CN113435405A - 基于视频图像的高速公路夜间团雾监测方法及系统 - Google Patents

基于视频图像的高速公路夜间团雾监测方法及系统 Download PDF

Info

Publication number
CN113435405A
CN113435405A CN202110800026.4A CN202110800026A CN113435405A CN 113435405 A CN113435405 A CN 113435405A CN 202110800026 A CN202110800026 A CN 202110800026A CN 113435405 A CN113435405 A CN 113435405A
Authority
CN
China
Prior art keywords
visibility
meters
camera
solar lamp
solar
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
Application number
CN202110800026.4A
Other languages
English (en)
Other versions
CN113435405B (zh
Inventor
冯海霞
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.)
Shandong Jiaotong University
Original Assignee
Shandong Jiaotong University
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 Shandong Jiaotong University filed Critical Shandong Jiaotong University
Priority to CN202110800026.4A priority Critical patent/CN113435405B/zh
Priority to PCT/CN2021/108214 priority patent/WO2023283997A1/zh
Publication of CN113435405A publication Critical patent/CN113435405A/zh
Application granted granted Critical
Publication of CN113435405B publication Critical patent/CN113435405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information 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)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了基于视频图像的高速公路夜间团雾监测方法及系统，获取高速公路路边太阳能灯的夜间图像；将高速公路电子地图与夜间图像进行太阳能灯位置匹配；将每个太阳能灯的实际安装位置显示在夜间图像上；获取夜间图像灰度值的均值和方差，得到二者的求和结果；获取每个太阳能灯实际安装位置对应的夜间图像像素的灰度值；根据灰度值和求和结果，得出太阳能灯的识别结果；将识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；识别团雾的流向和流速，对团雾进行提前预警。解决夜间团雾监测问题，保障交通安全和人们生命财产安全。

Description

基于视频图像的高速公路夜间团雾监测方法及系统
技术领域
本发明涉及交通安全技术领域，特别是涉及基于视频图像的高速公路夜间团雾监测方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
团雾易造成重大交通事故，号称“高速杀手”。因摄像机的飞速发展，基于视频图像的能见度、团雾的监测方法成为研究的新趋势，虽然基于视频的能见度、团雾监测已发展了较多的方法，但目前基于视频图像的团雾监测方法在夜间几乎都存在较大的问题，即夜间图像因光线太暗，图像的整体灰度值太低，几乎无法有效获取能表征能见度、雾等的图像特征，因此夜间基于视频图像很难获取有效的能见度、团雾数据(见图1和图2，其中图1为夜间的视频图像，图2为白天的视频图像)。团雾一般出现在昼夜温差较大、无风或微风的夜间，或者是早晨4时至8时，因此解决夜间基于视频图像的团雾监测问题是解决基于视频图像的团雾监测问题的关键。
团雾突发性强，且浓度大，范围小，能见度会突然降低，一般只有数十米到上百米，最严重的时候只有几米，且预测比较困难，因此当团雾发生时，及时的监测和预警才是降低交通事故的关键，因此在夜间图像的能见度识别问题外，还需要考虑团雾自身出现突然，范围小，浓度大、在山区易发等特点，团雾的流速和流向的及时判读是团雾预警的关键，也是减少交通事故的关键。
发明内容
为了解决现有技术的不足，本发明提供了基于视频图像的高速公路夜间团雾监测方法及系统；解决夜间的基于视频图像的团雾监测问题，保障交通安全和人们生命财产安全。
第一方面，本发明提供了基于视频图像的高速公路夜间团雾监测方法；
基于视频图像的高速公路夜间团雾监测方法，包括：
获取高速公路路边太阳能灯的夜间图像；所述夜间图像是由安装在高速公路路边的每台摄像机，对安装在每台摄像机附近指定的若干个太阳能灯，每间隔设定时间拍摄一次得到的；
将高速公路电子地图与夜间图像进行太阳能灯位置匹配；将每个太阳能灯的实际安装位置显示在夜间图像上；
获取夜间图像灰度值的均值和方差，得到均值与方差的求和结果；获取每个太阳能灯实际安装位置对应的夜间图像像素的灰度值；根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；
将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；
识别团雾的流向和流速，对团雾进行提前预警。
第二方面，本发明提供了基于视频图像的高速公路夜间团雾监测系统；
基于视频图像的高速公路夜间团雾监测系统，包括：
获取模块，其被配置为：获取高速公路路边太阳能灯的夜间图像；所述夜间图像是由安装在高速公路路边的每台摄像机，对安装在每台摄像机附近指定的若干个太阳能灯，每间隔设定时间拍摄一次得到的；
匹配模块，其被配置为：将高速公路电子地图与夜间图像进行太阳能灯位置匹配；将每个太阳能灯的实际安装位置显示在夜间图像上；
图像处理模块，其被配置为：获取夜间图像灰度值的均值和方差，得到均值与方差的求和结果；获取每个太阳能灯实际安装位置对应的夜间图像像素的灰度值；根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；
能见度预警模块，其被配置为：将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；
团雾预警模块，其被配置为：识别团雾的流向和流速，对团雾进行提前预警。
第三方面，本发明还提供了一种电子设备，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。
第四方面，本发明还提供了一种存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令。
与现有技术相比，本发明的有益效果是：
本发明提供了基于视频图像的高速公路夜间团雾监测方法及系统；根据均值、方差求和结果与灰度值的比较，来识别距离摄像机最远太阳能灯，并根据最远太阳能灯结合能见度优化后的分级结果，来识别当前高速公路夜间团雾的监测结果，同时对团雾的流速、流向进行判读，解决夜间的基于视频图像的团雾监测问题，保障交通安全和人们生命财产安全。
本发明附加方面的优点将在下面的描述中部分给出，或通过本发明的实践了解到。
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。
图1为夜间视频图像；
图2为白天视频图像；
图3为第一个实施例的摄像机和太阳能灯安装示意图；
图4为第一个实施例的停车视距图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，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。
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。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上，对数据的合法应用。
实施例一
本实施例提供了基于视频图像的高速公路夜间团雾监测方法；
基于视频图像的高速公路夜间团雾监测方法，包括：
S101：获取高速公路路边太阳能灯的夜间图像；所述夜间图像是由安装在高速公路路边的每台摄像机，对安装在每台摄像机附近指定的若干个太阳能灯，每间隔设定时间拍摄一次得到的；
S102：将高速公路电子地图与夜间图像进行太阳能灯位置匹配；将每个太阳能灯的实际安装位置显示在夜间图像上；
S103：获取夜间图像灰度值的均值和方差，得到均值与方差的求和结果；获取每个太阳能灯实际安装位置对应的夜间图像像素的灰度值；根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；
S104：将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；
S105：识别团雾的流向和流速，对团雾进行提前预警。
示例性的，上述步骤S101-S105，可以由中心服务器来完成、云服务器完成。
进一步地，所述S101：获取高速公路路边太阳能灯的夜间图像；步骤之前还包括：
S100：调用高速公路电子地图；将摄像机的实际安装位置与在每台摄像机附近指定的若干个太阳能灯的实际安装位置均匹配到电子地图上，并根据太阳能灯距离摄像机的远近，按照由近到远的顺序对电子地图上的太阳能灯依次进行编号。
例如，由近到远，距离当前摄像机最近的9个太阳能灯的依次编号为1、2、3、4、5、6、7、8、9。
进一步地，如图3所示，在高速公路的设定路段的路边安装若干台摄像机，相邻摄像机之间间隔200米，每台摄像机距离地面设定距离；在高速公路路边的地面上，每个摄像机旁边的若干个设定位置处安装太阳能灯；其中，摄像机的实际安装位置与太阳能灯的实际安装位置均为已知量。
示例性的，所述高速公路团雾多发路段的设定路段，是根据历史团雾多发地段数据，由人为指定的。
进一步地，在高速公路路边，每个摄像机旁边的若干个设定位置处安装太阳能灯，具体包括：
在距离摄像机5米的位置安装第一个太阳能灯；在距离摄像机10米的位置安装第二个太阳能灯；在距离摄像机15米的位置安装第三个太阳能灯；在距离摄像机25米的位置安装第四个太阳能灯；在距离摄像机35米的位置安装第五个太阳能灯；在距离摄像机50米的位置安装第六个太阳能灯；在距离摄像机80米的位置安装第七个太阳能灯；在距离摄像机120米的位置安装第八个太阳能灯；在距离摄像机200米的位置安装第九个太阳能灯。
进一步地，在高速公路路边，每个摄像机旁边的若干个设定位置处安装太阳能灯，其中，安装太阳能灯的位置(距离摄像机5、10、15、25、35、50、80、120、200米)设定的过程为：
Figure BDA0003164316800000061
高速路段夜间限速取值为100，即v1＝100,平均速度下降的梯度Δv为15％，速度的离散度取σ为±10％,车辆制动减速度a，取值为3.4m/s2，路面坡度为1％，得能见度分级结果：
能见度1级对应的能见度参考值为200米，第9个太阳能灯的安装位置为距离摄像头200米的位置处；
能见度2级对应的能见度参考值为121米；对121米进行人为修正，得到能见度2级对应的能见度参考值为120米，第8个太阳能灯的安装位置为距离摄像头120米的位置处；
能见度3级对应的能见度参考值为81米；对121米进行人为修正，得到能见度3级对应的能见度参考值为80米，第7个太阳能灯的安装位置为距离摄像头80米的位置处；
能见度4级对应的能见度参考值为54米；对54米进行人为修正，得到能见度4级对应的能见度参考值为50米，第6个太阳能灯的安装位置为距离摄像头50米的位置处；
能见度5级对应的能见度参考值为37米；对37米进行人为修正，得到能见度5级对应的能见度参考值为35米，第5个太阳能灯的安装位置为距离摄像头35米的位置处；
能见度6级对应的能见度参考值为26米；对26米进行人为修正，得到能见度6级对应的能见度参考值为25米，第4个太阳能灯的安装位置为距离摄像头25米的位置处；
能见度7级对应能见度小于25米；第3个太阳能灯的安装位置为距离摄像头15米的位置处，第2个太阳能灯的安装位置为距离摄像头10米的位置处，第1个太阳能灯的安装位置为距离摄像头5米的位置处。
示例性的，针对团雾突发性强，浓度大，范围小、能见度极低的特点，构建基于交通安全的高速公路的能见度分级公式，以新的能见度分级标准为依据，进行太阳能灯的安装和分级预警。具体的能见度分级公式推导如下：
①能见度>200米(研究证实当能见度大于200时，对车辆、车速影响很小)，能见度归为一级；
②能见度小于200米时，建立新的能见度分级标准：
A.调用高速公路的电子地图，确定道路的限速V1；
B.随能见度车辆平均速度下降的梯度Δv，速度的离散度取σ，则这个梯度中，速度的下限为：
V2＝V1*(1-Δv)*(1-σ) (1)
类推可得，第i个梯度的下限速度为：
Vi＝Vi-1*(1-Δv)*(1-σ) (2)
其中，i≥2；当Vi<20时，停止运算；
C.停车视距的限速模型,详见示意图4，可得：
L1+L2+L<L3+S (3)
其中，L1为当前车辆的后方车辆的制动反应距离；L2为当前车辆的后方车辆制动距离；L为当前车辆与当前车辆的前方车辆两车完全停止后所保持的安全距离,L3为前方车辆在反应时间与制动时间内行驶的距离，S为路段的能见度(最大可视距离)。
以美国公路合作研究组织(National Cooperative Highway Research Program，NCHRP)停车视距模型为基础，考虑车辆故障、轮胎损坏、抛锚、货物洒落及事故等原因，前方车辆必须进行紧急制动，或者前方车辆可以看出前方静止的障碍物位置，L3为0，模型的表达式如下:
Figure BDA0003164316800000091
V为车辆行驶速度，a为车辆制动减速度，L为静止安全距离，i为路面纵坡，S为路段的能见度(最大安全可视距离)。
D.构建基于速度和停车视距的能见度分级模型(标准)：
L为静止安全距离，所以L≥0，取L＝0，能见度模型可表述为，
Figure BDA0003164316800000092
根据第i个梯度下限速度的计算公式，模型可表述为：
Figure BDA0003164316800000093
E.高速路段夜间限速取值为100，即v1＝100,平均速度下降的梯度Δv为15％，速度的离散度取σ为±10％,车辆制动减速度a，取值为3.4m/s2，路面坡度为1％，则可得如下的能见度分级表：
表1能见度分级
能见度分级 能见度值 根据公式计算的能见度参考值
1级 >200 200
2级 200-120 121
3级 120-80 81
4级 80-50 54
5级 50-35 37
6级 35-25 26
7级 <25 19
③依据能见度的分级设置确定太阳能灯的安装距离(针对团雾特点，补充能见度25米以下15、10、5米处太阳灯的安装)，故分别在距离摄像机5、10、15、25、35、50、80、120、200米处安装太阳能灯。
进一步地，所述S103：根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；具体包括：
判断每个太阳能灯实际安装位置对应的夜间图像像素的灰度值是否大于求和结果，如果大于，则认为已经识别出当前太阳能灯；否则，则认为未能识别出当前太阳能灯；则对下一个太阳能灯进行识别，直至所有太阳能灯被识别完毕。
进一步地，所述直至所有太阳能灯被识别完毕步骤之后，所述将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号步骤之前，还包括：
如果出现识别处的太阳能灯编号中断的情况，则以后续三帧图像的处理进行验证，如果三帧图像的验证结果为只有一帧图像为序号识别中断，判读为存在误判，删除误判结果；
如果三帧图像的验证结果为每一帧图像的编号均存在不连续的情况，则对中断位置的太阳能灯编号顺序进行判读(通常这种情况出现在道路弯曲度较大的地方，比如山区)，中断的位置判断为团雾出现的位置，中间的太阳能灯的距离之和判断为团雾的出现时的范围。
应理解的，当太阳能灯编号全部出现时，则表示能见度高，无需预警；当太阳能灯部分出现，但是，太阳能灯的编号是连续时，则根据识别的最远太阳能灯来判定当前能见度；当太阳能灯部分识别出来，但是识别出来的太阳能编号并不连续时，则需要进行误判的识别，以避免误判影响结果的准确性。
进一步地，所述S104：将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；具体包括：
当能见度值大于200米时，不发出预警信号；当能见度值大于120米且小于等于200米时，不发出预警信号；当能见度值大于80米且小于等于120米时，发出团雾预警信号；当能见度值大于50米且小于等于80米时，发出黄色预警信号；当能见度值大于35米且小于等于50米时，发出红色预警信号；当能见度值小于35米时，发出紧急预警信号。
进一步地，所述S105：识别团雾的流向和流速，对团雾进行提前预警；具体包括：
当一个摄像头的能见度出现小于120m时，启动相邻摄像机的判读，以对团雾范围、流速、流向进行判读；
如果n个摄像头的能见度都出现小于120米的情况，则团雾的范围为200×n到200×(n-1)之间；
n个摄像头中第2个出现能见度低于120米的摄像头在第1个出现摄像头的方位就是团雾的流向；
2个摄像头依次出现能见度小于120米的时间间隔为t1，则流速为V1＝200/t1,根据流速、流向进行提前预警；
当出现n(n>2)个摄影头出现小于120米时，出现的时间间隔t1、t2…tn-1，团雾的流速
Figure BDA0003164316800000111
提前预警信息随团雾的流动进行更新。
一条高速公路现有团雾多发路段的都安装此系统，可组成高速公路全程的团雾夜间监测系统、进而可组成区域甚至全国的团雾夜间监测系统。
实施例二
本实施例提供了基于视频图像的高速公路夜间团雾监测系统；
基于视频图像的高速公路夜间团雾监测系统，包括：
获取模块，其被配置为：获取高速公路路边太阳能灯的夜间图像；所述夜间图像是由安装在高速公路路边的每台摄像机，对安装在每台摄像机附近指定的若干个太阳能灯，每间隔设定时间拍摄一次得到的；
匹配模块，其被配置为：将高速公路电子地图与夜间图像进行太阳能灯位置匹配；将每个太阳能灯的实际安装位置显示在夜间图像上；
图像处理模块，其被配置为：获取夜间图像灰度值的均值和方差，得到均值与方差的求和结果；获取每个太阳能灯实际安装位置对应的夜间图像像素的灰度值；根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；
能见度预警模块，其被配置为：将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；
团雾预警模块，其被配置为：识别团雾的流向和流速，对团雾进行提前预警。
此处需要说明的是，上述获取模块、匹配模块、图像处理模块、能见度预警模块和团雾预警模块对应于实施例一中的步骤S101至S105，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重，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。
所提出的系统，可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，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，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
实施例三
本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
实施例四
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
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.基于视频图像的高速公路夜间团雾监测方法，其特征是，包括：
获取高速公路路边太阳能灯的夜间图像；所述夜间图像是由安装在高速公路路边的每台摄像机，对安装在每台摄像机附近指定的若干个太阳能灯，每间隔设定时间拍摄一次得到的；
将高速公路电子地图与夜间图像进行太阳能灯位置匹配；将每个太阳能灯的实际安装位置显示在夜间图像上；
获取夜间图像灰度值的均值和方差，得到均值与方差的求和结果；获取每个太阳能灯实际安装位置对应的夜间图像像素的灰度值；根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；
将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；
识别团雾的流向和流速，对团雾进行提前预警。
2.如权利要求1所述的基于视频图像的高速公路夜间团雾监测方法，其特征是，获取高速公路路边太阳能灯的夜间图像；步骤之前还包括：
调用高速公路电子地图；将摄像机的实际安装位置与在每台摄像机附近指定的若干个太阳能灯的实际安装位置均匹配到电子地图上，并根据太阳能灯距离摄像机的远近，按照由近到远的顺序对电子地图上的太阳能灯依次进行编号。
3.如权利要求1所述的基于视频图像的高速公路夜间团雾监测方法，其特征是，在高速公路的设定路段的路边安装若干台摄像机，相邻摄像机之间间隔200米，每台摄像机距离地面设定距离；在高速公路路边的地面上，每个摄像机旁边的若干个设定位置处安装太阳能灯；其中，摄像机的实际安装位置与太阳能灯的实际安装位置均为已知量。
4.如权利要求3所述的基于视频图像的高速公路夜间团雾监测方法，其特征是，在高速公路路边的地面上，每个摄像机旁边的若干个设定位置处安装太阳能灯，具体包括：
在距离摄像机5米的位置安装第一个太阳能灯；在距离摄像机10米的位置安装第二个太阳能灯；在距离摄像机15米的位置安装第三个太阳能灯；在距离摄像机25米的位置安装第四个太阳能灯；在距离摄像机35米的位置安装第五个太阳能灯；在距离摄像机50米的位置安装第六个太阳能灯；在距离摄像机80米的位置安装第七个太阳能灯；在距离摄像机120米的位置安装第八个太阳能灯；在距离摄像机200米的位置安装第九个太阳能灯。
5.如权利要求3所述的基于视频图像的高速公路夜间团雾监测方法，其特征是，在高速公路路边的地面上，每个摄像机旁边的若干个设定位置处安装太阳能灯，其中，安装太阳能灯的位置设定的过程为：
Figure FDA0003164316790000021
高速路段夜间限速取值为100，即v1＝100,平均速度下降的梯度Δv为15％，速度的离散度取σ为±10％,车辆制动减速度a，取值为3.4m/s2，路面坡度为1％，得能见度分级结果：
能见度1级对应的能见度参考值为200米，第9个太阳能灯的安装位置为距离摄像头200米的位置处；
能见度2级对应的能见度参考值为121米；对121米进行人为修正，得到能见度2级对应的能见度参考值为120米，第8个太阳能灯的安装位置为距离摄像头120米的位置处；
能见度3级对应的能见度参考值为81米；对121米进行人为修正，得到能见度3级对应的能见度参考值为80米，第7个太阳能灯的安装位置为距离摄像头80米的位置处；
能见度4级对应的能见度参考值为54米；对54米进行人为修正，得到能见度4级对应的能见度参考值为50米，第6个太阳能灯的安装位置为距离摄像头50米的位置处；
能见度5级对应的能见度参考值为37米；对37米进行人为修正，得到能见度5级对应的能见度参考值为35米，第5个太阳能灯的安装位置为距离摄像头35米的位置处；
能见度6级对应的能见度参考值为26米；对26米进行人为修正，得到能见度6级对应的能见度参考值为25米，第4个太阳能灯的安装位置为距离摄像头25米的位置处；
能见度7级对应能见度小于25米；第3个太阳能灯的安装位置为距离摄像头15米的位置处，第2个太阳能灯的安装位置为距离摄像头10米的位置处，第1个太阳能灯的安装位置为距离摄像头5米的位置处。
6.如权利要求1所述的基于视频图像的高速公路夜间团雾监测方法，其特征是，根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；具体包括：
判断每个太阳能灯实际安装位置对应的夜间图像像素的灰度值是否大于求和结果，如果大于，则认为已经识别出当前太阳能灯；否则，则认为未能识别出当前太阳能灯；则对下一个太阳能灯进行识别，直至所有太阳能灯被识别完毕；
或者，
所述直至所有太阳能灯被识别完毕步骤之后，所述将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号步骤之前，还包括：
如果出现识别处的太阳能灯编号中断的情况，则以后续三帧图像的处理进行验证，如果三帧图像的验证结果为只有一帧图像为序号识别中断，判读为存在误判，删除误判结果；
如果三帧图像的验证结果为每一帧图像的编号均存在不连续的情况，则对中断位置的太阳能灯编号顺序进行判读，中断的位置判断为团雾出现的位置，中间的太阳能灯的距离之和判断为团雾的出现时的范围；
或者，
将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；具体包括：
当能见度值大于200米时，不发出预警信号；当能见度值大于120米且小于等于200米时，不发出预警信号；当能见度值大于80米且小于等于120米时，发出团雾预警信号；当能见度值大于50米且小于等于80米时，发出黄色预警信号；当能见度值大于35米且小于等于50米时，发出红色预警信号；当能见度值小于35米时，发出紧急预警信号。
7.如权利要求1所述的基于视频图像的高速公路夜间团雾监测方法，其特征是，所述识别团雾的流向和流速，对团雾进行提前预警；具体包括：
当启动一个摄像头的能见度出现小于120m时，启动相邻摄像机的判读，以对团雾范围、流速、流向进行判读；如果n个摄像头的能见度都出现小于120米的情况，则团雾的范围为200×n到200×(n-1)之间；
n个摄像头中第2个出现能见度低于120米的摄像头在第1个出现摄像头的方位就是团雾的流向；
2个摄像头依次出现能见度小于120米的时间间隔为t1，则流速为V1＝200/t1,根据流速、流向进行提前预警；
当出现n个摄影头出现小于120米时，团雾的流速
Figure FDA0003164316790000051
提前预警信息随团雾的流动进行更新。
8.基于视频图像的高速公路夜间团雾监测系统，其特征是，包括：
获取模块，其被配置为：获取高速公路路边太阳能灯的夜间图像；所述夜间图像是由安装在高速公路路边的每台摄像机，对安装在每台摄像机附近指定的若干个太阳能灯，每间隔设定时间拍摄一次得到的；
匹配模块，其被配置为：将高速公路电子地图与夜间图像进行太阳能灯位置匹配；将每个太阳能灯的实际安装位置显示在夜间图像上；
图像处理模块，其被配置为：获取夜间图像灰度值的均值和方差，得到均值与方差的求和结果；获取每个太阳能灯实际安装位置对应的夜间图像像素的灰度值；根据所述灰度值和所述求和结果，得出太阳能灯的识别结果；
能见度预警模块，其被配置为：将能被识别出来的最远处太阳能灯距离当前摄像机的距离作为能见度值，根据能见度值给出预警信号；
团雾预警模块，其被配置为：识别团雾的流向和流速，对团雾进行提前预警。
9.一种电子设备，其特征是，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行上述权利要求1-7任一项所述的方法。
10.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行权利要求1-7任一项所述方法的指令。
CN202110800026.4A 2021-07-15 2021-07-15 基于视频图像的高速公路夜间团雾监测方法及系统 Active CN113435405B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110800026.4A CN113435405B (zh) 2021-07-15 2021-07-15 基于视频图像的高速公路夜间团雾监测方法及系统
PCT/CN2021/108214 WO2023283997A1 (zh) 2021-07-15 2021-07-23 基于视频图像的高速公路夜间团雾监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110800026.4A CN113435405B (zh) 2021-07-15 2021-07-15 基于视频图像的高速公路夜间团雾监测方法及系统

Publications (2)

Publication Number Publication Date
CN113435405A true CN113435405A (zh) 2021-09-24
CN113435405B CN113435405B (zh) 2023-09-08

Family

ID=77760558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110800026.4A Active CN113435405B (zh) 2021-07-15 2021-07-15 基于视频图像的高速公路夜间团雾监测方法及系统

Country Status (2)

Country Link
CN (1) CN113435405B (zh)
WO (1) WO2023283997A1 (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1715456A1 (fr) * 2005-04-19 2006-10-25 Valeo Vision Procédé de détection de brouillard nocturne et système de mise en oeuvre de ce procédé.
CN101226597A (zh) * 2007-01-18 2008-07-23 中国科学院自动化研究所 一种基于热红外步态的夜间行人识别方法及系统
CN108663368A (zh) * 2018-05-11 2018-10-16 长安大学 一种实时监测高速公路路网夜间整体能见度的系统及方法
CN108932859A (zh) * 2018-07-18 2018-12-04 上海市政工程设计研究总院（集团）有限公司 一种全范围实时监测的高速公路团雾预警及诱导系统
CN109165676A (zh) * 2018-07-27 2019-01-08 北京以萨技术股份有限公司 一种基于视频分析的全天候高速公路雾气等级监测方法
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
CN109377726A (zh) * 2018-10-29 2019-02-22 江苏大学 一种基于车联网的高速公路团雾精确警示、诱导系统及方法
EP3481060A2 (en) * 2016-09-21 2019-05-08 ESCA(Electronic Security of the Creative Association) Co., Ltd. Monitoring camera using composite filtering method robust against change in visibility status and video monitoring system employing same
CN110097762A (zh) * 2019-03-25 2019-08-06 南京微达电子科技有限公司 一种道路视频图像低能见度刻度估算方法及系统
CN111292529A (zh) * 2020-01-22 2020-06-16 长安大学 一种识别高速公路团雾分布的方法
CN112183440A (zh) * 2020-10-13 2021-01-05 北京百度网讯科技有限公司 道路信息的处理方法、装置、电子设备和存储介质
CN112507795A (zh) * 2020-11-10 2021-03-16 武汉长江通信智联技术有限公司 一种采用机器识别技术估算大气能见度的系统及方法
CN112686164A (zh) * 2020-12-30 2021-04-20 日照市气象局 一种发光目标物视频团雾监测预警方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1752946A1 (en) * 2005-08-08 2007-02-14 ELME IMPIANTI S.r.l. Device for detecting fixed or mobile obstacle
CN105303844B (zh) * 2015-10-26 2017-09-12 南京本来信息技术有限公司 基于激光的夜间高速公路团雾自动检测装置及其检测方法
CN110598613B (zh) * 2019-09-03 2022-10-25 长安大学 一种高速公路团雾监测方法
CN112866636B (zh) * 2020-12-31 2023-06-27 北京文安智能技术股份有限公司 基于最远可视距离的团雾识别预警方法、系统和电子设备

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1715456A1 (fr) * 2005-04-19 2006-10-25 Valeo Vision Procédé de détection de brouillard nocturne et système de mise en oeuvre de ce procédé.
CN101226597A (zh) * 2007-01-18 2008-07-23 中国科学院自动化研究所 一种基于热红外步态的夜间行人识别方法及系统
EP3481060A2 (en) * 2016-09-21 2019-05-08 ESCA(Electronic Security of the Creative Association) Co., Ltd. Monitoring camera using composite filtering method robust against change in visibility status and video monitoring system employing same
CN108663368A (zh) * 2018-05-11 2018-10-16 长安大学 一种实时监测高速公路路网夜间整体能见度的系统及方法
CN108932859A (zh) * 2018-07-18 2018-12-04 上海市政工程设计研究总院（集团）有限公司 一种全范围实时监测的高速公路团雾预警及诱导系统
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
CN109165676A (zh) * 2018-07-27 2019-01-08 北京以萨技术股份有限公司 一种基于视频分析的全天候高速公路雾气等级监测方法
CN109377726A (zh) * 2018-10-29 2019-02-22 江苏大学 一种基于车联网的高速公路团雾精确警示、诱导系统及方法
CN110097762A (zh) * 2019-03-25 2019-08-06 南京微达电子科技有限公司 一种道路视频图像低能见度刻度估算方法及系统
CN111292529A (zh) * 2020-01-22 2020-06-16 长安大学 一种识别高速公路团雾分布的方法
CN112183440A (zh) * 2020-10-13 2021-01-05 北京百度网讯科技有限公司 道路信息的处理方法、装置、电子设备和存储介质
CN112507795A (zh) * 2020-11-10 2021-03-16 武汉长江通信智联技术有限公司 一种采用机器识别技术估算大气能见度的系统及方法
CN112686164A (zh) * 2020-12-30 2021-04-20 日照市气象局 一种发光目标物视频团雾监测预警方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
ROMAIN GALLEN 等: "Nighttime Visibility Analysis and Estimation Method in the Presence of Dense Fog", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》, vol. 16, no. 01, pages 310 - 320, XP011571793, DOI: 10.1109/TITS.2014.2331177 *
孟春麟 等: "高速公路团雾与能见度智能预警系统设计与应用", 《中国交通信息化》, no. 1, pages 22 - 26 *
孟颖 等: "基于监控视频的公路能见度检测方法", 《交通运输研究》, vol. 05, no. 01, pages 65 - 72 *
张春声: "基于主动行车安全的智能诱导系统在多雾山区高速公路上的应用", 《广东公路交通》, vol. 47, no. 01, pages 22 - 26 *
徐放: "基于图像分析的团雾检测预警系统设计", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2017, pages 138 - 671 *
李晓雷: "山区高速公路团雾段行车风险评估与视觉诱导研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》, no. 2021, pages 026 - 5 *
王琦 等: "基于时间序列的团雾监测与预警系统", 《天津理工大学学报》, vol. 37, no. 06, pages 58 - 64 *

Also Published As

Publication number Publication date
CN113435405B (zh) 2023-09-08
WO2023283997A1 (zh) 2023-01-19

Similar Documents

Publication Publication Date Title
US11024165B2 (en) Driver behavior monitoring
CN112837535B (zh) 交通信息处理方法、装置、系统、设备及存储介质
CN110415529B (zh) 车辆违章的自动处理方法、装置、计算机设备和存储介质
CN107742418B (zh) 一种城市快速路交通拥堵状态及堵点位置自动识别方法
US20240290201A1 (en) Driver behavior monitoring
CN109389824B (zh) 一种驾驶风险的评估方法及装置
CN110675656B (zh) 一种基于瞬时风险识别的智能车辆换道预警方法
CN102298845B (zh) 一种远光灯视频检测方法及系统
CN110619747A (zh) 一种高速公路道路智能监控方法及系统
CN112740295B (zh) 检测车辆行驶场景的复杂度的方法和装置
CN109830117B (zh) 道路规划优化方法、装置、计算机设备及存储介质
CN110738081B (zh) 异常路况检测方法及装置
CN112258832B (zh) 一种用于运行基于车辆信息的团雾气象信息感知发布系统的方法
US20230148097A1 (en) Adverse environment determination device and adverse environment determination method
CN110766943B (zh) 一种基于事故数据的不良驾驶行为判定的监测方法和系统
CN112785850A (zh) 车辆变道未打灯的识别方法及装置
DE102014221675A1 (de) Verfahren und Steuer- und Erfassungseinrichtung zum Plausibilisieren einer Falschfahrt eines Kraftfahrzeugs
CN114202903A (zh) 基于dem数据的车辆预警方法、装置、设备及存储介质
CN113435405B (zh) 基于视频图像的高速公路夜间团雾监测方法及系统
CN116001800B (zh) 车辆驾驶风险信息获取方法、装置、电子设备及介质
CN115273468A (zh) 一种交通拥堵控制策略生成方法及装置
CN116264034A (zh) 一种危险路段识别方法、装置、边缘侧平台和路侧设备
CN112380930B (zh) 一种雨天识别方法和系统
LeBlanc et al. Field Study of the Level 2 Super Cruise Using Telematics Data
CN118097978B (zh) 一种交通信息智慧采集系统及方法

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