CN111415516A - 一种全域路网的车辆尾气监测方法 - Google Patents
一种全域路网的车辆尾气监测方法 Download PDFInfo
- Publication number
- CN111415516A CN111415516A CN202010236938.9A CN202010236938A CN111415516A CN 111415516 A CN111415516 A CN 111415516A CN 202010236938 A CN202010236938 A CN 202010236938A CN 111415516 A CN111415516 A CN 111415516A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- exhaust
- exhaust emission
- snapshot
- vehicles
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
- G01M15/102—Testing internal-combustion engines by monitoring exhaust gases or combustion flame by monitoring exhaust gases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种全域路网的车辆尾气监测方法,利用车载终端和车载语音功能实现全方位采集、监测车辆尾气排放,并利用图像识别算法和相关音频信息识别出尾气超标车辆的信息,最后将超标排放的车辆信息交由相关部门处理。本专利结合车载终端为道路车辆尾气排放监管注入了数以万计的移动摄像头和监管员,弥补了电子警察的监控盲区,实现全方位的监管。能够有效降低大气污染,并大大提升了市容市貌。
Description
技术领域
本发明涉及车辆尾气监测领域,尤其涉及一种全域路网的车辆尾气监测方法。
背景技术
目前,大气污染已经成为了世界各大城市的主要问题。特别是,随着汽车保有量的迅猛增长,车辆尾气污染物造成的环境污染日趋严重。传统的车辆尾气监管方法往往是利用电子警察进行拍抓拍、识别,但受限于固定的电子警察,使其存在着大量的监控盲区。
发明内容
本发明的目的在于提供一种能够实现全方位监管的全域路网的车辆尾气监测方法。
为实现上述目的,本发明采用以下技术方案:
一种全域路网的车辆尾气监测方法,包括以下步骤:
1)利用车载终端拍摄交通道路上行驶车辆的视频图像,其中,车载终端能够对车辆行驶过程中汽车尾气排放的情况进行抓拍;
2)当发现车辆疑似尾气超标排放时,车载终端自动抓拍疑似超标排放车辆的相关视频图像,并将抓拍的视频图像上传至数据中心;
若车载终端未能及时进行抓拍时,车主通过车载语音功能发出抓拍指令,命令车载终端抓拍疑似车辆的相关视频图像,同时通过车载语音功能录制即时的音频信息,并将抓拍的视频图像及车主的音频信息上传至数据中心;
3)系统确定被抓拍车辆是否属于尾气超标排放,若系统判定被抓拍车辆属于尾气超标排放,则跳转至步骤4);若系统判定被抓拍车辆不属于尾气超标排放,则直接结束;
4)系统判断被抓拍车辆属于重型汽车还是轻型汽车;
5)系统从数据中心中提取视频图像,利用视频图像识别算法判别出车辆尾气排放系数,并存储于候选集中,其中重型汽车的尾气排放系数为a,轻型汽车的尾气排放系数为b;
6)若被抓拍车辆为重型汽车,则根据尾气排放系数a判断确定重型汽车的尾气排放污染程度等级;若被抓拍车辆为轻型汽车,则根据尾气排放系数b判断确定轻型汽车的尾气排放污染程度等级;
7)当确定出不同类别汽车的尾气排放污染等级后,利用车牌识别算法和车主的音频信息识别出被抓拍车辆的车牌信息,并将车牌信息和视频图像提供给相关部门处理;
8)结束。
进一步的,步骤3)中,系统利用图像识别算法以及根据车主的音频信息,对抓拍的视频图像进行认证判定,判别其尾气是否超标排放。
进一步的,步骤4)中,系统利用图像识别算法判别车辆车型大小及根据车主的音频信息判别车辆属于重型汽车还是轻型汽车(判别标准依据国家规定的相关分类标准)。
进一步的,步骤5)中,系统首先对抓拍的视频图像进行多尺度变换得到图像金字塔集并利用高斯滤波和Canny算子边缘检测获取车辆尾部尾气排放的候选区域,然后将候选区域输入到主成分分析网络(PCANet)中对车辆尾部尾气排放区域进行深度特征提取,并利用支持向量机(SVM)实现对车辆尾气排放的识别,最后采用非极大值抑制算法识别最佳尾气排放区域的范围大小;同时系统通过高斯建模和图像直方图分析,提取车辆尾气排放区域的颜色特征,并结合车主的音频信息,判断车辆尾气排放的是黑烟,蓝烟还是白烟,并最终标记其尾气排放系数为a或b。步骤6)中,重型汽车尾气排放污染等级分为多个区间,判断尾气排放系数a落入哪个区间内,从而判断重型汽车的尾气排放污染等级;同样的,轻型汽车尾气排放污染等级分为多个区间,判断尾气排放系数b落入哪个区间内,从而判断轻型汽车的尾气排放污染等级。
进一步的,步骤7)中,车牌识别算法是基于卷积神经网络(CNN)。
本发明采用以上技术方案,具有以下有益效果:
利用车载终端和车载语音功能实现全方位采集、监测车辆尾气排放,并利用图像识别算法和相关音频信息识别出尾气超标车辆的信息,最后将超标排放的车辆信息交由相关部门处理。本发明结合车载终端为道路车辆尾气排放监管注入了数以万计的移动摄像头和监管员,弥补了电子警察的监控盲区,实现全方位的监管,能够有效降低大气污染,并大大提升了市容市貌。
具体实施方式
本发明一种全域路网的车辆尾气监测方法,包括以下步骤:
1)利用车载终端拍摄交通道路上行驶车辆的视频图像,其中,车载终端能够对车辆行驶过程中汽车尾气排放的情况进行抓拍;
2)当发现车辆疑似尾气超标排放时,车载终端自动抓拍疑似超标排放车辆的相关视频图像,并将抓拍的视频图像上传至数据中心;
若车载终端未能及时进行抓拍时,车主通过车载语音功能发出抓拍指令,命令车载终端抓拍疑似车辆的相关视频图像,同时通过车载语音功能录制即时的音频信息,并将抓拍的视频图像及车主的音频信息上传至数据中心;
3)系统确定被抓拍车辆是否属于尾气超标排放,若系统判定被抓拍车辆属于尾气超标排放,则跳转至步骤4);若系统判定被抓拍车辆不属于尾气超标排放,则直接结束;
4)系统判断被抓拍车辆属于重型汽车还是轻型汽车;
5)系统从数据中心中提取视频图像,利用视频图像识别算法判别出车辆尾气排放系数,并存储于候选集中,其中重型汽车的尾气排放系数为a,轻型汽车的尾气排放系数为b;
6)若被抓拍车辆为重型汽车,则根据尾气排放系数a判断确定重型汽车的尾气排放污染程度等级;若被抓拍车辆为轻型汽车,则根据尾气排放系数b判断确定轻型汽车的尾气排放污染程度等级;
7)当确定出不同类别汽车的尾气排放污染等级后,利用车牌识别算法和车主的音频信息识别出被抓拍车辆的车牌信息,并将车牌信息和视频图像提供给相关部门处理;
8)结束。
步骤3)中,系统利用图像识别算法以及根据车主的音频信息,对抓拍的视频图像进行认证判定,判别其尾气是否超标排放。
步骤4)中,系统利用图像识别算法判别车辆车型大小及根据车主的音频信息判别车辆属于重型汽车还是轻型汽车(判别标准依据国家规定的相关分类标准)。
步骤5)中,系统首先对抓拍的视频图像进行多尺度变换得到图像金字塔集并利用高斯滤波和Canny算子边缘检测获取车辆尾部尾气排放的候选区域,然后将候选区域输入到主成分分析网络(PCANet)中对车辆尾部尾气排放区域进行深度特征提取,并利用支持向量机(SVM)实现对车辆尾气排放的识别,最后采用非极大值抑制算法识别最佳尾气排放区域的范围大小;同时系统通过高斯建模和图像直方图分析,提取车辆尾气排放区域的颜色特征,并结合车主的音频信息,判断车辆尾气排放的是黑烟,蓝烟还是白烟,并最终标记其尾气排放系数为a或b。本算法通过大量的车辆样本以及多层卷积神经网络技术,不断实现自学习和优化,有效提高车辆尾气识别的精准度和算法的鲁棒性。
步骤6)中,根据国家重型汽车尾气排放的相关标准,将重型汽车尾气排放污染等级分为多个区间,判断尾气排放系数a落入哪个区间内,从而判断重型汽车的尾气排放污染等级,比如区间(1,2]代表重型汽车轻度污染级别,区间(2,3]代表重型汽车中度污染级别,区间(3,4]代表重型汽车重度污染级别;同样的,根据国家轻型汽车尾气排放的相关标准,轻型汽车尾气排放污染等级分为多个区间,判断尾气排放系数b落入哪个区间内,从而判断轻型汽车的尾气排放污染等级,比如区间(a,b]代表轻型汽车轻度污染级别,区间(b,c]代表轻型汽车中度污染级别,区间(d,e]代表轻型汽车重度污染级别。
步骤7)中,车牌识别算法是基于卷积神经网络(CNN)。
本发明不局限于上述的具体实施方式,上述的具体实施方式是示意性而不是加以局限本发明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (6)
1.一种全域路网的车辆尾气监测方法,其特征在于:包括以下步骤:
1)利用车载终端拍摄交通道路上行驶车辆的视频图像,其中,车载终端能够对车辆行驶过程中汽车尾气排放的情况进行抓拍;
2)当发现车辆疑似尾气超标排放时,车载终端自动抓拍疑似超标排放车辆的相关视频图像,并将抓拍的视频图像上传至数据中心;
若车载终端未能及时进行抓拍时,车主通过车载语音功能发出抓拍指令,命令车载终端抓拍疑似车辆的相关视频图像,同时通过车载语音功能录制即时的音频信息,并将抓拍的视频图像及车主的音频信息上传至数据中心;
3)系统确定被抓拍车辆是否属于尾气超标排放,若系统判定被抓拍车辆属于尾气超标排放,则跳转至步骤4);若系统判定被抓拍车辆不属于尾气超标排放,则直接结束;
4)系统判断被抓拍车辆属于重型汽车还是轻型汽车;
5)系统从数据中心中提取视频图像,利用视频图像识别算法判别出车辆尾气排放系数,并存储于候选集中,其中重型汽车的尾气排放系数为a,轻型汽车的尾气排放系数为b;
6)若被抓拍车辆为重型汽车,则根据尾气排放系数a判断确定重型汽车的尾气排放污染程度等级;若被抓拍车辆为轻型汽车,则根据尾气排放系数b判断确定轻型汽车的尾气排放污染程度等级;
7)当确定出不同类别汽车的尾气排放污染等级后,利用车牌识别算法和车主的音频信息识别出被抓拍车辆的车牌信息,并将车牌信息和视频图像提供给相关部门处理;
8)结束。
2.根据权利要求1所述的一种全域路网的车辆尾气监测方法,其特征在于:步骤3)中,系统利用图像识别算法以及根据车主的音频信息,对抓拍的视频图像进行认证判定,判别其尾气是否超标排放。
3.根据权利要求1所述的一种全域路网的车辆尾气监测方法,其特征在于:步骤4)中,系统利用图像识别算法判别车辆车型大小及根据车主的音频信息判别车辆属于重型汽车还是轻型汽车。
4.根据权利要求1所述的一种全域路网的车辆尾气监测方法,其特征在于:步骤5)中,系统首先对抓拍的视频图像进行多尺度变换得到图像金字塔集并利用高斯滤波和Canny算子边缘检测获取车辆尾部尾气排放的候选区域,然后将候选区域输入到主成分分析网络中对车辆尾部尾气排放区域进行深度特征提取,并利用支持向量机实现对车辆尾气排放的识别,最后采用非极大值抑制算法识别最佳尾气排放区域的范围大小;同时系统通过高斯建模和图像直方图分析,提取车辆尾气排放区域的颜色特征,并结合车主的音频信息,判断车辆尾气排放的是黑烟,蓝烟还是白烟,并最终标记其尾气排放系数为a或b。
5.根据权利要求1所述的一种全域路网的车辆尾气监测方法,其特征在于:步骤6)中,重型汽车尾气排放污染等级分为多个区间,判断尾气排放系数a落入哪个区间内,从而判断重型汽车的尾气排放污染等级;同样的,轻型汽车尾气排放污染等级分为多个区间,判断尾气排放系数b落入哪个区间内,从而判断轻型汽车的尾气排放污染等级。
6.根据权利要求1所述的一种全域路网的车辆尾气监测方法,其特征在于:步骤7)中,车牌识别算法是基于卷积神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010236938.9A CN111415516A (zh) | 2020-03-30 | 2020-03-30 | 一种全域路网的车辆尾气监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010236938.9A CN111415516A (zh) | 2020-03-30 | 2020-03-30 | 一种全域路网的车辆尾气监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111415516A true CN111415516A (zh) | 2020-07-14 |
Family
ID=71494576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010236938.9A Pending CN111415516A (zh) | 2020-03-30 | 2020-03-30 | 一种全域路网的车辆尾气监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415516A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723693A (zh) * | 2022-03-28 | 2022-07-08 | 浙江十翼科技有限公司 | 一种移动检测机动车尾气的方法 |
CN116773745A (zh) * | 2023-06-19 | 2023-09-19 | 河北华烨冀科信息技术有限责任公司 | 工业园区的污染气体排放源定位方法、装置、电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714363A (zh) * | 2013-12-23 | 2014-04-09 | 南京新远见智能科技有限公司 | 一种机动车尾气烟度视频识别系统 |
CN106680281A (zh) * | 2016-12-31 | 2017-05-17 | 中国科学技术大学 | 一种基于深度残差学习网络的柴油车尾气烟度检测方法 |
CN107764827A (zh) * | 2017-09-12 | 2018-03-06 | 深圳市易成自动驾驶技术有限公司 | 尾气监控方法和系统 |
CN108596975A (zh) * | 2018-04-25 | 2018-09-28 | 华南理工大学 | 一种针对弱纹理区域的立体匹配算法 |
CN109409190A (zh) * | 2018-08-21 | 2019-03-01 | 南京理工大学 | 基于梯度直方图和Canny边缘检测器的行人检测方法 |
CN110136449A (zh) * | 2019-06-17 | 2019-08-16 | 珠海华园信息技术有限公司 | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 |
CN110490049A (zh) * | 2019-07-02 | 2019-11-22 | 西安理工大学 | 基于多特征和svm区分人体平衡障碍的方法 |
-
2020
- 2020-03-30 CN CN202010236938.9A patent/CN111415516A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714363A (zh) * | 2013-12-23 | 2014-04-09 | 南京新远见智能科技有限公司 | 一种机动车尾气烟度视频识别系统 |
CN106680281A (zh) * | 2016-12-31 | 2017-05-17 | 中国科学技术大学 | 一种基于深度残差学习网络的柴油车尾气烟度检测方法 |
CN107764827A (zh) * | 2017-09-12 | 2018-03-06 | 深圳市易成自动驾驶技术有限公司 | 尾气监控方法和系统 |
CN108596975A (zh) * | 2018-04-25 | 2018-09-28 | 华南理工大学 | 一种针对弱纹理区域的立体匹配算法 |
CN109409190A (zh) * | 2018-08-21 | 2019-03-01 | 南京理工大学 | 基于梯度直方图和Canny边缘检测器的行人检测方法 |
CN110136449A (zh) * | 2019-06-17 | 2019-08-16 | 珠海华园信息技术有限公司 | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 |
CN110490049A (zh) * | 2019-07-02 | 2019-11-22 | 西安理工大学 | 基于多特征和svm区分人体平衡障碍的方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723693A (zh) * | 2022-03-28 | 2022-07-08 | 浙江十翼科技有限公司 | 一种移动检测机动车尾气的方法 |
CN114723693B (zh) * | 2022-03-28 | 2022-11-29 | 浙江十翼科技有限公司 | 一种移动检测机动车尾气的方法 |
CN116773745A (zh) * | 2023-06-19 | 2023-09-19 | 河北华烨冀科信息技术有限责任公司 | 工业园区的污染气体排放源定位方法、装置、电子设备 |
CN116773745B (zh) * | 2023-06-19 | 2024-01-19 | 河北华烨冀科信息技术有限责任公司 | 工业园区的污染气体排放源定位方法、装置、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921151B (zh) | 一种基于深度学习的普通摄像头全车牌识别系统 | |
Hung et al. | A real-time mobile vehicle license plate detection and recognition | |
CN111161543A (zh) | 一种基于图像识别的公交前车违章行为自动抓拍方法及系统 | |
CN101630361A (zh) | 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法 | |
CN202077142U (zh) | 一种车载智能视频侦测分析系统 | |
CN105788286A (zh) | 智能识别闯红灯系统以及车辆行为检测抓拍方法 | |
CN106778648B (zh) | 车辆轨迹跟踪及车牌识别方法 | |
CN103824037B (zh) | 车用防跟踪报警装置 | |
CN108269407B (zh) | 一种自动管理人流、物流的安防机器人 | |
CN107221167B (zh) | 一种前后抓拍识别黑烟车车牌的系统及其方法 | |
CN105185123A (zh) | 一种套牌车识别系统及方法 | |
CN106600977A (zh) | 基于多特征识别的违停检测方法及系统 | |
CN104574998A (zh) | 一种车载型违章检测装置及方法 | |
CN109714576B (zh) | 基于视频监控的车辆识别方法、装置、系统及服务器 | |
CN111415516A (zh) | 一种全域路网的车辆尾气监测方法 | |
CN105741559A (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
KR101756848B1 (ko) | 불법 주정차 관리 시스템 | |
CN105654734A (zh) | 车辆违章行为的数据处理方法及装置 | |
CN104537360A (zh) | 车辆未让行违章检测方法及其检测系统 | |
CN110930764A (zh) | 一种基于巡检方法的路边泊车检测方法 | |
CN112365719B (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
CN112232286A (zh) | 一种道路巡检无人机图像识别系统及无人机 | |
CN111222394A (zh) | 一种渣土车超载检测方法、装置及系统 | |
CN106327876B (zh) | 一种基于行车记录仪的套牌车捕捉系统及方法 | |
Sulehria et al. | Mathematical morphology methodology for extraction of vehicle number plates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200714 |