CN109166081B - 一种视频能见度检测过程中目标亮度调节方法 - Google Patents
一种视频能见度检测过程中目标亮度调节方法 Download PDFInfo
- Publication number
- CN109166081B CN109166081B CN201810951846.1A CN201810951846A CN109166081B CN 109166081 B CN109166081 B CN 109166081B CN 201810951846 A CN201810951846 A CN 201810951846A CN 109166081 B CN109166081 B CN 109166081B
- Authority
- CN
- China
- Prior art keywords
- brightness
- adjustment
- vroi
- value
- frame
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000003384 imaging method Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims description 28
- 230000001172 regenerating effect Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 5
- 238000000691 measurement method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种视频能见度检测过程中目标亮度调节方法，涉及大气环境能见度检测技术领域，本方法的步骤主要包括选取目标区域亮度调整参考指标，在输入被检测视频图像数据流后，通过参考指标判断是否进行目标区域亮度调整，如果是则进行目标区域亮度调整，通过获取视频图像每帧的YUV数据，并计算出其对应的亮度信息Vroi_ref作为参考指标，并判断亮度信息Vroi_ref是否在预置的亮度合理区域间水平，这里亮度合理区间为[VThr_min，VThr_max]，根据参考指标所处范围，判断调整方向，进行循环迭代调整，调整完成后进行能见度检测；本发明从成像数据上保障视频能见度检测过程中的目标特征统计得更加准确、合理、有效，也极大程度上降低能见度数据误报风险。
Description
技术领域
本发明涉及的是大气环境能见度检测领域，尤其涉及的是一种视频能见度检测过程中目标亮度调节方法。
背景技术
由于能见度监测的重要性，世界上各国都对能见度监测工作给予了高度重视，特别是在一些较易发生交通事故的领域，如公路、航空等。现有主要的能见度测量方法分为人工目测法、仪器测量法，以及数字摄像机法等。
(1)人工目测法主要是利用人眼来判定最远距离可见的目标物来断定当前的能见度，人工目测要通过观察员来实行，在观测过程中主观性太强，受各种因素影响大。
(2)仪器测量法克服了目测法的一些约束条件和局限性。目前世界上普遍使用的能见度监测设备有：透射式能见度仪，散射式能见度仪和激光雷达能见度仪。仪器测量法主要存在的问题是价格昂贵，维护难度高，很难普遍推广和使用。
(3)数字摄像法监测能见度结合了视频图像分析、大气光线传播模型与多种检测识别算法，在分析处理视频图像的基础上，建立图像与真实场景之间的映射关系，通过测量图像特征的变化情况，进而求得能见度值。该方法在理论上可行并且相关研究机构和学者做了大量技术实验论证和工程试点，由于其原理简单、使用方便，可利用现有的监控摄像机资源，成本低，并能够融合能见度检测、预警、取证等多种功能为一体。
鉴于数字摄像法监测能见度的诸多应用优势和技术发展趋势，近年来，针对数字摄像法的视频能见度检测提出了一些可行的方法，并在高速公路等工程应用上使用。随着数字摄像法实现大气能见度检测技术的推广和普及，越来越多的学者和机构对该方法进行研究和改进，该技术的成功应用可以节约成本，普及率高，为交通领域能见度的实时检测和预警预报提供了重要的辅助作用。但是，在基于摄像机视频能见度检测方法中，图像画面的关键目标亮度控制对能见度检测数据的准确性起着至关重要的作用，密切影响了能见度检测数据的准确性，该问题也逐渐成为摄像法能见度检测的研究热点和难点。
综述现有的能见度检测方法发现，在数字摄像法估计能见度的过程中，常用的就是双亮度对比法技术，这种能见度计算方法对能见度标识牌目标，以及背景天空等区域的特征统计精度要求较高。因此，如何从摄像机输出图像的成像前端模块进行亮度调节和控制，关系到数字摄像法实现能见度检测的数据有效性和运行稳定性，也是当前研究者需要重点关注和解决的突出问题。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种视频能见度检测过程中目标亮度调节方法，旨在解决基于视频的能见度检测过程中目标亮度调整不合理的问题。
本发明是通过以下技术方案实现的：一种视频能见度检测过程中目标亮度调节方法,该方法包括以下步骤：
步骤1、输入包含待检测摄像机视频图像数据流的视频图像数据流，所述待检测摄像机视频图像数据流由A帧连续的YUV图像序列构成，且该图像序列前M帧图像构成判断调整方向的测试数据流，后N帧图像构成能见度检测数据流，且A＝M+N,且待检测摄像机视频图像数据流的第一帧YUV图像不是输入的视频图像数据流的第一帧YUV图像；
步骤2、获取步骤1输入的视频图像数据流中目标区域位置坐标配置参数；
所述目标区域位置坐标配置参数包含：能见度标识牌的区域位置坐标，以及天空背景目标区域的位置坐标；
步骤3、目标区域亮度调整
(3.1)计算测试数据流中第一帧YUV图像亮度信息
(3.1.1)输入测试数据流中第一帧YUV图像的原始数据，依据天空背景目标区域的位置坐标配置参数，从该YUV原始数据中截取天空背景目标区域图像Isky，通过YUV颜色空间到RGB颜色空间转换公式，计算图像Isky的三基色分量R分量、G分量、B分量，取图像Isky每个像素单元的三基色最大值创建该目标区域的明度分量Vsky＝max(R，G，B)；
(3.1.2)统计Vsky的直方图信息一维数组Hsky，然后使用高斯滤波器对Vsky的直方图数组Hsky进行平滑滤波，消除亮度突变干扰，平滑滤波结果表示为Hsky_filter；
(3.1.3)对Hsky_filter按照灰阶由低到高进行概率和累计统计，并计算灰阶概率和累计到95％时的灰阶数值Vroi_cur，然后读取当前帧YUV图像的上一帧图像的YUV数据采用同样方法步骤计算的灰阶数值结果Vroi_last，使用Vroi_last对Vroi_cur进行加权修正，修正结果重新赋值给Vroi_ref；
Vroi_ref＝Vroi_cur*wx+Vroi_last*wy
wx和wy分别表示当前帧目标区域计算灰阶数值和上帧目标区域计算灰阶数值的加权系数，且满足关系式wx+wy＝1；
(3.1.4)在步骤2.1.3完成之后，将该灰阶数值Vroi_ref表示为目标区域的亮度信息；
(3.2)判断目标区域亮度调整方向；
(3.2.1)输入步骤(3.1.4)得到的Vroi_ref，并判断Vroi_ref是否在亮度合理区域间水平，所述亮度合理区间为[VThr_min，VThr_max]；
根据调整方向对目标区域的状态标记位Vroi_adjflag进行赋值；
Vroi_adjflag和Vroi_ref的映射关系如下：
即：
当Vroi_adjflag赋值为0时，当前目标亮度处于理想状态且不需要做任何调整；
当Vroi_adjflag赋值为1时，当前目标亮度处于过曝状态；
当Vroi_adjflag赋值为-1时，当前目标亮度处于欠曝或过暗状态
(3.3)根据Vroi_adjflag赋值情况，对目标区域亮度做出不同的调整
步骤(3.3)所述调整为对生成视频图像数据流的前端成像参数的调整，这里的前端成像参数包含增益数值gianVal，以及快门数值shutterVal；
这里的增益数值gianVal的调整区间表示为[gainMin,gainMax]，gainMin表示最小增益数值，gainMax表示最大增益数值；
这里的快门数值shutterVal的调整区间表示为[shutterMin,shutterMax]，shutterMin表示最小快门数值，shutterMax表示最大快门数值；
(3.3.1)当Vroi_adjflag数值为非零时，即Vroi_adjflag为-1或1时，则进行增益数值gianVal或者快门数值shutterVal调整，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.2)当Vroi_adjflag数值为零时，不进行前端成像参数的调整，直接进入步骤4；
步骤4、对步骤3最终获取的能见度检测数据流进行能见度检测。
进一步，在步骤(3.3.1)中，当Vroi_adjflag为-1时，增益数值gianVal或者快门数值shutterVal的具体调整步骤为：
(3.3.1.1)判断shutterVal是否达到上限值，若未达到上限，则将shutterVal上调1个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.2)如果shutterVal已达到上限值且快门不能调整且增益参数没有达到上限值，则将gianVal上调1个等级，同时shutterVal下调2个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.3)其他情况则不做任何调整，进入步骤(4)。
进一步，在步骤(3.3.1)中，当Vroi_adjflag为1时，增益数值gianVal或者快门数值shutterVal的具体调整步骤为：
(3.3.1.4)判断gianVal是否达到下限值，如果gianVal没有达到下限值，则将gianVal下调1个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.5)如果gianVal已经达到下限值且增益不能调整且shutterVal没有达到上限值，则将shutterVal下调1个等级，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.6)其他情况则不做任何调整，进入步骤(4)。
进一步，为了防止无限次调整，步骤(3.3.1)中在每次参数调整完成后还包括统计调整次数D，并判断D是否大于调整上限adjCntMax，且M≥adjCntMax，当D＜adjCntMax时，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；当D≥adjCntMax时，则直接进入步骤4。
进一步，adjCntMax取值为25。
进一步，wx＝0.75，wy＝0.25。
本发明还提供一种视频能见度检测方法，该方法包括以上述任一种方法对目标区域进行亮度调节的步骤。
本发明还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时可实现上任一项所述的方法。
本发明还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时可实现上述的方法。
本发明相比现有技术具有以下优点：本发明提供了一种视频能见度检测过程中目标亮度调节方法，该方法解决了基于视频的能见度检测过程中目标亮度调整不合理的问题，从成像数据上保障目标特征统计的更加准确、合理、有效。同时，也极大程度上降低能见度数据误报风险，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能见度检测过程中目标亮度调整流程图；
图2能见度检测数据流中第X帧图像天空背景区域调整前状态示意图；
图3能见度检测数据流中第X帧图像天空背景区域第一次调整后状态示意图；
图4能见度检测数据流中第X帧图像天空背景区域第二次调整后状态示意图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
参考图1，本实施例提供一种视频能见度检测过程中目标亮度调节方法,该方法包括以下步骤：
步骤1、输入包含待检测摄像机视频图像数据流的视频图像数据流，所述待检测摄像机视频图像数据流由A帧连续的YUV图像序列构成，且该图像序列前M帧图像构成判断调整方向的测试数据流，后N帧图像构成能见度检测数据流，且A＝M+N,且待检测摄像机视频图像数据流的第一帧YUV图像不是输入的视频图像数据流的第一帧YUV图像；
步骤2、获取步骤1输入的视频图像数据流中目标区域位置坐标配置参数；
所述目标区域位置坐标配置参数包含：能见度标识牌的区域位置坐标，以及天空背景目标区域的位置坐标；
步骤3、目标区域亮度调整
(3.1)计算测试数据流中当前帧YUV图像亮度信息
(3.1.1)输入测试数据流中当前帧YUV图像的原始数据，依据天空背景目标区域的位置坐标配置参数，从该YUV原始数据中截取天空背景目标区域图像Isky，通过YUV颜色空间到RGB颜色空间转换公式，计算图像Isky的三基色分量R分量、G分量、B分量，取图像Isky每个像素单元的三基色最大值创建该目标区域的明度分量Vsky＝max(R，G，B)；
(3.1.2)统计Vsky的直方图信息一维数组Hsky，然后使用高斯滤波器对Vsky的直方图数组Hsky进行平滑滤波，消除亮度突变干扰，平滑滤波结果表示为Hsky_filter；
(3.1.3)对Hsky_filter按照灰阶由低到高进行概率和累计统计，并计算灰阶概率和累计到95％时的灰阶数值Vroi_cur，然后读取当前帧YUV图像的上一帧图像的YUV数据采用同样方法步骤计算的灰阶数值结果Vroi_last，使用Vroi_last对Vroi_cur进行加权修正，修正结果重新赋值给Vroi_ref；
Vroi_ref＝Vroi_cur*wx+Vroi_last*wy
wx和wy分别表示当前帧目标区域计算灰阶数值和上帧目标区域计算灰阶数值的加权系数，且满足关系式wx+wy＝1；
(3.1.4)在步骤2.1.3完成之后，将该灰阶数值Vroi_ref表示为目标区域的亮度信息；
(3.2)判断目标区域亮度调整方向；
(3.2.1)输入步骤(3.1.4)得到的Vroi_ref，并判断Vroi_ref是否在亮度合理区域间水平，所述亮度合理区间为[VThr_min，VThr_max]；
在本实施例中VThr_min取值范围为230-235；VThr_max取值范围为245-250。
根据调整方向对目标区域的状态标记位Vroi_adjflag进行赋值；
Vroi_adjflag和Vroi_ref的映射关系如下：
即：
当Vroi_adjflag赋值为0时，当前目标亮度处于理想状态且不需要做任何调整；
当Vroi_adjflag赋值为1时，当前目标亮度处于过曝状态；
当Vroi_adjflag赋值为-1时，当前目标亮度处于欠曝或过暗状态
(3.3)根据Vroi_adjflag赋值情况，对目标区域亮度做出不同的调整
步骤(3.3)所述调整为对生成视频图像数据流的前端成像参数的调整，这里的前端成像参数包含增益数值gianVal，以及快门数值shutterVal；
这里的增益数值gianVal的调整区间表示为[gainMin,gainMax]，gainMin表示最小增益数值，gainMax表示最大增益数值；
这里的快门数值shutterVal的调整区间表示为[shutterMin,shutterMax]，shutterMin表示最小快门数值，shutterMax表示最大快门数值；
(3.3.1)当Vroi_adjflag数值为非零时，即Vroi_adjflag为-1或1时，则进行增益数值gianVal或者快门数值shutterVal调整，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.2)当Vroi_adjflag数值为零时，不进行前端成像参数的调整，直接进入步骤4；
步骤4、对步骤3最终获取的能见度检测数据流进行能见度检测。
进一步，为了更好的目标区域亮度调整，在步骤(3.3.1)中，当Vroi_adjflag为-1时，增益数值gianVal或者快门数值shutterVal的具体调整步骤为：
(3.3.1.1)判断shutterVal是否达到上限值，若未达到上限，则将shutterVal上调1个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.2)如果shutterVal已达到上限值且快门不能调整且增益参数没有达到上限值，则将gianVal上调1个等级，同时shutterVal下调2个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.3)其他情况则不做任何调整，进入步骤(4)。
进一步，在步骤(3.3.1)中，当Vroi_adjflag为1时，增益数值gianVal或者快门数值shutterVal的具体调整步骤为：
(3.3.1.4)判断gianVal是否达到下限值，如果gianVal没有达到下限值，则将gianVal下调1个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.5)如果gianVal已经达到下限值且增益不能调整且shutterVal没有达到上限值，则将shutterVal下调1个等级，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.6)其他情况则不做任何调整，进入步骤(4)。
进一步，为了防止无限次调整，步骤(3.3.1)中在每次参数调整完成后还包括统计调整次数D，并判断D是否大于调整上限adjCntMax，且M≥adjCntMax，当D＜adjCntMax时，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；当D≥adjCntMax时，则直接进入步骤4。
进一步，adjCntMax取值为25。
进一步，wx＝0.75，wy＝0.25。
参考附图2-4，为利用本实施例方法能行能见度测试过程中对目标区域亮度进行了两次调整后的示意图，图2为调整前状态图，图3则是调整一次后的状态图，图4则是调整两次后的状态图，由图中可看出目标区域亮度逐渐变化至理想状态。
实施例二
本发明还提供一种视频能见度检测方法，该方法包括以上述任一种方法对目标区域进行亮度调节的步骤。
实施例三
本发明还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时可实现上任一项所述的方法。
Claims (9)
1.一种视频能见度检测过程中目标亮度调节方法，其特征在于，该方法包括以下步骤：
步骤1、输入包含待检测摄像机视频图像数据流的视频图像数据流，所述待检测摄像机视频图像数据流由A帧连续的YUV图像序列构成，且该图像序列前M帧图像构成判断调整方向的测试数据流，后N帧图像构成能见度检测数据流，且A＝M+N,且待检测摄像机视频图像数据流的第一帧YUV图像不是输入的视频图像数据流的第一帧YUV图像；
步骤2、获取步骤1输入的视频图像数据流中目标区域位置坐标配置参数；
所述目标区域位置坐标配置参数包含：能见度标识牌的区域位置坐标，以及天空背景目标区域的位置坐标；
步骤3、目标区域亮度调整
(3.1)计算测试数据流中第一帧YUV图像亮度信息
(3.1.1)输入测试数据流中第一帧YUV图像的原始数据，依据天空背景目标区域的位置坐标配置参数，从该YUV原始数据中截取天空背景目标区域图像Isky，通过YUV颜色空间到RGB颜色空间转换公式，计算图像Isky的三基色分量R分量、G分量、B分量，取图像Isky每个像素单元的三基色最大值创建该目标区域的明度分量Vsky＝max(R，G，B)；
(3.1.2)统计Vsky的直方图信息一维数组Hsky，然后使用高斯滤波器对Vsky的直方图数组Hsky进行平滑滤波，消除亮度突变干扰，平滑滤波结果表示为Hsky_filter；
(3.1.3)对Hsky_filter按照灰阶由低到高进行概率和累计统计，并计算灰阶概率和累计到95％时的灰阶数值Vroi_cur，然后读取当前帧YUV图像的上一帧图像的YUV数据采用同样方法步骤计算的灰阶数值结果Vroi_last，使用Vroi_last对Vroi_cur进行加权修正，修正结果重新赋值给灰阶数值Vroi_ref；
Vroi_ref＝Vroi_cur*wx+Vroi_last*wy
wx和wy分别表示当前帧目标区域计算灰阶数值和上帧目标区域计算灰阶数值的加权系数，且满足关系式wx+wy＝1；
(3.1.4)在步骤2.1.3完成之后，将该灰阶数值Vroi_ref表示为目标区域的亮度信息；
(3.2)判断目标区域亮度调整方向；
(3.2.1)输入步骤(3.1.4)得到的Vroi_ref，并判断Vroi_ref是否在亮度合理区域间水平，所述亮度合理区间为[VThr_min，VThr_max]；
根据调整方向对目标区域的状态标记位Vroi_adjflag进行赋值；
Vroi_adjflag和Vroi_ref的映射关系如下：
即：
当Vroi_adjflag赋值为0时，当前目标亮度处于理想状态且不需要做任何调整；
当Vroi_adjflag赋值为1时，当前目标亮度处于过曝状态；
当Vroi_adjflag赋值为-1时，当前目标亮度处于欠曝或过暗状态
(3.3)根据Vroi_adjflag赋值情况，对目标区域亮度做出不同的调整
步骤(3.3)所述调整为对生成视频图像数据流的前端成像参数的调整，这里的前端成像参数包含增益数值gianVal，以及快门数值shutterVal；
这里的增益数值gianVal的调整区间表示为[gainMin,gainMax]，gainMin表示最小增益数值，gainMax表示最大增益数值；
这里的快门数值shutterVal的调整区间表示为[shutterMin,shutterMax]，shutterMin表示最小快门数值，shutterMax表示最大快门数值；
(3.3.1)当Vroi_adjflag数值为非零时，即Vroi_adjflag为-1或1时，则进行增益数值gianVal或者快门数值shutterVal调整，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.2)当Vroi_adjflag数值为零时，不进行前端成像参数的调整，直接进入步骤4；
步骤4、对步骤3最终获取的能见度检测数据流进行能见度检测。
2.根据权利要求1所述的一种视频能见度检测过程中目标亮度调节方法，其特征在于，在步骤(3.3.1)中，当Vroi_adjflag为-1时，增益数值gianVal或者快门数值shutterVal的具体调整步骤为：
(3.3.1.1)判断shutterVal是否达到上限值，若未达到上限，则将shutterVal上调1个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.2)如果shutterVal已达到上限值且快门不能调整且增益参数没有达到上限值，则将gianVal上调1个等级，同时shutterVal下调2个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.3)其他情况则不做任何调整，进入步骤(4)。
3.根据权利要求2所述的一种视频能见度检测过程中目标亮度调节方法，其特征在于，在步骤(3.3.1)中，当Vroi_adjflag为1时，增益数值gianVal或者快门数值shutterVal的具体调整步骤为：
(3.3.1.4)判断gianVal是否达到下限值，如果gianVal没有达到下限值，则将gianVal下调1个等级数值，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.5)如果gianVal已经达到下限值且增益不能调整且shutterVal没有达到上限值，则将shutterVal下调1个等级，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；
(3.3.1.6)其他情况则不做任何调整，进入步骤(4)。
4.根据权利要求3所述的一种视频能见度检测过程中目标亮度调节方法，其特征在于，
为了防止无限次调整，步骤(3.3.1)中在每次参数调整完成后还包括统计调整次数D，并判断D是否大于调整上限adjCntMax，且M≥adjCntMax，当D＜adjCntMax时，调整完成后对该帧YUV图像之后的所有待检测摄像机视频图像数据流重新生成，且调整后返回步骤(3.1)计算重新生成的测试数据流中第一帧YUV图像的亮度信息并重新判断调整方向；当D≥adjCntMax时，则直接进入步骤4。
5.根据权利要求4所述的一种视频能见度检测过程中目标亮度调节方法，其特征在于，adjCntMax取值为25。
6.根据权利要求5所述的一种视频能见度检测过程中目标亮度调节方法，其特征在于，wx＝0.75，wy＝0.25。
7.一种视频能见度检测方法，其特征在于，该方法包括以上述权利要求1-6中任一种方法对目标区域进行亮度调节的步骤。
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时可实现权利要求1～6任一项所述的方法。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时可实现权利要求7所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810951846.1A CN109166081B (zh) | 2018-08-21 | 2018-08-21 | 一种视频能见度检测过程中目标亮度调节方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810951846.1A CN109166081B (zh) | 2018-08-21 | 2018-08-21 | 一种视频能见度检测过程中目标亮度调节方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109166081A CN109166081A (zh) | 2019-01-08 |
| CN109166081B true CN109166081B (zh) | 2020-09-04 |
Family
ID=64896187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810951846.1A Active CN109166081B (zh) | 2018-08-21 | 2018-08-21 | 一种视频能见度检测过程中目标亮度调节方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109166081B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110689488B (zh) * | 2019-08-22 | 2022-03-04 | 稿定（厦门）科技有限公司 | 图像调色方法、介质、设备及装置 |
| CN110660109B (zh) * | 2019-10-23 | 2022-04-05 | 北京精英系统科技有限公司 | 一种提高智能摄像机使用便捷性和最优化图像环境的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JP2012168936A (ja) * | 2011-02-12 | 2012-09-06 | Hitachi Ltd | 動画処理装置及び動画処理方法 |
| CN104634784A (zh) * | 2013-11-08 | 2015-05-20 | 中国电信股份有限公司 | 大气能见度监测方法和装置 |
| CN104809707A (zh) * | 2015-04-28 | 2015-07-29 | 西南科技大学 | 一种单幅雾天图像能见度估计方法 |
| CN105424655A (zh) * | 2015-11-04 | 2016-03-23 | 北京交通大学 | 一种基于视频图像的能见度检测方法 |
-
2018
- 2018-08-21 CN CN201810951846.1A patent/CN109166081B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JP2012168936A (ja) * | 2011-02-12 | 2012-09-06 | Hitachi Ltd | 動画処理装置及び動画処理方法 |
| CN104634784A (zh) * | 2013-11-08 | 2015-05-20 | 中国电信股份有限公司 | 大气能见度监测方法和装置 |
| CN104809707A (zh) * | 2015-04-28 | 2015-07-29 | 西南科技大学 | 一种单幅雾天图像能见度估计方法 |
| CN105424655A (zh) * | 2015-11-04 | 2016-03-23 | 北京交通大学 | 一种基于视频图像的能见度检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于双光源图像特征的夜间能见度观测方法研究;戴庞达 等;《光谱学与光谱分析》;20140131;第34卷(第1期);第1-5页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109166081A (zh) | 2019-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059694B (zh) | 电力行业复杂场景下的文字数据的智能识别方法 | |
| US20160260306A1 (en) | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds | |
| CN103630496B (zh) | 基于路面视亮度和最小二乘法的交通视频能见度检测方法 | |
| WO2007000999A1 (ja) | 画像分析装置および画像分析方法 | |
| CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
| CN110378865A (zh) | 一种复杂背景下的雾天能见度智能分级识别方法及系统 | |
| CN107065037A (zh) | 一种自动气象站数据采集控制系统 | |
| CN109166081B (zh) | 一种视频能见度检测过程中目标亮度调节方法 | |
| CN104504744A (zh) | 一种合成车牌图像的拟真方法及装置 | |
| CN110826412A (zh) | 高速公路能见度检测系统和方法 | |
| CN117953445B (zh) | 基于交通监控相机雨天道路能见度测定方法、系统及介质 | |
| CN113536935A (zh) | 一种工程现场的安全监测方法及设备 | |
| CN118135426B (zh) | 一种基于卫星影像与sam的港口水域交通状况识别方法 | |
| CN112489055A (zh) | 融合亮度-时序特征的卫星视频动态车辆目标提取方法 | |
| CN106384359A (zh) | 运动目标跟踪方法和电视 | |
| CN117451012B (zh) | 一种无人机航摄测量方法及系统 | |
| CN101887579A (zh) | 基于散射模型的水下图像复原方法 | |
| CN107610058A (zh) | 基于下采样的高分辨率图像去雾方法 | |
| CN112419272B (zh) | 一种雾天高速公路能见度快速估计方法及系统 | |
| CN113989394A (zh) | 用于自动驾驶模拟环境色温的图像处理方法及系统 | |
| CN114519694A (zh) | 基于深度学习的七段数码管液晶显示屏识别方法及系统 | |
| CN116563774B (zh) | 国土耕地非法开采自动识别方法及系统 | |
| KR102040562B1 (ko) | 영상정보를 활용한 시정거리 추정 방법 | |
| CN110136104B (zh) | 基于无人机地面站的图像处理方法、系统及介质 | |
| CN115359094B (zh) | 一种基于深度学习的运动目标检测方法 |
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 |