CN110020642A - 一种基于车辆检测的能见度识别方法 - Google Patents
一种基于车辆检测的能见度识别方法 Download PDFInfo
- Publication number
- CN110020642A CN110020642A CN201910396892.4A CN201910396892A CN110020642A CN 110020642 A CN110020642 A CN 110020642A CN 201910396892 A CN201910396892 A CN 201910396892A CN 110020642 A CN110020642 A CN 110020642A
- Authority
- CN
- China
- Prior art keywords
- road
- visibility
- image
- detection
- pixel region
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Abstract
本发明涉及一种基于车辆检测的能见度识别方法,以道路监控为基础,将捕获的道路图像作为源数据,采用caffe‑ssd方法作为目标图像识别方法,实现汽车目标的检测,并结合不同道路图像帧下同一汽车的唯一标记,实现汽车目标移动轨迹像素的跟踪,具体通过新检测汽车目标所出现的像素位置、以及汽车目标消失前最后所在道路图像帧中的像素位置,结合实际道路路面上、相距图像捕获装置所在位置大于预设距离阈值的路面区域,实现道路能见度的检测,并且根据上述汽车像素位置与像素区域C边缘的最小距离,能够实现低能见度下、道路具体能见度的检测,整个能见度识别设计方法,不仅能够实现低能见度的检测,而且实现成本低、应用范围广。
Description
技术领域
本发明涉及一种基于车辆检测的能见度识别方法,属于技术领域。
背景技术
随着全国道路网的建设发展,道路行车安全也越来越受到关注。由于浓雾、强降水、降雪、雨雾等造成的低能见度天气,对道路行车安全造成了巨大的行车安全隐患。尽早的发现识别出低能见度路段、以及判别准确的能见度数值成为道路管理部门研究的重点。目前道路管理部门常用人工目测和能见度仪两种方式作为能见度识别的手段,但人工识别效率低,准确度差,而能见度仪监测识别安装成本高,布设密度不足,无法大面积的监测。因此需要寻找一种成本低、布设密度大、效率和准确度高的方法。目前虽然有一些利用图像识别方式进行低能见度识别的方法,但由于算法的限制无法对能见度低于200m的天气场景进行准确判别,而能见度低于200m的天气涉及到进一步的道路管制措施,是道路管理部门重点关注的区间。
发明内容
本发明所要解决的技术问题是提供一种基于车辆检测的能见度识别方法,以图像捕获为源数据,采用目标图像识别方法检测汽车目标,通过汽车目标的出现与消失,结合图像与实际道路的转换关系,获得道路能见度的检测。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种基于车辆检测的能见度识别方法,通过横跨道路上方、且固定角度指向道路方向的图像捕获装置,实现道路能见度检测,首先针对图像捕获装置实时所捕获的道路图像,初始化道路图像中像素位置与其所覆盖实际道路路面位置之间的转换关系,获得道路图像中对应实际道路路面上、相距图像捕获装置所在位置大于预设距离阈值的路面区域的像素区域C,完成初始化操作;
然后能见度识别方法中,实时获得图像捕获装置所捕获的道路图像,并实时针对各帧道路图像进行汽车目标检测,获得汽车移动轨迹像素,若像素区域C中存在汽车移动轨迹像素,则判定当前道路能见度大于预设距离阈值,否则判定当前道路能见度不超过预设距离阈值。
作为本发明的一种优选技术方案:所述初始化操作中,还包括定义道路图像中对应车辆面向图像捕获装置行驶的道路区域的像素区域A,以及定义道路图像中对应车辆背向图像捕获装置行驶的道路区域的像素区域B;所述能见度识别方法包括如下步骤:
步骤A.实时获得图像捕获装置所捕获的道路图像,并实时针对各帧道路图像进行汽车目标检测,并对各帧道路图像中的同一汽车目标进行唯一标记、跟踪;
其中,针对道路图像中的像素区域A,获得像素区域A中新检测所获汽车目标的像素位置A(x,y);同时针对道路图像中的像素区域B,获得像素区域B中、汽车目标最后所在道路图像帧中的像素位置B(x,y),然后进入步骤B;
步骤B.判断像素位置A(x,y)与像素位置B(x,y)是否位于像素区域C,是则判定当前道路能见度大于预设距离阈值,否则判定当前道路能见度不超过预设距离阈值。
作为本发明的一种优选技术方案:在判定当前道路能见度不超过预设距离阈值后,获得像素位置A(x,y)与像素位置B(x,y)相距像素区域C边缘的最小距离,并根据道路图像中像素位置与其所覆盖实际道路路面位置之间的转换关系,获得该最小距离所对应实际道路的长度,结合预设距离阈值,即获得当前道路的能见度。
作为本发明的一种优选技术方案:采用caffe-ssd方法,针对各帧道路图像进行汽车目标检测。
作为本发明的一种优选技术方案:所设预设距离阈值为200米。
作为本发明的一种优选技术方案:根据道路沿途各个位置所设的图像捕获装置,结合单个图像捕获装置所在位置对应的道路能见度,获得道路沿途能见度。
本发明所述一种基于车辆检测的能见度识别方法,采用以上技术方案与现有技术相比,具有以下技术效果:
本发明所设计基于车辆检测的能见度识别方法,以道路监控为基础,将捕获的道路图像作为源数据,采用caffe-ssd方法作为目标图像识别方法,实现汽车目标的检测,并结合不同道路图像帧下同一汽车的唯一标记,实现汽车目标移动轨迹像素的跟踪,具体通过新检测汽车目标所出现的像素位置、以及汽车目标消失前最后所在道路图像帧中的像素位置,结合道路图像中对应实际道路路面上、相距图像捕获装置所在位置大于预设距离阈值的路面区域的像素区域C,实现道路能见度的检测,并且根据上述汽车像素位置与像素区域C边缘的最小距离,能够实现低能见度下、道路具体能见度的检测,整个能见度识别设计方法,不仅能够实现低能见度的检测,而且实现成本低、应用范围广。
附图说明
图1是本发明设计基于车辆检测的能见度识别方法的流程示意图;
图2是本发明设计中对于像素区域A与像素区域B的示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种基于车辆检测的能见度识别方法,通过横跨道路上方、且固定角度指向道路方向的图像捕获装置,实现道路能见度检测,实际应用当中,如图1所示,首先针对图像捕获装置实时所捕获的道路图像,初始化道路图像中像素位置与其所覆盖实际道路路面位置之间的转换关系,获得道路图像中对应实际道路路面上、相距图像捕获装置所在位置大于预设距离阈值的路面区域的像素区域C,实际应用中,设定预设距离阈值为200米,即以200米为界实现能见度划分,同时,如图2所示,定义道路图像中对应车辆面向图像捕获装置行驶的道路区域的像素区域A,以及定义道路图像中对应车辆背向图像捕获装置行驶的道路区域的像素区域B,完成初始化操作。
然后能见度识别方法中,实时获得图像捕获装置所捕获的道路图像,并实时针对各帧道路图像进行汽车目标检测,获得汽车移动轨迹像素,若像素区域C中存在汽车移动轨迹像素,则判定当前道路能见度大于200米,否则判定当前道路能见度不超过200米。
实际应用中,具体执行如下步骤:
步骤A.实时获得图像捕获装置所捕获的道路图像,并实时采用caffe-ssd方法(一种简单快速的目标识别卷积神经网络算法),针对各帧道路图像进行汽车目标检测,并对各帧道路图像中的同一汽车目标进行唯一标记、跟踪。
其中,针对道路图像中的像素区域A,获得像素区域A中新检测所获汽车目标的像素位置A(x,y);同时针对道路图像中的像素区域B,获得像素区域B中、汽车目标最后所在道路图像帧中的像素位置B(x,y),然后进入步骤B。
对于像素区域B中像素位置B(x,y)的检测来说,诸如在第k帧道路图像中检测、并标记了v1汽车目标,然后在第k+1帧道路图像中,继续对v1汽车目标进行跟踪,知道在第k+n帧道路图像中检测不到v1汽车目标时,获得第k+n-1帧道路图像中v1汽车目标的像素位置,即B(x,y)。
步骤B.判断像素位置A(x,y)与像素位置B(x,y)是否位于像素区域C,是则判定当前道路能见度大于200米,否则判定当前道路能见度不超过200米。
实际应用中,将能见度低于200米称之为低能见度,在判定当前道路能见度不超过200米后,即低能见度下,获得像素位置A(x,y)与像素位置B(x,y)相距像素区域C边缘的最小距离,并根据道路图像中像素位置与其所覆盖实际道路路面位置之间的转换关系,获得该最小距离所对应实际道路的长度,即获得当前道路在低能见度下的能见度。
实际应用当中,还可将上述所设计道路能见度识别方法、应用于道路沿途各个位置所设的图像捕获装置上,即各个位置上的图像捕获装置,诸如利用各个监控摄像头所捕获的道路图像,执行上述设计方法,即可获得道路沿途能见度的检测。
上述技术方案所设计基于车辆检测的能见度识别方法,以道路监控为基础,将捕获的道路图像作为源数据,采用caffe-ssd方法作为目标图像识别方法,实现汽车目标的检测,并结合不同道路图像帧下同一汽车的唯一标记,实现汽车目标移动轨迹像素的跟踪,具体通过新检测汽车目标所出现的像素位置、以及汽车目标消失前最后所在道路图像帧中的像素位置,结合道路图像中对应实际道路路面上、相距图像捕获装置所在位置大于预设距离阈值的路面区域的像素区域C,实现道路能见度的检测,并且根据上述汽车像素位置与像素区域C边缘的最小距离,能够实现低能见度下、道路具体能见度的检测,整个能见度识别设计方法,不仅能够实现低能见度的检测,而且实现成本低、应用范围广。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (6)
1.一种基于车辆检测的能见度识别方法,通过横跨道路上方、且固定角度指向道路方向的图像捕获装置,实现道路能见度检测,其特征在于:首先针对图像捕获装置实时所捕获的道路图像,初始化道路图像中像素位置与其所覆盖实际道路路面位置之间的转换关系,获得道路图像中对应实际道路路面上、相距图像捕获装置所在位置大于预设距离阈值的路面区域的像素区域C,完成初始化操作;
然后能见度识别方法中,实时获得图像捕获装置所捕获的道路图像,并实时针对各帧道路图像进行汽车目标检测,获得汽车移动轨迹像素,若像素区域C中存在汽车移动轨迹像素,则判定当前道路能见度大于预设距离阈值,否则判定当前道路能见度不超过预设距离阈值。
2.根据权利要求1所述一种基于车辆检测的能见度识别方法,其特征在于:所述初始化操作中,还包括定义道路图像中对应车辆面向图像捕获装置行驶的道路区域的像素区域A,以及定义道路图像中对应车辆背向图像捕获装置行驶的道路区域的像素区域B;所述能见度识别方法包括如下步骤:
步骤A.实时获得图像捕获装置所捕获的道路图像,并实时针对各帧道路图像进行汽车目标检测,并对各帧道路图像中的同一汽车目标进行唯一标记、跟踪;
其中,针对道路图像中的像素区域A,获得像素区域A中新检测所获汽车目标的像素位置A(x,y);同时针对道路图像中的像素区域B,获得像素区域B中、汽车目标最后所在道路图像帧中的像素位置B(x,y),然后进入步骤B;
步骤B.判断像素位置A(x,y)与像素位置B(x,y)是否位于像素区域C,是则判定当前道路能见度大于预设距离阈值,否则判定当前道路能见度不超过预设距离阈值。
3.根据权利要求2所述一种基于车辆检测的能见度识别方法,其特征在于:在判定当前道路能见度不超过预设距离阈值后,获得像素位置A(x,y)与像素位置B(x,y)相距像素区域C边缘的最小距离,并根据道路图像中像素位置与其所覆盖实际道路路面位置之间的转换关系,获得该最小距离所对应实际道路的长度,结合预设距离阈值,即获得当前道路的能见度。
4.根据权利要求1至3中任意一项所述一种基于车辆检测的能见度识别方法,其特征在于:采用caffe-ssd方法,针对各帧道路图像进行汽车目标检测。
5.根据权利要求4所述一种基于车辆检测的能见度识别方法,其特征在于:所设预设距离阈值为200米。
6.根据权利要求5所述一种基于车辆检测的能见度识别方法,其特征在于:根据道路沿途各个位置所设的图像捕获装置,结合单个图像捕获装置所在位置对应的道路能见度,获得道路沿途能见度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396892.4A CN110020642B (zh) | 2019-05-14 | 2019-05-14 | 一种基于车辆检测的能见度识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396892.4A CN110020642B (zh) | 2019-05-14 | 2019-05-14 | 一种基于车辆检测的能见度识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110020642A true CN110020642A (zh) | 2019-07-16 |
CN110020642B CN110020642B (zh) | 2023-03-24 |
Family
ID=67193604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910396892.4A Active CN110020642B (zh) | 2019-05-14 | 2019-05-14 | 一种基于车辆检测的能见度识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020642B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111121714A (zh) * | 2019-12-25 | 2020-05-08 | 中公高科养护科技股份有限公司 | 一种行车视距的测量方法及系统 |
CN112017243A (zh) * | 2020-08-26 | 2020-12-01 | 大连信维科技有限公司 | 一种介质能见度识别方法 |
CN112014393A (zh) * | 2020-08-26 | 2020-12-01 | 大连信维科技有限公司 | 一种基于目标视觉效果的介质能见度识别方法 |
CN113808405A (zh) * | 2020-06-11 | 2021-12-17 | 济南市公安局交通警察支队 | 一种渣土车的实时预警方法 |
CN112017243B (zh) * | 2020-08-26 | 2024-05-03 | 大连信维科技有限公司 | 一种介质能见度识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005338941A (ja) * | 2004-05-24 | 2005-12-08 | Fujitsu Ltd | 視程検出方法および視程検出装置 |
US7330565B1 (en) * | 2002-02-26 | 2008-02-12 | The United States Of America As Represented By The Secretary Of The Army | Scale insensitive vehicle detection algorithm for flir imagery |
CN101382486A (zh) * | 2008-08-18 | 2009-03-11 | 姜廷顺 | 一种能满足交通安全需求的能见度检测系统及运行方法 |
CN101936900A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
CN105335729A (zh) * | 2015-11-16 | 2016-02-17 | 广东好帮手电子科技股份有限公司 | 一种基于汽车行车记录仪识别道路能见度的方法及系统 |
CN109212514A (zh) * | 2018-09-29 | 2019-01-15 | 河北德冠隆电子科技有限公司 | 一种雷达检测设备对运动以及静止目标持续跟踪关联方法 |
-
2019
- 2019-05-14 CN CN201910396892.4A patent/CN110020642B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7330565B1 (en) * | 2002-02-26 | 2008-02-12 | The United States Of America As Represented By The Secretary Of The Army | Scale insensitive vehicle detection algorithm for flir imagery |
JP2005338941A (ja) * | 2004-05-24 | 2005-12-08 | Fujitsu Ltd | 視程検出方法および視程検出装置 |
CN101382486A (zh) * | 2008-08-18 | 2009-03-11 | 姜廷顺 | 一种能满足交通安全需求的能见度检测系统及运行方法 |
CN101936900A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种基于视频的能见度检测系统 |
CN105335729A (zh) * | 2015-11-16 | 2016-02-17 | 广东好帮手电子科技股份有限公司 | 一种基于汽车行车记录仪识别道路能见度的方法及系统 |
CN109212514A (zh) * | 2018-09-29 | 2019-01-15 | 河北德冠隆电子科技有限公司 | 一种雷达检测设备对运动以及静止目标持续跟踪关联方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111121714A (zh) * | 2019-12-25 | 2020-05-08 | 中公高科养护科技股份有限公司 | 一种行车视距的测量方法及系统 |
CN111121714B (zh) * | 2019-12-25 | 2021-10-26 | 中公高科养护科技股份有限公司 | 一种行车视距的测量方法及系统 |
CN113808405A (zh) * | 2020-06-11 | 2021-12-17 | 济南市公安局交通警察支队 | 一种渣土车的实时预警方法 |
CN112017243A (zh) * | 2020-08-26 | 2020-12-01 | 大连信维科技有限公司 | 一种介质能见度识别方法 |
CN112014393A (zh) * | 2020-08-26 | 2020-12-01 | 大连信维科技有限公司 | 一种基于目标视觉效果的介质能见度识别方法 |
CN112014393B (zh) * | 2020-08-26 | 2023-12-19 | 大连信维科技有限公司 | 一种基于目标视觉效果的介质能见度识别方法 |
CN112017243B (zh) * | 2020-08-26 | 2024-05-03 | 大连信维科技有限公司 | 一种介质能见度识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110020642B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105718870B (zh) | 自动驾驶中基于前向摄像头的道路标线提取方法 | |
CN106910203B (zh) | 一种视频监测中运动目标的快速检测方法 | |
CN101739686B (zh) | 运动目标跟踪方法及其系统 | |
CN101872546B (zh) | 一种基于视频的过境车辆快速检测方法 | |
Sina et al. | Vehicle counting and speed measurement using headlight detection | |
CN107315095B (zh) | 基于视频处理的具有光照适应性的多车辆自动测速方法 | |
CN108596129A (zh) | 一种基于智能视频分析技术的车辆越线检测方法 | |
KR100459476B1 (ko) | 차량의 대기 길이 측정 장치 및 방법 | |
AU2009295350B2 (en) | Detection of vehicles in an image | |
CN106022243B (zh) | 一种基于图像处理的机动车道车辆逆行识别方法 | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
CN110020642A (zh) | 一种基于车辆检测的能见度识别方法 | |
CN104378582A (zh) | 一种基于ptz摄像机巡航的智能视频分析系统及方法 | |
CN103824070A (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN103425967A (zh) | 一种基于行人检测和跟踪的人流监控方法 | |
CN108776974A (zh) | 一种适用于公共交通场景的实时目标跟踪方法 | |
CN105931467A (zh) | 一种跟踪目标的方法及装置 | |
CN102426785A (zh) | 基于轮廓和局部特征点的交通流信息感知方法及系统 | |
CN103077387B (zh) | 视频中货运列车车厢自动检测方法 | |
CN107909012A (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN109086682A (zh) | 一种基于多特征融合的智能视频黑烟车检测方法 | |
CN107122732A (zh) | 一种监控场景下高鲁棒性的快速车牌定位方法 | |
Yuliandoko et al. | Automatic vehicle counting using Raspberry pi and background subtractions method in the sidoarjo toll road | |
Nidhal et al. | Real time traffic congestion detection system | |
Mossi et al. | Real-time traffic analysis at night-time |
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 |