专利名称：一种能见度的全天候视频测量方法
技术领域：
本发明涉及智能交通技术领域，涉及一种公路及其隧道中的大气能见度测量方 法，主要用于公路及公路隧道环境中的一种能见度的全天候视频实时测量方法。
背景技术：
在我国公路在促进国民经济快速发展的同时，较高的公路交通事故发生率和死亡 率也给经济的高速发展、社会的持续稳定和人民的生命财产安全带来了诸多的不利影响。 据统计，在所有高速公路的交通事故中，因雨雾等恶劣天气影响造成的交通事故就占1/4 左右，雾天高速公路地事故率时平常地10倍，即低能见度环境是造成高速公路交通事故的 一个非常重要的因素。因此，对高速公路沿线的天气尤其是能见度情况进行全程全天候的 实时监控，实现不分昼夜，随时预警低能见度特别是随机雾团、瞬时雨雪、沙尘等短时低能 见度天气，对交通运输安全有着非常重要的意义。另一方面，随着我国公路交通事业的快速发展，公路隧道尤其是高速公路隧道大 量建设和投入运营，公路隧道的交通安全问题也日益得到重视。对道路上行驶的车辆来说，公路隧道是一个特殊的地域，烟尘大、光线暗导致洞内 能见度低，封闭的空间也给人以压抑感，这些因素作用在驾驶员身上，使驾驶员处理问题的 能力也较洞外有所降低，如果发生意外，驾驶员容易惊慌失措，处理失常。据有关部门统计， 公路隧道每公里的事故发生率大约相当于普通路段的3倍，由于能见度降低，如果有车辆 在隧道内发生意外，后面车辆不易及时发现，甚至隧道监控中心也不易及时发现，这也容易 导致二次事故的发生，在多条公路上都有惨痛的案例发生。所以目前在高速公路的长隧道 (IKm以上)中一般都设置了能见度检测器，如果发现能见度过低，就及时开启风机进行通 风，或增开照明灯具，增加隧道内的能见度。目前，在公路中投入使用的能见度检测仪主要分为两类，一类是透射式能见度仪， 根据透射原理工作，发射器和接收器相对安装，安装距离间隔3米 20米，利用支架固定 对准后，光学部件发出的可见光或激光成为一条检测光束，通过光路衰减后到达接收器，接 收器检测该信号后处理为测量值。透射式能见度仪主要应用于隧道内。另一类是散射式能 见度仪，其中以前向式散射仪为主，通过测量一个小的采样容积的散射光强，来计算消光系 数。该两类检测仪的主要缺点是(1)由于发射点和接收点之间的透射率或散射系数和波长有关，仪器测量的结果 可能和按人眼视觉特性评价结果相差较大。(2)对于隧道内常用的透射式能见度仪来说，由于车辆通过的不确定性和隧道环 境的封闭性，隧道内的粉尘浓度、水雾浓度等分布可能极不均勻，在现有仪器安装位置的环 境空间的粉尘浓度、水雾浓度等可能与整个隧道大部分空间的参数差别较大，以此位置的 一条线所测量出的能见度来作为整个隧道内的能见度，可能产生较大误差。(3)现有能见度仪器价格昂贵，难以大量应用。
随着视频技术的不断发展，以及图像处理算法的日益完善，基于视频的能见度检 测方法渐渐发展起来。目前，已有的一些视频测量手段主要是基于无源靶标(单一或多个) 以及纯图像处理算法两大类，由于受夜间光照影响与制约，该类能见度检测手段基本仅适 用于白天的能见度检测，而难以满足全天候实时检测的需要。国外从上世纪90年代开始研究利用视频图像进行能见度检测，美国明尼苏达 大学 2004 年公布的《Atmospheric visibility Measurements Using Video Cameras Relative Visibility》一文和相关专利中，使用照相机和多个靶标，将靶标的对比度值进 行能见度非线性曲线拟合，得出日间的能见度值。国内成都易航信息科技有限公司于2003年和2006年申请了自校准大气能见度 测量方法和系统专利，对多个靶标拍摄照片，提取特征区域，计算其亮度、对比度、空间分辨 率，再对比人眼可见参数表计算出能见度距离。深圳先进技术研究院在2007年申请的大气能见度测量方法专利，以某一固定场 景作为观测点，通过摄像获得多个能见度条件下的该场景图像边缘强度值，及与能见度的 对应关系，获得能见度数据库，再测量当前图像的边缘强度，计算得到当前大气能见度值。辽宁姜廷顺等于2008年申请的一种能见度检测系统和方法专利，采用了三个目 标发光光源作为测量靶标，计算出目标发光源点亮和熄灭的亮度差，亮度差超过预先设定 的目标发光源可见阈值则认为目标发光源可见，通过检测多个发光源的可见性来判断道路 的能见度。南京大学2008年申请的能见度检测方法专利，使用高速公路外场路侧摄像机摄 取多个角度、位置、时间的视频图像，将图像信息转换成距离信息，然后进行符合人眼的能 见度分析，得出能见度值距离。这些技术的局限在于，首先，不能做到全天候条件下连续检测环境能见度；其次， 大多是使用图像信息处理的方法提取出图像的特征，再根据光学原理构建视频图像信息和 能见度之间的关系模型，属于机理建模的方式。但由于检测环境的复杂性和光路的复杂性， 使用机理建模难免有偏差；而使用一种机理建模不能满足不同地点、不同路况、不同气候变 化的高准确度能见度检测的需要；若使用复杂的机理模型，则会增加工程应用的难度，不便 于软件的维护和升级，而有的专利中使用数据拟合的方式或查表的方式，在环境变化的情 况下不能准确反映出图像特征与能见度之间映射规律。
发明内容
本发明的目的是提供一种能见度的全天候视频测量方法，能满足不同地点、不同 路况、不同气候变化的高准确度能见度检测的需要；在环境变化的情况下依然能准确反映 出图像特征与能见度之间的映射规律。为达到上述目的，本发明表述一种能见度的全天候视频测量方法，其关键在于按 以下步骤进行一、能见度测量模型建立1. 1设置靶标，所述靶标为自带光源的黑色和白色条纹相间图像；1. 2建立能见度模型数据库；通过摄像头获取在九个能见度条件下的靶标视频图像信息，利用图像处理方法提取靶标的视频图像特征，靶标的视频图像特征有靶标图像灰度均值gl，靶标图像图形的边 缘总长度b，靶标图像的对比度C，图像的亮度分布峰值距离h ；以靶标的视频图像特征与能见度数据，建立能见度模型数据库；1. 3建立能见度测量模型；对九个能见度条件下的靶标视频图像特征靶标图像灰度均值gl、靶标图像图形 的边缘总长度b、靶标图像的对比度C、图像的亮度分布峰值距离h进行数据融合，生成九个 能见度条件下的能见度测量值X，并将九个能见度条件下的能见度测量值X输入神经网络 训练，得到从图像特征数据到能见度值的神经网络映射模型；这里可以用到的方法还有“支持向量机，，和“贝叶斯网络”两种方法。“支持向量 机”相关文献是《支持向量机导论》机械工业出版社，作者是克里斯蒂亚尼尼；“贝叶斯网络” 相关文献是《贝叶斯网络学习、推理与应用》立信会计出版社，作者是王双成。两种方法都 能对靶标视频图像特征进行网络训练。1. 4能见度测量模型的数据整合；反复获取九个能见度条件下的靶标视频图像特征，并不断生成新的当前能见度下 的能见度测量值X’，并运用数理统计的理论，将该新的当前能见度下的能见度测量值X’输 入神经网络模型训练，获得最优能见度估计模型；二、能见度测量2. 1靶标图像的摄取和识别在现场安装靶标和用于视频数据获取的摄像头，利用PC机读取摄像头获得的视 频图像，采用形态学和行扫描的办法识别靶标位置，并生成当前靶标的视频图像信息；2. 2靶标图像的特征提取利用图像处理方法提取靶标的视频图像特征，靶标的视频图像特征有靶标图像 灰度均值gl，靶标图像图形的边缘总长度b，靶标图像的对比度c，图像的亮度分布峰值距离 h ；生成路段当前条件下的能见度测量值Xl ；2. 3能见度计算将路段当前条件下的能见度测量值Xl送入所述能见度测量神经网络模型中，经 计算，获得环境能见度等级。在能见度的视频测量方法中，所述靶标图像灰度均值gl的获取方法是采用现行标准的平局值法获得靶标图像灰度均值gl 用R. G. B分别表示原彩色图像中的红、绿、蓝分量，有gl = 0. 3R+0. 59G+0. IlB(1)。在本公路隧道能见度的视频测量方法中，所述靶标位置的识别方法是
3.1、竖直方向差分边缘检测采集到图像的背景水平纹理群丰富，根据水平纹理群，先将经过灰度处理的图像 竖直方向做差分运算，其一阶差分运算式为g2 (i，j) = I gl (i，j) -gl (i+1，j) I(2)g2代表做竖直方向差分边缘检测后的图像，gl代表经过上面灰度处理后的图像， 利用差分运算能有效检测横向边缘，使能见度检测靶标的定位更准确；3. 2、二值化处理
将靶标图像分为mXn大小的方块，设M为局部均值，σ为局部方差，t为局部阀
值，有
1 m ησ =——YjY4Ig2(^j)-Mf
饥><i=Q
—128(3)^T 1 +——
256图像中大于t的像素为255，反之为0。用而代表二值化处理输出，&代表上面经 过竖直方向差分边缘检测的图像结果，二值化处理计算式如下
\255, g2>tgi=\3. 3、形态学运算采用形态学的滤波方法，使用IXk大小的结构元素对图像作横向腐蚀运算，k的 取值通过系统调试决定，但k应根据噪声颗粒和非噪声颗粒的半径大小选取，这里的k应小 于非噪声颗粒的横向长度，由第3. 1竖直方向差分边缘检测出的靶标的横向边缘，并大于 且接近噪声颗粒的半径，假设噪声颗粒的半径为rn，非噪声颗粒的最小横向长度为Γι，其中 Γι>> rn，则k可取k = rn+(ri-rn)/10,以消除细小干扰，而非噪声颗粒半径rn，即靶标条 纹在图像中所占的横向长度，可以根据靶标距摄像机的安装距离和摄像机的视角参数估计 出，则rn以g3代表输入的二值化图像，B代表结构元素，g4代表腐蚀输出，腐蚀运算为gi=g3 B = {z\b + z^g3,bGB}(4)在腐蚀后的图像的基础上进行形态学闭运算，首先使用1X1结构元素作横 向膨胀运算，1的取值通过系统调试决定，但1应根据噪声颗粒半径和非噪声颗粒的横 向长度选取，和上面腐蚀算法不同的是这里的1应接近非噪声颗粒的横向长度，取1 = T1-(T1-Tn)ZlO0然后在使用同样大小的结构元素作横向腐蚀运算，g4代表经过上面腐蚀运 算后的结果，^代表膨胀运算的输出，C代表用于膨胀运算的结构元素，膨胀运算为g5 =g4 十C =+(5)再做腐蚀运算g6 = g5 C形态学滤波最终输出为g6 ；3. 3、靶标的定位通过形态学的处理后，靶标区域形成连通候选区域，对列进行扫描，统计每行经过 的连续的灰度值为255的像素点数目，再根据统计得到的数据，和阀值计算出靶标的纵向 位置。竖向坐标范围计算式如下Y e {y|f(g6, y) > τ }上式中，Y代表靶标的坐标范围计算结果，f代表指定行连续灰度值为255的像素 点的数目统计函数，g6代表经过上一步形态学处理的输出图像，y代表竖向坐标，τ代表阀 值；同样的原理使用到靶标的横向位置定位，至此可以识别出的根据坐标范围和经过 灰度处理后的图像gl提取出灰度图像gl中的靶标图像g7 ；3. 4、图像角度变换校正
10
使用Radon变换，图像变换前在图像空间，变换后在参数空间，可以表示为 P = xcos θ +ysin θ(6)二维Radon变换即将(x，y)平面空间的一条直线P = xcos θ +ysin θ映射成 Radon空间的一个点(P，θ )，连续图像的Radon变换为R(P' = Hg7 ^x' y^s (P~xcose-ysin d)dxdy(7)
D式中，D为整个图像平面，g7(x, y)为提取出的靶标图像上某一点(X，y)的像素点 灰度值，特征函数δ为狄拉克函数，P为(x，y)平面内直线到原点的距离，θ为原点到直 线的垂线与χ轴的夹角，特征函数S使积分沿着直线P = xcos θ +ysin θ进行，Radon变 换后，(P，Θ)也可重构原图像中的直线，其表达式为y = ρ /sin θ -xcot θ(8)通过校正图像变换到Radon空间内的角度变量θ，在重构原图像，即可实现校正 图像角度的目的，角度变换后的靶标图像为g8。3. 4、靶标图像的距离校正定义被提取特征的标准靶标图像大小为mXn，角度变换后的靶标图像&的大小为 m0Xn0,并且有m > mQ，η > η0,因此本部分选择采用图像的双线性插值算法，将图像放大到 标准大小mXn，具体算法如下双线性插值是指利用映射点在输入图像的4个邻点的灰度值对映射点进插值，即 待插点处的数值用离待插点最近的四个点的值加权求得，在同一行内根据待插值像素点与 其前后的原图像像素点的位置距离进行加权线性插值，即离原图像像素点越近的待插值像 素点，原图像像素的加权系数就越大；行间根据待插值行与其上下的原图像行间的距离进 行加权线性插值，即离原图像行越近的待插值行，原图像行的加权系数就越大；对于一个g9 (χ, y)目的像素，其对应于行列坐标值分别为目的像素坐标X，y, f分 别除以行和列的放大倍数，行放大倍数为m/mo，列放大倍数为n/rv通过反向变换映射为原 图像的浮点坐标f(i+P，j+q)，其中i和j均为非负整数，P和q是取余后
区间内的 浮点数，则这个目的像素的值f (i+P，j+q)可由原图像中坐标为(i，j)、(i+1，j)、(i，j+1)、 (i+1，j+1)所对应的周围四个像素的值来决定，如下公式f(i+p, j+q) = (1-p) (l_q)g8(i，j) + (l_p) qg8 (i+1，j)+p(l-q) g8(i, j+1)+pqg8 (i+1，j+1)其中，g8(i，j)表示图像由在位置(i，j)处的像素值，P，q随着放大后像素行列坐 标的不同而改变，将这四个点的像素值按照权重不同做相加，得到放大图像f目标位置的 像素值，最后将f映射回放大后的结果图像g9，通过别乘以行列放大倍数，将浮点坐标还原 为&中的整数坐标。在本公路隧道能见度的视频测量方法中，所述靶标图像图形的边缘总长度b的获 取方法是得到角度校正后的图像g9后即可进行图像特征提取，图像的边缘特征提取使用 Canny算子方法，Canny算子方法通过高斯一阶微分计算梯度，寻找图像梯度的局部最大 值，使用双阀值法检测强边缘和弱边缘，当弱边缘与强边缘链接成轮廓边缘才输出；Canny边缘检测步骤为
11
第一步用高斯滤波器平滑图像高斯平滑函数为
权利要求
一种能见度的全天候视频测量方法，其特征在于按以下步骤进行一、能见度测量模型建立1.1设置靶标，所述靶标为自带光源的黑色和白色条纹相间图像；1.2建立能见度模型数据库；通过摄像头获取在九个能见度条件下的靶标视频图像信息，利用图像处理方法提取靶标的视频图像特征，靶标的视频图像特征有靶标图像灰度均值g1，靶标图像图形的边缘总长度b，靶标图像的对比度c，图像的亮度分布峰值距离h；以靶标的视频图像特征与能见度数据，建立能见度模型数据库；1.3建立能见度测量模型；对九个能见度条件下的靶标视频图像特征靶标图像灰度均值g1、靶标图像图形的边缘总长度b、靶标图像的对比度c、图像的亮度分布峰值距离h进行数据融合，生成九个能见度条件下的能见度测量值X，并将九个能见度条件下的能见度测量值X输入神经网络训练，得到从图像特征数据到能见度值的神经网络映射模型；1.4能见度测量模型的数据整合；反复获取九个能见度条件下的靶标视频图像特征，并不断生成新的当前能见度下的能见度测量值X’，并运用机器学习理论，将该新的当前能见度下的能见度测量值X’输入神经网络模型训练，获得最优能见度估计模型；二、能见度测量2.1靶标图像的摄取和识别在现场安装靶标和用于视频数据获取的摄像头，利用PC机读取摄像头获得的视频图像，采用形态学和行扫描的办法识别靶标位置，并生成当前靶标的视频图像信息；2.2靶标图像的特征提取利用图像处理方法提取靶标的视频图像特征，靶标的视频图像特征有靶标图像灰度均值g1，靶标图像图形的边缘总长度b，靶标图像的对比度c，图像的亮度分布峰值距离h；生成路段当前条件下的能见度测量值X1；2.3能见度计算将路段当前条件下的能见度测量值X1送入所述能见度测量神经网络模型中，经计算，获得环境能见度等级。
2.1靶标图像的摄取和识别在现场安装靶标和用于视频数据获取的摄像头，利用PC机读取摄像头获得的视频图 像，采用形态学和行扫描的办法识别靶标位置，并生成当前靶标的视频图像信息； 2. 2靶标图像的特征提取利用图像处理方法提取靶标的视频图像特征，靶标的视频图像特征有靶标图像灰度 均值gl，靶标图像图形的边缘总长度b，靶标图像的对比度c，图像的亮度分布峰值距离h ； 生成路段当前条件下的能见度测量值Xl ； 2. 3能见度计算将路段当前条件下的能见度测量值Xl送入所述能见度测量神经网络模型中，经计算， 获得环境能见度等级。2.根据权利要求1所述的一种能见度的全天候视频测量方法，其特征在于，所述靶标 图像灰度均值gl的获取方法是采用现行标准的平局值法获得靶标图像灰度均值gl 用R. G. B分别表示原彩色图像中的红、绿、蓝分量，有gl = 0. 3R+0. 59G+0. IlB(1)。
3.根据权利要求1所述的一种能见度的全天候视频测量方法，其特征在于，所述靶标 位置的识别方法是3.1、竖直方向差分边缘检测采集到图像的背景水平纹理群丰富，根据水平纹理群，先将经过灰度处理的图像竖直 方向做差分运算，其一阶差分运算式为g2(i' J') = k(i，j)-gi(i+l，j) I(2)g2代表做竖直方向差分边缘检测后的图像，gl代表经过上面灰度处理后的图像； 3. 2、二值化处理将靶标图像分为mXn大小的方块，设M为局部均值，ο为局部方差，t为局部阀值，有
4.根据权利要求1所述的一种能见度的全天候视频测量方法，其特征在于，所述靶标 图像图形的边缘总长度b的获取方法是得到角度校正后的图像g9后即可进行图像特征提取，图像的边缘特征提取使用Carmy 算子方法，Carmy算子方法通过高斯一阶微分计算梯度，寻找图像梯度的局部最大值，使用 双阀值法检测强边缘和弱边缘，当弱边缘与强边缘链接成轮廓边缘才输出； Canny边缘检测步骤为第一步用高斯滤波器平滑图像，高斯平滑函数为H(m,n) = e 2σ'(9)可以通过设定m和η的范围和ο的大小决定高斯平滑滤波的模板大小和平滑尺度，用 高斯平滑函数对图像进行滤波的计算式如下g10 = g9*H(10)其中*为卷积符号；第二步用一阶偏导的有限差分来计算梯度的幅值和方向一阶差卷积分模板为-1 -11 -1H1 =H2 =11 11 -1V1 = Sio^H1 V2 = g10*H2Ψ =(10)^ =Ian-1 ^ Ψχ第三步对梯度幅值进行极大值抑制仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的 点，而抑制非极大值；解决方法利用梯度的方向ξ [x,y] = Sector (θ ψ[χ,γ])(11)对经过高斯平滑后的图像g1(l的每一点上，将领域的中心像素M与沿着梯度线的两个像 素相比较，梯度信息来自于第二步计算结果，如果M的梯度值比沿梯度线的两个相邻像素 梯度值小，则令M = 0，即gn [X，y] = NMS (g10 [χ, y]，ξ [χ, y]) 第四步用双阀值算法检测和连接边缘减少假边缘段数量的典型方法是对gll[x，y]使用一个阀值。将低于阀值的所有值赋零；用双阀值的方法选取阀值T1和τ2，且T1^ 2 τ2，得到两个阀值边缘图像T1 [X，y] 和T2[x，y]，在T1中收取边缘，将T2中的所有间隙连接起来，最终得到靶标图像的边缘信息 g12，通过对g12统计边缘像素数量即可求得图像边缘总长度b。
5.根据权利要求1所述的一种能见度的全天候视频测量方法，其特征在于，所述靶标 图像的对比度c的获取方法是一般的，图像的对比度定义为 C = (L-LB)/LB = LH/LB(12)上式中，L表示图像的局部亮度，即局部灰度，LB表示图像的局部背景亮度，相当于局部 低频分量，上式右边部分Lh = L-Lb相当于图像的局部高频分量，在这里计算图像g9的对比度。
6.根据权利要求1所述的一种能见度的全天候视频测量方法，其特征在于，所述图像 的亮度分布峰值距离h的获取方法是在这里，灰度均值计算的计算式如下 vg =丄玄玄仏O,力(13)？Tlft X=I y=l上式中，m为标靶图像的总行数，η为标靶图像的总列数； 图像的亮度分布峰值计算式如下
全文摘要
本发明公开一种能见度的全天候视频测量方法，其特征在于按以下步骤进行1.能见度测量模型建立，设置靶标，建立能见度模型数据库，建立能见度测量模型，能见度测量模型的数据整合；2.能见度测量，靶标图像的摄取和识别，靶标图像的特征提取，能见度计算。本发明的显著效果是，能满足不同地点、不同时间、不同路况、不同气候变化的高准确度能见度检测的需要；在环境变化的情况下依然能准确反映出图像特征与能见度之间的映射规律。
文档编号G06N3/08GK101957309SQ20101025586
公开日2011年1月26日 申请日期2010年8月17日 优先权日2010年8月17日
发明者凌睿, 李茂华, 袁源, 邹小春, 须民健 申请人:招商局重庆交通科研设计院有限公司