[发明专利]一种基于视频的黑烟车辆及林格曼黑度等级智能检测方法

权利要求书

1.一种基于视频的黑烟车辆及林格曼黑度等级智能检测方法，其特征在于，包括以下步骤：

S1：使用深度学习检测框架对输入的每一个视频帧图片进行黑烟区域检测，当检测区域置信度大于阈值后进行下一步操作；

S2：使用深度学习检测框架对车辆进行检测；

S3：将黑烟区域与车辆进行关联，关联成功后，进入下一步操作；

S4：使用3D卷积神经网络对黑烟进行精准识别，当黑烟识别概率值大于阈值后，输出黑烟检测区域和关联车辆区域信息；

所述基于视频的黑烟车辆及林格曼黑度等级智能检测方法还包括确定黑烟国际标准的黑烟林格曼等级识别步骤，如下：在视频输入时，采用高斯混合模型进行背景建模，然后对S4步骤输出的黑烟检测区域和关联车辆区域信息进行黑烟林格曼等级识别；

黑烟林格曼等级识别步骤的具体流程为：

在视频输入时，采用一个高斯混合模型进行背景建模，待检测到黑烟区域后，去除与车辆交叉部分得到纯黑烟图像区域为R，该区域对应的背景区域为B；

用R减去B分割出黑烟像素，如果R减B的差值小于设定阈值，则认为该像素是黑烟像素；

得到黑烟像素后，在R上计算这些像素的灰度均值m，设定一个在道路环境下纯白的像素灰度值为H和一个纯黑的像素灰度值L，通过如下林格曼等级的计算公式即可计算出最终的黑烟林格曼等级：

林格曼等级

2.如权利要求1所述的基于视频的黑烟车辆及林格曼黑度等级智能检测方法，其特征在于：所述深度学习检测框架为YoloV5模型框架、YoloV3模型框架、SSD模型框架、faster-RCNN模型框架和FCOS模型框架中的一种。

3.如权利要求1所述的基于视频的黑烟车辆及林格曼黑度等级智能检测方法，其特征在于，在S3步骤中，黑烟区域与车辆进行关联的具体操作为：判断黑烟和车辆区域的互交差区域比例，若存在车辆和黑烟互交差区域比例大于0％，则取最大的互交差区域比例的车辆作为黑烟的关联车辆。

4.如权利要求3所述的基于视频的黑烟车辆及林格曼黑度等级智能检测方法，其特征在于：若黑烟区域和车辆不存在互交差区域，则先找出在黑烟区域中心以上的车辆，计算车辆中心底部到黑烟区域的上、左、右中间点的距离，取最小距离作为车-烟的最终距离；获取所有车-烟距离后，求最小值距离，如果最小值距离大于设定阈值，则该车-烟对进行关联成功。

5.如权利要求1所述的基于视频的黑烟车辆及林格曼黑度等级智能检测方法，其特征在于，在步骤S4中，使用3D卷积神经网络对黑烟进行精准识别的操作过程为：根据当前第T帧黑烟区域，扣取缓存的T、T-1、T-2帧相应的黑烟区域，输入至3D卷积神经网络进行分类，得到黑烟概率，当黑烟概率大于阈值时候输出黑烟结果。