[发明专利]一种基于卷积注意力网络的黑烟车检测方法

权利要求书

1.一种基于卷积注意力网络的黑烟车检测方法，其特征在于，包括以下步骤：

前景目标检测模块通过监控视频提取运动目标，并去除其中的非车辆目标，得到运动车辆；

黑烟识别模块提取所述运动车辆的候选黑烟区域，并将所述候选黑烟区域转换为设定规格；

黑烟识别模块利用卷积注意力网络提取所述候选黑烟区域的单帧图片的静态特征；

黑烟识别模块将提取的静态特征输入一层全连接层，通过全连接层输出的概率数值来识别黑烟车；

其中，所述卷积注意力网络包括卷积神经网络以及注意力层，所述注意力层包括通道注意力模块以及空间注意力模块；

在提取所述候选黑烟区域的单帧图片的静态特征时，所述卷积神经网络中的每层卷积层的特征图分别通过所述通道注意力模块以及空间注意力模块进行权重分配。

2.根据权利要求1所述的基于卷积注意力网络的黑烟车检测方法，其特征在于，所述前景目标检测模块在去除所述非车辆目标的步骤为：

去除外接矩形面积小于S_min的运动目标，S_min的取值范围是1500～2000个像素；

去除外接矩形的宽高比在0.4～1.3以外的运动目标；

通过上述步骤筛选出的目标为所述运动车辆。

3.根据权利要求2所述的基于卷积注意力网络的黑烟车检测方法，其特征在于，所述黑烟识别模块提取所述运动车辆的候选黑烟区域的步骤为：

将所述运动车辆的外接矩形的高度拉伸10％；

提取所述运动车辆的下半部分区域作为所述候选黑烟区域。

4.根据权利要求3所述的基于卷积注意力网络的黑烟车检测方法，其特征在于，在黑烟识别模块转换所述候选黑烟区域的规格时，黑烟识别模块将所述候选黑烟区域转换为299*299的图片。

5.根据权利要求4所述的基于卷积注意力网络的黑烟车检测方法，其特征在于，所述卷积神经网络采用Inception v3卷积网络进行模型迁移。

6.根据权利要求5所述的基于卷积注意力网络的黑烟车检测方法，其特征在于，在所述卷积神经网络进行模型迁移之前，所述Inception v3卷积网络在ImageNet数据集上进行预训练，并去除预训练模型的1000分类输出层，得到一个2048维的特征向量。

7.根据权利要求6所述的基于卷积注意力网络的黑烟车检测方法，其特征在于，所述全连接层由两个神经元组成。