【技术实现步骤摘要】
一种黑烟车夜间抓拍识别方法
本专利技术属于环境
，具体地说，涉及一种黑烟车夜间抓拍识别方法。
技术介绍
机动车排放的尾气含有毒有害物质，黑烟车是高污染车的典型代表，80％以上的黑烟车为柴油类的营运车(货车、客车)。这些黑烟车所排放的尾气，不仅污染大气，更危害人体健康。因此，长期以来黑烟车的污染防治一直是机动车污染防治的工作重点。目前，黑烟车电子抓拍的在线监控模式，智能识别黑烟车能够成为应对机动车污染的有力辅助工具。然而，基于技术和设备特点，只在白天对黑烟车抓拍识别率高。由于夜间环境下抓拍易受光线、阴影、车流等因素的影响，尤其是路灯和对向车流远光灯对黑烟识别造成影响，导致夜间黑烟车抓拍的准确识别率很低。
技术实现思路
本专利技术针对上述现有技术中存在的问题，提出了一种黑烟车夜间抓拍识别方法。本专利技术通过以下技术方案实现：一种黑烟车夜间抓拍识别方法，包括步骤：S1：获取车辆视频图像，并对所述视频图像进行预处理；S2：提取所述预处理后的视频图像的纹理特征，去除视频...
【技术保护点】
1.一种黑烟车夜间抓拍识别方法，其特征在于，包括步骤：/nS1：获取车辆视频图像，并对所述视频图像进行预处理；/nS2：提取所述预处理后的视频图像的纹理特征，去除视频动态背景，采用LBP(localbinary pattern)纹理分类特征算法来进行特征提取，并采用光流法提取运动特征；/nS3：基于时空双路3D残差卷积网络提取时空特征，包括基于时空深度神经网络策略提取空域特征以及基于LSTM策略提取时域特征；/nS4：去除夜间干扰；/nS5：提取去干扰后的时域特征与空域特征，并引入注意力机制，对时空域网络特征通道进行新标定，分别对时空域网络进行加权，筛选出对分类结果有利的特...
【技术特征摘要】
1.一种黑烟车夜间抓拍识别方法，其特征在于，包括步骤：
S1：获取车辆视频图像，并对所述视频图像进行预处理；
S2：提取所述预处理后的视频图像的纹理特征，去除视频动态背景，采用LBP(localbinarypattern)纹理分类特征算法来进行特征提取，并采用光流法提取运动特征；
S3：基于时空双路3D残差卷积网络提取时空特征，包括基于时空深度神经网络策略提取空域特征以及基于LSTM策略提取时域特征；
S4：去除夜间干扰；
S5：提取去干扰后的时域特征与空域特征，并引入注意力机制，对时空域网络特征通道进行新标定，分别对时空域网络进行加权，筛选出对分类结果有利的特征，再将时空域特征融合得到最终的分类识别网络，以视频块为输入，直接得到分类结果。
2.根据权利要求1所述的黑烟车夜间抓拍识别方法，其特征在于，所述预处理包括，通过网络从摄像枪获取视频流并利用视频编解码技术进行解码和视频还原，基于预设的视频预处理算法对还原后的视频进行亮度调整，图像矫正和去噪处理。
3.根据权利要求1所述的黑烟车夜间抓拍识别方法，其特征在于，在所述步骤S2中，所述去除视频动态背景包括步骤：
S201.每个新像素值Xt同当前K个模型按下式进行比较，直到找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内，
|Xt-μi，t-1|≤2.5σi，t-1；
S202.如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；
S203.各模型权值按如下公式更新，其中α是学习速率，对于匹配的模型Mk，t＝1，否则Mk，t＝0，然后各模式的权重进行归一化；
wk，t＝(1-α)*wk，t-1+α*Mk，t
S204.未匹配模型的均值μ与标准差σ不变，匹配模型的参数按照如下公式更新：
ρ＝α*η(Xt|μk，σk)
μt＝(1-ρ)*μt-1+ρ*Xt
其中，ρ代表满足匹配模型的阀值；
S205.如果第1步中没有任何模型匹配，则权重最小的模型被替换，即该模型的均值为当前像素值，标准差为初始较大值，权重为较小值；
S206.各模型根据w/α2按降序排列，权重大、标准差小的模式排列靠前；
S207.选前B个模型作为背景，B满足下式，参数T表示背景所占比例，
4.根据权利要求1所述的黑烟车夜间抓拍识别方法，其特征在于，在所述步骤S3中，在所述基于时空深度神经网络策略提取空域特征中，在所述提取运动特征后进行初步的空域判别：在将空域判断为有烟时，通过时间流网络和循环神经网络部分累积一组连续帧之间的运动信息以区分烟雾区域和非烟雾区域，在过滤掉多数的非烟雾区域后，提取烟雾区域的时空域特征，进行分类识别。
5.根据权利要求4所述的黑烟车夜间抓拍识别方...
【专利技术属性】
技术研发人员：李晓斌，李毓勤，何玉龙，周当，刘颖，
申请(专利权)人：广州市云景信息科技有限公司，
类型：发明
国别省市：广东;44
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。