-
公开(公告)号：CN109271905B
公开(公告)日：2021-11-19
申请号：CN201811018273.3
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明提供了一种基于单帧图像的黑烟车检测方法，包括：将单帧彩色图像转化为灰度图像，并平均分成若干个小方块；对于每一小方块区域，提取判别性完全局部二值模式特征或者判别性无冗余局部二值模式特征；对于每一小方块区域，提取梯度位置方向直方图特征；对于每一小方块区域，提取局部分形特征；归一化不同类型的特征，并串联起来形成最终的特征向量，利用SVM分类器对所提特征向量进行分类，识别有烟小方块，并对当前帧是否有黑烟车做出判断。本发明引入各种特征，使得信息表达既充分，又具有辨别性，更有利于分类识别，具有更强的鲁棒性和判别性。进一步提高了识别率，降低了误报率。
-
公开(公告)号：CN109271905A
公开(公告)日：2019-01-25
申请号：CN201811018273.3
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明提供了一种基于单帧图像的黑烟车检测方法，包括：将单帧彩色图像转化为灰度图像，并平均分成若干个小方块；对于每一小方块区域，提取判别性完全局部二值模式特征或者判别性无冗余局部二值模式特征；对于每一小方块区域，提取梯度位置方向直方图特征；对于每一小方块区域，提取局部分形特征；归一化不同类型的特征，并串联起来形成最终的特征向量，利用SVM分类器对所提特征向量进行分类，识别有烟小方块，并对当前帧是否有黑烟车做出判断。本发明引入各种特征，使得信息表达既充分，又具有辨别性，更有利于分类识别，具有更强的鲁棒性和判别性。进一步提高了识别率，降低了误报率。
-
公开(公告)号：CN109145732A
公开(公告)日：2019-01-04
申请号：CN201810781463.4
申请日：2018-07-17
Applicant: 东南大学
CPC classification number: G06K9/00724 , G06K9/00825 , G06K9/6269 , G06K9/629
Abstract: 本发明公开了一种基于Gabor投影的黑烟车检测方法，包括：步骤1：从车辆监控视频中检测运动目标；步骤2：利用滤波积分投影和数据拟合来确定关键区域位置和大小；步骤3：基于所建模型提取车辆关键区域的Gabor投影特征，并进行多序列融合形成最终特征向量；步骤4：利用SVM分类器对所提特征向量进行分类，识别黑烟帧，从而进一步检测黑烟车利用本发明的技术方案，能够提高黑烟车监控的效率，同时，采用数据拟合的方法提取关键区域能自适应获取关键区域的大小，降低误报率；而本发明提出的Gabor投影特征可以减轻车辆阴影的干扰，进一步降低了黑烟车误报率。
-
公开(公告)号：CN109271904B
公开(公告)日：2022-02-15
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：CN109446938B
公开(公告)日：2021-09-03
申请号：CN201811193688.4
申请日：2018-10-15
Applicant: 东南大学
Abstract: 本发明涉及一种基于多序列双投影的黑烟车检测方法。该方法包括：（1）检测运动目标，确定关键区域；（2）利用积分投影和局部随机滤波技术，提取多序列双投影特征，形成描述关键区域的特征向量；（3）训练C‑BPNN分类器，并用于新特征向量的分类；（4）通过对连续多帧的分析，对当前车辆是否为黑烟车做出判断。利用本发明的技术方案，不仅提高了检测效率，降低了成本，而且，所提出的多序列双投影特征具有计算简单，描述能力强的特点，大大提高了黑烟车的检出率，降低了误报率。
-
Patent Agency Ranking
公开(公告)号：CN108960181A
公开(公告)日：2018-12-07
申请号：CN201810786036.5
申请日：2018-07-17
Applicant: 东南大学
CPC classification number: G06K9/00785 , G06K9/00711 , G06K9/46 , G06K2009/4666 , G06K2209/23
Abstract: 本发明涉及一种基于多尺度分块LBP和隐马尔科夫模型的黑烟车检测方法。该方法包括：(1)从监控视频中检测运动目标和确定关键区域；(2)提取多尺度分块LBP特征，增加尺度和位置信息；(3)采用隐马尔科夫模型刻画关键区域的动态特征，将当前帧分为黑烟帧和非黑烟帧；(4)通过对视频序列的分析，并结合黑烟帧的分布特点，进一步识别黑烟车。利用本发明的技术方案，不仅可以实现黑烟车的自动检测，提高检测效率，同时利用隐马尔科夫模型刻画关键区域的动态特征能更好地降低误报率。
-
公开(公告)号：CN108960181B
公开(公告)日：2021-11-19
申请号：CN201810786036.5
申请日：2018-07-17
Applicant: 东南大学
Abstract: 本发明涉及一种基于多尺度分块LBP和隐马尔科夫模型的黑烟车检测方法。该方法包括：(1)从监控视频中检测运动目标和确定关键区域；(2)提取多尺度分块LBP特征，增加尺度和位置信息；(3)采用隐马尔科夫模型刻画关键区域的动态特征，将当前帧分为黑烟帧和非黑烟帧；(4)通过对视频序列的分析，并结合黑烟帧的分布特点，进一步识别黑烟车。利用本发明的技术方案，不仅可以实现黑烟车的自动检测，提高检测效率，同时利用隐马尔科夫模型刻画关键区域的动态特征能更好地降低误报率。
-
公开(公告)号：CN109446938A
公开(公告)日：2019-03-08
申请号：CN201811193688.4
申请日：2018-10-15
Applicant: 东南大学
Abstract: 本发明涉及一种基于多序列双投影的黑烟车检测方法。该方法包括：（1）检测运动目标，确定关键区域；（2）利用积分投影和局部随机滤波技术，提取多序列双投影特征，形成描述关键区域的特征向量；（3）训练C-BPNN分类器，并用于新特征向量的分类；（4）通过对连续多帧的分析，对当前车辆是否为黑烟车做出判断。利用本发明的技术方案，不仅提高了检测效率，降低了成本，而且，所提出的多序列双投影特征具有计算简单，描述能力强的特点，大大提高了黑烟车的检出率，降低了误报率。
-
公开(公告)号：CN109191492A
公开(公告)日：2019-01-11
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。
-
公开(公告)号：CN109145732B
公开(公告)日：2022-02-15
申请号：CN201810781463.4
申请日：2018-07-17
Applicant: 东南大学
IPC: G06V20/40 , G06V20/58 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于Gabor投影的黑烟车检测方法，包括：步骤1：从车辆监控视频中检测运动目标；步骤2：利用滤波积分投影和数据拟合来确定关键区域位置和大小；步骤3：基于所建模型提取车辆关键区域的Gabor投影特征，并进行多序列融合形成最终特征向量；步骤4：利用SVM分类器对所提特征向量进行分类，识别黑烟帧，从而进一步检测黑烟车利用本发明的技术方案，能够提高黑烟车监控的效率，同时，采用数据拟合的方法提取关键区域能自适应获取关键区域的大小，降低误报率；而本发明提出的Gabor投影特征可以减轻车辆阴影的干扰，进一步降低了黑烟车误报率。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.015 seconds)
