CN108830880A - 一种适用于高速公路的视频能见度检测预警方法及其系统 - Google Patents
一种适用于高速公路的视频能见度检测预警方法及其系统 Download PDFInfo
- Publication number
- CN108830880A CN108830880A CN201810379167.1A CN201810379167A CN108830880A CN 108830880 A CN108830880 A CN 108830880A CN 201810379167 A CN201810379167 A CN 201810379167A CN 108830880 A CN108830880 A CN 108830880A
- Authority
- CN
- China
- Prior art keywords
- visibility
- video
- data
- brightness
- sign board
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8578—Gaseous flow
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
Abstract
本发明涉及一种适用于高速公路的视频能见度检测预警方法,包括如下步骤:S1、采集摄像机视频流数据;S2、调整摄像机云台预置点;S3、配置目标区域参数与校正参数;S4、调整目标区域亮度;S5、目标区域运动目标检测;S6、目标特征的分析提取;S7、能见度数值与能见度范围计算;S8、能见度数据时域滤波与校正处理;S9、能见度预警判断与能见度数据输出。极大提高了视频能见度检测方法的稳健性和实用性。
Description
技术领域
本发明属于大气能见度检测领域,涉及智能交通的视频图像分析处理,尤其涉及一种适用于高速公路的视频能见度检测预警方法及其系统。
背景技术
随着社会经济的发展和人民生活水平的提高,我国的机动车保有量迅猛增加,从而使日益增长的交通需求与交通管理的矛盾突出。机动车在高速公路上行驶时,假如遇到能见度低下的状况,我国交通法给出了明确措施来减少和避免交通事故的发生。因此,交通运输事业的迅速发展,使得各种气象要素的实时检测和及时预警预报越来越有必要,其中能见度这项气象要素显得更为重要。
高速公路恶劣天气造成重特大交通事故的主要原因就是能见度下降,低能见度环境下的行车视距缩短,可变情报板、标志标线及其它交通安全设施辨别效果较差,尤其出现浓雾天气和雾带时,极易引发连锁追尾等交通事故。鉴于上述原因,相关部分在高速公路引进了价格昂贵的能见度检测仪器来获取能见度值。但因该设备布设非常稀疏(大约20~30km布设一台),难以满足高速公路线距离长的需求,而且采样范围小团雾不易检测,对团雾(大约1~5km)等形成的局部低能见度的检测效果非常有限。
近年来,一些研究者针对视频能见度检测提出了诸多可行的方法,比如:基于亮度对比法、暗通道先验概率法等。但效果都不太好。
发明内容
本发明提供一种适用于高速公路的视频能见度检测预警方法及其系统,旨在解决高速公路环境下,能见度指示牌图像特征统计不准、过往运动车辆对能见度检测的干扰,以及低能见度数据误报的问题,极大提高了视频能见度检测方法的稳健性和实用性。
为了实现本发明的目的,本发明采用以下技术方案:一种适用于高速公路的视频能见度检测预警方法,包括如下步骤:
S1、采集摄像机视频流数据:
使用摄像机获取视频图像连续帧的数据流;
S2、调整摄像机云台预置点:
高速公路环境下,要求将背景天空区域和能见度标识牌区域均包含在摄像机成像画面区域内,所述的能见度标识牌靶面长宽尺寸为80cm*80cm,能见度标识牌对准摄像机的正面中心区域为黑色不反光均匀平面,正面周围使用2.5cm宽度的白色反光膜材料;能见度标识牌对准车辆行驶方向的反面为交通提示信息,要求使用3个能见度标识牌,且3个能见度标识牌的正面均对着摄像机,与摄像机的直线距离分别标记为DistBkt1,DistBkt2,DistBkt3,能见度标识牌与摄像机的安装距离在摄像机所观察的距离范围内,将调整好的摄像机云台位置标记为PTZ_vis;
S3、配置目标区域参数与校正参数:
通过预览摄像机输出视频图像画面,分别在图像画面中标记背景天空区域位置坐标,以及3个能见度标识牌的位置坐标,并设置能见度计算模块所需的校正参数;
S4、调整目标区域亮度:
根据目标区域亮度来自适应调节摄像机的亮度水平,调整目标区域亮度的周期为每60秒一次,每次目标区域亮度调整过程中,负责进行亮度参数调整与目标区域亮度判断迭代,直到目标区域亮度合适则退出迭代;
S5、目标区域运动目标检测:
使用连续2帧视频图像进行帧差法来检测是否存在运动目标遮挡,这里将连续2帧视频图像依次标记为Img1,Img2;
S6、目标特征的分析提取:
使用像素概率统计理论方法进行目标区域特征信息;
S7、能见度数值与能见度范围计算:
针对3个能见度标识牌区域,分别计算每个能见度标识牌区域能都表示的能见度距离;
S8、能见度数据时域滤波与校正处理;
S9、能见度预警判断与能见度数据输出。
进一步的,S2中根据安装位置由近到远,距离依次表示为DistBkt1,DistBkt2,DistBkt3,DistBkt1,DistBkt2,DistBkt3的取值范围为50米~200米。
进一步,所述的目标区域包含4个,分别是1个背景天空目标区域以及3个能见度标识牌区域。
进一步的,S4中选用背景天空区域亮度作为摄像机画面亮度参数调整参考指标,具体步骤包括:
1)、将背景天空目标区域图像的三基色分量R分量、G分量、B分量取最大值,然后创建该区域的明度分量V=max(R,G,B);
2)、统计V分量的亮度均值Vmean;
3)、判断亮度均值Vmean是否在亮度合理区域间水平,这里亮度合理区间为[VThr_min,VThr_max],如果Vmean亮度低于VThr_min,则调高摄像机亮度等级数值;如果Vmean亮度高于VThr_max,则调低摄像机亮度等级数值。
4)、如果调整迭代次数超过摄像机帧率,或者摄像机亮度等级调整到最大或最小极限数值,且摄像机亮度等级不能再变化时,则退出本次亮度调整的循环迭代。
进一步的,其特征在于,S5的具体操作步骤:
1)、使用帧差法计算连续2帧视频图像Img1和Img2的绝对差值,表示为:
Img_dif0=abs(Img1–Img2)
2)、引入运动阈值Thr_motion来对Img_dif0进行修正处理,消除噪声以及微小幅度运动的干扰,计算结果表示为Img_dif1=max(0,Img_dif0-Thr_motion)
这里的运动阈值参数Thr_motion取值区间为10~20;
3)、对上步结果Img_dif1进行二值化处理,这里的二值化处理阈值为1,处理结果为:
Img_difbin=max(Img_dif1,1);
4)、在图像Img_difbin上,根据3个能见度标识牌的区域坐标位置,分别统计每个能见度标识牌区域像素值非零像素个数,如果非零像素个数超过该能见度标识牌的区域像素总数的1/4,则判断该能见度标识牌的区域存在运动物体遮挡。
进一步的,S6的具体操作步骤:
1)获取摄像机采集的连续2帧视频图像数据,对其进行平均操作处理,然后使用平均处理后的图像建立亮度图像转换模型并生产亮度图像Y,所述图像亮度转换模型的计算公式为:
式中,wr为红色R通道系数,wg为绿色G通道系数,wb为蓝色B通道系数,全部通道权重系数总和这里的图像亮度Y的最大灰阶表示为L;
2)计算背景天空区域亮度特征:
根据图像亮度Y以及背景天空区域的位置坐标,统计图像背景天空区域的灰阶像素总数,以及计算灰阶k在整个背景天空区域内出现的概率P(k),灰阶k对应的概率累加和为满足S(L-1)=1,灰阶k的取值范围为0~L,这里分别取灰阶概率累加和为3%处的灰阶为天空区域最低亮度Lmin_sky,取灰阶概率累加和为97%处的灰阶为天空区域最大亮度Lmax_sky;
3)计算能见度标识牌区域亮度特征:
采用上述步骤2)计算背景天空区域亮度特征的方法,分别计算3个能见度标识区域的亮度特征,与摄像机距离为DistBkt1,DistBkt2,DistBkt3的3个能见度标识牌最小亮度依次标识为Lmin_Bkt1,Lmin_Bkt2,Lmin_Bkt3,并且3个能见度标识牌最大亮度依次标识为Lmax_Bkt1,Lmax_Bkt2,Lmax_Bkt3;
4)根据上述的目标区域运动目标检测方法,依次判断3个能见度标识牌的区域是否存在运动物体遮挡,假如检测到某个能见度标识牌区域存在运动目标遮挡,则本次计算的这该区域的目标特征无效并不做更新,本次目标特征数值使用上次历史数据代替;
5)将计算的全部目标特征数据存入缓存区间。
进一步的,S7的具体操作步骤:
1)计算能见度标识牌反映的画面灰阶对比参数:
ContrastBkt1=Lmin_Bkt1/max(1,max(Lmax_Bkt1,Lmax_sky))
2)计算能见度标识牌反映的能见度距离,单位米
这里的参数ε是常数,表示为视觉对比阈值,取视觉对比阈值为0.02;DistBkt1表示能见度标识牌与摄像机的直线距离;g、a1和a2分别表示能见度标识牌特性参数,作为能见度数据的校正和调试使用;
3)修正能见度范围
这里对能见度数据的取值范围就行修正,修正能见度数据表示为:VisBkt1_Out=min(VisBkt1,DistBkt1*40)
计算剩余能见度标识牌反映的能见度数据VisBkt2_Out,VisBkt3_Out;
4)根据S2步骤所述,能见度标识牌的距离关系为DistBkt1<DistBkt2<DistBkt3,确定当前检测点位的最终能见度数据VisOut:
(a)VisBkt3_Out≥DistBkt3,则VisOut=VisBkt3_Out;
(b)VisBkt3_Out<DistBkt3且VisBkt2_Out≥DistBkt2,则VisOut=min(VisBkt2_Out,DistBkt3);
(c)VisBkt3_Out<DistBkt3且VisBkt2_Out<DistBkt2且VisBkt1_Out≥DistBkt1,则VisOut=min(VisBkt1_Out,DistBkt2);
(d)VisBkt3_Out<DistBkt3且VisBkt2_Out<DistBkt2且VisBkt1_Out<DistBkt1,则VisOut=min(VisBkt1_Out,DistBkt1);
5)将每次计算的最终能见度数据VisOut存入缓存区间。
进一步的,S8的具体操作步骤:
1)能见度数据时域滤波处理:从缓存区间获取当前能见度数据以及m-1个时间最近的部分历史能见度数据,组成长度为m的能见度数据向量VisX;对能见度数据向量VisX数据进行升序排列,排序后的能见度数据向量表示为VisXsort,消除能见度数据向量VisXsort的两端最大最小极值,取能见度数据向量VisXsort中间位置长度为m-2的数据进行平均操作处理,结果表示为VisXavg;
2)能见度校正处理:这里选取若干个采样时刻相同的标准能见度数据与视频能检测检测数据,采用一维线性拟合函数进行校正。校正公式为:
VisFit=k1×VisXavg+k2
VisFit表示拟合校正结果,k1,k2为拟合参数。
进一步的,S9的具体操作步骤:这里将步骤S8计算视频能见度拟合校正数据VisFit进行等级划分,并输出能见度预警等级VisGrade,然后将能见度数据和能见度等级数据通过网络通讯实时传输到指挥中心。
一种适用于高速公路的视频能见度检测预警系统,包括能见度标识牌、摄像机、视频能见度检测单元、视频能见度预警单元,网络通讯单元,交通信息管控中心,能见度标识牌的反面设置交通信息发布屏幕,所述的能见度标识牌正面对准摄像机,所述的摄像机对视频图像数据采集。
本发明带来的有益效果为:本发明提出一种优化改进后的基于视频图像亮度对比法来进行能见度检测的方法,是一种优化改进后的亮度对比法来进行视频能见度检测,旨在解决高速公路环境下,能见度指示牌图像特征统计不准、过往运动车辆对能见度检测的干扰,以及低能见度数据误报等存在的突出难点和重点问题,并取得较好的测试效果,极大提高了视频能见度检测方法的稳健性和实用性。
附图说明
图1为本发明的视频能见度检测流程图;
图2为本发明的视频能见度检测的工程应用示意图;
图3为本发明的目标亮度调整和目标特征提取操作过程示意图;
图4为本发明的目标亮度调整操作流程图;
图5为本发明视频能见度检测系统示意图。
具体实施方式
基于视频进行能见度检测的方法相比传统的透射型、散射型以及激光雷达测量仪等能见度检测仪器,具有如下优势:
(1)提高了道路监控相机的使用价值,一机多用,设备成本低,安装维护简单。
(2)视频图像更接近人眼观测模式。
(3)可以进行能见度检测预警预报和摄像机监控现场画面的联合抓拍取证。
随着摄像机技术的成熟和视频图像分析技术发展,使用视频进行能见度检测方法已经广泛应用于交通道路的能见度检测上,并能够融合能见度检测、预警、取证等多种功能为一体。
本发明基于数字视频图像分析检测高速公路环境能见度的方法在原理上与望远光度计相同,直接测量消光系数来计算能见度视距,该方法不存在原则或原理上的缺陷。目前监控摄像机或者工业摄像机成像传感器具有面阵成像的优点,这一优势可保证多个能见度标识牌目标亮度和背景天空亮度测量的同步性,在工程实现和产品化上易于自动化检测。另外,使用数学摄像机采集的视频图像检测能见度的同时,还可以自动保存图像,这样能够提供直观的描述观测场地状况的信息,进一步可用来分析引起能见度变化的不同因素,做到多方位现场取证和预警预报二次确认,这是其他传统散射仪等检测能见度的方法所难以实现的。
本发明提出的一种适用于高速公路的视频能见度检测预警方法,具体实现方式和方法如下:
S1、采集摄像机视频流数据;
使用摄像机获取视频图像连续帧的数据流。
S2、调整摄像机云台预置点;
高速公路环境下,视频能见度检测方法要求调整摄像机的云台焦距变倍系数以及视野范围,要求将背景天空区域和能见度标识牌区域均包含在摄像机成像画面区域内,如图2所示。图2所标注的能见度标识牌的主要作用是用来计算目标特征以及校准视频能见度检测参数,能见度标识牌靶面长宽尺寸为80cm*80cm。能见度标识牌对准摄像机的A面(正面)中心区域为黑色不反光均匀平面,A面周围使用2.5cm宽度的白色反光膜材料;能见度标识牌对准车辆行驶方向的B面(反面)为交通提示信息。本发明要求使用3个能见度标识牌,且3个能见度标识牌的A面均对着摄像机,与摄像机的直线距离分别标记为DistBkt1,DistBkt2,DistBkt3,能见度标识牌与摄像机的安装距离在摄像机所观察的距离范围内,这里根据安装位置由近到远,距离依次表示为DistBkt1,DistBkt2,DistBkt3,一般取值范围为50米~200米。将调整好的摄像机云台位置标记为PTZ_vis。
S3、配置目标区域参数与校正参数。
通过预览摄像机输出视频图像画面,分别在图像画面中标记背景天空区域位置坐标,以及3个能见度标识牌的位置坐标,并设置能见度计算模块所需的校正参数等。
S4、调整目标区域亮度。
安装在高速公路上的摄像机云台是变动的,而且场景形态丰富,所以存在图像的背景天空区域亮度处于过曝状态的的可能性,由于过曝区域的亮度是属于饱和截止状态,如果采集该情况的目标区域特征计算能见度,则会存在数据失真。本步骤根据目标区域亮度来自适应调节摄像机的亮度水平。调整目标区域亮度的周期为每60秒一次,每次目标区域亮度调整过程中,负责进行亮度参数调整与目标区域亮度判断迭代,直到目标区域亮度合适则退出迭代。
在本发明案例中,这里目标区域包含4个,分别是1个背景天空目标区域以及3个能见度标识牌区域。由于背景天空区域相比能见度标识牌区域,其亮度最容易出现过曝截止情况,所以本发明选用背景天空区域亮度作为摄像机画面亮度参数调整参考指标。具体操作步骤如下:
1、将背景天空目标区域图像的三基色分量R分量、G分量、B分量取最大值,然后创建该区域的明度分量V=max(R,G,B)。
2、统计V分量的亮度均值Vmean。
3、判断亮度均值Vmean是否在亮度合理区域间水平,这里亮度合理区间为[VThr_min,VThr_max]。如果Vmean亮度低于VThr_min,则调高摄像机亮度等级数值;如果Vmean亮度高于VThr_max,则调低摄像机亮度等级数值。本案例的VThr_min取值范围为230-235;VThr_max取值范围为245-250。
4、如果调整迭代次数超过摄像机帧率(本发明案例的迭代最大次数取值25次),或者摄像机亮度等级调整到最大或最小极限数值,且摄像机亮度等级不能再变化时,则退出本次亮度调整的循环迭代。
S5、目标区域运动目标检测。
在高速公路环境下,运动车辆等物体可能对目标区域存在瞬间遮挡,导致目标特征统计不准确。为了适应该情况,本发明案例中使用连续2帧视频图像进行帧差法来检测是否存在运动目标遮挡。这里将连续2帧视频图像依次标记为Img1,Img2。
具体操作步骤如下:
1、使用帧差法计算连续2帧视频图像Img1和Img2的绝对差值,表示为:
Img_dif0=abs(Img1–Img2)
2、引入运动阈值Thr_motion来对Img_dif0进行修正处理,消除噪声以及微小幅度运动的干扰,计算结果表示为Img_dif1=max(0,Img_dif0-Thr_motion)
这里的运动阈值参数Thr_motion取值区间为10~20。
3、对上步结果Img_dif1进行二值化处理,这里的二值化处理阈值为1,处理结果为:
Img_difbin=max(Img_dif1,1)
4、在图像Img_difbin上,根据3个能见度标识牌的区域坐标位置,分别统计每个能见度标识牌区域像素值非零像素个数,如果非零像素个数超过该能见度标识牌的区域像素总数的1/4,则判断该能见度标识牌的区域存在运动物体遮挡。
S6、目标特征的分析提取。
由于能见度标识牌区域以及背景天空区域在视频图像画面的坐标的位置是固定设置,而且在高速公路环境下存在重型过往车辆导致的地面抖动,风速吹动摄像机云台等现象。所以计算特征的能见度标识牌区域或者背景天空区域在画面内可能出现微小幅度波动。本发明针对该情况,使用像素概率统计理论方法进行目标区域特征信息。
(1)获取摄像机采集的连续2帧视频图像数据,对其进行平均操作处理,然后使用平均处理后的图像建立亮度图像转换模型并生产亮度图像Y,所述图像亮度转换模型的计算公式为:
式中,wr为红色R通道系数,wg为绿色G通道系数,wb为蓝色B通道系数,全部通道权重系数总和这里的图像亮度Y的最大灰阶表示为L,假如处理图像的灰阶深度为8Bit,则最大灰阶L=255。
(2)计算背景天空区域亮度特征:
根据图像亮度Y以及背景天空区域的位置坐标,统计图像背景天空区域的灰阶像素总数,以及计算灰阶k在整个背景天空区域内出现的概率P(k),灰阶k对应的概率累加和为满足S(L-1)=1,灰阶k的取值范围为0~L。这里分别取灰阶概率累加和为3%处的灰阶为天空区域最低亮度Lmin_sky,取灰阶概率累加和为97%处的灰阶为天空区域最大亮度Lmax_sky。
(3)计算能见度标识牌区域亮度特征:
采用上述步骤(2)计算背景天空区域亮度特征的方法,分别计算3个能见度标识区域的亮度特征,与摄像机距离为DistBkt1,DistBkt2,DistBkt3的3个能见度标识牌最小亮度依次标识为Lmin_Bkt1,Lmin_Bkt2,Lmin_Bkt3。并且3个能见度标识牌最大亮度依次标识为Lmax_Bkt1,Lmax_Bkt2,Lmax_Bkt3。
(4)根据上述的目标区域运动目标检测方法,依次判断3个能见度标识牌的区域是否存在运动物体遮挡。假如检测到某个能见度标识牌区域存在运动目标遮挡,则本次计算的这该区域的目标特征无效并不做更新,本次目标特征数值使用上次历史数据代替。
(5)将计算的全部目标特征数据存入缓存区间,这里设计的缓存区间可以存储24小时数据,能实现循环覆盖。
S7、能见度数值与能见度范围计算。
针对3个能见度标识牌区域,分别计算每个能见度标识牌区域能都表示的能见度距离,这里以与摄像机距离为DistBkt1的能见度标识牌为例,计算步骤如下:
2)计算能见度标识牌反映的画面灰阶对比参数:
ContrastBkt1=Lmin_Bkt1/max(1,max(Lmax_Bkt1,Lmax_sky))
2)计算能见度标识牌反映的能见度距离,单位米
这里的参数ε是常数,表示为视觉对比阈值,根据世界气象组织规定,取视觉对比阈值为0.02;DistBkt1表示能见度标识牌与摄像机的直线距离;g、a1和a2分别表示能见度标识牌特性参数,作为能见度数据的校正和调试使用;在本发明案例中,g取值区间为0.95~1.05,a1取值范围为0.0~0.10,a2取值区间为1.0~1.05。
3)修正能见度范围
由于在交通公路上重点关注低能见度时段的检测数据,并做到实时预报和及时预警,然后通过网络通讯将低能见度反馈到指挥中心,随即采取相应措施。这里对能见度数据的取值范围就行修正,且第2)步提到的修正参数g、a1和a2均优先保证低能见度数据的稳健性和精确性。修正能见度数据表示为:VisBkt1_Out=min(VisBkt1,DistBkt1*40)
按照上述类似的方法,计算剩余能见度标识牌反映的能见度数据VisBkt2_Out,VisBkt3_Out。
4)根据S2步骤所述,能见度标识牌的距离关系为DistBkt1<DistBkt2<DistBkt3,且安装距离一般取值范围为50米~200米。然后确定当前检测点位的最终能见度数据VisOut:
(a)VisBkt3_Out≥DistBkt3,则VisOut=VisBkt3_Out。
(b)VisBkt3_Out<DistBkt3且VisBkt2_Out≥DistBkt2,则VisOut=min(VisBkt2_Out,DistBkt3)。
(c)VisBkt3_Out<DistBkt3且VisBkt2_Out<DistBkt2且VisBkt1_Out≥DistBkt1,则VisOut=min(VisBkt1_Out,DistBkt2)。
(d)VisBkt3_Out<DistBkt3且VisBkt2_Out<DistBkt2且VisBkt1_Out<DistBkt1,则VisOut=min(VisBkt1_Out,DistBkt1)。
5)将每次计算的最终能见度数据VisOut存入缓存区间,这里设计的缓存区间可以存储24小时数据,能实现循环覆盖。
S8、能见度数据时域滤波与校正处理。
(1)能见度数据时域滤波处理:从缓存区间获取当前能见度数据以及m-1个时间最近的部分历史能见度数据,组成长度为m的能见度数据向量VisX。对能见度数据向量VisX数据进行升序排列,排序后的能见度数据向量表示为VisXsort,消除能见度数据向量VisXsort的两端最大最小极值,取能见度数据向量VisXsort中间位置长度为m-2的数据进行平均操作处理,结果表示为VisXavg。这里m的取值范围为16~32。
(2)能见度校正处理:
由于摄像机前端感光元器件的物体特性存在差异性,所以需要对视频能见度检测结果进行校正处理,这里选取若干个采样时刻相同的标准能见度数据与视频能检测检测数据,采用一维线性拟合函数进行校正。校正公式为:
VisFit=k1×VisXavg+k2
VisFit表示拟合校正结果,k1,k2为拟合参数。
S9、能见度预警判断与能见度数据输出。
参考文件《QXT 76-2007高速公路能见度监测及浓雾的预警预报》所述的能见度预警预报等级和范围,这里将上步骤S8计算视频能见度拟合校正数据VisFit进行等级划分,并输出能见度预警等级VisGrade。然后将能见度数据和能见度等级数据通过网络通讯实时传输到指挥中心。
本发明系统包括:
能见度标识牌:正面对准摄像机,主要作用是用来计算目标特征以及校准视频能见度检测参数;反面是交通信息发布屏幕,可以显示能见度数据以及其他交通信息。
摄像机,所述的摄像机优选为智能云台摄像机:可以实现PTZ调整的摄像机,实现视频图像数据的采集。
视频能见度检测单元:采用本发明所述的视频能见度检测方法的能见度检测单元,输出能见度数据和能见度等级。
视频能见度预警单元:分析能见度数据,达到预警等级则通过网络端口向交通信息管控中心发布指令。
网络通讯单元:实现数据的传输。
交通信息管控中心:对高速公路能见度状况进行确认和预警预报信息发布等。
本发明提出一种优化改进后的亮度对比法来进行视频能见度检测,旨在解决高速公路环境下,能见度指示牌图像特征统计不准、过往运动车辆对能见度检测的干扰,以及低能见度数据误报等存在的突出难点和重点问题,并取得较好的测试效果,极大提高了视频能见度检测方法的稳健性和实用性。
本发明重点解决目前视频能见度检测方法的突出难点问题:
1)能见度指示牌图像特征统计不准;
2)过往运动车辆对能见度检测的干扰,
3)低能见度数据误报。
Claims (10)
1.一种适用于高速公路的视频能见度检测预警方法,其特征在于,包括如下步骤:
S1、采集摄像机视频流数据:
使用摄像机获取视频图像连续帧的数据流;
S2、调整摄像机云台预置点:
高速公路环境下,要求将背景天空区域和能见度标识牌区域均包含在摄像机成像画面区域内,所述的能见度标识牌靶面长宽尺寸为80cm*80cm,能见度标识牌对准摄像机的正面中心区域为黑色不反光均匀平面,正面周围使用2.5cm宽度的白色反光膜材料;能见度标识牌对准车辆行驶方向的反面为交通提示信息,要求使用3个能见度标识牌,且3个能见度标识牌的正面均对着摄像机,与摄像机的直线距离分别标记为DistBkt1,DistBkt2,DistBkt3,能见度标识牌与摄像机的安装距离在摄像机所观察的距离范围内,将调整好的摄像机云台位置标记为PTZ_vis;
S3、配置目标区域参数与校正参数:
通过预览摄像机输出视频图像画面,分别在图像画面中标记背景天空区域位置坐标,以及3个能见度标识牌的位置坐标,并设置能见度计算模块所需的校正参数;
S4、调整目标区域亮度:
根据目标区域亮度来自适应调节摄像机的亮度水平,调整目标区域亮度的周期为每60秒一次,每次目标区域亮度调整过程中,负责进行亮度参数调整与目标区域亮度判断迭代,直到目标区域亮度合适则退出迭代;
S5、目标区域运动目标检测:
使用连续2帧视频图像进行帧差法来检测是否存在运动目标遮挡,这里将连续2帧视频图像依次标记为Img1,Img2;
S6、目标特征的分析提取:
使用像素概率统计理论方法进行目标区域特征信息;
S7、能见度数值与能见度范围计算:
针对3个能见度标识牌区域,分别计算每个能见度标识牌区域能都表示的能见度距离;
S8、能见度数据时域滤波与校正处理;
S9、能见度预警判断与能见度数据输出。
2.如权利要求1所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于:S2中根据安装位置由近到远,距离依次表示为DistBkt1,DistBkt2,DistBkt3,DistBkt1,DistBkt2,DistBkt3的取值范围为50米~200米。
3.如权利要求1或2所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于:所述的目标区域包含4个,分别是1个背景天空目标区域以及3个能见度标识牌区域。
4.如权利要求3所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于,S4中选用背景天空区域亮度作为摄像机画面亮度参数调整参考指标,具体步骤包括:
1)、将背景天空目标区域图像的三基色分量R分量、G分量、B分量取最大值,然后创建该区域的明度分量V=max(R,G,B);
2)、统计V分量的亮度均值Vmean;
3)、判断亮度均值Vmean是否在亮度合理区域间水平,这里亮度合理区间为[VThr_min,VThr_max],如果Vmean亮度低于VThr_min,则调高摄像机亮度等级数值;如果Vmean亮度高于VThr_max,则调低摄像机亮度等级数值。
4)、如果调整迭代次数超过摄像机帧率,或者摄像机亮度等级调整到最大或最小极限数值,且摄像机亮度等级不能再变化时,则退出本次亮度调整的循环迭代。
5.如权利要求3所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于,S5的具体操作步骤:
1)、使用帧差法计算连续2帧视频图像Img1和Img2的绝对差值,表示为:
Img_dif0=abs(Img1–Img2)
2)、引入运动阈值Thr_motion来对Img_dif0进行修正处理,消除噪声以及微小幅度运动的干扰,计算结果表示为Img_dif1=max(0,Img_dif0-Thr_motion)
这里的运动阈值参数Thr_motion取值区间为10~20;
3)、对上步结果Img_dif1进行二值化处理,这里的二值化处理阈值为1,处理结果为:
Img_difbin=max(Img_dif1,1);
4)、在图像Img_difbin上,根据3个能见度标识牌的区域坐标位置,分别统计每个能见度标识牌区域像素值非零像素个数,如果非零像素个数超过该能见度标识牌的区域像素总数的1/4,则判断该能见度标识牌的区域存在运动物体遮挡。
6.如权利要求3所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于,S6的具体操作步骤:
1)获取摄像机采集的连续2帧视频图像数据,对其进行平均操作处理,然后使用平均处理后的图像建立亮度图像转换模型并生产亮度图像Y,所述图像亮度转换模型的计算公式为:
式中,wr为红色R通道系数,wg为绿色G通道系数,wb为蓝色B通道系数,全部通道权重系数总和这里的图像亮度Y的最大灰阶表示为L;
2)计算背景天空区域亮度特征:
根据图像亮度Y以及背景天空区域的位置坐标,统计图像背景天空区域的灰阶像素总数,以及计算灰阶k在整个背景天空区域内出现的概率P(k),灰阶k对应的概率累加和为满足S(L-1)=1,灰阶k的取值范围为0~L,这里分别取灰阶概率累加和为3%处的灰阶为天空区域最低亮度Lmin_sky,取灰阶概率累加和为97%处的灰阶为天空区域最大亮度Lmax_sky;
3)计算能见度标识牌区域亮度特征:
采用上述步骤2)计算背景天空区域亮度特征的方法,分别计算3个能见度标识区域的亮度特征,与摄像机距离为DistBkt1,DistBkt2,DistBkt3的3个能见度标识牌最小亮度依次标识为Lmin_Bkt1,Lmin_Bkt2,Lmin_Bkt3,并且3个能见度标识牌最大亮度依次标识为Lmax_Bkt1,Lmax_Bkt2,Lmax_Bkt3;
4)根据上述的目标区域运动目标检测方法,依次判断3个能见度标识牌的区域是否存在运动物体遮挡,假如检测到某个能见度标识牌区域存在运动目标遮挡,则本次计算的这该区域的目标特征无效并不做更新,本次目标特征数值使用上次历史数据代替;
5)将计算的全部目标特征数据存入缓存区间。
7.如权利要求3所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于,S7的具体操作步骤:
1)计算能见度标识牌反映的画面灰阶对比参数:
ContrastBkt1=Lmin_Bkt1/max(1,max(Lmax_Bkt1,Lmax_sky))
2)计算能见度标识牌反映的能见度距离,单位米
这里的参数ε是常数,表示为视觉对比阈值,取视觉对比阈值为0.02;DistBkt1表示能见度标识牌与摄像机的直线距离;g、a1和a2分别表示能见度标识牌特性参数,作为能见度数据的校正和调试使用;
3)修正能见度范围
这里对能见度数据的取值范围就行修正,修正能见度数据表示为:VisBkt1_Out=min(VisBkt1,DistBkt1*40)
计算剩余能见度标识牌反映的能见度数据VisBkt2_Out,VisBkt3_Out;
4)根据S2步骤所述,能见度标识牌的距离关系为DistBkt1<DistBkt2<DistBkt3,确定当前检测点位的最终能见度数据VisOut:
(a)VisBkt3_Out≥DistBkt3,则VisOut=VisBkt3_Out;
(b)VisBkt3_Out<DistBkt3且VisBkt2_Out≥DistBkt2,则VisOut=min(VisBkt2_Out,DistBkt3);
(c)VisBkt3_Out<DistBkt3且VisBkt2_Out<DistBkt2且VisBkt1_Out≥DistBkt1,则VisOut=min(VisBkt1_Out,DistBkt2);
(d)VisBkt3_Out<DistBkt3且VisBkt2_Out<DistBkt2且VisBkt1_Out<DistBkt1,则VisOut=min(VisBkt1_Out,DistBkt1);
5)将每次计算的最终能见度数据VisOut存入缓存区间。
8.如权利要求3所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于,S8的具体操作步骤:
1)能见度数据时域滤波处理:从缓存区间获取当前能见度数据以及m-1个时间最近的部分历史能见度数据,组成长度为m的能见度数据向量VisX;对能见度数据向量VisX数据进行升序排列,排序后的能见度数据向量表示为VisXsort,消除能见度数据向量VisXsort的两端最大最小极值,取能见度数据向量VisXsort中间位置长度为m-2的数据进行平均操作处理,结果表示为VisXavg;
2)能见度校正处理:这里选取若干个采样时刻相同的标准能见度数据与视频能检测检测数据,采用一维线性拟合函数进行校正。校正公式为:
VisFit=k1×VisXavg+k2
VisFit表示拟合校正结果,k1,k2为拟合参数。
9.如权利要求3所述的一种适用于高速公路的视频能见度检测预警方法,其特征在于,S9的具体操作步骤:这里将步骤S8计算视频能见度拟合校正数据VisFit进行等级划分,并输出能见度预警等级VisGrade,然后将能见度数据和能见度等级数据通过网络通讯实时传输到指挥中心。
10.一种适用于高速公路的视频能见度检测预警系统,其特征在于,包括能见度标识牌、摄像机、视频能见度检测单元、视频能见度预警单元,网络通讯单元,交通信息管控中心,能见度标识牌的反面设置交通信息发布屏幕,所述的能见度标识牌正面对准摄像机,所述的摄像机对视频图像数据采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810379167.1A CN108830880B (zh) | 2018-04-25 | 2018-04-25 | 一种适用于高速公路的视频能见度检测预警方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810379167.1A CN108830880B (zh) | 2018-04-25 | 2018-04-25 | 一种适用于高速公路的视频能见度检测预警方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830880A true CN108830880A (zh) | 2018-11-16 |
CN108830880B CN108830880B (zh) | 2021-09-21 |
Family
ID=64155037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810379167.1A Active CN108830880B (zh) | 2018-04-25 | 2018-04-25 | 一种适用于高速公路的视频能见度检测预警方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830880B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584575A (zh) * | 2018-12-19 | 2019-04-05 | 山东交通学院 | 一种基于能见度分析的道路安全限速提示系统及方法 |
CN111192275A (zh) * | 2019-12-30 | 2020-05-22 | 西安金路交通工程科技发展有限责任公司 | 基于暗通道先验理论的高速公路团雾能见度识别方法 |
CN111914933A (zh) * | 2020-07-31 | 2020-11-10 | 中国民用航空华东地区空中交通管理局 | 降雪检测方法、装置、计算机设备和可读存储介质 |
CN113408415A (zh) * | 2021-06-18 | 2021-09-17 | 中国民用航空大连空中交通管理站 | 基于图像识别技术机场能见度与跑道视程的探测与显示系统 |
CN115797848A (zh) * | 2023-01-05 | 2023-03-14 | 山东高速股份有限公司 | 基于高速事件预防系统中视频数据的能见度检测预警方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0501390A1 (de) * | 1991-02-28 | 1992-09-02 | Bayerische Motoren Werke Aktiengesellschaft | Prüfverfahren für die Sichtverhältnisse auf Fahrbahnen und Vorrichtung zur Durchführung des Verfahrens |
CN101382497A (zh) * | 2008-10-06 | 2009-03-11 | 南京大学 | 基于路况监控视频的能见度检测方法 |
CN102175613A (zh) * | 2011-01-26 | 2011-09-07 | 南京大学 | 基于图像亮度特征的ptz视频能见度检测方法 |
-
2018
- 2018-04-25 CN CN201810379167.1A patent/CN108830880B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0501390A1 (de) * | 1991-02-28 | 1992-09-02 | Bayerische Motoren Werke Aktiengesellschaft | Prüfverfahren für die Sichtverhältnisse auf Fahrbahnen und Vorrichtung zur Durchführung des Verfahrens |
CN101382497A (zh) * | 2008-10-06 | 2009-03-11 | 南京大学 | 基于路况监控视频的能见度检测方法 |
CN102175613A (zh) * | 2011-01-26 | 2011-09-07 | 南京大学 | 基于图像亮度特征的ptz视频能见度检测方法 |
Non-Patent Citations (3)
Title |
---|
NICOLAS HAUTIERE ET AL: "Automatic fog detection and estimation of visibility distance through use of an onboard camera", 《MACHINE VISION AND APPLICATION》 * |
杨娴等: "基于路面亮度特征估算的视频能见度检测系统", 《上海交通大学学报》 * |
王金冕: "基于监控视频分析的高速公路能见度检测与预警系统研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584575A (zh) * | 2018-12-19 | 2019-04-05 | 山东交通学院 | 一种基于能见度分析的道路安全限速提示系统及方法 |
CN111192275A (zh) * | 2019-12-30 | 2020-05-22 | 西安金路交通工程科技发展有限责任公司 | 基于暗通道先验理论的高速公路团雾能见度识别方法 |
CN111914933A (zh) * | 2020-07-31 | 2020-11-10 | 中国民用航空华东地区空中交通管理局 | 降雪检测方法、装置、计算机设备和可读存储介质 |
CN113408415A (zh) * | 2021-06-18 | 2021-09-17 | 中国民用航空大连空中交通管理站 | 基于图像识别技术机场能见度与跑道视程的探测与显示系统 |
CN113408415B (zh) * | 2021-06-18 | 2024-02-02 | 中国民用航空大连空中交通管理站 | 基于图像识别技术机场能见度与跑道视程的探测与显示方法 |
CN115797848A (zh) * | 2023-01-05 | 2023-03-14 | 山东高速股份有限公司 | 基于高速事件预防系统中视频数据的能见度检测预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108830880B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830880A (zh) | 一种适用于高速公路的视频能见度检测预警方法及其系统 | |
CN105424655B (zh) | 一种基于视频图像的能见度检测方法 | |
US20160260306A1 (en) | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds | |
CN101430195B (zh) | 一种利用视频图像处理技术计算输电线路覆冰厚度的方法 | |
CN102175613B (zh) | 基于图像亮度特征的ptz视频能见度检测方法 | |
CN101625723B (zh) | 电力线轮廓的快速图像识别方法 | |
CN108205891B (zh) | 一种监控区域的车辆监测方法 | |
CN109902633A (zh) | 基于固定位摄像机监控视频的异常事件检测方法及装置 | |
CN107240079A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
CN101957309A (zh) | 一种能见度的全天候视频测量方法 | |
CN112598733B (zh) | 一种基于多模态数据融合补偿自适应优化的船舶检测方法 | |
CN103954542A (zh) | 基于无参考图像清晰度评价的pm2.5浓度检测仪 | |
CN102509102A (zh) | 基于图像学习的能见度测量方法 | |
CN109683209A (zh) | 团雾的监测方法和监测系统 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
CN112649900A (zh) | 一种能见度的监测方法、装置、设备、系统和介质 | |
CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
CN106570440A (zh) | 基于图像分析的人数统计方法和人数统计装置 | |
CN110255318A (zh) | 基于图像语义分割的电梯轿厢闲置物品检测的方法 | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
CN104297176B (zh) | 全天候监测长江山区河段能见度的装置、系统和方法 | |
CN107610172A (zh) | 一种基于图像识别的大宗作物株高测量方法 | |
CN113763484A (zh) | 基于视频图像分析技术的船舶目标定位及速度估算方法 | |
CN105987665A (zh) | 一种特高压输电线路弧垂点变化范围的预警监测装置及方法 | |
CN115063427B (zh) | 用于新型船舶的污染物排放监控图像处理方法 |
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 |