CN107478590A - 一种结合机动车智能视觉识别与尾气遥感检测的方法 - Google Patents
一种结合机动车智能视觉识别与尾气遥感检测的方法 Download PDFInfo
- Publication number
- CN107478590A CN107478590A CN201710669626.5A CN201710669626A CN107478590A CN 107478590 A CN107478590 A CN 107478590A CN 201710669626 A CN201710669626 A CN 201710669626A CN 107478590 A CN107478590 A CN 107478590A
- Authority
- CN
- China
- Prior art keywords
- unit
- data
- detection
- exhaust emission
- video
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 72
- 239000000779 smoke Substances 0.000 claims abstract description 37
- 238000004847 absorption spectroscopy Methods 0.000 claims abstract description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 239000003344 environmental pollutant Substances 0.000 claims description 7
- 231100000719 pollutant Toxicity 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 238000010223 real-time analysis Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 32
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 239000003546 flue gas Substances 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003500 flue dust Substances 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种结合机动车智能视觉识别与尾气遥感检测的方法,由智能视觉识别子系统、尾气遥感检测子系统、数据处理控制存储子系统三大部分构成,视频采集单元与视频数据接收单元连接,视频数据接收单元与数据处理单元连接,数据处理单元分别与控制中心单元、数据中心单元、红外和紫外吸收光谱法污染气体检测单元、不透光烟度检测单元、环境参数测量单元连接;本发明两种检测方式结合并用,相互补充验证,能有效提高机动车尾气检测效率,提高检测成功率。
Description
技术领域
本发明涉及一种结合机动车智能视觉识别与尾气遥感检测的方法。
背景技术
机动车尾气智能视觉识别检测方法是利用高清摄像头采集机动车车牌信息以及尾部黑烟信息,利用CCD 摄像机将路面上的车辆状态的相关信息通过视频的方式记录下来,并以连续帧图像的形式发送给尾气识别与处理模块,再根据柴油车尾气的静态、动态、颜色特征将图像中的目标尾气进行检查、分割、提取,选择最佳的五帧图像,经过对其静态和动态特征的分析处理,将结果与标准库中的林格曼黑度级别进行对比,给出相应的黑度级别。但该检测方法不能检测尾气污染物成分和浓度数据。
只使用尾气遥感检测方法在检测黑烟车时只能用于单车道,对多车道多辆机动车同时通过时无法检测,车身结构不规则或车辆排气管位置不在尾部的车辆无法检测,在交通繁忙车辆比较接近的情况下,由于环境气体干扰影响也无法准确得到数据。
基于上述分析,需要解决的是机动车尾气智能视觉识别检测方式不能检测尾气污染物浓度的问题与机动车尾气遥感检测在车身结构不规则和多车道环境中不能正常进行检测的问题。
发明内容
为了解决上述问题,本发明提供了一种结合机动车智能视觉识别与尾气遥感检测的方法。
本发明的技术方案为:一种结合机动车智能视觉识别与尾气遥感检测的方法,由智能视觉识别子系统、尾气遥感检测子系统、数据处理控制存储子系统三大部分构成,智能视觉识别子系统、尾气遥感检测子系统分别与数据处理控制存储子系统连接,包含视频采集单元、视频数据接收单元、数据处理单元、数据中心单元、控制中心单元、红外和紫外吸收光谱法污染气体监测单元、不透光烟度检测单元、环境参数测量单元;视频采集单元与视频数据接收单元连接,视频数据接收单元与数据处理单元连接,数据处理单元分别与控制中心单元、数据中心单元、红外和紫外吸收光谱法污染气体检测单元、不透光烟度检测单元、环境参数测量单元连接。
进一步地,具体步骤为:
(1)通过视频采集单元采集到机动车车辆视频数据,发送给视频数据接收单元,视频数据接收单元将视频数据传送给数据处理单元处理,数据处理单元中车辆尾气监测模块对采集到的车辆尾部可视黑烟图像和视频数据进行检测处理,同时通过道路路况识别模块以及车辆速度与加速度测量模块对道路路况做出实时分析,通过数据处理单元向控制中心单元发出是否适合尾气遥感监测的信号;不适合进行尾气遥感检测信号时,控制中心单元发送信号告知尾气遥感检测子系统不进行检测;反之则通过数据处理单元向控制中心单元发出适合进行尾气遥感检测信号,控制中心单元发送信号给尾气遥感检测子系统进行正常检测;
(2)尾气遥感检测子系统进行检测工作时,利用视频采集单元获取的视频数据经过数据处理单元的车牌识别与处理模块处理识别机动车车辆信息,通过红外和紫外吸收光谱法污染气体检测单元和不透光烟度检测单元检测车辆排放的尾气成分及含量数据,通过环境参数测量单元检测位点周围的湿度、温度、气压以及风速等,然后将收集到的检测数据发送给数据处理单元,数据处理单元对接收到的检测数据进行归纳、处理,最后将处理后的数据保存至数据中心单元;
(3)智能视觉识别子系统通过视频采集单元检测到机动车车辆信息以及车辆尾部可视黑烟视频及图像数据后,通过数据处理单元对可视黑烟视频信息中尾气的静态、动态、颜色特征将图像中的目标尾气进行检查、分割、提取,选择最佳的五帧图像,经过对其静态和动态特征的分析处理,将结果与标准库中的林格曼黑度级别进行对比,给出相应的林格曼黑度级别,将超过林格曼烟度标准等级的车辆数据保存至数据中心单元;
(4)随后数据处理单元整合处理数据中心单元内通过智能视觉识别子系统收集的数据与尾气遥感检测子系统收集的数据,按照车牌和时间将两个子系统检测的结果数据进行合并,含有车辆车牌号码、林格曼烟度等级、各种污染物含量信息的数据将与该车辆的黑烟车抓拍视频关联,形成一条详尽的黑烟车违法信息处罚证据链。
本发明的有益效果:本发明将机动车智能视觉识别子系统与尾气遥感检测子系统相结合,将机动车智能视觉识别子系统与尾气遥感检测子系统相结合,智能视觉识别子系统对多车道的车辆尾气进行检测,对是否是黑烟车进行定性分析;尾气遥感检测子系统检测黑烟车尾气中的具体污染物成分,对具体污染物成分进行定量分析。两种检测方式结合并用,相互补充验证,能有效提高机动车尾气检测效率,提高检测成功率。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明的智能视觉识别子系统的模块示意图。
图2是本发明的尾气遥感检测子系统的模块示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明,本实施例不构成对本发明的限制。
一种结合机动车智能视觉识别与尾气遥感检测的方法,包括智能视觉识别子系统、尾气遥感检测子系统和数据处理控制存储子系统,智能视觉识别子系统和尾气遥感检测子系统都需要连接数据处理控制存储子系统才能正常运行,数据处理控制存储子系统包括数据处理单元、控制中心单元、数据中心单元。
如图1所示,智能视觉识别子系统包括视频采集单元、视频数据接收单元、数据处理单元、控制中心单元、数据中心单元,智能视觉识别子系统运行时需要在各单元之间进行数据传输。视频采集单元与视频数据接收单元连接,视频数据接收单元与数据处理单元连接,数据处理单分别元与控制中心单元、数据中心单元连接。
视频采集单元为工业网络摄像机,工业网络摄像机安装在交通杆上方,采取从上往下的俯拍方式,不受多车并行的影响,便于采集黑烟车尾气视频图像信息。采集的数据种类包括车牌信息,车辆速度与加速度信息,车辆特征信息、汽车尾气信息等。
视频数据接收单元主要负责对视频采集单元的识别数据进行接收,将接收后的数据传输给数据处理单元。
数据处理单元运行平台为工控机,数据处理单元负责对数据进行归纳和处理。数据处理单元包括车辆跟踪与处理模块、车牌识别与处理模块、车辆速度及加速度测量模块、道路路况识别模块、车辆尾气监测模块。
车辆跟踪与处理模块:首先限定车道位置,人工确定需要检测的范围,使用混合高斯模型建立背景模型,得到前景为移动车辆,可以根据光线变化自动调节背景模型,以适应背景的变化,对检测到的前景进行轮廓提取,对得到的轮廓进行填充,再进行闭运算,即可得到前景各车辆的位置,对视频中车辆进行编号,进行车辆跟踪。在车流量较大,车辆密度较大时,车辆可能会出现叠加现象,使用前景提取不能将每辆车单独识别出来,需要进行改进,改进内容为:(1)限定车道,人工确定需要检测的范围,以免其他部位的运动物体对前景判断产生干扰;(2)对车尾部完全被遮挡的车辆,由于完全无法观察车尾气排放情况,做放弃处理;(3)对于阴影将两辆车连接在一起的情况,采用阴影模型,去除侧面的阴影,将车辆分离。
车牌识别与处理模块:确定车辆的位置后,把车牌位置预设为车辆下半部分,在车牌预定区域对图像进行灰度化、边缘检测,然后进行水平扫描和垂直扫描的方式确定车牌位置,定位后,对车牌进行梯度锐化、倾斜矫正、上下边框去除、字符分割、去除间隔符和右边框,得到单个字符,采用基于模板匹配的字符识别法得到最终的车牌,对得到的车牌及其附近区域使用卡尔曼滤波进行跟踪,联合车辆跟踪同步分析,确保车辆跟踪的正确性。
车辆速度及加速度测量模块用于测定过检车辆的车速和加速度。
道路路况识别模块用于判断道路路况是否适合进行车辆尾气遥感检测。
车辆尾气监测模块:为了得到尾气的烟气黑度,在不同天气下,对不同车辆尾气的烟气黑度进行建模,并建立黑度查询数据库,将有尾气的车辆捕获后进行对比判别,将烟气黑度数据记录到相应数据库中,记录抓拍时间、车牌号码和烟气的林格曼黑度 。
控制中心单元负责发出是否开启尾气遥感检测系统指令。
数据中心单元负责存储所有经过数据处理单元处理完成后的数据。
如图2所示,尾气遥感检测子系统包括红外和紫外吸收光谱法污染气体检测单元、不透光烟度检测单元、环境参数测量单元、数据处理单元、控制中心单元、数据中心单元,尾气遥感检测子系统运行时需要在各单元之间进行数据传输。和智能视觉识别子系统类似,尾气遥感检测子系统同样需要数据处理控制存储子系统的配合才能运行。
红外和紫外吸收光谱法污染气体检测单元负责对接收端采集的信号进行污染物气体分析处理。
不透光烟度检测单元负责对机动车尾气的不透光性进行检测。
环境参数测量单元负责对检测位置点周围的湿度,温度,气压以及风速等的检测。
具体操作方法为:数据处理单元根据视频采集单元检测到的机动车车辆信息,通过车辆尾气监测模块对采集到的车辆尾部可视黑烟图像和视频数据进行检测处理,同时通过道路路况识别模块以及车辆速度与加速度测量模块对道路路况做出实时分析。通过视频采集单元进行尾气检测工作时,会受到路面烟尘或者车辆本身阴影的干扰导致检测结果出现误差,但不影响道路路况识别模块以及车辆速度与加速度测量模块对道路路况做出实时分析识别的工作。在对车辆和车道信息处理判断时,数据处理单元对可能出现误差的检测结果进行核实补充。在实时视频俯视道路车辆较多并相互有交错和遮挡的情况下,通过数据处理单元向控制中心单元发出不适合进行尾气遥感检测的信号,控制中心单元控制尾气遥感检测子系统不开启;反之则通过数据处理单元向控制中心单元发出适合进行尾气遥感检测的信号,控制中心单元控制尾气遥感检测子系统开启。
尾气遥感检测子系统开启,通过红外和紫外吸收光谱法污染气体检测单元和不透光烟度检测单元检测排放的尾气成分及含量数据,然后将数据发送给数据处理单元,数据处理单元对收集到的数据归纳、处理,将结果数据保存至数据中心单元。
智能视觉识别子系统通过视频采集单元检测到机动车车辆信息以及车辆尾部可视黑烟视频及图像数据后,通过数据处理单元对可视黑烟视频信息中尾气的静态、动态、颜色特征将图像中的目标尾气进行检查、分割、提取,选择最佳的五帧图像,经过对其静态和动态特征的分析处理,将结果与标准库中的林格曼黑度级别进行对比,给出相应的林格曼黑度级别,最终将超过林格曼烟度标准等级的车辆数据保存至数据中心单元。
随后数据处理单元将数据中心单元内通过智能视觉识别子系统收集的数据与尾气遥感检测子系统收集的数据进行整合,按照车牌和时间的匹配方式将两种方式检测的结果数据进行合并。含有车辆车牌号码、林格曼烟度等级、各种污染物含量等信息的数据将与该车辆的黑烟车抓拍视频关联,形成一条详尽的黑烟车违法信息处罚证据链。
使用机动车智能视觉识别子系统与尾气遥感检测子系统做到黑烟车违法行为检测信息的相互补充。
以上所述,仅是本发明的较佳实施例而已,不用于限制本发明,本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明技术方案的保护范围内。
Claims (2)
1.一种结合机动车智能视觉识别与尾气遥感检测的方法,其特征在于:由智能视觉识别子系统、尾气遥感检测子系统、数据处理控制存储子系统三大部分构成,智能视觉识别子系统、尾气遥感检测子系统分别与数据处理控制存储子系统连接,包含视频采集单元、视频数据接收单元、数据处理单元、数据中心单元、控制中心单元、红外和紫外吸收光谱法污染气体检测单元、不透光烟度检测单元、环境参数测量单元;视频采集单元与视频数据接收单元连接,视频数据接收单元与数据处理单元连接,数据处理单元分别与控制中心单元、数据中心单元、红外和紫外吸收光谱法污染气体检测单元、不透光烟度检测单元、环境参数测量单元连接。
2.根据权利要求1所述的一种结合机动车智能视觉识别与尾气遥感检测的方法,其特征在于:具体步骤为:
(1)通过视频采集单元采集到机动车车辆视频数据,发送给视频数据接收单元,视频数据接收单元将视频数据传送给数据处理单元处理,数据处理单元中车辆尾气监测模块对采集到的车辆尾部可视黑烟图像和视频数据进行检测处理,同时通过道路路况识别模块以及车辆速度与加速度测量模块对道路路况做出实时分析,通过数据处理单元向控制中心单元发出是否适合尾气遥感监测的信号;不适合进行尾气遥感检测信号时,控制中心单元发送信号告知尾气遥感检测子系统不进行检测;反之则通过数据处理单元向控制中心单元发出适合进行尾气遥感检测信号,控制中心单元发送信号给尾气遥感检测子系统进行正常检测;
(2)尾气遥感检测子系统进行检测工作时,利用视频采集单元获取的视频数据经过数据处理单元的车牌识别与处理模块处理识别机动车车辆信息,通过红外和紫外吸收光谱法污染气体检测单元和不透光烟度检测单元检测车辆排放的尾气成分及含量数据,通过环境参数测量单元检测位点周围的湿度、温度、气压以及风速等,然后将收集到的检测数据发送给数据处理单元,数据处理单元对接收到的检测数据进行归纳、处理,最后将处理后的数据保存至数据中心单元;
(3)智能视觉识别子系统通过视频采集单元检测到机动车车辆信息以及车辆尾部可视黑烟视频及图像数据后,通过数据处理单元对可视黑烟视频信息中尾气的静态、动态、颜色特征将图像中的目标尾气进行检查、分割、提取,选择最佳的五帧图像,经过对其静态和动态特征的分析处理,将结果与标准库中的林格曼黑度级别进行对比,给出相应的林格曼黑度级别,将超过林格曼烟度标准等级的车辆数据保存至数据中心单元;
(4)随后数据处理单元整合处理数据中心单元内通过智能视觉识别子系统收集的数据与尾气遥感检测子系统收集的数据,按照车牌和时间将两个子系统检测的结果数据进行合并,含有车辆车牌号码、林格曼烟度等级、各种污染物含量信息的数据将与该车辆的黑烟车抓拍视频关联,形成一条详尽的黑烟车违法信息处罚证据链。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710669626.5A CN107478590A (zh) | 2017-08-08 | 2017-08-08 | 一种结合机动车智能视觉识别与尾气遥感检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710669626.5A CN107478590A (zh) | 2017-08-08 | 2017-08-08 | 一种结合机动车智能视觉识别与尾气遥感检测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107478590A true CN107478590A (zh) | 2017-12-15 |
Family
ID=60599844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710669626.5A Pending CN107478590A (zh) | 2017-08-08 | 2017-08-08 | 一种结合机动车智能视觉识别与尾气遥感检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107478590A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335490A (zh) * | 2018-03-26 | 2018-07-27 | 南京新远见智能科技有限公司 | 一种手持式尾气黑烟智能识别视频监测系统及方法 |
CN108827879A (zh) * | 2018-04-19 | 2018-11-16 | 沈夕尧 | 一种新型城市机动车尾气遥感监控方法 |
CN108921147A (zh) * | 2018-09-03 | 2018-11-30 | 东南大学 | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 |
CN109060695A (zh) * | 2018-10-17 | 2018-12-21 | 佛山市南海区环境保护监测站(佛山市南海区机动车排气污染管理所) | 柴油车尾气检测结果准确性的校验方法 |
CN109165602A (zh) * | 2018-08-27 | 2019-01-08 | 成都华安视讯科技有限公司 | 一种基于视频分析的黑烟车检测方法 |
CN109238987A (zh) * | 2018-10-11 | 2019-01-18 | 成都中安瑞晨科技有限责任公司 | 一种多光谱汽车尾气监测装置 |
CN109239002A (zh) * | 2018-09-25 | 2019-01-18 | 中国电子科技集团公司第十研究所 | 一种尾气检测装置 |
CN109300314A (zh) * | 2018-11-20 | 2019-02-01 | 北京朗观视觉科技有限公司 | 黑烟车实时监测抓拍装置及方法 |
CN109409242A (zh) * | 2018-09-28 | 2019-03-01 | 东南大学 | 一种基于循环卷积神经网络的黑烟车检测方法 |
CN109580522A (zh) * | 2018-11-20 | 2019-04-05 | 北京计算机技术及应用研究所 | 一种融合汽车电子标识和视频的汽车尾气污染物监测方法 |
CN109993098A (zh) * | 2019-03-26 | 2019-07-09 | 南京新远见智能科技有限公司 | 城市车辆黑烟智能识别大数据分析系统及方法 |
CN110441481A (zh) * | 2019-08-19 | 2019-11-12 | 郑州今迈衡器有限公司 | 一种用于监测机动车尾气的监测车 |
CN110514789A (zh) * | 2019-08-23 | 2019-11-29 | 南京新远见智能科技有限公司 | 一种采用边缘计算的机动车尾气遥感检测系统及方法 |
CN110514790A (zh) * | 2019-08-23 | 2019-11-29 | 南京新远见智能科技有限公司 | 一种双套串联式机动车尾气遥感检测系统及方法 |
CN111145556A (zh) * | 2019-12-24 | 2020-05-12 | 湖南轩源环保科技有限公司 | 黑烟车车牌识别方法、系统、设备和可读存储介质 |
CN111862621A (zh) * | 2020-07-21 | 2020-10-30 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍系统 |
CN113033981A (zh) * | 2021-03-13 | 2021-06-25 | 深圳前海黑顿科技有限公司 | 一种基于跨模态技术的机动车空气污染调控系统及方法 |
US11054347B1 (en) | 2019-12-31 | 2021-07-06 | X Development Llc | Enhanced gas sensor selectivity |
CN113311114A (zh) * | 2021-05-27 | 2021-08-27 | 河南省计量科学研究院 | 尾气遥测装置移动校准检测系统 |
WO2022048051A1 (zh) * | 2020-09-02 | 2022-03-10 | 厦门理工学院 | 一种基于北斗的工程车尾气排放监控追踪系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
CN102721693A (zh) * | 2012-06-13 | 2012-10-10 | 安徽宝龙环保科技有限公司 | 尾气不透光烟度检测方法和系统 |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别系统 |
CN202916191U (zh) * | 2012-10-24 | 2013-05-01 | 长安大学 | 一种甲醇燃料汽车尾气非常规成分检测仪 |
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 |
CN103808723A (zh) * | 2014-02-27 | 2014-05-21 | 中国科学技术大学 | 一种柴油车烟气黑度自动检测装置 |
CN105185135A (zh) * | 2015-07-10 | 2015-12-23 | 南京理工大学 | 一种高速公路机动车颗粒物排放的测定、评估与警示装置及方法 |
CN205049475U (zh) * | 2015-10-28 | 2016-02-24 | 河南星禾环保科技有限公司 | 一种机动车或者船双光程多车道尾气遥感检测系统 |
CN205280576U (zh) * | 2015-11-02 | 2016-06-01 | 河南星禾环保科技有限公司 | 一种车船排放烟度遥感监测系统 |
CN106323886A (zh) * | 2015-06-19 | 2017-01-11 | 张世达 | 一种基于电子环保卡的汽车尾气污染物监测方法和系统 |
CN206114513U (zh) * | 2016-06-30 | 2017-04-19 | 天津市圣威科技发展有限公司 | 一种汽柴一体化机动车尾气遥感监测系统 |
-
2017
- 2017-08-08 CN CN201710669626.5A patent/CN107478590A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
CN102721693A (zh) * | 2012-06-13 | 2012-10-10 | 安徽宝龙环保科技有限公司 | 尾气不透光烟度检测方法和系统 |
CN102737247A (zh) * | 2012-07-04 | 2012-10-17 | 中国科学技术大学 | 一种柴油车尾气烟度图像识别系统 |
CN202916191U (zh) * | 2012-10-24 | 2013-05-01 | 长安大学 | 一种甲醇燃料汽车尾气非常规成分检测仪 |
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 |
CN103808723A (zh) * | 2014-02-27 | 2014-05-21 | 中国科学技术大学 | 一种柴油车烟气黑度自动检测装置 |
CN106323886A (zh) * | 2015-06-19 | 2017-01-11 | 张世达 | 一种基于电子环保卡的汽车尾气污染物监测方法和系统 |
CN105185135A (zh) * | 2015-07-10 | 2015-12-23 | 南京理工大学 | 一种高速公路机动车颗粒物排放的测定、评估与警示装置及方法 |
CN205049475U (zh) * | 2015-10-28 | 2016-02-24 | 河南星禾环保科技有限公司 | 一种机动车或者船双光程多车道尾气遥感检测系统 |
CN205280576U (zh) * | 2015-11-02 | 2016-06-01 | 河南星禾环保科技有限公司 | 一种车船排放烟度遥感监测系统 |
CN206114513U (zh) * | 2016-06-30 | 2017-04-19 | 天津市圣威科技发展有限公司 | 一种汽柴一体化机动车尾气遥感监测系统 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335490A (zh) * | 2018-03-26 | 2018-07-27 | 南京新远见智能科技有限公司 | 一种手持式尾气黑烟智能识别视频监测系统及方法 |
CN108827879A (zh) * | 2018-04-19 | 2018-11-16 | 沈夕尧 | 一种新型城市机动车尾气遥感监控方法 |
CN109165602A (zh) * | 2018-08-27 | 2019-01-08 | 成都华安视讯科技有限公司 | 一种基于视频分析的黑烟车检测方法 |
CN108921147A (zh) * | 2018-09-03 | 2018-11-30 | 东南大学 | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 |
CN108921147B (zh) * | 2018-09-03 | 2022-02-15 | 东南大学 | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 |
CN109239002A (zh) * | 2018-09-25 | 2019-01-18 | 中国电子科技集团公司第十研究所 | 一种尾气检测装置 |
CN109409242B (zh) * | 2018-09-28 | 2021-11-02 | 东南大学 | 一种基于循环卷积神经网络的黑烟车检测方法 |
CN109409242A (zh) * | 2018-09-28 | 2019-03-01 | 东南大学 | 一种基于循环卷积神经网络的黑烟车检测方法 |
CN109238987A (zh) * | 2018-10-11 | 2019-01-18 | 成都中安瑞晨科技有限责任公司 | 一种多光谱汽车尾气监测装置 |
CN109060695A (zh) * | 2018-10-17 | 2018-12-21 | 佛山市南海区环境保护监测站(佛山市南海区机动车排气污染管理所) | 柴油车尾气检测结果准确性的校验方法 |
CN109580522A (zh) * | 2018-11-20 | 2019-04-05 | 北京计算机技术及应用研究所 | 一种融合汽车电子标识和视频的汽车尾气污染物监测方法 |
CN109300314A (zh) * | 2018-11-20 | 2019-02-01 | 北京朗观视觉科技有限公司 | 黑烟车实时监测抓拍装置及方法 |
CN109993098A (zh) * | 2019-03-26 | 2019-07-09 | 南京新远见智能科技有限公司 | 城市车辆黑烟智能识别大数据分析系统及方法 |
CN110441481A (zh) * | 2019-08-19 | 2019-11-12 | 郑州今迈衡器有限公司 | 一种用于监测机动车尾气的监测车 |
CN110514789A (zh) * | 2019-08-23 | 2019-11-29 | 南京新远见智能科技有限公司 | 一种采用边缘计算的机动车尾气遥感检测系统及方法 |
CN110514790A (zh) * | 2019-08-23 | 2019-11-29 | 南京新远见智能科技有限公司 | 一种双套串联式机动车尾气遥感检测系统及方法 |
CN111145556A (zh) * | 2019-12-24 | 2020-05-12 | 湖南轩源环保科技有限公司 | 黑烟车车牌识别方法、系统、设备和可读存储介质 |
US11054347B1 (en) | 2019-12-31 | 2021-07-06 | X Development Llc | Enhanced gas sensor selectivity |
CN111862621A (zh) * | 2020-07-21 | 2020-10-30 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍系统 |
CN111862621B (zh) * | 2020-07-21 | 2022-02-25 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍系统 |
WO2022048051A1 (zh) * | 2020-09-02 | 2022-03-10 | 厦门理工学院 | 一种基于北斗的工程车尾气排放监控追踪系统 |
CN113033981A (zh) * | 2021-03-13 | 2021-06-25 | 深圳前海黑顿科技有限公司 | 一种基于跨模态技术的机动车空气污染调控系统及方法 |
CN113311114A (zh) * | 2021-05-27 | 2021-08-27 | 河南省计量科学研究院 | 尾气遥测装置移动校准检测系统 |
CN113311114B (zh) * | 2021-05-27 | 2023-04-14 | 河南省计量科学研究院 | 尾气遥测装置移动校准检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107478590A (zh) | 一种结合机动车智能视觉识别与尾气遥感检测的方法 | |
CN103714363B (zh) | 一种机动车尾气烟度视频识别系统 | |
Liu et al. | A review of applications of visual inspection technology based on image processing in the railway industry | |
Giben et al. | Material classification and semantic segmentation of railway track images with deep convolutional neural networks | |
CN102737247B (zh) | 一种柴油车尾气烟度图像识别系统 | |
CN106652551A (zh) | 一种车位检测方法及设备 | |
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
CN107221167B (zh) | 一种前后抓拍识别黑烟车车牌的系统及其方法 | |
CN103985182A (zh) | 一种公交客流自动计数方法及自动计数系统 | |
CN110738857A (zh) | 一种车辆违章取证方法、装置及设备 | |
CN204945122U (zh) | 一种车辆尾气污染物监测系统 | |
CN114399744A (zh) | 一种车型识别方法、装置、电子设备和存储介质 | |
CN109242035B (zh) | 车底故障检测装置及方法 | |
CN111723706A (zh) | 基于树莓派的厢式货车厢门开度监控装置及系统 | |
CN107895482A (zh) | 基于毫米波雷达与激光雷达的交通情况调查装置及方法 | |
CN105118305A (zh) | 室外停车场出口车辆管理平台 | |
CN108288055A (zh) | 基于深度网络与分级测试的电力机车受电弓及电弧检测方法 | |
CN107036984A (zh) | 一种机动车尾气排放遥测系统 | |
CN111723704A (zh) | 基于树莓派的厢式货车厢门开度监控方法 | |
CN110909599A (zh) | 一种渣土车苫盖的检测方法、装置及系统 | |
CN110514789A (zh) | 一种采用边缘计算的机动车尾气遥感检测系统及方法 | |
CN113788051A (zh) | 列车在站运行状态监测分析系统 | |
CN113869275A (zh) | 一种基于移动边缘计算的车辆抛洒物检测系统 | |
CN104346928A (zh) | 一种闯红灯车辆监控拍照系统 |
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 |
Application publication date: 20171215 |
|
RJ01 | Rejection of invention patent application after publication |