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。

说明书

技术领域

本发明属于数字视频图像处理和交通天气检测领域，涉及一种基于纵向灰 度特征的雾天等级检测方法。

背景技术

近年来，我国高速公路的交通事故率呈现出明显上升的趋势，由雾天等各 种恶劣天气气候条件造成的交通事故也在逐年递增。因此，在雾天条件下，计 算准确的能见度值对交通管理有巨大的指导意义。根据交通管理部门对雾天能 见度的设定范围选择阈值，将天气分为大雾、小雾和非雾天，分别对应低能见 度、能见度不足、能见度正常三种情况。

随着人类社会不断发展，雾天等级检测按照产生时间的顺序主要有三大类 方法：目测法、器测法、基于视频图像检测法。目测法主要依靠人眼来观测周 围环境的能见度，但是需要耗费巨大人力物力，不具有现实意义；器测法使用 光学检测仪器来测量气象光学视程(即能见度值)，一般准确度较高，目前广 泛运用于码头、航空等领域，但是成本非常高昂；基于视频图像的雾天等级检 测方法对高速公路监控摄像头采集的图像进行算法处理，得到该摄像头所在位 置的能见度值，目前广泛采用的基于图像灰度直方图的雾天等级检测方法，灰 度分布易受到道路周围景物干扰，阈值选择的难度较大，从而无法保证较高的 检测准确率。

发明内容

技术问题：本发明提供一种精确度较高、运算量较小的基于纵向灰度特征 的雾天等级检测方法。

技术方案：本发明的基于纵向灰度特征的雾天等级检测方法，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_k(x,y)：

$V_k(x,y)=\left(\begin{array}{cc}1,& \left|I_k(x,y){-B}_0(x,y)\right|\le B_0(x,y)\times 0.1\\ 0,& |I_k(x,y)-B_0(x,y)|>B_0(x,y)\times 0.1\end{array}\right),$

其中，k为当前h帧连续图像序列中帧的序号，V_k(x,y)为第k帧图像的坐 标(x,y)的灰度累加参数，I_k(x,y)为第k帧图像中坐标(x,y)的灰度值，B₀(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B₁(x,y)，从而得到当前h帧连续图像序列的背景图像：

$B_1(x,y)=\frac{1}{N_{\mathrm{xy}}}\underset{k=1}{\overset{h}{\Sigma }}{I}_k(x,y)\times V_k(x,y),$

其中，B₁(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_xy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Nxy的总和大于单帧图像感兴趣区域内像素点个数的倍，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：

其中，l为新的背景图像Q中行的序号，I_l为第l行灰度均值，I_max为所有 灰度均值中的最大值，I_min为所有灰度均值中的最小值，I'_l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：

$W_l=\left(\begin{array}{cc}{I}_l-I_{l+10},& l<5\\ I_{l-5}-I_{l+5},& 5<l\le M-5\\ I_{l-10}-I_l,& l>M-5\end{array}\right),$

其中，l为新背景图像Q中行的序号，W_l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。

本发明方法的一种优选方案中，步骤2中，直线AD与BC之间的水平线 段宽度为十分之一图像宽。

本发明方法的一种优选方案中，步骤32)中，当像素点的灰度值序列中 出现次数最高的值为多个时，求取多个次数最高的值的平均值作为新背景图像 Q中该像素点的灰度值。

本发明方法以道路和天空部分作为图像感兴趣区域，在该区域内分析图像 逐行灰度随纵坐标的变化关系，按照交通管理部门对雾天能见度的要求，将雾 天分为大雾，小雾和非雾天，在运算量减少的同时，准确率也有很大提高。

有益效果：与现有技术相比，本发明的优点在于：

1、目前雾天等级检测主要有三大类方法：目测法、器测法和基于视频图 像检测法。目测法和器测法均需要耗费大量人力物力，不具有现实意义；而基 于视频图像的检测方法虽然能提供精确的检测结果，但是计算量较大，不适合 快速定性判断。

2、针对以上方法不足，本发明方法从连续多帧图像的感兴趣区域提取背 景，分析图像逐行灰度随纵坐标的变化关系，按照交通管理部门对雾天能见度 的要求选择阈值，将雾天分为大雾、小雾和非雾天。相比现有方法，本发明方 法在运算量减少的同时，准确率也有提高。

3、表1展示了本发明方法和基于直方图的雾天等级检测方法对雾天等级 检测的实验结果对比图。由表1可以看出本发明对非雾天的检测效果最好，基 本能完全正确识别，大雾天气有较高的识别率，小雾天气易误判为大雾天气， 但是误判为大雾天气，交通部门会提供更加苛刻的管制方法，降低交通事故发 生的概率。

附图说明

图1是整个系统检测的具体流程图。

图2是步骤2的感兴趣区域的示意图。

图3是步骤3的具体流程图。

具体实施方式

下面将结合说明书附图和实施例，清楚完整地描述本发明方法的详细过 程。

本发明的基于纵向灰度特征的雾天等级检测方法，按照以下具体步骤实 施：

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；

如图2所示，虚线内的区域就是感兴趣区域。

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；

该方法具体思路如下：通过摄像机获取图像序列，统计图像序列中一点的 灰度值出现的情况，建立直方图，将出现次数最高的灰度值(即直方图的峰值) 作为背景图像中该点的灰度值。

像素点(x,y)处灰度值n出现的次数根据下式确定：

$P(x,y,k,n)=\left(\begin{array}{cc}p(x,y,k-1,n)+1& I_k(x,y)=n\\ p(x,y,k-1,n)& I_k(x,y)\ne n\end{array}k=\mathrm{1,2},...,h,n=\mathrm{0,1,2},...,255,\right)$

其中，n表示灰度值，P(x,y,k,n)表示前k帧图像在像素点(x,y)处灰度 值n出现的次数，p(x,y,k-1,n)为前k-1帧图像在像素点(x,y)处灰度值n出现 的次数，I_k(x,y)表示在第k帧图像中像素点(x,y)的灰度值；然后，可以求得 一段连续图像序列每个像素点在各个灰度值出现的所有次数，记为 P(x,y,h,n)，取最大值max(P(x,y,h,n))处的灰度值作为该像素点(x,y)处的背 景灰度值；

P(x,y,h,n₁)＝max(P(x,y,h,n))，

Background(x,y)＝n₁，

其中，n₁表示出现次数最高的灰度值，P(x,y,h,n)为h帧连续图像序列中 像素点(x,y)处灰度值n出现的次数，P(x,y,h,n₁)为h帧连续图像序列中像素 点(x,y)处在灰度值n₁上出现的次数，Background(x,y)为背景图像在像素点 (x,y)的灰度值，对图像中每一点进行相同操作，得到新的背景图像Q。

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_k(x,y)：

$V_k(x,y)=\left(\begin{array}{cc}1,& |I_k(x,y)-B_0(x,y)|\le B_0(x,y)\times 0.1\\ 0,& |I_k(x,y)-B_0(x,y)|>B_0(x,y)\times 0.1\end{array}\right),$

其中，k为当前h帧连续图像序列中帧的序号，V_k(x,y)为第k帧图像的坐 标(x,y)的灰度累加参数，I_k(x,y)为第k帧图像中坐标(x,y)的灰度值，B₀(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B₁(x,y)，从而得到当前h帧连续图像序列的背景图像：

$B_1(x,y)=\frac{1}{N_{\mathrm{xy}}}\underset{k=1}{\overset{h}{\Sigma }}{I}_k(x,y)\times V_k(x,y),$

其中，B₁(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_xy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Nxy的总和大于单帧图像感兴趣区域内像素点个数的倍，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：

其中，l为新的背景图像Q中行的序号，I_l为第l行灰度均值，I_max为所有 灰度均值中的最大值，I_min为所有灰度均值中的最小值，I'₁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：

$W_l=\left(\begin{array}{cc}{I}_l-I_{l+10},& l<5\\ I_{l-5}-I_{l+5},& 5<l\le M-5\\ I_{l-10}-I_l,& l>M-5\end{array}\right),$

其中，l为新背景图像Q中行的序号，W_l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。

在本发明方法的一个优选实施例中，步骤2中，直线AD与BC之间的水 平线段宽度为十分之一图像宽。

在本发明方法的另一个优选实施例中，步骤32)中，当像素点的灰度值 序列中出现次数最高的值为多个时，求取多个次数最高的值的平均值作为新背 景图像Q中该像素点的灰度值。

表1为本发明方法和基于直方图的雾天等级检测方法的实验结果的对比 图。

表1雾天等级检测实验结果

应理解上述实施例仅用于说明本发明技术方案的具体实施方式，而不用于 限制本发明的范围。在阅读了本发明之后，本领域技术人员对本发明的各种等 同形式的修改和替换均落于本申请权利要求所限定的保护范围。