CN108230288A - 一种确定雾性状况的方法和装置 - Google Patents
一种确定雾性状况的方法和装置 Download PDFInfo
- Publication number
- CN108230288A CN108230288A CN201611193197.0A CN201611193197A CN108230288A CN 108230288 A CN108230288 A CN 108230288A CN 201611193197 A CN201611193197 A CN 201611193197A CN 108230288 A CN108230288 A CN 108230288A
- Authority
- CN
- China
- Prior art keywords
- mist
- value
- image
- condition information
- dark
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种确定雾性状况的方法和装置,属于互联网技术领域。所述方法包括:获取目标地点的图像;确定所述图像的各像素点的暗通道值,根据所述各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目;根据所述像素点数目,确定所述图像的雾性程度值;根据预先存储的雾性程度值与雾性状况信息的对应关系,确定所述图像的雾性程度值对应的雾性状况信息,作为所述目标地点的雾性状况信息。采用本发明,可以降低获取雾性状况信息的成本。
Description
技术领域
本发明涉及互联网技术领域,特别涉及一种确定雾性状况的方法和装置。
背景技术
在日常生活中,为保障交通安全、减少交通事故,公安交通人员往往会在过往车辆较多的地点设置显示屏,并在显示屏显示该地点当前的雾性状况信息(比如,显示强浓雾、大雾等信息),以便提示驾驶者减速慢行。
目前,获取某地点当前的雾性状况信息的方法是:公安交通人员可以在该地点安装能见度测量仪,通过能见度测量仪测量该地点的雾性状况信息。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
基于上述处理方式获取某地点的雾性状况信息时,需要在该地点增加测量设备,为安全起见,只要是车辆较多的地点均需要设置显示屏,也即需要测量雾性状况信息的地点比较多,也即需要安装的测量设备比较多,而测量设备的安装过程比较复杂,且价格往往比较昂贵,从而,导致获取雾性状况信息的成本较大。
发明内容
为了解决现有技术中获取雾性状况信息的成本较大的问题,本发明实施例提供了一种确定雾性状况的方法和装置。所述技术方案如下:
第一方面,提供了一种确定雾性状况的方法,所述方法包括:
获取目标地点的图像;
确定所述图像的各像素点的暗通道值,根据所述各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目;
根据所述像素点数目,确定所述图像的雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述根据所述像素点数目,确定所述图像的雾性程度值,包括:
计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例;
根据所述图像的暗通道比例,确定所述图像的雾性程度值。
可选的,所述方法还包括:
确定所述图像的平均梯度值;
所述根据所述图像的暗通道比例,确定所述图像的雾性程度值,包括:
根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值。
可选的,所述确定所述图像的平均梯度值,包括:
计算所述图像的行梯度信息和列梯度信息,根据所述图像的行梯度信息和列梯度信息,确定所述图像的平均梯度值。
可选的,所述确定所述图像的各像素点的暗通道值,包括:
选取所述图像中的预设范围内的区域图像;
确定所述区域图像的各像素点的暗通道值;
所述计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例,包括:
计算所述像素点数目与所述区域图像的总像素点数目的比例,得到所述区域图像的暗通道比例;
所述确定所述图像的平均梯度值,包括:
确定所述区域图像的平均梯度值;
所述根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值,包括:
根据所述区域图像的暗通道比例和所述区域图像的平均梯度值,确定所述区域图像的雾性程度值;
所述根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息,包括:
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述区域图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息,包括:
获取在所述图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值;
计算所述连续N次获取的图像的雾性程度值和所述图像的雾性程度值的平均雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述方法还包括:
获取所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值;
确定所述雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值之间的变化程度值;
如果所述变化程度值小于第一预设程度阈值,则确定所述图像的暗通道比例和所述连续N次获取的图像的暗通道比例的第一平均值,以及所述图像的平均梯度值和所述连续N次获取的图像的平均梯度值的第二平均值;
如果所述第一平均值与第三预设数值的差值小于第一预设阈值且所述第二平均值小于第二预设阈值,则发出报警信息。
可选的,所述方法还包括:
如果所述变化程度值大于第一预设程度阈值,且小于第二预设程度阈值,则增大所述第一预设数值;
如果所述变化程度值大于第二预设程度阈值,则确定所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值对应的平均雾性等级值;
根据预先存储的雾性等级值与暗通道阈值的对应关系,确定所述平均雾性等级值对应的暗通道阈值;
将所述预设的暗通道阈值调整为所述平均雾性等级值对应的暗通道阈值。
可选的,所述确定所述图像的各像素点的暗通道值,包括:
如果所述图像满足预设图像条件,则确定所述图像的各像素点的暗通道值。
第二方面,提供了一种确定雾性状况的装置,所述装置包括:
获取模块,用于获取目标地点的图像;
确定模块,用于确定所述图像的各像素点的暗通道值,根据所述各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目;根据所述像素点数目,确定所述图像的雾性程度值;根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述确定模块,用于:
计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例;
根据所述图像的暗通道比例,确定所述图像的雾性程度值。
可选的,所述确定模块,还用于:
确定所述图像的平均梯度值;
所述确定模块,用于:
根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值。
可选的,所述确定模块,用于:
计算所述图像的行梯度信息和列梯度信息,根据所述图像的行梯度信息和列梯度信息,确定所述图像的平均梯度值。
可选的,所述确定模块,用于:
选取所述图像中的预设范围内的区域图像;
确定所述区域图像的各像素点的暗通道值;
所述确定模块,用于:
计算所述像素点数目与所述区域图像的总像素点数目的比例,得到所述区域图像的暗通道比例;
所述确定模块,用于:
确定所述区域图像的平均梯度值;
所述确定模块,用于:
根据所述区域图像的暗通道比例和所述区域图像的平均梯度值,确定所述区域图像的雾性程度值;
所述确定模块,用于:
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述区域图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述确定模块,用于:
获取在所述图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值;
计算所述连续N次获取的图像的雾性程度值和所述图像的雾性程度值的平均雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述获取模块,还用于:
获取所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值;
所述确定模块,还用于:
确定所述雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值之间的变化程度值;
如果所述变化程度值小于第一预设程度阈值,则确定所述图像的暗通道比例和所述连续N次获取的图像的暗通道比例的第一平均值,以及所述图像的平均梯度值和所述连续N次获取的图像的平均梯度值的第二平均值;
所述装置还包括:
报警模块,用于如果所述第一平均值与第三预设数值的差值小于第一预设阈值且所述第二平均值小于第二预设阈值,则发出报警信息。
可选的,所述装置还包括:
增大模块,用于如果所述变化程度值大于第一预设程度阈值,且小于第二预设程度阈值,则增大所述第一预设数值;
调整模块,用于如果所述变化程度值大于第二预设程度阈值,则确定所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值对应的平均雾性等级值;根据预先存储的雾性等级值与暗通道阈值的对应关系,确定所述平均雾性等级值对应的暗通道阈值;将所述预设的暗通道阈值调整为所述平均雾性等级值对应的暗通道阈值。
可选的,所述确定模块,用于:
如果所述图像满足预设图像条件,则确定所述图像的各像素点的暗通道值。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例中,获取目标地点的图像;确定图像的各像素点的暗通道值,根据各像素点的暗通道值,确定暗通道值小于或等于目标预设阈值的像素点数目;根据像素点数目,确定图像的雾性程度值;根据预先存储的雾性程度值与雾性状况信息的对应关系,确定图像的雾性程度值对应的雾性状况信息,作为目标地点的雾性状况信息。这样,服务器可以通过对获取的对应目标地点的图像进行图像处理,得到该地点的雾性状况信息,无需在这些地方额外安装测量设备,从而,降低获取雾性状况信息的成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种确定雾性状况的方法流程图;
图2是本发明实施例提供的一种确定雾性状况的装置结构示意图;
图3是本发明实施例提供的一种确定雾性状况的装置结构示意图;
图4是本发明实施例提供的一种确定雾性状况的装置结构示意图;
图5是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
本发明实施例提供了一种确定雾性状况的方法,该方法的执行主体为服务器。其中,该服务器可以是具有确定雾性状况功能的服务器。该服务器中可以设置有处理器、存储器,处理器可以用于根据获取对应目标地点的图像,确定目标地点的雾性状况信息的相关处理,存储器可以用于存储下述处理过程中需要和产生的数据。还可以设置有收发器,收发器可以用于接收和发送数据。
下面将结合具体实施方式,对图1所示的处理流程进行详细的说明,内容可以如下:
步骤101,获取目标地点的图像。
在实施中,公安交通人员往往会在十字路口等地点安装图像拍摄设备,图像拍摄设备可以实时处于工作状态,进行拍摄图像。服务器为确定某地点(可以称为目标地点)的雾性状况信息,可以获取通过目标地点的图像拍摄设备拍摄的图像。
步骤102,确定图像的各像素点的暗通道值,根据各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目。
在实施中,获取到图像后,服务器可以按照公式(1)计算图像的各像素点的暗通道值。其中x为图像的每个像素点,y∈P(x)为x的P邻域,其中,某像素点的邻域可以是图像中与该像素点相邻的区域,P的大小可以由技术人员预先设置,P表示像素点x周围的像素点的数目,比如,P(x)为像素点x的8邻域,Jc(y)为邻域中像素点y的c通道(其中,c为r(红)通道、g(绿)通道或者b(蓝)通道)的通道像素值,Jdark(x)代表x的暗通道值,其中,暗通道值可以是某像素点的邻域中各像素点的所有通道像素值中最小的通道像素值。也就是说,对于每个像素点,服务器可以得到该像素点的P邻域中的每个像素点的最小通道像素值,然后再在各个最小通道像素值中选择最小的通道像素值,此时,即可得到该像素点的暗通道值。
服务器中可以预先设置有暗通道阈值。得到各像素点的暗通道值后,服务器可以在各像素点中,确定暗通道值小于或等于预设的暗通道阈值(比如可以是40)的像素点,并可以统计暗通道值小于或等于预设的暗通道阈值的像素点的数目。
可选的,获取到图像后,还可以判断该图像是否满足预设图像条件,相应的,步骤102的处理过程可以如下:如果图像满足预设图像条件,则确定图像的各像素点的暗通道值。
在实施中,服务器获取到图像后,可以判断图像是否是彩色图像,以及判断该图像的分辨率是否达到预设的分辨率阈值(具体的,可以判断图像的大小是否达到预设的图像大小阈值)。如果该图像满足上述要求(即如果图像满足预设图像条件),则服务器可以按照上述步骤102的处理方式确定该图像的各像素点的暗通道值。
步骤103,根据像素点数目,确定图像的雾性程度值。
在实施中,一般情况下,在绝大多数非天空的局部区域里,某一些像素点总会有至少一个颜色通道(颜色通道可以为r通道、g通道或者b通道)具有很低的值,也就是说,包含非天空的图像中的各像素点中,总有一些像素点的暗通道值比较小,即一般情况下,暗通道值小于或等于预设的暗通道阈值的像素点数目较多。当空气环境中有雾时,拍摄的图像的各像素点的像素值由于已经叠加了灰白色雾,导致图像的各像素点的像素值增大,也就是说,有雾时,图像的暗通道值小于或等于预设的暗通道阈值的像素点数目往往会变少,也即雾越大,暗通道值小于或等于预设的暗通道阈值的像素点数目越少,因此,服务器确定出暗通道值小于或等于预设的暗通道阈值的像素点数目后,可以用该像素点数目表征图像的雾性程度值。
可选的,服务器可以通过像素点数目与图像的总像素点数目的比例,来表征图像的雾性程度值,相应的,步骤103的处理过程可以如下:计算像素点数目(即暗通道值小于或等于预设的暗通道阈值的像素点数目)与图像的总像素点数目的比例,得到图像的暗通道比例;根据图像的暗通道比例,确定图像的雾性程度值。
在实施中,服务器确定出暗通道值小于或等于预设的暗通道阈值的像素点数目后,可以进一步计算该像素点数目与图像的总像素点数目的比例,可以将得到的比例确定为该图像的暗通道比例。确定出图像的暗通道比例后,服务器可以根据图像的暗通道比例,确定图像的雾性程度值,比如,可以将图像的暗通道比例作为图像的雾性程度值。
可选的,服务器为确定图像的清晰度,还可以计算图像的平均梯度值,相应的,处理过程可以如下:确定图像的平均梯度值。相应的,步骤103的处理过程可以如下:根据图像的暗通道比例和图像的平均梯度值,确定图像的雾性程度值。
在实施中,服务器获取到图像后,还可以确定图像的平均梯度值,其中,平均梯度值可以是图像的清晰度,反映图像对细节对比的表达能力,具体可以通过现有技术中确定平均梯度值的方法来确定,具体确定方法将在后续详细讲述。服务器确定出平均梯度值和暗通道比例后,可以计算预设权重(比如可以是100)、平均梯度值和暗通道比例的乘积,并将所得的乘积作为图像的雾性程度值。一般平均梯度值和暗通道比例的乘积比较小,通过预设权重,可以增大图像的雾性程度值的大小,以便后续更容易确定雾性状况信息。
可选的,确定图像的平均梯度值的处理过程可以如下:计算图像的行梯度信息和列梯度信息,根据图像的行梯度信息和列梯度信息,确定图像的平均梯度值。
在实施中,服务器获取到图像后,可以将得到的彩色图像转化为灰度图像,然后可以按照公式(2)计算各像素点的列梯度值Gcol(x),按照公式(3)计算各像素点的行梯度值Grow(x),其中,x表示图像的像素点。公式(3)和公式(4)中的I(x)为像素点x的灰度值,Scol和Srow分别为列方向和行方向sobel(索贝尔)梯度算子。服务器得到各像素点的行梯度值和列梯度值后,即得到图像的行梯度信息和列梯度信息后,可以按照公式(4)计算图像的平均梯度值,其中,公式(4)中的t为图像的总像素点数目,Asg表示图像的平均梯度值,即Asg为每个像素点的行梯度值与列梯度值的平方和,开根号的总和与总像素点数目的比例。
可选的,服务器获取到图像后,还可以从图像中选取有效的区域图像,相应的,处理过程可以如下:选取图像中的预设范围内的区域图像,确定区域图像的各像素点的暗通道值,计算像素点数目与区域图像的总像素点数目的比例,得到区域图像的暗通道比例;确定区域图像的平均梯度值;根据区域图像的暗通道比例和区域图像的平均梯度值,确定区域图像的雾性程度值。
在实施中,服务器获取到图像后,可以按照第一预设比例、第二预设比例和图像的高度,选取图像中的区域图像,比如,服务器可以选取图像中0.1H—0.75H的区域图像,其中,H为图像的高度(比如行数)。选取出区域图像后,服务器可以按照上述方法确定区域图像的各像素点的暗通道值、区域图像的暗通道比例、平均梯度值和区域图像的雾性程度值。这样,服务器可以对有效区域的图像进行图像处理,可以去除图像的最下面的区域(一般该区域的图像呈现的细节过多,会影响上述平均梯度值的准确性)和最上面的区域,从而,对有效的区域图像进行处理时,可以提高获取雾性状况信息的准确度。
步骤104,根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为目标地点的雾性状况信息。
在实施中,服务器中可以预先存储有雾性程度值范围与雾性状况信息的对应关系,其中,可以是以表的形式存储,如表1所示。服务器确定出图像的雾性程度值后,可以在预先存储的表1中的雾性程度值范围中确定图像的雾性程度值所在的第一雾性程度值范围,进而,确定第一雾性程度值范围对应的雾性状况信息,并可以将确定出的雾性状况信息作为目标地点的雾性状况信息。
表1
雾性程度值范围 | 雾性状况信息 |
(0,25] | 强浓雾 |
(25,50] | 浓雾 |
(50,150] | 大雾 |
(150,300] | 雾 |
(300,500] | 轻雾 |
大于500 | 晴天 |
可选的,针对上述选取区域图像的情况,步骤104的处理过程可以如下:根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定区域图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为目标地点的雾性状况信息。
可选的,确定出图像的雾性程度值后,还可以获取在该图像之前获取的N个图像对应的雾性程度值,相应的,步骤104的处理过程可以如下:获取在图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值;计算连续N次获取的图像的雾性程度值和图像的雾性程度值的平均雾性程度值;根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为目标地点的雾性状况信息。
在实施中,目标地点的图像拍摄设备可以实时拍摄图像,即服务器可以不断获取目标地点对应的多帧图像,每当服务器获取到对应目标地点的图像时,均可按照上述步骤101-103讲述的方式计算每帧图像的雾性程度值。
服务器确定出图像的雾性程度值后,可以获取在图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值,N为正整数,连续N次获取的图像的雾性程度值可以是服务器在该图像之前每获取到图像时计算出的雾性程度值。获取到连续N次获取的图像的雾性程度值后,可以计算连续N次获取的图像的雾性程度值和图像的雾性程度值的平均雾性程度值,进而,可以在表1中所有的雾性程度值范围中,确定平均雾性程度值所在的雾性程度值范围,然后,在表1中确定平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,进而,可以将确定出的雾性状况信息作为目标地点的雾性状况信息。
可选的,当检测到输出的雾性程度值对应的雾性等级值出现异常情况时,还可以发出报警信息,相应的,处理过程可以如下:当用于确定雾性状况信息的图像的帧数达到预设帧数阈值时,获取雾性状况信息对应的雾性等级值,以及在雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值;确定雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值之间的变化程度值;如果变化程度值小于第一预设程度阈值,则确定图像的暗通道比例和连续N次获取的图像的暗通道比例的第一平均值,以及图像的平均梯度值和连续N次获取的图像的平均梯度值的第二平均值;如果第一平均值与第三预设数值的差值小于第一预设阈值且第二平均值小于第二预设阈值,则发出报警信息。
在实施中,在服务器处理的用于确定雾性状况信息的图像的帧数达到预设帧数阈值的情况下,确定出图像的雾性程度值后,还可以确定雾性程度值对应的雾性等级值。具体的,服务器中,可以预先存储有雾性等级值、雾性程度值范围和雾性状况信息的对应关系,当确定出图像的雾性程度值后,还可以确定雾性程度值所在的雾性程度值范围对应的雾性等级值,即确定图像的雾性状况信息对应的雾性等级值。另外,还可以获取在雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值,M为正整数。
确定出雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值后,可以计算雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值的方差,并可以将计算出的方差作为变化程度值。确定出变化程度值后,可以判断变化程度值与第一预设程度阈值的大小关系,如果变化程度值小于第一预设程度阈值,则可以确定图像的暗通道比例和连续N次获取的图像的暗通道比例的第一平均值,以及图像的平均梯度值和连续N次获取的图像的平均梯度值的第二平均值,进而,判断第一平均值是否接近于第三预设数值(比如,第三预设数值为1)且第二平均值是否接近于零,其中,当第一平均值接近于1时,说明每帧图像的各像素点的暗通道值都比较小,即表明该图像可能为黑色图像,当第二平均值接近于零时,说明多帧图像的清晰度比较弱,几乎没有呈现出细节。如果第一平均值接近于1且第二平均值接近于零,则可以发出报警信息,即当第一平均值接近于1且第二平均值接近于零时,可以说明服务器获取的图像接近于是黑色图像,此时有可能是目标地点的图像拍摄设备出现异常,也可能当前时间段处于夜晚,不适合确定雾性状况信息,发出报警信息,可以用于提示用户,以便用户可以针对性的处理。
可选的,还可以在变化程度值大于第一预设程度阈值的情况下,调整暗通道阈值,相应的,处理过程可以如下:如果变化程度值大于第一预设程度阈值,且小于第二预设程度阈值,则增大第一预设数值;如果变化程度值大于第二预设程度阈值,则确定雾性状况信息对应的雾性等级值,以及在雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值对应的平均雾性等级值;根据预先存储的雾性等级值与暗通道阈值的对应关系,确定平均雾性等级值对应的暗通道阈值;将预设的暗通道阈值调整为平均雾性等级值对应的暗通道阈值。
在实施中,如果变化程度值大于第一预设程度阈值,且小于第二预设程度阈值(其中,第二预设程度阈值大于第一预设程度阈值),则服务器可以增大第一预设数值,即增大上述N的取值,比如,可以将第一预设数值加1或其他预设数值,当第一预设数值达到预设数值上限时,不再增大第一预设数值。如果变化程度值大于第二预设程度阈值,则服务器可以确定雾性状况信息对应的雾性等级值,以及在雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值对应的平均雾性等级值,进而,可以根据预先存储的雾性等级值与暗通道阈值的对应关系,确定平均雾性等级值对应的暗通道阈值。确定出暗通道阈值后,可以将预设的暗通道阈值调整为平均雾性等级值对应的暗通道阈值。另外,如果变化程度值大于第二预设程度阈值,则服务器可以确定雾性状况信息对应的雾性等级值,以及在雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值中,雾性等级值小于变化程度值的雾性等级值对应的平均雾性等级值,进而,可以根据预先存储的雾性等级值与暗通道阈值的对应关系,确定平均雾性等级值对应的暗通道阈值。确定出暗通道阈值后,可以将预设的暗通道阈值调整为平均雾性等级值对应的暗通道阈值。此外,服务器除调整暗通道阈值外,还可以调整上述讲述的邻域大小。
另外,服务器确定出目标地点的雾性状况信息后,还可以在雾性状况信息为大雾、浓雾或强浓雾时,向目标地点的图像拍摄设备发送透雾功能开启指令,图像拍摄设备接收到透雾功能开启指令后,可以开启透雾功能开启。或者,还可以在雾性状况信息为大雾、浓雾或强浓雾时,发出报警信息等其他联动处理。
本发明实施例中,获取目标地点的图像;确定图像的各像素点的暗通道值,根据各像素点的暗通道值,确定暗通道值小于或等于目标预设阈值的像素点数目;根据像素点数目,确定图像的雾性程度值;根据预先存储的雾性程度值与雾性状况信息的对应关系,确定图像的雾性程度值对应的雾性状况信息,作为目标地点的雾性状况信息。这样,服务器可以通过对获取的对应目标地点的图像进行图像处理,得到该地点的雾性状况信息,无需在这些地方额外安装测量设备,从而,降低获取雾性状况信息的成本。
基于相同的技术构思,本发明实施例还提供了一种确定雾性状况的装置,如图2所示,该装置包括:
获取模块210,用于获取目标地点的图像;
确定模块220,用于确定所述图像的各像素点的暗通道值,根据所述各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目;根据所述像素点数目,确定所述图像的雾性程度值;根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述确定模块220,用于:
计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例;
根据所述图像的暗通道比例,确定所述图像的雾性程度值。
可选的,所述确定模块220,还用于:
确定所述图像的平均梯度值;
所述确定模块220,用于:
根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值。
可选的,所述确定模块220,用于:
计算所述图像的行梯度信息和列梯度信息,根据所述图像的行梯度信息和列梯度信息,确定所述图像的平均梯度值。
可选的,所述确定模块220,用于:
选取所述图像中的预设范围内的区域图像;
确定所述区域图像的各像素点的暗通道值;
所述确定模块220,用于:
计算所述像素点数目与所述区域图像的总像素点数目的比例,得到所述区域图像的暗通道比例;
所述确定模块220,用于:
确定所述区域图像的平均梯度值;
所述确定模块220,用于:
根据所述区域图像的暗通道比例和所述区域图像的平均梯度值,确定所述区域图像的雾性程度值;
所述确定模块220,用于:
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述区域图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述确定模块220,用于:
获取在所述图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值;
计算所述连续N次获取的图像的雾性程度值和所述图像的雾性程度值的平均雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,如图3所示,所述获取模块210,还用于:
获取所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值;
所述确定模块220,还用于:
确定所述雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值之间的变化程度值;
如果所述变化程度值小于第一预设程度阈值,则确定所述图像的暗通道比例和所述连续N次获取的图像的暗通道比例的第一平均值,以及所述图像的平均梯度值和所述连续N次获取的图像的平均梯度值的第二平均值;
所述装置还包括:
报警模块230,用于如果所述第一平均值与第三预设数值的差值小于第一预设阈值且所述第二平均值小于第二预设阈值,则发出报警信息。
可选的,如图4所示,所述装置还包括:
增大模块240,用于如果所述变化程度值大于第一预设程度阈值,且小于第二预设程度阈值,则增大所述第一预设数值;
调整模块250,用于如果所述变化程度值大于第二预设程度阈值,则确定所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值对应的平均雾性等级值;根据预先存储的雾性等级值与暗通道阈值的对应关系,确定所述平均雾性等级值对应的暗通道阈值;将所述预设的暗通道阈值调整为所述平均雾性等级值对应的暗通道阈值。
可选的,所述确定模块220,用于:
如果所述图像满足预设图像条件,则确定所述图像的各像素点的暗通道值。
本发明实施例中,获取目标地点的图像;确定图像的各像素点的暗通道值,根据各像素点的暗通道值,确定暗通道值小于或等于目标预设阈值的像素点数目;根据像素点数目,确定图像的雾性程度值;根据预先存储的雾性程度值与雾性状况信息的对应关系,确定图像的雾性程度值对应的雾性状况信息,作为目标地点的雾性状况信息。这样,服务器可以通过对获取的对应目标地点的图像进行图像处理,得到该地点的雾性状况信息,无需在这些地方额外安装测量设备,从而,降低获取雾性状况信息的成本。
需要说明的是:上述实施例提供的确定雾性状况的装置在确定雾性状况时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将服务器的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的确定雾性状况的装置与确定雾性状况的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图5是本发明实施例提供的服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processingunits,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,一个或一个以上键盘1956,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
服务器1900可以包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取目标地点的图像;
确定所述图像的各像素点的暗通道值,根据所述各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目;
根据所述像素点数目,确定所述图像的雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述根据所述像素点数目,确定所述图像的雾性程度值,包括:
计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例;
根据所述图像的暗通道比例,确定所述图像的雾性程度值。
可选的,所述方法还包括:
确定所述图像的平均梯度值;
所述根据所述图像的暗通道比例,确定所述图像的雾性程度值,包括:
根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值。
可选的,所述确定所述图像的平均梯度值,包括:
计算所述图像的行梯度信息和列梯度信息,根据所述图像的行梯度信息和列梯度信息,确定所述图像的平均梯度值。
可选的,所述确定所述图像的各像素点的暗通道值,包括:
选取所述图像中的预设范围内的区域图像;
确定所述区域图像的各像素点的暗通道值;
所述计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例,包括:
计算所述像素点数目与所述区域图像的总像素点数目的比例,得到所述区域图像的暗通道比例;
所述确定所述图像的平均梯度值,包括:
确定所述区域图像的平均梯度值;
所述根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值,包括:
根据所述区域图像的暗通道比例和所述区域图像的平均梯度值,确定所述区域图像的雾性程度值;
所述根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息,包括:
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述区域图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息,包括:
获取在所述图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值;
计算所述连续N次获取的图像的雾性程度值和所述图像的雾性程度值的平均雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
可选的,所述方法还包括:
获取所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值;
确定所述雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值之间的变化程度值;
如果所述变化程度值小于第一预设程度阈值,则确定所述图像的暗通道比例和所述连续N次获取的图像的暗通道比例的第一平均值,以及所述图像的平均梯度值和所述连续N次获取的图像的平均梯度值的第二平均值;
如果所述第一平均值与第三预设数值的差值小于第一预设阈值且所述第二平均值小于第二预设阈值,则发出报警信息。
可选的,所述方法还包括:
如果所述变化程度值大于第一预设程度阈值,且小于第二预设程度阈值,则增大所述第一预设数值;
如果所述变化程度值大于第二预设程度阈值,则确定所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值对应的平均雾性等级值;
根据预先存储的雾性等级值与暗通道阈值的对应关系,确定所述平均雾性等级值对应的暗通道阈值;
将所述预设的暗通道阈值调整为所述平均雾性等级值对应的暗通道阈值。
可选的,所述确定所述图像的各像素点的暗通道值,包括:
如果所述图像满足预设图像条件,则确定所述图像的各像素点的暗通道值。
本发明实施例中,获取目标地点的图像;确定图像的各像素点的暗通道值,根据各像素点的暗通道值,确定暗通道值小于或等于目标预设阈值的像素点数目;根据像素点数目,确定图像的雾性程度值;根据预先存储的雾性程度值与雾性状况信息的对应关系,确定图像的雾性程度值对应的雾性状况信息,作为目标地点的雾性状况信息。这样,服务器可以通过对获取的对应目标地点的图像进行图像处理,得到该地点的雾性状况信息,无需在这些地方额外安装测量设备,从而,降低获取雾性状况信息的成本。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种确定雾性状况的方法,其特征在于,所述方法包括:
获取目标地点的图像;
确定所述图像的各像素点的暗通道值,根据所述各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目;
根据所述像素点数目,确定所述图像的雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述像素点数目,确定所述图像的雾性程度值,包括:
计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例;
根据所述图像的暗通道比例,确定所述图像的雾性程度值。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定所述图像的平均梯度值;
所述根据所述图像的暗通道比例,确定所述图像的雾性程度值,包括:
根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值。
4.根据权利要求3所述的方法,其特征在于,所述确定所述图像的各像素点的暗通道值,包括:
选取所述图像中的预设范围内的区域图像;
确定所述区域图像的各像素点的暗通道值;
所述计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例,包括:
计算所述像素点数目与所述区域图像的总像素点数目的比例,得到所述区域图像的暗通道比例;
所述确定所述图像的平均梯度值,包括:
确定所述区域图像的平均梯度值;
所述根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值,包括:
根据所述区域图像的暗通道比例和所述区域图像的平均梯度值,确定所述区域图像的雾性程度值;
所述根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息,包括:
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述区域图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
5.根据权利要求3所述的方法,其特征在于,所述根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息,包括:
获取在所述图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值;
计算所述连续N次获取的图像的雾性程度值和所述图像的雾性程度值的平均雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值;
确定所述雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值之间的变化程度值;
如果所述变化程度值小于第一预设程度阈值,则确定所述图像的暗通道比例和所述连续N次获取的图像的暗通道比例的第一平均值,以及所述图像的平均梯度值和所述连续N次获取的图像的平均梯度值的第二平均值;
如果所述第一平均值与第三预设数值的差值小于第一预设阈值且所述第二平均值小于第二预设阈值,则发出报警信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
如果所述变化程度值大于第一预设程度阈值,且小于第二预设程度阈值,则增大所述第一预设数值;
如果所述变化程度值大于第二预设程度阈值,则确定所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值的平均雾性等级值;
根据预先存储的雾性等级值与暗通道阈值的对应关系,确定所述平均雾性等级值对应的暗通道阈值;
将所述预设的暗通道阈值调整为所述平均雾性等级值对应的暗通道阈值。
8.根据权利要求1所述的方法,其特征在于,所述确定所述图像的各像素点的暗通道值,包括:
如果所述图像满足预设图像条件,则确定所述图像的各像素点的暗通道值。
9.一种确定雾性状况的装置,其特征在于,所述装置包括:
获取模块,用于获取目标地点的图像;
确定模块,用于确定所述图像的各像素点的暗通道值,根据所述各像素点的暗通道值,确定暗通道值小于或等于预设的暗通道阈值的像素点数目;根据所述像素点数目,确定所述图像的雾性程度值;根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
10.根据权利要求9所述的装置,其特征在于,所述确定模块,用于:
计算所述像素点数目与所述图像的总像素点数目的比例,得到所述图像的暗通道比例;
根据所述图像的暗通道比例,确定所述图像的雾性程度值。
11.根据权利要求10所述的装置,其特征在于,所述确定模块,还用于:
确定所述图像的平均梯度值;
所述确定模块,用于:
根据所述图像的暗通道比例和所述图像的平均梯度值,确定所述图像的雾性程度值。
12.根据权利要求11所述的装置,其特征在于,所述确定模块,用于:
选取所述图像中的预设范围内的区域图像;
确定所述区域图像的各像素点的暗通道值;
所述确定模块,用于:
计算所述像素点数目与所述区域图像的总像素点数目的比例,得到所述区域图像的暗通道比例;
所述确定模块,用于:
确定所述区域图像的平均梯度值;
所述确定模块,用于:
根据所述区域图像的暗通道比例和所述区域图像的平均梯度值,确定所述区域图像的雾性程度值;
所述确定模块,用于:
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述区域图像的雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
13.根据权利要求11所述的装置,其特征在于,所述确定模块,用于:
获取在所述图像之前连续N次获取的图像的雾性程度值,其中,N为第一预设数值;
计算所述连续N次获取的图像的雾性程度值和所述图像的雾性程度值的平均雾性程度值;
根据预先存储的雾性程度值范围与雾性状况信息的对应关系,确定所述平均雾性程度值所在的雾性程度值范围对应的雾性状况信息,作为所述目标地点的雾性状况信息。
14.根据权利要求13所述的装置,其特征在于,所述获取模块,还用于:
获取所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值,其中M为第二预设数值;
所述确定模块,还用于:
确定所述雾性状况信息对应的雾性等级值和连续M个雾性状况信息对应的雾性等级值之间的变化程度值;
如果所述变化程度值小于第一预设程度阈值,则确定所述图像的暗通道比例和所述连续N次获取的图像的暗通道比例的第一平均值,以及所述图像的平均梯度值和所述连续N次获取的图像的平均梯度值的第二平均值;
所述装置还包括:
报警模块,用于如果所述第一平均值与第三预设数值的差值小于第一预设阈值且所述第二平均值小于第二预设阈值,则发出报警信息。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括:
增大模块,用于如果所述变化程度值大于第一预设程度阈值,且小于第二预设程度阈值,则增大所述第一预设数值;
调整模块,用于如果所述变化程度值大于第二预设程度阈值,则确定所述雾性状况信息对应的雾性等级值,以及在所述雾性状况信息之前确定出的连续M个雾性状况信息对应的雾性等级值的平均雾性等级值;根据预先存储的雾性等级值与暗通道阈值的对应关系,确定所述平均雾性等级值对应的暗通道阈值;将所述预设的暗通道阈值调整为所述平均雾性等级值对应的暗通道阈值。
16.根据权利要求9所述的装置,其特征在于,所述确定模块,用于:
如果所述图像满足预设图像条件,则确定所述图像的各像素点的暗通道值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611193197.0A CN108230288B (zh) | 2016-12-21 | 2016-12-21 | 一种确定雾性状况的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611193197.0A CN108230288B (zh) | 2016-12-21 | 2016-12-21 | 一种确定雾性状况的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108230288A true CN108230288A (zh) | 2018-06-29 |
CN108230288B CN108230288B (zh) | 2020-06-16 |
Family
ID=62656697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611193197.0A Active CN108230288B (zh) | 2016-12-21 | 2016-12-21 | 一种确定雾性状况的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230288B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109830116A (zh) * | 2018-12-15 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 基于图像识别的信息提示方法、装置及相关设备 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN112750170A (zh) * | 2019-10-31 | 2021-05-04 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
CN112767392A (zh) * | 2021-03-02 | 2021-05-07 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080007429A1 (en) * | 2006-07-04 | 2008-01-10 | Denso Corporation | Visibility condition determining device for vehicle |
US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
CN104077750A (zh) * | 2014-06-18 | 2014-10-01 | 深圳市金立通信设备有限公司 | 一种图像的处理方法 |
CN105828065A (zh) * | 2015-01-08 | 2016-08-03 | 中国移动通信集团浙江有限公司 | 一种视频画面过曝检测方法及装置 |
US20160260306A1 (en) * | 2013-10-19 | 2016-09-08 | Iq Wireless Gmbh Entwicklungsgesellschaft Für Systeme Und Technologien Der Telekommunikation | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds |
EP2568438A3 (en) * | 2011-09-08 | 2016-09-14 | Fujitsu Limited | Image defogging method and system |
-
2016
- 2016-12-21 CN CN201611193197.0A patent/CN108230288B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080007429A1 (en) * | 2006-07-04 | 2008-01-10 | Denso Corporation | Visibility condition determining device for vehicle |
US20110135200A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method for determining if an input image is a foggy image, method for determining a foggy level of an input image and cleaning method for foggy images |
EP2568438A3 (en) * | 2011-09-08 | 2016-09-14 | Fujitsu Limited | Image defogging method and system |
US20160260306A1 (en) * | 2013-10-19 | 2016-09-08 | Iq Wireless Gmbh Entwicklungsgesellschaft Für Systeme Und Technologien Der Telekommunikation | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds |
CN104077750A (zh) * | 2014-06-18 | 2014-10-01 | 深圳市金立通信设备有限公司 | 一种图像的处理方法 |
CN105828065A (zh) * | 2015-01-08 | 2016-08-03 | 中国移动通信集团浙江有限公司 | 一种视频画面过曝检测方法及装置 |
Non-Patent Citations (5)
Title |
---|
KAIMING HE等: "Single Image Haze Removal Using Dark Channel Prior", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
MIHAI NEGRU等: "Image Based Fog Detection and Visibility Estimation for Driving Assistance Systems", 《2013 IEEE 9TH INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTER COMMUNICATION AND PROCESSING》 * |
MINMIN YANG等: "Super-pixel Based Single Image Haze Removal", 《2016 28TH CHINESE CONTROL AND DECISION CONFERENCE》 * |
张登银等: "一种基于暗通道先验的快速图像去雾算法", 《电子学报》 * |
张谢华: "煤矿智能视频监控系统关键技术的研究", 《万方学位论文数据库》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109830116A (zh) * | 2018-12-15 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 基于图像识别的信息提示方法、装置及相关设备 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN112750170A (zh) * | 2019-10-31 | 2021-05-04 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
WO2021082735A1 (zh) * | 2019-10-31 | 2021-05-06 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
CN112750170B (zh) * | 2019-10-31 | 2024-05-17 | 华为技术有限公司 | 一种雾特征识别方法、装置及相关设备 |
CN112767392A (zh) * | 2021-03-02 | 2021-05-07 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
WO2022183902A1 (zh) * | 2021-03-02 | 2022-09-09 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
CN112767392B (zh) * | 2021-03-02 | 2024-04-09 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108230288B (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230288A (zh) | 一种确定雾性状况的方法和装置 | |
US10913461B2 (en) | Driving behavior determining method, apparatus, and device, and storage medium | |
CN106096567B (zh) | 基于图像识别技术的人群安全指数计算方法及装置 | |
US20150086077A1 (en) | System and method of alerting a driver that visual perception of pedestrian may be difficult | |
CN107331097A (zh) | 基于目标位置信息融合的周界防入侵装置与方法 | |
CN107240268A (zh) | 一种面向无人机的高速应急车道违章车辆的检测方法 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN106485951A (zh) | 异常驾驶员分类和报告 | |
CN106143295A (zh) | 无人车预警方法、装置及无人车 | |
CN105243701A (zh) | 一种行车信息上报方法及行车记录终端 | |
CN105828065B (zh) | 一种视频画面过曝检测方法及装置 | |
CN107993001A (zh) | 一种风险评估的可视化方法、装置及存储介质 | |
DE112015000123T5 (de) | System zum Teilen von Informationen zwischen Fußgängern und einem Fahrer | |
KR102267517B1 (ko) | 도로 안개감지 장치 및 그 감지 방법 | |
CN106559647A (zh) | 开门关门检测装置和方法、人流检测系统和交通工具 | |
CN108189757A (zh) | 一种行车安全提示系统 | |
CN114708532A (zh) | 一种监控视频质量评估方法、系统及存储介质 | |
CN108229240A (zh) | 一种确定图像质量的方法及装置 | |
CN110929606A (zh) | 车辆盲区行人监控方法和装置 | |
CN106709445A (zh) | 一种基于视频图像的高速公路雾天检测预警方法 | |
CN110852208B (zh) | 一种人群密度估计方法及可读存储介质 | |
CN116343493B (zh) | 非机动车的违章识别方法、装置、电子设备及存储介质 | |
CN107945546A (zh) | 用于交通视频自动识别的高速公路能见度预警系统及方法 | |
KR102471900B1 (ko) | 도시시설물 안전 관리 방법 및 이를 이용하는 시스템 | |
CN105262984A (zh) | 一种带有固定装置的探测器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |