[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

说明书

本发明属于违章车辆监测与分析统计技术领域，公开了一种基于时空背景比对的黑烟车检测判定及系统，从外部连接的工业摄像机获取携带交通路况图像的视频流；从获取的视频流中提取关键帧；用深度学习算法对关键帧进行普通车辆检测与黑烟车辆检测，分别保存检测截图与包含黑烟车的5秒视频；对黑烟车辆进行车牌识别、林格曼黑烟系数判定、违章道路数判定；完成检测结果的保存与分析，对带有检测结果的黑烟车视频、截图、信息等数据等结果进行输出保存，用以后期的分析检查。本发明有效的解决了黑烟车辆难以检测的问题，同时对于实时检测速度慢的问题提出了关键帧提取的方法进行加速，准确率和实时性有明显的提升。

技术领域

本发明属于违章车辆监测与分析统计技术领域，尤其涉及基于时空背景比对的黑烟车检测判定及系统。

背景技术

近年来，随着国家经济的不断发展，居民的生活水平不断提高，汽车已经成为了人类生活生产中必不可少的交通工具。然而伴随着汽车的普及，汽车尾气污染也越来越严重。根据环保部门2017年发布的《中国机动车环境管理年报》显示，2016年全国机动车保有量达到2.95亿辆，比2015年增长8.1％，汽车已占主导地位。2016年，全国机动车排放污染物初步核算为4472.5万吨，比2015年削减1.3％。其中，一氧化碳(CO)3419.3万吨，碳氢化合物(HC)排放量为422.0万吨，氮氧化物(NOx)577.8万吨，颗粒物(PM)53.4万吨。汽车是污染物排放总量的最主要贡献者，其排放的CO和HC超过80％，NOx和PM超过90％。这些事实都表明对排放污染气体的机动车的监控和治理迫在眉睫。然而，目前我国大部分城市采用的黑烟车监管模式主要还是依靠人工监管。据调查，采用人工监管的方式需要雇佣大量的人工，每一路视频都至少需要专门配备1人查看，但人眼会随着长时间的使用造成视觉疲劳，有时就会对黑烟车熟视无睹，这会造成大量的漏检和误检。

另一方面，计算机科学在图像识别，物体检测等方面有了很大的发展。从上世纪九十年代开始，科学家们在研究图像中的物体时不再仅局限于物体的三维形状，而开始考虑物体在图像中本身的特征，通过对图像进行抽象描述，得到图像的特征向量，再到样本集进行比对判断。到了2000年之后，识别领域得到了更好的发展，人们设计出了SIFT，HOG，LBP等各种图像特征，这些特征比图像边缘和角点等具有更好的鲁棒性。与此同时，机器学习方法的发展也出现了各种强大的分类器，通过运用这些技术，物体检测和图像识别的准确率变得越来越高，检测效率也越来越快。因此，越来越多的环保者把目光投向了智能监控上。智能监控的优点十分明显，首先可以降低人力的投入，减少大量的人力财力的消耗；其次，智能监控不会产生“疲劳”，只要不断电，计算机能一直保持高效率的工作。此外，建立智能监控系统，可以实现黑烟车从发现到向有关部门提交相关证据的完全自动化，降低了人工监管中可能出现的信息输入错误的可能。

通过上述分析，现有技术存在的问题及缺陷为：现有的黑烟车检测领域中存在的精确性不高、实时性不强、功能性不丰富。

解决以上问题及缺陷的难度为：由于黑烟具有形状不定、运动不均、颜色不唯一的特性，所以很多传统方法对于黑烟车判定并不理想。现有的方法有颜色直方图对比、基于连通域的检测、形状编码法等，虽然很多改进方法提高了黑烟车的检测效果，但是大多现有方法仍然针对单帧图像进行检测判定，能够实际应用的高准确率的算法仍然缺少。

现有的黑烟车检测算法，功能十分有限，很多算法仅能够判断当前视频中是否有黑烟车，而不能指明黑烟车的位置。现有的监管人员需求不仅是黑烟车的识别，更需要黑烟车的位置、黑烟车的车牌号、车道位置、黑烟程度判定等。这些额外的需要要求算法能够同时处理多个任务，但这无疑增加了更多的计算量，功能数量的需求与运算速度要求成为了两难的选择。

相应的，功能的增多带来了庞大的计算量，一个算法可以实时的完成黑烟检测，但是车牌识别会严重拖慢整个程序的运行速度。如果还需要黑烟等级判定、车道判定等辅助功能，程序将运行极其缓慢，会因为内存问题停止工作。