CN110660222A - 一种智能环保道路黑烟车辆电子抓拍*** - Google Patents
一种智能环保道路黑烟车辆电子抓拍*** Download PDFInfo
- Publication number
- CN110660222A CN110660222A CN201911060713.6A CN201911060713A CN110660222A CN 110660222 A CN110660222 A CN 110660222A CN 201911060713 A CN201911060713 A CN 201911060713A CN 110660222 A CN110660222 A CN 110660222A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- black smoke
- license plate
- camera
- blackness
- 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.)
- Granted
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 175
- 238000012544 monitoring process Methods 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 239000013589 supplement Substances 0.000 claims abstract description 33
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims abstract description 30
- 238000011161 development Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 9
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 74
- 230000003287 optical effect Effects 0.000 claims description 38
- 230000018109 developmental process Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 22
- 235000019504 cigarettes Nutrition 0.000 claims description 20
- 230000033001 locomotion Effects 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 239000013307 optical fiber Substances 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 241000208125 Nicotiana Species 0.000 claims description 4
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000012552 review Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 230000005693 optoelectronics Effects 0.000 claims 2
- 230000002159 abnormal effect Effects 0.000 claims 1
- 239000000523 sample Substances 0.000 description 17
- 238000007726 management method Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明为一种智能环保道路黑烟车辆电子抓拍***，包括高清车牌识别摄像机、频闪补光灯、环保监控中心、高亮补光灯、夜间全彩监控摄像机、环境探测器、光电测烟望远镜、LORA开发板；高清车牌识别摄像机的摄像头与来车车头正对，夜间全彩监控摄像机的摄像头和光电测烟望远镜的镜头朝向车尾，环境探测器设置在两个摄像机周围，夜间全彩监控摄像机连接LORA开发板，所有道路的夜间全彩监控摄像机的LORA开发板构建形成局域网，实现摄像头之间的网络化通信；环保监控中心包括终端监控主机和上位机，同时LORA开发板能够接收终端监控主机传来的数据。该***可以对不同自然环境下的车辆尾气进行黑度检测，有效提升了黑烟车辆尾气的黑度检测精确度，提升监管的效率。
Description
技术领域
本发明涉及道路黑烟车辆抓拍***，具体涉及一种智能环保道路黑烟车辆电子抓拍***。
背景技术
近年来，随着汽车数量的持续增加，汽车尾气的排放问题已经越来越受到人们的关注。而且很多老旧的农用车、货车等柴油车在启动的过程中或产生更多的黑烟。但是在监管黑烟车辆的过程中，由于这类车辆一般行驶的时间较晚，而且需要消耗很大的人力。即使有监控***，由于光线的原因也很难准确的检测出黑烟车辆。在此情况下，能够根据不同的光线环境(白天、晚上以及白天的晴天、阴天等)进行智能的黑烟车辆识别就成为了国内外企业开发的热点。
目前在黑烟车辆监控***中存在着一些问题，在不同的天气条件下，对于黑烟车辆的检测就会受到一定的影响，而且仅仅通过人力监控，也会受到人的情绪、疲劳程度等因素的影响。目前对于夜间黑烟车辆的检测不成熟不全面，缺少监控黑烟车的有效手段，导致黑烟车不能很好的监控。同时对于道路黑烟车辆的监测，只是涉及车辆尾部黑烟的识别，对车辆两侧以及顶端设置排烟口(因为有些车辆的排烟口是在车辆头部与车斗之间或者是在车底向两边排出尾气)的位置无法识别，并且测试效果受环境、车速、技术人员操作水平的限制，测试精度有待提高。
现阶段已经上线的黑烟电子抓拍***存在以下的几点不足，例如：第一、现阶段的黑烟电子抓拍***虽然能够对黑烟车辆进行识别，但是对于低浓度的黑烟检测存在一定的漏检等误差。第二、黑烟电子抓拍***虽然能够对黑烟车辆进行录像和跟踪，但是在实际中摄像头之间的距离一般是远远大于可测量范围，摄像头之间并没有形成完整的***，导致了摄像头对黑烟车辆的重复录像，或者使用了光纤实现了摄像头之间的相互通信，由于光纤铺设成本高，浪费了存储空间和资金。
发明内容
针对现有技术的不足，本发明拟解决的问题是，提供一种智能环保道路黑烟车辆电子抓拍***。该黑烟车辆电子抓拍***可以对不同自然环境下的车辆尾气进行黑度检测，尤其是针对低浓度的黑烟车辆尾气，有效提升了黑烟车辆尾气的黑度检测精确度，通过检测尽可能准确的发现黑烟车辆并联合相关部门加快黑烟车辆的替换，减少机动车黑烟对大气的污染，减少人力资源和成本的使用，提升监管的效率。实现了摄像头网络化，同时解决黑烟车辆取证时间长、速度快、移动距离长、执法取证难度大的现状；实现通过智能感知的方式自动识别被检车辆车牌信息，识别该车辆有无冒黑烟，一旦***侦测到黑烟车，自动录像抓拍。
为解决上述技术问题，本发明采用的技术方案是，提供一种智能环保道路黑烟车辆电子抓拍***，包括高清车牌识别摄像机、频闪补光灯、环保监控中心，其特征在于，该***还包括高亮补光灯、夜间全彩监控摄像机、环境探测器、光电测烟望远镜、LORA开发板；高清车牌识别摄像机、频闪补光灯、高亮补光灯、夜间全彩摄像机、环境探测器、光电测烟望远镜、LORA开发板均安装在道路的龙门架上，高清车牌识别摄像机的摄像头与来车车头正对，夜间全彩监控摄像机的摄像头和光电测烟望远镜的镜头朝向车尾，环境探测器设置在两个摄像机周围，夜间全彩监控摄像机连接LORA开发板，所有道路的夜间全彩监控摄像机的LORA开发板构建形成局域网，实现摄像头之间的网络化通信；环保监控中心包括终端监控主机和上位机，同时LORA开发板能够接收终端监控主机传来的数据；
高清车牌识别摄像机和频闪补光灯为组合，用来拍摄车牌信息以及驾驶员人脸，
夜间全彩监控摄像机和高亮补光灯组合用于进行车辆周围黑烟进行检测；
环境探测器检测实时的环境变化，用来调整补光亮度及获取环境对尾气的影响；
高清车牌识别摄像机、频闪补光灯、夜间全彩监控摄像机、高亮补光灯及环境探测器构成前端抓拍子***；
高清车牌识别摄像机、频闪补光灯、夜间全彩监控摄像机、高亮补光灯及环境探测器的采集信息分别通过接入的交换机和光纤收发器传输到终端监控主机，终端监控主机用于对采集信息进行数据处理及存储，具体数据处理及存储过程包括车辆识别、黑烟区域识别、黑烟黑度检测、车辆跟踪定位，
终端监控主机将处理完的数据传输到上位机，上位机观测前端抓拍子***所采集车辆尾气的黑度等级，并存储黑度不达标的对应车辆的牌照信息。
与现有技术相比，本发明的有益效果是：
本发明的实质性特点是：
本发明在针对黑烟车辆尾气黑度鉴定时采用了光流法和光衰减法相结合的方式进行黑烟区域的检测，利用光电测烟望远镜对黑烟区域进行黑度检测，与光电测烟望远镜内的电子林格曼表相比较确定出黑烟的等级，有效提升了黑烟浓度低的情况下检测准确度；另一方面在针对摄像头网络化的创新上，本发明在摄像头之间组建局域网，使用局域网的方式进行摄像头相互之间数据的传输，所检测到的黑烟车辆的信息将会共享到相互联接的摄像头中，对于再出现的已经检测出的车辆仅仅提供车辆所在的位置信息，不会再进行黑烟区域及等级判断，保证了车辆在被鉴定为黑烟车辆时，减少检测时间，同时黑烟车辆行驶的区间也将得以确定。
本发明的显著进步是：
a)、本发明在车辆识别中使用的级联分类器训练相较于现有的卷积神经网络进行的训练方法能够更好的提取车辆的特征。因为卷积神经网络在学习的过程中会将全尺寸的图片压缩为包含分类的一个向量，导致在车辆识别时向量展开过程中造成空间信息的丢失。而级联分类器是将车辆的各个特征进行提取、分类，然后在识别车辆时对特征进行匹配，当所有的特征分类都满足时才能确定为车辆，提升了车辆识别的鲁棒性。
b)、黑烟检测准确性的提升。现有的黑烟检测方法主要是通过光流法，但是在有风的环境下黑烟的运动方向将会首先影响，进而导致检测的误差。因此本发明将光电测烟望远镜与光流法相叠加，不仅仅从黑烟的运动方向及区域进行了检测，也将黑烟成像在光电探头上，通过电子林格曼图像对比进行检测。通过图像与光流法的结合提升了***的检测准确性。
c)、本发明不仅能够提供现有的摄像头的跟踪和定位的功能，还通过LORA构建局域网的方式通过局域网实现各摄像头之间信息交流，对于已经确定的黑烟车辆，各个摄像头之间通过信息传输，将黑烟车辆信息相互“通知”，结合黑烟车辆的行车方向以及摄像头的定位，更好的追踪黑烟车辆的行驶路线，帮助交管部门尽快制止黑烟车辆上路。避免了现有技术中摄像头之间的间距存在盲区(城市道路中摄像头之间的距离是要大于摄像头能够拍摄清楚的拍摄距离，因此在两个摄像头之间会存在拍摄的盲区)，而导致车辆被重复检测，浪费了处理时间和内存资源的问题。
d)、前端抓拍子***采用夜间全彩监控摄像机(黑光)，模仿人眼成像原理，采用双感光元件(sensor)构架，一路sensor负责采集色彩信息，一路sensor负责采集亮度信息，可见光和红外光同时被感知，感光能力大幅提升，在微光环境下能够保证全彩的画质，实现黑烟、车牌等的准确识别，克服了传统的监控摄像机夜间道路黑烟车辆不能很清晰的监测，无法正常识别黑烟的问题。相较于现阶段的摄像头与补光灯的结合，本发明所使用的摄像机在微光环境下更适用。
e)、能够满足24小时不间断监测，而且在夜间也能够进行清晰的拍摄样本，改变了传统的监控在夜间拍摄质量不佳的情况，提升了对于黑烟车辆检测的质量。
f)、平台处理效率高，运行速度快，由于在进行黑烟以及车牌的检测中，遍历的像素数减少，使得遍历的像素更具有针对性，因此算法在运行的过程中更能体现实时性的优点。
g)、能够进行车牌识别，对于黑烟超标的车辆，***还能快速跟踪进行车辆的跟踪拍摄，为整治黑烟车辆提供更加充足的证据。
h)、客户端界面分类清晰，信息齐全，能够让车主实时的进行车辆信息的查询，更能提供用户交互功能。
附图说明
图1为本发明的硬件***流程图。
图2为本发明的方法流程示意图。
图3为本发明的背景分离图，图中左边为未分离的抓拍车辆的图，图中间为分离出背景后的背景图，图中右边为分离出背景后的前景图。
图4为本车辆识别图像。
图5为本车辆尾气的光流场。
图6为本发明的车辆尾气标记图。
图7为本发明的车牌提取图像。
图8为本发明的黑烟车测定结果面板。
图9为本发明的黑烟车电子抓拍***界面。
具体实施方式
下面结合实施例及附图进一步解释本发明，但并不以此作为对本申请保护范围的限定。
本发明智能环保道路黑烟车辆电子抓拍***包括高清车牌识别摄像机、频闪补光灯、高亮补光灯、夜间全彩监控摄像机、环境探测器、光电测烟望远镜、LORA开发板、环保监控中心；高清车牌识别摄像机、频闪补光灯、高亮补光灯、夜间全彩摄像机、环境探测器、光电测烟望远镜、LORA开发板均安装在道路的龙门架上，高清车牌识别摄像机的摄像头与来车车头正对，夜间全彩监控摄像机的摄像头和光电测烟望远镜的镜头朝向车尾，环境探测器设置在两个摄像机周围，夜间全彩监控摄像机连接LORA开发板，所有道路的夜间全彩监控摄像机的LORA开发板构建形成局域网，实现摄像头之间的网络化通信；环保监控中心包括终端监控主机和上位机，同时LORA开发板能够接收终端监控主机传来的数据；
高清车牌识别摄像机和频闪补光灯为组合，用来拍摄车牌信息以及驾驶员人脸，
夜间全彩监控摄像机和高亮补光灯组合用于进行车辆周围黑烟进行检测；
环境探测器检测实时的环境变化，用来调整补光亮度及获取环境对尾气的影响；
高清车牌识别摄像机、频闪补光灯、夜间全彩监控摄像机、高亮补光灯及环境探测器构成前端抓拍子***；
高清车牌识别摄像机、频闪补光灯、夜间全彩监控摄像机、高亮补光灯及环境探测器的采集信息分别通过接入的交换机和光纤收发器传输到终端监控主机，终端监控主机用于对采集信息进行数据处理及存储，具体数据处理及存储过程包括车辆识别、黑烟区域识别、黑烟黑度检测、车辆跟踪定位，
终端监控主机将处理完的数据传输到上位机，上位机观测前端抓拍子***所采集车辆尾气的黑度等级，并存储黑度不达标的对应车辆的牌照信息；
上位机界面上设置有视频监控窗口、卡口抓拍窗口、人工送审窗口、送检通知书管理、黑名单管理、综合查询、统计分析、设备及网络管理、数据交互、***设置、帮助；
视频监控窗口具有实时监控、视频回放窗口两个功能，不仅能够满足对道路的实时抓拍，还能对所拍摄的视频进行回放。
卡口抓拍窗口对经过公路车道的所有车辆进行图像记录，并实时识别出车辆的牌照，上传至数据中心。可将识别结果导出与公安、交警共享。
人工送审窗口是对于智能抓拍结果有异议的情况下，可以将相应的视频经过人工上传再次检测，完成结果验证。
送检通知书管理是对经过人工复核的黑烟车，若环保部门拥有车主、联系电话、行驶证、注册登记所属行政区等信息，可进行关联，并生成《机动车尾气检测通知书》或《机动车黑烟排放处罚通知书》文件。
黑名单管理可对所有黑名单车辆进行集中管理，通过在搜索栏输入车牌号码、抓拍次数进行搜索，搜索结果在搜索结果栏显示。支持按车主信息，可进入驾驶人档案管理页面，对黑名单车辆的驾驶人进行管理。
综合查询窗口功能中，包含了国家规定的关于黑烟车的处罚认定和处罚方式。
统计分析窗口通过选择需要统计的监控点和统计时间范围，支持以饼图形式显示抓拍准确率情况，黑烟车复检情况。支持以饼图形式显示黑烟车占黄标车的比例，以及黑烟车占绿标车的比例。
设备及网络管理窗口支持对抓拍点设备信息进行配置和维护，设备远程信息维护。支持在GIS地图显示每个设备的在线联网情况。
数据交互窗口可以实现抓拍***与交管部门的数据交互以及抓拍***与车主之间的数据交互。
本发明智能道路黑烟车辆电子抓拍***通过智能感知的前端抓拍子***进行检测目标的采集，然后将采集到的信息通过接入的交换机和光纤收发器传输到终端监控主机。在这一过程中会通过终端监控主机进行包括数据处理及存储。处理完的数据通过核心交换机传输到上位机和LORA构建的局域网，在上位机中观测前端抓拍子***所采集的车辆尾气的黑度等级，对于车辆尾气的黑度达到一定的阈值后，将会引发报警，并且存储设备将其对应的车辆牌照等信息存储下来，以便于为后期的审核管理提供依据。
上述车辆识别的过程是；
在高清车牌识别摄像机拍摄的视频中，对包含完整车辆的每帧图像进行Haar特征提取，针对提取的特征进行级联分类器的训练，通过训练出的车辆特征进行车辆样本的识别；
同时再对高清车牌识别摄像机拍摄的视频中的每帧图像进行车辆阴影检测(阴影检测过程可以直接采用现有算法实现)，将车辆阴影检测结果与车辆样本识别结果进行逻辑与运算，对识别出的车辆进行矩形的标记，记录车辆标记矩形区域；采用两种检测结果进行逻辑与运算能提升车辆识别的准确性。
所述级联分类器是一种深度学习方法，能够直接通过将正负样本(正样本就是车辆的图片，负样本就是不含车的图片)进行特征提取、生成文件，然后直接调用，减少了程序运行的时间。避免了通过卷积神经网络而可能还会出现信息丢失或者参数多、过拟合的现象。
上述黑烟区域识别的过程是：
1)在高清车牌识别摄像机拍摄的视频中完成车辆识别后，同时在夜间全彩监控摄像机拍摄的视频图像中标记出车辆标记矩形区域，在夜间全彩监控摄像机拍摄的视频图像中以标记出的车辆为中心在车辆周围进行循环遍历，当子窗口所遍历的长度为车辆标记矩形的长度的两倍时停止遍历；
2)在所遍历的像素内，通过基于梯度的光流法对车辆尾气的运动轨迹进行计算，找到黑烟运动区域，并对黑烟运动区域进行自动阈值分割，划分出车辆尾气黑烟区域；
3)同时通过光衰减法检测夜间全彩监控摄像机的图像可见光的环境下光的衰减情况，对于出现光被吸收的区域标记为黑烟区域；
4)将光流法和光衰减法所标记的黑烟区域叠加后得到目标黑烟区域。
进一步的，在步骤1)中所提到的循环遍历方式，是以标记出的车辆的矩形框中心像素为原点，向周围的8个像素点扩张，提取所扩张到的像素点的值，并进行光流法的计算。然后再以计算完的9个像素点为中心，遍历周围72个像素的值并进行光流法的计算。依次循环，直到循环遍历到像素数量达到车辆标记矩形的长度的两倍时停止遍历。
进一步的，所述基于梯度的光流法是给图像的每一个像素点赋予一个速度矢量初值，这就形成了一个图像运动场，在物体运动的一个特定时刻，图像上的点与三维物体的点一一对应。当图像中的物体发生相对运动时，图像中的速度矢量就会发生相对变化，形成光流的运动区域图像。
所述的光衰减法是利用光在黑烟中会产生衰减的原理，检测发出的光所衰减区域，即为黑烟区域。
本步骤中所使用的基于梯度的光流法与光衰减法相结合的方式能够有效地提升黑烟车辆尾气在低浓度情况下的检测稳定性，结合光电测烟望远镜更能精确到测量尾气的黑度，这些正是本发明对于检测方法的创新和提升。
基于光流场的矢量识别引擎，通过运动矢量的一致性，对黑烟进行分析，同时高清车牌识别摄像机采用了RGB可见光进行车牌识别，夜间全彩监控摄像机采用了白光进行补光拍摄，这样保证了夜晚视频的清晰，准确识别光线变化、树叶阴影晃动、汽车阴影变化、汽车相互遮挡的各种干扰情况，并输出汽车行驶方形、速度等动态信息，实现不同方向的车牌识别摄像功能，黑烟识别效率可提高20％左右。
上述黑烟黑度检测用于对存在黑烟的车辆尾气黑烟等级的测定，具体过程是：
利用光电测烟望远镜对光流法和光衰减法所标记的区域进行车辆尾气的黑度检测，光电测烟望远镜通过内部自带算法对黑烟车辆的尾气进行黑度计算，然后利用林格曼黑度等级标准进行黑度等级的确定；
对光流法所计算出的黑烟区域的视频图像进行图像预处理，具体图像预处理的过程是：
对每帧图像进行颜色空间的转化，并绘制相对应的灰度直方图；根据直方图的峰值进行背景和前景的分割；将图像进行边缘检测、直方图均衡化等操作以获得更好的图像信息；
图像预处理后进行像素值的提取，像素值所对应的林格曼黑度的等级就是黑烟的黑度等级；
将光电测烟望远镜检测结果对应的黑度等级与光流法计算像素值所检测的黑度等级结果经过求平均值的方式确定尾气的黑度等级。
上述车牌识别，具体过程是：
调取标记好车辆标记矩形后的高清车牌识别摄像机拍摄的视频图像，从该视频图像的车辆标记矩形中通过颜色匹配和面积匹配的方式进行车牌的查找并框选；
将框选出的车牌部分进行截取，并对截取部分进行车牌图像的预处理；完成识别的车辆将作为黑烟等级超标的车辆，上传至上位机界面。
车牌图像的预处理过程包括：通过透视变换将车牌变成便于匹配车牌正视图；将车牌上的字符进行分割；通过模板匹配的方式进行字符的识别，最终完成对车牌的识别。
上述透视变换通过把车辆标记矩形区域截取得到的车牌部分变换成正视图的角度，不仅能够更加清晰的看清楚车牌上的字符还能便于字符的匹配，提升车牌的识别准确率。
根据上述黑烟黑度检测确定的当前车辆的黑度等级与标准黑度阈值进行比较，若现有的黑度等级高于标准黑度阈值，则说明当前车辆为尾气黑烟超标车辆；记录当前超标车辆的车牌，并将该车辆的黑烟等级、车牌信息及相关的车辆信息上传至上位机界面。
上述车辆跟踪定位用于对黑烟超标的车辆进行跟踪和录像，并进行摄像头之间的数据更新，具体过程是；
对识别出的黑烟车辆进行5秒的跟踪录像，当检测出车辆尾气超标时，车辆的信息一方面会通过光纤的方式向上位机传输，用于显示和报警，为交管部门提供明确的超标车辆信息和位置信息，另一方面会通过局域网的方式向下一路摄像头传输，这样当下一路高清车牌识别摄像机识别到传输的超标车辆信息时，将跳过尾气黑烟区域识别和黑烟黑度检测过程，直接通过光纤向上位机发送该超标车辆的相关信息(包括该车辆的位置、车牌、黑度等级、驾驶员信息等)并同样通过局域网向下一路摄像头传递车辆信息；重复出现的黑烟车辆将提供位置信息，将其位置信息实时传输到环保监控中心，实现对黑烟超标车辆的跟踪和录像；
所述局域网就是通过在每个摄像头(指夜间全彩监控摄像机的摄像头或者夜间全彩监控摄像机和高清车牌识别摄像机两者的摄像头)上连接LORA开发板，通过开发板之间既定的通信协议相互连接，实现摄像头之间的网络化通信。
本发明的一个创新点是，将每个单个的摄像头组建成简单的摄像头网络，对重复出现的黑烟车辆进行位置锁定，更加便于交管部门及时的管理，而且对锁定的黑烟车辆进行跟踪录像也能为提升***的准确性提供更多的依据。
实施例
本实施例智能环保道路黑烟车辆电子抓拍***所使用的相关硬件包括：700万像素的高清车牌识别摄像机、夜间全彩监控摄像机、终端监控主机、频闪补光灯、高亮补光灯、QT210B型号光电测烟望远镜、RA-02SX1278 LORA开发板；在监测道路的龙门架上每隔规划距离安装上述一套硬件；本实施例中每个龙门架上的高清车牌识别摄像机和夜间全彩监控摄像机共同连接一个LORA开发板，道路上的多个LORA开发板之间通过既定的通信协议相互连接，形成LORA网络，实现摄像头之间的网络化通信。
步骤一、前端抓拍子***硬件布局：
以700万像素的高清车牌识别摄像机和频闪补光灯为组合，用来拍摄车牌信息以及驾驶员人脸；
以夜间全彩监控摄像机和高亮补光灯组合(黑光护罩一体机)进行车辆尾部及黑烟进行检测。
以环境探测器检测实时的环境变化，用来调整补光亮度及获取环境对尾气的影响；
为了更好地发现黑烟车，最好选择有一定坡度，车速适中的路段。黑烟车电子抓拍前端点位建议按照点、线、面进行统一规划。
1)点：包括货运物流中心周围，公交/长途汽车站出入口，码头出入口，高速收费站等大型货运、客运车辆较多的位置；
2)线：包括城市进出主干道，重点管控的交通道路；
3)面：按行政区域，在其他大型柴油车经常出现的城区道路布控。
步骤二、夜间全彩监控摄像机图像预处理：
处理夜间全彩监控摄像机拍摄的车辆视频图像，对所获取的车辆图像进行预处理以获得更好的图像信息；
对图像进行颜色空间的转化，将RGB图像转换成Gray空间图像，并绘制相对应的灰度直方图；
根据灰度图像进行波峰、波谷的确定，并读取直方图中的波峰值；
根据直方图的峰值进行背景和前景的分割；
将图像进行边缘检测、直方图均衡化等操作。
颜色空间由RGB空间转化为Gray空间过程有如下步骤：
1)、通过cvtColor将原图像转化成灰度图像；
2)、选取马路部分中多个点进行灰度值的测量；
3)、计算各个灰度的概率密度
(nk为灰度值为k的个数，n*为总个数)然后对图像进行灰度直方图归一化和均衡化；
本实施例中前景、背景分离结果如图3所示。
步骤三、对车辆进行识别；
1)在高清车牌识别摄像机拍摄的视频中，对包含完整车辆的每帧图像进行Haar特征提取，针对提取的特征先进行弱分类器的训练，然后将所训练的弱分类器训练成强分类器，当图像中有车辆经过时就会在图像内进行像素的遍历，对检测出的符合所有强分类器特征的区域标记为车辆，实现车辆样本的识别；
2)同时再对高清车牌识别摄像机拍摄的视频中的每帧图像进行车辆阴影检测：通过将RGB空间的图像转换成二值图像，再通过自动阈值和梯形蒙板对二值图像的筛选，选择出车辆区域；
3)通过车辆样本的识别检测结果与车辆阴影检测结果相互叠加对识别出的车辆进行矩形的标记，提升车辆识别的准确性，此区域成为车辆标记区域。
车辆识别的具体步骤是：
1)、特征提取，通过Haar特征的方法求出像素之间灰度的变化，主要应用了线性特征和边缘特征。计算公式如下：V＝Sum白-Sum黑。其中H为Haar特征值，Sum白、Sum黑分别为特征模板中的白色部分、黑色部分的像素和。
训练分类器，Adaboost级联分类器是一种弱分类器，通过不断的调整训练样本的权重进行迭代，完成对图像中特征的分类。训练分类器的公式如下：
a)给定的训练样本为(x1,y1)、(x2,y2)……(xn,yn)；其中xi表示第i个样本，yi＝0表示为负样本，yi＝1表示为正样本。n为训练样本总数，i＝1～n。
b)获得最佳弱分类器。其公式为
其中θ为设定的一个最佳阈值，p为偏置，x表示输入的图片子窗口，fj(x)为x样本上第j个特征的值；θj为第j个样板的分类器最佳阈值；pj为第j个样板的偏置，也就是j样本的不等号方向，若分类结果大于阈值，则为-1，否则为+1，以保证不等号<方向不变。
c)初始化正负样本的权重:负样本权重wfi＝1\(2m),正样本权重wzi＝1\(2L)。其中m为负样本的数量，L是正样本的数量，i∈(1，n)，n表示任意的正整数，样本总数。
d)权重的归一化：
其中i∈(1，n)，q表示归一化后的权重，D表示训练数据的权值，t表示迭代次数。
e)计算弱分类器的加权错误率：εt＝∑iqi|h(xi，f，p，θ)-yi|,其中h(x,f,p,θ)是每个特征的弱分类器，x是输入图片的子窗口，f为图像特征的值，θ为分类器的阈值。
f)权重更新，根据错误率进行权重的重新分配，分配的公式如下所示：
g)被正确分类：Dt+1(i)＝Dt(i)βt,被错误分类：Dt+1(i)＝Dt(i)，其中βt＝εt/1-εt，βt为权重更新系数。
h)、获得强分类器，所得到的公式为：
通过以上步骤就能够完成对图像的特征分类，进而完成对车辆的识别。
当图像中有车辆经过时就会在图像内进行像素的遍历，在进行像素遍历时选取图像的下半部分为遍历区域。因为摄像机位置固定，当车辆出现在摄像机拍摄范围内时正是在图像的下半部分。这样能够减少像素的遍历数量，提升算法的速度。
本发明中的识别车辆标记矩形图像效果如图4所示。
步骤四、对车辆进行车牌识别并上传至上位机界面；
1)在所标记的车辆标记区域框中通过颜色匹配和面积匹配的方式进行车牌的查找并框选；
2)将框选出的车牌部分进行截取，并对截取部分变换成灰度图像；
3)通过透视变换将车牌变成便于匹配车牌正视图；
4)将车牌的上的字符进行分割；
5)通过模板匹配的方式进行字符的识别，最终完成对车牌的识别；
所述透视变换具体包括如下子步骤：
a)、读取高清车牌识别摄像机的内参和外参，消除所读取的图像存在的畸变。
b)、获取框选出车牌部分的四个角点坐标。
c)、通过函数getPerspectiveTransform得到变换矩阵，进而通过函数warpPerspective得到透视变化以后的图像。
本发明中字符的模板包括了34个省区、直辖市的简称，24个英文字母的大写，除去L、O。10个数字0—9。
本发明中对车辆牌照的提取结果如图5所示。
步骤五、在识别出的车辆周围进行黑烟区域的检测；
1)在高清车牌识别摄像机拍摄的视频中完成车辆识别后，同时在经步骤二预处理后的夜间全彩监控摄像机拍摄的视频图像中标记出车辆标记矩形区域，在预处理后的夜间全彩监控摄像机拍摄的视频图像中以标记出的车辆标记矩形为中心在周围进行循环遍历，当子窗口所遍历的长度为车辆标记矩形的两倍时停止遍历；
2)在所遍历的像素内，通过光流法进行车辆尾气的运动轨迹计算，找到黑烟运动区域，并黑烟运动区域进行自动阈值分割，划分出车辆尾气的黑烟区域；
3)同时通过光衰减法检测预处理后夜间全彩监控摄像机的图像可见光的环境下光的衰减情况，对于出现光被吸收的区域标记为黑烟区域；
4)将光流法和光衰减法所标记的黑烟区域叠加后得到目标黑烟区域。
黑烟区域检测中步骤1)所提到的循环遍历方式，是以标记出的车辆标记矩形框中心像素为原点，向周围的8个像素点扩张，提取所扩张到的像素点的值以及相关光流法的计算。然后再以计算完的9个像素点为中心，遍历周围72个像素的值以及相关光流法的计算。依次循环，直到循环遍历到像素数量达到车辆标记矩形框的长度的两倍时停止遍历。
基于梯度的光流计算，就是给图像的每一个像素点赋予一个速度矢量初值，这就形成了一个图像运动场，在物体运动的一个特定时刻，图像上的点与三维物体的点一一对应。当图像中的物体发生相对运动时，图像中的速度矢量就会发生相对变化，形成光流的运动区域图像。
本发明中车辆尾气的光流场图像、车辆尾气标记图像如图6、7所示。
步骤六、利用林格曼黑度等级对存在黑烟的车辆进行尾气黑烟等级的测定；
1)利用QT210B型号光电测烟望远镜进行车辆尾气的黑度检测，光流法和光衰减法所标记的区域就是光电望远镜所要检测的区域。光电测烟望远镜通过内部算法对超标车辆尾气的黑烟区域进行黑度计算，然后利用林格曼黑度等级标准进行黑度等级的确定，记为H1；
2)对光流法所计算出的黑烟车辆尾气的区域和光衰减法所标记出的黑烟区域进行像素值的提取，像素值所对应的林格曼黑度的等级就是黑烟的黑度等级，记为H2；
3)光电测烟望远镜的检测结果与计算像素值的方法所检测的结果经过求平均值的方式确定尾气的黑度等级，即H＝H1+H2。
步骤七、对黑烟超标的车辆进行跟踪和录像，并进行摄像头之间的数据更新；
1)对识别出的黑烟车辆进行5秒的跟踪录像并上传黑烟车辆车牌信息以及所处路段信息；
2)尾气超标的黑烟车辆信息通过LORA构建的局域网的方式进行摄像头之间的传输；
3)尾气超标的黑烟车辆信息同时通过光纤的方式上传到上位机，用于黑烟车辆信息的显示和报警；
4)重复出现的黑烟车辆将提供位置信息将其位置信息实时传输到监控中心。
所提出的构建局域网有如下子步骤：
a)、每个摄像机与LORA开发板相连接并编号。
b)、LORA开发板之间通过开发板内部的通信协议相互连接。
c)、当黑烟车辆抓拍完成后将黑烟车辆识别后的信号传输给相应编号的LORA开发板，完成对相应摄像机拍摄信息的传输，构建的局域网是用于不同路段摄像机之间数据信息传输数据。
本发明中的检测证据以及车辆信息检测结果如图8所示。
因此，通过充分利用和改进现有的目标检测等领域的算法，开发一个能够适应复杂自然环境情况下的智能黑烟车辆监控***，该方法不仅效率高，24小事不停的对路段实施抓拍分析，还能为整治黑烟车辆提供有力的证据，而且在不影响交通的情况下进行，最大的优势能够在夜间进行抓拍，为夜间进行黑烟车辆检测提供一双清晰的“眼睛”。
对于夜间监控以及黑烟位置监测的难题，本监控智能环保黑烟车辆电子监控***是人工智能(AI)技术与环保业务相结合的重要应用，该***实施后可有效地实现对黑烟车辆的识别及其黑烟等级的监测。通过林格曼黑度为统一黑烟等级标准进行车辆尾气黑度的监测，这样不仅能统一标准，还能保证监测结果的说服力，对于促进大气污染防治工作的推进有着重要的意义，对高排放机动车专项整治也起到至关重要的作用。
以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。
本发明未述及之处适用于现有技术。
Claims (9)
1.一种智能环保道路黑烟车辆电子抓拍***，包括高清车牌识别摄像机、频闪补光灯、环保监控中心，其特征在于，该***还包括高亮补光灯、夜间全彩监控摄像机、环境探测器、光电测烟望远镜、LORA开发板；高清车牌识别摄像机、频闪补光灯、高亮补光灯、夜间全彩摄像机、环境探测器、光电测烟望远镜、LORA开发板均安装在道路的龙门架上，高清车牌识别摄像机的摄像头与来车车头正对，夜间全彩监控摄像机的摄像头和光电测烟望远镜的镜头朝向车尾，环境探测器设置在两个摄像机周围，夜间全彩监控摄像机连接LORA开发板，所有道路的夜间全彩监控摄像机的LORA开发板构建形成局域网，实现摄像头之间的网络化通信；环保监控中心包括终端监控主机和上位机，同时LORA开发板能够接收终端监控主机传来的数据；
高清车牌识别摄像机和频闪补光灯为组合，用来拍摄车牌信息以及驾驶员人脸，
夜间全彩监控摄像机和高亮补光灯组合用于进行车辆周围黑烟进行检测；
环境探测器检测实时的环境变化，用来调整补光亮度及获取环境对尾气的影响；
高清车牌识别摄像机、频闪补光灯、夜间全彩监控摄像机、高亮补光灯及环境探测器构成前端抓拍子***；
高清车牌识别摄像机、频闪补光灯、夜间全彩监控摄像机、高亮补光灯及环境探测器的采集信息分别通过接入的交换机和光纤收发器传输到终端监控主机，终端监控主机用于对采集信息进行数据处理及存储，具体数据处理及存储过程包括车辆识别、黑烟区域识别、黑烟黑度检测、车辆跟踪定位，
终端监控主机将处理完的数据传输到上位机，上位机观测前端抓拍子***所采集车辆尾气的黑度等级，并存储黑度不达标的对应车辆的牌照信息。
2.根据权利要求1所述的抓拍***，其特征在于，所述上位机的界面上设置有视频监控窗口、卡口抓拍窗口、人工送审窗口、送检通知书管理、黑名单管理、综合查询、统计分析、设备及网络管理、数据交互、***设置、帮助；
视频监控窗口具有实时监控、视频回放窗口两个功能；
卡口抓拍窗口对经过公路车道的所有车辆进行图像记录，并实时识别出车辆的牌照，上传至数据中心，将识别结果导出与公安、交警共享；
人工送审窗口是对于智能抓拍结果有异议的情况下，将相应的视频经过人工上传再次检测，完成结果验证；
送检通知书管理是对经过人工复核的黑烟车，若环保部门拥有车主、联系电话、行驶证、注册登记所属行政区等信息，进行关联，并生成《机动车尾气检测通知书》或《机动车黑烟排放处罚通知书》文件；
黑名单管理可对所有黑名单车辆进行集中管理，通过在搜索栏输入车牌号码、抓拍次数进行搜索，搜索结果在搜索结果栏显示；支持按车主信息，进入驾驶人档案管理页面，对黑名单车辆的驾驶人进行管理；
综合查询窗口功能中，包含了国家规定的关于黑烟车的处罚认定和处罚方式；
统计分析窗口通过选择需要统计的监控点和统计时间范围，支持以饼图形式显示抓拍准确率情况，黑烟车复检情况；支持以饼图形式显示黑烟车占黄标车的比例，以及黑烟车占绿标车的比例；
设备及网络管理窗口支持对抓拍点设备信息进行配置和维护，设备远程信息维护；支持在GIS地图显示每个设备的在线联网情况；
数据交互窗口能实现抓拍***与交管部门的数据交互以及抓拍***与车主之间的数据交互。
3.根据权利要求1所述的抓拍***，其特征在于，所述车辆识别的过程是；
在高清车牌识别摄像机拍摄的视频中，对包含完整车辆的每帧图像进行Haar特征提取，针对提取的特征进行级联分类器的训练，通过训练出的车辆特征进行车辆样本的识别；
同时再对高清车牌识别摄像机拍摄的视频中的每帧图像进行车辆阴影检测，将车辆阴影检测结果与车辆样本识别结果进行逻辑与运算，对识别出的车辆进行矩形的标记，记录车辆标记矩形区域。
4.根据权利要求3所述的抓拍***，其特征在于，上述黑烟区域识别的过程是：
1)在高清车牌识别摄像机拍摄的视频中完成车辆识别后，同时在夜间全彩监控摄像机拍摄的视频图像中标记出车辆标记矩形区域，在夜间全彩监控摄像机拍摄的视频图像中以标记出的车辆为中心在车辆周围进行循环遍历，当子窗口所遍历的长度为车辆标记矩形的长度的两倍时停止遍历；
2)在所遍历的像素内，通过基于梯度的光流法对车辆尾气的运动轨迹进行计算，找到黑烟运动区域，并对黑烟运动区域进行自动阈值分割，划分出车辆尾气黑烟区域；
3)同时通过光衰减法检测夜间全彩监控摄像机的图像可见光的环境下光的衰减情况，对于出现光被吸收的区域标记为黑烟区域；
4)将光流法和光衰减法所标记的黑烟区域叠加后得到目标黑烟区域。
5.根据权利要求4所述的抓拍***，其特征在于，上述黑烟黑度检测用于对存在黑烟的车辆尾气黑烟等级的测定，具体过程是：
利用光电测烟望远镜对光流法和光衰减法所标记的区域进行车辆尾气的黑度检测，光电测烟望远镜对黑烟车辆的尾气进行黑度计算，然后利用林格曼黑度等级标准进行黑度等级的确定；
对光流法所计算出的黑烟区域的视频图像进行图像预处理，图像预处理后进行像素值的提取，像素值所对应的林格曼黑度的等级就是黑烟的黑度等级；
将光电测烟望远镜检测结果对应的黑度等级与光流法计算像素值所检测的黑度等级结果经过求平均值的方式确定尾气的黑度等级。
6.根据权利要求5所述的抓拍***，其特征在于，图像预处理的过程是：
对每帧图像进行颜色空间的转化，并绘制相对应的灰度直方图；根据直方图的峰值进行背景和前景的分割；将图像进行边缘检测、直方图均衡化等操作以获得更好的图像信息。
7.根据权利要求5所述的抓拍***，其特征在于，上述车牌识别的具体过程是：
调取标记好车辆标记矩形后的高清车牌识别摄像机拍摄的视频图像，从该视频图像的车辆标记矩形中通过颜色匹配和面积匹配的方式进行车牌的查找并框选；
将框选出的车牌部分进行截取，并对截取部分进行车牌图像的预处理；完成识别的车辆将作为黑烟等级超标的车辆，上传至上位机界面。
8.根据权利要求7所述的抓拍***，其特征在于，车牌图像的预处理过程包括：通过透视变换将车牌变成便于匹配车牌正视图；将车牌上的字符进行分割；通过模板匹配的方式进行字符的识别，最终完成对车牌的识别；
所述透视变换通过把车辆标记矩形区域截取得到的车牌部分变换成正视图的角度。
9.根据权利要求7所述的抓拍***，其特征在于，上述车辆跟踪定位用于对黑烟超标的车辆进行跟踪和录像，并进行摄像头之间的数据更新，具体过程是；
对识别出的黑烟车辆进行5秒的跟踪录像，当检测出车辆尾气超标时，车辆的信息一方面会通过光纤的方式向上位机传输，用于显示和报警，为交管部门提供明确的超标车辆信息和位置信息，另一方面会通过局域网的方式向下一路摄像头传输，这样当下一路高清车牌识别摄像机识别到传输的超标车辆信息时，将跳过尾气黑烟区域识别和黑烟黑度检测过程，直接通过光纤向上位机发送该超标车辆的相关信息(包括该车辆的位置、车牌、黑度等级、驾驶员信息)并同样通过局域网向下一路摄像头传递车辆信息；重复出现的黑烟车辆将提供位置信息，将其位置信息实时传输到环保监控中心，实现对黑烟超标车辆的跟踪和录像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911060713.6A CN110660222B (zh) | 2019-11-01 | 2019-11-01 | 一种智能环保道路黑烟车辆电子抓拍*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911060713.6A CN110660222B (zh) | 2019-11-01 | 2019-11-01 | 一种智能环保道路黑烟车辆电子抓拍*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110660222A true CN110660222A (zh) | 2020-01-07 |
| CN110660222B CN110660222B (zh) | 2024-05-10 |
Family
ID=69042647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911060713.6A Active CN110660222B (zh) | 2019-11-01 | 2019-11-01 | 一种智能环保道路黑烟车辆电子抓拍*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110660222B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111724605A (zh) * | 2020-06-11 | 2020-09-29 | 广州市云景信息科技有限公司 | 黑烟车监测***及其监测方法 |
| CN111862621A (zh) * | 2020-07-21 | 2020-10-30 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍*** |
| CN112213244A (zh) * | 2020-10-27 | 2021-01-12 | 中国科学院合肥物质科学研究院 | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 |
| CN112255234A (zh) * | 2020-09-27 | 2021-01-22 | 广州能源检测研究院 | 烟囱烟气黑度的测量方法及*** |
| 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*** |
| CN112839202A (zh) * | 2020-12-31 | 2021-05-25 | 南京新远见智能科技有限公司 | 基于跟踪定位技术的非道路移动机械黑烟监控***及方法 |
| CN113111737A (zh) * | 2021-03-26 | 2021-07-13 | 杭州鸿泉物联网技术股份有限公司 | 基于深度学习的黑烟黑度检测方法及设备 |
| CN113158799A (zh) * | 2021-03-18 | 2021-07-23 | 精英数智科技股份有限公司 | 露天煤矿不规范行车检测方法、装置及*** |
| CN113390766A (zh) * | 2020-03-12 | 2021-09-14 | 杭州海康威视数字技术股份有限公司 | 尾气排放检测方法、装置及设备、存储介质 |
| CN113505689A (zh) * | 2021-07-09 | 2021-10-15 | 安徽思环科技有限公司 | 一种黑烟车抓拍*** |
| CN113916911A (zh) * | 2020-06-23 | 2022-01-11 | 同方威视技术股份有限公司 | 物品的安全检查方法和*** |
| CN117315596A (zh) * | 2023-09-07 | 2023-12-29 | 重庆云网科技股份有限公司 | 一种基于深度学习的机动车黑烟检测及识别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103808723A (zh) * | 2014-02-27 | 2014-05-21 | 中国科学技术大学 | 一种柴油车烟气黑度自动检测装置 |
| CN104794486A (zh) * | 2015-04-10 | 2015-07-22 | 电子科技大学 | 基于多特征融合的视频烟雾检测方法 |
| CN104899843A (zh) * | 2015-06-30 | 2015-09-09 | 西南石油大学 | 一种实时去雾霾显示仪及其去雾霾显示方法 |
| CN105467003A (zh) * | 2015-12-31 | 2016-04-06 | 天津云视科技发展有限公司 | 基于物联网的环保监测*** |
| EP3082116A1 (en) * | 2013-12-11 | 2016-10-19 | TNK Corporation Ltd. | Guidance system |
| CN110097571A (zh) * | 2019-04-28 | 2019-08-06 | 重庆大学 | 快速高精度的车辆碰撞预测方法 |
| CN210515650U (zh) * | 2019-11-01 | 2020-05-12 | 河北工业大学 | 一种智能环保道路黑烟车辆电子抓拍*** |
-
2019
- 2019-11-01 CN CN201911060713.6A patent/CN110660222B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3082116A1 (en) * | 2013-12-11 | 2016-10-19 | TNK Corporation Ltd. | Guidance system |
| CN103808723A (zh) * | 2014-02-27 | 2014-05-21 | 中国科学技术大学 | 一种柴油车烟气黑度自动检测装置 |
| CN104794486A (zh) * | 2015-04-10 | 2015-07-22 | 电子科技大学 | 基于多特征融合的视频烟雾检测方法 |
| CN104899843A (zh) * | 2015-06-30 | 2015-09-09 | 西南石油大学 | 一种实时去雾霾显示仪及其去雾霾显示方法 |
| CN105467003A (zh) * | 2015-12-31 | 2016-04-06 | 天津云视科技发展有限公司 | 基于物联网的环保监测*** |
| CN110097571A (zh) * | 2019-04-28 | 2019-08-06 | 重庆大学 | 快速高精度的车辆碰撞预测方法 |
| CN210515650U (zh) * | 2019-11-01 | 2020-05-12 | 河北工业大学 | 一种智能环保道路黑烟车辆电子抓拍*** |
Non-Patent Citations (3)
| Title |
|---|
| QINGYU ZHANG, JUWANG FAN, WEIDONG YANG, BIXIN CHEN, LIJUAN ZHANG, JIAOYU LIU, JINGLING WANG, CHUNYAO ZHOU AND XUAN CHEN: "The effects of deterioration and technological levels on pollutant emission factors for gasoline light-duty trucks", 《JOURNAL OF THE AIR & WASTE MANAGEMENT ASSOCIATION》, vol. 67, no. 07, 19 May 2017 (2017-05-19), pages 814 - 823 * |
| 梁荆璞，文国军，甘露，吴丹，王玉丹: "基于机器视觉的在用柴油车烟度测量方法", 《计算机测量与控制》, vol. 27, no. 04, 25 April 2019 (2019-04-25), pages 32 - 35 * |
| 陈玉琼: "柴油车尾气光学烟度计", 《中国集成电路》, vol. 21, no. 05, 5 May 2012 (2012-05-05), pages 75 - 77 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113390766A (zh) * | 2020-03-12 | 2021-09-14 | 杭州海康威视数字技术股份有限公司 | 尾气排放检测方法、装置及设备、存储介质 |
| CN113390766B (zh) * | 2020-03-12 | 2023-07-25 | 杭州海康威视数字技术股份有限公司 | 尾气排放检测方法、装置及设备、存储介质 |
| CN111724605A (zh) * | 2020-06-11 | 2020-09-29 | 广州市云景信息科技有限公司 | 黑烟车监测***及其监测方法 |
| CN113916911B (zh) * | 2020-06-23 | 2023-03-24 | 同方威视技术股份有限公司 | 物品的安全检查方法和*** |
| CN113916911A (zh) * | 2020-06-23 | 2022-01-11 | 同方威视技术股份有限公司 | 物品的安全检查方法和*** |
| CN111862621A (zh) * | 2020-07-21 | 2020-10-30 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍*** |
| CN112255234A (zh) * | 2020-09-27 | 2021-01-22 | 广州能源检测研究院 | 烟囱烟气黑度的测量方法及*** |
| CN112255234B (zh) * | 2020-09-27 | 2021-11-16 | 广州能源检测研究院 | 烟囱烟气黑度的测量方法及*** |
| 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*** |
| CN112213244A (zh) * | 2020-10-27 | 2021-01-12 | 中国科学院合肥物质科学研究院 | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 |
| CN112213244B (zh) * | 2020-10-27 | 2023-10-10 | 中国科学院合肥物质科学研究院 | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 |
| CN112839202A (zh) * | 2020-12-31 | 2021-05-25 | 南京新远见智能科技有限公司 | 基于跟踪定位技术的非道路移动机械黑烟监控***及方法 |
| CN113158799A (zh) * | 2021-03-18 | 2021-07-23 | 精英数智科技股份有限公司 | 露天煤矿不规范行车检测方法、装置及*** |
| CN113158799B (zh) * | 2021-03-18 | 2024-04-26 | 精英数智科技股份有限公司 | 露天煤矿不规范行车检测方法、装置及*** |
| CN113111737A (zh) * | 2021-03-26 | 2021-07-13 | 杭州鸿泉物联网技术股份有限公司 | 基于深度学习的黑烟黑度检测方法及设备 |
| CN113505689A (zh) * | 2021-07-09 | 2021-10-15 | 安徽思环科技有限公司 | 一种黑烟车抓拍*** |
| CN117315596A (zh) * | 2023-09-07 | 2023-12-29 | 重庆云网科技股份有限公司 | 一种基于深度学习的机动车黑烟检测及识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110660222B (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110660222B (zh) | 一种智能环保道路黑烟车辆电子抓拍*** | |
| CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
| US10223597B2 (en) | Method and system for calculating passenger crowdedness degree | |
| CN103824452B (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
| CN104751634B (zh) | 高速公路隧道行车图像采集信息的综合应用方法 | |
| CN102867417B (zh) | 一种出租车防伪***及方法 | |
| CN104303193B (zh) | 基于聚类的目标分类 | |
| CN106541968B (zh) | 基于视觉分析的地铁车厢实时提示***的识别方法 | |
| CN103093249B (zh) | 一种基于高清视频的出租车识别方法及*** | |
| US20140028842A1 (en) | Calibration device and method for use in a surveillance system for event detection | |
| CN109816024A (zh) | 一种基于多尺度特征融合与dcnn的实时车标检测方法 | |
| CN104951775A (zh) | 基于视频技术的铁路道口防护区域安全智能识别方法 | |
| CN105354530A (zh) | 一种车身颜色识别方法及装置 | |
| CN110969160A (zh) | 一种基于深度学习的车牌图像校正、识别方法及*** | |
| CN106448184A (zh) | 车辆识别方法及车辆出场识别方法 | |
| WO2004042673A2 (en) | Automatic, real time and complete identification of vehicles | |
| CN105608417A (zh) | 交通信号灯检测方法及装置 | |
| CN106384513A (zh) | 一种基于智能交通的***捕捉***及方法 | |
| CN106919939B (zh) | 一种交通标识牌跟踪识别方法及*** | |
| CN112651293B (zh) | 一种公路违法设摊事件视频检测方法 | |
| CN210515650U (zh) | 一种智能环保道路黑烟车辆电子抓拍*** | |
| CN110188606A (zh) | 基于高光谱成像的车道识别方法、装置及电子设备 | |
| CN109165602A (zh) | 一种基于视频分析的黑烟车检测方法 | |
| CN109255279A (zh) | 一种交通标志检测识别的方法及*** | |
| CN111950499A (zh) | 一种检测车载人员统计信息的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |