CN112816483A - 基于雾值分析的团雾识别预警方法、系统和电子设备 - Google Patents
基于雾值分析的团雾识别预警方法、系统和电子设备 Download PDFInfo
- Publication number
- CN112816483A CN112816483A CN202011643435.XA CN202011643435A CN112816483A CN 112816483 A CN112816483 A CN 112816483A CN 202011643435 A CN202011643435 A CN 202011643435A CN 112816483 A CN112816483 A CN 112816483A
- Authority
- CN
- China
- Prior art keywords
- fog
- value
- image
- sub
- values
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 20
- 239000003595 mist Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000036626 alertness Effects 0.000 abstract 1
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N2021/8578—Gaseous flow
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于雾值分析的团雾识别预警方法、系统和电子设备,其中,团雾识别预警方法包括:获取目标场景的场景图像;对场景图像进行矩阵分割,以形成多个子图像区域;对子图像区域用单元图像块进行矩阵分割,计算得到子图像区域的雾值;依次获取所有子图像区域的雾值,以形成雾值数组FV;计算雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者判断目标场景为清晰区域或团雾风险区域。本发明解决了现有技术中无法对团雾进行智能化、高效、迅速、便捷的监测评估预警,从而当团雾出现在公路时,驾驶人员对团雾的警觉仍然存在一定的延迟性,无法及时进行交通安全防范,存在交通事故隐患的问题。
Description
技术领域
本发明涉及智能交通安全技术领域,具体而言,涉及一种基于雾值分析的团雾识别预警方法、系统和电子设备。
背景技术
近年来,随着我国经济的高速发展,道路交通运输行业也日新月异。在我国,公路交通以其方便、快捷、机动灵活的特点,使其在各种运输方式中占据着主导地位。
随着公路交通的规模呈不断扩大化趋势,公路交通的事故率也在不断提升,交通安全逐渐成为人们关心和热议的话题。
团雾又称坨坨雾,是受局部地区微气候环境的影响,在大雾中数十米到上百米的局部范围内,出现的能见度更低的雾。团雾具有区域性强,预测预报难度大的特点,在公路上,尤在高速公路上,团雾会导致能见度的突然变化,瞬间影响驾驶人员的视线,对高速公路交通安全极具危害性,容易导致重大的交通事故。因此,团雾被称为公路交通安全的“隐形杀手”。
在现有的交通安全领域,目前还无法对团雾进行智能化、高效、迅速、便捷的监测评估预警,因此,当团雾出现在公路时,驾驶人员对团雾的警觉仍然存在一定的延迟性,无法及时进行交通安全防范,提升了交通事故发生的隐患。
发明内容
本发明的主要目的在于提供一种基于雾值分析的团雾识别预警方法、系统和电子设备,以解决现有技术中的交通安全领域,还无法对团雾进行智能化、高效、迅速、便捷的监测评估预警,从而当团雾出现在公路时,驾驶人员对团雾的警觉仍然存在一定的延迟性,无法及时进行交通安全防范,存在交通事故隐患的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种基于雾值分析的团雾识别预警方法,包括:步骤S1,获取目标场景的场景图像;步骤S2,沿场景图像的宽度方向和高度方向对场景图像进行矩阵分割,以形成多个子图像区域(a);步骤S3,对子图像区域(a)用多个单元图像块(b)进行矩阵分割,通过子图像区域(a)包含的单元图像块(b)的暗通道值和平均亮度值计算得到子图像区域(a)的雾值;步骤S4,依次获取所有子图像区域(a)的雾值,以形成雾值数组FV;计算雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者判断目标场景为清晰区域或团雾风险区域。
进一步地,在步骤S4中,在雾值相邻差值平均值meanDiff<10的情况下,当雾值平均值meanAll≥80时,判定目标场景为清晰区域,当雾值平均值meanAll<80时,判定目标场景为团雾风险区域;在雾值相邻差值平均值meanDiff≥10时的情况下,根据场景图像中的可移动物体的最远可视距离判断目标场景为清晰区域或团雾风险区域。
进一步地,判定目标场景为团雾风险区域后,根据对雾值平均值meanAll的阈值分析划分目标场景的团雾等级;当雾值平均值meanAll落入[0,30)内时,判定目标场景的团雾等级为重度;当雾值平均值meanAll落入[30,50)内时,判定目标场景的团雾等级为次重度;当雾值平均值meanAll落入[50,70)内时,判定目标场景的团雾等级为中度;当雾值平均值meanAll落入[70,80)内时,判定目标场景的团雾等级为轻度。
进一步地,在步骤S3中,对各子图像区域(a)中的各单元图像块(b)的多个暗通道值进行差分计算得到中间暗通道数组;对各子图像区域(a)中的所有单元图像块(b)的多个平均亮度值进行差分计算得到平均亮度数组;计算中间暗通道数组和平均亮度数组中所有数据的算术平均值,以获取子图像区域(a)的雾值。
进一步地,单元图像块(b)的暗通道值取该单元图像块(b)中所有像素点的RGB值中的最小的一个值;单元图像块(b)的平均亮度值由公示(1)计算得出:其中,L(x,y)为单元图像块(b)中的像素点的亮度值;N为单元图像块(b)的像素点的个数;δ=0.0001,用于防止对数计算结果趋于负无穷。
进一步地,单元图像块(b)包含n×n个像素点,其中,2≤n≤10。
进一步地,在步骤S2之后,还包括:步骤S21,将子图像区域(a)进行缩放处理,以使子图像区域(a)的像素大于单元图像块(b)的像素,且子图像区域(a)包含m×m个像素点,其中,m为n的整数倍。
进一步地,在步骤S2中,子图像区域(a)的高度为场景图像的高度的1/m,子图像区域(a)的宽度为场景图像的宽度的1/m,1≤m≤10。
根据本发明的另一方面,提供了一种团雾识别预警系统,包括:图像获取模块,用于获取目标场景的场景图像;特征计算模块,用于沿场景图像的宽度方向和高度方向对场景图像进行矩阵分割,以形成多个子图像区域(a);并对子图像区域(a)用多个单元图像块(b)进行矩阵分割,通过子图像区域(a)包含的单元图像块(b)的暗通道值和平均亮度值计算得到子图像区域(a)的雾值;分析处理模块,依次获取所有子图像区域(a)的雾值,形成雾值数组FV;计算雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者判断目标场景为清晰区域或团雾风险区域;当判定目标场景为团雾风险区域时,并向外发送预警信号;终端预警模块,用于接收预警信号后发出提示警报。
根据本发明的另一方面,提供了一种电子设备,包括:处理器和存储器;其中,处理器和存储器之间通信连接;处理器用于执行存储器中存储的团雾识别预警程序,以实现上述的团雾识别预警方法。
应用本发明的技术方案,通过本发明的图像分析处理技术对目标场景的场景图像进行分割式的雾值分析,不仅能够可靠地、准确地判断出目标场景是否存在团雾风险,有利于及时向驾驶人员风险预警;而且本发明提供的团雾识别预警方法简单可行,便于应用,有利于后期去雾模型的构建,优化透射率,实现场景图像的去雾,为驾驶人员提供目标场景下的高能见度图像,提升驾乘安全性。
如图2和图3所示,沿场景图像的宽度方向W和高度方向H对场景图像进行矩阵分割,即对场景图像进行抠图,以形成多个子图像区域(a)。当目标场景存在团雾时,场景图像便为有雾图像,雾的分布并不总是均匀的,有雾图像的亮度也不均匀,从而对场景图像分区域处理,逐一得到各子图像区域(a)的雾值,后期再结合多个子图像区域(a)的雾值形成的雾值数组FV计算分析,提高对场景图像的实时场景状态判断准确性。具体而言,计算雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者迅速判断目标场景为清晰区域或团雾风险区域,并反馈信息。
此外,在本方案中,使用多个单元图像块(b)对各子图像区域(a)用进行矩阵分割,以单元图像块(b)作为基础分析元素,利用各子图像区域(a)所包含的所有单元图像块(b)的暗通道值和平均亮度值,计算得到子图像区域(a)的雾值;这样,结合平均亮度信息和暗通道信息所得到的雾值结果,具有良好的鲁棒性。
可见,利用本发明的团雾识别预警方法,能够对目标场景处的团雾进行智能化、高效、迅速、便捷的监测评估预警,当目标场景被判定为团雾风险区域时,有效地预警能够确保驾驶人员及时采取制动、躲避等应急措施,可靠地降低了公路事故率,大大地提升了公路交通安全。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明的一种可选实施例的基于雾值分析的团雾识别预警方法的流程图;
图2示出了本发明的一种可选实施例的目标场景的场景图像;
图3示出了使用本发明提供的基于雾值分析的团雾识别预警方法对图2中的场景图像进行矩阵分割的示意图。
其中,上述附图包括以下附图标记:
a、子图像区域;b、单元图像块。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”、“和”、“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了解决现有技术中的交通安全领域,还无法对团雾进行智能化、高效、迅速、便捷的监测评估预警,从而当团雾出现在公路时,驾驶人员对团雾的警觉仍然存在一定的延迟性,无法及时进行交通安全防范,存在交通事故隐患的问题,本发明提供了一种基于雾值分析的团雾识别预警方法、系统和电子设备,其中,团雾识别预警系统包括图像获取模块、特征计算模块、分析处理模块和终端预警模块,图像获取模块用于获取目标场景的场景图像;特征计算模块用于沿场景图像的宽度方向和高度方向对场景图像进行矩阵分割,以形成多个子图像区域(a);并对子图像区域(a)用多个单元图像块(b)进行矩阵分割,通过子图像区域(a)包含的单元图像块(b)的暗通道值和平均亮度值计算得到子图像区域(a)的雾值;分析处理模块用于依次获取所有子图像区域(a)的雾值,形成雾值数组FV;计算雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者判断目标场景为清晰区域或团雾风险区域;当判定目标场景为团雾风险区域时,并向外发送预警信号;终端预警模块用于接收预警信号后发出提示警报。电子设备包括:处理器和存储器;其中,处理器和存储器之间通信连接;处理器用于执行存储器中存储的团雾识别预警程序,以实现上述和下述的团雾识别预警方法。
图1为根据本发明的一种可选实施例的基于雾值分析的团雾识别预警方法的流程图。如图1所示,该团雾识别预警方法包括步骤如下:
步骤S1,获取目标场景的场景图像;
步骤S2,沿场景图像的宽度方向和高度方向对场景图像进行矩阵分割,以形成多个子图像区域(a);
步骤S3,对子图像区域(a)用多个单元图像块(b)进行矩阵分割,通过子图像区域(a)包含的单元图像块(b)的暗通道值和平均亮度值计算得到子图像区域(a)的雾值;
步骤S4,依次获取所有子图像区域(a)的雾值,以形成雾值数组FV;计算雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者判断目标场景为清晰区域或团雾风险区域。
通过本发明的图像分析处理技术对目标场景的场景图像进行分割式的雾值分析,不仅能够可靠地、准确地判断出目标场景是否存在团雾风险,有利于及时向驾驶人员风险预警;而且本发明提供的团雾识别预警方法简单可行,便于应用,有利于后期去雾模型的构建,优化透射率,实现场景图像的去雾,为驾驶人员提供目标场景下的高能见度图像,提升驾乘安全性。
如图2和图3所示,沿场景图像的宽度方向W和高度方向H对场景图像进行矩阵分割,即对场景图像进行抠图,以形成多个子图像区域(a)。当目标场景存在团雾时,场景图像便为有雾图像,雾的分布并不总是均匀的,有雾图像的亮度也不均匀,从而对场景图像分区域处理,逐一得到各子图像区域(a)的雾值,后期再结合多个子图像区域(a)的雾值形成的雾值数组FV计算分析,提高对场景图像的实时场景状态判断准确性。
此外,在本方案中,使用多个单元图像块(b)对各子图像区域(a)用进行矩阵分割,以单元图像块(b)作为基础分析元素,利用各子图像区域(a)所包含的所有单元图像块(b)的暗通道值和平均亮度值,计算得到子图像区域(a)的雾值;这样,结合平均亮度信息和暗通道信息所得到的雾值结果,具有良好的鲁棒性。
可见,利用本发明的团雾识别预警方法,能够对目标场景处的团雾进行智能化、高效、迅速、便捷的监测评估预警,当目标场景被判定为团雾风险区域时,有效地预警能够确保驾驶人员及时采取制动、躲避等应急措施,可靠地降低了公路事故率,大大地提升了公路交通安全。
在本实施例中,需要说明的是,在步骤S2中,子图像区域(a)的高度h为场景图像的高度H的1/m,子图像区域(a)的宽度为场景图像的高度的1/m,1≤m≤10。这样设置是为了对场景图像抠图时,做到对场景图像均匀分割,使得各子图像区域(a)的面积形同,且不会遗漏场景图像的任何区域,确保最终对场景图像的实时场景状态判断的准确性。在图示实施例中,如图3所示,子图像区域(a)的高度H为场景图像的高度h的1/4,子图像区域(a)的宽度W为场景图像的宽度w的1/4。当然,当m值越大时,后续的计算复杂度越大,但是计算结果的精度越高。优选地,m=10。
可选地,单元图像块(b)包含n×n个像素点,其中,2≤n≤10。在本发明的优选实施例中,n=3。这样,将子图像区域(a)分割成多个3×3的单元图像块(b),由于本发明对子图像区域(a)进行了区域划分,分割成多个单元图像块(b),当子图像区域(a)为雾图时,对子图像区域(a)的区域划分便需要依赖有雾图像的特征信息,即单元图像块(b)的暗通道信和图像亮度信息。
本发明的发明人通过对大量无雾图像特征的观察,发现在无雾图像的非天空区域里,若把图像分成多个子块,则每个子块中都会有某些像素点的一个颜色通道的亮度接近于0。
在有雾天气下,由于附加的大气光,获取到的图像往往会比自然无雾图像的亮度要高,一幅有雾的场景图像中,在不同区域,由于雾的浓度不同,亮度也不统一;自然无雾的场景图像中,暗原色区域零。暗原色值通过暗通道值计算,有雾条件下,因为雾的干扰使得暗通道的取值增大。
在本发明中,对各子图像区域(a)中的各单元图像块(b)的多个暗通道值进行差分计算得到中间暗通道数组;对各子图像区域(a)中的所有单元图像块(b)的多个平均亮度值进行差分计算得到平均亮度数组;计算中间暗通道数组和平均亮度数组中所有数据的算术平均值,以获取子图像区域(a)的雾值。可见,本发明综合暗通道信和图像亮度信息息获取子图像区域(a)的雾值,即对若干单元图像块(b)的暗通道值和平均亮度值分别差分计算后,取算术平均值得到子图像区域(a)的雾值,雾值的量则直接反应了子图像区域(a)的雾浓度。
在本发明的此优选实施例中,单元图像块(b)的暗通道值取该单元图像块(b)中所有像素点的RGB值中的最小的一个值;单元图像块(b)的平均亮度值由公示(1)计算得出:
其中,L(x,y)为单元图像块(b)中的像素点的亮度值;N为单元图像块(b)的像素点的个数;δ=0.0001,用于防止对数计算结果趋于负无穷。这样,即有效地降低了计算子图像区域(a)的雾值的复杂程度,又能够确保运算结果的精确性。
本发明中,为了提升判断目标场景为清晰区域或团雾风险区域的精度,本发明使用多个子图像区域(a)的雾值组成的雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff来迅速判断目标场景为清晰区域或团雾风险区域,并反馈信息。
具体而言,在雾值相邻差值平均值meanDiff<10的情况下,当雾值平均值meanAll≥80时,判定目标场景为清晰区域,当雾值平均值meanAll<80时,判定目标场景为团雾风险区域;在雾值相邻差值平均值meanDiff≥10时的情况下,根据场景图像中的可移动物体的最远可视距离判断目标场景为清晰区域或团雾风险区域。
进一步地,当判定目标场景为团雾风险区域后,根据对雾值平均值meanAll的阈值分析划分目标场景的团雾等级;当雾值平均值meanAll落入[0,30)内时,判定目标场景的团雾等级为重度;当雾值平均值meanAll落入[30,50)内时,判定目标场景的团雾等级为次重度;当雾值平均值meanAll落入[50,70)内时,判定目标场景的团雾等级为中度;当雾值平均值meanAll落入[70,80)内时,判定目标场景的团雾等级为轻度。
可选地,在本实施例中,团雾识别预警方法还可以包括步骤S21,将子图像区域(a)进行缩放处理,以使子图像区域(a)的像素大于单元图像块(b)的像素,且子图像区域(a)包含m×m个像素点,其中,m为n的整数倍。这样,有利于提升子图像区域(a)与单元图像块(b)的适配性,使得子图像区域(a)正好能被多个单元图像块(b)完美覆盖,大大地降低了有序计算难度。
优选地,子图像区域(a)可以被缩放成90×90像素,这样,子图像区域(a)刚好被分割成呈矩阵排布的900个单元图像块(b)。
优选地,本发明中的目标场景为行车道路。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于雾值分析的团雾识别预警方法,其特征在于,包括:
步骤S1,获取目标场景的场景图像;
步骤S2,沿所述场景图像的宽度方向和高度方向对所述场景图像进行矩阵分割,以形成多个子图像区域(a);
步骤S3,对所述子图像区域(a)用多个单元图像块(b)进行矩阵分割,通过所述子图像区域(a)包含的所述单元图像块(b)的暗通道值和平均亮度值计算得到所述子图像区域(a)的雾值;
步骤S4,依次获取所有所述子图像区域(a)的雾值,以形成雾值数组FV;计算所述雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者判断所述目标场景为清晰区域或团雾风险区域。
2.根据权利要求1所述的团雾识别预警方法,其特征在于,
在所述步骤S4中,
在所述雾值相邻差值平均值meanDiff<10的情况下,
当所述雾值平均值meanAll≥80时,判定所述目标场景为清晰区域,
当所述雾值平均值meanAll<80时,判定所述目标场景为团雾风险区域;
在所述雾值相邻差值平均值meanDiff≥10时的情况下,根据所述场景图像中的可移动物体的最远可视距离判断所述目标场景为清晰区域或团雾风险区域。
3.根据权利要求2所述的团雾识别预警方法,其特征在于,
判定所述目标场景为团雾风险区域后,根据对所述雾值平均值meanAll的阈值分析划分所述目标场景的团雾等级;
当所述雾值平均值meanAll落入[0,30)内时,判定所述目标场景的团雾等级为重度;
当所述雾值平均值meanAll落入[30,50)内时,判定所述目标场景的团雾等级为次重度;
当所述雾值平均值meanAll落入[50,70)内时,判定所述目标场景的团雾等级为中度;
当所述雾值平均值meanAll落入[70,80)内时,判定所述目标场景的团雾等级为轻度。
4.根据权利要求1所述的团雾识别预警方法,其特征在于,在所述步骤S3中,
对各所述子图像区域(a)中的各所述单元图像块(b)的多个暗通道值进行差分计算得到中间暗通道数组;
对各所述子图像区域(a)中的所有所述单元图像块(b)的多个平均亮度值进行差分计算得到平均亮度数组;
计算所述中间暗通道数组和所述平均亮度数组中所有数据的算术平均值,以获取所述子图像区域(a)的雾值。
6.根据权利要求5所述的团雾识别预警方法,其特征在于,所述单元图像块(b)包含n×n个像素点,其中,2≤n≤10。
7.根据权利要求6所述的团雾识别预警方法,其特征在于,在所述步骤S2之后,还包括:
步骤S21,将所述子图像区域(a)进行缩放处理,以使所述子图像区域(a)的像素大于所述单元图像块(b)的像素,且所述子图像区域(a)包含m×m个像素点,其中,m为n的整数倍。
8.根据权利要求1所述的团雾识别预警方法,其特征在于,在所述步骤S2中,所述子图像区域(a)的高度为所述场景图像的高度的1/m,所述子图像区域(a)的宽度为所述场景图像的宽度的1/m,1≤m≤10。
9.一种团雾识别预警系统,其特征在于,包括:
图像获取模块,用于获取目标场景的场景图像;
特征计算模块,用于沿所述场景图像的宽度方向和高度方向对所述场景图像进行矩阵分割,以形成多个子图像区域(a);并对所述子图像区域(a)用多个单元图像块(b)进行矩阵分割,通过所述子图像区域(a)包含的所述单元图像块(b)的暗通道值和平均亮度值计算得到所述子图像区域(a)的雾值;
分析处理模块,依次获取所有所述子图像区域(a)的雾值,形成雾值数组FV;计算所述雾值数组FV中所有雾值的雾值平均值meanAll以及雾值相邻差值平均值meanDiff,并根据两者判断所述目标场景为清晰区域或团雾风险区域;当判定所述目标场景为团雾风险区域时,并向外发送预警信号;
终端预警模块,用于接收所述预警信号后发出提示警报。
10.一种电子设备,其特征在于,包括:处理器和存储器;其中,
所述处理器和所述存储器之间通信连接;
所述处理器用于执行所述存储器中存储的团雾识别预警程序,以实现权利要求1-8中任一项所述的团雾识别预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011643435.XA CN112816483A (zh) | 2021-03-05 | 2021-03-05 | 基于雾值分析的团雾识别预警方法、系统和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011643435.XA CN112816483A (zh) | 2021-03-05 | 2021-03-05 | 基于雾值分析的团雾识别预警方法、系统和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112816483A true CN112816483A (zh) | 2021-05-18 |
Family
ID=75858258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011643435.XA Pending CN112816483A (zh) | 2021-03-05 | 2021-03-05 | 基于雾值分析的团雾识别预警方法、系统和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112816483A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313914A (zh) * | 2021-05-28 | 2021-08-27 | 谢静芳 | 团雾监测方法、装置、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08315113A (ja) * | 1995-05-18 | 1996-11-29 | Japan Radio Co Ltd | 発塵・発煙の検出方法 |
CN107301623A (zh) * | 2017-05-11 | 2017-10-27 | 北京理工大学珠海学院 | 一种基于暗通道和图像分割的交通图像去雾方法及系统 |
CN108681990A (zh) * | 2018-04-04 | 2018-10-19 | 高明合 | 一种实时雾霾预警方法及系统 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN111783732A (zh) * | 2020-07-17 | 2020-10-16 | 上海商汤智能科技有限公司 | 团雾识别方法、装置、电子设备及存储介质 |
CN112200746A (zh) * | 2020-10-16 | 2021-01-08 | 中南大学 | 一种雾天交通场景图像的去雾方法和设备 |
-
2021
- 2021-03-05 CN CN202011643435.XA patent/CN112816483A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08315113A (ja) * | 1995-05-18 | 1996-11-29 | Japan Radio Co Ltd | 発塵・発煙の検出方法 |
CN107301623A (zh) * | 2017-05-11 | 2017-10-27 | 北京理工大学珠海学院 | 一种基于暗通道和图像分割的交通图像去雾方法及系统 |
CN108681990A (zh) * | 2018-04-04 | 2018-10-19 | 高明合 | 一种实时雾霾预警方法及系统 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN111783732A (zh) * | 2020-07-17 | 2020-10-16 | 上海商汤智能科技有限公司 | 团雾识别方法、装置、电子设备及存储介质 |
CN112200746A (zh) * | 2020-10-16 | 2021-01-08 | 中南大学 | 一种雾天交通场景图像的去雾方法和设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313914A (zh) * | 2021-05-28 | 2021-08-27 | 谢静芳 | 团雾监测方法、装置、系统及存储介质 |
CN113313914B (zh) * | 2021-05-28 | 2022-08-02 | 谢静芳 | 团雾监测方法、装置、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512623B (zh) | 基于多传感器雾天行车视觉增强与能见度预警系统及方法 | |
CN111489588B (zh) | 车辆驾驶风险预警方法及装置、设备、存储介质 | |
CN107590470B (zh) | 一种车道线检测方法及装置 | |
CN109448397B (zh) | 一种基于大数据的团雾监测方法 | |
KR20210080459A (ko) | 차선 검출방법, 장치, 전자장치 및 가독 저장 매체 | |
KR20210078530A (ko) | 차선 속성 검출방법, 장치, 전자장치 및 가독 저장 매체 | |
CN113850123A (zh) | 基于视频的公路监控方法及装置、存储介质和监控系统 | |
CN112215306A (zh) | 一种基于单目视觉与毫米波雷达融合的目标检测方法 | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及系统、电子设备 | |
CN110837800A (zh) | 一种面向港口恶劣天气的目标检测和识别的方法 | |
WO2006115676A2 (en) | Video ghost detection by outline | |
CN110610153A (zh) | 一种用于自动驾驶的车道识别方法及系统 | |
CN111931726B (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
CN113887418A (zh) | 车辆违规行驶的检测方法、装置、电子设备及存储介质 | |
CN111144301A (zh) | 一种基于深度学习的道路路面缺陷快速预警装置 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
US11748664B1 (en) | Systems for creating training data for determining vehicle following distance | |
CN112837313A (zh) | 一种输电线路异物的图像分割的方法 | |
CN112419745A (zh) | 一种基于深度融合网络的高速公路团雾预警系统 | |
CN109191492A (zh) | 一种基于轮廓分析的智能视频黑烟车检测方法 | |
CN112816483A (zh) | 基于雾值分析的团雾识别预警方法、系统和电子设备 | |
CN111009136A (zh) | 一种高速公路行驶速度异常车辆检测方法、装置及系统 | |
CN109330833B (zh) | 一种辅助视障患者安全出行的智能感知系统和方法 | |
CN116363100A (zh) | 图像质量评价方法、装置、设备及存储介质 | |
CN115016453A (zh) | 一种智能网联无人车驾驶系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210518 |