[发明专利]基于高斯混合和自回归滑动平均模型的黑烟车识别方法有效
| 申请号： | 201810789111.3 | 申请日： | 2018-07-18 |
| 公开（公告）号： | CN109190455B | 公开（公告）日： | 2021-08-13 |
| 发明（设计）人： | 路小波;陶焕杰 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 南京众联专利代理有限公司 32206 | 代理人： | 蒋昱 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于高斯混合和自回归滑动平均模型的黑烟车识别方法，包括如下步骤：（1）利用高斯混合模型从道路监控视频中检测车辆运动目标；（2）提取车辆关键区域的三种特征，包括Haar‑like特征，共生矩阵梯度方向直方图特征和局部二值模式傅里叶直方图特征；（3）利用自回归滑动平均模型对每种特征的连续多帧进行建模，得到三个不同模型；（4）对于新的车辆目标，将三个模型分别用于车辆关键区域提取到的三种特征的分类，结合不同特征的分类结果和连续多帧的综合分析，对当前视频段是否有黑烟车做出判断。本发明可以大大节省传统方法消耗的人力和财力，有利于证据的获取和保存，不影响正常交通，能有效的提高执法效率。 | ||
| 搜索关键词： | 基于 混合 回归 滑动 平均 模型 黑烟 识别 方法 | ||
【主权项】：
1.基于高斯混合和自回归滑动平均模型的黑烟车识别方法，具体步骤如下，其特征在于：(1)利用高斯混合模型从道路监控视频中检测车辆运动目标；(2)提取车辆关键区域的三种特征，包括Haar‑like特征，共生矩阵梯度方向直方图特征和局部二值模式傅里叶直方图特征；(3)利用自回归滑动平均模型对每种特征的连续多帧进行建模，得到三个不同模型；(4)对于新的车辆目标，将三个模型分别用于车辆关键区域提取到的三种特征的分类，结合不同特征的分类结果和连续多帧的综合分析，对当前视频段是否有黑烟车做出判断。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810789111.3/，转载请声明来源钻瓜专利网。
