[发明专利]一种基于LHI特征的智能视频黑烟车检测方法

权利要求书

1.一种基于LHI特征的智能视频黑烟车检测方法，其特征在于，包括如下步骤：

(1)利用前景检测算法从道路监控视频中提取运动目标，并识别车辆目标；

(2)利用积分投影技术检测车辆尾部位置；

(3)提取车尾部后方区域的LHI特征，该特征包括LBP特征、HOG特征和IP特征；LHI特征是LBP特征、HOG特征和IP特征的融合，F_LHI＝{x_LBP,x_HOG,x_IP}；

(4)利用BP网络分类器对所提特征向量进行分类，识别黑烟帧，从而进一步识别黑烟车。

2.如权利要求1所述的基于LHI特征的智能视频黑烟车检测方法，其特征在于，步骤(1)中的前景检测算法采用基于高斯混合模型的背景差算法；识别车辆目标指的是，同时满足如下两个准则即可视为是车辆目标：规则一：运动目标的面积大于某个阈值；规则二：运动目标的外接矩形框的长宽比在某个范围内。

3.如权利要求1所述的基于LHI特征的智能视频黑烟车检测方法，其特征在于，步骤(2)中的采用积分投影技术检测车辆尾部位置包括如下步骤：

(21)计算车辆目标图像I_obj的水平积分投影F(x)，即

其中，I_obj(x,y)为车辆目标图像在点(x,y)处的坐标，w为车辆目标图像的宽，操作norm()是归一化过程；

(22)通过以下方式计算车尾部位置坐标x_rear，

其中，Δx是一个与车尾部坐标计算有关的参数。

4.如权利要求1所述的基于LHI特征的智能视频黑烟车检测方法，其特征在于，步骤(3)中的提取车尾部后方区域的LBP特征包括如下步骤：

(31)确定车尾部位置的后方区域I_rear，该区域以车尾部位置为起始线，向后延伸60像素，宽设置为车辆目标的宽；

(32)归一化车尾部后方区域I_rear的分辨率为80x120像素，记作I_norm；

(33)采用如下公式计算归一化区域I_norm的LBP编码图LBP_P,R，

其中，LBP_P,R(x,y)为LBP编码图在位置(x,y)处的数值，R和P分别表示LBP编码的半径和以R为半径的圆周上的邻域像素个数，s(x)是一个分段函数，I_p(x,y)表示图像I_norm的位置(x,y)处圆邻域的第p个像素的灰度值，I_c(x,y)表示图像I_norm的位置(x,y)处像素的灰度值；

(34)将LBP编码图分成1x2小块，对每一块计算直方图，将两小块的直方图连接起来，作为一个重要的特征，记作x_LBP。

5.如权利要求1所述的基于LHI特征的智能视频黑烟车检测方法，其特征在于，步骤(3)中的提取车尾部后方区域的HOG特征包括如下步骤：

(35)对于车尾部后方区域I_norm，分别利用下式计算位置(x,y)处梯度的幅度mag(x,y)和方向ori(x,y)，

(36)选择15x15像素的大小作为一个cell,把2x2cells组合成1个block，梯度方向取4个分别为0°,45°,90°和135°；

(37)计算每个cell的方向直方图，权重取梯度的幅度；

(38)将每个block内的cell进行归一化，然后将所有block的直方图连接起来构成HOG特征向量，记作x_HOG。