CN106248635A - 基于数字摄像的能见度检测方法 - Google Patents

Abstract

本发明涉及一种基于数字摄像的能见度检测方法，包括中央控制模块以及与其相连的摄像头采集模块、光照值采集模块、显示模块。中央控制模块通过光照值采集模块采集环境亮度对白昼进行判断，若是白昼，通过摄像头采集当前环境的数字图像并用暗通道先验原理计算出当前场景的透射率值，将光照值和透射率值作为BP神经网络的输入并与人眼CIE曲线进行拟合得到能见度值；若是黑夜，通过韦伯对比度与LAB的(L‑明度)值作为支持向量机的输入进行夜晚能见度的分级。本发明无需摄像头的精确标定和特殊的目标物，能全路段实时检测道路能见度，在道路上进行显示以警示驾驶人员安全行驶，具有广阔的应用前景和推广价值。

Description

基于数字摄像的能见度检测方法

技术领域

本发明涉及嵌入式图像处理领域，特别是一种基于数字摄像的能见度检测方法。

背景技术

目前，由于雾霾天气增多而导致道路能见度下降，并影响道路交通安全。能见度低的天气容易引发恶性交通事故，造成极大经济损失。尤其是雨、雪和雾等低能见度的恶劣气象增加了驾驶员视程障碍而使得公路交通事故率逐年增加。稳定可靠的公路沿线气象环境能见度检测器的安装使用必将有效提高公路网对恶劣气象条件的防控能力，为公路出行者提供实时有效的信息提醒和预警预报。

传统的能见度仪价格昂贵，不但采样有限且安装复杂。对于图像摄像法大部分都是基于远程采集图像传送给PC机进行处理，且需要对摄像头进行精确标定或需要多个特殊目标物。因此本发明提出了基于一嵌入式系统数字摄像法的能见度检测方法。该方法无需摄像头的精确标定和特殊的目标物，能全路段实时检测道路能见度，在道路上进行显示以警示驾驶人员安全行驶，具有广阔的应用前景和推广价值。

发明内容

有鉴于此，本发明的目的是提出一种基于数字摄像的能见度检测方法，无需摄像头的精确标定和特殊的目标物，能全路段实时检测道路能见度，在道路上进行显示以警示驾驶人员安全行驶，具有广阔的应用前景和推广价值。

本发明采用以下方案实现：一种基于数字摄像的能见度检测方法，包括中央控制模块以及与其相连的摄像头采集模块、光照值采集模块、显示模块；具体包括以下步骤：

步骤S1：，所述摄像头采集模块采集当前场景的数字图像并传递给所述中央控制模块，所述光照值采集模块采集环境的光照值，若光照值大于预设值，则判断为白昼，并进入步骤S2；若光照值小于预设值，则判断为黑夜，并进入步骤S3；

步骤S2：通过摄像头采集模块采集的当前环境的数字图像用暗通道先验原理计算出当前场景的透射率值，将光照值和透射率值作为BP神经网络的输入并与人眼CIE曲线进行拟合得到能见度值；进入步骤S4；

步骤S3：计算数字图像的韦伯对比度和CIE-LAB模型，通过SVW网络对当前的黑夜能见度进行分级，进入步骤S4；

步骤S4：所述显示模块实时显示当前的能见度值用以预警来往车辆。

进一步地，所述步骤S2具体包括以下步骤：

步骤S21：读取所述数字图像，提取一帧用来处理；

步骤S22：对图像进行暗通道图的提取，采用公式如下：

其中，J^c表示色彩图像的每个通道，Ω(x)表示以像素X为中心的一个窗口，暗通道先验理论指出，J^dark是趋近于0；

步骤S23：通过计算机视觉去雾模型进行推导得出透射率，计算公式如下：

其中，I^c(y)是摄取的图像，即待去雾的图像；A^c是全球大气光成分，t(x)为透射率；

步骤S24：采用导向滤波方法得到更精确的透射率图，计算出平均图像的平均透射率值；

步骤S25：将透射率值和光照值作为BP神经网络的输入，计算出能见度值。

进一步地，所述BP神经网络的训练为：透射率值和光照值对人眼CIE曲线进行模型的训练，获取最佳网络模型作为能见度计算模型。

进一步地，所述步骤S3具体包括以下步骤：

步骤S31：读取所述数字图像，提取一帧用来处理；

步骤S32：计算图像的对比度，对比度计算模型是一个在有界实数区间[0,M]上封闭的运算法则，其中对比度定义满足韦伯定律，与 心理物理学上对比度定义的特性一致，具体采用如下公式：

其中，f与g为相邻像素亮度值，M为图像中最大像素值，C(f,g)为韦伯对比度；

步骤S33：将RGB图像转为LAB模型，并提取LAB的L通道值，即明度值；其中由RGB到LAB的转换公式如下；

其中，

其中，RGB转LAB时，先将RBG转XYZ后再转LAB；

步骤S34：提取L通道，并计算出L均值，即LAB明度值；

步骤S35：用韦伯对比度值和LAB明度值对人眼CIE曲线进行SVM支持向量机模型的训练，获取最佳分类器，通过所述分类器对夜晚能见度进行分级区分。

进一步地，所述中央控制模块为嵌入式处理器。

进一步地，还包括一太阳能电池供电模块，所述太阳能电池供电模块与所述中央控制模块、摄像头采集模块、光照值采集模块、显示模块电性相连。

进一步地，所述光照值采集模块包括两线式串行总线接口的数字型光强度传感器，采用I2C通信协议。

进一步地，所述摄像头采集模块包括UVC系列高清摄像头，将采集的当前场景的数字图像通过USB接口传输给中央控制模块。

进一步地，所述显示模块为LED显示屏。

与现有技术相比，本发明有以下有益效果：本发明无需摄像头的精确标定和特殊的目标物，能全路段实时检测道路能见度，在道路上进行显示以警示驾驶人员安全行驶，具有广阔的应用前景和推广价值。

附图说明

图1为本发明的原理结构框图。

图2为本发明的原理总流程示意图。

图3为本发明的白昼能见度算法流程示意图。

图4为本发明的黑夜能见度算法流程示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

如图1、图2所示，本实施例提供了一种基于数字摄像的能见度检测方法，包括中央控制模块以及与其相连的摄像头采集模块、光照值采集模块、显示模块；具体包括以下步骤：

步骤S1：，所述摄像头采集模块采集当前场景的数字图像并传递给所述中央控制模块，所述光照值采集模块采集环境的光照值，若光照值大于预设值，则判断为白昼，并进入步骤S2；若光照值小于预设值，则判断为黑夜，并进入步骤S3；

步骤S2：通过摄像头采集模块采集的当前环境的数字图像用暗通道先验原理计算出当前场景的透射率值，将光照值和透射率值作为BP神经网络的输入并与人眼CIE曲线进行拟合得到能见度值；进入步骤S4；

步骤S3：计算数字图像的韦伯对比度和CIE-LAB模型，通过SVM网络对当前的黑夜能见度进行分级，进入步骤S4；

步骤S4：所述显示模块实时显示当前的能见度值用以预警来往车辆。

如图3所示，在本实施例中，所述步骤S2具体包括以下步骤：

步骤S21：读取所述数字图像，提取一帧用来处理；

步骤S22：对图像进行暗通道图的提取，采用公式如下：

其中，J^c表示色彩图像的每个通道，Ω(x)表示以像素X为中心的一个窗口，暗通道先验理论指出，J^dark是趋近于0；

步骤S23：通过计算机视觉去雾模型进行推导得出透射率，计算公式如下：

其中，I^c(y)是摄取的图像，即待去雾的图像；A^c是全球大气光成分，t(x)为透射率；

步骤S24：采用导向滤波方法得到更精确的透射率图，计算出平均图像的平均透射率值；

步骤S25：将透射率值和光照值作为BP神经网络的输入，计算出能见度值。

在本实施例中，所述BP神经网络的训练为：透射率值和光照值对人眼CIE曲线进行模型的训练，获取最佳网络模型作为能见度计算模型。

如图4所示，在本实施例中，所述步骤S3具体包括以下步骤：

步骤S31：读取所述数字图像，提取一帧用来处理；

步骤S32：计算图像的对比度，对比度计算模型是一个在有界实数区间[0,M]上封闭的运算法则，其中对比度定义满足韦伯定律，与 心理物理学上对比度定义的特性一致，具体采用如下公式：

$C(f,g)=M\frac{\left|f-g\right|}{M-\min (f,g)};$

其中，f与g为相邻像素亮度值，M为图像中最大像素值，C(f,g)为韦伯对比度；

步骤S33：将RGB图像转为LAB模型，并提取LAB的L通道值，即明度值；其中由RGB到LAB的转换公式如下；

其中，

其中，RGB转LAB时，先将RBG转XYZ后再转LAB；

步骤S34：提取L通道，并计算出L均值，即LAB明度值；

步骤S35：用韦伯对比度值和LAB明度值对人眼CIE曲线进行SVM支持向量机模型的训练，获取最佳分类器，通过所述分类器对夜晚能见度进行分级区分。

在本实施例中，所述中央控制模块为嵌入式处理器。

在本实施例中，还包括一太阳能电池供电模块，所述太阳能电池供电模块与所述中央控制模块、摄像头采集模块、光照值采集模块、显示模块电性相连。

在本实施例中，所述光照值采集模块包括两线式串行总线接口的数字型光强度传感器，采用I2C通信协议。

在本实施例中，所述摄像头采集模块包括UVC系列高清摄像头，将采集的当前场景的数字图像通过USB接口传输给中央控制模块。

在本实施例中，所述显示模块为LED显示屏。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (9)

1.一种基于数字摄像的能见度检测方法，其特征在于：包括中央控制模块以及与其相连的摄像头采集模块、光照值采集模块、显示模块；具体包括以下步骤：

步骤S1：，所述摄像头采集模块采集当前场景的数字图像并传递给所述中央控制模块，所述光照值采集模块采集环境的光照值，若光照值大于预设值，则判断为白昼，并进入步骤S2；若光照值小于预设值，则判断为黑夜，并进入步骤S3；

步骤S2：通过摄像头采集模块采集的当前环境的数字图像用暗通道先验原理计算出当前场景的透射率值，将光照值和透射率值作为BP神经网络的输入并与人眼CIE曲线进行拟合得到能见度值；进入步骤S4；

步骤S3：计算数字图像的韦伯对比度和CIE-LAB模型，通过SVM网络对当前的黑夜能见度进行分级，进入步骤S4；

步骤S4：所述显示模块实时显示当前的能见度值用以预警来往车辆。

2.根据权利要求1所述的一种基于数字摄像的能见度检测方法，其特征在于：所述步骤S2具体包括以下步骤：

步骤S21：读取所述数字图像，提取一帧用来处理；

步骤S22：对图像进行暗通道图的提取，采用公式如下：

$J^{dark}\left(x\right)=\underset{y\∈\mathrm{\Ω}\left(x\right)}{min}\left(\underset{c}{min}{J}^c\right(y\left)\right)=0;$

其中，J^c表示色彩图像的每个通道，Ω(x)表示以像素X为中心的一个窗口，暗通道先验理论指出，J^dark是趋近于0；

步骤S23：通过计算机视觉去雾模型进行推导得出透射率，计算公式如下：

$t\left(x\right)=1-\underset{y\∈\mathrm{\Ω}\left(x\right)}{min}\left(\underset{c}{min}\frac{I^c\left(y\right)}{A^c}\right);$

其中，I^c(y)是摄取的图像，即待去雾的图像；A^c是全球大气光成分，t(x)为透射率；

步骤S24：采用导向滤波方法得到更精确的透射率图，计算出平均图像的平均透射率值；

步骤S25：将透射率值和光照值作为BP神经网络的输入，计算出能见度值。

3.根据权利要求2所述的一种基于数字摄像的能见度检测方法，其特征在于：所述BP神经网络的训练为：透射率值和光照值对人眼CIE曲线进行模型的训练，获取最佳网络模型作为能见度计算模型。

4.根据权利要求1所述的一种基于数字摄像的能见度检测方法，其特征在于：所述步骤S3具体包括以下步骤：

步骤S31：读取所述数字图像，提取一帧用来处理；

步骤S32：计算图像的对比度，对比度计算模型是一个在有界实数区间[0,M]上封闭的运算法则，其中对比度定义满足韦伯定律，与心理物理学上对比度定义的特性一致，具体采用如下公式：

$C(f,g)=M\frac{|f-g|}{M-\min (f,g)};$

其中，f与g为相邻像素亮度值，M为图像中最大像素值，C(f,g)为韦伯对比度；

步骤S33：将RGB图像转为LAB模型，并提取LAB的L通道值，即明度值；其中由RGB到LAB的转换公式如下；

$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{ccc}0.489989& 0.310008& 0.20\\ 0.176962& 0.812400& 0.01\\ 0.000000& 0.010000& 0.99\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right];$

$L=\left\{\begin{array}{cc}1.16f{\left(\frac{Y}{Y_0}\right)}^{\frac{1}{3}}-16,& \frac{Y}{Y_0}>0.008856\\ \mathrm{9.3.3}f{\left(\frac{Y}{Y_0}\right)}^{\frac{1}{3}},& \frac{Y}{Y_0}\≤0.008856\end{array}\right\};$

$A=500\[f\left(\frac{X}{X_0}\right)-f\left(\frac{Y}{Y_0}\right)\];$

$B=200\[f\left(\frac{Y}{Y_0}\right)-f\left(\frac{Z}{Z_0}\right)\];$

其中，

$f\left(t\right)=\left\{\begin{array}{c}{t}^{\frac{1}{3}},\frac{Y}{Y_0}>0.008856\\ 7.787t+\frac{16}{116},\frac{Y}{Y_0}\≤0.008856\end{array}\right\};$

其中，RGB转LAB时，先将RBG转XYZ后再转LAB；

步骤S34：提取L通道，并计算出L均值，即LAB明度值；

步骤S35：用韦伯对比度值和LAB明度值对人眼CIE曲线进行SVM支持向量机模型的训练，获取最佳分类器，通过所述分类器对夜晚能见度进行分级区分。

5.根据权利要求1所述的一种基于数字摄像的能见度检测方法，其特征在于：所述中央控制模块为嵌入式处理器。

6.根据权利要求1所述的一种基于数字摄像的能见度检测方法，其特征在于：还包括一太阳能电池供电模块，所述太阳能电池供电模块与所述中央控制模块、摄像头采集模块、光照值采集模块、显示模块电性相连。

7.根据权利要求1所述的一种基于数字摄像的能见度检测方法，其特征在于：所述光照值采集模块包括两线式串行总线接口的数字型光强度传感器，采用I2C通信协议。

8.根据权利要求1所述的一种基于数字摄像的能见度检测方法，其特征在于：所述摄像头采集模块包括UVC系列高清摄像头，将采集的当前场景的数字图像通过USB接口传输给中央控制模块。

9.根据权利要求1所述的一种基于数字摄像的能见度检测方法，其特征在于：所述显示模块为LED显示屏。