[发明专利]一种柴油黑烟车的检测方法

权利要求书

1.一种柴油黑烟车的检测方法，其特征在于，包括：

利用道路的监控图片构建黑烟车样本数据集，并在监控图片中标注出黑烟车位置所在的矩形边界框；

构建目标检测模型，并对监控图片上标注的矩形边界框使用k-均值聚类算法，计算出包含柴油黑烟车的先验框；

利用监控图片和包含柴油黑烟车的先验框，对构建的目标检测模型进行训练，得到训练好的模型；

利用训练好的模型对待检测的监控图片进行检测，判断待检测监控图片中是否存在黑烟车；

所述目标检测模型的结构包括：骨干网络、空间金字塔池化、特征金字塔网络以及检测层，骨干网络的输出依次连接空间金字塔池化、特征金字塔网络以及检测层；

骨干网络的输入为经过缩放的所述监控图片、输出为所述监控图片的特征图，空间金字塔池化的输入为所述监控图片的特征图、输出为相同大小和通道数的特征图，特征金字塔网络的输入为经过空间金字塔池化的特征图，输出为经过多层融合的特征图，检测层的输入为经过多层融合的特征图、输出为包含分类结果、类别置信度和预测框坐标的特征向量。

2.如权利要求1所述的柴油黑烟车的检测方法，其特征在于，所述利用道路的监控图片构建黑烟车样本数据集，并在监控图片中标注出黑烟车位置所在的矩形边界框，包括：

将所述样本数据集中的监控图片划分为训练集、验证集和测试集；

在训练集、验证集和测试集中包含的监控图片中标注出黑烟车位置所在的矩形边界框，并将矩形边界框的中心点坐标(x，y)、矩形边界框的宽w、矩形边界框的高h以及类别标签c作为图片标签；

将图片标签相对于所述监控图片尺寸批归一化到(0，1)之间，并将批归一化后的图片标签保存在与所述监控图片同名的xml格式文件中，其中，批归一化后的图片标签包括归一化后的中心点坐标、归一化后的宽度值和归一化后的高度值；

在所述监控图片中存在黑烟车的检测结果，将类别标签c定义为数字类别1，在所述监控图片中不存在黑烟车的检测结果，将类别标签c定义为数字类别0；

将图片标签和存储路径保存在与所述监控图片同名的txt文件中。

3.如权利要求2所述的柴油黑烟车的检测方法，其特征在于，所述训练集、验证集和测试集中包含的监控图片的数量比例为8:1:1，所有监控图片中存在柴油黑烟车的图片数量和不存在柴油黑烟车的图片数量之比为1:1，其中：

所述验证集中的监控图片用于对所述训练后的模型的性能进行验证，得到验证后的模型；

所述测试集中的监控图片用于对所述验证后的模型进行再次验证，得到最终的目标检测模型。

4.如权利要求3所述的柴油黑烟车的检测方法，其特征在于，在所述利用道路的监控图片构建黑烟车样本数据集之后，还包括：

采用数据增强方法对所述样本数据集中的监控图片进行扩充。

5.如权利要求1所述的柴油黑烟车的检测方法，其特征在于，在所述利用监控图片和包含柴油黑烟车的先验框，对构建的目标检测模型进行训练，得到训练好的模型之前，还包括：

使用ImageNet分类数据集对所述目标检测模型中的特征提取网络进行预训练，以得到预训练后的模型；

相应地，利用监控图片和包含柴油黑烟车的先验框，对预训练后的模型进行训练，得到训练好的模型。

6.如权利要求2所述的柴油黑烟车的检测方法，其特征在于，所述构建目标检测模型，并对监控图片上标注的矩形边界框使用k-均值聚类算法，计算出包含柴油黑烟车的先验框，包括：

事先定义不同尺寸的先验框，并从与所述监控图片对应的xml格式文件中读取所述归一化后的宽度值和所述归一化后的高度值；

将所述归一化后的宽度值和所述归一化后的高度值分别乘以所述批归一化时的缩放系数，得到所述矩形边界框；

统计k个先验框分别与所述矩形边界框的重叠面积，并将所述重叠面积作为距离度量，聚类提取出包含柴油黑烟车的先验框。