随着机动车保有量的逐年增长,机动车尾气污染已成为我国空气污染的重要来源。机动车尾气污染中占比最高的是黑烟车尾气污染。降低黑烟车尾气污染需要从车流中识别黑烟车。基于道路监控视频分析的黑烟车识别方法是目前的主流,但面临着容易漏报和误报的难题。解决该问题的核心是研究最具区分能力的黑烟特征。本文围绕黑烟特征展开研究,分别从黑烟图像生成、黑烟传统特征、黑烟深度特征和黑烟密度特征等四个方面进行深入研究。主要研究内容概括如下:（1）提出了烟浓度可控的黑烟图像生成模型。大量汽车黑烟图像是黑烟特征提取方法研究的前提,而已拥有的汽车黑烟图像并不多。现存的图像生成模型虽能生成汽车黑烟图像,但无法生成烟浓度可控的黑烟图像以及生成对应的纯黑烟图像,而此类样本又是后续研究的必需。为此,本文提出了烟浓度可控的黑烟图像生成模型,实现了生成多种多样逼真的黑烟图像以及生成对应的纯黑烟图像,为后续章节的研究打下了数据样本的基础。所提模型包括图像分离模块、烟浓度微调模块和图像合成模块,借助三阶段网络训练方法进行训练,通过背景图像加烟、微调黑烟图像的烟浓度和替换黑烟图像的烟浓度等方式生成黑烟图像,通过改变烟浓度潜在编码控制生成黑烟图像的烟浓度,并生成对应的纯黑烟图像。实验结果表明,所提模型在生成烟浓度可控的黑烟图像以及生成对应的纯黑烟图像方面明显优于主流的图像生成模型。（2）提出了基于鲁棒体积局部二值计数模式的黑烟特征。传统特征适用于硬件配置较低的应用环境。其中的体积局部二值计数模式不仅可以表征图像序列的时空纹理信息,而且具有计算简单、速度快的优点。但从表征黑烟图像序列的角度看,在特征抗噪性、特征非冗余性、特征完全性和多尺度信息利用等方面还存在不足。为解决上述不足,本文提出了基于鲁棒体积局部二值计数模式的黑烟特征,用于硬件配置较低环境下的黑烟车识别。所提黑烟特征采用加权的局部阈值替代原始的中心像素阈值,引入调节参数平衡噪声信息和邻域采样点像素信息,提高了特征抗噪性;同时,将黑烟图像及其反图像视为同一类,降低了特征冗余性,缩小了类内距离和特征维数;此外,采用完全性操作更全面地表征局部区域的信息,利用多组不同半径和采样点数获取多尺度信息。实验结果表明,所提黑烟特征的黑烟车识别精度优于现存传统特征。（3）提出了基于加强图像序列子模型融合的黑烟深度特征。深度特征在特征提取领域展现了卓越的性能。很多时空特征模型都可以用于黑烟深度特征提取。但这些模型多是沿单一的时间轴方向从单一的RGB图像序列中提取特征。为充分利用图像序列信息,本文提出了基于加强图像序列子模型融合的黑烟深度特征,用于硬件配置较高环境下的黑烟车识别。所提黑烟特征从运动信息的提取、三正交平面时空信息的提取和梯度纹理信息的提取等多个方面实现加强图像序列,通过多个相互独立的深度模型提取多种不同类型的深度特征,并探索了三种不同的子模型融合方法,借助子模型融合实现特征互补,得到黑烟时空特征。该特征通过整合空间网络和时间网络获取互补的空间特征和运动特征,借助三正交平面的思想,从多个方向分析同一图像序列,学习不同类型的互补特征,并通过增加梯度和纹理图像序列,加强对梯度信息和纹理信息的利用。实验结果表明,所提黑烟深度特征能有效提高黑烟车的识别精度。（4）提出了基于特征加强神经网络的黑烟密度特征。评价黑烟车冒黑烟行为的一个重要指标是黑烟级别。确定黑烟级别的主流方法是人工比对车辆排气孔黑烟区域和林格曼黑度卡,费时费力。利用黑烟密度特征来确定黑烟级别可避免以上不足。现存有望通过移植用于提取黑烟密度特征的深度模型大多采用编码解码架构,并通过直接复制形式的跳跃连接实现特征利用,但这种直接复制形式缺乏对不同层次和不同尺度信息的充分利用。为此,本文提出了基于特征加强神经网络的黑烟密度特征,用于黑烟级别估计。该特征的提取采用编码解码架构,一方面,借助空洞卷积金字塔池化模块在初始阶段对输入图像进行编码,在不丢失位置信息的情况下融合不同层次特征;另一方面,提出并设计了多种特征加强模块,通过将编码层的特征图经过特征加强模块叠加到对应的解码层以实现空间特征的充分利用。其中的多尺度特征加强模块融合了不同尺度的特征,叠加操作又融合了不同层次的特征。实验结果表明,所提方法的黑烟密度特征提取精度高于主流模型,且黑烟级别估计与林格曼黑度卡方法的结果一致。