【技术实现步骤摘要】
本申请涉及图像识别，具体涉及一种基于图像识别的黑烟车辆检测方法及系统。
技术介绍
1、黑烟车辆即上路行驶排放可视烟度的车辆，这些车辆排放的颗粒物浓度较高，污染空气。
2、大部分黑烟车量车尾不悬挂车牌或故意遮挡车牌或黑烟太浓将车牌遮挡住，从而导致只能通过识别该车辆的前车牌来识别该黑烟车辆。目前道路黑烟车辆车牌检测方法仅能对单个车辆进行黑烟识别。当道路车辆数量过多时，其它正常行驶车辆往往会将该黑烟车辆的全部或部分的前车牌给遮挡住，从而导致无法准确识别出该黑烟车辆，最终导致这些黑烟车辆不能及时得到相应处罚。因此，如何在当道路车辆数量过多时提高识别黑烟车辆的准确程度，使得黑烟车辆能够及时得到相应处罚成为亟需解决的问题。
3、因此，亟需一种基于图像识别的黑烟车辆检测方法及系统来解决当前技术存在的问题。
技术实现思路
1、本申请提供了一种基于图像识别的黑烟车辆检测方法及系统，可以当道路车辆数量过多时提高识别黑烟车辆的准确程度，使得黑烟车辆能够及时得到相应处罚。
2、第一方面，本申请提供了一种基于图像识别的黑烟车辆检测方法，所述方法包括：获取第一摄像头拍摄的第一黑烟识别区域图像；对所述第一黑烟识别区域图像中的车辆进行数量识别，得到车辆数量；当所述车辆数量大于预设第一阈值时，确定全部车辆中的第一黑烟车辆，并获取所述第一黑烟车辆的第一行驶信息和第一车辆牌照；判断所述第一黑烟车辆对应的所述第一车辆牌照是否完整；当所述第一车辆牌照不完整时，基于所述第一行驶信息和所述第
3、通过采用上述技术方案，当道路车辆过多导致黑烟车辆的车辆牌照被遮挡时，通过识别得到的第一黑烟车辆的第一行驶信息和第一车辆牌照计算第一黑烟车辆的第一车辆特征分数，从而使得第一黑烟车辆的特征分数计算更加准确；识别得到包含完整车辆牌照的第二黑烟车辆，并通过第二黑烟车辆的第二行驶信息和第二车辆牌照计算第二黑烟车辆的第二车辆特征分数，从而使得第二黑烟车辆的特征分数计算更加准确；再通过当第一车辆特征分数与第二车辆特征分数的差值处于预设误差范围区间内时，判断第二黑烟车辆和第一黑烟车辆为同一黑烟车辆，最终识别得到该黑烟车辆的车牌，从而有效提高了识别出黑烟车辆的准确程度，再将第二车辆牌照传送至执法人员终端，进而使得黑烟车辆能够及时得到相应处罚。
4、可选的，所述第一行驶信息包括第一车辆行驶状态、第一车辆行驶车道以及第一车辆黑烟等级；所述基于所述第一行驶信息和所述第一车辆牌照，计算所述第一黑烟车辆的第一车辆特征分数，具体包括：基于所述第一车辆行驶状态和所述第一车辆黑烟等级，计算所述第一黑烟车辆的第一黑烟匹配程度；基于所述第一车辆行驶车道，确定与所述第一车辆行驶车道对应的第一车道分数；基于所述第一黑烟识别区域图像，确定所述第一车辆牌照中显出部分的位数占比；基于所述第一黑烟匹配程度、所述第一车道分数以及所述位数占比，计算所述第一车辆特征分数。
5、通过采用上述技术方案，由于黑烟车辆在不同行驶状态下的黑烟等级不同，因此通过第一车辆行驶状态和第一车辆黑烟等级，计算第一黑烟车辆的第一黑烟匹配程度，从而使得计算得到的第一黑烟匹配程度更加准确；再通过黑烟车辆的行驶车道对应确定第一车道分数，以及确定第一车辆牌照中显出部分的位数占比，最终根据第一黑烟匹配程度、第一车道分数以及位数占比，计算第一车辆特征分数，从而使得第一车辆特征分数的计算结果更加符合第一黑烟车辆的行驶情况和车牌检测情况，进而使得第一车辆特征分数的计算结果更加精准。
6、可选的，所述基于所述第一黑烟匹配程度、所述第一车道分数以及所述位数占比，计算所述第一黑烟车辆的第一车辆特征分数，具体包括：通过以下公式计算所述第一车辆特征分数p1＝αx1+βy1+γz，其中，p1为所述第一车辆特征分数，x1为所述第一黑烟匹配程度，y1为所述第一车道分数，z为位数占比，α为第一权重系数，β为第二权重系数，γ为第三权重系数，且α+β+γ＝1。
7、可选的，所述第二行驶信息包括第二车辆行驶状态、第二车辆行驶车道以及第二车辆黑烟等级；所述基于所述第二行驶信息、所述第二车辆牌照以及所述第一车辆牌照，计算所述第二黑烟车辆的第二车辆特征分数，具体包括：获取所述第二摄像头与所述第一摄像头的路线距离；基于所述路线距离，确定距离衰减因素；基于所述第二车辆行驶状态和所述第二车辆黑烟等级，计算所述第二黑烟车辆的第二黑烟匹配程度；基于所述第二车辆行驶车道，确定与所述第二车辆行驶车道对应的第二车道分数；基于所述第一车辆牌照和所述第二车辆牌照，确定所述第一车辆牌照中显出部分的位数占比，并判断所述第一车辆牌照中显出部分是否与所述第二车辆牌照的对应部分相同；若相同，确定相同系数为1；若不同，确定相同系数为0；基于所述第二黑烟匹配程度、所述第二车道分数、所述位数占比、所述距离衰减因素以及所述相同系数，计算所述第二车辆特征分数。
8、通过采用上述技术方案，由于黑烟车辆在不同行驶状态下的黑烟等级不同，因此通过第二车辆行驶状态和第二车辆黑烟等级，计算第二黑烟车辆的第二黑烟匹配程度，从而使得计算得到的第二黑烟匹配程度更加准确；再通过黑烟车辆的行驶车道对应确定第二车道分数，以及确定第二车辆牌照中显出部分的位数占比；且由于第二摄像头与第一摄像头相隔一定距离，因此车辆的黑烟匹配程度和车道行驶情况对应的车道分数，在第二车辆特征分数中的关键占比比例会有一定程度的下降，从而根据路线距离，确定距离衰减因素。最终根据第二黑烟匹配程度、第二车道分数、位数占比、距离衰减因素以及相同系数，计算第二车辆特征分数，从而使得第二车辆特征分数的计算结果更加符合第二黑烟车辆的行驶情况和车牌检测情况，进而使得第二车辆特征分数的计算结果更加精准。
9、可选的，所述基于所述第二黑烟匹配程度、所述第二车道分数、所述位数占比、所述距离衰减因素以及所述相同系数，计算所述第二车辆特征分数，具体包括：通过以下公式计算所述第一车辆特征分数p2＝k(αμx2+βμy2+eγz-1)，其中，p2为所述第二车辆特征分数，x2为所述第二黑烟匹配程度，y2为所述第二车道分数，z为位数占比，k为所述相同系数，μ为所述距离衰减因素，e为自然指数，α为第一权重系数，β为第二权重系数，γ为第三权重系数，且α+β+γ＝1。
10、可选的，在所述对所述第一黑烟识别区域图像中的车辆进行数量识别，得到车辆数量之后，所述方法包括：当所述车辆数量不大于所述预设第一阈值时，基于目标检测算法以及iou本文档来自技高网...
【技术保护点】
1.一种基于图像识别的黑烟车辆检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一行驶信息包括第一车辆行驶状态、第一车辆行驶车道以及第一车辆黑烟等级；所述基于所述第一行驶信息和所述第一车辆牌照，计算所述第一黑烟车辆的第一车辆特征分数，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一黑烟匹配程度、所述第一车道分数以及所述位数占比，计算所述第一黑烟车辆的第一车辆特征分数，具体包括：
4.根据权利要求1所述的方法，其特征在于，所述第二行驶信息包括第二车辆行驶状态、第二车辆行驶车道以及第二车辆黑烟等级；所述基于所述第二行驶信息、所述第二车辆牌照以及所述第一车辆牌照，计算所述第二黑烟车辆的第二车辆特征分数，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述第二黑烟匹配程度、所述第二车道分数、所述位数占比、所述距离衰减因素以及所述相同系数，计算所述第二车辆特征分数，具体包括：
6.根据权利要求1所述的方法，其特征在于，在所述对所述第一黑烟识别区域图像中的车辆进
7.根据权利要求1所述的方法，其特征在于，在获取第一摄像头拍摄的第一黑烟识别区域图像之前，所述方法还包括：
8.一种基于图像识别的黑烟车辆检测系统，其特征在于，所述系统包括：第一获取模块、第一处理模块、第二获取模块以及第二处理模块；
9.一种电子设备，其特征在于，包括处理器(301)、存储器(305)、用户接口(303)及网络接口(304)，所述存储器(305)用于存储指令，所述用户接口(303)和网络接口(304)用于给其他设备通信，所述处理器(301)用于执行所述存储器(305)中存储的指令，以使所述电子设备(300)执行如权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-7任意一项所述的方法步骤。
...【技术特征摘要】
1.一种基于图像识别的黑烟车辆检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一行驶信息包括第一车辆行驶状态、第一车辆行驶车道以及第一车辆黑烟等级；所述基于所述第一行驶信息和所述第一车辆牌照，计算所述第一黑烟车辆的第一车辆特征分数，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一黑烟匹配程度、所述第一车道分数以及所述位数占比，计算所述第一黑烟车辆的第一车辆特征分数，具体包括：
4.根据权利要求1所述的方法，其特征在于，所述第二行驶信息包括第二车辆行驶状态、第二车辆行驶车道以及第二车辆黑烟等级；所述基于所述第二行驶信息、所述第二车辆牌照以及所述第一车辆牌照，计算所述第二黑烟车辆的第二车辆特征分数，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述第二黑烟匹配程度、所述第二车道分数、所述位数占比、所述距离衰减因素以及所述相同系数，计算所述第二车辆特征分数，具体包括：
【专利技术属性】
技术研发人员：张泽谦，王成彬，
申请(专利权)人：深邦智能科技集团青岛有限公司，
类型：发明
国别省市：
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。