预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113762144A(43)申请公布日2021.12.07(21)申请号202111035079.8(22)申请日2021.09.05(71)申请人东南大学地址210096江苏省南京市玄武区四牌楼2号(72)发明人路小波袁立(74)专利代理机构南京众联专利代理有限公司32206代理人周蔚然(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书4页附图4页(54)发明名称一种基于深度学习的黑烟车检测方法(57)摘要本发明公开了一种基于深度学习的黑烟车检测方法,模型构建包括以下步骤:对实际道路摄像头获取的图像中的车辆目标进行标注,构建车辆目标检测数据集;采用YOLOv3模型对已标注的车辆目标数据集进行训练,实现模型对图像中的车辆目标进行检测并获得车辆目标尾部区域图像,以构建黑烟分类数据集;采用结合蒸馏和训练优化的改进的VisionTransformer模型进行黑烟分类模型训练以判断车辆是否排放黑烟;对实际道路视频传来的视频数据进行实时黑烟车检测,若发现黑烟车则警示,本发明采用计算机视觉的方式,在无人监视条件下,从视频数据中对黑烟车进行有效自动检测和警示的方法,能够有效提升黑烟车检测的精度和速度,避免受到图像中阴影等因素的干扰。CN113762144ACN113762144A权利要求书1/1页1.一种基于深度学习的黑烟车检测方法,其特征在于,该方法包括以下步骤:步骤一、对实际道路摄像头获取的图像中的车辆目标进行标注,构建车辆目标检测数据集;步骤二、采用YOLOv3模型对已标注的车辆目标数据集进行训练,实现模型对图像中的车辆目标进行检测并获得车辆目标尾部区域图像,以构建黑烟分类数据集;步骤三、采用结合蒸馏和训练优化的改进的VisionTransformer模型进行黑烟分类模型训练以判断车辆是否排放黑烟;步骤四、对实际道路视频传来的视频数据进行实时黑烟车检测,若发现黑烟车则警示。2.根据权利要求1所述的方法,其特征在于:所述步骤一中,车辆目标检测数据集是由实际道路摄像头所拍摄视频等帧截取后的图像经标注后组成的,车辆目标包括小汽车、掀背车、厢型车、卡车、公交车共计5类。3.根据权利要求1所述的一种基于深度学习的黑烟车检测方法,其特征在于:所述步骤二中,采用YOLOv3模型进行训练后能够识别视频中的车辆目标,采用算法对在车辆目标框高度的70%处取一个边长等于车辆目标框宽度的正方形,并在保持中心点不变的基础上对正方形大小进行尺度变换,以此获得黑烟分类图像,采用人工方式对将车辆尾部图像分为有烟和无烟两类,构建黑烟分类数据集。4.根据权利要求1所述的一种基于深度学习的黑烟车检测方法,其特征在于:所述步骤三中,蒸馏是通过在编码器前,采用类似添加分类标志的方式,额外在输入末端加入一个蒸馏标志来实现的;引入已完成训练的Resnet‑50网络作为导师模型,使蒸馏标志的输出尽可能接近导师模型对输入图片的输出;在训练过程中对原分类标志和蒸馏标志同时进行反向传播学习,能够使需要被训练的学生模型在与导师模型的交互中更好地对训练过程进行优化互补;训练过程中,将损失函数替换为如下所示的二值交叉熵损失函数:其中N为批大小,σ为sigmoid函数,xn为模型输出,yn为标签值。5.根据权利要求1所述的一种基于深度学习的黑烟车检测方法,其特征在于:所述步骤四中,实际测试过程主要是一个两段过程,一是对视频逐帧图像中的车辆进行目标检测,之后将检出的车辆目标框的下部分区域进行扩大以作为黑烟分类器的核心区域,二是采用黑烟分类器根据车辆尾气特征对核心区域进行黑烟分类,以判断是否存在排烟情况;最后,若在连续几帧内都判断为有烟情况,则进行警示。2CN113762144A说明书1/4页一种基于深度学习的黑烟车检测方法技术领域[0001]本发明属于计算机视觉和交通视频检测领域,具体涉及一种基于深度学习的黑烟车检测方法。背景技术[0002]世界燃油汽车总量的持续快速增长给各国主要城市带来巨大的交通和环境问题,燃油车尾气的排放是大气污染气体的主要来源之一。以固体悬浮颗粒物和有毒有害气体为主要成分的燃油车尾气,会因接触或吸入的方式对人体健康造成不可逆的影响,还会产生雾霾、酸雨等现象对大气环境和土壤环境形成污染。因此,对道路中的黑烟车进行检测和报警对人体健康和生态环境具有重要意义。从车外采用传统方法进行黑烟车检测的方式,主要包括车辆年度审查、交通警察在道路中实际观测和采用人工方式对道路监控视频进行分析,采用这种方式不仅时效性差,还会耗费大量的人力资源,黑烟车漏检情况时有发生。然而,随着道路摄像头数量的增加,借助发展迅速的图像处理技术能够实现低成本、快速、高效地黑烟车