一种基于社会视频的能见度检测方法

摘要

一种基于社会视频的能见度检测方法，获取晴朗天气的社会视频；按间隔随机选取社会视频中的多帧图像；使用超像素分割算法进行去天空处理；使用多帧差分法提取背景区域图；获取已知的清晰图像和实时社会视频图像；分别得到清晰图像和实时图像的天空区域图、非天空区域图；分别得到清晰图像和实时图像的背景区域图；基于Koschmieder定律结合暗通道先验理论，分别计算清晰图像和实时图像背景区域的透射率；通过清晰图像和实时图像背景区域的透射率，计算实时图像与清晰图像的消光系数比值；通过获取的实时图像与清晰图像的消光系数比值，计算实时图像的能见度。本发明降低了器测的测量成本和维护成本，大大简化了能见度的检测工作。

说明书

技术领域

本发明涉及计算机视觉，交通大数据领域，尤其涉及一种基于社会视频的能见度检测方法。

背景技术

随着计算机视觉的不断发展，利用图像处理反演能见度的技术引起了研究者的关注。能见度信息检测是智慧城市建设的重要组成部分，在城市空气质量治理中发挥着关键作用；同时能见度的准确检测，有利于改善道路服务水平，提升人们工作和生活的出行质量。

2016年，杭州首创城市大脑，开启城市数字治理的新征程。2018年10月，“城市大脑”2.0版本正式发布，从数字治堵到数字治城再到数字治疫，杭州城市大脑持续迭代创新，不断扩充应用场景。目前杭州城市大脑已建成包括城市交通、卫健等行业的48个应用场景。

但是，受限于当前检测技术的诸多不足，如能见度的检测就易受到观察者视力等因素的影响，所得数据缺乏稳定性；而使用仪器检测的方法需要在户外安装并维护仪器，投资和维护的成分都十分巨大，同时也需要结合人工判断，过程十分复杂，无法实现自动检测。

在这种情况下，利用图像处理技术反演出能见度的方法，提供了一种非常遍捷、高效的可行方案。基于城市大脑的数据中枢，部门间共享的社会视频监控资源为上述技术提供了坚实的大数据基础，根据已有的社会监控视频，实现能见度的检测，解决了传统器测法的局限性，大大简化了能见度的检测过程。

发明内容

为了克服现有技术的不足，本发明提出了一种基于社会视频的能见度检测方法，基于实时获取的社会视频，根据已有清晰图像和从社会视频中获取实时图像，使用超像素分割法去除天空，多帧差分法提取背景区域，基于暗通道先验理论估计透射率，最终计算出实时图像的能见度。

为了解决上述技术问题，本发明提供如下的技术方案：

一种基于社会视频的能见度检测方法，所述方法包括以下步骤：

步骤1：获取晴朗天气的社会视频；

步骤2：对步骤1中获取的社会视频按间隔随机选取多帧图像；

步骤3：对步骤2中的其中一帧图像使用超像素分割算法，进行去天空处理，并记录裁剪位置，对其余图像按已记录的裁剪位置同样进行去天空处理，保留非天空区域图；

步骤4：对步骤3所得到的多帧非天空区域图，根据多帧差分法，通过设定的阈值，提取背景区域图，并记录背景区域相对非天空区域图的位置；

步骤5：获取已知的清晰图像和实时社会视频图像；

步骤6：根据步骤3记录的裁剪位置，对清晰图像和实时图像进行去天空处理，分别得到清晰图像和实时图像的天空区域图、非天空区域图；

步骤7：根据步骤4记录的背景区域相对位置，对清晰图像和实时图像的非天空区域图像进行背景提取，分别得到清晰图像和实时图像的背景区域图；

步骤8：根据步骤6所得的清晰图像和实时图像的天空区域图和步骤7所获得的清晰图像和实时图像背景区域图，基于Koschmieder定律结合暗通道先验理论，分别计算清晰图像和实时图像背景区域的透射率；

步骤9：根据步骤8得到的清晰图像和实时图像背景区域的透射率，计算实时图像与清晰图像的消光系数比值；

步骤10：根据步骤9获取的实时图像与清晰图像的消光系数比值，计算实时图像的能见度。

进一步，所述步骤2中，将社会视频按总时长平均分成多个子视频，再分别随机选取每个子视频中的一帧图像。

再进一步，所述步骤3的超像素分割算法，设定每个像素块包含100个像素，具体像素块数量由视频图像大小决定，过程如下：首先，对分割后的像素块，进行聚类；其次在图像首行选取5个像素点，按像素块进行区域生长；接着，合并上述像素点生长区域，合并结果作为天空区域；最终，从上至下遍历图像，根据天空像素点占当前行像素点的95％以上的，得到待裁剪的最大行数，去除天空并记录行数。

更进一步，所述步骤4设定阈值为10，首先，通过多帧图像两两做差比较，并通过与设定阈值比较，对图像中每个像素点进行二值化；其次，选取每帧图像的背景区域，并对所有背景区域取交集得到公共的背景区域；最后，对公共背景区域像素进行形态学处理，得到背景区域并记录背景区域像素的相对位置。

所述步骤8的过程为：首先，根据清晰图像和实时图像的背景区域图，求取每个像素点RGB通道中的最小值，分别得到清晰图像和实时图像的最小通道图；其次，根据清晰图像和实时图像的天空区域图，分别估计清晰图像和实时图像的大气光照值；最终，结合暗通道先验理论，得到清晰图像和实时图像的透射率。

所述步骤9中，实时图像与清晰图像的消光系数比值由下式计算：

其中，β表示实时图像消光系数，β

所述步骤10中，通过已知的清晰图像消光系数约为2.2518×10

v＝-log(ε)/β

其中，ε为视觉阈值，根据国籍民航组织ICAO推荐设定为0.05，因此本发明中ε＝0.05。

与现有技术相比，本发明具有以下有益效果：

本发明以交通大数据为基础，使用社会视频图像，结合超像素分割算法识别天空，多帧差分法提取背景，能见度计算模型通过已有的清晰图像反演出实时图像的能见度值，有效利用了交通大数据，降低了器测的测量成本和维护成本，大大简化了能见度的检测工作。

附图说明

图1是基于社会视频图像检测能见度的逻辑流程图；

图2是使用超像素分割算法识别天空以及多帧差分法提取背景的流程图；

具体实施方式

下面结合附图对本发明作进一步详细描述。

参照图1和图2，一种基于社会视频能见度检测方法，所述方法包括以下步骤：

步骤1：获取晴朗天气的社会视频：利用道路监控设备采集待处理的晴朗天气的社会视频；

步骤2：对步骤1中获取的社会视频按间隔随机选取多帧图像；

在步骤2中，通过将社会按视频总时长平均分成的多个子视频，选取每个子视频中的一帧图像，从而获得多帧图像；

步骤3：对步骤2中的其中一帧图像使用超像素分割算法，进行去天空处理，并记录裁剪位置，对其余图像按已记录的裁剪位置同样进行去天空处理，保留非天空区域图；

在步骤3中，使用超像素分割算法，设定每个像素块包含100个像素，具体像素块数量由视频图像大小决定，过程如下：首先，对分割后的像素块，进行聚类；其次在图像首行选取5个像素点，按像素块进行区域生长；接着，合并上述像素点生长区域，合并结果作为天空区域；最终，从上至下遍历图像，根据天空像素点占当前行像素点的95％以上的，得到待裁剪的最大行数，去除天空并记录行数，方便后续快速裁剪；

步骤4：对步骤3所得到的多帧非天空区域图，根据多帧差分法，通过设定的阈值，提取背景区域，并记录背景区域相对非天空区域图的位置；

在步骤4中，设定阈值为10，首先，根据式D

D

其中，f

其次，选取每个R

R

最后，对公共背景区域像素进行形态学处理，得到背景区域并记录背景区域像素的相对位置，方便后续提取背景；

步骤5：获取已知的清晰图像和实时社会视频图像；

步骤6：根据步骤3记录的裁剪位置，对清晰图像和实时图像进行去天空处理，分别得到清晰图像和实时图像的天空区域图、非天空区域图；

步骤7：根据步骤4记录的背景区域相对位置，对清晰图像和实时图像的非天空区域图像进行背景提取，分别得到清晰图像和实时图像的背景区域图；

步骤8：根据步骤6所得的清晰图像和实时图像的天空区域图和步骤7所获得的清晰图像和实时图像背景区域图，基于Koschmieder定律并结合暗通道先验，分别计算清晰图像和实时图像背景区域的透射率；

在步骤8中，根据Koschmieder定律指出清晰图像和有雾图像存在式 I(x)＝J(x)t(x)+A(1-t(x))(3)的关系：

I(x)＝J(x)t(x)+A(1-t(x)) (3)

t(x)＝e

其中，I表示观测到的有雾图像，J表示清晰图像，A是大气光照，t(x)表示场景透射率，β表示消光系数，d表示场景深度；

同时暗通道先验理论表明：在无雾图像的局部区域存在部分像素，这些像素至少存在一个颜色通道的亮度值近似于零；

J

首先，根据清晰图像和实时图像的背景区域图，求取每个像素点RGB通道中的最小值，分别得到清晰图像和实时图像的最小通道图；其次，根据清晰图像和实时图像的天空区域图，分别估计清晰图像和实时图像的大气光照值；最终，由式

其中，ω(0＜ω≤1)表示使图像更加自然的恒定参数，Ω(x)表示像素点的局部区域；

步骤9：根据步骤8得到的清晰图像和实时图像背景区域的透射率，计算实时图像与清晰图像的消光系数比值；

在步骤9中，实时图像与清晰图像的消光系数由式

步骤10：根据步骤9获取的实时图像与清晰图像的消光系数比值，计算实时图像的能见度；

在步骤10中，已知清晰图像的消光系数约为β

v＝-log(ε)/β (8)

其中，ε为视觉阈值，根据国籍民航组织ICAO推荐设定为0.05，因此本发明中ε＝0.05。

本实施例所提供的一种基于社会视频的能见度检测方法，处理过程的程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。