一種基于圖像識別的機動車尾氣檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及環(huán)境檢測技術(shù)領(lǐng)域，特別是涉及一種基于圖像識別的機動車尾氣檢測方法。
【背景技術(shù)】
[0002]隨著社會經(jīng)濟的快速發(fā)展與人民生活水平的提高，機動車的數(shù)量逐年增加，機動車尾氣對城市大氣環(huán)境的負面影響也越來越大，主要表現(xiàn)有引發(fā)人類呼吸系統(tǒng)疾病，地表臭氧含量過高，城市熱島效應(yīng)加重以及生產(chǎn)光化學煙霧等。因此，對機動車尾氣污染物濃度進行檢測的重要性日趨顯現(xiàn)。
[0003]目前，國內(nèi)外對機動車尾氣檢測的最常用方法有:無負荷測試方法(包括怠速法、怠速/高怠速法、雙怠速法和自由加速測試法)、穩(wěn)態(tài)測試方法、瞬態(tài)測試方法和遠距離遙感檢測方法。
[0004]前三種方法都是在特定地點進行，并且檢測時間過長，對于快速篩選城市高污染排放車輛先得無能為力。遠距離遙感檢測方法利用紅外激光技術(shù)和非分散紅外分析法(Non-Dispersive Infra-Red, NDIR)技術(shù)，可以在道路上完成機動車尾氣污染成分的快速檢測。該方法的基本原理是在道路兩邊分別放置光源發(fā)射器和接收器，或?qū)l(fā)射器與接收器放在道路的同一側(cè)，光反射器在道路的另一側(cè)，然后將檢測光束穿過排放的尾氣氣團，然后對通過檢測光束的車輛進行尾氣排放測量，并將測量結(jié)果與同步攝像記錄的車輛牌照號相對應(yīng)，因此來準確獲取該機動車的尾氣污染物濃度。
[0005]但是現(xiàn)有技術(shù)中采用遠距離遙感檢測方法來進行汽車尾氣檢測的方法，大多是檢測某種車型或者某個區(qū)域的汽車尾氣排放量，而在實際使用過程中，對于大面積大領(lǐng)域的機動車尾氣排放量的測量，由于設(shè)備布局的限制，以及各檢測結(jié)點可能發(fā)生的設(shè)備故障等因素，導致整個測試的失敗。

【發(fā)明內(nèi)容】

[0006]為了解決上述技術(shù)問題，本發(fā)明所要解決的技術(shù)問題是提供一種全新的基于圖像識別的機動車尾氣檢測方法，利用圖像識別技術(shù)結(jié)合現(xiàn)有的衛(wèi)星云圖技術(shù)，對待測區(qū)域的汽車尾氣云團進行列劃分，然后通過進行逐行逐列掃描進行灰度值轉(zhuǎn)換，并通過BP神經(jīng)網(wǎng)絡(luò)訓練，最終獲得大面積區(qū)域的各小區(qū)塊的尾氣排放量值。
[0007]本發(fā)明所采用的技術(shù)方案是，一種基于圖像識別的機動車尾氣檢測方法，包括以下步驟:
步驟1:拍攝待測區(qū)域的衛(wèi)星云圖，所述衛(wèi)星云圖包括待測區(qū)域的尾氣暈染圖像，
步驟2:對尾氣暈染圖像進行灰度化處理，生成灰度化圖像，
步驟3:對灰度化圖像進行列劃分，依據(jù)像素大小劃分為η個待測單元格，
步驟4:對η個待測單元格的灰度值范圍進行歸一化處理，獲得各待測單元格的灰度值特征值， 步驟5:根據(jù)η個待測單元格的灰度值特征值構(gòu)造ΒΡ神經(jīng)網(wǎng)絡(luò)模型，并對ΒΡ神經(jīng)網(wǎng)絡(luò)進行網(wǎng)絡(luò)訓練，
步驟6:把訓練完成的η各待測單元格的灰度值特征值輸入ΒΡ神經(jīng)網(wǎng)絡(luò)進行識別，并與汽車尾氣暈染圖像數(shù)據(jù)庫進行對比，完成最終尾氣污染值的識別。
[0008]進一步的，每一待測單元格的像素大小為mXw，所述m的范圍為150_200kb，所述w的范圍為250-300kb。
[0009]進一步的，所述衛(wèi)星云圖通過設(shè)置在待測區(qū)域上方的極地軌道氣象衛(wèi)星拍攝。
[0010]進一步的，對尾氣暈染圖像的RGB三分量采用加權(quán)平均法進行灰度值計算，計算公式如下:U，j) =0.AQRU, j) +0.A&GU, j) +0.UBU, j))。
[0011]進一步的，步驟3中，對尾氣暈染圖像采用水平投影和垂直投影相結(jié)合的進行劃分，先通過水平投影，通過由下向上掃描，劃分出η行，再通過垂直投影，通過由左向右掃描劃分出η列，最終形成η個待測單元格。
[0012]進一步的，步驟6具體包括以下步驟:
步驟61:根據(jù)輸入向量的元素量確定輸入層的神經(jīng)元數(shù)量；
步驟62:根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定ΒΡ神經(jīng)網(wǎng)絡(luò)中間層神經(jīng)元數(shù)量，其中，ΒΡ神經(jīng)網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)；
步驟63:根據(jù)輸出向量的元素量確定輸出層的神經(jīng)元數(shù)量，其中，輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)。
[0013]本發(fā)明通過采用上述技術(shù)方案，與現(xiàn)有技術(shù)相比，具有如下優(yōu)點:
本發(fā)明利用圖像識別技術(shù)結(jié)合現(xiàn)有的衛(wèi)星云圖技術(shù)，對待測區(qū)域的汽車尾氣云團進行列劃分，然后通過進行逐行逐列掃描進行灰度值轉(zhuǎn)換，并通過ΒΡ神經(jīng)網(wǎng)絡(luò)訓練，最終獲得大面積區(qū)域的各小區(qū)塊的尾氣排放量值。
【具體實施方式】
[0014]作為一個具體的實施例，一種基于圖像識別的機動車尾氣檢測方法，包括以下步驟:
步驟1:拍攝待測區(qū)域的衛(wèi)星云圖，所述衛(wèi)星云圖包括待測區(qū)域的尾氣暈染圖像，所述衛(wèi)星云圖通過設(shè)置在待測區(qū)域上方的極地軌道氣象衛(wèi)星拍攝。
[0015]步驟2:對尾氣暈染圖像進行灰度化處理，生成灰度化圖像，對尾氣暈染圖像的RGB三分量采用加權(quán)平均法進行灰度值計算，計算公式如下:U，J) =0.AQR{i, J) +0.A&G{i,J)+0.UBU,j)) ο
[0016]步驟3:對灰度化圖像進行列劃分，依據(jù)像素大小劃分為η個待測單元格，每一待測單元格的像素大小為mXw，所述m的范圍為150-200kb，所述w的范圍為250_300kb。對尾氣暈染圖像采用水平投影和垂直投影相結(jié)合的進行劃分，先通過水平投影，通過由下向上掃描，劃分出η行，再通過垂直投影，通過由左向右掃描劃分出η列，最終形成η個待測單元格。
[0017]步驟4:對η個待測單元格的灰度值范圍進行歸一化處理，獲得各待測單元格的灰度值特征值，
步驟5:根據(jù)η個待測單元格的灰度值特征值構(gòu)造ΒΡ神經(jīng)網(wǎng)絡(luò)模型，并對ΒΡ神經(jīng)網(wǎng)絡(luò)進行網(wǎng)絡(luò)訓練，
步驟6:把訓練完成的η各待測單元格的灰度值特征值輸入ΒΡ神經(jīng)網(wǎng)絡(luò)進行識別，并與汽車尾氣暈染圖像數(shù)據(jù)庫進行對比，完成最終尾氣污染值的識別。
[0018]步驟6具體包括以下步驟:
步驟61:根據(jù)輸入向量的元素量確定輸入層的神經(jīng)元數(shù)量；
步驟62:根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定ΒΡ神經(jīng)網(wǎng)絡(luò)中間層神經(jīng)元數(shù)量，其中，ΒΡ神經(jīng)網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)；
步驟63:根據(jù)輸出向量的元素量確定輸出層的神經(jīng)元數(shù)量，其中，輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)。
[0019]盡管結(jié)合優(yōu)選實施方案具體展示和介紹了本發(fā)明，但所屬領(lǐng)域的技術(shù)人員應(yīng)該明白，在不脫離所附權(quán)利要求書所限定的本發(fā)明的精神和范圍內(nèi)，在形式上和細節(jié)上可以對本發(fā)明做出各種變化，均為本發(fā)明的保護范圍。
【主權(quán)項】
1.一種基于圖像識別的機動車尾氣檢測方法，其特征在于:包括以下步驟: 步驟1:拍攝待測區(qū)域的衛(wèi)星云圖，所述衛(wèi)星云圖包括待測區(qū)域的尾氣暈染圖像， 步驟2:對尾氣暈染圖像進行灰度化處理，生成灰度化圖像， 步驟3:對灰度化圖像進行列劃分，依據(jù)像素大小劃分為η個待測單元格， 步驟4:對η個待測單元格的灰度值范圍進行歸一化處理，獲得各待測單元格的灰度值特征值， 步驟5:根據(jù)η個待測單元格的灰度值特征值構(gòu)造ΒΡ神經(jīng)網(wǎng)絡(luò)模型，并對ΒΡ神經(jīng)網(wǎng)絡(luò)進行網(wǎng)絡(luò)訓練， 步驟6:把訓練完成的η各待測單元格的灰度值特征值輸入ΒΡ神經(jīng)網(wǎng)絡(luò)進行識別，并與汽車尾氣暈染圖像數(shù)據(jù)庫進行對比，完成最終尾氣污染值的識別。2.根據(jù)權(quán)利要求1一種基于圖像識別的機動車尾氣檢測方法，其特征在于:每一待測單元格的像素大小為mXw，所述m的范圍為150-200kb，所述w的范圍為250_300kb。3.根據(jù)權(quán)利要求1一種基于圖像識別的機動車尾氣檢測方法，其特征在于:所述衛(wèi)星云圖通過設(shè)置在待測區(qū)域上方的極地軌道氣象衛(wèi)星拍攝。4.根據(jù)權(quán)利要求1一種基于圖像識別的機動車尾氣檢測方法，其特征在于:對尾氣暈染圖像的RGB三分量采用加權(quán)平均法進行灰度值計算，計算公式如下:U, 7)=0.40^(i； j) +0.A&GU,j)+Q.UBU,j)) ο5.根據(jù)權(quán)利要求1一種基于圖像識別的機動車尾氣檢測方法，其特征在于:步驟3中，對尾氣暈染圖像采用水平投影和垂直投影相結(jié)合的進行劃分，先通過水平投影，通過由下向上掃描，劃分出η行，再通過垂直投影，通過由左向右掃描劃分出η列，最終形成η個待測單元格。6.根據(jù)權(quán)利要求1一種基于圖像識別的機動車尾氣檢測方法，其特征在于: 步驟6具體包括以下步驟: 步驟61:根據(jù)輸入向量的元素量確定輸入層的神經(jīng)元數(shù)量； 步驟62:根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定ΒΡ神經(jīng)網(wǎng)絡(luò)中間層神經(jīng)元數(shù)量，其中，ΒΡ神經(jīng)網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)； 步驟63:根據(jù)輸出向量的元素量確定輸出層的神經(jīng)元數(shù)量，其中，輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)。
【專利摘要】本發(fā)明涉及環(huán)境檢測技術(shù)領(lǐng)域，特別是涉及一種基于圖像識別的機動車尾氣檢測方法。步驟1：拍攝待測區(qū)域的衛(wèi)星云圖，所述衛(wèi)星云圖包括待測區(qū)域的尾氣暈染圖像，步驟2：對尾氣暈染圖像進行灰度化處理，生成灰度化圖像，步驟3：對灰度化圖像進行行列劃分，依據(jù)像素大小劃分為n個待測單元格，步驟4：對n個待測單元格的灰度值范圍進行歸一化處理，獲得各待測單元格的灰度值特征值，步驟5：根據(jù)n個待測單元格的灰度值特征值構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型，并對BP神經(jīng)網(wǎng)絡(luò)進行網(wǎng)絡(luò)訓練，步驟6：把訓練完成的n各待測單元格的灰度值特征值輸入BP神經(jīng)網(wǎng)絡(luò)進行識別，并與汽車尾氣暈染圖像數(shù)據(jù)庫進行對比，完成最終尾氣污染值的識別。本發(fā)明能夠準確測試大面積尾氣。
【IPC分類】G01N21/00
【公開號】CN105424598
【申請?zhí)枴緾N201510807675
【發(fā)明人】巫立斌, 馬秋平
【申請人】巫立斌
【公開日】2016年3月23日
【申請日】2015年11月19日