[发明专利]一种柴油黑烟车的检测方法

说明书

本发明公开了一种柴油黑烟车的检测方法，属于环境检测技术领域，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；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。本发明在新的数据集中聚类得到先验框，更有利于对监控图片中目标的定位，通过预测矩形边界框相对于先验框的偏移值，提高了网络的召回率，增强网络的检测能力。

技术领域

本发明涉及环境检测技术领域，特别涉及一种柴油黑烟车的检测方 法。

背景技术

柴油车所排放的黑烟废气中含有约两百种不同的化合物，是造成细 颗粒物、光化学烟雾污染的主要原因之一。综合考虑柴油车行驶里程和 排放系数，一辆无法达到国三排放标准或更低排放标准的柴油车的氮氧 化物和细颗粒物排放量，相当于两百多辆国四排放标准小轿车排放量之 和。

基于烟雾具有视觉模糊特性、半透明特性、微粒特性和扩散运动特 性，近年来有许多专家学者针对烟雾检测提出了很多相关工作。翟文鹏 等根据视频烟雾的颜色特征以及烟雾运动的扩散性，提出一种基于颜色 特征和运动特征的视频烟雾探测方法：首先利用光流场法进行运动检测 提取烟雾区域，然后对提取的烟雾区域进行烟雾运动相对稳定性分析和 烟雾运动局部不规则分析，结合烟雾的颜色特征，在给定的阈值条件下 进行烟雾检测。

由于烟雾会遮挡图片的纹理和边缘，导致图片的高频信息减少，其 主要反映在小波域的烟雾图片在小波高频能量会减少。基于这一特性， 吴爱国等提出了利用混合高斯模型提取烟雾区域，然后对小波变化分析 烟雾区域得到烟雾判别输出的静态特征和动态特征相结合的烟雾检测 方法。

以上烟雾检测方法主要存在以下两点不足：

(1)之前已开展的绝大多数研究工作都是针对森林火灾或者工厂 烟囱排放烟雾的高空视角，其应用场景中的运动干扰物较少，背景相对 固定，使之难以成为适用于各种场景的通用烟雾检测方法。

例如本发明所涉及的自然条件下的交通道口监控摄像机工作场景， 其中存在光照变化频繁剧烈，路面颜色灰暗，水渍污渍遍布，道路旁杂 物较多，车辆间存在相互遮挡，烟羽轮廓面积多变等问题。传统烟雾检 测算法所使用的基于经验阈值和实验统计阈值的人工特征提取方法，如 人工设计建模烟雾的颜色特征、频域特征、纹理特征等，难以胜任如此 复杂场景下的检测任务。

(2)传统方法所设计的机器学习算法的所有计算任务都只能部署 在CPU上进行，实时性很差，难以根据具体的应用场景进行特定优化以 及支持GPU并行计算加速。

发明内容

本发明的目的在于克服上述背景技术中的缺陷，以提供一种适用于 自然条件下的交通道口监控摄像机工作场景的烟雾检测方法。

为实现以上目的，本发明采用一种柴油黑烟车检测方法，包括如下 步骤：

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。

进一步地，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；