CN201740736U - 一种基于视频的能见度检测系统 - Google Patents

Abstract

一种基于视频的能见度检测系统，其特征在于，所述检测系统包括前端摄像机、视频采集设备、视频分析模块和参考结果输出模块，前端摄像机连接到视频采集设备，通过视频采集设备将实时图像传送给视频分析模块，由视频分析模块进行分析后得出的结果由参考结果输出模块输出。本实用新型依据摄像机拍摄到的景物图像在能见度高和能见度低时清晰度的差异来判断当前时刻的能见度。其具有设备成本低、后期人工确认(直接利用能见度检测视频进行确认)方便、施工安装方便、检测精度高的特点。

Description

一种基于视频的能见度检测系统

技术领域

本实用新型涉及一种基于视频的能见度检测系统。

背景技术

能见度是一个复杂的心理——物理现象，主要受制于悬浮在大气中的固体和液体微粒引起的大气消光系数；消光主要由光的散射而非吸收所造成。其估计值依从于个人的视觉和对可见的理解水平而变化，同时受光源特征和透射因数的影响。因此，能见度的目测估计值都是主观的。目前，高速公路上的能见度检测往往是通过气象能见度检测仪进行检测，其依据的原理正是通过测量悬浮在大气中的固体和液体微粒引起的大气消光系数，计算得到测量点的能见度值。

恶劣气候经常影响高速公路的正常运营，如在大雾天气下，司机的可视距离受到严重限制，很容易产生交通事故。为了保证公众驾车出行的安全，同时也是降低高速公路的事故率，保证高速公路的畅通，高效运转。高速公路管理单位需要知道公路上个路段的能见度情况，评价行车的安全等级，实时通过高速公路上的告示板告知高速公路上驾车的司机，提醒他们在一定安全的速度下行驶。甚至，在能见度极低的情况下，高速公路管理单位会将高速公路关闭一段时间，待到能见度恢复到可安全行车的条件时，再重新开发高速公路。如此，实时、准确、充分地获取到高速公路的能见度情况就显得尤为重要，也就提出了相应的技术问题。

显然，目测的方法是有很大缺陷的，我们不可能在高速公路上每隔几公里就安排一个能够24小时工作的能见度检测站。就几百公里、上千公里的高速公路来说，那样所要耗费的人力、物力是无法想象的。而使用大气透射仪、激光能见度自动测量仪，检测能见度会省去人工成本。但大气透射仪、激光能见度自动测量仪高昂的价格及其不菲的维护费用，对高速公路的长期运营来说仍然是很大的负担。同时，大气透射仪、激光能见度自动测量仪先天所具有的弱点是他们永远只能以检测地点的能见度情况去估计若干公里外的能见度情况，使他们无法避免空间误差的产生。

首先，气象能见度检测仪假设从检测地点到有效检测范围内的大气含量完全相同，以检测点的气象情况估计若干公里外的能见度情况，必然有较大空间误差存在。

其次，使用大气透射仪、激光能见度自动测量仪检测能见度，虽会省去人工成本，但大气透射仪、激光能见度自动测量仪高昂的价格及其不菲的维护费用，对高速公路的长期运营来说仍然是很大的负担。

因此，我们提出了利用高速公路上现有的视频采集设备检测能见度的想法。该方法更加客观地评价能见度情况，提高能见度检测的准确性。由于该方法无需在高速公路上添加新设备，只是多安装一套软件，使高速公路在能见度检测方面的运营成本与前二种相比较，相当于零。

能见度(VIS，Visibility)是反映大气透明度的一个指标，航空界定义为具有正常视力的人在当时的天气条件下还能够看清楚目标轮廓的最大距离。能见度和当时的天气情况密切相关。当出现降雨、雾、霾、沙尘暴等天气过程时，大气透明度较低，因此能见度较差。测量大气能见度一般可用目测的方法，也可以使用大气透射、激光能见度自动测量以及在本文中所提出的视频检测的方法测量能见度。

能见度(Visibility)首先是为了气象目的而定义的，通过人工观测者定量估计的量，以这种方式进行的观测现正广泛地采用。然而，能见度的估计受许多主观的和物理的因素的影响；基本的气象量，即大气透明度，可以客观地测量，并用气象光学视程(MOR)表示。

气象光学视程(Meteorological optical range)是指由白炽灯发出的色温为2700K的平行光束的光通量在大气中削弱至初始值的5％所通过的路径长度。该光通量采用国际照明委员会(ICI)的光度测量发光度函数未确定。

白天气象能见度(Meteorological visibility by day)定义为：相对于雾、天空等散射光背景下观测时，一个安置在地面附近的适当尺度的黑色目标物能被看到和辨认出的最大距离。必须强调的是，采用的标准是辨认出目标物，而并非仅看到目标物却不能辨认出它是什么。

夜间气象能见度(Meteorological visibility at night)定义为：

(a)假想总体照明增加到正常白天的水平，适当尺度的黑色目标物能被看到和辨认出的最大距离；或

(b)中等强度的发光体能被看到和识别的最大距离。

气象能见度或气象光学视程MOR用m或km表示。测量范围随应用而变化，对天气尺度要求，MOR的尺度从小于100m到大于70km，而在其他应用时测量范围可有相当的限制。对民用航空来说，上限为10km。当应用于描述着陆和起飞条件的能见度较小情况下的跑道视程的测量时，这个范围还要进一步缩小。跑道视程仅要求在500m和1500m之间。对于其他应用，诸如陆路或海上交通，按照测量的要求和位置有着不同的限度。

能见度测量的误差与能见度成比例增加，测量标度考虑到了这一点。反映在天气报告使用的电码中通过用三种线性分段逐步降低分辨率，即100m到5000m，步长为100m，6到30km，步长为1km，35km到70km，步长为5km。除了能见度低于900m外，这种标度可使报告的能见度值比测量准确度更好。

能见度是一个复杂的心理——物理现象，主要受制于悬浮在大气中的固体和液体微粒引起的大气消光系数；消光主要由光的散射而非吸收所造成。其估计值依从于个人的视觉和对可见的理解水平而变化，同时受光源特征和透射因数的影响。因此，能见度的目测估计值都是主观的。

能见度测量的基本方程是Bouguer-Lambert定律：

F＝F₀·e^-σx                    (0-1)

式中，F是在大气中经过x路径长度接受的光通量，F₀是在x＝0时的光通量，σ为消光系数。求导可得：

$\mathrm{\σ}=\frac{-\mathrm{dF}}{F}\·\frac{1}{\mathrm{dx}}$

注意，此定律仅在单色光时有效，但可以作为一个好的近似值应用于光谱通量。透射因数为：

$T=\frac{F}{F_0}---(0-2)$

MOR与代表大气光学状态的许多变量的数学关系可以从Bouguer-Lambert定律推得出。

根据方程(0-1)和(0-2)，有：

$T=\frac{F}{F_0}=e^{-\mathrm{\σx}}---(0-3)$

若此定律应用于MOR定义的T＝0.05，则x＝P，T可写成下列关系：

T＝0.05＝e^-σp               (0-4)

因此，MOR对消光系数的数学关系为：

$P=\frac{1}{\mathrm{\σ}}\·\ln \left(\frac{1}{0.05}\right)\≈3/\mathrm{\σ}---(0-5)$

式中，ln是底数为e的对数或自然对数。与由Bouguer-Lambert定律导出的方程(0-3)、(0-5)联立，得出下列方程：

$P=x\·\frac{\ln \left(0.05\right)}{\ln \left(T\right)}$

此方程是采用透射表测量MOR的基本原理。

白天气象能见度。亮度对比为：

$C=\frac{L_b-L_h}{L_h}$

这里L_h是地平天空背景亮度，L_b是目标物亮度。

地平天空背景亮度是由沿观测者视线的大气散射的空气光产生的。

必须注意的是，若目标物比地平天空背景暗，则C为负值，若目标物是黑色的(L_b＝0)，则C＝-1。

1924年，Koschmieder建立了远处的观测者在地平天空下看到的目标物的视亮度对比(C_x)与其固有亮度对比(C₀)，即假想从很近处看到的地平天空下的目标物的亮度对比之间的关系，此即其后变成众所周知的Koschmieder定律。Koschmieder的关系式可写成：

C_x＝C₀·e^-σx                     (0-6)

当散射系数与方位角无关，且沿观测者、目标物和地平天空之间的整个路径上的照度均匀时，此关系式成立。

若黑色目标物针对地平天空可观测到(C₀＝-1)且视亮度对比为-0.05，则方程(0-6)可简化为：

0.05＝e^-σx

将这一结果与方程(0-4)相比较表明，在地平天空背景下，当一个黑色目标物的视亮

度对比值为0.05时，该目标物即处于MOR(P)。

夜间气象能见度。夜间作为能见度标记的发光体能被看到的距离并非简单地与MOR相关。它不但取决于MOR和发光体光的强度，还取决于观测者眼睛处从其他光源来的照度。

1876年，Allard提出了从已知强度的点光源发出的光的衰减定律，它是距离和消光系数的函数，点光源的亮度由下式给出：

E＝I·r^-2·e^-σx

当光为恰好可见时，E＝E_t并有下式：

$\mathrm{\σ}=\frac{1}{r}\·\ln \{I/(E_t\·x^2)\}$

考虑(0-5)式P＝(1/σ)·ln(1/0.05)，可以得出：

$P=r\·\frac{\ln (1/0.05)}{\ln [I/(E_t\·x^2)]}$

实用新型内容

本实用新型的目的是提供一种基于视频的能见度检测系统。

本实用新型的目的是通过以下技术方案来实现的。

一种基于视频的能见度检测系统，所述检测系统包括前端摄像机、视频采集设备、视频分析模块和参考结果输出模块，前端摄像机连接到视频采集设备，通过视频采集设备将实时图像传送给视频分析模块，由视频分析模块进行分析后得出的结果由参考结果输出模块输出。可选择的，在视频采集设备与视频分析模块之间设有运动检测与运动目标跟踪模块。

本监测系统还包括昼夜判定模块，与视频分析模块连接，所述昼夜判定模块包括白天能见度检测模块和夜间能见度检测模块，其中昼夜判定模块可以根据图像中全部或者局部的灰度值进行昼夜切换判定，即图像亮度值大于特定阈值则认为当前为白天，如果图像亮度小于特定阈值则，认为当前为夜晚，此外也可以简单的根据时间进行切换。

其中，运动检测与运动目标跟踪模块为可选模块，其中白天和夜间的能见度检测模块的基本处理流程一致，

其基本步骤如下：

第一步：获取一帧视频图像。通过视频采集单元，获取当前帧视频图像。采用：通过视频采集卡采集模拟视频图像、通过网络接收远端传送过来的视频码流进行解码得到一帧视频、通过硬件采集单元直接采集得到一帧视频，三种方式的任意一种或多种获取视频图像。

第二步：利用当前帧图像计算图像能见度评估值。这里的能见度评估值是图像中会跟随能见度变化而变化的某种参数，具体可以(包括但不限于)采用图像锐度值、图像边缘强度、目标跟踪消失点等得到能见度评估值。以下分别进行说明：

1)图像锐度值

对某一待检测场景图像的全部图像或者局部图像的锐度进行计算，得到每一时刻的纹理信息值，再根据该场景的锐度值的历史情况判定该时刻的能见度值。对于数字图像f(i，j)，其单个像素点的锐度定义为：

$C(i,j)=\underset{k=1}{\overset{8}{\mathrm{\Σ}}}|\mathrm{df}/\mathrm{dx}|\≈$

$|f(i,j)-f(i,j-1)|+|f(i,j)-f(i,j+1)|+$

$|f(i,j)-f(i-1,j)|+|f(i,j)-f(i+1,j)|+$

$\frac{|f(i,j)-f(i-1,j-1)|}{\sqrt{2}}+\frac{|f(i,j)-f(i+1,j-1)|}{\sqrt{2}}+$

$\frac{|f(i,j)-f(i-1,j+1)|}{\sqrt{2}}+\frac{|f(i,j)-f(i+1,j+1)|}{\sqrt{2}}$

2)图像边缘强度

对某一待测试场景图像的全部图像或者局部图像的边缘进行检测，根据边缘检测结果得到图像边缘强度，图像的边缘强度可以定义为每一时刻图像中边缘像素个数或者边缘像素之和。

这里的边缘检测方法可以采用Canny边缘检测算子、Sobel检测算子等任何一种图像边缘检测方法进行检测。

3)根据图像内运动车辆的消失位置判断能见度

在高速公路上行驶的车辆会在检测摄像机视野的远端消失。通过对视频图像的分析，我们能够得到车辆消失点距检测点的距离。当能见度变低的时候，车辆消失点到检测点的距离就随之变小，从而为判定能见度的变化提供了依据。

远方车辆消失点通过对视频图像利用现有的运动目标检测得到运动目标，然后利用跟踪算法进行跟踪，在跟踪过程中求得目标的跟踪消失位置，作为目标的跟踪消失点。

此外为了避免瞬时的运动目标对参考值的影响，还可以对图像序列进行背景建模，提取运动视频的背景图像，这个背景会按照一定的更新速率随着时间不断缓慢更新。然后，在背景图像上进行能见度参考值的检测。

系统可以采用如上方法中的任何一种计算第i帧的能见度参考值P_i，随后为了避免图像的随机干扰，可以对参考值P_i测量结果进行平滑或者滤波处理。这里可以采用均值平滑、中值平滑、kalman滤波等任何一种平滑处理算法得到，设得到平滑后结果

第三步：利用能见度参考值

更新系统预存的参考值最大值P_max和最小值P_min。这里在系统开启之时，会预设一个参考值最大值P_max和最小值P_min。当计算得到一个新的参考值

之后。按照下式更新P_max和P_min；

$P_{\max }={\stackrel{\‾}{P}}_i,$ 如果 ${\stackrel{\‾}{P}}_i>P_{\max }$

$P_{\min }={\stackrel{\&OverBar;}{P}}_i,$ 如果 ${\stackrel{\&OverBar;}{P}}_i<P_{\min }$

第四步：利用

参考值最大值P_max和最小值P_min计算能见度值；

$V=f(\stackrel{\&OverBar;}{P},P_{\max },P_{\min })---(1-1)$

这里可以采用最简单的线性变换，通过能见度参考值计算得到能见度值：

$V=(V_{\max }-V_{\min })\frac{\stackrel{\&OverBar;}{P}-P_{\min }}{P_{\max }-P_{\min }}+V_{\min }$

这里V_min、V_max可以通过常规能见度仪测量检测点处能见度足够低时的能见度值V_min和能见度足够高时的能见度值V_max得到。

此外，(1-1)式也可以采用其他函数关系进行拟合，这里不再详述。

第五步：对能见度计算结果V进行平滑处理。对于第二步中的若干种能见度参考值，可以分别按照第三步到第四步的计算方法进行计算，得到能见度值。以上面所示三种方法为例，可以分别计算得到基于图像锐度的能见度检测值V_c，基于图像边缘强度的能见度检测值V_e，基于目标跟踪消失点的能见度检测值V_v。则最终的能见度检测值可以为这三种检测方法的均值或者中值。即：

$\tilde{V}=\frac{V_c+V_e+V_v}{3}$

或者

$\tilde{V}=\mathrm{median}(V_c,V_e,V_v)$

最终能见度检测结果则可以对

进行时域的进一步平滑处理，进而得到

由于视频图像白天和夜间具有较大的差异，因此白天和夜间用于计算能见度参考值的区域略有不同，例如白天可以选用全图或者图像的局部，采用如上三种方法计算得到能加度参考值，而夜间则可以采用图像中保持常亮的部分(例如灯光照亮的部分)进行能见度参考值的计算。白天和夜间不能共用一个检测流程，即能见度参考值需要分别记录白天的最大值

和最小值

夜间的最大值

和最小值

能见度本身是一个视觉上的参量，因此通过视频进行能见度检测可谓是能见度检测终极方案，本发明正是基于如上考虑，利用视频采集设备，结合图像分析、机器视觉以及模式识别算法，基于视频图像进行能见度检测。其能对交通调度提供有力的指导，确保复杂天气下的交通运输安全。

本发明依据摄像机拍摄到的景物图像在能见度高和能见度低时清晰度的差异来判断当前时刻的能见度。其具有设备成本低、后期人工确认(直接利用能见度检测视频进行确认)方便的特点。

附图说明

下面根据附图和实施例对本发明作进一步详细说明。

图1是本发明实施例所述的一种基于视频的能见度检测系统的结构图；

图2是一种基于视频的能见度检测系统的实现方法流程图。

具体实施方式

如图1-2所示，一种基于视频的能见度检测系统的实现方法，所述检测系统包括前端摄像机、视频采集设备、运动检测与运动目标跟踪模块、昼夜判定模块，所述昼夜判定模块包括白天能见度检测模块和夜间能见度检测模块，其中昼夜判定模块可以根据图像中全部或者局部的灰度值进行昼夜切换判定，即图像亮度值大于特定阈值则认为当前为白天，如果图像亮度小于特定阈值则，认为当前为夜晚，此外也可以简单的根据时间进行切换。

其中，运动检测与运动目标跟踪模块为可选模块，其中白天和夜间的能见度检测模块的基本处理流程一致，

其基本步骤如下：

第一步：获取一帧视频图像。通过视频采集单元，获取当前帧视频图像。这里可以采用视频采集卡采集模拟视频图像，也可以通过网络接收远端传送过来的视频码流进行解码得到一帧视频，还可以通过硬件采集单元直接采集得到一帧视频。

第二步：利用当前帧图像计算图像能见度评估值。这里的能见度评估值是图像中会跟随能见度变化而变化的某种参数，具体可以(包括但不限于)采用图像锐度值、图像边缘强度、目标跟踪消失点等得到能见度评估值。以下分别进行说明：

1)图像锐度值

对某一待检测场景图像的全部图像或者局部图像的锐度进行计算，得到每一时刻的纹理信息值，再根据该场景的锐度值的历史情况判定该时刻的能见度值。对于数字图像f(i，j)，其单个像素点的锐度定义为：

$C(i,j)=\underset{k=1}{\overset{8}{\mathrm{\&Sigma;}}}|\mathrm{df}/\mathrm{dx}|\&ap;$

$|f(i,j)-f(i,j-1)|+|f(i,j)-f(i,j+1)|+$

$|f(i,j)-f(i-1,j)|+|f(i,j)-f(i+1,j)|+$

$\frac{|f(i,j)-f(i-1,j-1)|}{\sqrt{2}}+\frac{|f(i,j)-f(i+1,j-1)|}{\sqrt{2}}+$

$\frac{|f(i,j)-f(i-1,j+1)|}{\sqrt{2}}+\frac{|f(i,j)-f(i+1,j+1)|}{\sqrt{2}}$

2)图像边缘强度

对某一待测试场景图像的全部图像或者局部图像的边缘进行检测，根据边缘检测结果得到图像边缘强度，图像的边缘强度可以定义为每一时刻图像中边缘像素个数或者边缘像素之和。

这里的边缘检测方法可以采用Canny边缘检测算子、Sobel检测算子等任何一种图像边缘检测方法进行检测。

3)根据图像内运动车辆的消失位置判断能见度

在高速公路上行驶的车辆会在检测摄像机视野的远端消失。通过对视频图像的分析，我们能够得到车辆消失点距检测点的距离。当能见度变低的时候，车辆消失点到检测点的距离就随之变小，从而为判定能见度的变化提供了依据。

远方车辆消失点通过对视频图像利用现有的运动目标检测得到运动目标，然后利用跟踪算法进行跟踪，在跟踪过程中求得目标的跟踪消失位置，作为目标的跟踪消失点。

此外为了避免瞬时的运动目标对参考值的影响，还可以对图像序列进行背景建模，提取运动视频的背景图像，这个背景会按照一定的更新速率随着时间不断缓慢更新。然后，在背景图像上进行能见度参考值的检测。

系统可以采用如上方法中的任何一种计算第i帧的能见度参考值P_i，随后为了避免图像的随机干扰，可以对参考值P_i测量结果进行平滑或者滤波处理。这里可以采用均值平滑、中值平滑、kalman滤波等任何一种平滑处理算法得到，设得到平滑后结果

第三步：利用能见度参考值

更新系统预存的参考值最大值P_max和最小值P_min。这里在系统开启之时，会预设一个参考值最大值P_max和最小值P_min。当计算得到一个新的参考值

之后。按照下式更新P_max和P_min；

$P_{\max }={\stackrel{\&OverBar;}{P}}_i,$ 如果 ${\stackrel{\&OverBar;}{P}}_i>P_{\max }$

$P_{\min }={\stackrel{\&OverBar;}{P}}_i,$ 如果 ${\stackrel{\&OverBar;}{P}}_i<P_{\min }$

第四步：利用

参考值最大值P_max和最小值P_min计算能见度值；

$V=f(\stackrel{\&OverBar;}{P},P_{\max },P_{\min })---(1-1)$

这里可以采用最简单的线性变换，通过能见度参考值计算得到能见度值：

$V=(V_{\max }-V_{\min })\frac{\stackrel{\&OverBar;}{P}-P_{\min }}{P_{\max }-P_{\min }}+V_{\min }$

这里V_min、V_max可以通过常规能见度仪测量检测点处能见度足够低时的能见度值V_min和能见度足够高时的能见度值V_max得到。

此外，(1-1)式也可以采用其他函数关系进行拟合，这里不再详述。

第五步：对能见度计算结果V进行平滑处理。对于第二步中的若干种能见度参考值，可以分别按照第三步到第四步的计算方法进行计算，得到能见度值。以上面所示三种方法为例，可以分别计算得到基于图像锐度的能见度检测值V_c，基于图像边缘强度的能见度检测值V_e，基于目标跟踪消失点的能见度检测值V_v。则最终的能见度检测值可以为这三种检测方法的均值或者中值。即：

$\tilde{V}=\frac{V_c+V_e+V_v}{3}$

或者

$\tilde{V}=\mathrm{median}(V_c,V_e,V_v)$

最终能见度检测结果则可以对进行时域的进一步平滑处理，进而得到

由于视频图像白天和夜间具有较大的差异，因此白天和夜间用于计算能见度参考值的区域略有不同，例如白天可以选用全图或者图像的局部，采用如上三种方法计算得到能加度参考值，而夜间则可以采用图像中保持常亮的部分(例如灯光照亮的部分)进行能见度参考值的计算。白天和夜间不能共用一个检测流程，即能见度参考值需要分别记录白天的最大值和最小值

夜间的最大值

和最小值

能见度本身是一个视觉上的参量，因此通过视频进行能见度检测可谓是能见度检测终极方案，本发明正是基于如上考虑，利用视频采集设备，结合图像分析、机器视觉以及模式识别算法，基于视频图像进行能见度检测。其能对交通调度提供有力的指导，确保复杂天气下的交通运输安全。

本发明依据摄像机拍摄到的景物图像在能见度高和能见度低时清晰度的差异来判断当前时刻的能见度。其具有设备成本低、后期人工确认(直接利用能见度检测视频进行确认)方便的特点。

Claims (1)

1.一种基于视频的能见度检测系统，其特征在于，所述检测系统包括前端摄像机、视频采集设备、视频分析模块和参考结果输出模块，前端摄像机连接到视频采集设备，通过视频采集设备将实时图像传送给视频分析模块，由视频分析模块进行分析后得出的结果由参考结果输出模块输出。 

Images