基于视频分析的公路能见度监测方法.pdf

城市设施智慧化 基于视频分析的公路能见度监测方法代东林（招商局重庆公路工程检测中心有限公司）【摘要】在现场安装自带光源的特制靶标,通过摄像机采集含有靶标区域的视频图像,输入到工业计算机经靶标位置识别、角度校正等预处理后,提取靶标区域图像的视觉特征信息,并利用事先构建的特征信息到能见度距离的映射模型,实时计算公路能见度取值,达到全天候动态监测公路能见度的目的。【关键词】公路能见度；能见度监测；视频分析；特制靶标【基金项目】重庆市社会事业与民生保障科技创新专项重点研发项目，项目编号：cstc2017shms-zdyfX0007中图分类号：P427.2；U492.8 DOI：10.13655/ki.ibci.2024.03.047Highway Visibility Monitoring Method Based on Video AnalysisDAI Dong-lin（China Merchants Chongqing Highway Engineering Testing Center Co.,Ltd.）【Abstract】The article installs a specially designed target with its own light source on site,collects video images containing the target area through a camera,inputs them into an industrial computer for target position recognition,angle correction,and other preprocessing.It extracts the visual feature information of the target area image,and uses the mapping model of the pre-constructed feature information to the visibility distance to calculate the visibility value of the road in real-time,achieving the goal of dynamic monitoring of road visibility all weather.【Keywords】highway visibility;visibility monitoring;video analysis;special target1 引言能见度作为气象观测的一项重要参数，不仅是大气光学状态分析的宏观依据，还是严重影响交通运输、工业生产和军事活动的环境因素。在公路运输领域，高速公路上由浓雾天气引发的交通事故约占事故总数的25%，低能见度条件下高速公路的事故发生率则为平常的10倍。因此，实时监测高速公路沿线的能见度取值变化，对交通运输安全有着十分重大的现实意义1。显然，能见度的取值与大气的透明程度、灯光的照射强度以及人眼的视觉感阈有着密切关系。当大气中混合着雾气、雨雪或尘烟时，大气透明程度降低，能见度必然变差2。基于该思想，本文提出一种公路能见度的视频监测新方法，阐述该方法的系统结构和新型靶标设计，对关键技术加以详细分析和建模描述，并通过实验测试验证了该方法对于能见度全天候监测的有效性。2 系统结构与靶标设计2.1 系统结构能见度视频监测的系统结构如图1所示，其工作原理为：在监测现场安装特制的有源靶标，通过摄像机实时采集包含靶标的原始视频图像，传输到工业计算机经靶标位置识别、角度校正、视觉特征提取等图像处理后，依据视觉特征信息到能见度距离间的映射模型，求解当前能见度取值并输出显示。图1 能见度视频监测的系统结构2.2 新型有源靶标设计目前，视频能见度监测方法普遍采用无源靶标，且靶标图案仅由纯白区块和纯黑区块组成。因此，在摄像机采集的原始图像中，靶标区域最多包含较高（白色）和较低（黑色）两种亮度取值，不利于靶标区域视觉特征的提取与表达。本文设计了一种新型的有源靶标，表面亮度为153 城市设施智慧化 均匀的恒定值，图案则为纯黑到纯白灰度渐变的等间距横向条纹，如图2所示，其优势在于：无论是白天还是夜晚，摄像机都可以采集到稳定的包含靶标的原始图像，为能见度的全天候监测奠定了基础；在不同的能见度环境下，原始图像中靶标区域均包含多种亮度取值，有助于视觉特征提取和特征信息描述。图2 新型有源靶标图案3 视频图像分析与能见度建模3.1 靶标位置识别在摄像机采集的图像中，靶标只占据其中的部分区域，靶标位置识别的任务就是从图像中定位靶标区域，具体步骤如下：第一步：灰度化将彩色的原始图像Im0转换成灰度图像Im1：Im1(i,)j=0.30R(i,)j+0.59G(i,)j+0.11B(i,)j（1）式（1）中：R（i,j）、G（i,j）、B（i,j）分别是Im0中像素点（i,j）的R、G、B分量。第二步：竖直方向梯度计算由图2可知，靶标图案具有较多的横向纹理，因此计算灰度图像Im1在竖直方向上的一阶差分，即竖直方向梯度图像Im2：Im2(i,)j=|Im1(i,)j-Im1(i,j+)1|（2）第三步：二值化二值化将图像的像素灰度设置为0或255，使图像呈现出强烈的黑白视觉效果。将Im2分成pq大小的局部块，且M表示局部灰度均值，则局部方差和局部阈值thed为：=1p qi=0pj=0qIm2(i,)j-M2thed=1281+256（3）Im2中灰度大于thed的像素赋值为255，反之赋值为0，得到二值化输出图像Im3。第四步：形态学滤波采用形态学滤波方法，对二值图像Im3作腐蚀运算，以消除细小噪声干扰。腐蚀运算的输出为：Im4(i,)j=Im3(i,)j B（4）式（4）中：B、分别是结构元素和腐蚀运算符。再对Im4作形态学闭运算，即选用结构元素C作膨胀运算并接着由C作腐蚀运算，以平滑物体边界和填充细小空洞。闭运算的输出为：Im5(i,)j=(I m4(i,)j)B B（5）式（5）中：是膨胀运算符。形态学滤波的最终输出Im5仍然为二值图像。第五步：靶标区域确定由Im5确定靶标区域范围的过程中，纵向位置计算是对Im5进行逐列扫描，通过函数f统计每行中连续灰度值为255的像素点数目，进而根据统计结果和选定阈值计算靶标的纵向坐标范围Y：Y=y|f(Im5,y)（6）类似地，计算获得靶标的横向位置。至此，可以参照上述坐标范围从原始灰度图像Im1中分离出靶标区域的灰度图像Im6。3.2 角度校正对于灰度图像Im6，为了消除微小视角变化即图像旋转所带来的监测误差，应将其校正为靶标区域底部水平的图像，主要包括倾斜角度求解和图像旋转变换两个过程。从提高抗干扰性能方面考虑，采用Hough变换求解图像倾斜角度3。首先根据、的变化范围及其步长，分配零初始化的二维累加数组A。然后对图像Im6的每个像素(i,j)，以式(7)计算出的、为索引将像素灰度值累加到A中。最后，抓住靶标底部边界是图像中最长直线这一规律，检验A数组以查找取值最大的元素，并将该元素对应的值作为Im6的倾斜角度。=icos+jsin（7）求解出之后，可按下面的坐标变换公式对Im6进行角度校正以获得灰度图像Im7：()i7j71=()cos()sin()0-sin()cos()0001()i6j61（8）3.3 视觉特征提取本文采用边缘总长度作为靶标区域视觉特征，154 城市设施智慧化 为能见度计算提供基本的定量依据。在边缘监测方法中，Canny算法具有良好的抗噪声性能，且能获得单像素边缘，因而得到了广泛应用。Canny算法提取靶标区域边缘特征的步骤如下：第一步：平滑滤波由指定标准偏差的高斯滤波器H对灰度图像Im7进行平滑滤波：Im8=Im7H（9）式（9）中：为卷积符号，Im8是平滑后的图像。第二步：梯度幅值与方向计算参照3.3节中第二步，计算Im8在横、竖方向上的一阶差分x和y，并进一步计算梯度幅值和梯度方向：=2x+2y=tan-1yx（10）第三步：非极大值抑制对图像Im8中每个像素(i,j)，将其与沿着梯度方向的两个相邻像素进行比较，如果梯度幅值小于两个相邻像素中的任一个，则令(i,j)的灰度值为零，否则(i,j)的灰度值保持不变，极大值抑制后输出图像Im9。第四步：双阈值法监测和连接边缘选取两个阈值1和2，满足12，分别对Im9进行二值化处理得到强边缘T1和弱边缘T2，并将T2集成到T1形成最终的靶标图像边缘Im10。最后，在二值图像Im10中统计边缘像素数目，求得靶标区域边缘总长度特征b。3.4 能见度映射模型构建靶标区域视觉特征到能见度距离的映射关系，应由某种数学模型加以量化描述。考虑到能见度距离V与边缘特征总长度b正相关，本文采用多项式函数构建这一单输入单输出模型，即：V=k=0nakbk（11）式（11）中：n、ak分别是多项式的次数和系数。能见度模型中的参数，将通过最小二乘法来进行估计4，主要思路为：先通过m个标准样本的散点图确定多项式系数n；再列表计算i=0mbji与i=0mbjivi，bi、vi分别表示第i个标准样本中边缘总长度和能见度距离的取值且j=0,1,2n；最后根据式(12)给出的正规方程组计算各系数ak。m+1i=0mxii=0mxnii=0mxii=0mx2ii=0mxn+1ii=0mxnii=0mxn+1ii=0mx2nia0a1an=i=0myii=0mxiyii=0mxniyi（12）能见度映射模型一旦建立，即可由实时的靶标区域边缘总长度特征求解相应的能见度距离。此外，因能见度的测量周期为毫秒级常量，本文进一步对映射模型输出的能见度距离进行平滑滤波，以提高能见度监测的抗干扰性能并使其动态输出曲线更加平滑。因此，t时刻能见度最终监测结果将按照下式求解：Vt=(1-)Vt-1+V（13）式（13）中：Vt-1、V分别是t-1时刻的能见度最终监测结果和t时刻映射模型输出的能见度距离，为加权系数。4 结语本文介绍了能见度监测的基本原理，在分析现有监测方法的基础上提出了基于视频分析的公路能见度监测方法，其主要贡献在于：设计了一种视觉特征信息丰富的有源靶标，使基于摄像法的能见度距离的全天候监测成为可能；给出了一种能见度监测新方法的总体思路，并对其中的图像预处理、视觉特征提取以及能见度映射建模等关键技术进行了详细阐述。采用其他建模方法获得能见度距离映射模型，以提高能见度监测精度，将是下一步研究工作的重点。参考文献1 曹锋.雾天环境下高速公路能见度监测及雾灯诱导关键技术J.交通世界，2022（29）：25-27.2 孟颖，吴宏涛，贾磊，等.基于监控视频的公路能见度监测方法J.交通运输研究，2019，5（1）：65-72.3 周发华，陈继清，杨蓉.基于改进Hough变换和斜率特征的 车 道 线 识 别 J.现 代 电 子 技 术，2023，46（7）：180-186.4 陈星，余杭，杨林，等.基于加权最小二乘法的细节增强去雾方法J.北京理工大学学报，2023，43（8）：803-811.155