[发明专利]一种基于黑烟运动特性的黑烟检测与DG计算方法

权利要求书

1.一种基于黑烟运动特性的黑烟检测与DG计算方法，其特征在于，包括以下步骤：

步骤1：对采集的待检测视频按照帧图像进行提取，并对帧图像进行预处理；

步骤2：对经过预处理后的帧图像进行分块划分，每个分块大小为16*16；

步骤3：采用块匹配算法，获取第i帧图像中每个分块相对邻近帧中的对应匹配块的运动矢量和灰度变化量；

所述分块相对对应匹配块的灰度变化量是指分块与对应匹配块中对应像素点的灰度值之差的平均值；

步骤4：统计第i帧图像中发生了运动的分块面积之和以及所有分块的灰度变化量之和；

其中，SA_i表示为第i帧图像发生运动的分块面积之和，表示第i帧图像中第j个分块运动面积，size_j为第j个分块的面积，表示第j个分块相对邻近帧中对应匹配块的运动矢量；n为第i帧图像中的分块数量；表示第i帧图像中第j个分块相对邻近帧中对应匹配块的灰度变化量；

步骤5：基于SA_i和MAD_i，从第i帧图像中剔除非黑烟区域分块；

若满足SA_i≤SA_min且MAD_i≤MAD_min，则将第i帧图像中分块相对对应匹配块运动矢量小于SA_min的分块归为非黑烟区域分块，并且将非黑烟区域分块从第i帧图像中剔除；

SA_min表示分块运动面积设定阈值，MAD_min表示分块灰度变化量设定阈值；

步骤6：依据运动分块的运动趋势，判断分块是否为黑烟区域；

对连续提取的10帧图像按照步骤1-5进行处理，从每帧剔除了非黑烟区域分块的图像中，对所有运动分块进行标记，以在第1帧中发生了运动的分块为基础块，统计基础块及基础块在其余帧图像中所有对应的匹配块的运动矢量之和

若存在则认为当前判断的基础块的运动趋势处于正常情况，该分块及对应的所有匹配块为非黑烟区域，并删除该分块的标记，若存在|则当前判断的基础块的运动趋势异常，保留该分块及随影的所有匹配块的标记，继续进行黑烟检测；

其中，表示分块运动的最大向量，且模为15；

步骤7：将连续提取的10帧序列图像中的最后一帧图像中有标记的分块进行相邻性判断，若有标记的分块属于邻近块，则将邻近块进行合并，以合并后的分块区域作为疑似黑烟区域ROI；

步骤8：计算每个疑似黑烟区域ROI的林格曼等级DG；

将疑似黑烟区域ROI的图像格式转换为YUV格式，计算该区域像素点颜色Y分量均值AVG和方差δ，按照以下公式计算林格曼等级DG；

通过实际得到的数据验证，得到的林格曼等级DG和林格曼黑度计的等级保持一致；

步骤9：若疑似黑烟区域ROI的林格曼等级DG大于0，则判定为当前疑似黑烟区域ROI为排放尾气的黑烟区域，当前的连续10帧图像中存在黑烟车。

2.根据权利要求1所述的方法，其特征在于，每个分块的匹配块从众多匹配块中选取最佳匹配块，第i帧图像中每个分块相对邻近帧中的对应最佳匹配块的寻找过程如下：

对于第i帧图像中以像素点(n1，n2)为中心，大小为16*16分块，在第i+1帧中搜索相同大小的匹配块的位置，最大偏移量为(32，32)，搜索窗口范围为48*48；

在搜索窗口之内，按顺时针方向由近及远，分别计算各个搜索分块中各对应像素点的平均绝对误差MAD：

其中，P，q分别为水平和垂直方向的偏移量，1≤p≤32，1≤q≤32，和分别为第i帧以像素点(n1，n2)为中心和第i+1帧中以像素点(n1+p，n2+q)为中心的分块中各像素点的灰度值，m和n分别表示分块的宽和高；

遍历所有的(p，q)，以最小MAD_(n1，n2)对应在第i+1帧中以像素点(n1+p，n2+q)为中心的分块作为第i帧以像素点(n1，n2)为中心的分块的最佳匹配块。

3.根据权利要求2所述的方法，其特征在于，所述SA_min取值为5，MAD_min取值为5。