买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连理工大学

摘要：本发明涉及三维卷积网络图像处理领域，更具体地，涉及一种轻量级的基于三维卷积网络的车辆黑烟检测方法。本发明有效利用了车辆黑烟的运动特性，将黑烟视为运动目标，与车辆阴影、道路污渍等干扰因素区分开，有效利用了视频的时序信息，实现黑烟车实时检测。

主权项：1.一种轻量级的基于三维卷积的车辆黑烟检测方法，其特征在于，具体步骤如下：步骤1车辆检测器作为预处理方法，用于提取候选黑烟区域所述的车辆检测器是以MobilenetV2网络为特征提取网络的YOLOv4检测模型构成，输入为车辆视频流，提取出连续多帧候选黑烟区域送入黑烟分类器；步骤2将三维卷积和非局部注意力机制应用于黑烟分类器，进行黑烟车和非黑烟车的二分类所述的黑烟分类器由block1、block2和FC3三个模块组成，block1模块由一个三维卷积层conv1、ReLU层和一个最大池化层pool1构成；block2模块由一个InceptionBlock、ReLU层、非局部注意力模块Non-Local和一个最大池化层pool2构成；block1和block2构成特征提取模块，用于提取视频中车辆黑烟的空间特征和时间特征；FC3为线性映射模块，为一层全连接层，其作用是将输入的车辆黑烟视频经过block1和block2模块处理后得到B×C×1×H×W大小的特征向量转化为B×2维的特征向量，实现车辆有烟和无烟的二分类，其中，B为批量大小，C为通道数，H为特征图的高度，W为特征图的宽；其中，所述的Non-Local模块通过计算不同像素点之间的相互关系，来捕获视频序列的远程依赖，计算公式如下所示： 公式1中，x为输入黑烟图像，y为黑烟图像像素点之间的关联程度，i表示将被计算的y的时间、空间和时空位置的索引，表示全部元素，j是枚举的所有可能位置的索引；两点相似性函数f用来计算位置i对应的特征xi与所有可能的位置j对应的特征xj之间的相关性；特征映射函数g是计算位置j处的输入信号xj的特征表示；为保证变换前后整体信息不变，通过使用Cx对y进行归一化，计算公式如下所示：gxj＝Wgxj2 θxi＝Wθxi4φxj＝Wφxj5 zi＝Wzyi+xi7其中，公式2中Wg为待学习的权重，公式4和5是嵌入函数，Wθ和Wφ表示权重，公式7的xi是公式1的输入信号，yi是公式1的输出响应，Wz为用于特征融合的权重矩阵；步骤3黑烟分类器评估采用混淆矩阵计算得到准确率accuracy，精确率precision、召回率recall和误报率FPR，来评估黑烟分类器性能，同步输出评估结果；P表示正样本，N表示负样本，T表示预测值与真实值相同，F表示预测值与真实值相反，TP表示预测值和真实值均为正样本的数量，TN表示预测值和真实值均为负样本的数量，FP表示将负样本预测为正样本的数量，FN表示将真实值为正样本预测为负样本的数量；准确率、精确率、召回率和误报率的计算公示如下： F1_score是精确率和召回率的调和平均值。

全文数据：

权利要求：

百度查询： 大连理工大学 一种轻量级的基于三维卷积网络的车辆黑烟检测方法