[发明专利]一种基于动态纹理和变换域时空特征的黑烟车识别方法

说明书

本发明提供了一种基于动态纹理和变换域时空特征的黑烟车识别方法，包括：将视频序列中的每帧图像转化为灰度图像，并平均分成若干网格小方格；对每一帧的每个小方格图像提取动态纹理特征；对每一帧的每个小方格图像得到变换域特征；将动态纹理特征和变换域特征进行融合，得到用于区分烟方格和非烟方格的时空特征；利用SVM分类器对所提时空特征进行分类，得到每个方格的识别结果，结合每帧所有方格识别结果的分布以及连续多帧识别结果的特点，判断当前视频段是否有黑烟车。本发明能借助对黑烟方格位置和个数的分析估计整个黑烟尾气的位置和面积，对黑烟车的污染程度和等级做出初步估计，提高了特征的鲁棒性，避免了阴影的误报，降低了误报率。

技术领域

本发明计算机视觉和烟火检测技术领域，涉及一种黑烟车识别方法，尤其是一种基于动态纹理和变换域时空特征的黑烟车识别方法。

背景技术

黑烟车是一种高污染车辆，其尾气排放物不仅污染空气，而且还会损害人体健康。国家也非常重视黑烟车污染的治理问题，如何从车流中自动的检测出此类高污染车辆，并按照相关法律做进一步的车辆报废和维修处理是非常值得研究的技术，将非常有助于减少机动车污染，提高空气质量。

关于黑烟车检测，目前国内主要采用的方法还是人工路检的模式，即组织环保工作人员道路上对过往车辆进行观察，发现黑烟车后进行拦车处理，该方式耗时耗力，效率低下，且不利于证据的保存，妨碍正常的交通。国内外也开发多种车载尾气检测系统.如美国CATI公司开发的MOTANA OEM-2100系统和由日本HORIBA公司开发的OBS-1000车载实时排放检测系统等.国内的天津大学和清华大学等也都自主开发了车载尾气检测系统，但这类系统价格昂贵，且后续的维护和保养需要消耗大量的资金，由于车辆数量的增加，给每辆车都配置的可实施性不佳。

近些年，随着道路监控的不断完善和视频质量的不断提高，基于视频监控的方法也开始出现，最初的方法就是基于视频进行简单的人工监控，雇佣大量工人不断地通过观看视频寻找经过的黑烟车，并记录车牌和截取视频片段，虽然该方法不妨碍交通，但每天海量的视频根本处理不完。

目前，现有技术中尚缺乏识别率高的黑烟车识别方法。

发明内容

为解决上述问题，本发明公开了一种基于动态纹理和变换域时空特征的黑烟车识别方法，借助计算机视觉技术和无线传输技术，通过对道路监控视频的处理和分析，自动从车流中检测和识别黑烟车，触发报警，由工作人员做出进一步的处理。

为了达到上述目的，本发明提供如下技术方案：

一种基于动态纹理和变换域时空特征的黑烟车识别方法，包括如下步骤：

(1)将视频序列中的每帧图像转化为灰度图像，并平均分成若干个网格小方格；

(2)对每一帧的每一个小方格图像，提取LBP-TOP直方图特征或者VLBP直方图特征，得到动态纹理特征；

(3)对每一帧的每一个小方格图像，提取基于离散余弦变换的特征、基于离散傅里叶变换的特征或者基于离散哈达玛变换的特征，结合多序列分析，得到变换域特征；

(4)将动态纹理特征和变换域特征进行融合，得到用于区分烟方格和非烟方格的时空特征；

(5)利用SVM分类器对所提时空特征进行分类，得到每个方格的识别结果，结合每帧所有方格识别结果的分布以及连续多帧识别结果的特点，对当前视频段是否有黑烟车做出判断。

进一步的，所述步骤(2)中LBP-TOP直方图特征的计算方法包括如下步骤：

(21)对每一帧的每一个小方格图像，沿时间轴提取前面N_before帧和后面N_after帧，组成小方格动态图像序列，并设定三个时空轴T、X和Y；

(22)在XY、XT和YT三个正交平面上，分别利用下式计算像素点(x,y)的LBP值，