[发明专利]一种基于卷积注意力网络的黑烟车检测方法

说明书

本发明公开了一种基于卷积注意力网络的黑烟车检测方法，包括以下步骤：通过监控视频提取运动目标；提取运动目标的前景目标，并去除其中的非车辆目标；提取运动车辆的候选黑烟区域，并将候选黑烟区域转换为设定规格；利用卷积注意力网络提取候选黑烟区域的单帧图片的静态特征；将静态特征输入全连接层识别黑烟车；在提取候选黑烟区域的静态特征时，特征图分别通过通道注意力模块以及空间注意力模块进行权重分配。本发明采用注意力机制在空间及通道两个维度上增强卷积神经网络的表征能力，关注黑烟区域的主要特征，抑制车辆、道路、阴影等干扰区域的不必要特征，能够有效地降低误判率。

技术领域

本发明涉及一种黑烟车检测技术，特别涉及一种基于卷积注意力网络的黑烟车检测方法。

背景技术

黑烟车在行驶过程中会排放大量的细颗粒物(PM2.5)及有毒气体(CO、NO等)，造成环境污染的同时还严重危害了人类健康。

传统的黑烟车检测方法存在成本昂贵、效率低下等问题。随着物联网、人工智能(特别 是计算机视觉)的快速发展，视频/图像识别算法日益成熟，基于监控视频自动识别黑烟车成 为可能。基于计算机视觉的黑烟车检测方法包括两类，一类基于传统的机器学习算法(支持 向量机、神经网络等)，一类基于深度学习中的卷积神经网络(CNN，Convolutional Neural Networks)。

基于机器学习的黑烟车检测方法需要手动提起黑烟图片的颜色、纹理、梯度等特征，难 以适应复杂的室外场景。卷积神经网络，通过不断堆叠卷积层及池化层自动提取图片不同尺 度下的特征信息，目前已广泛用于图片分类、图像分割、目标检测等领域。此外，随着计算机算力(GPU)的不断提升，训练大型卷积神经网络成为可能。

基于卷积神经网络的黑烟车检测方法分为两步，第一步基于背景差分算法从监控视频中 提取目标车辆，第二步利用卷积神经网络提取目标车辆的特征信息进行黑烟识别。但在现有 技术中，在提取的目标车辆图片中，除了黑烟区域外还包括车辆、道路、阴影等干扰区域，卷积网络提取干扰区域的特征信息可能导致出现误判。

发明内容

为了解决上述现有技术中的不足，本发明的目的在于提供一种基于卷积注意力网络的黑 烟车检测方法，该方法针对目标车辆图片中存在的干扰区域，采用注意力机制在空间及通道 两个维度上增强卷积神经网络的表征能力，关注黑烟区域的主要特征，抑制车辆、道路、阴影等干扰区域的不必要特征，能够有效地降低误判率。

本发明解决其技术问题所采用的技术方案为：一种基于卷积注意力网络的黑烟车检测方 法，包括以下步骤：

前景目标检测模块提取所述运动目标，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。

可选的，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。