一种室外昼夜区分方法技术

本发明专利技术公开了一种室外昼夜区分方法，包括训练支持向量机和识别图像两个过程：训练支持向量机包括采集连续多天的图像、获取每幅图像的平均亮度值及亮度直方图、获取特征描述文件和标签描述文件、使用特征描述文件和标签描述文件训练支撑向量机得到分类器；识别图像包括如下步骤：获取待识别图像的特征描述子、将待识别图像的特征描述子送入S4得到的分类器输出识别结果。本发明专利技术选取的描述图像的特征能够有效地区分昼夜，对图像质量的要求不高，具有很高的识别率和鲁棒性，从而大大拓宽了实际应用范围；本发明专利技术通过对错误样本的再训练，不断更新支持向量机，有效提高了识别准确率，具有很高的实际应用价值。

【技术实现步骤摘要】
一种室外昼夜区分方法
本专利技术涉及计算机视觉识别领域，具体为一种室外昼夜区分方法。
技术介绍
智能视频监控系统，是利用计算机视觉技术对视频或图像信号进行处理、分析的系统，在不需要人为干预的情况下，通过对序列图像自动分析对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析和判断目标的行为。然而，在夜晚时，环境中的光线较暗，所获取的视频或者图像很可能是模糊的、含有大量噪声的，此时，为提高其清晰度，需要对夜晚条件下的低质量视频或者图像进行增强。但是，智能视频监控系统无法判断出某个时刻室外是白天或者夜晚，因而其并不清楚是否应该进行图像增强。因此，智能视频监控系统准确地区分室外昼夜的方法成为了本领域技术人员追求的目标。目前，有人提出了如下区分室外昼夜的方法：一、通过设定特定的时间长度区分昼夜：比如，从早上5点到下午6点为昼、其与时间为夜。但这种方法的适应性较差，因为在不同的季节、不同的时区，昼夜变化时间是不同的，而且即使在相同的季节和时区，受天气因素的影响，图像的明亮程度也会发生改变，因此这种方法不符合实际需要。二、通过检测图像中的特征物区分昼夜：常用的特征物是路灯，若检测路灯是亮的，则此时室外为夜；若检测路灯是灭的，则此时室外为昼。但是，这种方法的依赖性太强，如果特征物损坏或者没有特征物，就无法区分昼夜，因此，这种方法的鲁棒性很差。三、通过光敏元件检测图像的光照亮度区分昼夜：光敏元件采用光、电技术实现对图像的光照亮度进行检测，从而区分昼夜。但是光敏元件容易受损进而检测精度降低，其维修成本较高，因此，这种方法的实用性较差。
技术实现思路
为解决现有技术中缺陷，本专利技术了提供了一种室外昼夜区分方法，智能视频监控系统通过该方法可自动地判断其所监控的环境处在白天或者黑夜，然后有选择的处理相应的视频或者照片。为实现上述目的，本专利技术的一种室外昼夜区分方法，包括训练支持向量机和识别图像两个过程。训练支持向量机包括如下步骤：S1：采集连续多天的图像，记录每幅图像表示的昼夜情况，按照其表示的昼夜情况将图像分别存入“白天”、“夜晚”两个目录下；S2：获取每幅图像的平均亮度值、亮度直方图，构成一维向量，某个图像的一维向量作为该图像的特征描述子；S3：将所有图像的特征描述子写入到特征描述文件，并对应地将上述所有图像的“昼”标签/“夜”标签写入到标签描述文件；S4：使用特征描述文件和标签描述文件训练支撑向量机，得到分类器；识别图像包括如下步骤：S5：获取待识别图像的特征描述子；S6：将待识别图像的特征描述子送入S4得到的分类器中，输出识别结果。收集大量的图像样本，获取这些图像的特征描述子，通过特征描述子及其对应的昼夜情况训练支持向量机，以此得到用于分类的费雷器。该方法识别率高、鲁棒性好、效率高，实用价值较高。进一步地，S1步骤中，采集连续30天的图像，每天采集24幅图像，每小时采集一幅。每天等时间间隔地获取图像，能够获取全面、大量的图像样本，为训练支持向量机做好充足的准备。为进一步提高识别效果，若S6输出错误的识别结果，则修改标签描述文件中相应的标签。因此，本方法随着长时间的使用，识别率会越来越高，可靠性越来越高。进一步地，S3步骤中，“1”代表“昼”，“-1”代表“夜”。采用简单的数字“1”、“-1”分别表示“昼”“夜”，便于支持向量机处理。进一步地，特征描述文件、标签描述文件都为文本文件。文本文件在计算机中便于保存，便于后续对这些文件处理，数据和程序容易移植。本专利技术的有益效果为：首先，本专利技术选取的描述图像的特征能够有效地区分昼夜，对图像质量的要求不高，具有很高的识别率和鲁棒性，从而大大拓宽了实际应用范围；其次，本专利技术采用SVM算法构建支持向量机，效率高，检测迅速，能满足实时性的需求；最后，本专利技术通过对错误样本的再训练，不断更新支持向量机，有效地提高了识别准确率，并且能更好地适用于多种场景，具有很高的实际应用价值。附图说明图1为本专利技术的室外昼夜区分方法的流程框图。图2为一天24时刻室外图像的平均亮度值的分布图。图3为某天白天场景的亮度直方图。图4为某天夜晚场景的亮度直方图。具体实施方式下面结合附图对本专利技术的结构进行详细解释说明。如图1所示本专利技术的室外昼夜区分方法的流程框图，一种室外昼夜区分方法，包括训练支持向量机和识别图像两个过程，训练支持向量机包括如下步骤：S1：采集连续多天的图像，记录每幅图像表示的昼夜情况，按照其表示的昼夜情况将图像分别存入“白天”、“夜晚”两个目录下；采集的图像样本用于后期的训练样本，每天的图像按时段划分，本实施例中，每天分成24个时段，每天采集24幅图像，每小时采集一幅，连续采集30天。S2：获取每幅图像的平均亮度值、亮度直方图，构成一维向量，某个图像的一维向量作为该图像的特征描述子；特征描述子是对图像自身特征的一种描述形式，本专利技术某幅图像的特征描述子是由图像平均亮度值、亮度直方图构成一维向量。具体来说，亮度值的范围是0-255，本专利技术将亮度值划分成10个区间，从0开始，前9个区间的区间间隔为25，最后1个区间的区间间隔为30，通过统计图像中所有像素点的亮度值，可以得到每个区间的像素点数量，以及每个区间的像素点数量在整幅图像中所占的比例，该十个比例值作为图像的一个特征描述。将图像的平均亮度值、十个比例值构成一个一维向量，作为图像的特征描述子。如图2所示，本实施例设定早晨6:00和傍晚19:00左右为昼夜交替点，可以明显看出，白天图像相对于夜晚图像，亮度值普遍较高，因此，本专利技术提取图像的平均亮度值作为图像的一种特征描述。首先，图像是由R、G、B三个分量组成并存储在计算机中，我们需要根据图像的RGB值来计算该图像的亮度值。RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。通常情况下，RGB各有256级亮度，用数字表示为从0、1、2...直到255。当三色数值都为255时为最亮的白色，都为0时为黑色。国际电信联盟ITU-RBT.601-6建议书中定义亮度Y的计算公式为：Y＝0.299·R+0.587·G+0.114·B由上述公式，我们可以求得第i个像素点的亮度值为Y(i)＝0.299·R(i)+0.587·G(i)+0.114·B(i)设图像共有n个像素点，则该图像的平均亮度值为从附图2可以看出，白天图像的平均亮度值基本在95以上，夜晚图像的平均亮度值基本在82以下。如图3、4所示白天、夜晚场景的亮度直方图，亮度直方图是亮度级的函数，它表示图像中具有某种亮度级的像素的个数，反映了图像中某种亮度出现的频率。在夜晚，由于没有自然光照明，需要有人造光源照明，才能使场景显现出来，这样往往使得场景的光照不均匀，有些区域处于高照度光照环境，有些区域处于低照度光照环境，还有些区域几乎没有照明，形成纯粹的黑暗区域。从附图3、4可以看出，白天场景的亮度值集中在亮度直方图的中间区域，而夜晚场景的亮度值集中在直方图的前端，当路面光线比较明亮或者车灯比较多的时候，亮度值则集中在直方图的两端。S3：将所有图像的特征描述子写入到特本文档来自技高网...

【技术保护点】
一种室外昼夜区分方法，包括训练支持向量机和识别图像两个过程，其特征在于：训练支持向量机包括如下步骤：S1：采集连续多天的图像，记录每幅图像表示的昼夜情况，按照其表示的昼夜情况将图像分别存入“白天”、“夜晚”两个目录下；S2：获取每幅图像的平均亮度值、亮度直方图，构成一维向量，某个图像的一维向量作为该图像的特征描述子；S3：将所有图像的特征描述子写入到特征描述文件，并对应地将上述所有图像的“昼”标签/“夜”标签写入到标签描述文件；S4：使用特征描述文件和标签描述文件训练支撑向量机，得到分类器；识别图像包括如下步骤：S5：获取待识别图像的特征描述子；S6：将待识别图像的特征描述子送入S4得到的分类器中，输出识别结果。

【技术特征摘要】
1.一种室外昼夜区分方法，包括训练支持向量机和识别图像两个过程，其特征在于：训练支持向量机包括如下步骤：S1：采集连续多天的图像，记录每幅图像表示的昼夜情况，按照其表示的昼夜情况将图像分别存入“白天”、“夜晚”两个目录下；S2：获取每幅图像的平均亮度值、亮度直方图，构成一维向量，某个图像的一维向量作为该图像的特征描述子；S3：将所有图像的特征描述子写入到特征描述文件，并对应地将上述所有图像的“昼”标签/“夜”标签写入到标签描述文件；S4：使用特征描述文件和标签描述文件训练支撑向量机，得到分类器；识别图像包括如下步骤：S5：...

【专利技术属性】
技术研发人员：马华东，傅慧源，靳龙飞，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11