[發明專利]基于道路攝像頭的能見度智能估測方法

有效

• 申請號: 201710924014.6
• 申請日: 2017-09-30
• 公開（公告）號: CN107705330B
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 苗開超;周建平;姚葉青;劉承曉;夏同飛;陳峰;楊棟樞;李志;羅西昌;王傳輝;陶鵬;崔夢梟;劉瀟;左晨亮
• 申請（專利權）人: 安徽省公共氣象服務中心;安徽繼遠軟件有限公司
• 主分類號: G06T7/50
• 分類號: G06T7/50;G01N21/84
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 婁岳

1.一種基于道路攝像頭的能見度智能估測方法，其特征在于，包括如下方法：

數據采集步驟：在道路攝像頭采集視頻圖像時，同步調取附近氣象站點能見度儀采集的歷史數據；

失真圖像過濾步驟：視頻傳輸過程中，通過YCbCr分量函數和RGB分量函數，提取特征變量，并進行量化分析，得到衡量圖像失真偏差值，對圖像進行過濾處理；

分析模型構建步驟：分析歷史圖像中特征變量的變化情況，利用深度學習和卷積神經網絡構建圖像能見度值分析模型，估測出圖像中能見度的值；

所述分析模型構建步驟具體包括如下步驟：

提取給定無標簽數據步驟：獲取圖像的清晰度、像素點灰度值以及像素點能量值衰減的數據值，不進行標記，具體采用以下公式：

d(x,y)＝|f(x+1,y)-f(x,y)|²+|f(x,y+1)-f(x,y)|²

其中，d(x,y)表示圖像的像素矩陣中x行y列對應的像素點的能量值f(x,y)表示圖像的像素矩陣中x行y列對應的像素點的灰度值，f(x+1,y)表示圖像的像素矩陣中(x+1)行y列對應的像素點的灰度值，f(x,y+1)表示圖像的像素矩陣中x行(y+1)列對應的像素點的灰度值，B表示圖像清晰度，m、n表示圖像像素矩陣的行數與列數；

提取圖像特征步驟：獲取特征變量和給定無標簽數據，用無監督學習相關算法，提取圖像特征；

構建模型步驟：通過深度學習模型、分類回歸模型、深度自適應結構網絡，兩個卷積神經網絡作為卷積層，使用ReLU作為激活函數，利用softmax函數作為輸出，構建圖像能見度值分析模型：

其中，S表示評估出的二值圖像能見度數值，T_i表示對應特征數值，P_i表示該特征影響整張圖像概率，w_i表示特征對應權重。

2.根據權利要求1所述的能見度智能估測方法，其特征在于，在分析模型構建步驟之前還包括移動圖像去噪步驟，該步驟具體為：

使用計算位移向量來初始化基于輪廓的跟蹤算法，捕獲圖像中移動的目標；

根據YCbCr分量函數和RGB分量函數提取的特征變量，并基于OpenCV圖像修補函數，對圖像移動目標進行背景差異化分析，利用顏色分量的填充和修補進行圖像去噪。

3.根據權利要求1或2所述的能見度智能估測方法，其特征在于，失真圖像過濾步驟中，YCbCr分量函數和RGB分量函數提取的特征變量為圖像亮度、紅色分量、藍色分量、R分量、G分量和B分量，所述衡量圖像失真偏差值D_t通過以下公式計算得到：

D_t＝[(L_后-L_前)*W_L]+[(R_后-R_前)*W_r]+[(G_后-G_前)*W_g]+[(B_后-B_前)*W_b]

其中，D_t表示t幀圖像的失真偏差值，L_后與L_前分別表示t幀圖像的后一幀和前一幀圖像亮度，G_后與G_前分別表示t幀圖像的后一幀和前一幀圖像G分量，R_后與R_前分別表示t幀圖像的后一幀和前一幀圖像R分量，B_后與B_前分別表示t幀圖像的后一幀和前一幀B分量，W_L表示亮度權重，W_r表示R分量權重，W_g表示G分量權重，W_b表示B分量權重。