一种面向高速公路的恶劣天气识别方法和装置制造方法及图纸

本发明专利技术公开了一种面向高速公路的恶劣天气识别方法与装置，包括：

【技术实现步骤摘要】
一种面向高速公路的恶劣天气识别方法和装置


[0001]本专利技术涉及一种面向高速公路的恶劣天气识别方法和装置
。

技术介绍

[0002]恶劣天气如雾
、
雨
、
雪
、
沙尘等会在高速公路上造成路面湿滑和能见度降低，从而增加交通事故的风险
。
因此，需要有效的高速公路恶劣天气识别方法，确保对恶劣天气进行提取预警，从而减少事故的发生和伤亡
。
目前传统的高速公路恶劣天气检测方法主要依赖于在公路两侧或沿线特定位置布设气象传感器，通过观测气象要素来实现恶劣天气的检测
。
然而，这种方法由于气象传感器成本较高，无法进行密集型布设
。
[0003]为了解决这一问题，相关技术提出了一系列基于在高速公路路网广泛部署的监控摄像头的恶劣天气识别方法
。
这种方法通过对监控摄像头拍摄的图像进行分析和处理，来进行天气的分类识别
。
然而，由于恶劣天气的多样性
、
复杂性和多变性，现有技术尚无法对雾
、
雨
、
雪
、
沙尘等所有恶劣天气进行准确分类，导致分类的准确率无法满足实际应用的要求
。

技术实现思路

[0004]基于现有技术的上述问题，有必要针对上述问题，提供一种识别种类全面
、
准确率高的面向高速公路的恶劣天气识别方法和装置
。
[0005]根据本专利技术的一个方面，提供了一种面向高速公路的恶劣天气识别方法，其特征在于包括：
[0006]A)
采集在高速公路环境拍摄的视频，搭建恶劣天气数据集；
[0007]B)
对上述采集的数据集进行标记分类，具体分为夜晚
、
沙尘
、
雾天
、
雨天
、
雪天
、
阴天和晴天七大类；
[0008]C)
将输入的视频帧
I
转换到
HSV
色彩通道，获取色度分量
、
饱和度分量和亮度分量；
[0009]D)
输入亮度分量，检测过曝区域，得到非过曝区域
mask
；
[0010]E)
对视频帧
I
非过曝区域提取场景光照分量
、
提取纹理特征
、
估计场景透射率和计算运动目标向量；
[0011]F)
根据所述视频帧非过曝区域的光照分量
、
纹理特征
、
场景透射率
、
运动信息
、
色度分量
、
饱和度分量和亮度分量，对所述视频进行天气识别，依照顺序分别识别夜晚
、
沙尘
、
雾天
、
雨天
、
雪天
、
阴天和晴天；
[0012]G)
统计多帧的检测结果，采取多帧投票的方式最终确定当前场景的天气类型，
[0013]其中所处步骤
E
包括
[0014]E1)
根据步骤
C)
提取的亮度分量，将所述亮度分量输入最小二乘滤波算法，获取光照分量，
[0015]E2)
将图像转为灰度图像，构建灰度共生矩阵，计算角二阶矩，熵，对比度等指标，从而获得纹理特征，
[0016]E3)
计算相邻像素差值提取局部梯度纹理特征，使用亮度分量，根据
CEP
椭球先验估计初始透射率，使用局部梯度纹理信息作为置信度权重对初始透射率进行修正，得到场景透射率
。
[0017]E4)
利用高斯金字塔生成一系列不同分辨率的图像，构建金字塔；利用
FAST
角点检测特征点并进行跟踪；再利用字塔
Lucas
‑
Kanade
光流估计算法对特征点进行光流估计，得到运动信息
。
[0018]所述步骤
F)
包括：
[0019]F1)
根据经验设置亮度阈值，统计低于阈值的暗像素占非过曝区域像素的占比以及非过曝场景的平均亮度，设置占比阈值和平均亮度阈值，判断该场景是否属于夜晚，如果是夜晚则识别下一帧；
[0020]F2)
如果不是夜晚，则继续判断是否为沙尘天
。
针对沙尘天，根据场景的色度分量获取当前场景整体的色彩信息，设置色度阈值，计算非过曝区域的平均色度，根据色彩判断当前场景是否属于沙尘天，如果是沙尘天则识别下一帧；
[0021]F3)
如果不是沙尘天，则继续判断是否为雾天
。
针对雾天，计算非过曝区域上半部分的低透射率值占比，平均透射强度和平均饱和度，并设置相应阈值，根据阈值判断当前场景是否为雾天，如果是雾天则识别下一帧；
[0022]F4)
如果不是雾天，则继续判断是否为雨天或者雪天
。
针对雨天和雪天
、
结合非过曝区域的运动信息
、
色度信息和纹理特征离线训练
svm
模型，在线推理，判断当前场景是否是雨天或雪天，如果是雨天或雪天则识别下一帧；
[0023]F5)
如果不是雨天和雪天，则继续判断是否为阴天天或者晴天
。
针对阴天和晴天，根据非过曝区域的平均亮度和平均光照强度离线训练一个
svm
模型，通过在线推理，判断当前场景是阴天还是晴天；
[0024]F6)
为了保证检测结果的稳定性，统计多帧的检测结果，采取多帧投票的方式最终确定当前场景的天气类型
。
[0025]根据本专利技术的另一个方面，提供了一种面向高速公路的恶劣天气识别装置，其特征在于包括：
[0026]获取模块，用于获取高速公路的视频；
[0027]特征提取模块，用于提取所述视频帧非过曝区域的光照分量
、
纹理特征
、
场景透射率
、
运动信息
、
色度分量
、
饱和度分量和亮度分量；
[0028]识别模块，用于根据所述视频帧非过曝区域的光照分量
、
纹理特征
、
场景透射率
、
运动信息
、
色度分量
、
饱和度分量和亮度分量，对所述视频进行分类得到天气类别
。
附图说明
[0029]图1是根据本专利技术的一种面向高速公路的恶劣天气识别方法的整体流程示意图
。
[0030]图2是根据本专利技术的一种面向高速公路的恶劣天气识别装置的结构框图
[0031]具体实施
[0032]根据本专利技术的一个实施例的恶劣天气识别方法如图1所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向高速公路的恶劣天气识别方法，其特征在于包括如下步骤：
A)
采集在高速公路环境拍摄的视频，搭建恶劣天气视频数据集；
B)
对上述采集的数据集进行天气类型识别和标记分类，把数据集的天气类型识别和分类为夜晚
、
沙尘
、
雾天
、
雨天
、
雪天
、
阴天和晴天七大类；
C)
将输入的视频帧
I
转换到
HSV
色彩通道，获取色度分量
、
饱和度分量和亮度分量；
D)
输入亮度分量，检测过曝区域，得到非过曝区域
mask
；
E)
对视频帧
I
非过曝区域提取场景光照分量
、
提取纹理特征
、
估计场景透射率和计算运动目标向量；
F)
根据所述视频帧非过曝区域的光照分量
、
纹理特征
、
场景透射率
、
运动信息
、
色度分量
、
饱和度分量和亮度分量，对所述视频进行天气识别，依照顺序分别识别夜晚
、
沙尘
、
雾天
、
雨天
、
雪天
、
阴天和晴天；
G)
统计多帧结果，采取多帧投票的方式最终确定当前场景的天气类型，其中：步骤
E
中提取场景光照分量的操作包括：提取视频帧的亮度分量，将所述亮度分量输入最小二乘滤波算法，获取光照分量，步骤
E
中提取纹理特征的操作包括：将图像转为灰度图像；构建灰度共生矩阵；计算角二阶矩，熵，对比度指标，获得纹理特征，步骤
E
中估计场景透射率的操作包括：计算相邻像素差值提取局部梯度纹理特征；输入亮度分量，根据
CEP
椭球先验估计...

【专利技术属性】
技术研发人员：胡海苗，徐彬鑫，张译丹，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：