[发明专利]一种基于多特征融合的智能视频黑烟车检测方法

权利要求书

1.一种基于多特征融合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)利用积分投影和滤波技术检测车辆尾部位置；

(3)提取车尾部后方区域的统计特征、频域特征和一些人工特征，融合形成一个特征向量；提取车尾部后方区域的统计特征包括如下步骤：

(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)采用如下公式计算区域I_rear的灰度共生矩阵P，

其中，P(i,j,d,θ)表示方向为θ像素距离为d的灰度共生矩阵P在位置(i,j)处的像素值，w和h分别为车辆目标图像的宽和高，round()是一个函数，表示四舍五入；

(33)归一化灰度共生矩阵P，得到

(34)计算基于灰度共生矩阵的一系列统计特征，即

特征一ASM，记ASM(d,θ)表示角度为θ距离为d的特征一ASM，

其中，L×L表示归一化灰度共生矩阵的大小；

特征二ENT，记ENT(d,θ)表示角度为θ距离为d的特征二ENT，

特征三CON，记CON(d,θ)表示角度为θ距离为d的特征三CON，

特征四COR，记COR(d,θ)表示角度为θ距离为d的特征四COR，

特征五IDM，记IDM(d,θ)表示角度为θ距离为d的特征五IDM，

(35)采用四个方向θ＝0°,45°,90°,135°和两种像素距离d＝2,3获得不同的归一化灰度共生矩阵对每一个灰度共生矩阵，计算ASM、ENT、CON、COR和IDM五个统计特征，将不同方向、不同距离的五个统计特征串联起来即可得到基于灰度共生矩阵的统计特征；

提取车尾部后方区域的频域特征包括如下步骤：

(36)将车尾部后方区域I_rear平分为1×2小块,对每一小块进行两层小波分解，记录第i层的水平方向、竖直方向和对角方向的小波系数图像分别为H_i，V_i和D_i，其中i＝1,2；

(37)采用如下方式计算第i层，第k小块的小波能量，其中i＝1,2，k＝1,2；

其中，w_i和h_i分别表示H_i的宽和高；

(38)将步骤(37)获得的频域特征串联起来用来识别黑烟车；

提取车尾部后方区域的一些人工特征包括：

(1)匹配度：计算车尾部区域I_rear和背景对应的区域的匹配度F_match，即

其中，I_rear(i,j)表示图像I_rear在位置(i,j)处的像素值，表示图像在位置(i,j)处的像素值；

(2)均值：计算车尾部区域I_rear的像素均值，即

其中，N₀为区域I_rear的像素总数；

(3)方差：计算车尾部区域I_rear的像素均值，即

(4)比值：采用如下方式计算该比值特征F_ratio，

其中，h表示车尾部到车辆目标外接矩形框底部的距离，H表示车尾部到当前帧图像顶部的距离；

(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。