CN112866636B - 基于最远可视距离的团雾识别预警方法、系统和电子设备 - Google Patents

基于最远可视距离的团雾识别预警方法、系统和电子设备 Download PDF

Info

Publication number
CN112866636B
CN112866636B CN202011638881.1A CN202011638881A CN112866636B CN 112866636 B CN112866636 B CN 112866636B CN 202011638881 A CN202011638881 A CN 202011638881A CN 112866636 B CN112866636 B CN 112866636B
Authority
CN
China
Prior art keywords
image
point
scene
visible
actual
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
CN202011638881.1A
Other languages
English (en)
Other versions
CN112866636A (zh
Inventor
付卫兴
史亚茹
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.)
Beijing Vion Intelligent Technology Co ltd
Original Assignee
Beijing Vion Intelligent Technology Co ltd
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 Beijing Vion Intelligent Technology Co ltd filed Critical Beijing Vion Intelligent Technology Co ltd
Priority to CN202011638881.1A priority Critical patent/CN112866636B/zh
Publication of CN112866636A publication Critical patent/CN112866636A/zh
Application granted granted Critical
Publication of CN112866636B publication Critical patent/CN112866636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12Fingerprints or palmprints
    • G06V40/13Sensors therefor
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于最远可视距离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以及视频图像;在场景图像上抠取出至少一个待检测子区域,获取场景图像中的边缘检测最远可视点EF;获取视频图像中的动态目标最远可视点TF;获取实际最远可视点PF,并计算实际最远可视点PF与取像侧的取像点之间的实际最远可视距离;当实际最远可视距离小于预设可视安全距离时,判定目标场景为团雾风险区域。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

基于最远可视距离的团雾识别预警方法、系统和电子设备
技术领域
本发明涉及智能交通安全技术领域,具体而言,涉及一种基于最远可视距离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最远可视距离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,提供了一种基于最远可视距离的团雾识别预警方法,其特征在于,包括:获取目标场景在第一时间点的场景图像以及在第一时段内的视频图像;在场景图像上抠取出至少一个待检测子区域,依次对各待检测子区域进行边缘检测,直至获取场景图像中的边缘检测最远可视点EF;对视频图像中的动态目标进行轨迹检测,直至获取视频图像中的动态目标最远可视点TF;选取边缘检测最远可视点EF和动态目标最远可视点TF中距离取像侧的取向点较远的一个作为实际最远可视点PF,并计算实际最远可视点PF与取像侧的取像点之间的实际最远可视距离;当实际最远可视距离小于预设可视安全距离时,判定目标场景为团雾风险区域,当实际最远可视距离大于等于预设可视安全距离时,判定目标场景为清晰区域。
进一步地,在场景图像中,标定至少一条取像标准线,沿取像标准线的延伸方向由远及近朝向取像侧,在场景图像上依次扣取出多个待检测子区域。
进一步地,取像标准线包括至少两条,两条取像标准线在场景图像中均显示为呈夹角的直线,且两者的交点为末位消失点。
进一步地,当末位消失点位于场景图像内时,由末位消失点开始沿取像标准线的延伸方向由远及近朝向取像侧依次扣取出多个待检测子区域;其中,所有待检测子区域均呈矩形,呈矩形的各待检测子区域的高度为场景图像的高度的1/n,各待检测子区域的宽度大于或等于其下边沿与两条取像标准线的交点间距;其中,1≤n≤10。
进一步地,当末位消失点位于场景图像外时,由场景图像的远离取像侧的上边沿开始沿取像标准线的延伸方向由远及近朝向取像侧依次扣取出多个待检测子区域;
所有待检测子区域均呈矩形,呈矩形的各待检测子区域的高度为场景图像的高度的1/n,各待检测子区域的宽度大于或等于其下边沿与两条取像标准线的交点间距;其中,1≤n≤10。
进一步地,目标场景为行车道路,取像标准线沿场景图像中的车道线方向或两侧路基的延伸方向设置。
进一步地,根据实际最远可视点PF在场景图像中的二维坐标进行三维坐标转换计算出实际最远可视点PF与取像侧的取像点之间的实际最远可视距离。
进一步地,判定目标场景为团雾风险区域后,对实际最远可视距离进行阈值分析,当实际最远可视距离落入[0,45)m内时,判定目标场景的团雾等级为重度;当实际最远可视距离落入[45,70)m内时,判定目标场景的团雾等级为次重度;当实际最远可视距离落入[70,100)m内时,判定目标场景的团雾等级为中度;当实际最远可视距离落入[100,130)m内时,判定目标场景的团雾等级为轻度;当实际最远可视距离大于等于130m时,判定目标场景为清晰区域。
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,用于获取目标场景在第一时间点的场景图像以及在第一时段内的视频图像;特征检测模块,用于在场景图像上抠取出至少一个待检测子区域,依次对各待检测子区域进行边缘检测,直至获取场景图像中的边缘检测最远可视点EF;以及用于对视频图像中的动态目标进行轨迹检测,直至获取视频图像中的动态目标最远可视点TF;分析处理模块,用于选取边缘检测最远可视点EF和动态目标最远可视点TF中距离取像侧的取向点较远的一个作为实际最远可视点PF,并计算实际最远可视点PF与取像侧的取像点之间的实际最远可视距离;当实际最远可视距离小于预设可视安全距离时,判定目标场景为团雾风险区域,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,通过图像处理技术对目标场景的场景图像进行分析判断,能够精确地获取场景图像中的最远可视点EF,再获取目标场景的视频图像中的动态目标最远可视点TF,之后对两者进行比较判断,取两者中距离取像侧的取像点最远的一点作为实际最远可视点PF,这样,基于实际最远可视距离便能够获取最精准的目标场景的能见度范围,进而通过将实际最远可视点PF与预设可视安全距离比较判断后,准确判断目标场景的团雾特征属性,而确定是够进行后续预警作业。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最远可视距离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示出了基于图2中的场景图像进行扣取待检测子区域并进行边缘检测的示意图;
图4示出了与图2中的目标场景相同的视频图像中的一帧图像的示意图,该示意图中示出了视频图像中的动态目标的行进轨迹T和动态目标最远可视点TF。
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,在交通安全技术领域,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最远可视距离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、特征检测模块、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在第一时间点的场景图像以及在第一时段内的视频图像;特征检测模块用于在场景图像上抠取出至少一个待检测子区域,依次对各待检测子区域进行边缘检测,直至获取场景图像中的边缘检测最远可视点EF;以及用于对视频图像中的动态目标进行轨迹检测,直至获取视频图像中的动态目标最远可视点TF;分析处理模块用于选取边缘检测最远可视点EF和动态目标最远可视点TF中距离取像侧的取向点较远的一个作为实际最远可视点PF,并计算实际最远可视点PF与取像侧的取像点之间的实际最远可视距离;当实际最远可视距离小于预设可视安全距离时,判定目标场景为团雾风险区域,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是根据本发明实施例的基于最远可视距离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,获取目标场景在第一时间点的场景图像以及在第一时段内的视频图像;步骤S2,在场景图像上抠取出至少一个待检测子区域,依次对各待检测子区域进行边缘检测,直至获取场景图像中的边缘检测最远可视点EF;步骤S3,对视频图像中的动态目标进行轨迹检测,直至获取视频图像中的动态目标最远可视点TF;步骤S4,选取边缘检测最远可视点EF和动态目标最远可视点TF中距离取像侧的取向点较远的一个作为实际最远可视点PF,并计算实际最远可视点PF与取像侧的取像点之间的实际最远可视距离;步骤S5,当实际最远可视距离小于预设可视安全距离时,判定目标场景为团雾风险区域,当实际最远可视距离大于等于预设可视安全距离时,判定目标场景为清晰区域。
需要说明的是,在上述步骤中,步骤S2和步骤S3可以顺次进行,也能够同步进行,只要能够获取目标场景的边缘检测最远可视点EF和动态目标最远可视点TF,均能够确保最终计算结果的准确性。
本发明的技术方案通过图像处理技术对目标场景的场景图像进行分析判断,能够精确地获取场景图像中的最远可视点EF,再获取目标场景的视频图像中的动态目标最远可视点TF,之后对两者进行比较判断,取两者中距离取像侧的取像点最远的一点作为实际最远可视点PF,这样,基于实际最远可视距离便能够获取最精准的目标场景的能见度范围,进而通过将实际最远可视点PF与预设可视安全距离比较判断后,准确判断目标场景的团雾特征属性,而确定是够进行后续预警作业。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。
需要说明的是,当实际最远可视距离大于等于预设可视安全距离时,判定目标场景为清晰区域,利用分析处理模块并向终端预警模块发送预警信号,终端预警模块设置在动态目标的终端,其可以直接与分析处理模块通讯连接,也可以通过中转平台与分析处理模块通讯连接;最终达到接收预警信号后及时为驾驶人员发出提示警报的效果。可选地,提示警报包括声音警报、光效警报和振动警报中的至少一种。
如图2所示,为本发明的一种可选实施例的目标场景的场景图像,在该可选实施例中,目标场景为行车道路,这样以便于对团雾识别预警方法进行详尽解释说明。
该实施例中,以图2中的场景图像为例对团雾识别预警方法中的步骤S2进行详细说明。因为基于步骤S2,能够准确获取到场景图像中的边缘检测最远可视点EF,从而比较于视频图像中的动态目标最远可视点TF,为最终计算实际最远可视点PF与所述取像侧的取像点之间的实际最远可视距离提供有力保证,即确保精确地获知目标场景的能见度范围。
如图3所示,为基于图2中的场景图像进行扣取待检测子区域R并进行边缘检测的示意图;具体而言,如图3所示,基于图2中的场景图像,其宽度和高度尺寸与图2相同,如图2和图3所示,两者的宽度为W1,高度为H1;在图3中标定出至少一条取像标准线M,沿取像标准线M的延伸方向由远及近朝向取像侧,在场景图像上依次扣取出多个待检测子区域R。其中,图3中的取像标准线M沿箭头N的方向延伸,取像侧为背离箭头N指向的一侧,箭头N的指向为远离取像侧的方向。
可选地,取像标准线M沿场景图像中的车道线方向或两侧路基的延伸方向设置。
进一步可选地,取像标准线M包括至少两条,两条取像标准线M在场景图像中均显示为呈夹角的直线,且两者的交点为末位消失点P。
在本图示选实施例中,取像标准线M沿场景图像中的车道线方向,即图2中的白色长实线和白色长虚线;具体而言,图2中有3条车道线,选取图2中的位于两侧的两条车道线作为图3中的两条取像标准线M,以此两条取像标准线M为参照进行多个待检测子区域R的扣取。
具体扣取多个待检测子区域R的方法如下:由于在本图示可选实施例中两条取像标准线M的交点,即末位消失点P位于场景图像内时,由末位消失点P开始沿取像标准线M的延伸方向由远及近朝向取像侧依次扣取出多个待检测子区域R;其中,所有待检测子区域R均呈矩形,呈矩形的各待检测子区域R的高度H2为场景图像的高度H1的1/n,各待检测子区域R的宽度W2大于或等于其下边沿与两条取像标准线M的交点间距;其中,1≤n≤10。
为了确保扣取多个待检测子区域R后对边缘检测最远可视点EF的检测精度和合理性,如图3所示,呈矩形的各待检测子区域R的高度H2为场景图像的高度H1的1/10,各待检测子区域R的宽度W2等于其下边沿与两条取像标准线M的交点间距。在本实施例中,边缘检测最远可视点EF出现在最靠近末位消失点P的一个待检测子区域R中,需要说明的是,当检测出边缘检测最远可视点EF后,则不再继续向取向侧其余待检测子区域R继续边缘检测;这样能够有效地避免计算的繁冗性,提升边缘检测效率,确保在最短时间内获取到边缘检测最远可视点EF。
还需要补充说明的是,在对场景图像进行多个待检测子区域R的扣取时,需要确保沿背离箭头N指向一直扣取到取向侧为止。
在本发明的一个未图示可选实施例中,当末位消失点P位于场景图像外时,由场景图像的远离取像侧的上边沿开始沿取像标准线的延伸方向由远及近朝向取像侧依次扣取出多个待检测子区域R;所有待检测子区域R均呈矩形,呈矩形的各待检测子区域R的高度H1为场景图像的高度的1/n,各待检测子区域R的宽度W1大于或等于其下边沿与两条取像标准线的交点间距;其中,1≤n≤10。可选地,呈矩形的各待检测子区域R的高度H1为场景图像的高度的1/10。
如图4所示,为与图2中的目标场景相同的视频图像中的一帧图像的示意图,即图4的宽度为W1,高度为H1;与图2、图3的宽、高相等,这样设置有利于在边缘检测最远可视点EF和动态目标最远可视点TF与取向侧距离比较时的精确性。该示意图中也具有与图3中相同位置的两条取像标准线M和一个末位消失点P,该示意图中示出了视频图像中的动态目标的行进轨迹T和动态目标最远可视点TF。
可选地,动态目标可以为车辆,动物或者行人。在本实施例中,主要以汽车或摩托车的激动车辆为主。
需要说明的是,在步骤S4中,对视频图像中的动态目标进行轨迹检测,即对视频图像中两条车道(两条取像标准线M)之间的所有车辆进行实施轨迹跟踪监测,直至远离取像侧的最远可跟踪点作为动态目标最远可视点TF;具体实现方式是根据检测框匹配、模板匹配、或光流跟踪的方式获取,当然上述三种方式的任意结合对于获取动态目标最远可视点TF的精确性更有帮助。
可选地,在本发明中,图像获取模块为架设在公路高处的相机。
在步骤S4中,根据实际最远可视点PF在场景图像中的二维坐标进行三维坐标转换计算出实际最远可视点PF与取像侧的取像点之间的实际最远可视距离。实际最远可视点PF与取像侧的取像点之间的实际最远可视距离即图像获取模块与实际最远可视点PF在平行于多条取像标准线M的延伸平面内的直线距离。
为了实现精确报警的功能,本发明的团雾识别预警方法还包括步骤S6:判定目标场景为团雾风险区域后,对实际最远可视距离进行阈值分析,当实际最远可视距离落入[0,45m)内时,判定目标场景的团雾等级为重度;当实际最远可视距离落入[45,70)m内时,判定目标场景的团雾等级为次重度;当实际最远可视距离落入[70,100)m内时,判定目标场景的团雾等级为中度;当实际最远可视距离落入[100,130)m内时,判定目标场景的团雾等级为轻度;当实际最远可视距离大于等于130m时,判定目标场景为清晰区域。
进一步可选地,分析处理模块可以根据目标场景的团雾等级向外发送预警信号,例如当目标场景的团雾等级为轻度、中度或重度时向外发送预警信号,这样可以根据公路交通的实际运输状况的紧急程度来发送团雾预警;例如,当公路交通上运输抗疫物资、抢险物资或赈灾物资时,可以灵活性地设定目标场景的团雾等级为重度时再向外发送预警信息,以满足公路交通的紧急状况。
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 (7)

1.一种基于最远可视距离的团雾识别预警方法,其特征在于,包括:
获取目标场景在第一时间点的场景图像以及在第一时段内的视频图像;
在所述场景图像上标定至少两条取像标准线,基于取像标准线抠取出至少一个待检测子区域,依次对各所述待检测子区域进行边缘检测,直至获取所述场景图像中的边缘检测最远可视点EF;其中,在所述场景图像上标定至少两条取像标准线,基于取像标准线抠取出至少一个待检测子区域包括:在所述场景图像中,标定至少两条取像标准线,其中两条取像标准线在所述场景图像中均显示为呈夹角的直线,且两者的交点为末位消失点;以及在所述末位消失点位于所述场景图像内的情况下由所述末位消失点开始,在所述末位消失点位于所述场景图像外的情况下由所述场景图像的远离取像侧的上边沿开始,沿所述取像标准线的延伸方向由远及近朝向所述取像侧,在所述场景图像上依次抠取出多个所述待检测子区域;
对所述视频图像中两条取像标准线之间的动态目标进行轨迹检测,直至获取远离取像侧的最远可跟踪点,作为所述视频图像中的动态目标最远可视点TF;
选取所述边缘检测最远可视点EF和所述动态目标最远可视点TF中距离取像侧的取像点较远的一个作为实际最远可视点PF,并计算所述实际最远可视点PF与所述取像侧的取像点之间的实际最远可视距离;以及
当所述实际最远可视距离小于预设可视安全距离时,判定所述目标场景为团雾风险区域,当所述实际最远可视距离大于等于预设可视安全距离时,判定所述目标场景为清晰区域。
2.根据权利要求1所述的团雾识别预警方法,其特征在于,
所有所述待检测子区域均呈矩形,呈矩形的各所述待检测子区域的高度为所述场景图像的高度的1/n,各所述待检测子区域的宽度大于或等于其下边沿与两条所述取像标准线的交点间距;其中,1≤n≤10。
3.根据权利要求1或2所述的团雾识别预警方法,其特征在于,所述目标场景为行车道路,所述取像标准线沿所述场景图像中的车道线方向或两侧路基的延伸方向设置。
4.根据权利要求1所述的团雾识别预警方法,其特征在于,根据所述实际最远可视点PF在所述场景图像中的二维坐标进行三维坐标转换计算出所述实际最远可视点PF与所述取像侧的取像点之间的实际最远可视距离。
5.根据权利要求1所述的团雾识别预警方法,其特征在于,还包括:
判定所述目标场景为团雾风险区域后,对所述实际最远可视距离进行阈值分析,
当所述实际最远可视距离落入[0,45)m内时,判定所述目标场景的团雾等级为重度;
当所述实际最远可视距离落入[45,70)m内时,判定所述目标场景的团雾等级为次重度;
当所述实际最远可视距离落入[70,100)m内时,判定所述目标场景的团雾等级为中度;
当所述实际最远可视距离落入[100,130)m内时,判定所述目标场景的团雾等级为轻度;
当所述实际最远可视距离大于等于130m时,判定所述目标场景为清晰区域。
6.一种团雾识别预警系统,其特征在于,包括:
图像获取模块,用于获取目标场景在第一时间点的场景图像以及在第一时段内的视频图像;
特征检测模块,用于在所述场景图像上标定至少两条取像标准线,基于取像标准线抠取出至少一个待检测子区域,依次对各所述待检测子区域进行边缘检测,直至获取所述场景图像中的边缘检测最远可视点EF;以及用于对所述视频图像中两条取像标准线之间的动态目标进行轨迹检测,直至获取远离取像侧的最远可跟踪点,作为所述视频图像中的动态目标最远可视点TF;其中,在所述场景图像上标定至少两条取像标准线,基于取像标准线抠取出至少一个待检测子区域包括:在所述场景图像中,标定至少两条取像标准线,其中两条取像标准线在所述场景图像中均显示为呈夹角的直线,且两者的交点为末位消失点;以及在所述末位消失点位于所述场景图像内的情况下由所述末位消失点开始,在所述末位消失点位于所述场景图像外的情况下由所述场景图像的远离所述取像侧的上边沿开始,沿所述取像标准线的延伸方向由远及近朝向所述取像侧,在所述场景图像上依次抠取出多个所述待检测子区域;
分析处理模块,用于选取所述边缘检测最远可视点EF和所述动态目标最远可视点TF中距离取像侧的取像点较远的一个作为实际最远可视点PF,并计算所述实际最远可视点PF与所述取像侧的取像点之间的实际最远可视距离;当所述实际最远可视距离小于预设可视安全距离时,判定所述目标场景为团雾风险区域,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。
7.一种电子设备,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1-5中任一项所述的团雾识别预警方法。
CN202011638881.1A 2020-12-31 2020-12-31 基于最远可视距离的团雾识别预警方法、系统和电子设备 Active CN112866636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011638881.1A CN112866636B (zh) 2020-12-31 2020-12-31 基于最远可视距离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
CN202011638881.1A CN112866636B (zh) 2020-12-31 2020-12-31 基于最远可视距离的团雾识别预警方法、系统和电子设备

Publications (2)

Publication Number Publication Date
CN112866636A CN112866636A (zh) 2021-05-28
CN112866636B true CN112866636B (zh) 2023-06-27

Family

ID=76000470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011638881.1A Active CN112866636B (zh) 2020-12-31 2020-12-31 基于最远可视距离的团雾识别预警方法、系统和电子设备

Country Status (1)

Country Link
CN (1) CN112866636B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113435405B (zh) * 2021-07-15 2023-09-08 山东交通学院 基于视频图像的高速公路夜间团雾监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2012066642A1 (ja) * 2010-11-16 2014-05-12 小平アソシエイツ株式会社 視界映像情報生成装置
CN106254827A (zh) * 2016-08-05 2016-12-21 安徽金赛弗信息技术有限公司 一种团雾智能识别预警方法及其装置
CN106599874A (zh) * 2016-12-26 2017-04-26 清华大学苏州汽车研究院(吴江) 一种基于视频分析的团雾探测方法
EP3477548A1 (en) * 2017-10-24 2019-05-01 Axis AB Method and image capturing device for detecting fog in a scene
CN111754552A (zh) * 2020-06-29 2020-10-09 华东师范大学 一种基于深度学习的多摄像头协同目标跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2012066642A1 (ja) * 2010-11-16 2014-05-12 小平アソシエイツ株式会社 視界映像情報生成装置
CN106254827A (zh) * 2016-08-05 2016-12-21 安徽金赛弗信息技术有限公司 一种团雾智能识别预警方法及其装置
CN106599874A (zh) * 2016-12-26 2017-04-26 清华大学苏州汽车研究院(吴江) 一种基于视频分析的团雾探测方法
EP3477548A1 (en) * 2017-10-24 2019-05-01 Axis AB Method and image capturing device for detecting fog in a scene
CN111754552A (zh) * 2020-06-29 2020-10-09 华东师范大学 一种基于深度学习的多摄像头协同目标跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于亮度特征的PTZ视频能见度检测算法及实现;张潇等;《仪器仪表学报》;20110215(第02期);全文 *
无需人工标记的视频对比度道路能见度检测;李勃等;《计算机辅助设计与图形学学报》;20091115(第11期);全文 *

Also Published As

Publication number Publication date
CN112866636A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US11763678B2 (en) Early warning and collision avoidance
CN109927719B (zh) 一种基于障碍物轨迹预测的辅助驾驶方法和系统
CN106683464B (zh) 用于基于车辆动态输入向车辆提供警报的系统和方法
EP2463843B1 (en) Method and system for forward collision warning
US8180561B2 (en) Vehicle-installation obstacle detection apparatus
JP5938569B2 (ja) 方位情報を考慮する高度運転者支援システム、及びその動作方法
US8175331B2 (en) Vehicle surroundings monitoring apparatus, method, and program
CN114586082A (zh) 增强的车载装备
US8731816B2 (en) Method for classifying an object as an obstacle
CN111252066A (zh) 紧急制动控制方法、装置、车辆及存储介质
CN105719509A (zh) 汽车碰撞预警雷达信息系统
CN111183367A (zh) 用于检测危险物品的车辆雷达系统
CN113808409B (zh) 一种道路安全监控的方法、系统和计算机设备
CN110936960A (zh) 一种辅助驾驶方法和系统
CN112866636B (zh) 基于最远可视距离的团雾识别预警方法、系统和电子设备
CN105730330B (zh) 行车安全系统及其障碍物筛选方法
JP2022027306A (ja) 移動体妨害検出装置、移動体妨害検出システム、及び移動体妨害検出プログラム
KR102622937B1 (ko) 보행자 사고 예방 시스템 및 방법
WO2023286303A1 (ja) 車両制御装置
JP7129147B2 (ja) 車両用装置、安全運転支援システム、及び、安全運転支援方法
CN117755287A (zh) 一种车辆决策控制方法及相关装置
JP2022156760A (ja) 情報提供装置、情報提供方法、及び情報提供プログラム
KR20200081564A (ko) 고정 위험물 정보 제공 장치 및 방법
CN114942439A (zh) 一种车辆变道检测方法、装置及系统
CN115965841A (zh) 基于雷视融合的远光灯检测方法、装置和电子设备

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