基于摄像机自标定的视频对比度能见度检测算法与实现

合集下载

数字摄像能见度仪的能见度算法设计及实现

２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｉｒｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｉｎｒｇ，ＮｏｒｔｈｅｒｎＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏｎａｌｉｔｉｅｓ，Ｙｉｎｃｈｕａｎ７５００２１，Ｃｈｉｎａ）
的误差要求之内。关键词：数字摄像能见度仪：白天能见度；夜间能见度
中图分类号：ＴＰ２７４．２文献标识码：Ａ文章编号：１６７４ — ７７２０（２０１３）０９ — ００３５ — ０３
Ｖｉｓｉｂｉｌｉｔｙａｌｇｏｒｉｔｈｍｄｅｓｉｇｎａｎｄｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｄｉｇｉｔｌａｃａｍｅｒａｖｉｓｉｂｉｌｉｔｙ
ｉｎｓｔｒｍｎｅｎｔ
ｍａｇｅＰｒｏｃｅｓｓｉｎｇａｎｄＭｕｌｔｉｍｅｄｉａＴｅｃｈｎｏｌｏｇｙ
数字摄像能见度仪的能见度算法设计及实现
常峰，陈晓婷，肖明霞一，蒋薇薇（１．合肥工业大学计算机与信息学院，安徽合肥２３０００９；
ＣｈａｎｇＦｅｎｇ，ＣｈｅｎＸｉａｏｔｉｎｇ，ＸｉａｏＭｉｎｇｘｉａ一，ＪｉａｎｇＷｅｉｗｅｉ

3D16全彩光立方设计

分析Technology AnalysisI G I T C W 技术136DIGITCW2020.040 引言随着互联网的发展，数字化的多媒体内容将占据主流，新型的大屏幕显示设备将代替传统显示屏幕带来新的视觉体验。

3D 光立方大大区别于传统二维显示，能够显示一些复杂立体的图像和动画，画面鲜艳，具有超强立体感。

1 方案设计以前的全彩光立方采用的是74HC573驱动模块，来实现图像的移动，并且功能只是不同的灯珠同时显示不同的颜色，并不能真正实现全彩显示，于是我们采用ILI9341即液晶屏幕驱动模块，控制红绿蓝三个色点的电压，让不同浓度的三色混合，就能形成所需要的各种颜色，可以控制灯珠调节出十余种色彩，做到单个灯珠全彩显示。

2 硬件设计硬件系统模块组成主要包含主控芯片，显示模块，驱动模块以及控制模块。

如图1所示。

图1 设计流程图2.1 主控芯片为了增加芯片运行速度，我们采用stm32芯片，STM32系列基于专为要求高性能、低成本、低功耗的嵌入式应用专门设计的ARMCortex-M3内核。

32芯片外设口多自身包含多个内置时钟，各个模块之间互不占用，功能强大，提高了运算速度。

2.2 显示模块本作品是16*16*16的光立方，共采用4096个全彩共阴LED 灯珠，大量LED 灯珠聚集在一起间隔仅20mm ，所以能够实现清晰的立体图像显示，增强了3D 视觉效果。

2.3 驱动模块取代了以往的74HC573驱动芯片，我们创新性的采用ILI9341液晶芯片，将每一个灯珠看作一个像素点，把每一层展开，16层变为64*64的点阵，就像显示屏一样。

1L19341支持8/9/16/18位数据总线的MCU 接口，6/16/18位数据总线的RGB 接口，以及3/4线的SPI 接口。

移动图像区域可以通过窗口地址功能在内部GRAMI 来指定。

指定的窗口区域可以选择性地更新，因此，可以在图像区域同时独立地显示移动图像。

通过ILI9341控制每个LED 三个脚的输入电压可以实现多种颜色变换。

基于小波变换的视频能见度检测算法研究与实现

第３卷ｌ
第１期
仪
器
仪
表
学
报
、０．ｌＮＯ１，３１．
２１００年１月
ＣｈｎｓｏｒａｆｃｅｔｃＩｓｒｍｅｔｉｅｅＪｕｎｌｉｎｉｎｔｏＳｉｆｕｎ
Ｊｎ２０ａ．０１
基于小波变换的视频能见度检测算法研究与实现术
仪检测误差在＋Ｏｌ％之内，符合相关国际及国家标准。
关键词：小波变换；摄像机自标定：能见度检测模型；曲线拟合
中图分类号：Ｔ３１１Ｐ９．４文献标识码：Ａ国家标准学科分类代码：５０６４２．００
Ｖｉｏｖｓｂｉｔｔｃｉｎａｇｒｔｍｓｄｏｖｌｔｔａｆｒａｉｎｄｅｉｉｌｙｄｅｅｔｏｌｏｉｈｂａｅｎｗａｅｅｒｎｓｏｍｔｏｉ
ｓｓｍａｅｎｔｅｐｏｏｅｄｌｎｌｏｉｍａｅｎｕｅｎＮｉｇＣｈｎｎｅ — ｉｉｈｗａ；ｅ印一ｙｔｂｓｄｏｒｐｓｄｍｏｅｄａｇｒｈｈｓｅｓｄｏｎ — ａｇａｄＺｈｎＬｇ — ｙｔｅｈａｔｂｈｈ
ｐｉｔｔａｂｌｎｅｄｅｆｈｒｅｏｊｃ；ｈｎａｖｓｉｔｅｅｔｎｍｏｅｉｕｅｅｔｅｅｔｒａｏｎｓｔｅｇｔｔｇｓｅａｇｔｂｅｔｔｅｉｂｌｙｄｔｉｄｌｓｓｄｔｇｔｈａｅｔｏｏｈｅｈｏｔｔｓｉｉｃｏｏｆｕｔｈ

能见度检测算法

能见度检测算法一、引言能见度检测是气象监测和交通安全领域中的重要问题。

准确、快速地检测能见度对于预防和应对恶劣天气，以及保障交通安全具有重要意义。

本文介绍了一种基于图像处理的能见度检测算法，该算法主要包括图像预处理、目标检测、深度学习模型、对比度增强、阈值分割、边缘检测、透视线索利用、距离估算、结果输出和误差分析等步骤。

二、图像预处理图像预处理是能见度检测算法的第一步，其目的是消除图像中的噪声和畸变，使图像更适合后续处理。

常见的预处理技术包括灰度化、去噪、平滑等。

这些技术可以有效改善图像质量，提高后续处理的准确性。

三、目标检测在预处理后的图像中，我们需要检测出与能见度相关的目标，如车辆、行人等。

目标检测的目的是确定这些目标的边界框，以便后续处理。

常用的目标检测算法包括基于特征的方法和基于深度学习的方法。

这些算法能够快速准确地检测出目标，为后续处理提供基础数据。

四、深度学习模型深度学习模型是能见度检测算法的核心部分，其目的是根据输入的图像数据预测能见度值。

常用的深度学习模型包括卷积神经网络（CNN）、循环神经网络（RNN）等。

这些模型能够从大量数据中提取有效特征，并自动学习到能见度与图像特征之间的关系。

通过训练模型，我们可以根据输入的图像数据预测出准确的能见度值。

五、对比度增强对比度增强是提高图像清晰度和可辨识度的常用方法。

通过对比度增强，我们可以突出显示图像中的细节信息，提高目标检测和识别的准确性。

常用的对比度增强算法包括直方图均衡化、对比度限制自适应直方图均衡化等。

这些算法能够根据图像内容自适应地调整对比度，使图像更适合后续处理。

六、阈值分割阈值分割是一种简单有效的图像分割方法，其目的是将图像中的前景和背景分离出来。

通过设置合适的阈值，我们可以将图像分割成不同的区域，以便进行后续的目标识别和距离估算。

常用的阈值分割算法包括Otsu算法、迭代阈值法等。

这些算法能够根据图像的灰度直方图自动选择最优的阈值，实现高效的图像分割。

视频能见度检测算法综述

视频能见度检测算法综述苗苗【摘要】Visibility is an important factor to affect aviation, marine, road transport and military activities and so on. Low visibility brings great inconvenience to traffic, or even cause accidents. Therefore, it is of great importance to realize real-time prediction and prewarning of the visibility. In order to improve traditional methods of visibility detection, an analysis and experiment of such technologies as wavelet transform, camera self-calibration, edge feature extraction and curve fitting were made in the paper. Reasonable results were got and these methods were applied in practice. In the paper, these video-based visibility detection methods were discussed, introduced and compared with each other, and finally the development direction and prospect of these methods were elaborated as well.%能见度是影响航空、航海、路上交通以及军事活动等的重要因素,低能见度会对交通等方面造成很大不便,甚至发生事故,因此对能见度的实时预测及预警具有重要意义.为了改善传统能见度检测方法,研究人员对小波变换、摄像机自标定、边缘特征提取、曲线拟合等视频方法进行了研究和试验,得到了比较合理的结果,并且在实践中得以应用.对这些基于视频图像的能见度检测方法进行了讨论、介绍与对比,阐述了该类方法的发展方向及前景.【期刊名称】《现代电子技术》【年(卷),期】2012(035)015【总页数】4页(P72-75)【关键词】能见度;视频分析;散射法;透射法;小波变换【作者】苗苗【作者单位】北方工业大学智能交通系统研究所,北京100144【正文语种】中文【中图分类】TN911.73-340 引言大气能见度作为一个重要的气象观测因素，其预测不仅应用于气象部分的天气分析，更广泛地应用于航空、航海、路上交通、军事及环境监测等领域[1]，是影响航空、航海、路上交通以及军事活动等的重要因素之一。

基于摄像机自标定的视频对比度能见度检测算法与实现

稳定性等原因的缺点。其系统已在江苏 1/5 的高速公路上试运行，结果误差符合国际及国家相关标准。
关键词：视频能见度；摄像机自标定；小波变换；对比度；曲线拟合
中图分类号：TP391.41
文献标识码： A
文章编号：1009-5896(2010)12-2907-06
DOI: 10.3724/SP.J.1146.2009.01630
如图1所示为算法流程模块：使用摄像机自标定技术恢复出图像中的距离信息，建立带有距离信息的观测目标物，消除图像中冲击噪声的图像预处理，使用小波变换提取目标物中属于边缘的像素点，摄像机图像肉眼模拟的边缘特征的提取，根据所得分析结果与距离映射关系进行曲线拟合，得出能见度距离。
型参数，以完成车道分割线的像平面重建。模型参
为此，本文提出了一种基于摄像机自标定和对比度的视频能见度检测方法，通过摄像机自标定技术恢复出图像距离信息，建立图像中的虚拟观测目标物，同时采用小波变换对图像提取虚拟目标物的边缘，剔除噪声，并采用归一化对比度对虚拟目标物的边缘进行能见度对比度检测，最后通过曲线拟合得出能见度曲线，并根据正常视距对比度阈值得出当前能见度距离或等级。
2009-12-22 收到，2010-04-06 改回中国交通部科技攻关项目(2004-353-352-04)和江苏交通厅科研基金 (06x05、07x03)资助课题通信作者：陈钊正 czz05g@
2 能见度算法整体框架
由于视频能见度检测对外界条件具有一定的依赖性，如：摄像机是否正在转动、摄像机镜头上是
图1 能见度检测算法框架
2.1 图像距离、目标物提取 2.1.1 摄像机自标定提取距离信息文中利用视频采集设备所采集的视频图像，建立图像坐标至路面坐标的映射关系，将图像距离信息转换成路面距离信息。

一种基于摄像头视频图像智能识别能见度的方法[发明专利]

专利名称：一种基于摄像头视频图像智能识别能见度的方法专利类型：发明专利
发明人：刘翔,王莹,谢坤伦,伍鸿健
申请号：CN202011581838.6
申请日：20201228
公开号：CN112560790A
公开日：
20210326
专利内容由知识产权出版社提供
摘要：本发明实施例提供的基于摄像头视频图像智能识别能见度的方法中，按照一定的周期获取原始数据，将原始数据按照预设标准划分为多个等级，在每个等级中按照预设比例将原始数据划分为训练集、验证集与测试集，将训练集中的数据输入第一模型进行训练，当第一模型输出数据的等级与测试集之间的等级的差值满足阈值时停止训练并将此时的第一模型进行输出，根据输出的模型对能见度进行识别，对不同的能见度进行识别，加强高速公路严苛环境下的安全管控。

申请人：广州数鹏通科技有限公司
地址：510000 广东省广州市天河区能源路2号节能与环保大楼2栋201-206室(仅限办公)(不可作厂房使用)
国籍：CN
代理机构：广州三环专利商标代理有限公司
更多信息请下载全文后查看。

基于摄像机自标定的视频对比度能见度检测算法与实现

基于摄像机自标定的视频对比度能见度检测算法与实现陈钊正;陈启美
【期刊名称】《电子与信息学报》
【年(卷),期】2010(032)012
【摘要】由于气象能见度仪应用范围有限且难以架设、现有视频检测算法对外部要求过高且容易受噪声影响,无法大范围布设.该文提出了基于摄像机自标定的视频能见度检测方法,并构建了能见度检测系统.该方法利用摄像机自标定模型、小波变换、视频对比度检测模型曲线拟合等手段,克服原有方法和算法在距离信息、目标物、噪声、稳定性等原因的缺点.其系统已在江苏1/5的高速公路上试运行,结果误差符合国际及国家相关标准.
【总页数】6页(P2907-2912)
【作者】陈钊正;陈启美
【作者单位】南京大学通信技术研究所,南京,210093;南京大学通信技术研究所,南京,210093
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于路面视亮度差平方最优化的视频能见度检测算法 [J], 吴炜;李勃;杨娴;端金鸣;陈启美
2.无需人工标记的视频对比度道路能见度检测 [J], 李勃;董蓉;陈启美
3.视频能见度检测算法综述 [J], 苗苗
4.基于亮度特征的PTZ视频能见度检测算法及实现 [J], 张潇;李勃;陈启美
5.基于小波变换的视频能见度检测算法研究与实现 [J], 陈钊正;周庆逵;陈启美因版权原因，仅展示原文概要，查看原文内容请购买。

基于监控视频的公路能见度检测方法

基于监控视频的公路能见度检测方法孟颖;吴宏涛;贾磊;刘晓【摘要】雾霾、沙尘等低能见度天气状况的频繁发生,严重影响到日常交通管理及出行者的生命、财产安全。

针对低能见度环境下极易发生公路交通事故的问题,提出一种利用公路沿线已经架设的监控设备对各路段的监控视频数据进行实时图像处理分析的公路能见度检测方法。

该方法是在传统暗原色先验算法的基础上,将监控视频帧转换为灰度图像,并结合自适应导向滤波算法和四叉树图像分割算法,提取监控图像所包含的空气透射率及大气光值等特征参数。

然后基于能见度计算模型,依据监控设备与检测目标物之间的实际距离及偏移角度,估测道路的能见距离。

实验结果表明,优化后的图像处理方法可以解决图像清晰度低、色彩失真、场景适应能力差等问题,且检测的能见度值误差率满足我国公路能见度检测精度要求。

最后,结合能见度检测方法,提出了相应的能见度预警策略并应用于公路能见度检测与预警系统,为驾驶员实时提供雾区路段的能见度值信息和预警建议。

【期刊名称】《交通运输研究》【年(卷),期】2019(005)001【总页数】8页(P65-72)【关键词】交通工程;能见度检测;暗原色先验;透射率;大气光值【作者】孟颖;吴宏涛;贾磊;刘晓【作者单位】[1]山西省交通科学研究院,山西太原030032;[1]山西省交通科学研究院,山西太原030032;[1]山西省交通科学研究院,山西太原030032;[1]山西省交通科学研究院,山西太原030032;【正文语种】中文【中图分类】U491.530 引言随着我国公路基础设施建设的发展，雾霾、雨雪等不可控恶劣天气导致的低能见度现象已经成为影响交通安全的主要因素[1-2]。

因此，合理利用发达的路网监控系统，对恶劣天气频发路段进行全天候的能见度检测并作出相应的预警，对进一步完善路网监控功能以及保障公路交通安全具有重要意义[3-4]。

当前使用的能见度检测方法主要有人工目测法、器测法及视频能见度检测方法。

基于监控视频的高速公路能见度检测方法及系统

基于监控视频的高速公路能见度检测方法及系统张昌利;孟颖;李鹏超;孙婷【摘要】针对我国高速公路能见度天气的全面检测与预警处置的迫切需求,提出了一种基于监控视频的高速公路能见度检测方法.该方法从监控摄像头提取固定距离参照物的图像,根据图像的灰度失真状况计算能见度值,并通过数据融合的手段对多监控摄像头计算结果进行综合;并设计和开发了一款能见度监测与预警处置信息化系统,利用获取的实时能见度数据,从局部现场和宏观路网两个方面支撑能见度预警、应急处置、交通流调控、信息发布等智能交通业务.实验分析结果表明,该能见度计算方法的平均检测误差为13.4％,能够满足我国高速公路能见度检测的精度和计算性能要求;本文方法及系统可以充分复用高速公路沿线广泛架设的视频监控机电系统,可应用于我国高速公路的运营管理及效率提升等工作中.%In view of the urgent demands for visibility detection,alarm and emergency disposal on highways in China,a monitoring video-based method for highway visibility detection was proposed. In this method,images of fixed-distance reference objects were first extracted from monitoring camera images,and then candidate visibility values were calculated based on greyscale image distortion analysis on these images. The final visibility result was computed by applying data fusion on the candidate visibility values. Based on this method,a visibility detection,alarm and emergency disposal system was developed. By utilizing the calculated visibility values,this system provides support for intelligent transportation tasks,such as visibilityalarm,emergency disposal,traffic control,and information publication,both locally and globally. Experimental results show that the average detectionerror of this method is 13. 4％,thus meeting the accuracy and performance requirements of highway visibility detection. Moreover,this method and the corresponding system can fully reuse the monitoring camera electromechanical systems distributed along the highways;therefore they are suitable for application in operation management and efficiency improvement works on highways in China.【期刊名称】《西南交通大学学报》【年(卷),期】2018(053)001【总页数】10页(P136-145)【关键词】交通工程;高速公路;能见度检测;图像处理;数据融合【作者】张昌利;孟颖;李鹏超;孙婷【作者单位】长安大学信息工程学院,陕西西安 710064;长安大学信息工程学院,陕西西安 710064;长安大学信息工程学院,陕西西安 710064;长安大学信息工程学院,陕西西安 710064【正文语种】中文【中图分类】U491能见度是影响高速公路行车安全的重要气象因素，雾霾、沙尘、降水、强光等恶劣天气通常会导致高速公路的能见度降低，影响到驾驶员的行车视线，使高速公路的交通事故风险显著增大［1-2］.因此，对高速公路的干道或雨雾多发路段进行全天候的能见度监测，并实施合理的限速与预警措施，对于高速公路行车安全与运营效率提升具有重要意义［3-4］.视频监控一直都是我国高速公路机电系统建设的重要内容.目前，全国高速公路各路段、收费站、服务区、隧道等都安装了一定规模的视频监控设备，部分新修公路甚至实现了全线无盲点覆盖.高速公路的路况视频包含了丰富的现场能见度信息，通过路况视频的分析处理来计算高速公路沿线能见度，不仅能够达到能见度的全面实时监测，还能够充分复用已建设的视频监控机电系统，使视频监控更好地服务于高速公路运营管理工作［5-6］.目前，国内外机构或学者针对视频能见度检测形成了一定的研究成果.Kwon等较早提出了一种利用视频摄像头测量大气能见度的检测方法［7］，但需人为预置多个视频检测目标，成本较高，操作烦琐，并容易受到地形等环境因素制约.Babari 等提出了一种基于采集图像梯度分析来计算道路能见度的方法［6，8］，对于 1 km 以上能见度具有较好的测量效果，该方法无需其它辅助设施，但需要标定图像灰度幅值与能见距离之间的指数关系，且易受到场景变化、运动物体遮挡等影响.Wang等针对气象领域的能见度测量，设计了一种基于数字摄像的大气能见度测量系统［9］，在强降雨等复杂气象条件下其测量结果更接近人工观测，但同样需要在摄像头视线内设置多个固定位置和形式的参照目标.在国内，关可等通过大气能见度理论分析，证明用图像处理技术测量大气能见度的可行性，并设计了一种基于图像处理的能见度检测硬件系统［5］，但需要替代已部署的摄像头设备，且仍需要大范围安装，也存在造价、维护等一系列问题.陈文兵等通过计算采集图像的亮度、对比度、边缘梯度3个指标，对比了3个指标与空气透射能力之间的同步变化关系［10］，但其计算结果并非能见距离，且未解决参照图像的问题，尚无法达到应用级别.安明伟等选择了监控视频中归一化对比度大于一定阈值的点，通过几何转换计算其距离，以最大距离作为能见距离［11-12］，但由于环境复杂性，某些像素可能会起到干扰作用，且由于摄像头倾角关系，只能看到近距离的目标，因此只能用于检测短距离的能见度.特别地，现有研究成果均侧重于前端设备研发或气象能见度测量，缺乏对高速公路沿线视频监控环境及特殊需求的充分考虑，并且如何将对应成果与高速公路路况监测、能见度预警处置等智能交通业务相融合，亦缺乏充分的研究.本文针对高速公路的能见度实时监测问题，在借鉴已有研究成果的基础上，提出了一种全新的基于监控视频的高速公路能见度检测方法，并围绕该方法设计和开发了对应的能见度监测与预警处置信息化系统.该方法通过分析从监控摄像头获取的固定距离参照物图像，以理论计算与数据融合的手段得到高速公路现场的能见度信息.对应系统则可以从局部、宏观两个方面，根据获取的实时能见度信息，向上支撑能见度预警、应急处置、交通流调控、信息发布等智能交通业务.1 能见度计算模型1.1 问题分析在气象学上，能见度是表征大气透明程度的一个重要物理量，一般定义为在天空散射光背景下，观测安置于地面附近、适当尺度的黑色目标物，能看到且能辨识出的最大距离［13-14］.在公路交通领域，能见度则主要用于指代驾驶员的视线距离，大气透明程度是其主要的影响因素.现有能见度的测量方法主要有目测法和器测法两种.目测法是由具有正常视力且受过适当训练的观测员以人工目测的方式来确定能见距离，该方法多用于公路交通领域，受主观因素影响较多，且无法实现全天候无人值守监测;器测法主要采用透射型、散射型和激光雷达等类型的测量仪进行能见度的测量，存在仪器造价高、使用寿命短、维护成本高等问题，不适宜在高速公路沿线密集架设［1，14］.相比于传统的检测方法，基于路况视频的能见度检测方法不但可以利用实时视频流实现高速公路沿线能见度的不间断监测，而且能够复用密集布设于高速公路沿线的监控摄像头，实现路网级的全方位能见度监测.但是，由于高速公路沿线环境的复杂性，这一方法的设计与实施需要解决如下3个问题:(1)观测背景.常规的能见度测量需要选择天空作为观测背景，但是监控摄像头的视野主要集中于高速公路道路，无法利用天空背景.并且由于野外环境与天气的多变性，无法保证总有一致的观测背景.(2)参照物.常规测量方法通常选择黑色参照物，而监控摄像头视野内几乎为偏暗色调，选择黑色参照物无法达到显著的对比效果.并且，参照物只能安装路边、隔离带等不影响车辆通行的位置，并需确保在摄像头的视野范围内.(3)观测结果的置信度.摄像头的分辨率、俯仰角度、参照物距离等因素都会对观测结果的置信度产生影响，观测结果的融合需要充分考虑这些因素.1.2 检测装置模型参考气象学能见度定义，本文提出一种基于路况视频的高速公路能见度(能见距离)检测方法.该方法利用密集布设于高速公路沿线的监控摄像头，在摄像头视野内的路边或隔离带安装固定规格与颜色模式的参照物挡板，根据摄像头所采集参照物图像的失真程度来计算实时能见度值.图1所示为本方法的检测装置模型，其中监控摄像头与道路路面间所形成的几何关系是能见度值计算的基础.图1 高速公路能见度检测装置示意Fig.1 Diagram of highway visibility detection equipment图 1 中，{Xr，Yr，Zr}为路面坐标系，其{Xr，Yr}平面代表路面，原点Or位于摄像头正下方;{Xc，Yc，Zc}为摄像头坐标系，其坐标轴Zc指向参照物挡板中心，{Xc，Yc}平面与参照物挡板相平行，原点Oc为摄像头光心;Hc为摄像头架设高度，mm;Dc为摄像头在Xr方向距道路边界的距离，mm;Hb、Db分别为参照物挡板中心的高度及距道路边界的距离，mm;Dr为摄像头光心与参照物挡板中心在Yr方向的距离mm;L0为摄像头光心距参照物挡板中心的距离，mm.显然有如下几何关系:图2所示为参照物挡板的图像内容设计.该图像由90个纯色的正方形灰度色块按照9x10的方式排列组成，色块按照向右、向下的顺序从纯白(代码0xFF)到纯黑(代码0x00)依次渐变，渐变幅度为0x0F.此处选择灰度色块的原因，是因为图像灰度不连续点所组成的基原图携带了原始图像绝大部分的有用信息，如图像的亮度、对比度及边缘特征等.多种灰度色块的选择及其颜色渐变方式的设定，则用于模拟实际景物的颜色比例及组合特征.图2 参照物挡板的图像内容设计Fig.2 Design of image content in reference board1.3 理论模型引理1(比尔-朗伯定律) 可见光在长度为L的空气气柱辐射传输，其光照强度的变化满足式中:Iλ(·)代表光照强度，Iλ(0)为入射强度，Iλ(L)为出射强度;Kλ为消光系数，均匀介质下Kλ与空气中光的传输距离无关，但与空气的能见度(能见距离)有关［15］. 根据该引理，可得空气透过率Tλ(·)的计算式为一般人的正常视觉反应阈值为0.02.因此，假设空气的最大能见距离为 V，显然有Tλ(V)=0.02，则利用图1所示的检测装置，根据式(1)可以计算出摄像头光心距参照物挡板中心的距离L0，假设对应的空气透过率为T0，根据式(3)有从而由式(4)、(5)推算出空气最大能见距离(即能见度)为因此，若通过分析监控摄像头实时拍摄的参照图像，得到L0下的T0，由式(6)即可推算出给定道路位置的实时能见度.以图2所示的参照物图像为例，每个色块的图像透过空气进入摄像头后所发生的失真情况(即所有像素的灰度变化)，就是L0距离下空气对能见度影响的综合反映.色块颜色越偏于全黑或全白，像素灰度的变化势必会更大.因此，可以用色块的像素灰度偏离情况来推算T0，进而得到能见度值.具体而言，假设通过标定，图2所示的参照图像在摄像头图像帧中的长宽分别为9x和10x个像素，其中x为每个色块的像素宽度.对于任意一个像素点(i，j)，其中1≤i≤9x、1≤j≤10x，所对应的原始灰度值应为式(7)首先根据(i，j)计算得到对应色块在整个参照图像中的纵横位置，然后根据色块排列规律计算像素的灰度值.假设通过图像分析，得到像素点(i，j)的实际灰度值为g(i，j)，该像素的失真情况如式(8).式中:255为灰度差的最大值.整个参照物挡板图像的失真状况可以表示为所有像素失真状况的平均，即在给定空气状况条件下，参照物挡板距离监控摄像头光心的距离越大，图像失真的程度也会随之变大.实验发现，在L0下，图像失真的程度δL0与T0之间近似呈线性关系，如式(10).式中:a、b为线性关系系数.因此，综合式(6)和式(10)，得到最终的能见距离计算式为2 能见度检测方法1.2 、1.3节模型给出了针对单个摄像头计算能见度值的方法.通常，高速公路的主路段或收费站、服务区、隧道等关键区域都同时安装有多个监控摄像头，均可用于能见度计算.并且，不同摄像头因为镜头俯仰、摄像头分辨率等特性的差异，通过计算获取道路能见度结果的置信度势必也互不相同.因此，从实用性考虑，应当综合运用或优选部署于监测路段或区域的监控摄像头，利用其采集图像进行能见度计算;并以所得的多个能见度计算结果为基础，通过基于置信度数据融合的手段计算最终的能见度值.图3所示为该方法的关键流程.首先，针对所选监控摄像头，按照图1所示的方式为其架设参照物挡板，参照物挡板的设计见图2.并在后台计算程序中设置针对该摄像头的检测参数，如式(1)中出现的 Hc、Dc、Hb、Db 及 Dr等距离参数，式(10)、(11)中的a、b系数，镜头俯仰角与分辨率，以及监控图像中参照图像的像素边界.其中，镜头俯仰角为镜头中线与道路水平行驶方向的夹角，分辨率为摄像头的标称参数.其次，针对每个摄像头，提取实时监控图像，在灰度化、降噪等图像预处理的基础上，分离出参照物图像，利用式(7)～(10)计算对应的能见度值.最后，以各监控摄像头的镜头俯仰角和分辨率作为置信度因子，以加权平均的方式对检测结果进行数据融合，得到最终的能见度值，并进入下一次检测周期.图3 能见度检测方法流程Fig.3 Process flow of visibility detection method基于置信度的数据融合是上述过程的关键步骤，其中摄像头的镜头俯仰角、分辨率是影响计算结果的两大主要因素.具体而言，镜头俯仰角越大，参照物挡板离摄像头越近，其成像在采集图像中所占的比例也越大，因此其结果越可信.分辨率越大，参照物图像所占的像素量就越大，计算结果也更为可信.因此，假设有N个监控摄像头用来测量道路能见度，第i个摄像头的测量值为Vi(i=1，2，…，N)，对应的镜头俯仰角、分辨率分别为θi和αi.根据镜头俯仰角和分辨率对测量结果的影响机理，按照式(12)计算各个摄像头在加权数据融合中的权值.式中:wθi、wαi分别为第 i个摄像头在镜头俯仰角和分辨率上的权值分量;因为θi非常小，所以有cos θi≈1－θi成立;wi为摄像头 i的综合权值，由上述两个权值分量的欧式距离计算得到.从而，假设数据融合后的最终能见度值为V^，根据总均方误差最小的优化条件，显然有3 能见度检测与预警处置系统3.1 系统总体架构高速公路视频能见度检测与预警处置系统旨在利用高速公路已有的联网视频监控系统，提取现场路况监控视频帧，通过图像处理的手段分析高速公路沿线能见度的实时变化情况，并向上支撑能见度预警、应急处置、交通流调控、信息发布等一系列智能交通业务.具体而言，本系统的总体架构如图4所示.图4 高速公路视频能见度检测与预警处置系统总体框架Fig.4 Framework of visibility detection，alarm and emergency disposal system for highways in China该系统主要由现场下位机子系统和中心服务器子系统两部分组成.下位机子系统部署于高速公路沿线的重点监控路段或区域，在已有的视频监控机电系统的基础上，利用运行于小型工控机之上的下位机程序，从硬盘录像机(digital video recorder，DVR)等视频存储设备中读取监控视频帧，通过图像分析、数据融合等手段计算实时能见度值，并及时利用现场的可变情报板发布能见度预警.下位机子系统按照一定的周期向路网信息中心提交现场能见度数据，其数传通信方式可以根据实际现场的进行选择.中心服务器子系统搭建于路网信息中心，可以结合交通GIS(geographic information system)综合展示高速公路的路网级能见度变化情况，并通过集成第三方智能交通系统，向各级用户提供多样化的智能交通服务. 3.2 上/下位机子系统首先，现场下位机子系统主要用于现场能见度信息采集及现场信息发布，运行于现场的嵌入式工控机之上，其模块化系统结构如图5所示.该子系统由一系列负责不同任务的独立组件所组成，可以通过静态配置文件来设置各类组件的数量及参数，组件之间通过共享数据进行交互.例如，数采组件通过DVR(digital video recorder)驱动模块(封装硬盘录像机访问功能，针对具体设备定制)周期性读取相应监控摄像头的实时视频帧，将能见度计算结果写入共享数据区;数据融合组件周期性地从共享数据中读取所有摄像头的能见度数据，数据融合计算后写回共享数据区;VMS(variable message sign)组件周期性轮询当前能见度值，根据一定的预设规则、通过定制的VMS驱动向可变情报板发布信息;数传组件则按照一定周期将采集数据发送到远端的上位机数据服务器当中.其次，上位机服务子系统基于Java EE(java enterprise edition)架构研发，封装了能见度数据远程接收、海量数据存储、统计分析与查询等基础性服务，并向上支持能见度预警、低能见度应急处置、公众信息发布等一系列智能交通业务.例如，图6所示为某区域高速公路能见度监控的Web页面截图.图5 下位机数采子系统模块化体系结构Fig.5 Modular structure of lower-end data collection subsystem图6 高速公路能见度监控Web页面截图Fig.6 Snapshot of highway visibility monitoring Web page该页面以在线GIS地图为载体，综合展示了区域高速公路网内各监控路段的实时能见度状况.各监测位置图标的颜色根据实时能见度级别在红、桔、黄、蓝、绿色之间动态变化，下位机系统通信异常时图标则变灰并闪烁.利用右侧的浮动窗口，管理人员不但可以选择特定的监控位置，详细察看该位置的当日能见度变化趋势曲线，还能够快速了解区域高速公路网内近期的能见度预警事件.4 实验分析针对上述基于路况视频的能见度检测方法，本文设计并搭建了相应的实验环境，从能见度检测精度、下位机系统性能两个方面，对该方法的可行性进行了验证.4.1 实验环境搭建该实验环境的内部结构如图7所示.其主体为一个长约3 m的小型雾室，使用1个大功率的加湿器作为起雾装置，可以产生极细粒度的小雾滴，通过控制加湿器工作档位来调节雾室内雾的浓度.使用1个内循环风扇来加速雾室内的气体循环流动，使得加湿器产生的雾能更好遍布雾室的各个位置.为了控制小雾室的环境，避免产生过多的水滴，在雾室尾端装设了1个排气风扇，用于抽气和降低雾室内的湿度.使用日光灯作为雾室内部照明，并模拟实际环境中的自然光.为了便于实验操控，本文还专门研发了PLC控制面板，可以统一对加湿器档位、风扇关断及日光灯亮度等进行调节.图7 能见度检测实验系统示意Fig.7 Diagram of visibility detection experimental system在雾室内的两端分别安装有45 cm×50 cm规格的参照物挡板及支持网络访问的监控摄像头，二者间距设定为3 m.在PC机上实现本文的基于路况视频的能见度检测方法，读取监控摄像头的视频帧并进行能见度计算.作为比较，同时在雾室底部安装了一款高精度能见度检测仪(型号Vaisala PWD10).该型能见度检测仪的工作原理为对比接收端光强与发送端光强计算大气散射系数，进而推算出大气的能见距离，其测量范围为 10～2 000 m［16-17］.4.2 能见度检测精度实验依次改变雾室中雾的浓度，可以改变雾室内的能见度.当参照能见度检测仪的能见度读数趋于稳定时，利用监控摄像头读取视频帧来计算能见度值并分析检测精度. 首先，从检测范围内选取了6个典型的能见度值，在其读数下采集到参照物挡板图像，如图8所示.图8 典型能见距离下的参照物图像Fig.8 Images of reference board under typical visibility distances从图8可以看出，随着喷雾浓度增加，雾室能见度急剧下降，参照物挡板的色块灰度也逐渐发生变化.随后，利用系统PC机读取监控摄像头获取的视频帧，并通过本文的检测方法对能见度和检测精度进行计算分析.根据本文方法，得到6个典型能见度距离下，每幅参照物挡板图像的18种灰度色块的平均灰度偏差和平均失真程度.据此分别作出了各典型能见度下，色块平均灰度、平均失真程度与色块原始灰度的关系曲线图，如图9和图10所示.图9 典型能见度下的色块灰度均值变化Fig.9 Greyscale variations of colour areas under typical visibilities从图9可以看出，参照图像经过雾室空气气柱传输，各类色块的灰度均有一定程度的变化;色块颜色越接近全白或全黑，变化幅度越大;空气质量越差(即能见度越低)，变化幅度越大.从图10可以看出，大多数色块图像失真程度与能见度距离之间均存在严格的单调递减关系;存在某一个灰度颜色(灰度值约为0x75)，在不同的能见度状况下均只有微量的像素失真;以该灰度值为中心，色块颜色越趋近于全白或者全黑，像素失真情况就越为严重，并且失真程度具有一定的对称性.图10 典型能见距离下色块图像失真情况Fig.10 Image distortions of colourareas under typical visibilities进而，按照上述办法采集更多图像与参考能见度数据，根据式(9)计算所各组图像的平均像素失真，并根据式(4)及式(3)反推消光系数Kλ及3 m下的空气透过率Tλ(3.0)，从而得到不同能见距离下的平均像素失真δ3.0与空气透过率Tλ(3.0)之间的关系，如图11所示.图11 平均失真程度和空气透过率的线性关系Fig.11 Linear relation between average distortion and air transmittance由图11可见，两个参数之间的确存在较为理想的线性关系.为了分析本文能见度检测方法的检测精度，将本文检测方法计算得到的能见度值(检测能见度)与参照检测仪输出的能见度值(参考能见度)进行对比，并对不同能见度下的能见度检测误差进行分析，绘制了能见度计算结果对比及误差分布图，如图12所示.图12 能见度计算结果对比及误差分布Fig.12 Visibility value comparison and error distribution图12 中，检测误差按照国内常用的交通气象分级标准(＞500 m、200～500 m、100～200 m、50～100 m、≤50 m)［14］进行逐段统计.可见，本文检测方法得到的能见度值与参考检测仪得到的能见度值具有较好的一致性，随着能见度的增大，检测误差逐渐减小;本文检测方法的检测误差为13.4%，且高能见度场合下误差相对更小.4.3 下位机性能实验如上文所示，通过下位机对多摄像头检测结果进行数据融合，可以提升总体检测结果的精度.但是，这一做法同样也会为下位机系统的处理能力带来考验.为了验证下位机系统的性能能够满足对多摄像头检测结果进行数据融合的要求，本实验将监控PC替换为某型ARM 9嵌入式系统，模拟实际场合下的嵌入式下位机。

基于局部对比度优化参数的能见度检测方法

基于局部对比度优化参数的能见度检测方法
孙晓丽;陈味忠;LEE CHOONGHYUN;龚勇;吴浩炜;陈华
【期刊名称】《功能材料与器件学报》
【年(卷),期】2022()6
【摘要】本文针对传统能见度估计算法中雾霾系数设为固定值导致的能见度估计准确率较低的问题,提出了一种基于局部对比度优化雾霾参数的能见度估计方法。

首先,对输入图像进行预处理,解决光照不均的问题;然后通过暗通道先验理论求取图像的暗原色及大气光,并对预处理后的图像进行分块处理;计算各区域块内的局部对比度,通过得到的局部对比度求取雾霾参数,进而得到全图各像素点对应的透射率值;最后经计算可得到大气消光系数和能见度值。

经实验表明,本方法可在100~500 m 内实现高精度检测,平均相对误差为15.21%,相对于其他方法本文方法精度高且运行速度更快。

【总页数】9页(P534-542)
【作者】孙晓丽;陈味忠;LEE CHOONGHYUN;龚勇;吴浩炜;陈华
【作者单位】中国电子科技南湖研究院;浙江省消防救援总队绍兴支队诸暨大队;中国科学技术大学先进技术研究院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于摄像机自标定的视频对比度能见度检测算法与实现
2.基于亮度对比度和暗原色先验原理的白天道路图像能见度检测方法
3.基于图像信息熵优化参数的能见度检测方法
4.基于局部对比度背景估计的红外小目标检测方法
5.基于IHBF的增强局部对比度红外小目标检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于数字摄像技术的能见度检测

基于数字摄像技术的能见度检测李屹;朱文婷【摘要】A novel algorithm is presented to measure atmospheric visibility by video camera. Video cameras record the three-dimensional environment into two-dimensional data space by CCD. As a result, the depth information that exists in the three-dimensional environment, which is important for visibility detection, is lost. In order to overcome the limitation, interest domain is set. The eye distinguishable pixels are extracted through contrast calculation by the contrast threshold recommended by international commission on illumination. The distance from the pixels to the camera is calculated by the camera parameters through the model. The visibility is finally decided by the max. The contrast of the algorithm and the visibility sensor results based on variety scenes reveals that the two detectible methods are coherent, and the algorithm is effective and robust.%为了更好地进行能见度的自动检测和全程检测,采用一种基于数字摄像技术的能见度检测方法:读入图像经过预处理设置“兴趣域”,提取出对比度大于亮度对比感阈的人眼可分辨像素点,然后通过建立摄像机参数模型,计算出这些点到摄像机的距离,取其最大值即为能见度值.在自行研制的高速公路视频监控系统上,采集某段高速公路上的视频监控图像,进行能见度检测实验,得到923组的观测实验结果.实验结果表明,该算法与人眼观察一致,并对噪声有较好的鲁棒性.【期刊名称】《现代电子技术》【年(卷),期】2012(035)020【总页数】3页(P95-97)【关键词】能见度检测;数字摄像;视频监控系统;摄像机标定【作者】李屹;朱文婷【作者单位】中国卫星海上测控部,江苏江阴 214431;中国卫星海上测控部,江苏江阴 214431【正文语种】中文【中图分类】TN919-340 引言气象能见度是对交通有重要影响的气象要素,是判断高速公路上能否达到安全行车要求的必要条件。