一种基于去雾AI图像分析系统和快速响应门禁控制方法技术方案

本发明专利技术提供了一种基于去雾AI图像分析系统以及快速响应门禁控制方法。本发明专利技术通过人工智能(AI)学习技术实现对当前图像的场景模式判断，采取与场景模式适配的图像局域划分策略，降低局域内的场景深度差异，通过与图像场景最优适配的局域划分策略使得假定局域的场景透射率均衡所带来的误差最小化，显著降低了去雾图像的块状效应，同时无需软抠图和引导滤波等精细调整算法，节约了门禁系统的运算资源，加快了门禁响应速度。同时本发明专利技术还可以基于场景模式判定当前图像是否存在去雾算法失效的情况，并且相应地引用相同场景模式下的无雾图像中提取的参数执行去雾算法中相关参数的修正，从而提升了门禁系统的鲁棒性。

【技术实现步骤摘要】
一种基于去雾AI图像分析系统和快速响应门禁控制方法
本专利技术属于人工智能
，尤其涉及一种基于去雾AI图像分析系统和快速响应门禁控制方法。
技术介绍
在雾霾天气里面进行室外图像采集时，由于空气中细小颗粒物对光线的吸收与散射，造成图像对比度降低，色调出现偏移，画面内容呈现模糊，这必然会给图像内容的快速识别与分析带来障碍。特别是对于智慧社区、智慧楼宇的门禁系统来说，由于其主要是提取用户面部图像的表面纹理的精细特征值实现身份认证，在雾霾天气下，以上特征值受到比较大的干扰，很容易发生错误识别、延迟识别或无法识别的情况。尤其目前部分地区的雾霾天气发生频率比较高，会给门禁系统的可靠工作产生相当不利的影响。图像去雾处理在近年来愈发得到相关
的重视。最初的技术手段是采用基于图像增强的方法，通过提高有雾图像的对比度、利用算子强化边缘以及突出图像细节以改善视觉效果，但是这一方法去雾程度比较有限，而且在处理过程中易造成图像细节的改变，对于门禁识别来说同样增大了错误发生率。2009年以来，本领域又提出了基于暗通道的图像去雾处理方法，这一原理为图像去雾技术向着本质深入发展打下了坚实的基础。基于暗通道的图像去雾处理方法认为描述有雾图像与去雾图像之间关系的光学模型如下：其中，J(x,y)表示去雾后的图像，I(x,y)表示有雾的原始图像，A表示该图像的大气光值，也就是环境大气的亮度，而t(x,y)表示该幅图像的场景透射率图，也就是景物光线穿透空气进入相机的投射程度，t0是为了防止过度去雾造成失真而人为规定的一个门限值。原始图像I(x,y)和t0是已知量，因此为了通过上述公式求解去雾图像J(x,y)，需要获得公式中的其它参量A与t(x,y)。在现有技术中，一般根据有雾图像中亮度最大的像素点的值估算出大气光值A。而场景透射率图t(x,y)＝e-β·d(x,y),β为图像的介质散射系数，是一个均匀的常量，而d(x,y)为图像的场景深度图，与图像的场景深度特征，每一幅图像场景都不尽相同，因此对于每一幅图像来说场景透射率图t(x,y)都是特有的。通过对大量无雾图像的研究，认为对户外无雾图像当中除了天空区域的大部分局域来说，进行R、G、B颜色通道分离之后，至少某个颜色通道的强度分布在较低的灰度级,则将该局部区域的该通道称之为暗通道，则将暗通道表示为Jdark＝min(x,y)∈Δ(minc∈(R,G,B)Jc(x,y))，其中Jdark表示去雾图像J(x,y)的暗通道值，c表示R、G、B三个通道，minc∈(R,G,B)Jc(x,y)表示去雾图像的像素(x,y)在R、G、B三个通道上的强度值的最小值，Δ表示去雾图像的一个局域，像素(x,y)属于该局域；对于无雾图像除了天空区域以外的大部分局域来说，Jdark的值趋近于零。并且，对于一个图像局域Δ来说，由于场景深度变化不大，因此可以认为该局域内的场景透射率图t(x,y)取一个固定值，表示为t((x,y)∈Δ)＝t(Δ),则根据去雾图像除了天空区域以外的大部分局域Jdark的值趋近于零的先验规则，认为的值趋于0，则局域的透射率其中Ac可以用R、G、B每个颜色通道中亮度最大的像素点的值，而min(x,y)∈Δ(minc∈(R,G,B)Ic(x,y))是求每个局域的有雾图像的暗通道值。将求得的A和每个局域的场景透射率t(Δ)代入上述模型：就可以求得去雾图像J(x,y)。但是，现有的基于暗通道原理的图像去雾技术仍然存在缺陷，首先，对于公式中的场景透射率图t(x,y)，是将其转化为每个局域的场景透射率t(Δ)，也就是假定每个局域内各个像素的场景透射率是相同的，如上面介绍的，场景投射率是由场景深度特征决定的，一个局域内的场景深度差异相对于整幅图像的场景深度差异确实是有所减小，但是该差异也并不是总可以被忽略的，有些局域内部也存在较为明显的场景深度差异。暗通道原理的去雾算法将每个局域内部的场景透射率假定为一个恒量，这样，就导致去雾后的图像中出现块状效应。现有技术中为了解决块状效应的问题，还需要进一步采用软抠图或者引导滤波的方法对局域的场景透射率进行细化，但是软抠图和引导滤波都需要遍历图像的全部像素点进行逐像素级别的运算，需要消耗的运算资源比较大，容易产生较长的时间延迟，这对于门禁系统中成本较低的硬件配置和需要快速响应的应用场景来说并不适合。另外，暗通道原理虽然是大概率成立的，但是也不是100％适用的，例如，如果图像画面中存在大块白色局域，就有可能造成暗通道原理的去雾算法失效。另外如果图像画面中存在个别异常明亮点(例如强烈光照下的反光点)，还有可能造成对上述公式中A值的估计偏差，这在实际应用中都是不得不考虑的情况，特别是在门禁系统这种对可靠性要求比较高的设备之中。
技术实现思路
本专利技术提供了一种基于去雾AI图像分析系统以及快速响应门禁控制方法。本专利技术基于门禁应用中获取的图像具有一定场景相似度的实际，通过人工智能(AI)学习技术实现对当前图像的场景模式判断，采取与场景模式适配的图像局域划分策略，降低局域内的场景深度差异，通过与图像场景最优适配的局域划分策略使得假定局域的场景透射率均衡所带来的误差最小化，显著降低了去雾图像的块状效应，同时无需软抠图和引导滤波等精细调整算法，节约了门禁系统的运算资源，加快了门禁响应速度。同时本专利技术还可以基于场景模式判定当前图像是否存在去雾算法失效的情况，并且相应地引用相同场景模式下的无雾图像中提取的参数执行去雾算法中相关参数的修正，从而提升了门禁系统的鲁棒性。本专利技术提供的技术方案如下：一种基于去雾AI图像分析的系统，其特征在于，包括：图像场景特征提取模块，用于获取通过门禁摄像设备采集的当前图像，并且对所述当前图像执行增强处理，然后提取表示当前图像场景特征的特征集矢量；场景模式分类模块，用于将表示当前图像场景特征的特征集矢量输入场景模式分类向量机，根据场景模式分类向量机的输出结果，确定该当前图像是否属于在暗通道去雾处理中需要对暗通道值和/或大气光值进行特殊估计的场景模式；参数特殊估计模块，根据所述场景模式分类模块的判断结果，确定当前图像属于需要对暗通道值和/或大气光值进行特殊估计的有雾图像的情况下，根据预存储的相同场景模式下无雾图像，特殊估计暗通道值和/或大气光值；基于人工神经网络的局域划分策略决定模块，用于将表示有雾当前图像场景特征的特征矢量输入以有雾图像样本数据进行训练之后的人工智能神经网络，根据神经网络的输出确定局域划分调整策略；去雾处理模块，根据所述局域划分调整策略对所述有雾当前图像划分局域，并且针对所划分的局域计算该局域的透射率值；进而根据所述局域的透射率值以及大气光值，从所述有雾当前图像计算去雾图像；图像分析模块，用于针对所述去雾图像执行识别人物身份相关的图像分析，并根据图像分析结果控制门禁设备的响应。优选的是，图像场景特征提取模块提取的场景特征集包括但不限于：图像边缘像素比率、封闭边缘像素比率、图像灰度一致性、图像像素纹理分布。优选的是，所述场景模式分类模块包括：第一场景模式分类向量机，用于接受具有大片白色明亮区域图像样本的训练，并且根据当前图像的场景特征集矢量，判断当前图像是否属于大片白色明亮区域图像；以及第二场景模式分类向量机，用于接受具有异常明亮点的图本文档来自技高网...

【技术保护点】
1.一种基于去雾AI图像分析的系统，其特征在于，包括：图像场景特征提取模块，用于获取通过门禁摄像设备采集的当前图像，并且对所述当前图像执行增强处理，然后提取表示当前图像场景特征的特征集矢量；场景模式分类模块，用于将表示当前图像场景特征的特征集矢量输入场景模式分类向量机，根据场景模式分类向量机的输出结果，确定该当前图像是否属于在暗通道去雾处理中需要对暗通道值和/或大气光值进行特殊估计的场景模式；参数特殊估计模块，根据所述场景模式分类模块的判断结果，确定当前图像属于需要对暗通道值和/或大气光值进行特殊估计的有雾图像的情况下，根据预存储的相同场景模式下无雾图像，特殊估计暗通道值和/或大气光值；基于人工神经网络的局域划分策略决定模块，用于将表示有雾当前图像场景特征的特征矢量输入以有雾图像样本数据进行训练之后的人工智能神经网络，根据神经网络的输出确定局域划分调整策略；去雾处理模块，根据所述局域划分调整策略对所述有雾当前图像划分局域，并且针对所划分的局域计算该局域的透射率值；进而根据所述局域的透射率值以及大气光值，从所述有雾当前图像计算去雾图像；图像分析模块，用于针对所述去雾图像执行识别人物身份相关的图像分析，并根据图像分析结果控制门禁设备的响应。...

【技术特征摘要】
1.一种基于去雾AI图像分析的系统，其特征在于，包括：图像场景特征提取模块，用于获取通过门禁摄像设备采集的当前图像，并且对所述当前图像执行增强处理，然后提取表示当前图像场景特征的特征集矢量；场景模式分类模块，用于将表示当前图像场景特征的特征集矢量输入场景模式分类向量机，根据场景模式分类向量机的输出结果，确定该当前图像是否属于在暗通道去雾处理中需要对暗通道值和/或大气光值进行特殊估计的场景模式；参数特殊估计模块，根据所述场景模式分类模块的判断结果，确定当前图像属于需要对暗通道值和/或大气光值进行特殊估计的有雾图像的情况下，根据预存储的相同场景模式下无雾图像，特殊估计暗通道值和/或大气光值；基于人工神经网络的局域划分策略决定模块，用于将表示有雾当前图像场景特征的特征矢量输入以有雾图像样本数据进行训练之后的人工智能神经网络，根据神经网络的输出确定局域划分调整策略；去雾处理模块，根据所述局域划分调整策略对所述有雾当前图像划分局域，并且针对所划分的局域计算该局域的透射率值；进而根据所述局域的透射率值以及大气光值，从所述有雾当前图像计算去雾图像；图像分析模块，用于针对所述去雾图像执行识别人物身份相关的图像分析，并根据图像分析结果控制门禁设备的响应。2.如权利要求1所述的基于去雾AI图像分析的系统，其特征在于：图像场景特征提取模块提取的场景特征集包括但不限于：图像边缘像素比率、封闭边缘像素比率、图像灰度一致性、图像像素纹理分布。3.如权利要求1所述的基于去雾AI图像分析的系统，其特征在于：所述场景模式分类模块包括：第一场景模式分类向量机，用于接受具有大片白色明亮区域图像样本的训练，并且根据当前图像的场景特征集矢量，判断当前图像是否属于大片白色明亮区域图像；以及第二场景模式分类向量机，用于接受具有异常明亮点的图像样本的训练，并且根据输入的当前图像的场景特征集矢量，判断当前图像是否属于存在异常明亮点的图像。4.如权利要求1所述的基于去雾AI图像分析的系统，其特征在于：参数特殊估计模块用于在场景模式分类模块判断一幅图像属于大片白色明亮区域图像或者属于存在异常明亮点的图像情况下，根据该图像的图像灰度一致性，判断该图像是有雾图像还是无雾图像；对于该图像是无雾图像的情况，则将该图像作为参考无雾图像，计算该参考无雾图像的暗通道值作为参考暗通道值进行存储；并且通过该参考无雾图像计算参考大气光值进行存储；还存储该参考无雾图像的场景特征集；并且，当前图像属于存在大片白色明亮区域或者属于存在异常明亮点的有雾图像的情况下，确定与当前图像的场景特征集相似度最大的参考无雾图像，将该参考无雾图像对应的参考暗通道值以及参考大气光值作为对当前有雾图像的特殊估计的暗通道值和/或大气光值。5.如权利要求1所述的基于去雾AI图像分析的系统，其特征在于：所述局域划分策略决定模块预先建立一个标准局域划分模板，并且通过对其中每个标准局域均匀划分为一个或者多个等大的精细局域，生成局域划分调整策略；选取一定数量的有雾图像作为样本，针对每一张有雾图像样本，通过所述图像场景特征提取模块提取场景特征集矢量，作为样本特征集矢量；并且针对每一张有雾图像样本在标准局域划分模板的基础上进行精细局域划分，获得样本局域划分调整策略；将全部有雾图像样本的样本特征集矢量和样本局域划分调整策略，代入卷积神经网络模型，执行对该模型基于场景特征输出局域划分...

【专利技术属性】
技术研发人员：刘丰，
申请(专利权)人：特斯联北京科技有限公司，
类型：发明
国别省市：北京,11