-
公开(公告)号：CN109241824B
公开(公告)日：2021-12-17
申请号：CN201810786681.7
申请日：2018-07-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于码本和平滑转换自回归模型的黑烟车智能监控方法，包括如下步骤：(1)利用码本模型检测视频中的运动目标，确定目标后方关键区域；(2)提取关键区域的Tamura特征，中心对称局部二值模式直方图特征和灰度直方图特征，组合形成关键区域的三类静态特征；(3)利用平滑转换自回归模型对三类静态特征的时间序列分别进行建模，并将模型的解作为最终特征向量，用于刻画关键区域的动态特征；(4)三类特征训练得到三个SVM分类器，对三个分类结果加权融合，得到当前关键区域的识别结果，并通过连续多个关键区域识别结果的分析，对当前视频段是否有黑烟车做出判断。本发明能够提高道路监控视频中黑烟车的检测效率，降低误报率。
-
公开(公告)号：CN109271904A
公开(公告)日：2019-01-25
申请号：CN201811018255.5
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明公开了一种基于像素自适应分割和贝叶斯模型的黑烟车检测方法，包括：利用PBAS模型检测运动目标，并把图像划分网格，标记前景目标所在的所有小方格；针对每个前景目标方格，提取POEM直方图特征或者LDP直方图特征，刻画空间信息；针对每个前景目标方格，提取HOOF直方图特征或者MOH直方图特征，刻画时序信息；针对每个前景目标方格，提取STH特征，刻画结构信息；将不同类型的直方图特征进行融合，利用实际场景非黑烟车远高于黑烟车的特点，加入先验知识，利用贝叶斯模型对每一帧每个前景目标小方格进行分类，综合分析多帧识别黑烟车。本发明能从车流中自动识别黑烟车，提高检出率，降低误报率，对阴影具有鲁棒性。
-
公开(公告)号：CN109241824A
公开(公告)日：2019-01-18
申请号：CN201810786681.7
申请日：2018-07-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于码本和平滑转换自回归模型的黑烟车智能监控方法，包括如下步骤：(1)利用码本模型检测视频中的运动目标，确定目标后方关键区域；(2)提取关键区域的Tamura特征，中心对称局部二值模式直方图特征和灰度直方图特征，组合形成关键区域的三类静态特征；(3)利用平滑转换自回归模型对三类静态特征的时间序列分别进行建模，并将模型的解作为最终特征向量，用于刻画关键区域的动态特征；(4)三类特征训练得到三个SVM分类器，对三个分类结果加权融合，得到当前关键区域的识别结果，并通过连续多个关键区域识别结果的分析，对当前视频段是否有黑烟车做出判断。本发明能够提高道路监控视频中黑烟车的检测效率，降低误报率。
-
公开(公告)号：CN109190455A
公开(公告)日：2019-01-11
申请号：CN201810789111.3
申请日：2018-07-18
Applicant: 东南大学
Abstract: 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。
-
公开(公告)号：CN109086682A
公开(公告)日：2018-12-25
申请号：CN201810754422.6
申请日：2018-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征融合的智能视频黑烟车检测方法，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标，并识别车辆目标；(2)利用积分投影和滤波技术检测车辆尾部位置；(3)提取车尾部后方区域的统计特征、频域特征和一些手工特征，融合形成一个特征向量；(4)利用BP网络分类器对所提特征向量进行分类，识别黑烟帧，从而进一步识别黑烟车。本发明能够提高鲁棒性，更有效的检测黑烟车。
-
Patent Agency Ranking
公开(公告)号：CN109191495B
公开(公告)日：2022-02-15
申请号：CN201810781383.9
申请日：2018-07-17
Applicant: 东南大学
IPC: G06T7/246
Abstract: 本发明公开了基于自组织背景差模型和多特征融合的黑烟车检测方法，包括：利用自组织背景差模型从视频监控中检测运动目标，确定关键区域；将关键区域图像转化到YCrCb颜色空间，提取颜色矩特征；将关键区域转化到灰度空间，分别提取局部三值模式直方图特征和边缘方向直方图特征；根据当前帧关键区域的位置，在整个帧序列中提取其前后若干帧的对应区域，将所有时序区域提取的同一类特征串联形成每一类的特征向量，对每一类的特征向量归一化，串联起来形成最终的特征向量；利用剪枝径向基神经网络分类器对所提最终特征向量进行分类，识别黑烟关键区域，并进一步识别黑烟车。本发明能够进一步提高识别率，降低误报率，对黑烟比较轻的黑烟车有较好识别效果。
-
公开(公告)号：CN108921147B
公开(公告)日：2022-02-15
申请号：CN201811018299.8
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明提供了一种基于动态纹理和变换域时空特征的黑烟车识别方法，包括：将视频序列中的每帧图像转化为灰度图像，并平均分成若干网格小方格；对每一帧的每个小方格图像提取动态纹理特征；对每一帧的每个小方格图像得到变换域特征；将动态纹理特征和变换域特征进行融合，得到用于区分烟方格和非烟方格的时空特征；利用SVM分类器对所提时空特征进行分类，得到每个方格的识别结果，结合每帧所有方格识别结果的分布以及连续多帧识别结果的特点，判断当前视频段是否有黑烟车。本发明能借助对黑烟方格位置和个数的分析估计整个黑烟尾气的位置和面积，对黑烟车的污染程度和等级做出初步估计，提高了特征的鲁棒性，避免了阴影的误报，降低了误报率。
-
公开(公告)号：CN109325426B
公开(公告)日：2021-11-02
申请号：CN201811018281.8
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明提供了一种基于三正交平面时空特征的黑烟车检测方法，包括：利用样本一致性背景模型SACON从道路监控视频中提取前景目标，并将图像划分成网格，记录前景目标所在的小方格；从每个前景目标小方格中分别提取时空纹理信息、时空颜色信息和时空形状信息；将时空纹理特征，时空颜色特征和时空形状特征分别输入三个训练好的反向传播神经网络BPNN分类器，通过对分类结果加权融合得到小方格的最终分类结果，结合每帧连通黑烟小方格的个数和连续多帧小方格的分布特点，对当前视频段是否有黑烟车做出判断。本发明能够基于视频分析对当前视频段是否有黑烟车做出判断，进一步提高识别率，降低阴影引起的误报。
-
公开(公告)号：CN109190455B
公开(公告)日：2021-08-13
申请号：CN201810789111.3
申请日：2018-07-18
Applicant: 东南大学
Abstract: 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。
-
公开(公告)号：CN109191492B
公开(公告)日：2021-07-27
申请号：CN201810754421.1
申请日：2018-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于轮廓分析的智能视频黑烟车检测方法，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标；(2)去除非车辆目标，并对车辆目标进行跟踪；(3)提取车辆目标后方的轮廓，计算基于轮廓的一系列静态特征和动态特征，融合形成一个特征向量；(4)利用SVM分类器对每帧所提特征向量进行分类，通过多帧的分析来识别黑烟车，并自动保留黑烟车的车牌、过车地点、过车时间等证据。能够弥补传统人工监控黑烟车效率低下的不足，降低误报率，有风天气下算法优势更明显。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
