一种室外昼夜区分方法
【技术领域】
[0001] 本发明涉及计算机视觉识别领域，具体为一种室外昼夜区分方法。
【背景技术】
[0002] 智能视频监控系统，是利用计算机视觉技术对视频或图像信号进行处理、分析的 系统，在不需要人为干预的情况下，通过对序列图像自动分析对监控场景中的变化进行定 位、识别和跟踪，并在此基础上分析和判断目标的行为。然而，在夜晚时，环境中的光线较 暗，所获取的视频或者图像很可能是模糊的、含有大量噪声的，此时，为提高其清晰度，需要 对夜晚条件下的低质量视频或者图像进行增强。
[0003] 但是，智能视频监控系统无法判断出某个时刻室外是白天或者夜晚，因而其并不 清楚是否应该进行图像增强。因此，智能视频监控系统准确地区分室外昼夜的方法成为了 本领域技术人员追求的目标。
[0004]目前，有人提出了如下区分室外昼夜的方法：
[0005] 一、通过设定特定的时间长度区分昼夜：比如，从早上5点到下午6点为昼、其与时 间为夜。但这种方法的适应性较差，因为在不同的季节、不同的时区，昼夜变化时间是不同 的，而且即使在相同的季节和时区，受天气因素的影响，图像的明亮程度也会发生改变，因 此这种方法不符合实际需要。
[0006] 二、通过检测图像中的特征物区分昼夜：常用的特征物是路灯，若检测路灯是亮 的，则此时室外为夜；若检测路灯是灭的，则此时室外为昼。但是，这种方法的依赖性太强， 如果特征物损坏或者没有特征物，就无法区分昼夜，因此，这种方法的鲁棒性很差。
[0007] 三、通过光敏元件检测图像的光照亮度区分昼夜：光敏元件采用光、电技术实现对 图像的光照亮度进行检测，从而区分昼夜。但是光敏元件容易受损进而检测精度降低，其维 修成本较高，因此，这种方法的实用性较差。
【发明内容】
[0008] 为解决现有技术中缺陷，本发明了提供了一种室外昼夜区分方法，智能视频监控 系统通过该方法可自动地判断其所监控的环境处在白天或者黑夜，然后有选择的处理相应 的视频或者照片。
[0009] 为实现上述目的，本发明的一种室外昼夜区分方法，包括训练支持向量机和识别 图像两个过程。
[0010] 训练支持向量机包括如下步骤：
[0011]S1:采集连续多天的图像，记录每幅图像表示的昼夜情况，按照其表示的昼夜情况 将图像分别存入"白天"、"夜晚"两个目录下；
[0012] S2 :获取每幅图像的平均亮度值、亮度直方图，构成一维向量，某个图像的一维向 量作为该图像的特征描述子；
[0013]S3:将所有图像的特征描述子写入到特征描述文件，并对应地将上述所有图像的 "昼"标签/ "夜"标签写入到标签描述文件；
[0014] S4 :使用特征描述文件和标签描述文件训练支撑向量机，得到分类器；
[0015] 识别图像包括如下步骤：
[0016] S5 :获取待识别图像的特征描述子；
[0017] S6 :将待识别图像的特征描述子送入S4得到的分类器中，输出识别结果。
[0018] 收集大量的图像样本，获取这些图像的特征描述子，通过特征描述子及其对应的 昼夜情况训练支持向量机，以此得到用于分类的费雷器。该方法识别率高、鲁棒性好、效率 高，实用价值较高。
[0019] 进一步地，S1步骤中，采集连续30天的图像，每天采集24幅图像，每小时采集一 幅。
[0020] 每天等时间间隔地获取图像，能够获取全面、大量的图像样本，为训练支持向量机 做好充足的准备。
[0021] 为进一步提高识别效果，若S6输出错误的识别结果，则修改标签描述文件中相应 的标签。因此，本方法随着长时间的使用，识别率会越来越高，可靠性越来越高。
[0022] 进一步地，S3步骤中，"1"代表"昼"，"-1"代表"夜"。
[0023] 采用简单的数字分别表示"昼" "夜"，便于支持向量机处理。
[0024] 进一步地，特征描述文件、标签描述文件都为文本文件。
[0025] 文本文件在计算机中便于保存，便于后续对这些文件处理，数据和程序容易移植。
[0026] 本发明的有益效果为：首先，本发明选取的描述图像的特征能够有效地区分昼夜， 对图像质量的要求不高，具有很高的识别率和鲁棒性，从而大大拓宽了实际应用范围；其 次，本发明采用SVM算法构建支持向量机，效率高，检测迅速，能满足实时性的需求；最后， 本发明通过对错误样本的再训练，不断更新支持向量机，有效地提高了识别准确率，并且能 更好地适用于多种场景，具有很高的实际应用价值。
【附图说明】
[0027] 图1为本发明的室外昼夜区分方法的流程框图。
[0028] 图2为一天24时刻室外图像的平均亮度值的分布图。
[0029] 图3为某天白天场景的亮度直方图。
[0030] 图4为某天夜晚场景的亮度直方图。
【具体实施方式】
[0031] 下面结合附图对本发明的结构进行详细解释说明。
[0032] 如图1所示本发明的室外昼夜区分方法的流程框图，一种室外昼夜区分方法，包 括训练支持向量机和识别图像两个过程，
[0033] 训练支持向量机包括如下步骤：
[0034] S1 :采集连续多天的图像，记录每幅图像表示的昼夜情况，按照其表示的昼夜情况 将图像分别存入"白天"、"夜晚"两个目录下；采集的图像样本用于后期的训练样本，每天的 图像按时段划分，本实施例中，每天分成24个时段，每天采集24幅图像，每小时采集一幅， 连续采集30天。
[0035] S2:获取每幅图像的平均亮度值、亮度直方图，构成一维向量，某个图像的一维向 量作为该图像的特征描述子；特征描述子是对图像自身特征的一种描述形式，本发明某幅 图像的特征描述子是由图像平均亮度值、亮度直方图构成一维向量。
[0036] 具体来说，亮度值的范围是0-255,本发明将亮度值划分成10个区间，从0开始， 前9个区间的区间间隔为25,最后1个区间的区间间隔为30,通过统计图像中所有像素点 的亮度值，可以得到每个区间的像素点数量，以及每个区间的像素点数量在整幅图像中所 占的比例，该十个比例值作为图像的一个特征描述。
[0037] 将图像的平均亮度值、十个比例值构成一个一维向量，作为图像的特征描述子。
[0038] 如图2所示，本实施例设定早晨6:00和傍晚19:00左右为昼夜交替点，可以明显 看出，白天图像相对于夜晚图像，亮度值普遍较高，因此，本发明提取图像的平均亮度值作 为图像的一种特征描述。
[0039] 首先，图像是由R、G、B三个分量组成并存储在计算机中，我们需要根据图像的RGB 值来计算该图像的亮度值。
[0040] RGB色彩模式是工业界的一种颜色标准，是通过对红（R)、绿（G)、蓝（B)三个颜色 通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三 个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜 色系统之一。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2...直到255。当三 色数值都为255时为最亮的白色，都为0时为黑色。
[0041] 国际电信联盟ITU-RBT. 601-6建议书中定义亮度Y的计算公式为：
[0042] Y= 0? 299 ?R+0. 587 ?G+0. 114 ?B
[0043] 由上述公式，我们可以求得第i个像素点的亮度值为
[0044] Y(i) = 0? 299 ?R(i)+0. 587 ?G(i)+0. 114 ?B(i)
[0045] 设图像共有n个像素点，则该图像的平均亮度值为
【主权项】
1. 一种室外昼夜区分方法，包括训练支持向量机和识别图像两个过程，其特征在于： 训练支持向量机包括如下步骤： S1 :采集连续多天的图像，记录每幅图像表示的昼夜情况，按照其表示的昼夜情况将图 像分别存入"白天"、"夜晚"两个目录下； S2:获取每幅图像的平均亮度值、亮度直方图，构成一维向量，某个图像的一维向量作 为该图像的特征描述子； S3:将所有图像的特征描述子写入到特征描述文件，并对应地将上述所有图像的"昼" 标签/ "夜"标签写入到标签描述文件； 54 :使用特征描述文件和标签描述文件训练支撑向量机，得到分类器； 识别图像包括如下步骤： 55 :获取待识别图像的特征描述子； 56 :将待识别图像的特征描述子送入S4得到的分类器中，输出识别结果。
2. 根据权利要求1所述的室外昼夜区分方法，其特征在于：S1步骤中，采集连续30天 的图像，每天采集24幅图像，每小时采集一幅。
3. 根据权利要求1所述的室外昼夜区分方法，其特征在于：若S6输出错误的识别结 果，则修改标签描述文件中相应的标签。
4. 根据权利要求1所述的室外昼夜区分方法，其特征在于：S3步骤中，" 1"代表"昼"， "-1"代表"夜"。
5. 根据权利要求1所述的室外昼夜区分方法，其特征在于：特征描述文件、标签描述文 件都为文本文件。
【专利摘要】本发明公开了一种室外昼夜区分方法，包括训练支持向量机和识别图像两个过程：训练支持向量机包括采集连续多天的图像、获取每幅图像的平均亮度值及亮度直方图、获取特征描述文件和标签描述文件、使用特征描述文件和标签描述文件训练支撑向量机得到分类器；识别图像包括如下步骤：获取待识别图像的特征描述子、将待识别图像的特征描述子送入S4得到的分类器输出识别结果。本发明选取的描述图像的特征能够有效地区分昼夜，对图像质量的要求不高，具有很高的识别率和鲁棒性，从而大大拓宽了实际应用范围；本发明通过对错误样本的再训练，不断更新支持向量机，有效提高了识别准确率，具有很高的实际应用价值。
【IPC分类】G06K9-00, G06K9-46
【公开号】CN104615989
【申请号】CN201510060825
【发明人】马华东, 傅慧源, 靳龙飞
【申请人】北京邮电大学
【公开日】2015年5月13日
【申请日】2015年2月5日