[發明專利]基于時空背景比對的黑煙車檢測判定方法及系統

有效

• 申請號: 202011053114.4
• 申請日: 2020-09-29
• 公開（公告）號: CN112289022B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 李潔;張翔宇;焦群翔;續拓;唐銘蔚
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/017
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種基于時空背景比對的黑煙車檢測判定方法，其特征在于，所述基于時空背景比對的黑煙車檢測判定方法視頻流的讀取是通過提前架設的工業級攝像頭將外部采集的道路視頻流以局域網的形式傳輸給同一地址段的本地計算機進行實時處理；提取關鍵幀采取等間距采樣的方法；視頻流檢測，采取深度學習算法YOLOv3進行黑煙車輛檢測，并輸出帶有檢測結果的視頻、目標截圖、車牌號、林格曼黑煙系數、所在車道；對于檢測結果進行輸出保存，用于復查分析；

所述基于時空背景比對的黑煙車檢測判定方法包括以下步驟：

第一步，視頻流實時讀取，從外部架設的工業級攝像頭將外部采集的道路視頻流以局域網的形式傳輸給同一地址段的本地計算機，完成視頻流的實時獲取；

第二步，從獲取的視頻流中提取關鍵幀，用以輸入到深度學習檢測算法，進行視頻流的黑煙車檢測；

第三步，用深度學習算法對關鍵幀進行黑煙車檢測，用以得到帶有檢測結果的黑煙車視頻、目標截圖、車牌號、林格曼黑煙系數、所在車道；

第四步，檢測結果的保存與分析，對帶有黑煙車的視頻、目標截圖、車牌號、林格曼黑煙系數、所在車道結果以時間戳命名，進行輸出保存，用于以后期的分析檢查；

所述第三步用深度學習算法對關鍵幀進行黑煙車檢測，用以得到帶有檢測結果的黑煙車視頻、目標截圖、車牌號、林格曼黑煙系數、所在車道包括：

(1)輸入關鍵幀圖片，保持長寬比不變的情況下，將圖像調整為大小是416*416的3通道的RGB圖像；

(2)運行網絡，YOLOv3的卷積層將輸入圖像分成S*S網格，預測得到邊界框大小、位置、目標的置信度，通過非極大值抑制，生成最終的車輛檢測數據框，并返回；

(3)獲取黑煙可能存在區域，依據得到的車輛檢測框，計算車輛前后可能出現黑煙的區域；具體地，黑煙框的長度與對應車輛保持一致，寬度是對應車輛寬度的3/4；

(4)黑煙區域與背景區域進行對比，分別計算黑煙區域與背景區域的像素值均值與方差；若黑煙區域像素均值相較背景減少10％以上，公式則認為存在黑煙，依據均值減少的程度，將黑煙分為林格曼系數的6個等級，見公式

(5)車牌檢測，若車輛的前后區域被判為林格曼系數大于0的區域，則認為當前車為黑煙車，若為黑煙車，則將車輛區域輸入車牌檢測算法；

(6)車道檢測，若車輛被判定為黑煙車，則根據車輛所處坐標進行車道檢測，讀取當前視頻流下的圖像，人工劃取車道線位置，并計算車道線二元一次函數斜率與截距，依據檢測框位置(top，left，right，bottom)計算黑煙車中心坐標(x，y)，見公式和帶入y值計算每個車道線對應的x_i值，其中i＝0，1，2，……，判斷車輛位于第幾車道，見公式

2.如權利要求1所述的基于時空背景比對的黑煙車檢測判定方法，其特征在于，將車輛區域輸入車牌檢測算法具體包括：首先利用u-net圖像分割算法得到二值化圖像；再使用Opencv進行邊緣檢測獲得車牌區域坐標，并將車牌圖形矯正；最后利用卷積神經網絡進行車牌多標簽端到端識別。

3.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行權利要求1所述基于時空背景比對的黑煙車檢測判定方法的步驟。

4.一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行權利要求1所述基于時空背景比對的黑煙車檢測判定方法的步驟。