CN115409794A - 一种智能发光砖控制方法及系统 - Google Patents

一种智能发光砖控制方法及系统 Download PDF

Info

Publication number
CN115409794A
CN115409794A CN202211003381.XA CN202211003381A CN115409794A CN 115409794 A CN115409794 A CN 115409794A CN 202211003381 A CN202211003381 A CN 202211003381A CN 115409794 A CN115409794 A CN 115409794A
Authority
CN
China
Prior art keywords
light
area
image
sub
emitting
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
Application number
CN202211003381.XA
Other languages
English (en)
Inventor
沈标
徐海黎
吴洋
田力
曹昌伟
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.)
Nantong Tiancheng Photoelectric Technology Co ltd
Original Assignee
Nantong Tiancheng Photoelectric 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 Nantong Tiancheng Photoelectric Technology Co ltd filed Critical Nantong Tiancheng Photoelectric Technology Co ltd
Priority to CN202211003381.XA priority Critical patent/CN115409794A/zh
Publication of CN115409794A publication Critical patent/CN115409794A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种智能发光砖控制方法及系统，包括：利用摄像机获取检测区域内人流动的视频图像，并对获取的视频图像进行预处理，得到预处理后的视频图像；基于预处理后的视频图像进行人形检测，并利用矩形框框出人形区域，得到人形矩形框；将检测区域按照预设要求划分为多个子区域，每个子区域映射有一个发光砖组；自人形矩形框下边框起截取人形矩形框的脚部区域，当截取的脚部区域与子区域存在交叉时，触发当前的子区域，点亮与当前的子区域存在映射关系的发光砖组。本发明基于子区域与发光砖组之间的映射关系，能够变化出不同的发光效果，不仅可以提升斑马线区域车与人通行的安全性，还能为景观区增加趣味性和美感。

Description

一种智能发光砖控制方法及系统
技术领域
本发明属于城市亮化工程技术领域，具体地，涉及一种智能发光砖控制方法及系统。
背景技术
随着城市建设的不断发展，基础设施建设的不断完善，人们对于景观区域以及斑马线等区域进行亮化工程改造的需求越来越多。以斑马线为例，在城市的道路交叉口处通常会设置用于行人通行引导的斑马线，目的是对车辆和行人进行安全管理，尽管现在大多斑马线都采用具有夜光效果的表面涂料，但是这种斑马线在夜间还是不醒目，导致驾驶员的视距不佳，特别是夜间行车情况下，如驾驶员注意力不集中，容易对斑马线上的行人造成碰撞威胁。
基于此，现有技术研发了一种发光斑马线，其采用发光单元铺设于路面的形式进行斑马线区域的亮化。比如，专利文献CN207109632U(申请号：201721028051.0)公开了发光斑马线，包括若干发光单元、太阳能电池板，所述发光单元以斑马线的排列形式镶嵌在路面内，所述发光单元包括上部不封闭的壳体，所述壳体内设置有安装板，安装板下部设置有控制器、蓄电池，安装板上设置有LED灯，壳体上部盖设有钢化玻璃板，所述蓄电池、LED光源均与控制器电性连接，所述控制器用过贯穿壳体的引线连接外部电源，所述太阳能电池板安装于路边的路灯柱或信号灯柱上，所述太阳能电池板与蓄电池电性连接，所述钢化玻璃板上表面由下至上依次设置有玻璃微珠层、耐磨防滑表层。
再比如，专利文献CN215947787U(申请号：202122058127.7)公开了一种发光路面，包括路面凹槽、内部框架、透光混凝土层、LED灯管和导光纤维；路面凹槽内固定有内部框架，内部框架内固定有LED灯管，内部框架上表面设有与内部框架宽度相等的透光混凝土层，透光混凝土层内包括导光纤维，透光混凝土层的上表面与路面砖石的上表面平齐。
然而这些发光斑马线存在以下缺点：一是发光单元在工作时间段内往往处于持续亮光的状态，并不能突出行人在斑马线上的具体位置，难以满足区域内对于交通基础设施智能化的高要求，且采用透光混凝土制成的发光单元还存在夜间透光引导性较弱的问题；二是发光单元与人之间缺乏“互动”性，车辆驾驶员仍然需要提高警惕才能防止碰撞到行人，并且在景观区域，这种路面发光单元仅起到亮化作用，在节能减排、趣味美感等方面效果甚微。
本发明基于“砖随人亮”的特点，利用斑马线上当前发光的位置突出当前人所在的位置，从而减少事故的发生；同时，还能够有效减少此类基础设施的使用成本，而且在景观区域还能增加趣味性和美感。
发明内容
针对现有技术中的缺陷，本发明提供了一种智能发光砖控制系统及方法。
本发明提供的一种智能发光砖控制方法，包括：
步骤S1：利用摄像机获取检测区域内人流动的视频图像，并对获取的视频图像进行预处理，得到预处理后的视频图像；
步骤S2：基于预处理后的视频图像进行人形检测，并利用矩形框框出人形区域，得到人形矩形框；
步骤S3：将检测区域按照预设要求划分为多个子区域，多个子区域为互不重叠的任意多边形的封闭区域，且每个子区域映射有一个发光砖组，发光砖组包括至少一块发光砖；
步骤S4：自人形矩形框下边框起截取人形矩形框的脚部区域，当截取的脚部区域与子区域存在交叉时，触发当前的子区域，点亮与当前的子区域存在映射关系的发光砖组。
优选地，子区域与发光砖组之间的映射关系为：
Li＝f(Kj)；
其中，Li表示发光砖组的编号；Kj表示子区域的编号；1≤i≤n，i＝j，n为正整数。
优选地，沿人流动的方向上，第Li个发光砖组位于第Kj个子区域的前侧。
优选地，步骤S1中的预处理包括：对获取的视频图像采用基于双边滤波和Retinex算法进行图像增强处理；步骤S2中的人形检测包括：基于预处理后的视频图像采用基于嵌入式平台的小型化E-YOLO网络进行人形检测。
优选地，图像增强处理采用公式：
logS(x,y)＝logR(x,y)+logL(x,y)；
其中，S表示摄像机采集获得的原始图像；R表示物体的反射分量；L表示环境光的照射分量；(x,y)表示图像坐标；
令r＝logR(x,y)，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)；
利用原始图像S(x,y)，采用滤波算法对照度进行估计，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)＝logS(x,y)-log[G(x,y)·S(x,y)]；
变换后得到权重系数G(x,y)的公式：
Figure BDA0003807255480000031
其中，(xc,yc)表示图像中心点坐标；f(xc,yc)表示图像中心点像素灰度值；σs表示空域高斯函数的标准差；σr表示值域高斯函数的标准差；
对图像进行多尺度增强处理，得到：
Figure BDA0003807255480000032
其中，K表示权重的个数；ωi表示对应第i个尺度的权重；Gi(x,y)表示采用滤波算法的权重系数；
最后r(x,y)通过指数运算恢复R(x,y)。
本发明提供的一种智能发光砖控制系统，包括：
预处理模块：利用摄像机获取检测区域内人流动的视频图像，并对获取的视频图像进行预处理，得到预处理后的视频图像；
人形检测模块：基于预处理后的视频图像进行人形检测，并利用矩形框框出人形区域，得到人形矩形框；
映射模块：将检测区域按照预设要求划分为多个子区域，多个子区域为互不重叠的任意多边形的封闭区域，且每个子区域映射有一个发光砖组，发光砖组包括至少一块发光砖；
触发模块：自人形矩形框下边框起截取人形矩形框的脚部区域，当截取的脚部区域与所述子区域存在交叉时，触发当前的子区域，点亮与当前的子区域存在映射关系的发光砖组。
优选地，子区域与发光砖组之间的映射关系为：
Li＝f(Kj)；
其中，Li表示发光砖组的编号；Kj表示子区域的编号；1≤i≤n，i＝j，n为正整数。
优选地，沿人流动的方向上，第Li个发光砖组位于第Kj个子区域的前侧。
优选地，预处理模块中的预处理包括：对获取的视频图像采用基于双边滤波和Retinex算法进行图像增强处理；人形检测模块中的人行检测包括：基于预处理后的视频图像采用基于嵌入式平台的小型化E-YOLO网络进行人形检测。
优选地，图像增强处理采用公式：
logS(x,y)＝logR(x,y)+logL(x,y)；
其中，S表示摄像机采集获得的原始图像；R表示物体的反射分量；L表示环境光的照射分量；(x,y)表示图像坐标；
令r＝logR(x,y)，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)；
利用原始图像S(x,y)，采用滤波算法对照度进行估计，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)＝logS(x,y)-log[G(x,y)·S(x,y)]；
变换后得到权重系数G(x,y)的公式；
Figure BDA0003807255480000041
其中，(xc,yc)表示图像中心点坐标；f(xc,yc)表示图像中心点像素灰度值；σs表示空域高斯函数的标准差；σr表示值域高斯函数的标准差；
对图像进行多尺度增强处理，得到：
Figure BDA0003807255480000042
其中，K表示权重的个数；ωi表示对应第i个尺度的权重；Gi(x,y)表示采用滤波算法的权重系数；
最后r(x,y)通过指数运算恢复R(x,y)。
与现有技术相比，本发明具有如下的有益效果：
1、基于子区域与发光砖组之间的映射关系，能够变化出不同的发光效果，在铺设区域形成一道美丽的风景线，增加区域内亮化的趣味性和美感；
2、对于夜间有车辆和行人交汇的区域(比如城市灯控/非灯控路口)，基于摄像机的视频图像获取人流动方向，通过预判行人的动向，提前点亮位于行人前侧的子区域内的发光砖，方便车辆驾驶员通过发光砖的点亮情况避开人而行，提升路口通行的安全性；
3、通过设置“砖随人亮”的发光效果，可实现夜跑定位，同时相机具有的跟踪拍摄取证功能，能够有效提升夜间跑步人员(尤其是女性)的安全性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的智能发光砖控制方法的流程图；
图2为本发明提供的智能发光砖控制系统的一种使用场景示意图；
图3为本发明提供的智能发光砖控制系统的另一种使用场景示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
随着人们生活水平的提高，人们对基础建设要求也越来越高，在能够实现基础功能的同时，如何进一步优化基础设施功能变得越来越重要。
针对上述问题，本发明提出了一种智能发光砖控制方法及系统，下面参考附图描述本公开实施例的智能发光砖控制系统及方法。
本公开实施例以斑马线的铺设砖为例，沿人流动的方向上，检测区域的路面上铺设若干发光砖，说明智能发光砖的控制方法。
如图1和图2所示，本发明提供的一种智能发光砖控制方法，包括：
步骤S1：利用摄像机获取检测区域内人流动的视频图像，并对获取的视频图像进行预处理，得到预处理后的视频图像。
考虑到发光砖的作用主要是夜间的亮化效果，而摄像机在夜间拍摄的图像由于光照偏暗，必须进行一定的增强处理。通常情况下，拍摄的图像由反射部分和照度部分组成，图像增强处理的目标就是从原始图像中分离出照度部分，保留真实场景的反射部分，达到增强图像质量的目的。摄像机可通过支撑柱安装在预设的高度，或者也可以直接安装在墙面等具有一定高度的对象上，并调整摄像机的检测范围，确保检测范围覆盖整个斑马线区域，如斑马线区域较长，可分别在斑马线区域的前后侧各设置一摄像机，以达到所需的行人检测效果。
本步骤中采用的预处理包括：对获取的视频图像采用基于双边滤波和Retinex算法进行图像增强处理；
具体地，图像增强处理采用公式：
logS(x,y)＝logR(x,y)+logL(x,y)；
其中，S表示摄像机采集获得的原始图像；R表示物体的反射分量；L表示环境光的照射分量；(x,y)表示图像坐标；
令r＝logR(x,y)，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)；
利用原始图像S(x,y)，采用滤波算法对照度进行估计，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)＝logS(x,y)-log[G(x,y)·S(x,y)]；
变换后得到权重系数G(x,y)的公式：
Figure BDA0003807255480000061
其中，(xc,yc)表示图像中心点坐标；f(xc,yc)表示图像中心点像素灰度值；σs表示空域高斯函数的标准差；σr表示值域高斯函数的标准差；
对图像进行多尺度增强处理，得到：
Figure BDA0003807255480000062
其中，K表示权重的个数；ωi表示对应第i个尺度的权重；Gi(x,y)表示采用滤波算法的权重系数；
最后r(x,y)通过指数运算恢复R(x,y)。
通过采用双边滤波和Retinex算法，能够有效改善摄像机所拍摄的视频图像的颜色失真情况，提高了图像识别度，细节丰富，对比度强，为后续对图像进行高精度特征提取奠定了基础。
步骤S2：基于预处理增强后的视频图像进行基于嵌入式平台的小型化E-YOLO网络的人形检测，并利用矩形框框出人形区域，得到人形矩形框A。
本步骤中，采用矩形框的方式标识出人形区域，有利于后续更高精度地截取出脚步区域。基于嵌入式平台的小型化E-YOLO网络是以YOLOv3模型作为基础架构，建立MobileNetV2网络，并将MobileNetV2网络作为YOLOv3模型的主干网络，得到检测模型，利用数据集训练检测模型，并将训练后的检测模型移植至摄像机模组上，实现人形的准确检测。
步骤S3：将斑马线区域划分为多个不重叠的长方形子区域，且每个长方形子区域内映射有一个发光砖组，发光砖组包括至少一块发光砖；长方形子区域与发光砖组之间的映射关系可以为：
Li＝f(Kj)；
其中，Li表示发光砖组的编号；Kj表示长方形子区域的编号；1≤i≤n，i＝j，n为正整数。
本步骤中的映射关系可以根据实际需要设置为以下点亮方式：沿人流动的方向上，行人走至第Kj个长方形子区域内时，触发位于该子区域内的各发光砖发光，也即行人一旦行走至某个子区域内，与该子区域存在映射关系的发光砖点亮；或者，如图2所示，沿人流动的方向上，第Li个发光砖组位于第Kj个子区域的前侧，此时行人走至第Kj个长方形子区域内时，由于与之存在映射关系的第Li个发光砖组位于其前侧，可实现提前点亮行人前侧发光砖的效果，方便车辆驾驶员通过发光砖的点亮情况避开人而行，提升路口通行的安全性。当然，还可以存在其他点亮方式，本公开实施例对此不作限定。
步骤S4：自人形矩形框A下边框起截取人形矩形框A的脚部区域B，该脚部区域B依据人的脚部与身体比例，一般情况下取整个人形矩形框A的1/10为佳。当脚部区域B与某个或某几个长方形子区域存在交叉时，则触发当前的长方形子区域，点亮与当前的长方形子区域存在映射关系的发光砖组。
本公开实施例首先通过双边滤波和Retinex算法提高所拍摄图像的预处理精度，继而通过E-YOLO检测模型提高对人行区域的提取精度，然后再通过脚部区域与子区域之间的映射关系确保发光砖的点亮准确度。其中，发光砖铺设于检测区域侧边的路面上，仅透光面裸露于路面，其余部分埋设于路面以下，从而使发光砖的透光面与路面齐平。
如图3所示，对于双向行走的斑马线，摄像机的上位机将检测区域分割为若干封闭的Z形子区域，每个Z形子区域触发一个发光砖组，每个发光砖组包含左右两块对称设置的发光砖。
依据靠右行走的通行规则以及Li＝f(Kj)的映射关系，以设置10个Z形子区域为例：
行人①行走至子区域K1时，触发前侧的两块发光砖L1点亮；
行人①行走至子区域K2时，触发前侧的两块发光砖L2点亮；
……
行人①行走至子区域K10时，触发前侧的两块发光砖L10点亮。
同理：
行人②行走至子区域K10时，触发前侧的两块发光砖L10点亮；
行人②行走至子区域K9时，触发前侧的两块发光砖L9点亮；
……
行人②行走至子区域K1时，触发前侧的两块发光砖L1点亮。
在此过程中，不管是以行人①还是行人②的角度看，每次触发点亮的总是位于其前侧的发光砖。Z形子区域的中间连通区域主要是为了使该子区域形成封闭区域，该连通区域可以设置地较小。如果行人的脚部区域B与连续的两个Z行子区域均存在交叉，则同时触发具有映射关系的两组发光砖点亮，但由于行人在斑马线处于行走的状态，沿其行走方向，仍然是依次点亮位于其前侧的发光砖，从而在视觉上形成“砖随人亮”的变换效果。当然，在其他可选的实施例中，也可是每个Z形子区域触发两个或两个以上的发光砖组，每个发光砖组仍然由对称设置的两块发光砖组成；或者，也可是每个Z形子区域触发一个发光砖组，该发光砖组由若干发光砖组成，本公开实施例对此也不作具体限制。
相比传统的夜光效果或持续发光的斑马线，本发明提供的基于智能发光砖控制方法的斑马线，在夜色渐暗时，行人走在斑马线上，会随着行人的走动触发相应区域内的发光砖发出亮光，实现“砖随人亮”的效果，对于行驶中车辆，驾驶员可以根据发光砖的点亮情况判断当前行人的位置，甚至可以根据发光砖的点亮方向预判行人即将到达的位置，从而减少交通事故的发生，相较于持续发光的斑马线，更为突出当前行人的位置，以及更加节约运行成本。
本发明提供的智能发光砖控制方法应用于在景观区域时，基于发光砖组与子区域之间的映射关系，能够呈现出不同的发光效果，增加区域内亮化的趣味性和美感。比如图2所示的场景为公园跑道时，人在沿着跑道散步，摄像机跟踪检测行走中的人，并基于映射关系依次点亮发光砖，实现夜跑定位，也具有一定的互动性。
另外，本发明还提供了一种智能发光砖控制系统，包括预处理模块、人形检测模块、映射模块以及触发模块。该控制系统首先通过双边滤波和Retinex算法提高所拍摄图像的预处理精度，继而通过E-YOLO检测模型提高对人行区域的提取精度，然后再通过脚部区域与子区域之间的映射关系确保发光砖的点亮准确度。
预处理模块：利用摄像机获取检测区域内人流动的视频图像，并对获取的视频图像进行预处理，得到预处理后的视频图像。
本模块采用的预处理包括：对获取的视频图像采用基于双边滤波和Retinex算法进行图像增强处理；
具体地，图像增强处理采用公式：
logS(x,y)＝logR(x,y)+logL(x,y)；
其中，S表示摄像机采集获得的原始图像；R表示物体的反射分量；L表示环境光的照射分量；(x,y)表示图像坐标；
令r＝logR(x,y)，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)；
利用原始图像S(x,y)，采用滤波算法对照度进行估计，得到：
r＝logR(x,y)＝logS(x,y)-logL(x,y)＝logS(x,y)-log[G(x,y)·S(x,y)]；
变换后得到权重系数G(x,y)的公式：
Figure BDA0003807255480000091
其中，(xc,yc)表示图像中心点坐标；f(xc,yc)表示图像中心点像素灰度值；σs表示空域高斯函数的标准差；σr表示值域高斯函数的标准差；
对图像进行多尺度增强处理，得到：
Figure BDA0003807255480000092
其中，K表示权重的个数；ωi表示对应第i个尺度的权重；Gi(x,y)表示采用滤波算法的权重系数；
最后r(x,y)通过指数运算恢复R(x,y)。
通过采用双边滤波和Retinex算法，能够有效改善摄像机所拍摄的视频图像的颜色失真情况，提高了图像识别度，细节丰富，对比度强，为后续对图像进行高精度特征提取奠定了基础。
人形检测模块：基于预处理增强后的视频图像进行基于嵌入式平台的小型化E-YOLO网络的人形检测，并利用矩形框框出人形区域，得到人形矩形框；
具体地，所述模块M2采用：基于增强处理后的视频图像采用基于嵌入式平台的小型化E-YOLO网络进行人形检测。
本模块采用矩形框的方式标识出人形区域，有利于后续更高精度地截取出脚步区域。基于嵌入式平台的小型化E-YOLO网络是以YOLOv3模型作为基础架构，建立MobileNetV2网络，并将MobileNetV2网络作为YOLOv3模型的主干网络，得到检测模型，利用数据集训练检测模型，并将训练后的检测模型移植至摄像机模组上，实现人形的准确检测。
映射模块：将斑马线区域划分为多个不重叠的长方形子区域，且每个长方形子区域内映射有一个发光砖组，发光砖组包括至少一块发光砖；长方形子区域与发光砖组之间的映射关系可以为：
Li＝f(Kj)；
其中，Li表示发光砖组的编号；Kj表示长方形子区域的编号；1≤i≤n，i＝j，n为正整数。
本模块中的映射关系可以根据实际需要设置为以下点亮方式：沿人流动的方向上，行人走至第Kj个长方形子区域内时，触发位于该子区域内的各发光砖发光，也即行人一旦行走至某个子区域内，与该子区域存在映射关系的发光砖点亮；或者，如图2所示，沿人流动的方向上，第Li个发光砖组位于第Kj个子区域的前侧，此时行人走至第Kj个长方形子区域内时，由于与之存在映射关系的第Li个发光砖组位于其前侧，可实现提前点亮行人前侧发光砖的效果，方便车辆驾驶员通过发光砖的点亮情况避开人而行，提升路口通行的安全性。
触发模块：自人形矩形框A下边框起截取人形矩形框A的脚部区域B，该脚部区域B依据人的脚部与身体比例，一般情况下取整个人形矩形框A的1/10为佳。当脚部区域B与某个或某几个长方形子区域存在交叉时，则触发当前的长方形子区域，点亮与当前的长方形子区域存在映射关系的发光砖组。
为了保证系统的高并发性和实时性，系统采用多线程技术，建立多生产者、单消费者模型，每个生产者负责接收并解析对应的摄像头报文，如检测到行人，则将信息通过消息队列发送给消费者，消费者线程接收的信息，组织报文，并通过CAN总线控制相应发光砖的状态。
需要说明的是，本发明对发光砖的具体结构不作任何限制，其可以采用具有较好透光性的高分子复合材料与LED光源一体浇注制作，也可以采用现有技术中的发光单元装配式结构。此外，为了便于描述，对图2和图3的检测区域进行了矩形框的划分，实际使用时，这些矩形框是通过摄像机的上位机划分并显示在所拍摄的图像上的，这样不仅不会扰乱行人的视线，也便于后续管理人员进行取证查看。
此外，本发明还提供了一种智能发光砖控制设备，包括：至少一个处理器；以及与处理器通信连接的存储器；该存储器存储有可被所述处理器执行的指令，指令被处理器执行，以使处理器能够执行上述的智能发光砖控制方法。
本发明还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述的智能发光砖控制方法。
本发明还提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现智能发光砖控制方法的步骤。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种智能发光砖控制方法，其特征在于，包括：
步骤S1：利用摄像机获取检测区域内人流动的视频图像，并对获取的视频图像进行预处理，得到预处理后的视频图像；
步骤S2：基于预处理后的视频图像进行人形检测，并利用矩形框框出人形区域，得到人形矩形框；
步骤S3：将检测区域按照预设要求划分为多个子区域，多个所述子区域为互不重叠的任意多边形的封闭区域，且每个所述子区域映射有一个发光砖组，所述发光砖组包括至少一块发光砖；
步骤S4：自所述人形矩形框下边框起截取所述人形矩形框的脚部区域，当截取的所述脚部区域与所述子区域存在交叉时，触发当前的所述子区域，点亮与当前的所述子区域存在映射关系的所述发光砖组。
2.根据权利要求1所述的智能发光砖控制方法，其特征在于，所述子区域与所述发光砖组之间的映射关系为：
Li＝f(Kj)；
其中，Li表示发光砖组的编号；Kj表示子区域的编号；1≤i≤n，i＝j，n为正整数。
3.根据权利要求2所述的智能发光砖控制方法，其特征在于，沿人流动的方向上，第Li个所述发光砖组位于第Kj个所述子区域的前侧。
4.根据权利要求1所述的智能发光砖控制方法，其特征在于，所述步骤S1中的预处理包括：对获取的视频图像采用基于双边滤波和Retinex算法进行图像增强处理；
所述步骤S2中的人形检测包括：基于预处理后的视频图像采用基于嵌入式平台的小型化E-YOLO网络进行人形检测。
5.根据权利要求4所述的智能发光砖控制方法，其特征在于，所述图像增强处理采用公式：
logS(x，y)＝logR(x，y)+logL(x，y)；
其中，S表示摄像机采集获得的原始图像；R表示物体的反射分量；L表示环境光的照射分量；(x，y)表示图像坐标；
令r＝logR(x，y)，得到：
r＝logR(x，y)＝logS(x，y)-logL(x，y)；
利用原始图像S(x，y)，采用滤波算法对照度进行估计，得到：
r＝logR(x，y)＝logS(x，y)-logL(x，y)＝logS(x，y)-log[G(x，y)·S(x，y)]；
变换后得到权重系数G(x，y)的公式：
Figure FDA0003807255470000021
其中，(xc，yc)表示图像中心点坐标；f(xc，yc)表示图像中心点像素灰度值；σs表示空域高斯函数的标准差；σr表示值域高斯函数的标准差；
对图像进行多尺度增强处理，得到：
Figure FDA0003807255470000022
其中，K表示权重的个数；ωi表示对应第i个尺度的权重；Gi(x，y)表示采用滤波算法的权重系数；
最后r(x，y)通过指数运算恢复R(x，y)。
6.一种智能发光砖控制系统，其特征在于，包括：
预处理模块：利用摄像机获取检测区域内人流动的视频图像，并对获取的视频图像进行预处理，得到预处理后的视频图像；
人形检测模块：基于预处理后的视频图像进行人形检测，并利用矩形框框出人形区域，得到人形矩形框；
映射模块：将检测区域按照预设要求划分为多个子区域，多个所述子区域为互不重叠的任意多边形的封闭区域，且每个所述子区域映射有一个发光砖组，所述发光砖组包括至少一块发光砖；
触发模块：自所述人形矩形框下边框起截取所述人形矩形框的脚部区域，当截取的所述脚部区域与所述子区域存在交叉时，触发当前的所述子区域，点亮与当前的所述子区域存在映射关系的所述发光砖组。
7.根据权利要求6所述的智能发光砖控制系统，其特征在于，所述子区域与所述发光砖组之间的映射关系为：
Li＝f(Kj)；
其中，Li表示发光砖组的编号；Kj表示子区域的编号；1≤i≤n，i＝j，n为正整数。
8.根据权利要求7所述的智能发光砖控制系统，其特征在于，沿人流动的方向上，第Li个所述发光砖组位于第Kj个所述子区域的前侧。
9.根据权利要求6所述的智能发光砖控制系统，其特征在于，所述预处理模块中的预处理包括：对获取的视频图像采用基于双边滤波和Retinex算法进行图像增强处理；
所述人形检测模块中的人行检测包括：基于预处理后的视频图像采用基于嵌入式平台的小型化E-YOLO网络进行人形检测。
10.根据权利要求9所述的智能发光砖控制系统，其特征在于，所述图像增强处理采用公式：
logS(x，y)＝logR(x，y)+logL(x，y)；
其中，S表示摄像机采集获得的原始图像；R表示物体的反射分量；L表示环境光的照射分量；(x，y)表示图像坐标；
令r＝logR(x，y)，得到：
r＝logR(x，y)＝logS(x，y)-logL(x，y)；
利用原始图像S(x，y)，采用滤波算法对照度进行估计，得到：
r＝logR(x，y)＝logS(x，y)-logL(x，y)＝logS(x，y)-log[G(x，y)·S(x，y)]；
变换后得到权重系数G(x，y)的公式；
Figure FDA0003807255470000031
其中，(xc，yc)表示图像中心点坐标；f(xc，yc)表示图像中心点像素灰度值；σs表示空域高斯函数的标准差；σr表示值域高斯函数的标准差；
对图像进行多尺度增强处理，得到：
Figure FDA0003807255470000032
其中，K表示权重的个数；ωi表示对应第i个尺度的权重；Gi(x，y)表示采用滤波算法的权重系数；
最后r(x，y)通过指数运算恢复R(x，y)。
CN202211003381.XA 2022-08-19 2022-08-19 一种智能发光砖控制方法及系统 Pending CN115409794A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211003381.XA CN115409794A (zh) 2022-08-19 2022-08-19 一种智能发光砖控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211003381.XA CN115409794A (zh) 2022-08-19 2022-08-19 一种智能发光砖控制方法及系统

Publications (1)

Publication Number Publication Date
CN115409794A true CN115409794A (zh) 2022-11-29

Family

ID=84162506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211003381.XA Pending CN115409794A (zh) 2022-08-19 2022-08-19 一种智能发光砖控制方法及系统

Country Status (1)

Country Link
CN (1) CN115409794A (zh)

Similar Documents

Publication Publication Date Title
CN109448437B (zh) 面向驾驶人的行人安全过街提示系统及方法
CN105593875A (zh) 用于识别车辆的周围环境中的天气状况的方法和控制设备
CN1745403A (zh) Led交通灯
CN112437501B (zh) 一种基于交通语义和博弈论的多传感器超视距自组网方法
Ekrias et al. Road lighting and headlights: Luminance measurements and automobile lighting simulations
CN109353269A (zh) 一种带有可变前照灯的无人驾驶汽车行驶控制系统
KR20110041886A (ko) 지능형 가로등 시스템
CN209225052U (zh) 一种带有可变前照灯的无人驾驶汽车行驶控制系统
CN210639749U (zh) 智能激光斑马线
CN113438779A (zh) 一种基于图像触发路灯光照强度调节的方法
CN107886745A (zh) 一种动态可变车道投影灯及其控制方法
CN110177417A (zh) 一种基于道路状况控制的路灯控制系统及控制方法
CN110853340A (zh) 智能激光斑马线
US20180372537A1 (en) Measurement and control of lighting
CN115409794A (zh) 一种智能发光砖控制方法及系统
CN116403423B (zh) Led智慧灯杆的智能显示控制方法、装置及智慧灯杆
CN116249248A (zh) 一种智慧照明控制方法及系统
JP4552823B2 (ja) 地中埋め込み型照明装置による照明方法及び地中埋め込み型照明装置
Bullough et al. Design and evaluation of effective crosswalk illumination
CN113947930A (zh) 交通标识指示装置和方法
CN112944256A (zh) 一种应用于智慧城镇的多功能智慧路灯
CN112049050A (zh) 一种道路隔离护栏智能灯箱
CN110111589A (zh) 一种动态道路交通信号控制系统与方法
RU2676593C2 (ru) Способ дополнительной индикации и управления движением
RU150330U1 (ru) Информационная система для водителей и пешеходов на нерегулируемом пешеходном переходе

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