一种识别高速公路团雾分布的方法与流程

本发明涉及交通安全领域，具体涉及一种识别高速公路团雾分布的方法。

背景技术：

团雾是引发交通事故的重要因素中，恶劣天气因素占据较大比例。在团雾的天气下，驾驶员的心理、视线等都受到极大影响，再加上一些驾驶员粗心大意或无视规定，使得发生事故的机率增大，甚至导致多车连续追尾相撞的恶性交通事故及二次事故。因此及时将恶劣天气信息识别并告知驾驶员做好预防措施，对降低此类交通事故引发几率具有重大意义。现有针对团雾该类恶劣天气的研究仅停留在某一时刻该点的能见度识别上，而对于驾驶员来说，在获得该点能见度时其本人已身处在安全隐患路段。当前方出现紧急事件时，驾驶员仍然无法及时做出响应。由于团雾的出现具有随机性且位置随时间的变化而改变所以对于驾驶员来说，他们更关心的是能够提前知道所要行驶的路线中在哪一个范围出现团雾，在该范围内团雾各点能见度分布如何，从而能够避开该路段或者做出更加具有针对性的防范措施。

技术实现要素：

针对现有技术中存在的问题，本发明的目的在于提供一种识别高速公路团雾分布的方法，该方法利用摄像头实时提取路段环境及过往车辆图像，利用雷达实时提取过往车辆运动参数，最后通过计算机结合二者数据可确定团雾分布特性，得到全路段各点团雾分布特性后可通过led情报板、高音喇叭等进行预警信息的发布，从而帮助即将驶入该路段的车辆提前做好应对措施，降低事故发生率。

为了达到上述目的，本发明采用以下技术方案予以实现。

一种识别高速公路团雾分布的方法，包括以下步骤：

步骤1，雷达-视频一体化监控设备实时获取道路车辆的图像信息，并将获取的图像信息传递给计算机，计算机根据图像信息确定开启尾灯对车辆的轮廓；

步骤2，雷达-视频一体化监控设备跟踪开启尾灯对车辆，确定开启尾灯对车辆是否为同一车辆；

步骤3，当开启尾灯对车辆为同一车辆时，实时跟踪并记录所述开启尾灯对车辆的尾灯开启与熄灭时间，根据尾灯开启规律确认雾灯或双闪灯是否开启；

步骤4，雷达-视频一体化监控设备第一次识别到开启双闪灯的车辆，往前推5个点位，统计在第一个点位处该车辆尾灯轮廓内在ycbcr颜色空间中像素值在95≤cb≤135且155≤cr内的像素数量，并将其作为第一个点位的原始基准能见度数据d1；依次得到第n个点位的能见度像素dn；

车辆驶出团雾路段后，双闪灯会关闭，得到第n个点位的能见度像素dn；其中，n＝1,2,3,…n，n为车辆从驶入团雾到驶出团雾的总点位数；

从d1到dn，得到n个点位的能见度像素，分析n个点位的能见度像素的变换规律，判断是否为一个完整的团雾路段；

步骤5，当为一个完整的团雾路段时，以第一个点位的原始基准能见度数据d1为基准，分别确定相邻点位的能见度变化比例d2/d1、d3/d1…、dn/d1；其中最小值所在点位即为团雾内部出现最低能见度的位置，从而得出整个路段各个团雾内部的变化特性。

优选的，步骤1包含以下子步骤：

子步骤1.1，将道路车辆的图像信息利用hsv颜色空间进行阈值过滤，得到二值图；其中，阈值为：342°<h<360°或者0°<h<30°，且0.45<s<1.0；将所述二值图进行高斯变换，得分散的原图像的灰度值；

子步骤1.2，将所述分散的原图像的灰度值按以下公式进行归一化，得变换后的图像的灰度值，将变换后的图像的灰度值作为加权比例系数，根据所述加权比例系数初步确定车尾灯区域；

其中，i(i,j)为原图像的灰度值，n(i,j)为变换后图像的灰度值，min和max分别表示原图像的最小灰度值、最大灰度值；

子步骤1.3，使用最大类间方差法将原图像分割为前景和背景两部分，得到更为准确的车尾灯区域；

子步骤1.4，利用形态学变换消除图像中的尾灯区域的内部孔洞，得到候选车尾灯区域的轮廓；

子步骤1.5，当候选车尾灯区域的轮廓为2时，利用车尾灯是保持在同一水平线上且镜像对称分布的特征确定最终的尾灯轮廓。

进一步优选的，子步骤1.5包含以下子步骤：

子步骤1.5.1，设a、b分别为所得到的两个候选车尾灯区域，其面积分别为s1、s2，并设两者中的较小者为mins，则s1、s2满足以下不等式，则两个候选车尾灯区域的面积相近；

s1-s2＜k*mins

其中，k为比例系数，k＝1.5；

子步骤1.5.2，计算两个候选车尾灯区域的中心位置，求两个候选车尾灯区域的中心位置在竖直方向上的距离ydistance和两个候选车尾灯区域的中心位置在水平方向上的距离xdistance；

其中，ydistance、xdistance满足以下不等式，则认为是正确的车尾灯对；

ydistance＜g*minheight

m*minwidth＜xdistance＜n*minwidth

其中，g是比例系数，g＝3；minheight表示a、b区域高度的较小值；m、n分别为比例系数，m＝3，n＝10；minwidth为a、b区域宽度的较小值。

优选的，步骤2包含以下子步骤；

子步骤2.1，雷达-视频一体化监控设备获取当前时刻各车车距dn、车身长度为l、当前时刻车速为vn、相邻时刻间隔时间为t；

雷达-视频一体化监控设备实时获取道路车辆的图像信息，根据道路车辆的图像信息利用rgb颜色空间确定车辆车身的r,g,b分量值；

子步骤2.2，车辆为同一车辆应满足以下条件：

根据车距dn判断车辆所在车道，同一车辆在相邻的两帧图像中处于同一车道；

同一车辆的车身长度l在相邻的两帧图像中的变化不超过1％；

根据当前时刻车速vn和相邻时刻间隔时间t，确定相邻时刻行驶距离sn＝vn×t；根据雷达-视频一体化监控设备确定当前时刻车辆的位置，以sn为半径确定车辆搜索范围，该车在下一时刻的位置位于车辆搜索范围内；

分别计算当前时刻车辆车身的r,g,b分量的平均值和下一时刻的车辆车身的r,g,b分量的平均值，当前时刻车辆车身的r,g,b分量的平均值和下一时刻的车辆车身的r,g,b分量的平均值的变化均不超过5％。

优选的，步骤3为：记录车辆尾灯的开启与熄灭时间，当车辆尾灯开启持续3s以上则可认为车辆所开尾灯为雾灯；

当车辆尾灯开启时间低于3s且存在三次以上的开启与熄灭过程，设车辆尾灯的首次开启时刻为t1、熄灭时刻t1’，从而得到持续时间t1；第二次开启时刻为t2、熄灭时刻t2’，从而得到持续时间t2；第三次开启时刻t3、熄灭时刻t3’，从而得到持续时间t3；当t1、t2、t3的标准差不超过0.5且(t2-t1)与(t3-t2)之差不大于1s，则确认双闪灯已点亮。

优选的，步骤4中，判断是否为一个完整的团雾路段具体为：

1)进入路段时能见度快速下降，能见度像素下降幅度超过50％；

2)中间路段，能见度像素整体保持相对稳定，都比d1要小50％以上；

3)驶出团雾路段时，能见度像素开始上升，且dn和d1的像素值相差在10％以内。

4)中间路段持续的距离大于100米，小于等于5公里。

满足上述条件后，则认为存在一个完整的团雾路段。

与现有技术相比，本发明的有益效果为：

1)本发明雷达-视频一体化监控设备在全路段等间距布置，每隔100米布置一个，雷达-视频一体化监控设备作为一种传感器，包含雷达与摄像头传感器；其中摄像头用来实时提取路段环境及过往车辆图像，雷达用来实时提取过往车辆运动参数，计算机结合二者数据可确定团雾分布特性。得到全路段各点团雾分布特性后可通过led情报板、高音喇叭等进行预警信息的发布，从而帮助即将驶入该路段的车辆提前做好应对措施，降低事故发生率。

2)本发明中以第一次识别到开启双闪灯的车辆，往前推5个点位作为开始统计时间，以双闪灯关闭作为结束统计时间；统计该时间段内每个点位在ycbcr颜色空间中像素值在95≤cb≤135且155≤cr内的像素数量，作为相应的能见度像素，得到n个点位的能见度像素，分析n个点位的能见度像素的变换规律，确定团雾存在与否；再依据团雾内各点位的能见度像素值变化趋势及其最低值，确定团雾的变化特性。

附图说明

下面结合附图和具体实施例对本发明做进一步详细说明。

图1为本发明的本发明的识别高速公路团雾分布的方法的流程示意图；

图2为待配对验证的灯对。

具体实施方式

下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。

本发明中将雷达-视频一体化监控设备于道路边线8每隔100米布置一个，雷达-视频一体化监控设备包含雷达与摄像头传感器；其中，摄像头用来实时提取路段环境及过往车辆图像，雷达用来实时提取过往车辆的运动参数(行驶速度、外形尺寸)。

雷达-视频一体化监控设备的信号输出端与计算机的信号输入端采用光纤进行电连接。雷达-视频一体化监控设备将获取的过往车辆的运动参数和图像信息通过光纤传递给计算机(计算机为高性能计算机，位于控制中心内)，计算机进行处理后，确定全路段各点团雾分布特性。得到全路段各点团雾分布特性后可通过led情报板、高音喇叭等进行预警信息的发布，从而帮助即将驶入该路段的车辆提前做好应对措施，降低事故发生率。

具体的，如图1所示，本发明的一种识别高速公路团雾分布的方法，包括以下步骤：

步骤1，识别开启尾灯对车辆

雷达-视频一体化监控设备实时获取道路车辆的图像信息，并将获取的图像信息传递给计算机，计算机根据图像信息确定开启尾灯对车辆的轮廓。

具体的，步骤1包含以下子步骤：

子步骤1.1，将道路车辆的图像信息利用hsv颜色空间进行阈值过滤，得到二值图；其中，阈值为：342°<h<360°或者0°<h<30°，且0.45<s<1.0；将所述二值图进行高斯变换，得分散的原图像的灰度值；其中h为色调、s为饱和度、v为明度。

子步骤1.2，将所述分散的原图像的灰度值按以下公式进行归一化，得变换后的图像的灰度值，将变换后的图像的灰度值作为加权比例系数，因该加权比例系数的值在由hsv颜色阈值检测到的车尾灯区域中比较大，其他区域系数值则较小，从而初步确定车尾灯区域。

其中，i(i,j)为原图像的灰度值，n(i,j)为变换后图像的灰度值，min和max分别表示原图像的最小灰度值、最大灰度值。

接着利用rgb颜色空间是通过分量之间不同的比例混合得到不同的颜色的特点，能够通过分量之间的运算得到某些分量的增强分量，并进一步实现分割。而尾灯区域通常包括红色和黄色的像素点，因此可以使用式(1)和式(2)中的变换，分别增强红色分量和黄色分量，并抑制其他颜色分量。

fr＝max(0,min(r(x,y)-g(x,y),r(x,y)-b(x,y)))(1)

fy＝max(0,min(r(x,y)-b(x,y),g(x,y)-b(x,y)))(2)

f(x,y)＝fr4fy(3)

式中，r(x,y),g(x,y),b(x,y)分别表示(x,y)位置处的红色分量、绿色分量，以及蓝色分量。那么变换后(x,y)位置像素值大小f(x,y)可由式(3)得到。

子步骤1.3，图像中检测到的车尾灯区域后，使用最大类间方差法将原图像分割为前景和背景两部分，得到更为准确的车尾灯区域。其中，所用到的最大类间方差法通过遍历0-255作为阈值将灰度图分为a、b两区域，从而分别计算两区域方差，最后将方差最大时的值作为最终阈值。

子步骤1.4，利用形态学变换消除图像中的尾灯区域的内部孔洞，得到候选车尾灯区域的轮廓。形态学变换中的膨胀操作使得原目标范围扩大、并且可以使目标中的孔洞被缩小，而腐蚀操作则可以减小原目标的范围、但同时内部孔洞被放大。所以为了消除二值图中面积较小的或者孤立的区域，首先对图像进行腐蚀操作，然后将腐蚀后的二值图进行膨胀操作，使得原相邻区域重新连通。

子步骤1.5，当候选车尾灯区域的轮廓为2时，利用车尾灯是保持在同一水平线上且镜像对称分布的特征确定最终的尾灯轮廓。

子步骤1.5具体包含以下子步骤：

子步骤1.5.1，如图2，由于尾灯是保持在同一水平线上且镜像对称分布的，由于尾灯是保持在同一水平线上且镜像对称分布的；设a、b分别为所得到的两个候选车尾灯区域，其面积分别为s1、s2，并设两者中的较小者为mins，则s1、s2满足以下不等式，则认为两个候选车尾灯区域的面积相近。

s1-s2＜k*mins

其中，k为比例系数。

子步骤4.5.2，如图2所示，然后进行水平方向上的匹配，计算两个候选车尾灯区域的中心位置，求两个候选车尾灯区域的中心位置在竖直方向上的距离ydistance和两个候选车尾灯区域的中心位置在水平方向上的距离xdistance。

ydistance的大小必须在一定阈值范围内，两个候选车尾灯区域才可能是正确的车尾灯对，ydistance需要满足以下不等式：

ydistance＜g*minheight

其中，g是比例系数；minheight表示a、b区域高度的较小值；

为了消除x方向上邻近区域引起的错误匹配，也需要对水平方向上的距离进行约束，即图中的xdistance须在合适的范围内，需满足以下不等式：

m*minwidth＜xdistance＜n*minwidth

其中，m、n分别为比例系数；minwidth为a、b区域宽度的较小值。

满足以上约束条件限制的区域才被认为是配对的车尾灯，式中的比例系数在实际中需要根据先验知识设定，此处使用的先验值分别为：k＝1.5，g＝3，m＝3，n＝10。

步骤2，雷达-视频一体化监控设备跟踪开启尾灯对车辆，确定开启尾灯对车辆是否为同一车辆。

具体的，步骤2包含以下子步骤：

子步骤1.1，雷达-视频一体化监控设备获取当前时刻各车车距dn(n＝1、2…、n)、下一时刻各车车距为dn′(n＝1、2…、n)、车身长度为l、当前时刻车速为vn(n＝1、2…、n)、相邻时刻间隔时间为t。雷达-视频一体化监控设备实时获取道路车辆的图像信息，根据道路车辆的图像信息利用rgb颜色空间确定车辆车身的r,g,b分量值。

子步骤1.2，当车辆同时满足以下特征时可认为所出现的为同一车辆：

1)根据车距dn判断车辆所在车道，同一车辆在相邻的两帧图像中处于同一车道。

2)同一车辆的车身长度l在相邻的两帧图像中的变化不超过1％。

3)根据当前时刻车速vn和相邻时刻间隔时间t，确定相邻时刻行驶距离sn＝vn×t；根据雷达-视频一体化监控设备确定当前时刻车辆的位置，以sn为半径确定车辆搜索范围，该车在下一时刻的位置位于车辆搜索范围内。

4)分别计算当前时刻车辆车身的r,g,b分量的平均值和下一时刻的车辆车身的r,g,b分量的平均值，当前时刻车辆车身的r,g,b分量的平均值和下一时刻的车辆车身的r,g,b分量的平均值的变化均不超过5％。

步骤3，识别开启双闪灯车辆

当开启尾灯对车辆为同一车辆时，实时跟踪并记录所述开启尾灯对车辆的尾灯开启与熄灭时间，根据尾灯开启规律确认双闪灯是否开启。

具体为，实现车辆尾灯的跟踪后，记录车辆尾灯的开启与熄灭时间，当车辆尾灯开启持续3s以上则可认为车辆所开尾灯为雾灯；当车辆尾灯开启时间低于3s且存在三次以上的开启与熄灭过程，设车辆尾灯的首次开启时刻为t1、熄灭时刻t1’，从而得到持续时间t1；第二次开启时刻为t2、熄灭时刻t2’，从而得到持续时间t2；第三次开启时刻t3、熄灭时刻t3’，从而得到持续时间t3；当t1、t2、t3的标准差不超过0.5且(t2-t1)与(t3-t2)之差不大于1s，则确认双闪灯已点亮。

步骤4，识别团雾

雷达-视频一体化监控设备第一次识别到开启双闪灯的车辆，往前推5个点位(即将雷达-视频一体化监控设备向前推5个)，统计在第一个点位处该车辆尾灯轮廓内在ycbcr颜色空间中像素值在95≤cb≤135且155≤cr内的像素数量，并将其作为第一个点位的原始基准能见度数据d1；并利用雷达获取车辆所在位置与雷达-视频一体化监控设备的距离d、角度为α；其中，ycbcr中，y为颜色的亮度成分、cb和cr为蓝色和红色的浓度偏移量成份。

对后面每个点位，都能得到车辆所在位置与雷达-视频一体化监控设备的距离d、角度为α的第n个点位的能见度像素dn；

车辆驶出团雾路段后，双闪灯会关闭，此时的能见度像素为dn；其中，n＝1,2,3,…n，n为车辆从驶入团雾到驶出团雾的总点位数。

从d1到dn，得到n个点位的能见度像素，分析n个点位的能见度像素的变换规律，判断是否满足以下条件：

1)进入路段时能见度快速下降，能见度像素下降幅度超过50％；

2)中间路段，能见度像素整体保持相对稳定，都比d1要小50％以上；

3)驶出团雾路段时，能见度像素开始上升，且dn和d1的像素值相差在10％以内。

4)中间路段持续的距离大于100米，小于等于5公里。

满足上述条件后，即可认为存在一个完整的团雾路段。

步骤5，确定团雾内部能见度变化特性

若在路段内识别到存在一处团雾，以得到的能见度像素值d1为基准，下一点位能见度像素值d2，从而确定两点位之间能见度变化比例为d2/d1；依此确定各点位变化比例为d3/d1、d4/d1…、dn/d1，其中最小值所在点位即为团雾内部出现最低能见度的位置，从而得出整个路段各个团雾内部的变化特性。

虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。