[發明專利]基于自然特征統計方法標注高速公路霧天能見度等級

有效

• 申請號: 202110002622.8
• 申請日: 2021-01-04
• 公開（公告）號: CN112784880B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 章軍;汪倩倩;陳鵬;王兵;夏懿
• 申請（專利權）人: 安徽大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/762;G06V10/40;G06V10/774
• 代理公司: 合肥四閱專利代理事務所(普通合伙) 34182
• 代理人: 李蘇

本發明涉及圖像識別技術領域，公開了基于自然特征統計方法標注高速公路霧天能見度等級，包括自然特征統計的方法和能見度等級的劃分，所述自然特征統計的方法包括以下步驟：S1、提取霧感特征；S2、計算高斯模型參數、馬氏距離和霧密度；S3、建立實驗模型，標注能見度等級。本發明利用自然圖像特征統計方法從圖片中提取霧特征，將其擬合到多元高斯模型中，計算模型參數，得到模型之間的馬氏距離，再計算出霧密度，表示不同等級能見度之間的閾值，以此來自動標注能見度等級，相對于目測法，結果更客觀，大大提高了標注效率，相較于儀器檢測更方便，可靠，同時為深度學習能見度檢測提供大量的樣本數據庫。

技術領域

本發明涉及圖像識別技術領域，具體是基于自然特征統計方法標注高速公路霧天能見度等級。

背景技術

霧天能見度降低，給人們出行帶來不便，根據國家氣象局提出的霧預報等級劃分標準，根據能見度可以將霧劃分為以下幾個等級：能見度＞1000m時為Ⅰ級，能見度在500～1000m時為Ⅱ級，能見度200～500m時為Ⅲ級，能見度50～200m時為Ⅳ級，能見度＜50m時為Ⅴ級，隨著科技的不斷發展，如今利用圖像固有的特征信息進行高速公路霧情況分析已經成為該領域的主要發展趨勢。

隨著深度學習的興起，許多學者開始利用深度學習來進行高速公路霧況識別，深度學習訓練網絡則需要大量的樣本圖片庫，但對高速公路上拍攝到的圖片進行能見度等級標注十分困難，目前主要標注方法主要有目測法和儀器設備測量法。目測法主要根據人類的主觀意識來進行能見度距離的估計。儀器設備測量法主要是使用能見度儀一般基于紅外光或激光，測量消光系數，再根據消光系數和能見度關系得到能見度值。

但是目測法決定于人的意識，主觀性較強，不同的人可能會得到不同的結果,儀器設備測量法需要昂貴的設備且設備在公路上部署間隔遠，一般相距20km左右，且是以點之間的間距作為測量到能見度，而實際拍攝到的圖片信息更側重于整個霧平面，很難使得拍攝到的圖片與能見度儀測到的能見度值匹配起來。

發明內容

本發明的目的在于提供基于自然特征統計方法標注高速公路霧天能見度等級，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：

基于自然特征統計方法標注高速公路霧天能見度等級，包括自然特征統計的方法和能見度等級的劃分，所述自然特征統計的方法包括以下步驟：

S1、利用自然圖像特征統計方法從圖片中提取霧感特征；

S2、將S1步驟中提取的霧感特征擬合到多元高斯模型中，計算高斯模型參數，得到模型之間的馬氏距離，并基于馬氏距離計算出霧密度；

高斯模型參數計算公式如下：

馬氏距離計算公式如下：

霧密度計算公式如下：

S3、根據上述步驟得到的霧感特征、高斯模型參數、馬氏距離和霧密度，建立實驗模型，并根據不同的霧密度表示不同等級能見度之間的閾值，以此來標注能見度等級，能見度等級分為Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ五個等級，其中，實驗模型包括模型訓練和模型測試。

作為本發明進一步的方案：所述霧感特征由以下五個特征(f1，…，f5)組成：MSCN系數、圖像熵、Michelson對比度、逐像素暗通道和色彩豐富度。

作為本發明再進一步的方案：所述MSCN系數用于解決圖像識別過程中光照不均勻、不穩定的問題，避免因光照強度影響檢測結果；

所述圖像熵用于反映圖像中灰度分布的聚集特征和空間特征的信息量；