CN112668503A - 一种发光目标物视频团雾能见度监测方法 - Google Patents
一种发光目标物视频团雾能见度监测方法 Download PDFInfo
- Publication number
- CN112668503A CN112668503A CN202011625838.1A CN202011625838A CN112668503A CN 112668503 A CN112668503 A CN 112668503A CN 202011625838 A CN202011625838 A CN 202011625838A CN 112668503 A CN112668503 A CN 112668503A
- Authority
- CN
- China
- Prior art keywords
- light
- area
- difference
- brightness
- camera
- 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
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种发光目标物视频团雾能见度监测方法,设置若干摄像头,距离单个摄像头50m、100m、200m的距离处分别设置常亮的恒定发光体,截取视频截图中恒定发光体居中的矩形方框区域截图作为光域特征图片,从矩形方框区域中心点向四周确定三个特征矩形环区域,根据恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到50m、100m、200m处恒定发光体之间平均水平能见度。本发明发光目标物视频团雾能见度监测方法24小时不间断实时监测平均能见度,可有效监测团雾天气,提高监测的时效性、准确性,可辅助快速确定团雾发生区段,减少因公路团雾所造成的交通事故。
Description
技术领域
本发明涉及气象监测技术领域,尤其是涉及一种发光目标物视频团雾能见度监测方法。
背景技术
团雾通常生成于中小尺度环流系统下,成团簇状分布,高速公路团雾的覆盖路面范围比较小,往往小于5公里,团雾内水平能见度很低,能见度小于200米。高速公路团雾已被公认为是“流动杀手”,常常造成重大交通事故,事故致死率高于其他交通事故。团雾与其它雾相比具有局地性、范围小、突发性、易流动等特征,给监测的时效性、准确性造成很大影响。
国内研究起步晚发展快,大致可归为三种类型。第一类需要进行太阳高度角订正,如利用分割区域和暗原色通道计算透射率估算能见度;利用摄像头标定模型、小波变换视频对比度模型及无需人工辅助设施的检测系统。第二类需要路面有充足的光照条件,如基于路面亮度的能见度检测方法;第三类需要排除环境光干扰,如利用双亮度差方法。
目前,以上研究尚未形成实际用于公路团雾监测的产品。有些研究已经转化为实验性产品,如基于数字摄像能见度系统监测能见度及其对比实验,在一条直线上的两组距离不等的目标黑体和目标光源单元进行拍摄根据能见度和消光系数的关系计算能见度,光源条件非常苛刻,且在清晨和傍晚观测值不够稳定,难以全天应用。
发明内容
有鉴于此,本发明的目的是针对现有技术的不足,提供一种发光目标物视频团雾能见度监测方法,可有效监测团雾天气,提高监测的时效性、准确性,可辅助快速判定和定位团雾发生区段,减少因公路团雾所造成的交通事故。
为达到上述目的,本发明采用以下技术方案:一种发光目标物视频团雾能见度监测方法,包括如下步骤:S1,设置若干摄像头,距离单个摄像头50m、100m、200m的距离处分别对应设置常亮的恒定发光体,摄像头实时获取对应的三个恒定发光体的视频图像;
S2,每隔固定时间,对拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像进行截图,截取视频截图中恒定发光体居中的矩形方框区域截图作为光域特征图片;
S3,分析光域特征图片,从矩形方框区域中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a;基于三个特征矩形环区域进行光亮度分析,分别求得三个特征矩形环区域的光亮度数值和光亮度标准差数值;
S4,根据距离摄像头50m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到50m处恒定发光体之间平均水平能见度v1:
v1=3.873+2.248ld+4.415ad,
ld为距离摄像头50m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头50m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;
S5,根据距离摄像头100m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到100m处恒定发光体之间平均水平能见度v2:
v2=41.445+2.373ld-2.178ad+1.370cd,
ld为距离摄像头100m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头100m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;cd为距离摄像头100m光域特征图片中光域中心区域c的光亮度与环境光区域a的光亮度之间的差值,简称心环差值;
S6,根据距离摄像头200m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到200m处恒定发光体之间平均水平能见度v3:
v3=54.282+8.918ld-1.256sd,
ld为距离摄像头200m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;sd为距离摄像头200m光域特征图片中光域边缘区域b的光亮度标准差与光域中心区域c的光亮度标准差之间的差值。
进一步地,恒定发光体距离地面高度为3-5m,摄像头高度高于恒定发光体的高度;摄像头和恒定发光体设置于道路两侧或同一侧。
进一步地,步骤2中每隔3-10秒截图一次。
进一步地,步骤2中截取视频截图中恒定发光体居中的矩形方框区域的方法为:取定时拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像截图,截取列*行为5-30*6-35像素的矩形方框区域作为光域特征图片。
进一步地,距离摄像头50m、100m、200m的恒定发光体的视频图像分别截取恒定发光体居中列*行为26*31、16*19、6*7像素,宽度与高度比在0.83-0.86之间的矩形方框区域作为光域特征图片。
进一步地,步骤3中从光域特征图片中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a的方法:如附图1所示,取光域特征图片从恒定发光体中心点向四周寻找,取光亮度突变像素点作为边缘点,依据边缘点连线做4条切线作为边缘线,边缘线两两相交后得到矩形光亮边框2,由矩形光亮边框2向内周取1-4行或列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线1向内取1-4行或列像素的矩形环区域为环境光区域a。
进一步地,由矩形光亮边框向内周取2行2列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线向内取2行2列像素的矩形环区域为环境光区域a。
进一步地,步骤3中求得三个特征矩形环区域的光亮度数值和光亮度标准差数值的方法为:取特定时间段内拍摄截取的N张光域特征图片,获取在N张光域特征图片中同一像素的光亮度平均值作为该像素的光亮度,计算得出光域中心区域c中Mc个像素的光亮度二次平均值作为光域中心区域c的光亮度,并基于光亮度二次平均值算出Mc个像素的光亮度标准差作为光域中心区域c的光亮度标准差;计算光域边缘区域b中Mb个像素的光亮度二次平均值作为光域边缘区域b的光亮度,并基于光亮度二次平均值算出Mb个像素的光亮度标准差作为算光域边缘区域b的光亮度标准差;计算环境光区域a中Ma个像素的光亮度二次平均值作为环境光区域a的光亮度数值,并基于光亮度二次平均值算出Ma个像素的光亮度标准差作为环境光区域a的光亮度标准差。
进一步地,取3-5分钟内拍摄截取的N张光域特征图片求得三个特征矩形环区域的光亮度数值和光亮度标准差数值。
一种发光目标物视频团雾监测方法,包括如下步骤:S1,设置若干摄像头,距离单个摄像头50m、100m、200m的距离处分别对应设置常亮的恒定发光体,摄像头实时获取对应的三个恒定发光体的视频图像;
S2,每隔固定时间,对拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像进行截图,截取视频截图中恒定发光体居中的矩形方框区域截图作为光域特征图片;
S3,分析光域特征图片,从矩形方框区域中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a;基于三个特征矩形环区域进行光亮度分析,分别求得三个特征矩形环区域的光亮度数值和光亮度标准差数值;
S4,根据距离摄像头50m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到50m处恒定发光体之间平均水平能见度v1:
v1=3.873+2.248ld+4.415ad,
ld为距离摄像头50m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头50m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;
S5,根据距离摄像头100m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到100m处恒定发光体之间平均水平能见度v2:
v2=41.445+2.373ld-2.178ad+1.370cd,
ld为距离摄像头100m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头100m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;cd为距离摄像头100m光域特征图片中光域中心区域c的光亮度与环境光区域a的光亮度之间的差值,简称心环差值;
S6,根据距离摄像头200m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到200m处恒定发光体之间平均水平能见度v3:
v3=54.282+8.918ld-1.256sd,
ld为距离摄像头200m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;sd为距离摄像头200m光域特征图片中光域边缘区域b的光亮度标准差与光域中心区域c的光亮度标准差之间的差值;
S7,根据求得的平均水平能见度v1、v2、v3的值,结合摄像头处设置的定位系统,确定团雾发生区段。
选某地3条快速路设有固定距离灯光路段的视频图像,结合附近能见度仪的探测资料,作为图像标校分析的数据。选取2020年1月至2020年9月期间能见度小于500m的数据和视频图像25次,小于200m的数据和视频图像260次,能见度小于100m的数据和视频图像100次,能见度小于50m的数据和视频图像60次,剔除车灯干扰明显的图片和无灯光图片后,对比分析不同能见度条件下光域特征图片的3个特征区域,即光域中心区域,光域边缘区域和环境光区域的光亮度参数。
附图2-4分别是能见度0m-500m时,距离摄像头50m、100m、200m处恒定发光体的不同区域亮度差值和亮度标准差差值图像信息,图中的亮度差值是指光域边缘区域的光亮度与环境光区域的光亮度之间的差值,亮度标准差差值是指光域边缘区域的亮度标准差与光域中心区域的亮度标准差之间的差值。从图中可看出0m-500m时,光域边缘区域的光亮度与环境光区域的光亮度差值,随着能见度数值变大而逐渐增大,100m、200m处光亮度差值增加相较于50m处光亮度差值增加速度相对缓慢,50m处光亮度差值增加速度呈现快速增长态势。同时,光亮度标准差差值的整体变化呈现明显的波动,但总体变化趋势为波动上升,表现为与区域光亮度差值同步增长趋势,就是随着区域光亮度差值的增大,光亮度标准差差值也相应增大。
光亮度标准差差值总体与区域光亮度差值基本保持一致,分析3个特征区域之间的光亮度标准差差值与区域光亮度差值的变化与团雾区域水平能见度的变换规律,得到距离摄像机50m、100m、200m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型。
表1 50m回归分析结果-自变量系数及共线性诊断
因变量:能见度
表1给出了距离摄像头50m距离处恒定发光体区域间的亮度差值、亮度标准差差值、环标差值、心环差值与水平能见度(用v1表示)线性回归分析结果,得出摄像头到50m处恒定发光体之间平均水平能见度v1公式:v1=3.873+2.248ld+4.415ad。从回归分析结果看,自变量亮度差值、环标差值均通过了显著性检验(t值分别为:6.708和5.600,p值均小于0.01),VIF值可看出,自变量之间不存在共线性。标准化系数表明,亮度差与能见度之间存在正向变化关系,亮度差值越低能见度就越低,反之能见度变大。环境光标准差差值也存在正向相关性,环境光标准差值随着能见度升高会升高。
表2 100m回归分析结果-自变量系数及共线性诊断
因变量:能见度
表2给出了距离摄像头100m距离处恒定发光体区域间的亮度差值、亮度标准差差值、环标差值、心环差值与水平能见度(用v2表示)线性回归分析结果,得出摄像头到100m处恒定发光体之间平均水平能见度v2公式:v2=41.445+2.373ld-2.178ad+1.370cd。从回归分析结果看,自变量亮度差值、环标差值、心环差值也均通过了显著性检验(t值分别为:4.419、-2.305和4.016,p值均小于0.01,环境光标准差值小于0.05),VIF值表明,自变量之间也不存在共线性。从标准化系数看,亮度差值与能见度之间也存在明显的正向变化关系,环境光标准差差值与能见度之间存在明显的负向变化关系,环境光标准差差值随着能见度降低会升高,中心亮度与环境光亮度差与能见度之间也存在明显的正向变化关系。
表3 200m回归分析结果-自变量系数及共线性诊断
因变量:能见度
表3给出了距离摄像头200m距离处恒定发光体区域间的亮度差值、亮度标准差差值、环标差值、心环差值与水平能见度(用表示)线性回归分析结果,得出摄像头到200m处恒定发光体之间平均水平能见度v3公式:v3=54.282+8.918ld-1.256sd。从回归分析结果看,自变量亮度差值、亮度标准差差值均通过了显著性检验(t值分别为:26.271和-5.209,p值均小于0.01),VIF值表明,自变量之间也不存在共线性。从标准化系数看,亮度差值与能见度之间也存在明显的正向变化关系,标准差差值在回归模型分析结果为较小的负向值,亮度标准差差值随着能见度降低会略有升高。
表4回归决定系数表
预测变量:(常量),标准差差值,亮度差
表4给出了距离摄像机50m、100m、200m处恒定发光体图像的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型的总体分析结果。从表4可看出,v1、v2、v3三个函数的复相关系数R都在0.925以上,200m处的复相关系数R达到0.990以上,因子和变量间有较强关联性。决定系数R2都在0.855以上,200m处的回归函数的达到0.979,调整后的决定系数R2最低值也等于0.833,说明其拟合优度水平较高,模型变量具有较好的解释性,该模型对低能见度天气具有很好地模拟优度。
从标准化回归系数大小可知,亮度差值对水平能见度数值确定作用较大,与能见度关系稳定。共线性诊断结果数值VIF分别为:2.555、2.555,2.371、8.008、7.413,2.935、2.935,自变量之间不存在共线性。回归标准化残差与因变量之间服从正态分布,回归标准化预计值与标准化残差散点图中数据点呈现零散均匀分布状态(图略)。由上表可看出,对距离摄像机200m、100m、50m处的发光体图像发光体区域间的亮度差值、亮度标准差差值、环标差值、心环差值与水平能见度的回归模型都能较好的拟合出预测结果,尤其是能见度200m、50m处的拟合效果更加好。结合表4给出了v1、v2、v3三个回归函数的决定系数R2和调整R2,v1、v2、v3三个模型决定系数R2都在0.85以上,200m处的回归模型的R2接近于1,其拟合优度水平较高,模型变量具有较好的解释性,该模型对低能见度天气具有更好地模拟优度,模型可以用于高速公路团雾的监测,在应用实践中接受实操检验。
附图5-7分别为距离摄像机200m处、100m处、50m处水平能见度线性回归模型检验结果,从检验结果可看出发光体视频模拟测算的能见度数值与实况数据较为接近,数值误差基本在10%之内。50m处灯光测算的局部(能见度大于90m)误差超过20%,但其它部分均小于10%。水平能见度小于200m、100m的天气环境检验效果非常好,数值误差基本也均在10%之内。以上检验结果说明本文建立的团雾监测模型具有很好的准确性,可实现对团雾监测实时监测的目的。
本发明的有益效果是:
本发明发光目标物视频团雾能见度监测方法可有效监测团雾天气,提高监测的时效性和准确性,减少因公路团雾所造成的交通事故。本发明发光目标物视频团雾能见度监测方法基于公路视频图像分析,借助路面固定距离的恒定发光体,获得视频监控设备在不同能见度环境下的视频图像,建立恒定发光体视频图像团雾监测能见度模型,24小时不间断实时监测团雾天气。
本发明发光目标物视频团雾能见度监测方法根据已有的团雾记录资料、能见度仪测试数据和存储的视频图像,分析不同距离恒定发光体视频图像特征区域的亮度差和标准差差值与水平能见度的相关性,建立线性回归模型。根据得到的线性回归模型,结合实际的恒定发光体视频图像特征区域的亮度差和标准差差值,计算实际平均水平能见度,可实现快速、准确监测能见度,可有效预防公路团雾交通事故发生;可以对高速公路团雾天气实现24h全天候不间断监测能见度,施成本低,准确率高,可实现在高速公路团雾多发路段全网覆盖。
本发明发光目标物视频团雾能见度监测方法引用恒定发光体的光亮度和环境光亮度对比分析,可以解决一天中不同时间段图像光亮度变化较大的问题。监测在固定距离上的恒定发光体,可解决团雾水平尺度难以监测的问题(目前仪器还无法实现)。恒定发光体视频团雾监测方法从一个新的视角分析处理图像信息,监测公路团雾,准确率较高。本发明发光目标物视频团雾能见度监测方法将监测结果与互联网、地理信息系统、导航信息系统结合,可快速确定团雾发生区域,减少交通事故的目的。
附图说明
附图1为本发明光域特征图片三个特征矩形环区域划分示意图;
附图2为某地3条快速路在能见度0m-500m时,距离摄像头50m处恒定发光体的不同特征区域亮度差值和亮度标准差差值图像信息;
附图3为某地3条快速路在能见度0m-500m时,距离摄像头100m处恒定发光体的不同特征区域亮度差值和亮度标准差差值图像信息;
附图4为某地3条快速路在能见度0m-500m时,距离摄像头200m处恒定发光体的不同特征区域亮度差值和亮度标准差差值图像信息;
附图5为本发明距离摄像机200m水平能见度线性回归模型检验结果图表;
附图6为本发明距离摄像机100m处水平能见度线性回归模型检验结果图表;
附图7为本发明距离摄像机50m处水平能见度线性回归模型检验结果图表。
附图标记:1-矩形方框区域边线;2-矩形光亮边框。
具体实施方式
以下是本发明的具体实施例,对本发明的技术方案作进一步的描述,但本发明并不限于这些实施例。
实施例1
一种发光目标物视频团雾能见度监测方法,包括如下步骤:S1,选择团雾多发路段路,设置若干摄像头,距离单个摄像头50m、100m、200m的距离处分别对应设置常亮的恒定发光体,摄像头实时获取对应的三个恒定发光体的视频图像;
S2,每隔固定时间,对拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像进行截图,截取视频截图中恒定发光体居中的矩形方框区域截图作为光域特征图片;
S3,分析光域特征图片,从矩形方框区域中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a;基于三个特征矩形环区域进行光亮度分析,分别求得三个特征矩形环区域的光亮度数值和光亮度标准差数值;
S4,根据距离摄像头50m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到50m处恒定发光体之间平均水平能见度v1:
v1=3.873+2.248ld+4.415ad,
ld为距离摄像头50m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头50m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;
S5,根据距离摄像头100m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到100m处恒定发光体之间平均水平能见度v2:
v2=41.445+2.373ld-2.178ad+1.370cd,
ld为距离摄像头100m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头100m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;cd为距离摄像头100m光域特征图片中光域中心区域c的光亮度与环境光区域a的光亮度之间的差值,简称心环差值;
S6,根据距离摄像头200m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到200m处恒定发光体之间平均水平能见度v3:
v3=54.282+8.918ld-1.256sd,
ld为距离摄像头200m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;sd为距离摄像头200m光域特征图片中光域边缘区域b的光亮度标准差与光域中心区域c的光亮度标准差之间的差值。
实施例2
本实施例与实施例1的不同之处在于:恒定发光体距离地面高度为3-5m,摄像头高度高于恒定发光体的高度。摄像头和恒定发光体设置于道路两侧或同一侧。
实施例3
本实施例与实施例1的不同之处在于:步骤2中每隔3-10秒截图一次,捕捉视频图像间隔短,提高监测准确度。
实施例4
本实施例与实施例1的不同之处在于:步骤2中截取视频截图中恒定发光体居中的矩形方框区域的方法为:取定时拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像截图,截取列*行为5-30*6-35像素的矩形方框区域作为光域特征图片。
优选的,距离摄像头50m、100m、200m的恒定发光体的视频图像像素依次减少,分别截取恒定发光体居中列*行为26*31、16*19、6*7像素,宽度与高度比在0.83-0.86之间的矩形方框区域作为光域特征图片。
实施例5
本实施例与实施例1的不同之处在于:步骤3中从光域特征图片中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a的方法:如附图1所示,取光域特征图片从恒定发光体中心点向四周寻找,取光亮度突变像素点作为边缘点,依据边缘点连线做4条切线作为边缘线,边缘线两两相交后得到矩形光亮边框2,由矩形光亮边框2向内周取1-4行或列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线1向内取1-4行或列像素的矩形环区域为环境光区域a。
优选的,由矩形光亮边框2向内周取2行2列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线1向内取2行2列像素的矩形环区域为环境光区域a。
实施例6
本实施例与实施例5的不同之处在于:步骤3中求得三个特征矩形环区域的光亮度数值和光亮度标准差数值的方法为:取特定时间段内拍摄截取的N张光域特征图片,获取在N张光域特征图片中同一像素的光亮度平均值作为该像素的光亮度,计算得出光域中心区域c中Mc个像素的光亮度二次平均值作为光域中心区域c的光亮度,并基于光亮度二次平均值算出Mc个像素的光亮度标准差作为光域中心区域c的光亮度标准差;计算光域边缘区域b中Mb个像素的光亮度二次平均值作为光域边缘区域b的光亮度,并基于光亮度二次平均值算出Mb个像素的光亮度标准差作为算光域边缘区域b的光亮度标准差;计算环境光区域a中Ma个像素的光亮度二次平均值作为环境光区域a的光亮度数值,并基于光亮度二次平均值算出Ma个像素的光亮度标准差作为环境光区域a的光亮度标准差。
实施例7
本实施例与实施例6的不同之处在于:取3-5分钟内拍摄截取的N张光域特征图片求得三个特征矩形环区域的光亮度数值和光亮度标准差数值,缩短监测数据更新周期,提高能见度监测时效性和准确度。
实施例8
一种发光目标物视频团雾监测方法,与实施例1技术特征不同之处在于:还包括步骤S7:根据求得的平均水平能见度v1、v2、v3的值,结合摄像头处设置的定位系统,确定团雾发生区段。
实施例9
本实施例与实施例8的不同之处在于:恒定发光体距离地面高度为3-5m,摄像头高度高于恒定发光体的高度。摄像头和恒定发光体设置于道路两侧或同一侧。
实施例10
本实施例与实施例8的不同之处在于:步骤2中每隔3-10秒截图一次,捕捉视频图像间隔短,提高监测准确度。
实施例11
本实施例与实施例8的不同之处在于:步骤2中截取视频截图中恒定发光体居中的矩形方框区域的方法为:取定时拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像截图,截取列*行为5-30*6-35像素的矩形方框区域作为光域特征图片。
优选的,距离摄像头50m、100m、200m的恒定发光体的视频图像像素依次减少,分别截取恒定发光体居中列*行为26*31、16*19、6*7像素,宽度与高度比在0.83-0.86之间的矩形方框区域作为光域特征图片。
实施例12
本实施例与实施例8的不同之处在于:步骤3中从光域特征图片中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a的方法:如附图1所示,取光域特征图片从恒定发光体中心点向四周寻找,取光亮度突变像素点作为边缘点,依据边缘点连线做4条切线作为边缘线,边缘线两两相交后得到矩形光亮边框2,由矩形光亮边框2向内周取1-4行或列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线1向内取1-4行或列像素的矩形环区域为环境光区域a。
优选的,由矩形光亮边框2向内周取2行2列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线1向内取2行2列像素的矩形环区域为环境光区域a。
实施例13
本实施例与实施例12的不同之处在于:步骤3中求得三个特征矩形环区域的光亮度数值和光亮度标准差数值的方法为:取特定时间段内拍摄截取的N张光域特征图片,获取在N张光域特征图片中同一像素的光亮度平均值作为该像素的光亮度,计算得出光域中心区域c中Mc个像素的光亮度二次平均值作为光域中心区域c的光亮度,并基于光亮度二次平均值算出Mc个像素的光亮度标准差作为光域中心区域c的光亮度标准差;计算光域边缘区域b中Mb个像素的光亮度二次平均值作为光域边缘区域b的光亮度,并基于光亮度二次平均值算出Mb个像素的光亮度标准差作为算光域边缘区域b的光亮度标准差;计算环境光区域a中Ma个像素的光亮度二次平均值作为环境光区域a的光亮度数值,并基于光亮度二次平均值算出Ma个像素的光亮度标准差作为环境光区域a的光亮度标准差。
实施例14
本实施例与实施例13的不同之处在于:取3-5分钟内拍摄截取的N张光域特征图片求得三个特征矩形环区域的光亮度数值和光亮度标准差数值,缩短监测数据更新周期,提高能见度监测时效性和准确度。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种发光目标物视频团雾能见度监测方法,其特征在于:包括如下步骤:
S1,设置若干摄像头,距离单个摄像头50m、100m、200m的距离处分别对应设置常亮的恒定发光体,摄像头实时获取对应的三个恒定发光体的视频图像;
S2,每隔固定时间,对拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像进行截图,截取视频截图中恒定发光体居中的矩形方框区域截图作为光域特征图片;
S3,分析光域特征图片,从矩形方框区域中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a;基于三个特征矩形环区域进行光亮度分析,分别求得三个特征矩形环区域的光亮度数值和光亮度标准差数值;
S4,根据距离摄像头50m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到50m处恒定发光体之间平均水平能见度v1:
v1=3.873+2.248ld+4.415ad,
ld为距离摄像头50m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头50m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;
S5,根据距离摄像头100m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到100m处恒定发光体之间平均水平能见度v2:
v2=41.445+2.373ld-2.178ad+1.370cd,
ld为距离摄像头100m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头100m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;cd为距离摄像头100m光域特征图片中光域中心区域c的光亮度与环境光区域a的光亮度之间的差值,简称心环差值;
S6,根据距离摄像头200m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到200m处恒定发光体之间平均水平能见度v3:
v3=54.282+8.918ld-1.256sd,
ld为距离摄像头200m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;sd为距离摄像头200m光域特征图片中光域边缘区域b的光亮度标准差与光域中心区域c的光亮度标准差之间的差值。
2.根据权利要求1所述的发光目标物视频团雾能见度监测方法,其特征在于:恒定发光体距离地面高度为3-5m,摄像头高度高于恒定发光体的高度;摄像头和恒定发光体设置于道路两侧或同一侧。
3.根据权利要求1所述的发光目标物视频团雾能见度监测方法,其特征在于:步骤2中每隔3-10秒截图一次。
4.根据权利要求1所述的发光目标物视频团雾能见度监测方法,其特征在于:步骤2中截取视频截图中恒定发光体居中的矩形方框区域的方法为:取定时拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像截图,截取列*行为5-30*6-35像素的矩形方框区域作为光域特征图片。
5.根据权利要求4所述的发光目标物视频团雾能见度监测方法,其特征在于:距离摄像头50m、100m、200m的恒定发光体的视频图像分别截取恒定发光体居中列*行为26*31、16*19、6*7像素,宽度与高度比在0.83-0.86之间的矩形方框区域作为光域特征图片。
6.根据权利要求1所述的发光目标物视频团雾能见度监测方法,其特征在于:步骤3中从光域特征图片中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a的方法:如附图1所示,取光域特征图片从恒定发光体中心点向四周寻找,取光亮度突变像素点作为边缘点,依据边缘点连线做4条切线作为边缘线,边缘线两两相交后得到矩形光亮边框2,由矩形光亮边框2向内周取1-4行或列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线1向内取1-4行或列像素的矩形环区域为环境光区域a。
7.根据权利要求6所述的发光目标物视频团雾能见度监测方法,其特征在于:由矩形光亮边框向内周取2行2列像素的矩形环区域,作为光域边缘区域b;光域边缘区域b以内全部为光域中心区域c;矩形方框区域边线向内取2行2列像素的矩形环区域为环境光区域a。
8.根据权利要求1所述的发光目标物视频团雾能见度监测方法,其特征在于:步骤3中求得三个特征矩形环区域的光亮度数值和光亮度标准差数值的方法为:取特定时间段内拍摄截取的N张光域特征图片,获取在N张光域特征图片中同一像素的光亮度平均值作为该像素的光亮度,计算得出光域中心区域c中Mc个像素的光亮度二次平均值作为光域中心区域c的光亮度,并基于光亮度二次平均值算出Mc个像素的光亮度标准差作为光域中心区域c的光亮度标准差;计算光域边缘区域b中Mb个像素的光亮度二次平均值作为光域边缘区域b的光亮度,并基于光亮度二次平均值算出Mb个像素的光亮度标准差作为算光域边缘区域b的光亮度标准差;计算环境光区域a中Ma个像素的光亮度二次平均值作为环境光区域a的光亮度数值,并基于光亮度二次平均值算出Ma个像素的光亮度标准差作为环境光区域a的光亮度标准差。
9.根据权利要求8所述的发光目标物视频团雾能见度监测方法,其特征在于:取3-5分钟内拍摄截取的N张光域特征图片求得三个特征矩形环区域的光亮度数值和光亮度标准差数值。
10.一种发光目标物视频团雾监测方法,其特征在于:包括如下步骤:S1,设置若干摄像头,距离单个摄像头50m、100m、200m的距离处分别对应设置常亮的恒定发光体,摄像头实时获取对应的三个恒定发光体的视频图像;
S2,每隔固定时间,对拍摄的距离摄像头50m、100m、200m的恒定发光体的视频图像进行截图,截取视频截图中恒定发光体居中的矩形方框区域截图作为光域特征图片;
S3,分析光域特征图片,从矩形方框区域中心点向四周确定三个特征矩形环区域,即光域中心区域c,光域边缘区域b和环境光区域a;基于三个特征矩形环区域进行光亮度分析,分别求得三个特征矩形环区域的光亮度数值和光亮度标准差数值;
S4,根据距离摄像头50m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到50m处恒定发光体之间平均水平能见度v1:
v1=3.873+2.248ld+4.415ad,
ld为距离摄像头50m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头50m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;
S5,根据距离摄像头100m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到100m处恒定发光体之间平均水平能见度v2:
v2=41.445+2.373ld-2.178ad+1.370cd,
ld为距离摄像头100m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;ad为距离摄像头100m光域特征图片中光域边缘区域b的光亮度标准差与环境光区域a的光亮度标准差之间的差值,简称环标差值;cd为距离摄像头100m光域特征图片中光域中心区域c的光亮度与环境光区域a的光亮度之间的差值,简称心环差值;
S6,根据距离摄像头200m处恒定发光体的亮度差、标准差、环标差值、心环差值与水平能见度线性回归模型,求得摄像头到200m处恒定发光体之间平均水平能见度v3:
v3=54.282+8.918ld-1.256sd,
ld为距离摄像头200m光域特征图片中光域边缘区域b的光亮度与环境光区域a的光亮度之间的差值;sd为距离摄像头200m光域特征图片中光域边缘区域b的光亮度标准差与光域中心区域c的光亮度标准差之间的差值;
S7,根据求得的平均水平能见度v1、v2、v3的值,结合摄像头处设置的定位系统,确定团雾发生区段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625838.1A CN112668503B (zh) | 2020-12-30 | 2020-12-30 | 一种发光目标物视频团雾能见度监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625838.1A CN112668503B (zh) | 2020-12-30 | 2020-12-30 | 一种发光目标物视频团雾能见度监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112668503A true CN112668503A (zh) | 2021-04-16 |
CN112668503B CN112668503B (zh) | 2022-06-28 |
Family
ID=75412418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011625838.1A Active CN112668503B (zh) | 2020-12-30 | 2020-12-30 | 一种发光目标物视频团雾能见度监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668503B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101614675A (zh) * | 2009-07-06 | 2009-12-30 | 中国气象局北京城市气象研究所 | 能见度测量系统及方法 |
CN101957309A (zh) * | 2010-08-17 | 2011-01-26 | 招商局重庆交通科研设计院有限公司 | 一种能见度的全天候视频测量方法 |
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 |
CN104634740A (zh) * | 2013-11-12 | 2015-05-20 | 中国电信股份有限公司 | 雾霾能见度监测方法和装置 |
CN108230707A (zh) * | 2017-12-27 | 2018-06-29 | 上海新中新猎豹交通科技股份有限公司 | 一种团雾事故预警系统 |
CN109241831A (zh) * | 2018-07-26 | 2019-01-18 | 东南大学 | 一种基于图像分析的夜间雾天能见度分类方法 |
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 |
CN109683209A (zh) * | 2018-12-27 | 2019-04-26 | 吉林省气象服务中心 | 团雾的监测方法和监测系统 |
CN109783973A (zh) * | 2018-12-25 | 2019-05-21 | 北京航空航天大学 | 一种基于图像退化模型的大气能见度计算方法 |
-
2020
- 2020-12-30 CN CN202011625838.1A patent/CN112668503B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101614675A (zh) * | 2009-07-06 | 2009-12-30 | 中国气象局北京城市气象研究所 | 能见度测量系统及方法 |
CN101957309A (zh) * | 2010-08-17 | 2011-01-26 | 招商局重庆交通科研设计院有限公司 | 一种能见度的全天候视频测量方法 |
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 |
CN104634740A (zh) * | 2013-11-12 | 2015-05-20 | 中国电信股份有限公司 | 雾霾能见度监测方法和装置 |
CN108230707A (zh) * | 2017-12-27 | 2018-06-29 | 上海新中新猎豹交通科技股份有限公司 | 一种团雾事故预警系统 |
CN109241831A (zh) * | 2018-07-26 | 2019-01-18 | 东南大学 | 一种基于图像分析的夜间雾天能见度分类方法 |
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 |
CN109783973A (zh) * | 2018-12-25 | 2019-05-21 | 北京航空航天大学 | 一种基于图像退化模型的大气能见度计算方法 |
CN109683209A (zh) * | 2018-12-27 | 2019-04-26 | 吉林省气象服务中心 | 团雾的监测方法和监测系统 |
Non-Patent Citations (2)
Title |
---|
李小磊,秦会斌: "《基于视频图像处理的高速公路能见度检测系统》", 《智能物联技术》 * |
李小磊,秦会斌: "《基于视频图像处理的高速公路能见度检测系统》", 《智能物联技术》, vol. 51, no. 1, 31 January 2019 (2019-01-31) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112668503B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424655B (zh) | 一种基于视频图像的能见度检测方法 | |
CN113744270A (zh) | 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法 | |
US20160260306A1 (en) | Method and device for automated early detection of forest fires by means of optical detection of smoke clouds | |
CN103954542A (zh) | 基于无参考图像清晰度评价的pm2.5浓度检测仪 | |
CN102456142A (zh) | 一种基于计算机视觉的烟气黑度分析方法 | |
CN102509102A (zh) | 基于图像学习的能见度测量方法 | |
CN112668503B (zh) | 一种发光目标物视频团雾能见度监测方法 | |
CN115482474B (zh) | 一种基于高空航拍图像的桥面车辆荷载识别方法和系统 | |
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 | |
CN110849807A (zh) | 一种基于深度学习的适用于道路能见度的监测方法与系统 | |
WO2024021225A1 (zh) | 一种高解析度真彩可见光模型生成、反演方法及其系统 | |
CN112686164B (zh) | 一种发光目标物视频团雾监测预警方法 | |
CN112365467A (zh) | 一种基于单幅图像深度估计的雾天图像能见度估计方法 | |
Hagiwara et al. | Method of processing closed-circuit television digital images for poor visibility identification | |
CN117131441B (zh) | 夜间光污染监测方法、装置、计算机设备和存储介质 | |
CN109035225B (zh) | 一种汽车刹车片外观质量检验照明系统设计质量评价方法 | |
CN109285187A (zh) | 一种基于道路监控视频图像的最远可见点检测方法 | |
CN106556579A (zh) | 基于激光的团雾图像全天候自适应检测方法 | |
CN107576399A (zh) | 面向modis 林火探测的亮温预测方法和系统 | |
CN109166081B (zh) | 一种视频能见度检测过程中目标亮度调节方法 | |
Meng et al. | Highway visibility detection method based on surveillance video | |
KR20210032188A (ko) | 우시정 측정 시스템 및 방법 | |
CN109783973A (zh) | 一种基于图像退化模型的大气能见度计算方法 | |
Zatari et al. | Glare, luminance, and illuminance measurements of road lighting using vehicle mounted CCD cameras |
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 |