[发明专利]基于时空背景比对的黑烟车检测判定方法及系统

权利要求书

1.一种基于时空背景比对的黑烟车检测判定方法，其特征在于，所述基于时空背景比对的黑烟车检测判定方法视频流的读取是通过提前架设的工业级摄像头将外部采集的道路视频流以局域网的形式传输给同一地址段的本地计算机进行实时处理；提取关键帧采取等间距采样的方法；视频流检测，采取深度学习算法YOLOv3进行黑烟车辆检测，并输出带有检测结果的视频、目标截图、车牌号、林格曼黑烟系数、所在车道；对于检测结果进行输出保存，用于复查分析；

所述基于时空背景比对的黑烟车检测判定方法包括以下步骤：

第一步，视频流实时读取，从外部架设的工业级摄像头将外部采集的道路视频流以局域网的形式传输给同一地址段的本地计算机，完成视频流的实时获取；

第二步，从获取的视频流中提取关键帧，用以输入到深度学习检测算法，进行视频流的黑烟车检测；

第三步，用深度学习算法对关键帧进行黑烟车检测，用以得到带有检测结果的黑烟车视频、目标截图、车牌号、林格曼黑烟系数、所在车道；

第四步，检测结果的保存与分析，对带有黑烟车的视频、目标截图、车牌号、林格曼黑烟系数、所在车道结果以时间戳命名，进行输出保存，用于以后期的分析检查；

所述第三步用深度学习算法对关键帧进行黑烟车检测，用以得到带有检测结果的黑烟车视频、目标截图、车牌号、林格曼黑烟系数、所在车道包括：

(1)输入关键帧图片，保持长宽比不变的情况下，将图像调整为大小是416*416的3通道的RGB图像；

(2)运行网络，YOLOv3的卷积层将输入图像分成S*S网格，预测得到边界框大小、位置、目标的置信度，通过非极大值抑制，生成最终的车辆检测数据框，并返回；

(3)获取黑烟可能存在区域，依据得到的车辆检测框，计算车辆前后可能出现黑烟的区域；具体地，黑烟框的长度与对应车辆保持一致，宽度是对应车辆宽度的3/4；

(4)黑烟区域与背景区域进行对比，分别计算黑烟区域与背景区域的像素值均值与方差；若黑烟区域像素均值相较背景减少10％以上，公式则认为存在黑烟，依据均值减少的程度，将黑烟分为林格曼系数的6个等级，见公式

(5)车牌检测，若车辆的前后区域被判为林格曼系数大于0的区域，则认为当前车为黑烟车，若为黑烟车，则将车辆区域输入车牌检测算法；

(6)车道检测，若车辆被判定为黑烟车，则根据车辆所处坐标进行车道检测，读取当前视频流下的图像，人工划取车道线位置，并计算车道线二元一次函数斜率与截距，依据检测框位置(top，left，right，bottom)计算黑烟车中心坐标(x，y)，见公式和带入y值计算每个车道线对应的x_i值，其中i＝0，1，2，……，判断车辆位于第几车道，见公式

2.如权利要求1所述的基于时空背景比对的黑烟车检测判定方法，其特征在于，将车辆区域输入车牌检测算法具体包括：首先利用u-net图像分割算法得到二值化图像；再使用Opencv进行边缘检测获得车牌区域坐标，并将车牌图形矫正；最后利用卷积神经网络进行车牌多标签端到端识别。

3.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1所述基于时空背景比对的黑烟车检测判定方法的步骤。

4.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1所述基于时空背景比对的黑烟车检测判定方法的步骤。