CN103808723A

CN103808723A - 一种柴油车烟气黑度自动检测装置

Info

Publication number: CN103808723A
Application number: CN201410070139.3A
Authority: CN
Inventors: 康宇; 姜超; 吕文君; 胥琳静
Original assignee: University of Science and Technology of China USTC
Current assignee: University of Science and Technology of China USTC
Priority date: 2014-02-27
Filing date: 2014-02-27
Publication date: 2014-05-21

Abstract

一种柴油车烟气黑度自动检测装置，由图像采集单元、图像预处理单元、车辆速度和加速度测量单元、车牌识别单元、黑度识别单元组成。本发明采用激光法获取柴油车速度和加速度数据以辅助黑度识别，在刷上白漆的测试路段上使用垂直拍摄的方法获取柴油车车牌图像和烟气图像，通过图像预处理与黑度识别获取柴油车车牌信息和林格曼黑度级别。

Description

一种柴油车烟气黑度自动检测装置

技术领域

本发明涉及一种柴油车烟气黑度自动检测装置，属于环境技术领域。

背景技术

目前国内的柴油车黑度检测装置大部分都是主观模拟检测仪器，主要通过纯光学或光电结合的物理手段来实现。大部分省市环保部门均选用价格低廉的主观模拟检测仪器来检测柴油车烟气黑度，其测试准确性和可靠性很难保证。大量的数据统计表明，未经训练的观察人员之间有0.5-0.6的林格曼级数差别，经过训练的观察人员之间也有0.28-0.32的林格曼级数差别。而且所有的检测仪器都要求测试车辆的行驶工况是给定的，没有针对柴油车不同的行驶工况给出相应的检测结果，具有很大的局限性。

现有的柴油车烟气黑度测试主要有对照法、测烟望远镜观测及光电测烟法三种方式，它们都存在一定的局限性。对照法要求观测时，烟气图至观察者眼睛的距离不大于2m，一般在1.5m左右，凭观测者的主观判断确定黑度级数值；测烟望远镜将林格曼黑度图安装在精通内，与目镜距离很小，在很大程度上影响了观测者对黑度的准确判断；光电测烟法要求以晴朗的天空为背景，在阴霾和多云或云层薄厚不匀的天气条件下，干扰较大，测试效果较差。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种柴油车烟气黑度自动检测装置，采用垂直拍摄方式，对不同行驶状态的柴油车烟气黑度进行自动检测，识别出行驶车辆排放烟气黑度是否超标。

本发明的技术解决方案：本发明采用激光法获取柴油车速度和加速度数据以辅助黑度识别，在刷上白漆的测试路段上使用垂直拍摄的方法获取柴油车车牌图像和烟气图像，通过图像预处理与黑度识别获取柴油车车牌信息和林格曼黑度级别。

柴油车烟气黑度自动检测装置，包括图像采集单元、图像预处理单元、车辆速度和加速度测量单元、车牌识别单元、黑度识别单元，其中：

图像采集单元由安装在道路上方的CCD黑白摄像机、视频采集卡和位于工控机内的处理器组成。CCD黑白摄像机拍摄的视频通过视频采集卡转换为相应格式的图像，传送到工控机内的处理器进行图像预处理操作。

图像预处理单元包括烟雨区域提取单元、背景亮度识别单元以及灰度概率统计单元。图像预处理单元处理过的图像才能用于林格曼黑度级的识别。

烟羽图像提取需要排除图像非烟羽部分对烟羽部分的干扰，根据经验切除图像前段5cm的图像并选取10cm的烟羽图像进行分析，然后采用基于Sobel算子的边缘检测方法将烟羽图像和背景图像区分开，即确定烟羽图像的边缘。该算子包含两组3*3矩阵，分别为横向及纵向，将之与图像做平面卷积，即可得到横向和纵向的边缘检测的图像灰度值G_x和G_y。通过公式

来计算该点灰度的大小，如果G大于设定的阈值则认为该点即为边缘点。通过计算烟羽图像每个像素点的灰度大小提取大于设定阈值的烟羽图像区域；

灰度概率统计单元利用灰度直方图来求得图像灰度分布，假设烟羽图像的灰度直方图的横坐标是灰度为r，纵坐标为灰度概率密度函数P_r(r)，若图像中烟气部分区域的总像素数为n，具有r灰度的像素数为n_r，则灰度概率密度函数为P_r(r)＝n_r/n；

选取的有效烟羽区域图像经过背景亮度扣除和灰度概率密度统计，由于具有256个灰度级，所以得到一个256*1维的输出向量P，向量P将作为后续模式识别的特征向量使用；

车牌识别单元包括车牌摄像机、安装在工控机内的视频捕捉卡、牌照抓拍处理和识别模块；每条车道均设有车牌摄像机，安装在道路上方，完成对所在车道上行驶的被测车辆的车牌图像获取，车牌摄像机与工控机内的视频捕捉卡连接，传送车辆的车牌图像；安装在工控机中的牌照抓拍处理和识别模块对车牌摄像机拍摄的车辆图片进行处理，获取车辆的车牌信息，将处理结果送至黑度识别单元；

车辆速度和加速度测量单元由位于道路两侧排列的三组半导体激光器与光电探测器、计时处理模块组成；车辆行驶通过测试区时三组半导体激光器发出三个光束先后被遮挡，计时处理模块根据遮挡时间计算出车辆行驶的速度和加速度，计时处理模块具有与黑度识别单元的通信功能，将检测到的车辆速度与加速度数据传送给黑度识别单元；当车辆车尾通过第三组半导体激光器和光电探测器时触发云台摄像机开始工作抓拍车辆尾气图；

黑度识别单元包括图像灰度统计单元、单帧灰度识别单元以及计算结果分析单元，其根据车牌识别单元获得被检测车辆的车牌信息，根据速度与加速度测量单元获得被测车辆的行驶工况，并采用基于BP的方法分析被检测车辆通过时的烟羽图像，得到当前行驶工况下的林格曼黑度级。

附图说明

图1为本发明柴油车烟气黑度自动检测装置的单元示意图；

图2为本发明油车黑度自动检测装置的速度和加速度单元功能示意图；

图3为本发明油车黑度自动检测装置的示意图。

具体实施方式

本发明提出了一种置于道路两侧和上方的对车道上行驶的柴油车烟气黑度进行实时检测的系统。本发明采用激光法获取被检测车辆的速度和加速度数据以获取车辆的行驶工况，采用基于BP的模式识别方法对柴油车烟气黑度进行自动检测。

如图1所示，本发明的柴油车烟气黑度自动检测装置由图像采集单元、图像预处理单元、车辆速度和加速度测量单元、车牌识别单元、黑度识别单元组成。

1.图像采集单元包括云台图像摄像机单元、视频图像预览单元以及图像压缩及抓拍单元，主要设备是安装在道路上方的CCD黑白摄像机、视频采集卡。

由CCD黑白摄像机输出的PAL制式模拟视频信号，通过同轴电缆经接口转换传送至工控机处。视频解码器将输入的PAL视频信号转换后输出的视频数据流被分成两路，一路经H.264编码后通过主机PCI2.0接口存入硬盘，另一路直接经PCI2.0接口送至主机显示卡进行预览显示。

2.图像预处理单元包括烟雨区域提取单元、背景亮度识别单元以及灰度概率统计单元，

烟羽图像提取单元需要排除图像非烟羽部分对烟羽部分的干扰，由于拍照是在车尾通过第三个半导体激光器时触发，但是还是可能拍到部分车辆信息，所以根据经验切除图像前段5cm的图像并选取10cm的烟羽图像进行分析。然后采用基于Sobel算子的边缘检测方法将烟羽图像和背景图像区分开，即确定烟羽图像的边缘。该算子包含两组3*3矩阵，分别为横向及纵向，将之与图像做平面卷积，即可得到横向和纵向的边缘检测的图像灰度值G_x和G_y。通过公式

来计算该点灰度的大小，如果G大于设定的阈值则认为该点即为边缘点。通过计算烟羽图像每个像素点的灰度大小提取大于设定阈值的烟羽图像区域。

背景亮度识别单元通过将目标区域的像素亮度值减去参考区域的像素亮度值来实现。参考区域选取的标准是参考区域必须和目标区域在未排放烟气时具有相同的亮度。本检测装置在车辆触发计时器1时即拍摄一张车辆未通过时的图像作为参考图像。当车辆经过时拍摄的图像的相应像素点的亮度值减去参考图像相应像素点的亮度值来实现背景亮度的扣除。

灰度概率统计单元利用灰度直方图来求得图像灰度分布，假设烟羽图像的灰度直方图的横坐标是灰度为r，纵坐标为灰度概率密度函数P_r(r)，若图像中烟气部分区域的总像素数为n，具有r灰度的像素数为n_r，则灰度概率密度函数为P_r(r)＝n_r/n。

选取的有效烟羽区域图像经过背景亮度扣除和灰度概率密度统计，由于具有256个灰度级，所以得到一个256*1维的输出向量P，向量P将作为后续模式识别的特征向量使用。

3.车辆速度和加速度测量单元由位于道路两侧排列的三组半导体激光器、光电探测器及位于工控机内的计时处理模块组成。车辆行驶通过时挡住第一个半导体激光器，对应的探测器A输出低电平信号，启动第一段计时装置，同时触发摄像机拍摄一张车辆未通过时的图像作为参考图像，车辆挡住第二个半导体激光器时，探测器B输出低电平信号，停止计时第一段计时装置得到t₁，同时启动第二段计时装置，同样车辆挡住第三个半导体激光器时，得到t₂，当车辆通过第三个半导体激光器的瞬间探测器C又输出高电平信号，触发云台摄像机进行工作。

4.车牌识别单元包括车牌摄像机和放置在工控机内的视频捕捉卡、牌照抓拍处理和识别模块。

车道上有一套车牌摄像机，车牌摄像机可以是一台视频摄像机或数码相机，安装在道路上方，车牌摄像机附带安装遮雨盖，系统若需要在夜间监测，还可安装补光灯。车牌摄像机完成对所在车道上行驶的被测车辆的车牌图像获取。车牌摄像机通过电缆或其它方式与工控机内的视频捕捉卡连接，传送车辆的车牌图像。

安装在工控机中的牌照抓拍处理和识别软件对车牌摄像机拍摄的车辆图片进行处理，获取车辆的车牌信息，如车牌颜色和车牌号。

5.黑度识别单元包括图像灰度统计单元、单帧灰度识别单元以及计算结果分析单元，采用基于BP的方法，包括烟羽样本集数据分组、BP网络机构选取和BP网络训练及调整。

通过烟羽图像的概率密度统计，得到了256*1的特征向量，作为黑度识别的输入特征向量。在构建BP时使用了285个烟羽历史数据，共分5组，每组57个，且每组中各林格曼黑度级的数据数目大致相当。用第1、2组作为训练样本构建识别网络，用第3、4、5组数据作为测试样本对识别效果进行评估。

BP网络是典型的多层网路，分为输入层、隐含层和输出层。所要建立的BP神经网络，其输入向量为烟羽图像灰度概率密度分布(256*1)，输出向量为标准林格曼黑度灰度级(0-5)。输入层节点数目为256，输出层节点数目为1，根据公式

，其中m，n分别为输入节点数和输出节点数，c为0-10之间的常数。为了达到最理想的效果，隐含层节点数目设定为18。

隐含层传递函数为正切S型传递函数tansig()，为了使识别结果能在0-5范围内取值，输出层必须选用线性传递函数purelin()，并对输出结果取整处理。网络训练函数选取识别正确率较高的trainoss、trainscg、traincgf函数。该装置选用网络e构建BP网络。

如图1，本发明的工作过程如下，CCD黑白摄像机不断将拍摄到的视频传给视频采集卡转换为图像，通过工控机内的处理器进行图像预处理，再传送到黑度识别单元进行林格曼黑度识别。同时，车牌识别单元以及速度与加速度测量单元将车牌图像、速度和加速度数据送到黑度识别单元作为林格曼黑度识别的参量。

黑度识别单元采用基于BP网络的方法得出车辆当前行驶工况下的黑度级。由于在不同的行驶状态下柴油车的烟气黑度不同，所以有必要对黑度识别进行补偿，通过大量实验发现，车辆的速度与加速度是行驶状态的主要因素并直接影响着黑度识别，我们采用了递推增广最小二乘算法对其严格的数学关系进行辨识，最终给出车辆在不同行驶状态下的林格曼黑度级别。行驶状态按下表分为6类。

行驶工况	加速度(m/s²)	速度(km/h)
			高减速	a≤-1.5	0-90

低减速	-1.5<a≤-0.3	0-90
			匀速	-0.3<a<0.3	0-90
低加速	0.3≤a<1.5	0-90
			高加速	a≥1.5	0-90
怠速	-0.3<a<0.3	0

如图2，车辆速度和加速度测量单元的三组半导体激光器25a，25b，25c，光电探测器24a，24b，24c放置在道路一边。三组半导体激光器发出的光束21、22、23穿过道路，分别被光电探测器24a，24b，24c接收，当车辆通过时，光电探测器输出低电平信号，启动计时装置，车辆挡住第二个半导体激光器24a，24b，24c时，相应的光电探测器输出低电平信号，停止计时得到t₁，同时启动第二段计时装置，同样车辆挡住第三个半导体激光器时，得到t₂，光束之间的距离分别为s₁和s₂，则计时处理模块中的计算单元计算出车辆在该时间段内的速度

，加速度a＝2(t₁s₂-t₂s₁)/t₁t₂(t₁+t₂)，也可根据其它方法计算出速度与加速度。

如图3，本发明由于是垂直拍摄，所以测试路段地面要刷上白漆以保证烟羽图像的不受路面颜色的影响，CCD黑白摄像机32、视频采集卡33安装在车道路面上方，选择合适的CCD黑白摄像机放置位置和角度，每条车道上方安装一台车牌摄像机31。速度和加速度测量单元35a和35b放在道路的两侧，黑度识别单元，即工控机34安装在路边。

当车道内有车辆通过时，CCD黑白摄像机32将获取的视频传给视频采集卡33处理，视频采集卡33将获取的图像送给工控机34进行预处理和黑度识别。车牌摄像机31采集的车牌图像以及速度和加速度测量单元35a和35b测得的速度和加速度数据传送到工控机34作为黑度识别的参量。

Claims

1.一种柴油车烟气黑度自动检测装置，其特征在于：包括图像采集单元、图像预处理单元、车辆速度和加速度测量单元、车牌识别单元、黑度识别单元;

图像采集单元包括云台图像摄像机单元、视频图像预览单元以及图像压缩及抓拍单元，其完成待测目标烟气图像的采集及图像的压缩编码和存储;图像采集单元能按照检测前端PC或黑度识别单元PC输入的控制指令对CCD摄像机进行有效控制及调整;

图像预处理单元包括烟雨区域提取单元、背景亮度识别单元以及灰度概率统计单元，其完成有效烟羽区域的选取、背景亮度扣除及其灰度概率密度统计功能;

车辆速度和加速度测量单元包括位于道路两侧排列的三组半导体激光器与光电探测器、计时处理模块;每一组半导体激光器都保持发射连续的光束，其相对的光电探测器在接收后保持高电平；当车辆行驶通过测试区时三组半导体激光器发出的光束先后被遮挡，光电探测器没接收到光束而输出低电平；每个光电探测器输出的跳变沿都会触发计时处理模块，根据遮挡时间计算出车辆行驶的速度和加速度；计时处理模块具有与黑度识别单元的通信功能，将检测到的车辆速度与加速度数据传送给黑度识别单元以辅助黑度识别；当车辆车尾通过第三组半导体激光器和光电探测器时触发云台摄像机开始工作抓拍车辆尾气图；

车牌识别单元包括车牌摄像机、视频捕捉卡及牌照抓拍处理和识别模块；车牌摄像机安装在道路上方，完成对被测车辆的车牌图像获取，车牌摄像机与视频捕捉卡连接，传送车辆的车牌图像；牌照抓拍处理和识别模块对车牌摄像机拍摄的车辆图片进行处理，获取车辆的车牌信息，并将结果传送至黑度识别单元;

黑度识别单元包括图像灰度统计单元、单帧灰度识别单元以及计算结果分析单元，其实现对预处理后的烟羽图像林格曼黑度级的识别。

2.根据权利要求1所述的柴油车烟气黑度自动检测装置，其特征在于：采用垂直拍摄方式，黑度识别过程采用基于模式识别的方法，无需人工参与，完全是一个自动识别的过程，为了提高识别的准确度，采用神经网络学习方法对机器进行训练;BP神经网络是一种按误差逆传播算法训练的多层前馈网络，能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程;采用的学习规则是最速下降法，通过反向传播来不断调整网络的权值和阈值，使参考值与识别值的误差平方和最小;由于黑度识别与车辆的行驶状态密切相关，在车辆静止与运动时检测差异极大，所以有必要采用一种方法来识别车辆行驶状态以辅助黑度识别；通过大量实验发现，车辆的速度与加速度是行驶状态的主要因素并直接影响着黑度识别，采用递推增广最小二乘算法对其严格的数学关系进行辨识，最终给出车辆在不同行驶状态下的林格曼黑度级别。

3.根据权利要求1所述的柴油车烟气黑度自动检测装置，其特征在于：还包括烟羽图像提取单元，其需要排除图像非烟羽部分对烟羽部分的干扰，根据经验切除图像前段5cm的图像并选取10cm的烟羽图像进行分析，然后采用基于Sobel算子的边缘检测方法将烟羽图像和背景图像区分开，即确定烟羽图像的边缘；该算子包含两组3*3矩阵，分别为横向及纵向，将之与图像做平面卷积，即可得到横向和纵向的边缘检测的图像灰度值G_x和G_y；通过公式来计算该点灰度的大小，如果G大于设定的阈值则认为该点即为边缘点；通过计算烟羽图像每个像素点的灰度大小提取大于设定阈值的烟羽图像区域。

4.根据权利要求1所述的柴油车烟气黑度自动检测装置，其特征在于：

包括灰度概率密度统计单元，利用灰度直方图来求得图像灰度分布，假设烟羽图像的灰度直方图的横坐标是灰度为r，纵坐标为灰度概率密度函数P_r(r)，若图像中烟气部分区域的总像素数为n，具有r灰度的像素数为n_r，则灰度概率密度函数为P_r(r)＝n_r/n。

5.根据权利要求1所述的柴油车烟气黑度自动检测装置，其特征在于：选取的有效烟羽区域图像经过背景亮度扣除和灰度概率密度统计，由于具有256个灰度级，所以得到一个256*1维的输出向量P，向量P将作为后续模式识别的特征向量使用。