-
Patent Agency Ranking
公开(公告)号：CN109086682B
公开(公告)日：2021-07-27
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。
-
公开(公告)号：CN109325426A
公开(公告)日：2019-02-12
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：CN109191495A
公开(公告)日：2019-01-11
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：CN109086681A
公开(公告)日：2018-12-25
申请号：CN201810754401.4
申请日：2018-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于LHI特征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)利用积分投影技术检测车辆尾部位置；(3)提取车尾部后方区域的LHI特征，该特征包括LBP特征、HOG特征和IP特征；LHI特征是LBP特征、HOG特征和IP特征的融合，FLHI＝{xLBP,xHOG,xIP}；(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。本发明能够进一步提高识别率，降低误报率。
-
公开(公告)号：CN108921147A
公开(公告)日：2018-11-30
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。
-
-
-
-
Search Results
25
records
(took 0.015 seconds)
