首页|视频车辆黑烟检测算法研究进展

视频车辆黑烟检测算法研究进展

Video black smoke detection methods for vehicles:a survey

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
黑烟车辆逐渐成为城市的主要污染源之一,针对黑烟的视频车辆检测方法具有效果好、成本低、应用面广和不妨碍交通等优点,但是仍存在误检率高、新方法可解释性差的缺陷.为了总结归纳视频黑烟检测算法的研究进展,本文对2016-2019年公开发表的文献进行总结.视频黑烟检测框架按顺序可以分为监控视频预处理、疑似黑烟区域选取、黑烟特征选取、分类识别和算法性能分析几部分,而且此顺序可以根据实际情况微调.本文介绍了视频黑烟检测框架,从层次的角度分析了疑似黑烟区域提取和黑烟特征选取.疑似黑烟区域提取方法由低到高依次分为图像级提取、目标级提取、像素级提取和纯黑烟重构等4个层次,提取方法的精细度与稳定性逐步上升,而且高层次方法一般可以应用在低层次方法的结果上.黑烟特征按基于学习的非线性映射次数划分为底层特征、中层特征和高层特征等3个层次,分界点是1次和3次.随着层次的提高,特征表达力就会越强,但二者之间并不是严格的线性关系.然后从可解释性的角度重点介绍了高层特征.另外,本文从有、无深度学习的角度归纳了特征提取算法,之后从传统方法与深度方法两方面归纳了常见的分类识别方法.最后介绍了主流算法评价指标.针对视频黑烟检测算法的几个特点,对其未来发展方向进行了总结归纳.

张天琪、杨伟东、张姣姣、彭凯

展开 >

河北工业大学机械工程学院,天津300130

天津市圣威科技发展有限公司,天津300112

黑烟车辆检测 特征提取 烟雾识别 深度学习可解释性 综述

天津市科技计划项目

18YFCZZC00150

2021

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2021.26(2)
  • 2
  • 19