CN106951821A - 一种基于图像处理技术的黑烟车智能监控识别方法 - Google Patents
一种基于图像处理技术的黑烟车智能监控识别方法 Download PDFInfo
- Publication number
- CN106951821A CN106951821A CN201611225450.6A CN201611225450A CN106951821A CN 106951821 A CN106951821 A CN 106951821A CN 201611225450 A CN201611225450 A CN 201611225450A CN 106951821 A CN106951821 A CN 106951821A
- Authority
- CN
- China
- Prior art keywords
- black smoke
- vehicle
- image
- background
- recognition methods
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于图像处理技术的黑烟车智能监控识别方法,该方法包括:步骤一、利用视频采集卡采集交通卡口高清实时视频数据流;步骤二、采用变间隔背景均值采样技术,根据路面变化的程度调节间隔采样的时间,再利用多帧图像均值算法提取路面背景信息;步骤三、根据采集的视频流,对每一帧图像采用小车过滤算法实时的过滤小型车辆和非机动车辆,减少图像处理的数据量,提高算法效率;步骤四、对每一帧图像中的大型车辆尾部排烟进行定位;步骤五、将尾气排放的定位区域图像与背景区域图像进行数据对比,判断该车辆是否为黑烟车。本发明所公开的黑烟车智能监控识别方法能提高检测效率,利用计算机技术来判断车辆是否存在黑烟问题。
Description
技术领域
本发明涉及图像模式识别及智能交通领域,具体是关于智能交通***中采用图像处理技术来识别车辆是否排放黑烟的一种方法,特别针对大型工程车辆和排放超标车辆。
背景技术
黑烟车的污染一直是机动车环保的重点和难点,现阶段柴油车排放黑烟现象仍十分严重,一个城市80%的机动车污染物是由20%的高污染车排放的,其中中重型柴油车是排放大户。一辆重型柴油车排放的污染物相当于500辆小型轿车的排放量 1:300~500。一个城市管好了1万辆的重型柴油车就相当于管好了300-500万辆小型汽车。所以研究一种通过机器视觉的图像处理算法来解决这一问题成为一种必然的趋势。
传统的黑烟车管理办法主要有两种,一种是人工路检模式,一种的人工查看监控视频的模式,两种模式虽然在一定程度上减少了黑烟车的污染,但由于机动车保有量的急剧增长,交通的繁忙,拦车路检和人工查看视频不但效率低下,而且存在诸多困难,机动车环保亟待自动化程度高的在线监控模式。
发明内容
为了克服上述现有技术方法的的问题和不足,实现高效智能的自动化检测和识别黑烟车辆,本发明提供了一种基于图像处理的黑烟车智能监控识别方法。
本发明所采用的技术方案是:
利用交通卡口高清摄像机采集实时视频数据流;
采用变间隔背景均值采样技术,根据路面变化的程度调节间隔采样的时间参数PTIME,采样时采取连续的8秒的视频,利用多帧图像均值算法提取路面背景信息。
根据采集的视频流,对每一帧图像采用小车过滤算法实时的过滤小型车辆和非机动车辆,减少图像处理的数据量,提高算法效率;
检测过滤后的每一帧图像是否有大型车辆,若存在大型车辆则对其尾部排烟进行定位。
将尾气排放的定位区域图像与背景区域图像进行数据对比,判断该车辆是否为黑烟车辆。
本发明的技术效果在于:利用计算机的高效性,设计自动化的黑烟车识别技术,根据数据分析来判断车辆是否存在黑烟问题。
附图说明
图1是背景提取效果
图2是帧差分法的说明分析图
图3是黑烟定位效果图
图4是本发明的整体流程图。
具体实施方式
下面结合附图,对本发明作进一步的详细说明。图4了本发明的整体流程图。
如图1所示,本发明由背景提取模块S1,过滤小车模块S2,尾部排烟定位模块S3,判别模块S4这四个模块构成。
S1:首先针对一段交通监控视频,第一步需要提取其背景信息,背景就是该时刻该画面没有车辆和其他运动的物体出现时的路面情况,运用变间隔背景采样法,根据路面变化的情况,实时调节背景采样的间隔时间,当前一次采样的背景和当前采样背景有较大变化时,则缩短下一次采样的时间间隔,否则保持当前的采样间隔。利用变间隔采样背景的方式能有效的适应天气变化和路面的变化,以及自适应的调节采样的间隔,最大化算法的效率和准确性。避免当路面情况发生改变时,变化后的路面和采集到背景会有较大的出入,严重影响后续的处理的结果。
运用变间隔背景采样策略能更好的适应复杂的背景变化。提取的背景图像保存下来将在后续处理阶段利用上。背景提取算法采用多帧图像均值算法,提取一段M秒左右的视频,每秒有P帧图像,利用式1计算每一个像素点的平均值作为背景的像素,其中n=M*P是总的图片帧数R、G、B分别是第i帧图片的RGB通道的值。图1背景提取的效果图。
S2:利用帧差分法计算出车辆的位置以及大概的车辆形态信息。该方法能够在三个连续图像帧中仅保留运动对象的轨迹,并同时去除不稳定对象的干扰,因此,当检测对象在不同时刻发生较大变化时,帧差法具有较好的适用性。具体原理如下:
从视频中提取连续的三帧灰度图像,按照时间顺序依次记作f k-1、f k、f k+1,按照式2将当前帧图像f k与其前一帧图像f k-1,作差并阈值化得到二值图d k-1,k。同理f k与其后一帧图像f k+1,作差并阈值化得到二值图像d k,k+1。二值图像d k-1,k和d k,k+1中,像素为“0”的区域代表静止的背景,像素为“1”的区域代表运动的前景。然后令两张二值图像作逻辑“与”运算,从而在当前帧f k中提取出运动目标区域。具体过程
如图2示。
检测出车辆的位置以及形态信息后,进行车辆连通区域的处理,计算出车辆的坐标以及车辆的数量,采用对每一个连通区域进行逐行逐列的扫描分析得出车辆的大小,将车辆长宽不足预设参数的小型车辆和无关车辆去除,排除干扰减少对黑烟车的判断次数。
S3: 尾部排烟定位模块完成对车辆排气管的定位,在S2完成后,得到的每一辆大型车辆的位置信息,S3中将利用S2的到的位置信息,取车辆尾部往下的DES的距离,距离车辆左边界LDES,距离车辆右边界RDES为排烟区域,DES、LDES、RDES的值由车辆的长宽和车辆在图像的位置相关。
S4: 判别模块,这一步将运用到S1的背景信息,S2的车辆位置信息以及S3的到的尾部排烟位置,综合可得出结果,具体步骤如下:
当对A车辆进行黑烟车判断时,首先判断该车辆是否完全出现在监控画面中,并距离画面的左边界与右边界一定的像素点距离。
将车辆尾部排烟定位区域用一个矩形框提取出,矩形框的大小与车辆的长宽相关。
计算车辆尾部排烟定位区域矩形框内像素点的值记为Q1,在背景图像中取同样的矩形框位置并计算背景图像的矩形框内的像素点的RGB值记为Q2,Z=│Q1-Q2│,根据Z的阈值进行分段判断,当Z<10时,判断为非黑烟车辆,当Z>20时判断为黑烟车辆,为非黑烟车辆时不进行输出,当判断为黑烟车辆时,根据Z值的大小判断出不同的黑烟级别,输出该车辆排放黑烟的截图并保存,结果如图3所示。
Claims (5)
1.一种基于图像处理技术的黑烟车智能监控识别方法,利用计算机的高效性,设计自动化的黑烟车识别技术,根据数据分析来判断车辆是否排放黑烟,与现有的黑烟车识别方法相比其特征包括以下步骤:
步骤一、利用视频采集卡采集交通卡口高清实时视频数据流,摄像头的安装需要在马路上方5米,拍摄方向无异物遮挡,安装在车速较快的直路上且不能是路口或者是有其他车辆转入的路段;
步骤二、采用变间隔背景均值采样技术,根据路面变化的程度调节间隔采样的时间参数PTIME,采样时采取连续的8秒的视频,利用多帧图像均值算法提取路面背景信息;
步骤三、根据采集的视频流,对每一帧图像采用小车过滤算法实时的过滤小型车辆和非机动车辆,减少图像处理的数据量,提高算法效率;
步骤四、对每一帧图像中的大型车辆尾部排烟进行定位;
步骤五、将尾气排放的定位区域图像与背景区域图像进行数据对比,判断该车辆是否为黑烟车。
2.根据权利要求1所述的基于图像处理技术的黑烟车智能监控识别方法,其特征在于,所述步骤二,包括:
运用变间隔背景采样法,根据路面变化的情况,实时调节背景采样的间隔时间,当前一次采样的背景和当前采样背景有较大变化时,则缩短下一次采样的时间间隔,否则保持当前的采样间隔;
利用多帧图像均值算法提取路面背景信息。
3.根据权利要求1所述的基于图像处理技术的黑烟车智能监控识别方法,其特征在于,所述步骤三,包括:
判断车辆的大小,当不是小于目标识别车辆大小时利用小车过滤算法排出干扰车辆。
4.根据权利要求1所述的基于图像处理技术的黑烟车智能监控识别方法,其特征在于,所述步骤四,包括:
尾部排烟定位模块根据车辆的位置和长宽信息来确定DES、LDES、RDES的参数,确定车辆的排烟区域坐标。
5.根据权利要求1所述的基于图像处理技术的黑烟车智能监控识别方法,其特征在于,所述步骤五,包括:
将尾气排放的定位区域图像与背景区域图像进行数据对比,通过对比出的数值来确定是否为黑烟车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611225450.6A CN106951821A (zh) | 2016-12-27 | 2016-12-27 | 一种基于图像处理技术的黑烟车智能监控识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611225450.6A CN106951821A (zh) | 2016-12-27 | 2016-12-27 | 一种基于图像处理技术的黑烟车智能监控识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106951821A true CN106951821A (zh) | 2017-07-14 |
Family
ID=59465797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611225450.6A Pending CN106951821A (zh) | 2016-12-27 | 2016-12-27 | 一种基于图像处理技术的黑烟车智能监控识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106951821A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416316A (zh) * | 2018-03-19 | 2018-08-17 | 中南大学 | 一种黑烟车的检测方法及*** |
CN108921147A (zh) * | 2018-09-03 | 2018-11-30 | 东南大学 | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 |
CN108960181A (zh) * | 2018-07-17 | 2018-12-07 | 东南大学 | 基于多尺度分块lbp和隐马尔科夫模型的黑烟车检测方法 |
CN109086681A (zh) * | 2018-07-11 | 2018-12-25 | 东南大学 | 一种基于lhi特征的智能视频黑烟车检测方法 |
CN109145732A (zh) * | 2018-07-17 | 2019-01-04 | 东南大学 | 一种基于Gabor投影的黑烟车检测方法 |
CN109165602A (zh) * | 2018-08-27 | 2019-01-08 | 成都华安视讯科技有限公司 | 一种基于视频分析的黑烟车检测方法 |
CN109191492A (zh) * | 2018-07-11 | 2019-01-11 | 东南大学 | 一种基于轮廓分析的智能视频黑烟车检测方法 |
CN109325426A (zh) * | 2018-09-03 | 2019-02-12 | 东南大学 | 一种基于三正交平面时空特征的黑烟车检测方法 |
WO2019036915A1 (zh) * | 2017-08-22 | 2019-02-28 | 深圳企管加企业服务有限公司 | 基于物联网的机房安全监控方法、装置及存储介质 |
WO2019036916A1 (zh) * | 2017-08-22 | 2019-02-28 | 深圳企管加企业服务有限公司 | 基于物联网的机房安全监控*** |
CN109409242A (zh) * | 2018-09-28 | 2019-03-01 | 东南大学 | 一种基于循环卷积神经网络的黑烟车检测方法 |
CN109446938A (zh) * | 2018-07-18 | 2019-03-08 | 东南大学 | 一种基于多序列双投影的黑烟车检测方法 |
CN110516691A (zh) * | 2018-05-22 | 2019-11-29 | 杭州海康威视数字技术股份有限公司 | 一种车辆尾气检测方法和装置 |
CN111126165A (zh) * | 2019-11-29 | 2020-05-08 | 苏州科达科技股份有限公司 | 黑烟车检测方法、装置及电子设备 |
CN112288986A (zh) * | 2020-10-28 | 2021-01-29 | 金娇荣 | 一种电动汽车充电安全监控和预警*** |
CN112289022A (zh) * | 2020-09-29 | 2021-01-29 | 西安电子科技大学 | 基于时空背景比对的黑烟车检测判定及*** |
CN113378629A (zh) * | 2021-04-27 | 2021-09-10 | 阿里云计算有限公司 | 一种排烟异常车辆的检测方法、装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102042986A (zh) * | 2009-10-20 | 2011-05-04 | 西安费斯达自动化工程有限公司 | 基于图像和fpga的汽车尾气自动监测 |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别*** |
CN103196789A (zh) * | 2013-04-02 | 2013-07-10 | 江苏大学 | 柴油车尾气烟度检测方法 |
-
2016
- 2016-12-27 CN CN201611225450.6A patent/CN106951821A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102042986A (zh) * | 2009-10-20 | 2011-05-04 | 西安费斯达自动化工程有限公司 | 基于图像和fpga的汽车尾气自动监测 |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别*** |
CN103196789A (zh) * | 2013-04-02 | 2013-07-10 | 江苏大学 | 柴油车尾气烟度检测方法 |
Non-Patent Citations (1)
Title |
---|
常志远: "变采样间隔自适应EWMA t控制图统计设计", 《计算机集成制造***》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019036916A1 (zh) * | 2017-08-22 | 2019-02-28 | 深圳企管加企业服务有限公司 | 基于物联网的机房安全监控*** |
WO2019036915A1 (zh) * | 2017-08-22 | 2019-02-28 | 深圳企管加企业服务有限公司 | 基于物联网的机房安全监控方法、装置及存储介质 |
CN108416316A (zh) * | 2018-03-19 | 2018-08-17 | 中南大学 | 一种黑烟车的检测方法及*** |
CN110516691A (zh) * | 2018-05-22 | 2019-11-29 | 杭州海康威视数字技术股份有限公司 | 一种车辆尾气检测方法和装置 |
CN109191492A (zh) * | 2018-07-11 | 2019-01-11 | 东南大学 | 一种基于轮廓分析的智能视频黑烟车检测方法 |
CN109086681A (zh) * | 2018-07-11 | 2018-12-25 | 东南大学 | 一种基于lhi特征的智能视频黑烟车检测方法 |
CN109145732A (zh) * | 2018-07-17 | 2019-01-04 | 东南大学 | 一种基于Gabor投影的黑烟车检测方法 |
CN108960181A (zh) * | 2018-07-17 | 2018-12-07 | 东南大学 | 基于多尺度分块lbp和隐马尔科夫模型的黑烟车检测方法 |
CN108960181B (zh) * | 2018-07-17 | 2021-11-19 | 东南大学 | 基于多尺度分块lbp和隐马尔科夫模型的黑烟车检测方法 |
CN109446938B (zh) * | 2018-07-18 | 2021-09-03 | 东南大学 | 一种基于多序列双投影的黑烟车检测方法 |
CN109446938A (zh) * | 2018-07-18 | 2019-03-08 | 东南大学 | 一种基于多序列双投影的黑烟车检测方法 |
CN109165602A (zh) * | 2018-08-27 | 2019-01-08 | 成都华安视讯科技有限公司 | 一种基于视频分析的黑烟车检测方法 |
CN109325426A (zh) * | 2018-09-03 | 2019-02-12 | 东南大学 | 一种基于三正交平面时空特征的黑烟车检测方法 |
CN108921147B (zh) * | 2018-09-03 | 2022-02-15 | 东南大学 | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 |
CN108921147A (zh) * | 2018-09-03 | 2018-11-30 | 东南大学 | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 |
CN109325426B (zh) * | 2018-09-03 | 2021-11-02 | 东南大学 | 一种基于三正交平面时空特征的黑烟车检测方法 |
CN109409242B (zh) * | 2018-09-28 | 2021-11-02 | 东南大学 | 一种基于循环卷积神经网络的黑烟车检测方法 |
CN109409242A (zh) * | 2018-09-28 | 2019-03-01 | 东南大学 | 一种基于循环卷积神经网络的黑烟车检测方法 |
WO2021103837A1 (zh) * | 2019-11-29 | 2021-06-03 | 苏州科达科技股份有限公司 | 黑烟车检测方法、装置及电子设备 |
CN111126165A (zh) * | 2019-11-29 | 2020-05-08 | 苏州科达科技股份有限公司 | 黑烟车检测方法、装置及电子设备 |
CN111126165B (zh) * | 2019-11-29 | 2022-07-29 | 苏州科达科技股份有限公司 | 黑烟车检测方法、装置及电子设备 |
CN112289022A (zh) * | 2020-09-29 | 2021-01-29 | 西安电子科技大学 | 基于时空背景比对的黑烟车检测判定及*** |
CN112289022B (zh) * | 2020-09-29 | 2022-02-25 | 西安电子科技大学 | 基于时空背景比对的黑烟车检测判定方法及*** |
CN112288986A (zh) * | 2020-10-28 | 2021-01-29 | 金娇荣 | 一种电动汽车充电安全监控和预警*** |
CN113378629A (zh) * | 2021-04-27 | 2021-09-10 | 阿里云计算有限公司 | 一种排烟异常车辆的检测方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951821A (zh) | 一种基于图像处理技术的黑烟车智能监控识别方法 | |
CN108416316B (zh) | 一种黑烟车的检测方法及*** | |
CN104504913B (zh) | 视频车流检测方法及装置 | |
CN111597905B (zh) | 一种基于视频技术的公路隧道停车检测方法 | |
CN103324930A (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
CN106919902A (zh) | 一种基于cnn的车辆识别和轨迹追踪方法 | |
US11373417B2 (en) | Section line recognition device | |
CN105718916A (zh) | 一种基于霍夫变换的车道线检测方法 | |
CN109858331A (zh) | 自动驾驶清洁车垃圾识别清理方法 | |
CN112287888B (zh) | 一种基于预测权重的轨道转弯识别方法 | |
CN103902985A (zh) | 一种基于roi的强鲁棒性实时车道侦测算法 | |
CN103226712A (zh) | 一种基于有限状态机的遗留物检测方法 | |
CN113034378B (zh) | 一种区分电动汽车与燃油汽车的方法 | |
CN112084822A (zh) | 车道检测装置及方法、电子设备 | |
CN111723854A (zh) | 一种高速公路交通拥堵检测方法、设备及可读存储介质 | |
CN111476712B (zh) | 一种烧结机的台车箅条图像的摄取及检测方法、*** | |
CN113221943A (zh) | 一种柴油车黑烟图像识别方法、***及存储介质 | |
CN114463684A (zh) | 一种面向城市高速路网的堵点检测方法 | |
Wang et al. | Lane detection based on two-stage noise features filtering and clustering | |
CN113516853B (zh) | 一种针对复杂监控场景的多车道车流量检测方法 | |
Chougule et al. | An efficient encoder-decoder CNN architecture for reliable multilane detection in real time | |
CN114359860A (zh) | 一种基于环境感知实例分割模型的轨道识别方法及*** | |
CN104268859A (zh) | 一种用于夜间车道线检测的图像预处理方法 | |
CN112052768A (zh) | 基于无人机的城市违章停车检测方法、装置及存储介质 | |
CN116580574A (zh) | 基于车流量监测的道路交通多向动态管控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |
|
RJ01 | Rejection of invention patent application after publication |