一种基于深度学习的黑烟车检测方法技术

本发明专利技术公开了一种基于深度学习的黑烟车检测方法，模型构建包括以下步骤：对实际道路摄像头获取的图像中的车辆目标进行标注，构建车辆目标检测数据集；采用YOLOv3模型对已标注的车辆目标数据集进行训练，实现模型对图像中的车辆目标进行检测并获得车辆目标尾部区域图像，以构建黑烟分类数据集；采用结合蒸馏和训练优化的改进的VisionTransformer模型进行黑烟分类模型训练以判断车辆是否排放黑烟；对实际道路视频传来的视频数据进行实时黑烟车检测，若发现黑烟车则警示，本发明专利技术采用计算机视觉的方式，在无人监视条件下，从视频数据中对黑烟车进行有效自动检测和警示的方法，能够有效提升黑烟车检测的精度和速度，避免受到图像中阴影等因素的干扰。像中阴影等因素的干扰。像中阴影等因素的干扰。

【技术实现步骤摘要】
一种基于深度学习的黑烟车检测方法


[0001]本专利技术属于计算机视觉和交通视频检测领域，具体涉及一种基于深度学习的黑烟车检测方法。

技术介绍

[0002]世界燃油汽车总量的持续快速增长给各国主要城市带来巨大的交通和环境问题，燃油车尾气的排放是大气污染气体的主要来源之一。以固体悬浮颗粒物和有毒有害气体为主要成分的燃油车尾气，会因接触或吸入的方式对人体健康造成不可逆的影响，还会产生雾霾、酸雨等现象对大气环境和土壤环境形成污染。因此，对道路中的黑烟车进行检测和报警对人体健康和生态环境具有重要意义。从车外采用传统方法进行黑烟车检测的方式，主要包括车辆年度审查、交通警察在道路中实际观测和采用人工方式对道路监控视频进行分析，采用这种方式不仅时效性差，还会耗费大量的人力资源，黑烟车漏检情况时有发生。然而，随着道路摄像头数量的增加，借助发展迅速的图像处理技术能够实现低成本、快速、高效地黑烟车识别。
[0003]基于计算机视觉的黑烟车检测的核心在于对图像中的黑烟进行分类识别，目前黑烟分类模型主要包括采用传统机器学习和深度学习的方法。基于传统机器学习的方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的黑烟车检测方法，其特征在于，该方法包括以下步骤：步骤一、对实际道路摄像头获取的图像中的车辆目标进行标注，构建车辆目标检测数据集；步骤二、采用YOLOv3模型对已标注的车辆目标数据集进行训练，实现模型对图像中的车辆目标进行检测并获得车辆目标尾部区域图像，以构建黑烟分类数据集；步骤三、采用结合蒸馏和训练优化的改进的Vision Transformer模型进行黑烟分类模型训练以判断车辆是否排放黑烟；步骤四、对实际道路视频传来的视频数据进行实时黑烟车检测，若发现黑烟车则警示。2.根据权利要求1所述的方法，其特征在于：所述步骤一中，车辆目标检测数据集是由实际道路摄像头所拍摄视频等帧截取后的图像经标注后组成的，车辆目标包括小汽车、掀背车、厢型车、卡车、公交车共计5类。3.根据权利要求1所述的一种基于深度学习的黑烟车检测方法，其特征在于：所述步骤二中，采用YOLOv3模型进行训练后能够识别视频中的车辆目标，采用算法对在车辆目标框高度的70％处取一个边长等于车辆目标框宽度的正方形，并在保持中心点不变的基础上对正方形大小进行尺度变换，以此获得黑烟分类图像，采用人工方式对将车辆尾部图像分为有烟和无烟两...

【专利技术属性】
技术研发人员：路小波，袁立，
申请(专利权)人：东南大学，
类型：发明
国别省市：