【技术实现步骤摘要】
本专利技术涉及能见度检测，具体地说，涉及一种基于图片的能见度检测方法、系统、计算机和存储介质。
技术介绍
1、道路能见度是道路交通安全的一个重要指标，它描述了驾驶员在道路上能够清晰看到和识别目标的程度。良好的道路能见度可以减少事故的发生，并提高驾驶员对道路环境的感知能力；能见度的降低会影响驾驶人对道路几何线形和交通流状态等信息的感知,进而易诱发道路交通事故。因此，道路能见度的准确检测和评估对于提高交通安全至关重要。当出现降雨、雾、霾、沙尘暴等天气过程时，大气透明度较低，因此能见度较差。考虑到异常气象发生频繁且毫无规律，单凭少数道路沿线的大气透射仪、激光能见度自动测量仪等观测仪器已无法满足全国高密度路网的实况监控需求。为了提高交通安全，道路能见度的准确评估至关重要。因而需要基于摄像头图像的能见度解析方法，实时监测道路能见度，对道路能见度恶化进行及时预警，以便道路管理部门采取积极措施，减少事故发生，保障道路交通的安全与畅通。
技术实现思路
1、本专利技术的内容是提供一种基于图片的能见度检测方法、系统、计算机和存储介质，其能够实现场景能见度的快速、高效、准确检测。
2、根据本专利技术的基于图片的能见度检测方法，其包括以下步骤：
3、1)将输入视频流，进行视频抽帧处理，获取交通道路场景图片；
4、2)机动车目标检测
5、2.1)针对交通道路场景数据或图片，使用训练好的yolov5s机动车目标检测模型检测出图片上的机动车目标；
6、
7、3)目标测距
8、3.1)根据机动车目标的顶点坐标，计算每辆机动车的像素宽度p；
9、3.2)根据每辆机动车的像素宽度p，计算每辆机动车到摄像头的水平距离d；
10、3.3)根据每辆机动车的到摄像头的水平距离d，计算摄像头到每辆机动车的直线距离t；
11、3.4)根据机动车目标的顶点坐标，计算得到每辆机动车的中心到图像底部的像素距离y；根据每辆机动车的到摄像头的直线距离t，对y和t进行偏离值清洗和排序，然后进行非线性回归计算，得到y＝a*ln(b*t)+c中的a、b、c参数值；最后分别计算输出x对应的图像位置信息yx＝a*ln(b*x)+c；
12、4)能见度等级分类检测
13、根据交通道路场景数据或图片，使用训练好的resnet50能见度分类模型对目标图片进行能见度等级分类检测，得到能见度分类等级；
14、5)能见度结果融合
15、根据目标测距能见度图像位置信息，与能见度分类等级进行匹配，若结果匹配一致，则输出最终结果。
16、作为优选，步骤2.1)中，yolov5s机动车目标检测模型的训练方法如下：
17、a)建立机动车目标检测数据集
18、①采集交通道路监控视频，从视频中选择出存在机动车的场景；
19、②将视频抽帧成图片，去除重复图片；
20、③标注图片上的机动车目标，制作机动车目标检测数据集；
21、b)目标检测模型训练
22、使用yolov5s模型训练机动车目标检测数据集，得到yolov5s机动车目标检测模型。
23、作为优选，步骤3.1)中，每辆机动车的像素宽度p的计算公式为：
24、p＝x2-x1。
25、作为优选，步骤3.2)中，每辆机动车到摄像头的水平距离d的计算公式为：
26、d＝(f*w)/p
27、其中f为摄像头焦距、w为机动车的物理宽度。
28、作为优选，步骤3.3)中，摄像头到每辆机动车的直线距离t的计算公式为：
29、
30、其中h为摄像头垂直高度。
31、作为优选，步骤3.3)中，输出x为50m 100m 200m 500m能见度。
32、作为优选，步骤4)中，resnet50能见度分类模型的训练方法如下：
33、a)建立交通道路能见度分类数据集
34、①采集交通道路监控视频，从视频中选择出不同等级的能见度交通道路场景；
35、②将视频抽帧成图片，去除重复图片；
36、③标注不同等级的能见度交通道路场景图片，制作交通道路能见度分类数据集；
37、b)能见度分类模型训练
38、使用resnet50模型训练交通道路能见度分类数据集，得到resnet50能见度分类模型。
39、本专利技术提供了一种基于图片的能见度检测系统，其采用上述的基于图片的能见度检测方法。
40、本专利技术提供了一种基于图片的能见度检测的计算机，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
41、本专利技术提供了一种基于图片的能见度检测的存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
42、本专利技术能够满足各种交通道路场景下能见度的检测，采用的目标检测、测距拟合、分类融合方案可以实现场景能见度的快速、高效、准确检测。
本文档来自技高网...【技术保护点】
1.基于图片的能见度检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图片的能见度检测方法，其特征在于：步骤2.1)中，YOLOv5s机动车目标检测模型的训练方法如下：
3.根据权利要求2所述的基于图片的能见度检测方法，其特征在于：步骤3.1)中，每辆机动车的像素宽度P的计算公式为：
4.根据权利要求3所述的基于图片的能见度检测方法，其特征在于：步骤3.2)中，每辆机动车到摄像头的水平距离D的计算公式为：
5.根据权利要求4所述的基于图片的能见度检测方法，其特征在于：步骤3.3)中，摄像头到每辆机动车的直线距离T的计算公式为：
6.根据权利要求5所述的基于图片的能见度检测方法，其特征在于：步骤3.3)中，输出X为50m 100m 200m 500m能见度。
7.根据权利要求6所述的基于图片的能见度检测方法，其特征在于：步骤4)中，ResNet50能见度分类模型的训练方法如下：
8.基于图片的能见度检测系统，其特征在于：其采用如权利要求1-7中任一项所述的基于图片的能见度检测方法。<...
【技术特征摘要】
1.基于图片的能见度检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图片的能见度检测方法，其特征在于：步骤2.1)中，yolov5s机动车目标检测模型的训练方法如下：
3.根据权利要求2所述的基于图片的能见度检测方法，其特征在于：步骤3.1)中，每辆机动车的像素宽度p的计算公式为：
4.根据权利要求3所述的基于图片的能见度检测方法，其特征在于：步骤3.2)中，每辆机动车到摄像头的水平距离d的计算公式为：
5.根据权利要求4所述的基于图片的能见度检测方法，其特征在于：步骤3.3)中，摄像头到每辆机动车的直线距离t的计算公式为：
6.根据权利要求5所述的基于图片的能见度检测方法，其特征...
【专利技术属性】
技术研发人员：穆翀，王亚茹，
申请(专利权)人：北京易华录信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。