一种场景先验约束下高速公路视频监控可视距离确定方法技术

本发明专利技术设计了一个场景先验约束下高速公路视频监控可视距离确定方法，属于图像处理领域

【技术实现步骤摘要】
一种场景先验约束下高速公路视频监控可视距离确定方法


[0001]本专利技术涉及一种场景先验约束下高速公路视频监控可视距离确定方法
。

技术介绍

[0002]近年来交通安全的重要性与日俱增，而雾天时雾气在各路段的分布情况往往有所不同，随着智慧交通系统的推进，如果能够实时监测大范围内各路段的可视距离将可以大大提升交管部门对雾天道路安全的管控能力
。
[0003]当前检测道路可视距离的方法虽已相对成熟，但仍然存在以下问题：
[0004](1)
目前的能见度测量仪难以普及
[0005]当前检测道路可视距离的途径普遍是架设价格高昂的专业气象设备，具有检测精度高的优点
。
但是这种方式成本较高，往往只能应用于重点路段，无法实现大范围的广泛检测
。
[0006](2)
目前的道路能见度检测算法可视距离判断依据单一
[0007]当前道路能见度检测算法往往只依据某一单独原理获取可视距离结果，其判断依据大多为气象学对能见度定义的某一推论，但是这种基于单一依据的能见度检测算法会在某些特定场景失效，算法的泛用性较差
。
[0008](3)
目前的道路能见度检测算法没有充分利用高速公路结构化场景信息和场景先验
[0009]就高速公路这一应用场景和道路架设监控摄像头这一具体设备存在丰富的结构化信息可供利用来说，当前算法大多未针对这一场景进行针对性优化
。

技术实现思路

[0010]针对现有系统存在的上述问题，本专利技术提供了一种场景先验约束下高速公路视频监控可视距离确定方法，其获得了以下效果：
1)
实现了高速公路结构化场景信息自动学习，实现摄像机景深标尺的自动化标定；
2)
能够充分利用高速公路场景的先验信息，包括结构化信息
、
历史背景信息和车辆车型信息；
3)
能够基于多个可视距离判断基准自适应计算最终可视距离估计结果
。
[0011]根据本专利技术的一个方面，提供了一种场景先验约束下高速公路视频监控可视距离确定方法，其特征在于包括如下步骤：
[0012]A)
自动学习高速公路结构化场景信息，根据摄像头当前固定视角下的长期视频流生成多帧融合的背景图片；
[0013]B)
基于高速公路场景先验和车辆车型先验实现单目摄像头成像画面实际距离变换标尺的标定；
[0014]C)
根据多帧融合得到的清晰背景边缘图，从当前天候下的实时成像画面中提取边缘信息并与背景边缘信息比较，获得当前天候实时的边缘不可见点坐标，将上述坐标代入单目摄像头成像画面实际距离变换标尺，获得第一可视距离基准；
[0015][0016]其中，
L1为第一可视距离基准，
λ
为相机投影模型标定参数，
diff
y
为背景边缘图与当前可见边缘信息比较得到的最远边缘位置行坐标
。
[0017]D)
统计近期成像画面中车辆识别模型能检测到的最远车辆位置坐标，将上述坐标代入单目摄像头成像画面实际距离变换标尺，获得第二可视距离基准；
[0018][0019]其中，
L2为第二可视距离基准，
box
y
为目标识别检测框上边缘的行坐标
。
[0020]E)
对摄像机的成像画面使用基于颜色椭球先验的透射率计算算法，获得实时透射率图，并基于步骤
A)
中收集的历史场景信息对透射率图进行修正以去除与场景人造物体颜色强相关的透射率信息，再对透射率图进行自适应的区域划分以获得高透射率区域下边界的坐标
。
将上述坐标代入单目摄像头成像画面实际距离变换标尺，获得第三可视距离基准；
[0021][0022]其中，
L3为第三可视距离基准，
roi
y
为区域分割后得到的高透射率区域的下边缘行坐标值
。
[0023]F)
智能感知当前天候雾气浓度情况，在晴天或薄雾
、
有雾
、
浓雾三种情况下将步骤
C)、D)、E)
中获得的三个可视距离基准代入不同计算模型，得出最终估计可视距离值
。
可视距离测算值为大于
500m
的场景下，算法输出可视距离以背景比较结果为准，
L
out
＝
L1。
在雾气较浓但是未覆盖整个摄像头成像画面的情况下
L
out
＝
L1+0.4*min{|L2‑
L1|
，
|L3‑
L1|}。
在浓雾天气摄像头成像画面整体均被雾气覆盖的情况下，算法输出结果为：
L
out
＝
(L2+L3)/2
；
附图说明
[0024]图1为根据本专利技术的一个实施例的多帧融合生成背景图片图
。
[0025]图
2(A)
为根据本专利技术的一个实施例的历史背景信息图，图
2(B)
为当前实时画面边缘图
。
[0026]图
3(A)
为根据本专利技术的一个实施例的调整前透射率图，图
3(B)
为进行透射率原色调整并区域分割后的透射率图
。
具体实施方式
[0027]根据本专利技术的一个实施例的场景先验约束下高速公路视频监控可视距离确定方法包括如下步骤：
[0028]a)
基于摄像头当前固定视角下的长期视频流，生成多帧融合的背景图片，以提取结构化信息；
[0029]b)
基于高速公路结构化场景先验与车辆车型先验，进行摄像机景深标尺的标定；
[0030]c)
基于成像区域历史背景信息和当前可见边缘对比，获得第一可视距离基准；
[0031]d)
统计车辆识别得到的最远车辆位置坐标，获得第二可视距离基准；
[0032]e)
基于历史场景信息对透射率图进行修正并获得高透射率区域下边界的坐标，获得第三可视距离基准；
[0033]f)
将第一至第三可视距离基准代入最终可视距离计算模型，得出最终估计可视距离值
。
[0034]现在说明上述操作的具体实施例
。
[0035]a)
背景图片生成
[0036]高速公路架设摄像头通常长时间拍摄固定视角下的画面，因此可以通过多帧融合的画面长曝光算法提取背景信息
。
[0037]在长曝光过程中持续提取画面边缘信息并定期设定二值化阈值以去除画面中运动目标留下的虚影，最终得到干扰信息较少的道路场景边缘背景图，所述边缘背景图的一个示例如图
1。
[0038]b)
相机景深标尺确定
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种场景先验约束下高速公路视频监控可视距离确定方法，其特征在于包括如下步骤：
A)
根据摄像头当前固定视角下的长期视频流，生成多帧融合的背景图片；
B)
基于高速公路场景先验和车辆车型先验，进行单目摄像头成像画面实际距离变换标尺的标定；
C)
根据多帧融合得到的清晰背景边缘图，从当前天候下的实时成像画面中提取边缘信息并与背景边缘信息比较，获得当前天候实时的边缘不可见点坐标，将上述边缘不可见点的坐标代入单目摄像头成像画面实际距离变换标尺，获得第一可视距离基准；其中，
L1为第一可视距离基准，
v
p
为成像画面消失点横坐标，
λ
为相机投影模型标定参数，
diff
y
为背景边缘图与当前可见边缘信息比较得到的最远边缘位置行坐标，
D)
统计近期成像画面中车辆识别模型能检测到的最远车辆位置的坐标，将上述最远车辆位置的坐标代入单目摄像头成像画面实际距离变换标尺，获得第二可视距离基准；其中，
L2为第二可视距离基准，
box
y
为目标识别检测框上边缘的行坐标，
E)
对摄像机的成像画面使用基于颜色椭球先验的透射率计算算法，获得实时透射率图，并基于步骤
A)
中收集的长期视频流对实时透射率图进行修正以去除与场景人造物体颜色强相关的透射率信息，再对实时透射率图进行自适应的区域划分以获得高透射率区域下边界的坐标，将上述高透射率区域下边界的坐标代入单目摄像头成像画面实际距离变换标尺，获得第三可视距离基准；其中，
L3为第三可视距离基准，
roi
y
为区域分割后得到的高透射率区域的下边缘行坐标值，
F)
根据当前天候雾气浓度情况，确定可视距离值，包括：在可视距离测算值为大于
500m
的场景下，取
L
out
＝
L1，在雾气较浓但是未覆盖整个摄像头成像画面的情况下取
L
out
＝
L1+0.4*min{|L2‑
L1|
，
|L3‑
L1|}
，在浓雾天气摄像头成像画面整体均被雾气覆盖的情况下，取
L
out
＝
(L2+L3)/2。
，其中：步骤
B)
包括：根据投影关系，把成像图片中任意一行坐标
v
与坐标原点的实际距离
d
表示为：其中，
v
p
为成像画面消失点行坐标，
λ
由一对已知实际距离的像素点标定：
其中，
d1‑
d2为所述一对像素点的实际相对距离，
v1、v2为这对像素点各自的行坐标
...

【专利技术属性】
技术研发人员：胡海苗，许云深，黎世豪，
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：