CN110309704B - 一种极端天气实时检测方法、系统及终端 - Google Patents

一种极端天气实时检测方法、系统及终端 Download PDF

Info

Publication number
CN110309704B
CN110309704B CN201910359233.3A CN201910359233A CN110309704B CN 110309704 B CN110309704 B CN 110309704B CN 201910359233 A CN201910359233 A CN 201910359233A CN 110309704 B CN110309704 B CN 110309704B
Authority
CN
China
Prior art keywords
image information
value
log
extreme weather
ambiguity
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
Application number
CN201910359233.3A
Other languages
English (en)
Other versions
CN110309704A (zh
Inventor
王赛西
李晓勇
许德生
雷印杰
严华
卢军
刘平
铁菊红
舒宇锋
李红玉
熊懿帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Runlian Technology Development Co ltd
Luzhou Meteorological Bureau
Sichuan University
Chengdu University of Information Technology
Original Assignee
Chengdu Runlian Technology Development Co ltd
Luzhou Meteorological Bureau
Sichuan University
Chengdu University of Information Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Runlian Technology Development Co ltd, Luzhou Meteorological Bureau, Sichuan University, Chengdu University of Information Technology filed Critical Chengdu Runlian Technology Development Co ltd
Priority to CN201910359233.3A priority Critical patent/CN110309704B/zh
Publication of CN110309704A publication Critical patent/CN110309704A/zh
Application granted granted Critical
Publication of CN110309704B publication Critical patent/CN110309704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • G08G1/0962Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967Systems involving transmission of highway information, e.g. weather, speed limits
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30192Weather; Meteorology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种极端天气实时检测方法、系统及终端,从道路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,第一图像信息和第二图像信息为视频信息中按照预设采集时间段获取的相邻的图像信息;分别确定第一图像信息和第二图像信息对应的第一模糊度值和第二模糊度值;如果第二模糊度值与第一模糊度值之间的差值大于一个预设值K,则确定视频信息对应的区域出现了极端天气。当道路出现极端天气时,得出截取的相邻图像信息的模糊度值,进行模糊度值的差值判定,如果模糊度值变化超过设定值K,那么则判定在该区域出现了极端的天气变化,通过警报提醒监控人员,进而可以开展道路事故的预防工作。

Description

一种极端天气实时检测方法、系统及终端
技术领域
本申请涉及图像识别技术领域,具体涉及一种极端天气实时检测方法、系统及终端。
背景技术
道路的种类有非常多,对于车行道比较多的道路相比传统的道路车道多、路面宽,通行能力大,道路所能承担的运输量要比普通道路高出几倍乃至几十倍。但是在多车道道路上发生的交通事故伤亡也最为惨重,道路交通事故发生的原因是多方面的,包括客观的天气气候条件、交通环境、道路设施、主观人为因素和交通管理等多个方面,而因极端天气造成得道路交通事故影响比重最大,并且该类型事故呈上升趋势。因此如何实时检测道路极端天气的方法就尤为重要。
现有技术中,为了实现对道路极端天气的检测,一般在主干道路沿岸修建气象观测站以及使用移动式气象观测站。因此对于道路极端天气的检测方法都是在原有设施基础上增加新的传感器或者使用高技术产品进行采样检测。
这样的检测方式结果在设备的一定范围内很精确,但是道路情况复杂,地段跨越大,对于某些无法安装新设备以及设备维护困难的地方精确度就无法得到保障,而这些地方往往是交通事故的多发区。
发明内容
本申请为了解决上述技术问题,提出了如下技术方案:
第一方面,本申请实施例提供了一种极端天气实时检测方法,所述方法包括:从道路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,所述第一图像信息和所述第二图像信息为所述视频信息中按照预设采集时间段获取的相邻的图像信息;分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值;如果所述第二模糊度值与所述第一模糊度值之间的差值大于一个预设值K,则确定所述视频信息对应的区域出现了极端天气。
采用上述实现方式,当道路出现极端天气时,通过道路监控摄像头采集的视频信息,进行图像信息额截取,经过计算,得出截取的相邻图像信息的模糊度值,进行模糊度值的差值判定,如果模糊度值变化超过设定值K,那么则判定在该区域出现了极端的天气变化,通过警报提醒监控人员,进而可以开展道路事故的预防工作。
结合第一方面,在第一方面第一种可能的实现方式中,所述分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值,包括:采用二维高斯滤波分布公式
Figure BDA0002046378280000021
分别将所述第一图像信息和所述第二图像信息进行去噪声处理;将处理后的所述第一图像信息和所述第二图像信息采用LOG算子获得所述第一模糊度值和所述第二模糊度值,其中所述LOG算子为
Figure BDA0002046378280000022
结合第一方面第一种可能的实现方式,在第一方面第二种可能的实现方式中,还包括确定所述预设值K,包括:选定第一地区预设时间段的任一道路区域的视频信息进行图像信息截取,其每张图像信息截取间隔为6秒;确定每张图像信息的LOG值;根据每分钟的10张图像信息对应的LOG值计算出每分钟的LOG平均值;根据多个LOG平均值绘制LOG值曲线;将所述LOG值曲线与所述第一地区的实际天气变化曲线进行比对,确定所述预设值使得所述LOG值曲线中LOG值从第一数值变为第二数值时,所述实际天气变化曲线中对应的是极端天气,所述第一数值为正常天气图像信息对应的LOG值,所述第二数值为极端天气图像信息对应的LOG值。
结合第一方面或第一方面第一至二种任一可能的实现方式,在第一方面第三种可能的实现方式中,如果第四图像信息和第三图像信息对应的LOG值只差小于所述预设值,则所述视频信息对应的区域的极端天气结束,所述第三图像信息和所述第四图像信息对应的时刻为所述视频信息对应的区域发生极端天气以后的时刻。
结合第一方面第三种可能的实现方式,在第一方面第四种可能的实现方式中,还包括:获取所述视频信息对应的区域的历史视频信息;根据所述历史视频信息对所述预设值K进行优化,以使得通过优化后的所述预设值K可以精确判断相邻两个图像信息之间对应的天气变化。
第二方面,本申请实施例提供了一种极端天气实时检测系统,其特征在于,所述系统包括:获取模块,用于从道路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,所述第一图像信息和所述第二图像信息为所述视频信息中按照预设采集时间段获取的相邻的图像信息;第一确定模块,用于分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值;第二确定模块,用于如果所述第二模糊度值与所述第一模糊度值之间的差值大于一个预设值K,则确定所述视频信息对应的区域出现了极端天气。
结合第二方面,在第二方面第一种可能的实现方式中,所述第一确定模块包括:噪声处理单元,用于采用二维高斯滤波分布公式
Figure BDA0002046378280000031
分别将所述第一图像信息和所述第二图像信息进行去噪声处理;模糊值确定单元,用于将处理后的所述第一图像信息和所述第二图像信息采用LOG算子获得所述第一模糊度值和所述第二模糊度值,其中所述LOG算子为
Figure BDA0002046378280000041
结合第二方面第一种可能的实现方式,在第二方面第二种可能的实现方式中,还包括确定单元,用于确定所述预设值K,包括:图像获取子单元,用于选定第一地区预设时间段的任一道路区域的视频信息进行图像信息截取,其每张图像信息截取间隔为6秒;第一确定子单元,用于确定每张图像信息的LOG值;计算子单元,用于根据每分钟的10张图像信息对应的LOG值计算出每分钟的LOG平均值;曲线绘制子单元,用于根据多个LOG平均值绘制LOG值曲线;第二确定子单元,用于将所述LOG值曲线与所述第一地区的实际天气变化曲线进行比对,确定所述预设值使得所述LOG值曲线中LOG值从第一数值变为第二数值时,所述实际天气变化曲线中对应的是极端天气,所述第一数值为正常天气图像信息对应的LOG值,所述第二数值为极端天气图像信息对应的LOG值。
结合第二方面或第二方面第一至二种任一可能的实现方式,在第二方面第三种可能的实现方式中,如果第四图像信息和第三图像信息对应的LOG值只差小于所述预设值,则所述视频信息对应的区域的极端天气结束,所述第三图像信息和所述第四图像信息对应的时刻为所述视频信息对应的区域发生极端天气以后的时刻。
结合第二方面第三种可能的实现方式,在第二方面第四种可能的实现方式中,还包括:历史视频信息获取单元,用于获取所述视频信息对应的区域的历史视频信息;优化单元,用于根据所述历史视频信息对所述预设值K进行优化,以使得通过优化后的所述预设值K可以精确判断相邻两个图像信息之间对应的天气变化。
第三方面,本申请实施例提供了一种终端,包括:处理器;存储器,用于存储计算机可执行指令;当所述处理器执行所述计算机可执行指令时,执行第一方面或第一方面任一可能的极端天气实时检测方法。
附图说明
图1为本申请实施例提供的一种极端天气实时检测方法的流程示意图;
图2为本申请实施例提供的监控视频产生的图像信息的LOG值绘制的曲线与实际检测数据绘制的曲线对比示意图;
图3为本申请实施例提供的监控视频产生的图像信息的LOG值绘制的曲线LOG值差去噪后与实际检测数据绘制的曲线对比示意图;
图4为本申请实施例提供的一种检测系统布置示意图;
图5为本申请实施例提供的一种极端天气实时检测系统的结构示意图;
图6为本申请实施例提供的一种终端的示意图。
具体实施方式
下面结合附图与具体实施方式对本方案进行阐述。
图1为本申请实施例提供的一种极端天气实时检测方法的流程示意图,参见图1,所述方法包括:
S101,从道路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息。
本实施例中所述第一图像信息和所述第二图像信息为所述视频信息中按照预设采集时间段获取的相邻的图像信息。
为了能够找出适合的判断方法,将相同场景不同天气状况的图像进行对比实验,当出现雾天的场景边缘特征较模糊,晴朗天气的场景则是边缘特征清晰,因此将两种图像采用Laplacian算子结合高斯滤波(简称LOG算子)进行计算,并将对应模糊值打印出来,可以看出雾天情况下的场景LOG值较小,晴朗天气情况下的场景LOG值较大。因此可以得出一个结论:在相同场景不同天气状况下,极端天气的图像LOG值较小,正常天气的图像LOG值较大。
S102,分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值。
具体地,采用二维高斯滤波分布公式
Figure BDA0002046378280000061
分别将所述第一图像信息和所述第二图像信息进行去噪声处理。将处理后的所述第一图像信息和所述第二图像信息采用LOG算子获得所述第一模糊度值和所述第二模糊度值,其中所述LOG算子为
Figure BDA0002046378280000062
S103,如果所述第二模糊度值与所述第一模糊度值之间的差值大于一个预设值K,则确定所述视频信息对应的区域出现了极端天气。
本实施例中需要确定所述预设值K,具体地需要选定第一地区预设时间段的任一道路区域的视频信息进行图像信息截取,其每张图像信息截取间隔为6秒,确定每张图像信息的LOG值,根据每分钟的10张图像信息对应的LOG值计算出每分钟的LOG平均值,根据多个LOG平均值绘制LOG值曲线,将所述LOG值曲线与所述第一地区的实际天气变化曲线进行比对,确定所述预设值使得所述LOG值曲线中LOG值从第一数值变为第二数值时,所述实际天气变化曲线中对应的是极端天气,所述第一数值为正常天气图像信息对应的LOG值,所述第二数值为极端天气图像信息对应的LOG值。
本申请使用第一地区第一道路气象观测站的监控数据以及雨量检测数据作为实验样本。并且取时间连续且有极端天气出现的白天数据。之后对视频使用FFmepg进行截取为图像,6秒截取一次,每分钟10张图像,并且取10张图像信息的LOG值的均值作为每分钟的LOG值。最终将监控视频产生的图像信息的LOG值绘制为一条曲线与第一地区第一道路所处区域的雨量检测数据绘制的曲线放在一个坐标系中观察,如图2所示。监控视频产生的图像信息的LOG值绘制的曲线与第一地区第一道路所处区域的雨量检测数据绘制的曲线存在较大差距,而产生差距的原因则是由监控摄像仪器的分辨率、刷新率以及一些非高斯噪声造成的影响。因此在此基础上结合Canny算子的阈值思想,通过设定一个LOG值差作为去除其它噪声的阈值,即:前一个LOG值和后一个LOG值的差值绝对值,如果小于阈值K,那么就让前一个LOG值等于后一个LOG值;如果大于阈值K,那么就不作处理。该算法简称为:K-LOG算子。K-LOG算子公式如下:
Figure BDA0002046378280000071
将K-LOG算子带入后,如图3所示,监控视频产生的图像信息的LOG值绘制的曲线与第一地区第一道路所处区域的雨量检测数据绘制的曲线与理想结果吻合,说明K-LOG算子适用于监控摄像仪器的监控极端天气方法。
本实施例中,如果第四图像信息和第三图像信息对应的LOG值只差小于所述预设值,则所述视频信息对应的区域的极端天气结束,所述第三图像信息和所述第四图像信息对应的时刻为所述视频信息对应的区域发生极端天气以后的时刻。
还包括:获取所述视频信息对应的区域的历史视频信息;根据所述历史视频信息对所述预设值K进行优化,以使得通过优化后的所述预设值K可以精确判断相邻两个图像信息之间对应的天气变化。
本申请实施例中根据在道路极端天气的检测需求,系统设计如图4所示,整个系统的数据流向为:道路的监控摄像仪器拍摄该监视区域的实时画面。监控摄像仪器将拍摄的画面传入到监控室。系统对视频截图处理并使用K-LOG算子计算模糊度,发现大于阈值K的进行报警提醒。将视频数据存入数据库保存。通过调用数据库可以对以往的视频文件进行处理,可用于阈值K的学习。
通过对极端天气的图像进行K-LOG算子的识别处理以及将它作为系统与道路的监控摄像仪器相结合,可以在不增加其它新设备的情况下,完成对道路的极端天气的实时监控,该方法增加了对道路各路段的天气监控精确度,也避免了引进新设备的物力成本与维护人员的人力成本。
由上述实施例可知,本实施例提供了一种极端天气实时检测方法,所述方法包括:从道路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,所述第一图像信息和所述第二图像信息为所述视频信息中按照预设采集时间段获取的相邻的图像信息;分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值;如果所述第二模糊度值与所述第一模糊度值之间的差值大于一个预设值K,则确定所述视频信息对应的区域出现了极端天气。当道路出现极端天气时,通过道路监控摄像头采集的视频信息,进行图像信息额截取,经过计算,得出截取的相邻图像信息的模糊度值,进行模糊度值的差值判定,如果模糊度值变化超过设定值K,那么则判定在该区域出现了极端的天气变化,通过警报提醒监控人员,进而可以开展道路事故的预防工作。
与上述实施例提供的一种极端天气实时检测方法方法相对应,本申请还提供了一种极端天气实时检测系统的实施例。参见图5,极端天气实时检测系统20,包括:获取模块201、第一确定模块202和第二确定模块203。
所述获取模块201,用于从道路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,所述第一图像信息和所述第二图像信息为所述视频信息中按照预设采集时间段获取的相邻的图像信息。第一确定模块202,用于分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值。第二确定模块203,用于如果所述第二模糊度值与所述第一模糊度值之间的差值大于一个预设值K,则确定所述视频信息对应的区域出现了极端天气。
一个示意性实施例,所述第一确定模块包括:噪声处理单元和模糊值确定单元。噪声处理单元,用于采用二维高斯滤波分布公式
Figure BDA0002046378280000091
分别将所述第一图像信息和所述第二图像信息进行去噪声处理。模糊值确定单元,用于将处理后的所述第一图像信息和所述第二图像信息采用LOG算子获得所述第一模糊度值和所述第二模糊度值,其中所述LOG算子为
Figure BDA0002046378280000092
一个示意性实施例,极端天气实时检测系统20还包括确定单元,用于确定所述预设值K,包括:图像获取子单元、第一确定子单元、计算子单元、曲线绘制子单元和第二确定子单元。
图像获取子单元,用于选定第一地区预设时间段的任一道路区域的视频信息进行图像信息截取,其每张图像信息截取间隔为6秒。第一确定子单元,用于确定每张图像信息的LOG值。计算子单元,用于根据每分钟的10张图像信息对应的LOG值计算出每分钟的LOG平均值。曲线绘制子单元,用于根据多个LOG平均值绘制LOG值曲线。第二确定子单元,用于将所述LOG值曲线与所述第一地区的实际天气变化曲线进行比对,确定所述预设值使得所述LOG值曲线中LOG值从第一数值变为第二数值时,所述实际天气变化曲线中对应的是极端天气,所述第一数值为正常天气图像信息对应的LOG值,所述第二数值为极端天气图像信息对应的LOG值。
进一步地,如果第四图像信息和第三图像信息对应的LOG值只差小于所述预设值,则所述视频信息对应的区域的极端天气结束,所述第三图像信息和所述第四图像信息对应的时刻为所述视频信息对应的区域发生极端天气以后的时刻。
极端天气实时检测系统20还包括:历史视频信息获取单元和优化单元。
历史视频信息获取单元,用于获取所述视频信息对应的区域的历史视频信息。优化单元,用于根据所述历史视频信息对所述预设值K进行优化,以使得通过优化后的所述预设值K可以精确判断相邻两个图像信息之间对应的天气变化。
本申请实施例还提供了一种终端,参见图6,所述终端30包括:处理器301、存储器302和通信接口303。
在图6中,处理器301、存储器302和通信接口303可以通过总线相互连接;总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器301通常是控制终端30的整体功能,例如终端的启动、以及终端启动后从道路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值,根据所述第二模糊度值与所述第一模糊度值之间的差值确定所述视频信息对应的区域是否出现了极端天气等。此外,处理器301可以是通用处理器,例如,中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。处理器也可以是微处理器(MCU)。处理器还可以包括硬件芯片。上述硬件芯片可以是专用集成电路(ASIC),可编程逻辑器件(PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(CPLD),现场可编程逻辑门阵列(FPGA)等。
存储器302被配置为存储计算机可执行指令以支持终端30数据的操作。存储器301可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
通信接口303用于终端30传输数据,例如实现与道路监控摄像头、监控室设备的数据通信。通信接口303包括有线通信接口,还可以包括无线通信接口。其中,有线通信接口包括USB接口、Micro USB接口,还可以包括以太网接口。无线通信接口可以为WLAN接口,蜂窝网络通信接口或其组合等。
在一个示意性实施例中,本申请实施例提供的终端30还包括电源组件,电源组件为终端30的各种组件提供电力。电源组件可以包括电源管理系统,一个或多个电源,及其他与为终端30生成、管理和分配电力相关联的组件。
通信组件,通信组件被配置为便于终端30和其他设备之间有线或无线方式的通信。终端30可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。通信组件还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在一个示意性实施例中,终端30可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、终端、微终端、处理器或其他电子元件实现。
本申请说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于系统及终端实施例而言,由于其中的方法基本相似于方法的实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
当然,上述说明也并不仅限于上述举例,本申请未经描述的技术特征可以通过或采用现有技术实现,在此不再赘述;以上实施例及附图仅用于说明本申请的技术方案并非是对本申请的限制,如来替代,本申请仅结合并参照优选的实施方式进行了详细说明,本领域的普通技术人员应当理解,本技术领域的普通技术人员在本申请的实质范围内所做出的变化、改型、添加或替换都不脱离本申请的宗旨,也应属于本申请的权利要求保护范围。

Claims (6)

1.一种高速公路极端天气实时检测方法,其特征在于,所述方法包括:
从高速公路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,所述第一图像信息和所述第二图像信息为所述视频信息中按照预设采集时间段获取的相邻的图像信息;
分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值;
所述分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值,包括:
采用二维高斯滤波分布公式
Figure FDA0003034316040000011
分别将所述第一图像信息和所述第二图像信息进行去噪声处理;
将处理后的所述第一图像信息和所述第二图像信息采用LOG算子获得所述第一模糊度值和所述第二模糊度值,其中所述LOG算子为
Figure FDA0003034316040000012
如果所述第二模糊度值与所述第一模糊度值之间的差值大于一个预设值K,则确定所述视频信息对应的区域出现了极端天气;
确定所述预设值K,包括:
选定第一地区预设时间段的任一高速公路区域的视频信息进行图像信息截取,其每张图像信息截取间隔为6秒;
确定每张图像信息的LOG值;
根据每分钟的10张图像信息对应的LOG值计算出每分钟的LOG平均值;
根据多个LOG平均值绘制LOG值曲线;
将所述LOG值曲线与所述第一地区的实际天气变化曲线进行比对,确定所述预设值使得所述LOG值曲线中LOG值从第一数值变为第二数值时,所述实际天气变化曲线中对应的是极端天气,所述第一数值为正常天气图像信息对应的LOG值,所述第二数值为极端天气图像信息对应的LOG值。
2.根据权利要求1所述的高速公路极端天气实时检测方法,其特征在于,如果第四图像信息和第三图像信息对应的LOG值之 差小于所述预设值,则所述视频信息对应的区域的极端天气结束,所述第三图像信息和所述第四图像信息对应的时刻为所述视频信息对应的区域发生极端天气以后的时刻。
3.根据权利要求2所述的高速公路极端天气实时检测方法,其特征在于,还包括:
获取所述视频信息对应的区域的历史视频信息;
根据所述历史视频信息对所述预设值K进行优化,以使得通过优化后的所述预设值K可以精确判断相邻两个图像信息之间对应的天气变化。
4.一种高速公路极端天气实时检测系统,其特征在于,所述系统包括:
获取模块,用于从高速公路监控摄像头获取的视频信息中截取第一图像信息和第二图像信息,所述第一图像信息和所述第二图像信息为所述视频信息中按照预设采集时间段获取的相邻的图像信息;
第一确定模块,用于分别确定所述第一图像信息和所述第二图像信息对应的第一模糊度值和第二模糊度值;
所述第一确定模块包括:
噪声处理单元,用于采用二维高斯滤波分布公式
Figure FDA0003034316040000021
分别将所述第一图像信息和所述第二图像信息进行去噪声处理;
模糊值确定单元,用于将处理后的所述第一图像信息和所述第二图像信息采用LOG算子获得所述第一模糊度值和所述第二模糊度值,其中所述LOG算子为
Figure FDA0003034316040000022
第二确定模块,用于如果所述第二模糊度值与所述第一模糊度值之间的差值大于一个预设值K,则确定所述视频信息对应的区域出现了极端天气;
还包括确定单元,用于确定所述预设值K,包括:
图像获取子单元,用于选定第一地区预设时间段的任一高速公路区域的视频信息进行图像信息截取,其每张图像信息截取间隔为6秒;
第一确定子单元,用于确定每张图像信息的LOG值;
计算子单元,用于根据每分钟的10张图像信息对应的LOG值计算出每分钟的LOG平均值;
曲线绘制子单元,用于根据多个LOG平均值绘制LOG值曲线;
第二确定子单元,用于将所述LOG值曲线与所述第一地区的实际天气变化曲线进行比对,确定所述预设值使得所述LOG值曲线中LOG值从第一数值变为第二数值时,所述实际天气变化曲线中对应的是极端天气,所述第一数值为正常天气图像信息对应的LOG值,所述第二数值为极端天气图像信息对应的LOG值。
5.根据权利要求4所述的速公路极端天气实时检测系统,其特征在于,如果第四图像信息和第三图像信息对应的LOG值之 差小于所述预设值,则所述视频信息对应的区域的极端天气结束,所述第三图像信息和所述第四图像信息对应的时刻为所述视频信息对应的区域发生极端天气以后的时刻。
6.根据权利要求5所述的速公路极端天气实时检测系统,其特征在于,还包括:
历史视频信息获取单元,用于获取所述视频信息对应的区域的历史视频信息;
优化单元,用于根据所述历史视频信息对所述预设值K进行优化,以使得通过优化后的所述预设值K可以精确判断相邻两个图像信息之间对应的天气变化。
CN201910359233.3A 2019-04-30 2019-04-30 一种极端天气实时检测方法、系统及终端 Active CN110309704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910359233.3A CN110309704B (zh) 2019-04-30 2019-04-30 一种极端天气实时检测方法、系统及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910359233.3A CN110309704B (zh) 2019-04-30 2019-04-30 一种极端天气实时检测方法、系统及终端

Publications (2)

Publication Number Publication Date
CN110309704A CN110309704A (zh) 2019-10-08
CN110309704B true CN110309704B (zh) 2022-01-25

Family

ID=68074504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910359233.3A Active CN110309704B (zh) 2019-04-30 2019-04-30 一种极端天气实时检测方法、系统及终端

Country Status (1)

Country Link
CN (1) CN110309704B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110942021B (zh) * 2019-11-25 2024-01-16 腾讯科技(深圳)有限公司 环境监测方法、装置、设备以及存储介质
CN111310739A (zh) * 2020-04-01 2020-06-19 泸州市气象局 一种暴雨天气检测方法、系统及终端

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103954542A (zh) * 2014-05-12 2014-07-30 中国计量学院 基于无参考图像清晰度评价的pm2.5浓度检测仪
CN105403934A (zh) * 2015-05-22 2016-03-16 杨晓富 一种银亭雾霾监测与隔离方法
CN108765453A (zh) * 2018-05-18 2018-11-06 武汉倍特威视系统有限公司 基于视频流数据的高速公路团雾识别方法
CN109448397A (zh) * 2018-11-20 2019-03-08 山东交通学院 一种基于大数据的团雾监测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104834912B (zh) * 2015-05-14 2017-12-22 北京邮电大学 一种基于图像信息检测的天气识别方法及装置
US10013617B2 (en) * 2015-12-03 2018-07-03 Gm Global Technology Operations Snow covered path of travel surface condition detection
EP3392800A1 (en) * 2017-04-21 2018-10-24 Continental Automotive GmbH Device for determining a weather state

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103954542A (zh) * 2014-05-12 2014-07-30 中国计量学院 基于无参考图像清晰度评价的pm2.5浓度检测仪
CN105403934A (zh) * 2015-05-22 2016-03-16 杨晓富 一种银亭雾霾监测与隔离方法
CN108765453A (zh) * 2018-05-18 2018-11-06 武汉倍特威视系统有限公司 基于视频流数据的高速公路团雾识别方法
CN109448397A (zh) * 2018-11-20 2019-03-08 山东交通学院 一种基于大数据的团雾监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Blur Image Detection using Laplacian Operator and Open-CV";Raghav Bansal;《Proceedings of the SMART -2016》;20170412;摘要、第IV-V节 *
"基于视频图像处理的雾天能见度检测方法研究";刘阳;《万方数据知识服务平台》;20140918;第2.2-2.3节 *

Also Published As

Publication number Publication date
CN110309704A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
US10839211B2 (en) Systems, methods and computer program products for multi-resolution multi-spectral deep learning based change detection for satellite images
US8873842B2 (en) Using human intelligence tasks for precise image analysis
CN110309704B (zh) 一种极端天气实时检测方法、系统及终端
US10853672B2 (en) Information processing apparatus, information processing method, and information processing system
US20220044558A1 (en) Method and device for generating a digital representation of traffic on a road
Almagbile Estimation of crowd density from UAVs images based on corner detection procedures and clustering analysis
KR20220041892A (ko) 덩어리안개 식별 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품
KR101954899B1 (ko) 지능형 cctv 기반 자동 수위감지 방법
CN111540027B (zh) 一种检测方法、装置、电子设备及存储介质
CN107580180B (zh) 取景框的显示方法、装置、设备及计算机可读存储介质
EP3940666A1 (en) Digital reconstruction method, apparatus, and system for traffic road
CN111310739A (zh) 一种暴雨天气检测方法、系统及终端
EP3665512B1 (en) Real-time computation of an atmospheric precipitation rate from a digital image of an environment where an atmospheric precipitation is taking place
CN113297946A (zh) 一种监控盲区识别方法和识别系统
CN111475746A (zh) 兴趣点位置挖掘方法、装置、计算机设备和存储介质
CN113239062A (zh) 一种停车场地图更新方法、装置、车辆及服务器
CN107038426B (zh) 热图生成方法
US11436924B1 (en) Parking management systems and methods
CN108765954B (zh) 基于snn密度st-optics改进聚类算法的道路交通安全状况监测方法
CN113837138B (zh) 一种着装监控方法、系统、介质及电子终端
CN115271332A (zh) 一种旱情监测方法
CN115035316A (zh) 目标区域图像识别方法、装置、计算机设备
CN110132966B (zh) 一种土壤污染源空间位置风险评价方法及系统
CN114186726A (zh) 气象数据处理方法、基于气象数据的提示方法及装置
CN110969859B (zh) 车辆抓拍自动变倍方法及装置

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
CB03 Change of inventor or designer information

Inventor after: Wang Saixi

Inventor after: Li Hongyu

Inventor after: Xiong Yinfan

Inventor after: Li Xiaoyong

Inventor after: Xu Desheng

Inventor after: Lei Yinjie

Inventor after: Yan Hua

Inventor after: Lu Jun

Inventor after: Liu Ping

Inventor after: Iron oxide red

Inventor after: Shu Yufeng

Inventor before: Wang Saixi

Inventor before: Li Hongyu

Inventor before: Xiong Yifan

Inventor before: Li Xiaoyong

Inventor before: Xu Desheng

Inventor before: Lei Yinjie

Inventor before: Yan Hua

Inventor before: Lu Jun

Inventor before: Liu Ping

Inventor before: Iron oxide red

Inventor before: Shu Yufeng

CB03 Change of inventor or designer information