一种低照条件下智能交通监控的方法、装置以及系统制造方法及图纸

本发明专利技术提供的一种低照条件下智能交通监控的方法、装置以及系统，相对于现有技术存在时间复杂度高，对三基色存在的相关性考虑不足，增强后图像色彩容易失真等问题，本发明专利技术提供的一种低照条件下智能交通监控的方法、装置以及系统，解决现有技术的缺陷，出主要对夜晚等低照度基于视频的交通车辆检测与跟踪系统中的原始图像进行增强处理方法。本文方法首先对RGB颜色空间三通道之间的互相关进行分析,提出三通道联合增强方法。其次，针对智能交通图像的特点，提出亮度和对比度相融合的增强方法。另外，通过客观评价图像质量自适应地计算出增强所需参数值，完成自适应增强，使图像具有很高的辨识度，在后续图像处理中，有更高的识别性。

A method, device and system for intelligent traffic monitoring under low illumination conditions

The invention provides a low illumination method, intelligent traffic monitoring device and system, compared with the existing technology has high time complexity, lack of consideration on the correlation of three primary problems exist, the enhanced image color distortion, the invention provides a low illumination method, intelligent traffic monitoring device and the system, to solve the defects of the existing technology, mainly on the night of the original low illumination image of the traffic video vehicle detection and tracking system based on enhanced processing method. In this paper, the cross correlation between the three channels of the RGB color space is analyzed, and the three channel joint enhancement method is proposed. Secondly, in view of the characteristics of intelligent traffic images, the enhancement method of brightness and contrast is proposed. In addition, through objective evaluation of image quality, we can automatically calculate the required parameters of the enhancement, and achieve adaptive enhancement, so that the image has a high degree of recognition, and has higher recognition in subsequent image processing.

【技术实现步骤摘要】
一种低照条件下智能交通监控的方法、装置以及系统
本专利技术涉及智能交通领域，特别是涉及一种低照条件下智能交通监控的方法、装置以及系统。
技术介绍
进入21世界以来，世界经济迅速发展，人们生活水平不断提高，这一切都得益于道路交通及车辆运输的飞速发展，但同时又由于汽车数量的急剧增长，世界各国交通拥挤、环境严重污染等因素反而又制约社会经济的发展及人们生活质量的改善，另外不断下降的交通效率及不断增涨的交通事故难以得到改善。在环境与资源矛盾日益突出的今天，单纯的靠道路设施的增长等基础手段来解决运输需求已不能满足社会发展的需要，如何借助先进技术来保证交通运输的高效及安全性是当今的热门问题，基于这一背景，智能交通系统(ITS)应运而生。智能交通系统是整个运输管理系统的高效管理层，它将电子控制技术、数据通信传输技术、信息技术及计算机处理技术等高科技有效集中来管理道路运输系统，由此以来，形成的综合运输管理系统更加准确高效，并能在全方位、大范围内发挥作用。国内及世界各发达国家都投入大量的资金及科研人员将ITS视为未来道路交通的重要发展方向，力求应用先进的技术对交通数据实时分析处理，对道路交通运输做出迅速诱导控制，提高交通设施利用率，降低交通事故发生率，保证出行安全，减轻拥挤程度，从而使交通运输行业的集约式发展成为可能。目前智能交通监控基于视网膜+皮层理论的色彩恒常技术，该技术存在时间复杂度高，对三基色存在的相关性考虑不足，增强后图像色彩容易失真等问题。
技术实现思路
本专利技术的一个目的是要提供一种低照条件下智能交通监控的方法、装置以及系统，以解决目前智能交通监控基于视网膜+皮层理论的色彩恒常技术存在的技术缺陷。第一方面，本申请实施例提供一种低照条件下智能交通监控的方法，所述方法包括：步骤S101：跟踪目标，并获取图像；步骤S102：恢复图像，并分析图像基本属性；步骤S103：处理图像饱和度；步骤S104：处理图像亮度；步骤S105：处理图像对比度；步骤S106：处理图像自适应性；步骤S107：输出结果，并储存并上传图像。结合本申请的第一方面，在本申请第一方面的第二种可实施方式中，所述步骤S103：处理图像饱和度，包括采用三通道联合增强。结合本申请的第一方面，在本申请第一方面的第三种可实施方式中，所述步骤S106：处理图像自适应性，包括：对图像做出整体评价，计算出增强所需参数值。第二方面，本申请实施例提供一种低照条件下智能交通监控的装置，其特征在于，包括：图像获取单元，用于跟踪目标，并获取图像；图像分析单元，用于恢复图像，并分析图像基本属性；图像第一处理单元，用于处理图像饱和度；图像第二处理单元，用于处理图像亮度；图像第三处理单元，用于处理图像对比度；图像第四处理单元，用于处理图像自适应性；图像输出单元，用于输出结果，储存并上传图像。结合本申请的第二方面，在本申请第二方面的第二种可实施方式中，图像第一处理单元，用于处理图像饱和度，包括采用三通道联合增强。结合本申请的第二方面，在本申请第二方面的第三种可实施方式中，图像第四处理单元，用于处理图像自适应性，包括：对图像做出整体评价，计算出增强所需参数值。第三方面，本申请实施例提供一种低照条件下智能交通监控的系统，其特征在于，包括：计算机、图像采集器；所述图像采集器与所述计算机连接；所述图像采集器，用于跟踪目标，并获取图像；所述计算机，用于恢复恢复图像，并分析图像基本属性，处理图像饱和度，处理图像亮度，处理图像对比度，处理图像自适应性，输出结果，并储存并上传图像。本专利技术实施例提供的一种低照条件下智能交通监控的方法、装置以及系统，相对于现有技术智能交通监控基于视网膜+皮层理论的色彩恒常技术，该技术存在时间复杂度高，对三基色存在的相关性考虑不足，增强后图像色彩容易失真等问题，本专利技术提供的一种低照条件下智能交通监控的方法、装置以及系统，解决现有技术的缺陷，出主要对夜晚等低照度基于视频的交通车辆检测与跟踪系统中的原始图像进行增强处理方法。本文方法首先对RGB颜色空间三通道之间的互相关进行分析,提出三通道联合增强方法。其次，针对智能交通图像的特点，提出亮度和对比度相融合的增强方法。另外，通过客观评价图像质量自适应地计算出增强所需参数值，完成自适应增强，使图像具有很高的辨识度，在后续图像处理中，有更高的识别性。附图说明后文将参照附图以示例性而非限制性的方式详细描述本专利技术的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：图1为本申请实施例一种低照条件下智能交通监控的方法流程图。具体实施方式本下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，第一方面，本申请实施例提供的一种低照条件下智能交通监控的方法，所述方法包括：步骤S101：跟踪目标，并获取图像；步骤S102：恢复图像，并分析图像基本属性；在对图像进行摄取、传输、储存和处理等过程中，会造成某些失真致使人物图像发生退化，图像会产生模糊、失真、有噪声等现象。恢复人物图像就是要对恢复人物图像质量进行改善，尽可能恢复给定恢复人物图像的原来的真实面貌。步骤S103：处理图像饱和度；所谓饱和度也就是色彩的纯度，纯度与视觉效果息息相关，纯度高的视觉表现则鲜明，纯度低的视觉效果则较为暗淡。在RGB颜色空间，饱和度是用三通道像素值的比例直观表示的。步骤S104：处理图像亮度；在智能交通检测主要表现为夜晚等低照度条件下亮度偏暗,前景与背景区分度不大,一方面观看不理想,另一方面对图像进行运动车辆分割、识别等其他工作带来影响。因此，必须对亮度进行校正，以确保智能交通系统的全天候工作。步骤S105：处理图像对比度；在智能交通检测主要表现为夜晚等低照度条件下对比度低，前景与背景区分度不大,一方面观看不理想,另一方面对图像进行运动车辆分割、识别等其他工作带来影响。因此，必须对对比度进行校正，以确保智能交通系统的全天候工作。步骤S106：处理图像自适应性；对于智能交通监控这一实时应用背景，周围及噪声复杂性极高，需要增强图像自适应性。首先对图像做出整体评价，计算出增强所需参数值，这相比局部自适应调整，大大降低了时间复杂度，能够实现实时自适应增强处理。步骤S107：输出结果，并储存并上传图像。本专利技术的一个目的是要提供一种低照条件下智能交通监控的方法、装置以及系统，以解决目前智能交通监控基于视网膜+皮层理论的色彩恒常技术存在的技术缺陷。具体地，所述图像基本属性包括:图像饱和度、亮度、对比度以及自适应性。低照条件下，主要影响图像的饱和度、亮度、对比度以及自适应性，因此，仅需要分析图像的饱和度、亮度、对比度以及自适应性这四个基本属性。具体地，所述步骤S103：处理图像饱和度，包括采用三通道联合增强。三通道联合增强不仅使用相同的变换函数，所用参数也相同，复杂度远远低于三通道联合均衡化方法，在智能交通视频监控领域是简单而有效的处理方法。在三个通道独立处理后图像色彩信息丢失主要是处理后三个本文档来自技高网...

【技术保护点】
一种低照条件下智能交通监控的方法，其特征在于，所述方法包括：步骤S101：跟踪目标，并获取图像；步骤S102：恢复图像，并分析图像基本属性；步骤S103：处理图像饱和度；步骤S104：处理图像亮度；步骤S105：处理图像对比度；步骤S106：处理图像自适应性；步骤S107：输出结果，储存并上传图像。

【技术特征摘要】
1.一种低照条件下智能交通监控的方法，其特征在于，所述方法包括：步骤S101：跟踪目标，并获取图像；步骤S102：恢复图像，并分析图像基本属性；步骤S103：处理图像饱和度；步骤S104：处理图像亮度；步骤S105：处理图像对比度；步骤S106：处理图像自适应性；步骤S107：输出结果，储存并上传图像。2.根据权利要求1所述的方法，其特征在于，所述图像基本属性包括:图像饱和度、亮度、对比度以及自适应性。3.根据权利要求1所述的方法，其特征在于，所述步骤S103：处理图像饱和度，包括采用三通道联合增强。4.根据权利要求1所述的方法，其特征在于，所述步骤S106：处理图像自适应性，包括：对图像做出整体评价，计算出增强所需参数值。5.一种低照条件下智能交通监控的装置，其特征在于，包括：图像获取单元，用于跟踪目标，并获取图像；图像分析单元，用于恢...

【专利技术属性】
技术研发人员：申娟，
申请(专利权)人：申娟，
类型：发明
国别省市：广东,44