发明名称 一种基于纵向灰度特征的雾天等级检测方法
摘要 本发明是一种基于纵向灰度特征的雾天等级检测方法,包括如下步骤:第一步,读入连续交通视频帧;第二步,对连续图像序列在感兴趣区域内进行背景提取,获取逐行灰度信息:首先对背景图片每行的灰度均值进行标准化处理,求出灰度均值随图像纵坐标值变化的曲线,然后求出逐行的灰度斜率特征;第三步,根据判定条件将图像包含天气信息划分为非雾天、小雾天气和大雾天气:首先若满足连续10行或以上的灰度斜率特征大于25,则为晴天,否则继续判定,其次若满足连续10行或以上的灰度斜率特征大于15,则为小雾天气,否则继续判定,则为大雾天气。本发明适用于对高速公路进行雾天监测,能有效的判断出雾天等级,从而保证交通道路的行驶安全。
申请公布号 CN103927523B 申请公布日期 2017.01.18
申请号 CN201410169673.X 申请日期 2014.04.24
申请人 东南大学 发明人 路小波;李聪;季赛平;童辰;曾维理
分类号 G06K9/00(2006.01)I;G06K9/54(2006.01)I 主分类号 G06K9/00(2006.01)I
代理机构 江苏永衡昭辉律师事务所 32250 代理人 王斌
主权项 一种基于纵向灰度特征的雾天等级检测方法,其特征在于,该方法包括以下步骤:步骤1:读入道路交通视频;步骤2:按照以下方式对道路交通视频中的每帧图像设定感兴趣区域:首先在图像中标示出表征车道的四个点,分别为左侧车道边缘顶点A和底点D,右车道边缘顶点B和底点C;然后连接AD,BC,确定直线AD与BC之间一条宽度为五分之一至二十分之一图像宽的水平线段,该水平线段与直线AD与BC的交点分别为G,H,分别以这两点出发沿图像竖直方向向上引出射线,所述两条射线、水平线段与图像上边缘构成长方形区域;同时取AD,BC的中点E,F,将梯形GHFE与所述长方形区域合并作为感兴趣区域;步骤3:每得到h帧连续图像序列,即对该h帧连续图像序列在感兴趣区域内进行一次背景图像提取,得到新的背景图像Q,其中h至少取50,具体流程为:31)判断是否存在根据前一个连续图像序列生成的新的背景图像Q,如是,则进入步骤33),否则进入步骤32);32)根据如下方法确定当前h帧连续图像序列在感兴趣区域内的初始背景图像,并将其作为新的背景图像Q后进入步骤4):根据连续图像序列中在感兴趣区域内的每个像素点的灰度值,使用灰度统计方法确定每个像素点的灰度值序列,将灰度值序列中出现次数最高的值作为该像素点所对应的初始背景图像像素点的灰度值;待确定初始背景图像所有像素点的灰度值后,即构建得到初始背景图像;33)使用均值法计算新的背景图像Q,具体流程为:首先根据下式分别计算当前h帧连续图像序列中每一帧图像的坐标(x,y)的灰度累加参数V<sub>k</sub>(x,y):<maths num="0001"><math><![CDATA[<mrow><msub><mi>V</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><mn>1</mn><mo>,</mo></mrow></mtd><mtd><mrow><mo>|</mo><msub><mi>I</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>B</mi><mn>0</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>|</mo><mo>&le;</mo><msub><mi>B</mi><mn>0</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>&times;</mo><mn>0.1</mn></mrow></mtd></mtr><mtr><mtd><mrow><mn>0</mn><mo>,</mo></mrow></mtd><mtd><mrow><mo>|</mo><msub><mi>I</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>B</mi><mn>0</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>|</mo><mo>&gt;</mo><msub><mi>B</mi><mn>0</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>&times;</mo><mn>0.1</mn></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0001078238000000011.GIF" wi="1029" he="144" /></maths>其中,k为当前h帧连续图像序列中帧的序号,V<sub>k</sub>(x,y)为第k帧图像的坐标(x,y)的灰度累加参数,I<sub>k</sub>(x,y)为第k帧图像中坐标(x,y)的灰度值,B<sub>0</sub>(x,y)为前一个连续图像序列生成的新的背景图像Q中坐标(x,y)的灰度值;然后根据下式分别计算当前h帧连续图像序列在感兴趣区域内每个像素点的累加灰度值B<sub>1</sub>(x,y),从而得到当前h帧连续图像序列的背景图像:<maths num="0002"><math><![CDATA[<mrow><msub><mi>B</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><msub><mi>N</mi><mrow><mi>x</mi><mi>y</mi></mrow></msub></mfrac><munderover><mo>&Sigma;</mo><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>h</mi></munderover><msub><mi>I</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>&times;</mo><msub><mi>V</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0001078238000000021.GIF" wi="718" he="146" /></maths>其中,B<sub>1</sub>(x,y)为当前h帧连续图像序列在感兴趣区域内坐标(x,y)的累加灰度值,N<sub>xy</sub>为当前h帧连续图像序列在感兴趣区域内坐标(x,y)处的灰度值累加次数;34)如果在当前h帧连续图像序列的感兴趣区域内,所有像素点的灰度值累加次数N<sub>xy</sub>的总和大于单帧图像感兴趣区域内像素点个数的<img file="FDA0001078238000000022.GIF" wi="43" he="115" />倍,则认为均值法提取的当前h帧连续图像序列的背景图像有效,将其作为新的背景图像Q,否则返回步骤32);步骤4:首先根据下式对新的背景图像Q每行的灰度均值进行标准化处理,得到每行的标准化灰度均值:<img file="FDA0001078238000000023.GIF" wi="421" he="126" />其中,l为新的背景图像Q中行的序号,I<sub>l</sub>为第l行灰度均值,I<sub>max</sub>为所有灰度均值中的最大值,I<sub>min</sub>为所有灰度均值中的最小值,I'<sub>l</sub>为第l行的标准化灰度均值;然后以新的背景图像Q的行数作为横坐标,将每行的标准化灰度均值作为纵坐标,构建新的背景图像Q中的标准化灰度均值与图像行数的关系曲线;最后根据下式求取新的背景图像Q的灰度斜率特征:<maths num="0003"><math><![CDATA[<mrow><msub><mi>W</mi><mi>l</mi></msub><mo>=</mo><mfenced open = "{" close = ""><mtable><mtr><mtd><mrow><msub><mi>I</mi><mi>l</mi></msub><mo>-</mo><msub><mi>I</mi><mrow><mi>l</mi><mo>+</mo><mn>10</mn></mrow></msub><mo>,</mo></mrow></mtd><mtd><mrow><mi>l</mi><mo>&lt;</mo><mn>5</mn></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>I</mi><mrow><mi>l</mi><mo>-</mo><mn>5</mn></mrow></msub><mo>-</mo><msub><mi>I</mi><mrow><mi>l</mi><mo>+</mo><mn>5</mn></mrow></msub><mo>,</mo></mrow></mtd><mtd><mrow><mn>5</mn><mo>&lt;</mo><mi>l</mi><mo>&le;</mo><mi>M</mi><mo>-</mo><mn>5</mn></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>I</mi><mrow><mi>l</mi><mo>-</mo><mn>10</mn></mrow></msub><mo>-</mo><msub><mi>I</mi><mi>l</mi></msub><mo>,</mo></mrow></mtd><mtd><mrow><mi>l</mi><mo>&gt;</mo><mi>M</mi><mo>-</mo><mn>5</mn></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0001078238000000024.GIF" wi="622" he="221" /></maths>其中,l为新背景图像Q中行的序号,W<sub>l</sub>为第l行的灰度斜率特征,M为新背景图像Q的行数;步骤5:如果连续10行或10行以上的灰度斜率特征均大于25,则判断天气为非雾天,否则进入步骤6;步骤6:如果连续10行或10行以上的灰度斜率特征均大于15,则判断天气为小雾天,否则为大雾天。
地址 210096 江苏省南京市四牌楼2号