CN106709445A

CN106709445A - 一种基于视频图像的高速公路雾天检测预警方法

Info

Publication number: CN106709445A
Application number: CN201611181549.0A
Authority: CN
Inventors: 顾会建; 黄晟; 王宝宗; 管时华
Original assignee: Suzhou Automotive Research Institute of Tsinghua University
Current assignee: Suzhou Automotive Research Institute of Tsinghua University
Priority date: 2016-12-20
Filing date: 2016-12-20
Publication date: 2017-05-24

Abstract

本发明公开了一种基于视频图像的高速公路雾天检测预警方法，包括以下步骤：从监控摄像头获取监控图像，将图像的颜色空间从RGB转到HSV；统计转换后的图像中H、S、V分量的值的总和SumS、SumV、SumH；统计转换后的HSV图像中每个像素点H、S、V分量非零的数目，并计算AveH、 AveS、AveV特征；根据AveH、AveS、AveV特征的值与阈值比较，判断当前路段是否有雾，当判断当前图像为有雾时，系统发出预警信息，提示当前路段有雾。该方法处理速度快，可以实现实时的检测，同时减少了判断的阈值，鲁棒性强，在不同的交通场景中都有较好的检测效果。

Description

一种基于视频图像的高速公路雾天检测预警方法

技术领域

本发明属于雾天检测预警技术领域，具体地涉及一种基于视频图像的高速公路雾天检测预警方法。

背景技术

高速公路是关乎国民经济命脉发展的行业，近年来随着高速公路的快速发展，交通事故数量也呈现几何数增长，是经济发展和居民人身安全的严重威胁。据统计，大雾是导致高速公路恶性交通事故频发的主要原因。

目前雾天检测预警的方法主要分为两类：传统的卫星遥感、大气能见度检测仪和基于图像处理的雾天检测。传统的能见度检测仪价格昂贵，导致该仪器的高密度布设不现实。基于视频图像处理的雾天检测方法很好的克服传统方法的弊端，基于道路上的摄像机来获取图像，利用图像处理技术检测是否有雾，大大降低成本。然而一般的基于图像处理的检测方法需要大量的判断阈值。针对不同的路段，需要调整阈值才能达到较好的检测效果，鲁棒性很差。

发明内容

针对一般的基于图像处理的雾天检测预警方法存在的阈值多、鲁棒性差的问题，本发明提出了一种基于视频图像的高速公路雾天检测预警方法，将视频图片从原有的RGB颜色空间转换到HSV；然后对图片中的每个像素点的H、S、V分量的值统计，获取H、S、V分量的平均值，最后根据平均值实现雾天的检测预警。该方法处理速度快，可以实现实时的检测，同时减少了判断的阈值，鲁棒性强，在不同的交通场景中都有较好的检测效果。

本发明的技术方案是：

一种基于视频图像的高速公路雾天检测预警方法，包括以下步骤：

S01：从监控摄像头获取监控图像，将图像的颜色空间从RGB转到HSV，转换的公式如下；

v＝max

其中r、g、b是原始图像中的每个像素点的通道的值，max＝max(r,g,b)，min＝min(r,g,b)；

S02：统计转换后的图像中H、S、V分量的值的总和SumS、Sum V、SumH，

其中i、j代表图像中像素点的坐标；

S03：统计转换后的HSV图像中每个像素点H、S、V分量非零的数目，并计算AveH、AveS、Ave V特征：

Num_H、Num_S、Num_V分别表示对应分量值不为零的数目；

S04：根据AveH、AveS、Ave V特征的值与阈值比较，判断当前路段是否有雾。

优选的，所述步骤S04中，判断条件如下：

与现有技术相比，本发明的优点是：

将视频图片从原有的RGB颜色空间转换到HSV，HSV颜色空间类似于人类感觉颜色的方式，能更好的保留图片的数据信息；然后对图片中的每个像素点的H、S、V分量的值统计，获取H、S、V分量的平均值，最后根据平均值实现雾天的检测预警。该方法处理速度快，可以实现实时的检测，同时减少了判断的阈值，鲁棒性强，在不同的交通场景中都有较好的检测效果，克服了传统方法价格昂贵和其他图像处理方法参数多、鲁棒性差的缺点。经过大量的实验数据表明：该方法检测的准确率到达了90％，误报率8％，具有很好的检测效果。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明基于视频图像的高速公路雾天检测预警方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

实施例：

下面结合附图，对本发明的较佳实施例作进一步说明。

如图1所示，步骤1：读取摄像头视频图像，根据RGB颜色空间到HSV颜色空间的转换公式，将视频图像的每个像素点的RGB的值转化为对应的HSV的值；转换公式如下：

v＝max

步骤2：统计转换后的图像中H、S、V分量的值的总和SumS、Sum V、SumH：

其中i、j代表图像中像素点的坐标；

步骤3：统计转换后的HSV图像中，每个像素点中H、S、V分量非零的数目，并获取以下数据信息；

Num_H、Num_S、Num_V分别表示对应分量值不为零的数目。

步骤4：根据Num_H、Num_S、Num_V进行判断，将检测结果分为三种情况：大雾、小雾、无雾，其中的判断条件如下：

当判断当前图像为有雾时，系统发出预警信息，提示当前路段有雾，协助交通部门进行交通管制或者提醒，减少交通事故发生。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims

1.一种基于视频图像的高速公路雾天检测预警方法，其特征在于，包括以下步骤：

s = \{\begin{matrix} 0 & \max = 0 \\ \frac{\max - m i n}{\max} & o t h e r \end{matrix}\}

v＝max

S02：统计转换后的图像中H、S、V分量的值的总和SumS、SumV、SumH，

S u m H = \underset{i}{Σ} \underset{j}{Σ} H (i, j)

S u m S = \underset{i}{Σ} \underset{j}{Σ} S (i, j)

S u m V = \underset{i}{Σ} \underset{j}{Σ} V (i, j)

其中i、j代表图像中像素点的坐标；

S03：统计转换后的HSV图像中每个像素点H、S、V分量非零的数目，并计算AveH、AveS、AveV特征：

A v e H = \frac{S u m H}{{Num}_{H}}

A v e S = \frac{S u m S}{{Num}_{S}}

A v e V = \frac{S u m V}{{Num}_{V}}

Num_H、Num_S、Num_V分别表示对应分量值不为零的数目；

S04：根据AveH、AveS、AveV特征的值与阈值比较，判断当前路段是否有雾。

2.根据权利要求1所述的基于视频图像的高速公路雾天检测预警方法，其特征在于，所述步骤S04中，根据AveH、AveS、AveV特征的值判断雾的等级，判断条件如下：