[发明专利]基于机器学习的机动车尾气林格曼黑度测量装置及方法

权利要求书

1.一种基于机器学习的机动车尾气林格曼黑度测量装置，其特征在于，包括照明光源(1)，红外双目成像单元(2)、可移动存储单元(3)、数据处理单元(4)、固定三脚架(6)，所述数据处理单元(4)还包括图像处理模块(41)和等级判定模块(42)；

所述照明光源(1)为环绕于红外双目成像单元(2)四周的环状光源，用于补光；

所述红外双目成像单元(2)，用于同时拍摄机动车尾气的可见光波段图像和红外波段图像，被安装在在固定三脚架(6)上，用于连续拍摄机动车尾气从无烟气到有烟气的整个排放状态，并将拍摄到的视频存储到可移动存储单元(3)上，通过可移动存储单元接口(3)中的存储介质传输到数据处理单元(4)中。

2.根据权利要求1所述的基于机器学习的机动车尾气林格曼黑度测量装置，其特征在于：所述可移动存储单元(3)接口，用于临时存储并传送拍摄的可见光尾气视频和红外尾气视频；

红外双目成像单元(2)和图像处理单元上(41)的可移动存储单元(3)接口通过存储介质连接，进行数据传输，将拍摄的视频传输到图像处理单元(4)中。

3.根据权利要求1所述的基于机器学习的机动车尾气林格曼黑度测量装置，其特征在于：还包括显示单元(5)；

所述数据处理单元(4)，用于提取视频中无烟帧X和有烟帧Y，并利用图像处理中的帧间差分法，分别对可见光和红外视频中无烟帧和有烟帧进行作差，得到尾气目标Z1和Z2，融合Z1和Z2相交的尾气范围得到Z3，基于Z3和机器学习算法计算得到林格曼黑度等级，并将Z3传输到显示单元(5)上。

4.根据权利要求1所述的基于机器学习的机动车尾气林格曼黑度测量装置，其特征在于：所述存储介质是USB存储器、SD卡或硬盘。

5.一种基于机器学习的机动车尾气林格曼黑度测量方法，基于权利要求1-4任意一项所述的基于机器学习的机动车尾气林格曼黑度测量装置，其特征在于：包括以下步骤：

a.将红外双目成像单元(2)固定在固定三脚架(6)上，并调整红外双目成像单元(2)的水平和俯仰角使得成像区域包含机动车排放的所有尾气范围；

b.先打开红外双目成像单元(2)后，再启动机动车开始启动产生尾气，拍摄尾气从无到有的连续状态，通过可移动存储单元(3)传输给数据处理单元(4)，如果夜间拍摄则需打开照明光源(1)；

c.利用数据处理单元(4)中图像处理模块(41)对传输来的视频进行处理，利用帧间差分法得到无烟帧和有烟帧并作差，将得到的结果传输给等级判定模块(42)；

d.重复步骤b和步骤c，直到等级判定模块(42)得到定量的处理好的尾气图片；

e.利用数据处理单元(4)中的等级判定模块(42)对处理好的尾气进行林格曼黑度等级判定，利用图像处理模块传来的处理好的尾气图片，基于这些图片分为训练集和测试集，建立线性回归模型并拟合参数优化等级判定模块(42)；

f.步骤b和步骤c，将新得到的尾气图片传入到优化后的等级判定模块(42)，最终得到尾气的林格曼黑度等级。

6.根据权利要求5所述的一种基于机器学习的机动车尾气林格曼黑度测量方法，其特征在于：

步骤c中所述利用帧间差分法的步骤是：

c1.读取可移动存储单元(3)中的机动车尾气红外成像视频ZZ1和可见光视频ZZ2；

c2.利用数据处理单元(4)中的图像处理模块(41)处理步骤c1中读取的视频ZZ1和ZZ2，将ZZ1和ZZ2中的第一帧和最后一帧分别作为机动车尾气的无烟帧X1、X2和有烟帧Y1、Y2，ZZ2中的最后一帧Y2也为模板帧；

c3.利用数据处理单元(4)中的图像处理模块(41)对无烟帧X和有烟帧Y进行作差、二值化以及中值滤波，得到机动车尾气区域的二值化分割图Z1和Z2，融合Z1和Z2相交的机动车尾气范围得到Z3；

c4.利用数据处理单元(4)中的图像处理模块(41)对Z3与可见光视频ZZ2中的模板帧Y2进行与运算，得到去除背景后的可见光机动车尾气分割图Z4，将Z4传送到显示单元(5)和等级判定模块(42)中。

7.根据权利要求6所述的一种基于机器学习的机动车尾气林格曼黑度测量方法，其特征在于：

步骤e中所述林格曼黑度等级判定方法步骤为：

e1.利用数据处理单元(4)中的等级判定模块(42)对图像处理模块(41)中传来的n张可见光尾气分割图进行特征提取，每张图片提取m维与机动车尾气灰度值以及像素之间关系相关的特征，得到n*m维特征向量；

e2.将步骤e1中得到的n*m维向量按照3:1的比例随机分成训练集和测试集，训练集为(3n/4)*m维向量，测试集为(n/4)*m维向量；

e3.建立m元线性模型，利用步骤e2中得到的训练集对模型进行迭代训练，最终得到m元线性模型的m个线性元参数；

e4.利用步骤e2中得到的测试集对模型进行测试验证，确定模型的正确性与稳定性；

e5.输入k*m维向量，经过m元线性模型计算得到k个林格曼黑度等级。