黑烟车智能监控系统对目前的环保工作具有非常重要的意义。目前常用的方法主要是人工检测,比较耗时耗力。而智能监控系统能保持长时间工作且能保证检测结果的准确性,不会因为疲劳造成检测率下降,因此具有广阔的应用前景。本文基于监控视频进行研究,实现了车辆检测与跟踪,车辆尾部特征提取,黑烟车分类器训练与测试等功能,主要包括以下几个方面:(1)车辆检测与跟踪技术研究。针对黑烟形状、大小、浓度不一的情况,首先研究了ViBe算法,针对ViBe算法存在ghost区域以及对细微变化不敏感等缺点,提出了一种改进方法,针对背景初始化和样本集更新分别做了改进。通过改进能较好的检测出视频中的疑似黑烟,有利于对黑烟车的进一步判定。结合目标的中心点位置和面积大小,利用相邻帧之间的信息对车辆进行跟踪,从而确定车辆的唯一性,减少漏检和重复检测的情况。(2)车辆尾部特征提取。针对检测出的车辆目标,首先选定感兴趣区域,再对区域内的图像提取颜色、小波能量、纹理等特征。由于感兴趣区域内基本会包含大量黑烟,因此可以通过分析特征有效的将黑烟车和非黑烟车区分开来。(3)黑烟车分类器研究。利用提取到的车尾部特征进行分类器训练。针对不同特征之间关联性不大,数量级不同等特点,设计了一种多特征级联的BP神经网络。将多个特征分开训练,再将输出结果整合成新的向量训练第二级网络,最终得到识别结果。(4)软件设计与实现。通过对以上关键算法的研究,本文设计了一个黑烟车检测系统,实现了基于视频或监控摄像头的车辆检测与跟踪,特征提取,黑烟车检测等功能,最终通过不同路段的视频对系统从功能和性能两方面进行了验证。