CN104200673B - 一种基于道路图像的路面湿滑检测方法 - Google Patents
一种基于道路图像的路面湿滑检测方法 Download PDFInfo
- Publication number
- CN104200673B CN104200673B CN201410440638.7A CN201410440638A CN104200673B CN 104200673 B CN104200673 B CN 104200673B CN 201410440638 A CN201410440638 A CN 201410440638A CN 104200673 B CN104200673 B CN 104200673B
- Authority
- CN
- China
- Prior art keywords
- highway
- slippery
- wet
- image
- reflectance
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于道路图像的路面湿滑检测方法,采用数字图像处理的方法自动检测公路湿滑情况并实现自动报警。其中分为三个功能模块:1)提取公路图像;2)计算路面反光度和锐度;3)公路湿滑评估。本发明方法可及时、准确地对公路监控视频中存在公路湿滑情况进行检测,取代人工判读,减少工作量,提高效率。
Description
技术领域
本发明属于计算机视觉领域,具体涉及一种基于高等级公路图像的公路湿滑检测方法。
背景技术
公路的发展使得人们出行更加便捷,同时也有力推动了我国经济建设快步前进,然而随着公路系统规模的迅速扩大,公路养护的要求也不断提升。当前,国内大部分公路系统在路况监测、公路数据采集和使用性能评价等方面的技术和手段还远远落后于公路特别是高速公路管理需求,一定程度上已经成为限制我国公路管理水平的进一步发展的瓶颈。
目前,对于公路湿滑检测尚无智能的视频分析及管理平台。对于公路系统的路况监控,仍需要对各路图像进行人工的查看与判断,费时费力,工作量大,且极易造成疏漏。这种对公路视频监控的人工查看方式和手段已远远落后于公路发展需求,一定程度上制约了公路监控的有效管理。
发明内容
本发明所要解决的技术问题是公路湿滑自动检测,该技术可以使得公路天气情况达到实时监测,大大减少了人力检测的投入,降低公路的养护运营成本,提高公路的运营服务与安全水平。方便交通管理部门掌握公路状况,并根据实时情况及时调度指挥,提高现有公路的有效管理能力,从而逐步提高交通部门的管理和应急能力。
为了实现公路湿滑检测的目的,本发明采用技术方案为:
一种基于道路图像的路面湿滑检测方法,采集高等级公路的监控视频图像对公路湿滑状况进行检测处理,包括以下步骤:
(1)提取公路图像:
使用定点采集的图像序列中的相邻两帧作差分运算,二值化后经腐蚀、膨胀操作,提取运动车辆轨迹,叠加车辆轨迹提取的公路图像Ir;
(2)计算公路图像反光度和锐度:
A.计算公路图像Ir反光度:对于提取的公路图像,由上至下平均分成n个区域,Ri为从上到下第i(i=1,2,3......n-1,n)个区域,对于每个区域Ri计算其灰度均值作为其平均亮度Ai;图像上方n/2区域平均亮度值之和为Ωup,图像下方n/2区域平均亮度值之和为Ωdown,反光度Ψ=Ωup-Ωdown;
B.计算公路图像Ir平均锐度:首先计算公路图像Ir的梯度图像Ig,对于Ig中任意一点Gp,计算其八邻域每个点的值与距离的乘积,然后累加作为点Gp的锐度值,最后对整幅图像锐度值累加后做算术平均,得到平均锐度;
(3)公路湿滑评估:
由以上步骤获得的公路图像的反光度及平均锐度估算公路湿滑程度值;反光度越大公路湿滑的可能性越大;锐度越小,公路湿滑可能性越大,设α和β分别是反光度Ψ和平均锐度Φ的权值,根据下列公式计算公路湿滑程度值:
Γ=α×Ψ-β×Φ
比较阈值,得出公路湿滑或干燥的检测结果;输出检测结果。
这样,评估公路湿滑程度以反光度和锐度之间的相互关系来衡量,定义反光度得分为反光度与反光度权重的乘积,反光度得分值越大则表明路面湿滑程度越大;定义锐度得分为锐度值与锐度权重的乘积,图像锐度得分值越小则表明路面湿滑程度越大;湿滑程度得分定义为反光度得分减去锐度得分,通过湿滑程度得分与阈值相比较判断得出公路是否湿滑,并通过后续手段输出检测结果或输出报警提示。
采用本发明基于道路图像的路面湿滑检测方法,能够实时地对公路,尤其是高等级公路,运行中出现的路面湿滑情况进行自动识别,该技术可有效降低公路的养护运营成本,提高公路的运营服务与安全水平,减少人工判断的投入;提高工作效率。
附图说明
图1公路监控画面图像
图2提取的公路图像
图3方法流程图示说明
具体实施方式
为便于对本发明的细节作更为清楚的介绍,对本发明主要步骤详述如下:
步骤1:提取公路图像。设Ir为需要提取的公路路面图像,并将Ir内所有像素的值初始化为0。设Ipre、Iaft是公路图像序列中连续的任意两帧,其中Ipre为前帧,Iaft为后帧。Ipre与Iaft作差分运算得到差分图像,并对该差分图像依次进行二值化、腐蚀、膨胀操作得到二值图像Ib;依照从上到下,从左到右的顺序依次扫描图像Ib,当扫描到值为1的像素点时,记录该像素点位置(x,y),并将Ipre中(x,y)位置的像素值乘以刷新系数λ后,累加到Ir的(x,y)位置的像素。经过1/λ帧的连续图像做上述处理后,提取得到公路图像Ir。其中,刷新系数可以取0.01,但不仅限于该值。
步骤2:计算公路图像反光度。湿滑公路产生公路远端反光现象,提取由远及近的路面亮度信息,计算公路反光度值来表示公路反光程度。将公路图像Ir分成高度相等的n个区域,从上到下的第个区域为Ri;设Ai为Ri的平均亮度,Ni为Ri中亮度不为0的像素个数,Ir的反光度为Ψ。根据下列公式计算该区域的反光度:
1)
2)
n可以取图像高度开方的两倍,但不限于该值。
步骤3:计算公路图像锐度。公路积水造成路面视觉上较干燥路面更模糊,通过计算路面像素的锐度计算公路图像的平均锐度,表示路面的模糊程度。设df/dx是灰度变化幅值,m和n是图像的长和宽,设点P为公路图像任意一点,a为点P的8-邻域中任意一个像素点,ωa为点P到点a的距离,Φp表示点P的锐度,Φ表示整个图像的平均锐度,根据下列公式计算:
1)
2)
步骤4:根据公路图像的反光度及平均锐度估算公路湿滑程度值。反光度越大公路湿滑的可能性越大;锐度越小,公路湿滑可能性越大,设α和β分别是反光度Ψ和平均锐度Φ的权值,根据下列公式计算公路湿滑程度值:
1)Γ=α×Ψ-β×Φ
比较阈值,得出公路湿滑或干燥的检测结果。根据经验,公路湿滑程度值在250以下为公路干燥,在250至350之间为公路疑似湿滑,350以上为公路确认湿滑。
Claims (1)
1.一种基于道路图像的路面湿滑检测方法,采集高等级公路的监控视频图像对公路路面湿滑状况进行检测处理,包括以下步骤:
(1)提取公路图像:
使用定点采集的图像序列中的相邻两帧作差分运算,二值化后经腐蚀、膨胀操作,提取运动车辆轨迹,叠加车辆轨迹提取的公路图像Ir;
(2)计算公路图像反光度和锐度:
A.计算公路图像Ir反光度:对于提取的公路图像,由上至下平均分成n个区域,Ri为从上到下第i(i=1,2,3......n-1,n)个区域,对于每个区域Ri计算其灰度均值作为其平均亮度Ai;图像上方n/2区域平均亮度值之和为Ωup,图像下方n/2区域平均亮度值之和为Ωdown,反光度Ψ=Ωup-Ωdown;
B.计算公路图像Ir平均锐度:首先计算公路图像Ir的梯度图像Ig,对于Ig中任意一点Gp,计算其八邻域每个点的值与距离的乘积,然后累加作为点Gp的锐度值,最后对整幅图像锐度值累加后做算术平均,得到平均锐度;
(3)公路湿滑评估:
由以上步骤获得的公路图像的反光度及平均锐度估算公路湿滑程度值;反光度越大公路湿滑的可能性越大;锐度越小,公路湿滑可能性越大,设α和β分别是反光度Ψ和平均锐度Φ的权值,根据下列公式计算公路湿滑程度值:
Γ=α×Ψ-β×Φ
比较阈值,得出公路湿滑或干燥的检测结果;输出检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410440638.7A CN104200673B (zh) | 2014-09-01 | 2014-09-01 | 一种基于道路图像的路面湿滑检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410440638.7A CN104200673B (zh) | 2014-09-01 | 2014-09-01 | 一种基于道路图像的路面湿滑检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200673A CN104200673A (zh) | 2014-12-10 |
CN104200673B true CN104200673B (zh) | 2016-04-06 |
Family
ID=52085957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410440638.7A Expired - Fee Related CN104200673B (zh) | 2014-09-01 | 2014-09-01 | 一种基于道路图像的路面湿滑检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200673B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784261B (zh) * | 2016-08-31 | 2020-04-28 | 北京万集科技股份有限公司 | 一种路面状态检测方法及装置 |
CN108205647A (zh) * | 2016-12-20 | 2018-06-26 | 乐视汽车(北京)有限公司 | 道路状况监测方法、装置及电子设备 |
CN107497109B (zh) * | 2017-09-29 | 2022-11-08 | 厦门理工学院 | 一种场地湿滑检测监护方法及监护型篮球架 |
CN108109138B (zh) * | 2017-12-15 | 2021-08-06 | 华南理工大学 | 一种针对类镜面物体的高光区域自适应匀光的方法 |
CN110067599B (zh) * | 2019-05-13 | 2020-12-25 | 中国矿业大学(北京) | 基于图像的矿井水灾感知预警方法 |
CN111899625A (zh) * | 2020-07-16 | 2020-11-06 | 北京理工大学 | 智能辅助驾驶开发装置 |
CN112446344B (zh) * | 2020-12-08 | 2022-09-16 | 北京深睿博联科技有限责任公司 | 路况提示的方法及装置、电子设备及计算机可读存储介质 |
CN113276882A (zh) * | 2021-04-22 | 2021-08-20 | 清华大学苏州汽车研究院(相城) | 自动驾驶车辆控制方法、控制系统及目标速度的计算方法 |
CN117953700A (zh) * | 2023-12-25 | 2024-04-30 | 济南东之林智能软件有限公司 | 一种冰雪路面状况监测预警系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9632425B2 (en) * | 2006-12-07 | 2017-04-25 | Asml Holding N.V. | Lithographic apparatus, a dryer and a method of removing liquid from a surface |
DE102008015232A1 (de) * | 2007-11-15 | 2009-05-20 | Continental Teves Ag & Co. Ohg | Übertragung von Fahrzeuginformation |
CN102050116B (zh) * | 2010-12-17 | 2013-07-17 | 西安正昌电子有限责任公司 | 一种电子驻车制动方法 |
CN103034862B (zh) * | 2012-12-14 | 2015-07-15 | 北京诚达交通科技有限公司 | 基于特征信息分类的道路雨雪状态自动识别方法 |
-
2014
- 2014-09-01 CN CN201410440638.7A patent/CN104200673B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104200673A (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200673B (zh) | 一种基于道路图像的路面湿滑检测方法 | |
KR101963308B1 (ko) | 열악한 환경 조건 하에서 딥 러닝을 이용한 영상 내 이동객체 및 돌발상황 감시 시스템 및 그 방법 | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
CN103208123B (zh) | 图像分割方法与系统 | |
CN104899880B (zh) | 一种公交车辆车门开闭状态自动检测方法 | |
CN104239885A (zh) | 一种基于无人机航拍的地震灾害损毁度评估方法 | |
CN104616093A (zh) | 一种地震灾害救援指挥调度系统及方法 | |
CN102509291A (zh) | 基于无线网络视频传感器的公路路面病害检测及识别方法 | |
CN108508372B (zh) | 一种基于环境视觉融合的无人驾驶电量计算和预警方法与系统 | |
CN101916365A (zh) | 对考试作弊事件进行智能视频识别的方法 | |
Chong et al. | Integrated real-time vision-based preceding vehicle detection in urban roads | |
CN103632158A (zh) | 森林防火监控方法及森林防火监控系统 | |
CN104463869A (zh) | 一种视频火焰图像复合识别方法 | |
CN102930253A (zh) | 一种基于图像离散多小波变换的煤岩识别方法 | |
CN106339657A (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
US11798273B2 (en) | Model-based image change quantification | |
CN102955940A (zh) | 一种输电线路物体检测系统及方法 | |
CN115035182B (zh) | 一种山区滑坡灾害预警方法及系统 | |
CN109448397A (zh) | 一种基于大数据的团雾监测方法 | |
CN103425960B (zh) | 一种视频中快速运动物体侦测方法 | |
CN103208190A (zh) | 基于对象检测的交通流量检测方法 | |
Zhou et al. | Leveraging deep convolutional neural networks pre-trained on autonomous driving data for vehicle detection from roadside LiDAR data | |
Li et al. | A novel evaluation method for pavement distress based on impact of ride comfort | |
WO2021076573A1 (en) | Systems and methods for assessing infrastructure | |
CN103324951A (zh) | 一种多元异构水环境监测数据评价与预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160406 Termination date: 20200901 |