基于双教师联合蒸馏的黑烟识别算法

基于监控视频的智能黑烟车识别方法,可以有效节省人力和物力资源,具有广泛的应用前景。但车辆排放的黑烟具有半透明性,与背景中的沥青路面不易区分;且随着车辆运动,黑烟产生烟羽扩散,具有不稳定的形状,导致黑烟识别的精准率和召回率较低。首先,利用 YOLOv5s-MobileNetv3模型对车辆进行定位和排烟区域截取,以降低后续处理的数据量;其次,利用 K-Means算法对车辆尾部黑烟进行聚类得到具有普适性的宽高比,据此提取得到车辆的尾部排烟区;最后,提出 1种双教师联合蒸馏的黑烟识别方法进行车辆尾部黑烟识别。在某高速路段的包括黑烟车的 62段监控视频上进行训练及测试,目标车辆检测速度为 76 fps,在精确度 94.70%的前提下,召回率为 97.50%,黑烟特征识别精准率 93.43%,误报率为 6.52%。利用轻量级网络对车辆进行定位,降低了算法复杂度,保证了方法的实时性;文章提出的双教师联合蒸馏网络模型在保证较高精准率的前提下,识别时间具有明显优势。