种道路环境，并且安装方便，适合城市道路的...
【技术保护点】
1.一种基于多特征融合的智能视频黑烟车检测方法，其特征在于，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标，并识别车辆目标；(2)利用积分投影和滤波技术检测车辆尾部位置；(3)提取车尾部后方区域的统计特征、频域特征和一些手工特征，融合形成一个特征向量；(4)利用BP网络分类器对所提特征向量进行分类，识别黑烟帧，从而进一步识别黑烟车。
【技术特征摘要】
1.一种基于多特征融合的智能视频黑烟车检测方法，其特征在于，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标，并识别车辆目标；(2)利用积分投影和滤波技术检测车辆尾部位置；(3)提取车尾部后方区域的统计特征、频域特征和一些手工特征，融合形成一个特征向量；(4)利用BP网络分类器对所提特征向量进行分类，识别黑烟帧，从而进一步识别黑烟车。2.如权利要求1所述的基于多特征融合的智能视频黑烟车检测方法，其特征在于，步骤(1)中的前景检测算法包括如下步骤：(11)采用下式初始化背景Iback(t)，其中，I(t)代表第t帧图像，N代表初始化背景采用的图像帧数；(12)采用下式计算前景目标Ifore(t)，βt＝mean(|I(t)-Iback(t)|)P＝threshold(|I(t)-Iback(t)|,βt+ε)Ifore(t)＝dilate(erode(P))其中，threshold(I,βt+ε)是一个以βt+ε为阈值的二值化算法，mean(I)是一个计算图像I的所有像素的平均值的算法，erode(I)和dilate(I)分别是形态学的腐蚀和膨胀操作；(13)采用下式更新背景模型，其中，阈值α是一个控制背景精度的调节系数；(14)转步骤(12)计算Ifore(t+1)。3.如权利要求1所述的基于多特征融合的智能视频黑烟车检测方法，其特征在于，步骤(1)中的识别车辆目标指的是，同时满足如下两个准则即可视为是车辆目标：规则一：运动目标的面积大于某个阈值；规则二：运动目标的外接矩形框的长宽比在某个范围内。4.如权利要求1所述的基于多特征融合的智能视频黑烟车检测方法，其特征在于，步骤(2)中的采用积分投影和滤波技术检测车辆尾部位置包括如下步骤：(21)计算车辆目标图像Iobj的水平积分投影E1(x)，即其中，Iobj(x,y)为车辆目标图像在点(x,y)处的坐标，w为车辆目标图像的宽，操作norm()是归一化过程；(22)对车辆目标图像进行随机滤波，计算滤波后的图像的水平积分投影，即操作rangefilt()是随机滤波过程；(23)对水平积分投影曲线E1(x)和E2(x)进行加权融合，即F(x)＝λ1E1(x)+λ2E2(x)，且λ1+λ2＝1其中，λ1和λ2分别为E1(x)和E2(x)的权重系数；(24)通过以下两种方式之一计算车尾部位置坐标xrear，或者其中，Δx是一个与车尾部坐标计算有关的参数。5.如权利要求1所述的基于多特征融合的智能视频黑烟车检测方法，其特征在于，步骤(3)中的提取车尾部后方区域的纹理特征包括如下步骤：(31)确定车尾部位置的后方区域Irear，该区域以车尾部位置为起始线，向后延伸60像素，宽设置为车辆目标的宽；(32)采用如下公式计算区域Irear的灰度共生矩阵P，其中，P(i,j,d,θ)表示方向为θ像素距离为d的灰度共生矩阵P在位置(i,j)处的像素值，w和h分...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。