[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

说明书

本发明公开了一种基于黑烟运动特性的黑烟检测与DG计算方法，该方法通过对视频图像中分割成大小相等的分块，在分块的运动估计过程中产生的运动矢量和匹配误差值作为判断有无运动物体的依据。通过黑烟的运动规则分析，分割出黑烟区域，排除非疑似黑烟区域，避免了传统图像检测和视频分析的方法无法准确分割出黑烟区域。在分割出黑烟区域之后，将黑烟区域分成小块的方法计算各小块间的颜色分量均值方差，来计算出黑烟区域的林格曼等级，进一步提高了系统检测黑烟车的可靠性，也降低了检测的计算复杂度。

技术领域

本发明属于机动车尾气检测领域，特别涉及一种基于黑烟运动特性的黑烟检测与DG计算方法。

背景技术

基于区域的运动估计，基本思想是将视频图像序列的每一帧分成许多互不重叠的块区域，并认为区域内所有像素的位移量都相同，然后对每个块到参考帧某一给定范围内根据一定的块匹配准则找出与当前块最相似的块，即匹配块，匹配块与当前块的相对位移即为运动矢量。

对于人类的眼睛而言，移动的目标容易引起人眼的关注。因此运动的趋势是一个非常重要的特征。无论是在智能交通，还是在安全监控系统中，首要的任务就是提取运动区域。前景运动区域的提取有许多方法，包括二帧差分、三帧差分、背景消除、光流法等，其中光流法由于计算相对复杂，抗噪性能差等原因，一般都只有在特殊的硬件支持的条件下才被使用。帧差法和背景差法运算简单，有很好的实用性，但是不能获得运动信息。尾气黑烟在喷出的瞬间，运动方向往往是从下往上，然后黑烟区域扩散的运动方向是不均匀的，和其它的干扰的区域差别明显，因此运动方向的估计比较重要。为了加快计算速度，采用视频编解码里面的技术，将视频图像分割成大小相等的块区域。块匹配算法中最简单、最可靠的方法是全局搜索(Full search)。由于全局搜索算法计算量很大，不利于实时应用，于是提出了许多快速搜索算法，比如三步法TSS、新三步法NTSS、二维对数法、菱形搜索法DS等。

林格曼等级(DG)是评价排放烟尘浓度的一种数值，以肉眼观测烟羽黑度与林格曼烟雾浓度图对比而得到。19世纪末法国科学家林格曼将烟气黑度划分为六级，用于固定污染源排放的灰色或黑色烟气在排放口处黑度的监测。标准的林格曼烟气黑度图由14cm×21cm不同黑度的图片组成，除全白与全黑分别代表林格曼黑度0级和5级外，其余4个级别是根据黑色条格占整块面积的百分数来确定的，黑色条格的面积占20％为1级；占40％为2级；占60％为3级；占80％为4级。观测时，可将烟气与镜片内的黑度图比较测定简称“林格曼图”。将烟气浓度分为六级。以全白、微灰、灰、深灰、灰黑、全黑六种颜色分别代表含烟尘量为0、0.25、0.7、1.2、2.3、4～5g/m³。在标准状态下，林格曼1级的烟尘浓度相当于0.25g/m³,林格曼4级相当于2.3g/m³，林格曼5级相当于4-5g/m³。我国“制定地方大气污染物排放标准的技术原则和方法”(GB3840-83)中规定各类排气筒的排烟黑度不得超过林格曼2级。

当前在国内的大多数城市道路上，机动车黑烟排放比较常见。比较常见的排放超标尾气黑烟的包括部分汽油车。大排量的柴油车。排量超标的机动车在带给区域经济发展的同时也带来了难以解决环境问题，黑烟车监管难度大，对环境和人类健康生活的危害大等一系列问题。为了更好的应对日益增多的机动车尾气排放造成的严重的环境污染，对于监控和检测机动车排放黑烟等有害气体具有极其重要的意义。黑烟车的检测是当前智能交通的重要组成部分，黑烟车尾气烟雾排放的检测识别是在人工智能交通监管和环境监控领域受到了非常多的重视。当前利用视频黑烟检测主要有两类方法。第一类方法是基于直方图的检测方法，根据直方图，采用诸如均值、方差等统计特征用于黑烟的检测；第二类方法是基于时间方向特征的检测方法。通常采用帧差法、像素值时间序列的小波变换等技术提取黑烟的时空特征。小波变换计算复杂，这两类方法都难以达到较高的实时性和准确性，检测的可靠性较低，在交通道路上无法有效地实施监管和检测作用，而且目前国内对于检测黑烟车尾气的烟雾浓度没有采用一个准确计算林格曼等级的方法，因此急需一种实时和可靠性的检测黑烟车的方法来解决上述问题。

发明内容