CN109285187A - 一种基于道路监控视频图像的最远可见点检测方法 - Google Patents
一种基于道路监控视频图像的最远可见点检测方法 Download PDFInfo
- Publication number
- CN109285187A CN109285187A CN201811054764.3A CN201811054764A CN109285187A CN 109285187 A CN109285187 A CN 109285187A CN 201811054764 A CN201811054764 A CN 201811054764A CN 109285187 A CN109285187 A CN 109285187A
- Authority
- CN
- China
- Prior art keywords
- image
- background
- pixel
- gray scale
- contrast
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于道路监控视频图像的最远可见点检测方法,包括如下步骤:(1)安装摄像机后,手工标示出待分析区域;(2)对待分析区域进行背景提取;(3)推导背景图像中可视点的对比度阈值;(4)计算图像对比度,与阈值对比,得到最远可见点。本发明采用手工标示分析区域的方法,既避免了路标等干扰信息,提高了算法精度,又可以大大减少计算量,适合用于嵌入式平台;对待分析区域采用背景提取的方法,可以充分利用道路监控视频图像,同时避免过往车辆引入的干扰;通过气象学中能见度的相关定义,推导出简便、易实现的最远可见点的检测方法。
Description
技术领域
本发明涉及摄像机标定、计算机视觉和交通视频检测领域,尤其是一种基于道路监控视频图像的最远可见点检测方法。
背景技术
高速公路上的信息提示牌经常有能见度值信息,它指此位置具有正常视力的人在当时的天气条件下还能够看清楚目标轮廓的最大距离。处理监控摄像机拍摄的图像来模拟人眼特征计算当前位置的能见度值并给予驾驶员提示对交通安全具有重大意义。监控摄像机分布密集,若每台摄像机均提供能见度检测功能,则交通管理部门可以对高速公路全线进行能见度监控,从而在低能见度时可以采取更加有效的交通管制措施。
本发明的最远可见点检测主要运用于白天场景,气象学中白天能见度(Meteorological visibility by day)定义为:相对于雾、天空等散射光背景下观测时,一个安置在地面附近的适当尺度的黑色目标物能被看到和辨认出的最大距离。气象学上能见度测量仪的理论根据为Bougner-Lamber定律,通过测量白炽灯发出色温2700K的平行光束的光通量在大气中衰减到5%时的需要的距离作为能见度。1924年Koschmieder总结了Bougner-Lamber定律后提出了以天空为背景,被观测的发光物体的观测亮度与距离的关系,奠定了基于观测亮度进行能见度测量的理论基础。Duntley推导出大气衰减定律,认为目标物的视亮度对比与目标物的固有亮度对比的比值与目标物离观测点的距离呈指数关系。Jourlin和Pinoli结合Koschmieder定律,分析人眼对光线感知与图像亮度之间的生物学联系,推导出了基于图像点的对数对比度模型,从而使基于图像进行对比度计算得到能见度值提供理论依据。根据对数对比度模型,提出最大对比度模型,该模型分析图像中像素点之间灰度对比度,根据对比度值得到图像中可见最远像素点,该方法运算量较大。Hautière等在使用的最大对比度模型,结合CIE的对比度定义进行了改进,减少了运算量。S.Bronte,L.M.Bergasa等提出了一种较为快速的计算方法,他们将白天天空与道路的连接点作为能见最远点,并根据此点计算能见度,但是连接点处图像信息复杂,容易受到障碍物影响,稳定性较差。陈钊正等在Hautière的对比度模型基础上分析对比度和距离之间关系,在图像中由近及远选取虚拟目标物,拟合得到对比度和距离之间的关系曲线,在曲线中将对比度阈值0.05对应的距离作为能见度值,该方法容易受到噪声影响,准确性一般。
发明内容
本发明所要解决的技术问题在于,提供一种基于道路监控视频图像的最远可见点检测方法,能够方便地用嵌入式系统实现,大大提高了计算的精度,降低了计算量。
为解决上述技术问题,本发明提供一种基于道路监控视频图像的最远可见点检测方法,包括如下步骤:
(1)安装摄像机后,手工标示出待分析区域;
(2)对待分析区域进行背景提取;
(3)推导背景图像中可视点的对比度阈值;
(4)计算图像对比度,与阈值对比,得到最远可见点。
优选的,步骤(1)中,手工标示出待分析区域具体包括如下步骤:
(11)首先标示待分析的路面区域;路面区域在道路监控视频图像为梯形,视频图像中手工标示出表征路面区域的四个点,分别为左侧车道边缘顶点A、底点D;右车道边缘顶点B、底点C;
(12)根据这四个点确定待分析区域,连接AD、BC;从上往下逐行扫描,当直线AD与BC的间距为图像宽度的十分之一时停止,该行与直线AD与BC的交点分别为G、H,以这两点向上作直线,直线间区域属于待分析区域;
(13)取AD、BC的中点E、F,梯形GHEF属于待分析区域;ACBD均属于路面区域,雾天和非雾天灰度变化的区别主要在地平线附近,各种天气下图像在靠近底端的路面区域灰度变化均趋于平缓,所以仅选择GHFE表征路面区域;
(14)以上步骤得到的区域合并,即为最终待分析区域。
优选的,步骤(2)中,对待分析区域进行背景提取具体包括如下步骤:
(21)使用灰度统计方法计算初始背景;一段时间内,统计连续多帧图像同一个像素点的各灰度值出现次数,取出现次数最多的灰度作为背景图像中该像素点灰度;在连续图像帧中,如果前景未覆盖该点,该点灰度基本保持不变,即为背景物体灰度,该灰度出现次数最多;如果有前景覆盖该点时,由于前景为运动物体,该点灰度会发生较大变化且每个灰度出现次数不会很多,则一段时间内取该点出现次数最多的灰度为背景灰度;
(22)得到初始背景图像后,使用均值法结合初始背景图像计算新背景图像;抽取图像中连续N张图像,将每张图像相同坐标的像素点的灰度累加后求平均,每个像素点灰度平均值组成背景图像,数学表达式如下:
Ik(x,y)表示第k帧图像坐标(x,y)处像素点的灰度,B0(x,y)为背景图像中坐标(x,y)处像素点的灰度;计算时,每个像素点在每帧图像中灰度与在初始背景中灰度差值如果超出一定阈值,说明该点此时可能被前景覆盖或者是噪声,不对该灰度进行累加;否则该点表征背景场景,进行累加;背景图像中坐标(x,y)的像素点灰度计算公式如下:
B1(x,y)为新背景图像该点灰度,Ik(x,y)为第k帧图像的该点灰度,B0(x,y)为旧背景图像该点灰度,Vk(x,y)变量判断是否对第k帧图像的该点灰度累加,Nxy为坐标(x,y)处像素点灰度累加次数。
优选的,步骤(3)中,推导背景图像中可视点的对比度阈值具体包括如下步骤:
(31)V为视频图像方法检测得到的能见度,P为气象仪器检测出的能见度值,则V=P;
(32)基于Koschmieder法则,观测亮度L为:
L=L0e-σd+Lf(1-e-σd)
其中,L0为物体本身亮度,Lf为背景天空亮度,d为观测点距离该物体的距离,σ为此时场景的消光系数;图像中物体背景均为观测亮度,结合上式,物体与背景的对比度为
CBW为图像中物体相对于背景的亮度对比度,Lb为背景观测亮度,Lw为物体观测亮度,Lb0为背景本身亮度,Lw0为物体本身亮度。则:
此处,σ为消光系数,通过σ可以建立距离d和气象能见度值P的关系,将上式代入得:
上式计算得到的最大值即为图像方法的观测能见度V,观测时的背景通常为路面,背景的本身亮度Lb0为0;则
Lw0一般小于天空自身亮度Lf,为了求取右式能见度的最大值,设Lw0=Lf,则
而基于图像的能见度值V应该和基于气象方法得到的标准值P一致,令V=P,从而计算出基于图像方法计算能见度值时应该选取的对比度阈值为:
因此,针对图像中物体背景对比度计算时以0.05为阈值,如果对比度小于该值,则认为物体无法被看到。
优选的,步骤(4)中,计算图像对比度,与阈值对比,得到最远可见点具体包括为:图像f中像素x的对比度计算公式为:
其中,xi为像素x的四邻域中某个像素,f(x)为像素x处的灰度;对图像中每个像素x,取四邻域共可以算出四个对比度,选取最大的对比度为像素x的对比度值,即
C(x)=maxC(x,xi),xi∈V4
计算四邻域对比度时,按照从上到下,从左到右的顺序,像素x右侧为xr,根据对比度计算公式C(x,xi)=C(xi,x),则计算每个点四邻域出现了重复计算,所以将四邻域简化为二邻域;在图像中计算每个像素点的对比度,大于0.05的认为该像素表征的物体可以被看见。
本发明的有益效果为:(1)本发明在背景图像的待分析区域内进行满足对比度阈值的最远点寻找减少了运算量和物体干扰,能够方便地用嵌入式系统实现;(2)对待分析区域进行背景提取时,采用多幅(例100幅)图像,运用灰度统计方法和均值法相结合;用均值法计算时,每个像素点在每帧图像中灰度与在初始背景中灰度差值如果超出一定阈值,说明该点此时可能被前景覆盖或者是噪声,不对该灰度进行累加;否则该点表征背景场景,进行累加;并记录下每个像素点的累加次数,如果多幅图像中超过一半图像没进行累加,则认为干扰太多,重新计算;这样的方法大大提高了计算的精度;(3)在对比度运算中,为进一步降低计算量,根据对比度计算公式C(x,xi)=C(xi,x),若计算每个点四邻域出现了重复计算,所以将四邻域减少为二邻域。
附图说明
图1为本发明的待分析区域提取示意图。
图2为本发明的方法流程示意图。
具体实施方式
如图1和2所示,一种基于道路监控视频图像的最远可见点检测方法,包括如下步骤:
步骤1:手工标示出待分析区域。具体步骤为:
1.1)手工标示出表征车道的四个点,分别为左侧车道边缘顶点A、底点D;右车道边缘顶点B、底点C。
1.2)根据这四个点确定待分析区域。连接AD、BC。从上往下逐行扫描,当直线AD与BC的间距为图像宽度的十分之一时停止,该行与直线AD与BC的交点分别为G、H。以这两点向上作直线,直线间区域属于待分析区域。这部分区域一般为天空和地平线区域,没有直接以AB间的区域向上做直线是因为一般AB之间像素个数太少,统计平均灰度容易被个别像素干扰,出现一定波动,经过大量实验,选择图片宽的十分之一,即使有路标等干扰进入该区域,也只占几个像素,每行灰度经过平均,路标的影响会降到很低。
1.3)取AD、BC的中点E、F,梯形GHEF也属于待分析区域。ACBD均属于路面区域,雾天和非雾天灰度变化的区别主要在地平线附近,各种天气下图像在靠近底端的路面区域灰度变化均趋于平缓,所以仅选择GHFE表征路面区域。
1.4)以上步骤得到的区域合并,即为最终待分析区域。
步骤2:对待分析区域进行背景提取。具体流程如下:
2.1)初次运算使用灰度统计方法。一段时间内,统计连续多帧图像同一个像素点的各灰度值出现次数,取出现次数最多的灰度作为背景图像中该像素点灰度。在连续图像帧中,如果前景未覆盖该点,该点灰度基本保持不变,即为背景物体灰度,该灰度出现次数最多;如果有前景覆盖该点时,由于前景为运动物体,该点灰度会发生较大变化且每个灰度出现次数不会很多,则一段时间内取该点出现次数最多的灰度为背景灰度。
2.2)得到初始背景图像后,使用均值法结合初始背景图像计算新背景图像。抽取图像中连续N张图像,将每张图像相同坐标的像素点的灰度累加后求平均,每个像素点灰度平均值组成背景图像,数学表达式如下:
Ik(x,y)表示第k帧图像坐标(x,y)处像素点的灰度,B0(x,y)为背景图像中坐标(x,y)处像素点的灰度。计算时,每个像素点在每帧图像中灰度与在初始背景中灰度差值如果超出一定阈值,说明该点此时可能被前景覆盖或者是噪声,不对该灰度进行累加;否则该点表征背景场景,进行累加。背景图像中坐标(x,y)的像素点灰度计算公式如下:
B1(x,y)为新背景图像该点灰度,Ik(x,y)为第k帧图像的该点灰度,B0(x,y)为旧背景图像该点灰度,Vk(x,y)变量判断是否对第k帧图像的该点灰度累加,Nxy为坐标(x,y)处像素点灰度累加次数。
步骤3:推导背景图像中可视点的对比度阈值。
3.1)V为视频图像方法检测得到的能见度,P为气象仪器检测出的能见度值,则V=P。
3.2)基于Koschmieder法则,观测亮度为:
L=L0e-σd+Lf(1-e-σd)
其中,L0为物体本身亮度,Lf为背景天空亮度,d为观测点距离该物体的距离,σ为此时场景的消光系数,而观测亮度L由上述四个值确定。图像中物体背景均为观测亮度,结合上式,物体与背景的对比度为
CBW为图像中物体相对于背景的亮度对比度,Lb为背景观测亮度,Lw为物体观测亮度,Lb0为背景本身亮度,Lw0为物体本身亮度。则:
此处,σ为消光系数,通过σ可以建立距离d和气象能见度值P的关系,将上式代入得:
上式计算得到的最大值即为图像方法的观测能见度V,观测时的背景通常为路面,背景的本身亮度Lb0为0。则
Lw0一般小于天空自身亮度Lf,为了求取右式能见度的最大值,设Lw0=Lf,则
而基于图像的能见度值V应该和基于气象方法得到的标准值P一致,令V=P,从而计算出基于图像方法计算能见度值时应该选取的对比度阈值为:
因此,针对图像中物体背景对比度计算时以0.05为阈值,如果对比度小于该值,则认为物体无法被看到。
步骤4:计算图像对比度,与阈值对比,得到最远可见点。图像f中像素x的对比度计算公式为:
其中,xi为像素x的四邻域中某个像素,f(x)为像素x处的灰度。对图像中每个像素x,取四邻域共可以算出四个对比度,选取最大的对比度为像素x的对比度值,即
C(x)=maxC(x,xi),xi∈V4
计算四邻域对比度时,按照从上到下,从左到右的顺序,像素x右侧为xr,根据对比度计算公式C(x,xi)=C(xi,x),则计算每个点四邻域出现了重复计算,所以将四邻域简化为二邻域。在图像中计算每个像素点的对比度,大于0.05的认为该像素表征的物体可以被看见。
本发明采用手工标示分析区域的方法,既避免了路标等干扰信息,提高了算法精度,又可以大大减少计算量,适合用于嵌入式平台;对待分析区域采用背景提取的方法,可以充分利用道路监控视频图像,同时避免过往车辆引入的干扰;通过气象学中能见度的相关定义,推导出简便、易实现的最远可见点的检测方法。
Claims (5)
1.一种基于道路监控视频图像的最远可见点检测方法,其特征在于,包括如下步骤:
(1)安装摄像机后,手工标示出待分析区域;
(2)对待分析区域进行背景提取;
(3)推导背景图像中可视点的对比度阈值;
(4)计算图像对比度,与阈值对比,得到最远可见点。
2.如权利要求1所述的基于道路监控视频图像的最远可见点检测方法,其特征在于,步骤(1)中,手工标示出待分析区域具体包括如下步骤:
(11)首先标示待分析的路面区域;路面区域在道路监控视频图像为梯形,视频图像中手工标示出表征路面区域的四个点,分别为左侧车道边缘顶点A、底点D;右车道边缘顶点B、底点C;
(12)根据这四个点确定待分析区域,连接AD、BC;从上往下逐行扫描,当直线AD与BC的间距为图像宽度的十分之一时停止,该行与直线AD与BC的交点分别为G、H,以这两点向上作直线,直线间区域属于待分析区域;
(13)取AD、BC的中点E、F,梯形GHEF属于待分析区域;ACBD均属于路面区域,雾天和非雾天灰度变化的区别主要在地平线附近,各种天气下图像在靠近底端的路面区域灰度变化均趋于平缓,所以仅选择GHFE表征路面区域;
(14)以上步骤得到的区域合并,即为最终待分析区域。
3.如权利要求1所述的基于道路监控视频图像的最远可见点检测方法,其特征在于,步骤(2)中,对待分析区域进行背景提取具体包括如下步骤:
(21)使用灰度统计方法计算初始背景;一段时间内,统计连续多帧图像同一个像素点的各灰度值出现次数,取出现次数最多的灰度作为背景图像中该像素点灰度;在连续图像帧中,如果前景未覆盖该点,该点灰度基本保持不变,即为背景物体灰度,该灰度出现次数最多;如果有前景覆盖该点时,由于前景为运动物体,该点灰度会发生较大变化且每个灰度出现次数不会很多,则一段时间内取该点出现次数最多的灰度为背景灰度;
(22)得到初始背景图像后,使用均值法结合初始背景图像计算新背景图像;抽取图像中连续N张图像,将每张图像相同坐标的像素点的灰度累加后求平均,每个像素点灰度平均值组成背景图像,数学表达式如下:
Ik(x,y)表示第k帧图像坐标(x,y)处像素点的灰度,B0(x,y)为背景图像中坐标(x,y)处像素点的灰度;计算时,每个像素点在每帧图像中灰度与在初始背景中灰度差值如果超出一定阈值,说明该点此时可能被前景覆盖或者是噪声,不对该灰度进行累加;否则该点表征背景场景,进行累加;背景图像中坐标(x,y)的像素点灰度计算公式如下:
B1(x,y)为新背景图像该点灰度,Ik(x,y)为第k帧图像的该点灰度,B0(x,y)为旧背景图像该点灰度,Vk(x,y)变量判断是否对第k帧图像的该点灰度累加,Nxy为坐标(x,y)处像素点灰度累加次数。
4.如权利要求1所述的基于道路监控视频图像的最远可见点检测方法,其特征在于,步骤(3)中,推导背景图像中可视点的对比度阈值具体包括如下步骤:
(31)V为视频图像方法检测得到的能见度,P为气象仪器检测出的能见度值,则V=P;
(32)基于Koschmieder法则,观测亮度L为:
L=L0e-σd+Lf(1-e-σd)
其中,L0为物体本身亮度,Lf为背景天空亮度,d为观测点距离该物体的距离,σ为此时场景的消光系数;图像中物体背景均为观测亮度,结合上式,物体与背景的对比度为
CBW为图像中物体相对于背景的亮度对比度,Lb为背景观测亮度,Lw为物体观测亮度,Lb0为背景本身亮度,Lw0为物体本身亮度,则:
此处,σ为消光系数,通过σ可以建立距离d和气象能见度值P的关系,将上式代入得:
上式计算得到的最大值即为图像方法的观测能见度V,观测时的背景通常为路面,背景的本身亮度Lb0为0;则
Lw0一般小于天空自身亮度Lf,为了求取右式能见度的最大值,设Lw0=Lf,则
而基于图像的能见度值V应该和基于气象方法得到的标准值P一致,令V=P,从而计算出基于图像方法计算能见度值时应该选取的对比度阈值为:
因此,针对图像中物体背景对比度计算时以0.05为阈值,如果对比度小于该值,则认为物体无法被看到。
5.如权利要求1所述的基于道路监控视频图像的最远可见点检测方法,其特征在于,步骤(4)中,计算图像对比度,与阈值对比,得到最远可见点具体包括为:图像f中像素x的对比度计算公式为:
其中,xi为像素x的四邻域中某个像素,f(x)为像素x处的灰度;对图像中每个像素x,取四邻域共可以算出四个对比度,选取最大的对比度为像素x的对比度值,即
C(x)=maxC(x,xi),xi∈V4
计算四邻域对比度时,按照从上到下,从左到右的顺序,像素x右侧为xr,根据对比度计算公式C(x,xi)=C(xi,x),则计算每个点四邻域出现了重复计算,所以将四邻域简化为二邻域;在图像中计算每个像素点的对比度,大于0.05的认为该像素表征的物体可以被看见。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811054764.3A CN109285187A (zh) | 2018-09-11 | 2018-09-11 | 一种基于道路监控视频图像的最远可见点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811054764.3A CN109285187A (zh) | 2018-09-11 | 2018-09-11 | 一种基于道路监控视频图像的最远可见点检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109285187A true CN109285187A (zh) | 2019-01-29 |
Family
ID=65180443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811054764.3A Pending CN109285187A (zh) | 2018-09-11 | 2018-09-11 | 一种基于道路监控视频图像的最远可见点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109285187A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183436A (zh) * | 2020-10-12 | 2021-01-05 | 南京工程学院 | 基于像素点八邻域灰度对比的高速公路能见度检测方法 |
CN112598655A (zh) * | 2020-12-25 | 2021-04-02 | 上海眼控科技股份有限公司 | 一种能见度检测方法及设备 |
CN114419560A (zh) * | 2022-04-01 | 2022-04-29 | 苏州万店掌网络科技有限公司 | 一种检测目标物体的方法、装置以及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102779349A (zh) * | 2012-06-30 | 2012-11-14 | 东南大学 | 一种基于图像颜色空间特征的雾天检测方法 |
CN103927523A (zh) * | 2014-04-24 | 2014-07-16 | 东南大学 | 一种基于纵向灰度特征的雾天等级检测方法 |
-
2018
- 2018-09-11 CN CN201811054764.3A patent/CN109285187A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102779349A (zh) * | 2012-06-30 | 2012-11-14 | 东南大学 | 一种基于图像颜色空间特征的雾天检测方法 |
CN103927523A (zh) * | 2014-04-24 | 2014-07-16 | 东南大学 | 一种基于纵向灰度特征的雾天等级检测方法 |
Non-Patent Citations (1)
Title |
---|
陆立颖: "DESIGN AND IMPLEMENTATION OF FOG VISIBILITY DETECTION SYSTEM BASED ON IMAGE ANALYSIS", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183436A (zh) * | 2020-10-12 | 2021-01-05 | 南京工程学院 | 基于像素点八邻域灰度对比的高速公路能见度检测方法 |
CN112183436B (zh) * | 2020-10-12 | 2023-11-07 | 南京工程学院 | 基于像素点八邻域灰度对比的高速公路能见度检测方法 |
CN112598655A (zh) * | 2020-12-25 | 2021-04-02 | 上海眼控科技股份有限公司 | 一种能见度检测方法及设备 |
CN114419560A (zh) * | 2022-04-01 | 2022-04-29 | 苏州万店掌网络科技有限公司 | 一种检测目标物体的方法、装置以及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10607089B2 (en) | Re-identifying an object in a test image | |
CN105931220B (zh) | 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法 | |
CN105424655B (zh) | 一种基于视频图像的能见度检测方法 | |
JP4942509B2 (ja) | 車両位置検出方法及び装置 | |
US8712096B2 (en) | Method and apparatus for detecting and tracking vehicles | |
CN104011737B (zh) | 用于探测雾的方法 | |
CN103164711B (zh) | 基于像素和支持向量机的区域人流密度估计的方法 | |
CN104809707A (zh) | 一种单幅雾天图像能见度估计方法 | |
CN109285187A (zh) | 一种基于道路监控视频图像的最远可见点检测方法 | |
CN105868745B (zh) | 基于动态场景感知的天气识别方法 | |
CN108830246B (zh) | 一种交通环境行人多维运动特征视觉提取方法 | |
CN106096604A (zh) | 基于无人平台的多波段融合探测方法 | |
CN105261018A (zh) | 基于光学模型和暗原色先验理论的能见度检测方法 | |
CN104268851A (zh) | 一种基于深度信息的atm自助营业厅行为分析方法 | |
CN104616294A (zh) | 一种基于视觉显著性的色调映射图像质量评价方法 | |
CN108021849B (zh) | 一种行人预警方法及装置 | |
Halmaoui et al. | Contrast restoration of road images taken in foggy weather | |
Qi et al. | Small infrared target detection utilizing local region similarity difference map | |
Choi et al. | Fog detection for de-fogging of road driving images | |
CN105631825B (zh) | 基于滚动导向的图像去雾方法 | |
CN112017213B (zh) | 一种目标对象的位置更新方法及系统 | |
CN103927523B (zh) | 一种基于纵向灰度特征的雾天等级检测方法 | |
CN115797411B (zh) | 一种利用机器视觉在线识别水电站电缆桥架形变的方法 | |
CN112461345B (zh) | 一种基于lsd直线检测算法的汽车衡轧线出界检测方法 | |
US20230135343A1 (en) | Degradation display system, degradation display method, and recording medium |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190129 |
|
RJ01 | Rejection of invention patent application after publication |