[发明专利]基于自组织背景差模型和多特征融合的黑烟车检测方法

说明书

本发明公开了基于自组织背景差模型和多特征融合的黑烟车检测方法，包括：利用自组织背景差模型从视频监控中检测运动目标，确定关键区域；将关键区域图像转化到YCrCb颜色空间，提取颜色矩特征；将关键区域转化到灰度空间，分别提取局部三值模式直方图特征和边缘方向直方图特征；根据当前帧关键区域的位置，在整个帧序列中提取其前后若干帧的对应区域，将所有时序区域提取的同一类特征串联形成每一类的特征向量，对每一类的特征向量归一化，串联起来形成最终的特征向量；利用剪枝径向基神经网络分类器对所提最终特征向量进行分类，识别黑烟关键区域，并进一步识别黑烟车。本发明能够进一步提高识别率，降低误报率，对黑烟比较轻的黑烟车有较好识别效果。

技术领域

本发明属于计算机视觉中运动目标检测技术领域，涉及基于自组织背景差模型和多特征融合的黑烟车检测方法。

背景技术

近些年，越来越多的城市出现雾霾现象。引起雾霾的因素很多，其中使用柴油发动机的机动车的尾气排放是主要源头之一，这类车辆常见于黑烟车，其排放物中含有细颗粒物(PM)和一氧化碳(NO)等，会污染空气，危害人体健康，并且，国际卫生组织已证实并公布柴油车排放的颗粒物是强致癌物。

现阶段柴油车排放黑烟现象仍十分严重,在起步、加速、上坡、超载等阶段更是司空见惯,有的柴油车穿城而过,形同一路放毒,老百姓深恶痛绝,也严重影响城市形象。以北京市为例，北京市发布的《关于对部分载货汽车采取交通管理措施降低污染物排放的通告》中还指出，“自2019年9月21日起，六环路(含)以内道路全天禁止所有国Ⅲ排放标准柴油载货汽车(含整车运送鲜活农产品的国Ⅲ排放标准柴油载货汽车)通行，……每天6时至23时，五环路(不含)以内道路禁止载货汽车通行，五环路主路禁止核定载质量8吨(含)以上载货汽车通行”。

为了降低机动车污染，特别是黑烟车这种高污染车,我国相继出台了一系列相关的政策和措施,成立黑烟车专项检查,组织了专业队伍,定期上路拦车检查,但由于道路交通繁忙,拦车检查工作时间有限,拦车检查的超标黑烟车数量偏少,对黑烟车排放控制作用不明显。

目前，人工智能技术越来越成为热点，如果能够依靠人工智能技术，通过道路监控自动检测和识别黑烟车将非常有价值，基于此可结合相关部门对黑烟车进行相应的报废和整改处理，将有助于降低柴油车对城市的污染程度。但目前的人工智能实现方案识别率较低，效果不够理想。

发明内容

为解决上述问题，本发明公开了一种基于自组织背景差模型和多特征融合的黑烟车检测方法，能够进一步提高识别率，降低误报率。

为了达到上述目的，本发明提供如下技术方案：

一种基于自组织背景差模型和多特征融合的黑烟车检测方法，包括如下步骤：

(1)利用自组织背景差模型从视频监控中检测运动目标，确定关键区域；

(2)将关键区域图像转化到YCrCb颜色空间，提取颜色矩特征；

(3)将关键区域转化到灰度空间，分别提取局部三值模式直方图特征和边缘方向直方图特征；

(4)根据当前帧关键区域的位置，在整个帧序列中提取其前后若干帧的对应区域，将所有时序区域提取的同一类特征串联形成每一类的特征向量，对每一类的特征向量归一化，串联起来形成最终的特征向量；

(5)利用剪枝径向基神经网络分类器对所提最终特征向量进行分类，识别黑烟关键区域，并进一步识别黑烟车。

进一步的，步骤(1)具体包括如下子步骤：

(11)背景建模，对输入视频帧的每个像素p都建立一个对应的神经图W(p)，每个神经图由n×n个权重向量w_ij(p),(i,j＝0,1,...,n-1)组成，将所有的神经图放在同一张图中产生一张背景模型图中，在模型初始化中，每个像素值p对应的背景模型采用第一帧I₀初始化；