[發明專利]一種基于圖像識別的機動車尾氣檢測方法

在審

• 申請號: 201510807675.1
• 申請日: 2015-11-19
• 公開（公告）號: CN105424598A
• 公開（公告）日: 2016-03-23
• 發明（設計）人: 巫立斌;馬秋平
• 申請（專利權）人: 巫立斌
• 主分類號: G01N21/00
• 分類號: G01N21/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及環境檢測技術領域，特別是涉及一種基于圖像識別的機動車尾氣檢測方法。

背景技術

隨著社會經濟的快速發展與人民生活水平的提高，機動車的數量逐年增加，機動車尾氣對城市大氣環境的負面影響也越來越大，主要表現有引發人類呼吸系統疾病，地表臭氧含量過高，城市熱島效應加重以及生產光化學煙霧等。因此，對機動車尾氣污染物濃度進行檢測的重要性日趨顯現。

目前，國內外對機動車尾氣檢測的最常用方法有：無負荷測試方法（包括怠速法、怠速/高怠速法、雙怠速法和自由加速測試法）、穩態測試方法、瞬態測試方法和遠距離遙感檢測方法。

前三種方法都是在特定地點進行，并且檢測時間過長，對于快速篩選城市高污染排放車輛先得無能為力。遠距離遙感檢測方法利用紅外激光技術和非分散紅外分析法（Non-DispersiveInfra-Red,NDIR）技術，可以在道路上完成機動車尾氣污染成分的快速檢測。該方法的基本原理是在道路兩邊分別放置光源發射器和接收器，或將發射器與接收器放在道路的同一側，光反射器在道路的另一側，然后將檢測光束穿過排放的尾氣氣團，然后對通過檢測光束的車輛進行尾氣排放測量，并將測量結果與同步攝像記錄的車輛牌照號相對應，因此來準確獲取該機動車的尾氣污染物濃度。

但是現有技術中采用遠距離遙感檢測方法來進行汽車尾氣檢測的方法，大多是檢測某種車型或者某個區域的汽車尾氣排放量，而在實際使用過程中，對于大面積大領域的機動車尾氣排放量的測量，由于設備布局的限制，以及各檢測結點可能發生的設備故障等因素，導致整個測試的失敗。

發明內容

為了解決上述技術問題，本發明所要解決的技術問題是提供一種全新的基于圖像識別的機動車尾氣檢測方法，利用圖像識別技術結合現有的衛星云圖技術，對待測區域的汽車尾氣云團進行列劃分，然后通過進行逐行逐列掃描進行灰度值轉換，并通過BP神經網絡訓練，最終獲得大面積區域的各小區塊的尾氣排放量值。

本發明所采用的技術方案是，一種基于圖像識別的機動車尾氣檢測方法，包括以下步驟：

步驟1：拍攝待測區域的衛星云圖，所述衛星云圖包括待測區域的尾氣暈染圖像，

步驟2：對尾氣暈染圖像進行灰度化處理，生成灰度化圖像，

步驟3：對灰度化圖像進行列劃分，依據像素大小劃分為n個待測單元格，

步驟4：對n個待測單元格的灰度值范圍進行歸一化處理，獲得各待測單元格的灰度值特征值，

步驟5：根據n個待測單元格的灰度值特征值構造BP神經網絡模型，并對BP神經網絡進行網絡訓練，

步驟6：把訓練完成的n各待測單元格的灰度值特征值輸入BP神經網絡進行識別，并與汽車尾氣暈染圖像數據庫進行對比，完成最終尾氣污染值的識別。

進一步的，每一待測單元格的像素大小為m×w，所述m的范圍為150-200kb，所述w的范圍為250-300kb。

進一步的，所述衛星云圖通過設置在待測區域上方的極地軌道氣象衛星拍攝。

進一步的，對尾氣暈染圖像的RGB三分量采用加權平均法進行灰度值計算，計算公式如下：(i,j)=0.40R(i,j)+0.46G(i,j)+0.14B(i,j))。

進一步的，步驟3中，對尾氣暈染圖像采用水平投影和垂直投影相結合的進行劃分，先通過水平投影，通過由下向上掃描，劃分出n行，再通過垂直投影，通過由左向右掃描劃分出n列，最終形成n個待測單元格。

進一步的，步驟6具體包括以下步驟：

步驟61：根據輸入向量的元素量確定輸入層的神經元數量；

步驟62：根據輸入層和輸出層的神經元數量確定BP神經網絡中間層神經元數量，其中，BP神經網絡中間層的神經元傳遞函數采用S型正切函數；

步驟63：根據輸出向量的元素量確定輸出層的神經元數量，其中，輸出層神經元傳遞函數采用S型對數函數。

本發明通過采用上述技術方案，與現有技術相比，具有如下優點：

本發明利用圖像識別技術結合現有的衛星云圖技術，對待測區域的汽車尾氣云團進行列劃分，然后通過進行逐行逐列掃描進行灰度值轉換，并通過BP神經網絡訓練，最終獲得大面積區域的各小區塊的尾氣排放量值。

具體實施方式

作為一個具體的實施例，一種基于圖像識別的機動車尾氣檢測方法，包括以下步驟：