一种基于霍夫变换和双流卷积神经网络的马路黑烟识别方法

摘要

本发明公开了一种基于霍夫变换和双流卷积神经网络的马路黑烟识别方法：步骤S100、通过光流法计算运动目标的每个像素点的运动速度和运动方向，输出代表目标对象运动信息的光流图像；步骤S200、采用霍夫变换得到XY极坐标的参数空间，通过参数空间筛查提取黑烟区域；步骤S300、运用双流神经卷积网络模型对候选黑烟区域进行识别；本发明相对比现有视频识别方式，深度神经网络具有更强的数据表征能力，抗干扰能力强，端到端的识别使得识别准确率更高。且双流卷积神经网络不仅拥有深度学习的优势，且其应用光流法提取运动特征，形成RGB图像进行卷积运算和光流图像卷积运算，两个算法网络通道，再融合平均，进而较BP神经卷积具有更高的准确率。