CN112730345A - 一种能见度检测方法、装置、设备和介质 - Google Patents
一种能见度检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN112730345A CN112730345A CN201911030931.5A CN201911030931A CN112730345A CN 112730345 A CN112730345 A CN 112730345A CN 201911030931 A CN201911030931 A CN 201911030931A CN 112730345 A CN112730345 A CN 112730345A
- Authority
- CN
- China
- Prior art keywords
- light image
- value
- definition
- infrared light
- visible light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000003384 imaging method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
- G01N21/61—Non-dispersive gas analysers
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种能见度检测方法、装置、设备和介质。所述方法包括：根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值；根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。本实施例的技术方案，降低了能见度检测的成本，提高能见度检测的准确性。
Description
技术领域
本发明实施例涉及自动化检测技术领域，尤其涉及一种能见度检测方法、装置、设备和介质。
背景技术
能见度是反映大气透明度的一个指标，指具有正常视力的人在当时的天气条件下能够看清楚目标物轮廓并识别目标物的最大距离。道路能见度不足对交通安全影响巨大，尤其是团雾，对行驶的风险很高，需要给予驾驶员及时提醒减速。因此对道路能见度的检测十分有必要。
在现有技术中，通过在道路上不同的距离树立明显的标志物，使用相机和智能分析来识别这些明显的标记物，在哪个距离发现标志物清晰度较差，即认为该距离下能见度较差。然而，当道路施工时，在路上做标记难度较大，且标记物的老化以及拍摄过程中镜头的对焦操作都会影响能见度判断的准确性。
发明内容
本发明提供一种能见度检测方法、装置、设备和介质，以降低能见度检测的成本，提高能见度检测的准确性。
第一方面，本发明实施例提供了一种能见度检测方法，该方法包括：
根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值；
根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。
第二方面，本发明实施例还提供了一种能见度检测装置，该装置包括：
清晰度确定模块，用于根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值；
可视区域确定模块，用于根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。
第三方面，本发明实施例还提供了一种设备，该设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的一种能见度检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本发明实施例中任一所述的一种能见度检测方法。
本发明通过根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值，并依据目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，来确定目标区域是否属于可见区域。通过利用可见光图像和红外光图像相互参考来评估能见度，本方案不用在被测区域中设置参考标记，从而降低了能见度检测的成本，提高了能见度检测的准确性。
附图说明
图1为本发明实施例提供的一种能见度检测方法的流程图；
图2为本发明实施例提供的区域划分的示意图；
图3为本发明实施例提供的可见光灰度图像；
图4为本发明实施例提供的红外光灰度图像；
图5为本发明实施例提供的另一能见度检测方法的流程图；
图6为本发明实施例提供的一种能见度检测装置的结构示意图；
图7为本发明实施例提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的一种能见度检测的流程图，本实施例可适用于对能见度进行检测的情况，该方法可以由能见度检测装置来执行，典型的，该方法可应用于道路的能见度检测中。参见图1，该方法具体包括如下步骤：
步骤110、根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值。
其中，可见光图像和红外光图像由单个监控设备通过切换滤镜采集得到。具体的，监控设备在使用红外光截止滤镜时，可以避免红外光对成像的干扰，从而采集得到可见光图像；当切换到可见光截止滤镜时，可以滤除可见光的干扰，从而采集得到红外光图像。通过利用单相机内不同光谱成像做参考，避免了如镜头对角问题、外部设施老化所带来的误差，提高了图像采集的精准度。
可选的，在获取的可见光图像和红外光图像之后，还包括：将可见光图像和红外光图像进行灰度处理，生成可见光灰度图像和红外光灰度图像。
在得到可见光灰度图和红外光灰度图像之后，为了避免因外界不同光谱补光条件不一致造成清晰度上的干扰，在根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值之前，还包括：
对可见光灰度图像的亮度值和红外光灰度图像的亮度值进行调整，以得到亮度值相等的可见光灰度图像和红外光灰度图像。
具体的，可见光灰度图像和红外光灰度图像会由于监控设备采集时外界不同的光线条件而导致亮度不同，依据上述可见光灰度图像和红外光灰度图像亮度之间的差值来分别调整上述两幅图像的亮度增益，以得到亮度值相等的可见光灰度图像和红外光灰度图像。通过将可见光灰度图像和红外光灰度图像的亮度值调整至相同，能够避免由于外界不同光谱补光条件不一致所造成的清晰度的干扰，进而能够提高能见度检测的准确性。
在可见光灰度图像和红外光灰度图像的亮度值调整之后，分别进行上述两幅图像的清晰度值的计算，具体的，根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值，包括：
分别将目标区域的可见光图像和红外光图像中梯度值大于梯度阈值的像素点进行累加，以得到目标区域的可见光图像清晰度值和红外光图像清晰度值。
其中，区域由图像对应的实际距离划分得到。具体的，在根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值之前，还包括：
依据可见光图像和红外光图像关联的实际距离，对可见光图像和红外光图像进行区域划分，得到不同距离范围的区域。
示例性的，参照图2，可以依据监控设备采集到的图像和实际距离，以每50米将划分为不同距离范围的区域。
在图像灰度领域，画面越清晰，边界就越明显，梯度值就越大，所以通过将可见光图像和红外光图像中梯度值大于梯度阈值的像素点进行累加，得到的图像清晰度值能够体现图像的清晰度程度。
具体的，通过四个方向的Sobel梯度算子计算像素与相邻像素的边界梯度，根据梯度值确认像素点是否为边界，将属于边界的像素点的梯度值进行累加，得到清晰度值。
其中，四个方向的Sobel梯度算子计算公式如下：
上述中，g0、g45、g90、g135分别为像素点在0度、45度、90度以及135度方向上梯度值，S0、S45、S90和S135分别为在0度、45度、90度以及135度方向上的梯度算子，f(x，y)为像素点的像素值。
其中，S0、S45、S90和S135的值分别如下：
0度的梯度算子：
45度的梯度算子：
90度的梯度算子：
135度的梯度算子：
基于上述公式计算出目标区域内每个像素点f(x,y)的梯度值Gx,y，如果梯度值Gx,y大于指定阀值GT，则认为像素点f(x,y)为边缘点，即边界点，计算所有边缘点的梯度值之和，定义为该区域的清晰度评价值Cn。
步骤120、根据目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。
其中，清晰度比值阈值为正常可视场景下可见光成像清晰度与红外光成像清晰度比值的下限，该值为多次现场测验统计获得。
可见光波长在390nm～780nm，红外光波长大于780nm，波长较长的波在传播时受悬浮颗粒影响较小，可穿透一定浓度的雾或霾等颗粒，即在有雾存在的情况下，红外光成像清晰度比可见光成像清晰度好，具体参见图3和图4，图3图4分别为相同亮度下的可见光灰度图像和红外光灰度图像。
具体的，若目标区域的可见光图像清晰度值大于红外光图像清晰度值，说明当前的可见光成像清晰度较好，目标区域为可视区域。
若目标区域的可见光图像清晰度值小于红外光图像清晰度值，则需要进一步比较红外光图像清晰度值与清晰度下限值，以及与清晰度比值阈值之间的关系来确定当前区域是否是可视区域。
通过对目标区域的可见光图像清晰度值与红外光图像清晰度值进行对比，来评估能见度，降低了能见度检测的成本。此外，在遇到暴雨等能见度极差的天气时，红外成像的能见度也会很低，此时能见度检测设备会进行同步报警，对用户进行提示，提高了行驶的安全性。
本实施例的技术方案，通过根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值，并依据目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，来确定目标区域是否属于可见区域。通过利用可见光图像和红外光图像相互参考来评估能见度，本方案不用在中设置参考标记，从而降低了能见度检测的成本，提高了能见度检测的准确性。
图5为本发明实施例提供的另一能见度检测方法的流程图，本实施例实在上述实施例的基础上，对步骤120进行进一步的细化，并且在步骤120之后还包括：将距离范围最大的可视区域作为能见度区域。参见图5，该方法具体可以包括以下步骤：
步骤210、根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值。
本实施例中，在确定能见度区域时，需要计算出各区域的可见光图像清晰度值和红外光图像清晰度值。
步骤220、若可见光图像清晰度值大于红外光图像清晰度值，则目标区域属于可视区域。
本实施例中，若可见光图像清晰度值大于红外光图像清晰度值，说明此时可见光的成像清晰度较高，则该目标区域为可视区域。
示例性的，假设目标区域为50米区域，该区域内可见光的清晰度为C，红外光的清晰度为C’，当满足C＞C’时，说明当前可见光成像效果好，该目标区域为可视区域。
步骤230、若可见光图像清晰度值小于红外光图像清晰度值，且清晰度比值大于清晰度比值阈值，则目标区域属于可视区域。
其中，清晰度比值为可见光图像清晰度值与红外光图像清晰度值的比值。
具体的，若C＜C’，且C/C’＞阈值CR时，说明此时可见光成像效果尚可，该目标路段区域为可视区域。其中，CR为清晰度比值阈值，代表正常可视场景下可见光成像清晰度与红外光比值的下限，C/C’为清晰度比值。
步骤240、若可见光图像清晰度值小于红外光图像清晰度值，且红外光图像清晰度值小于清晰度下限值，则目标区域属于不可视区域。
具体的，若C＜C’＜阈值CT，说明此时红外光成像效果受到了严重的影响，目标区域的能见度极低，因此目标区域属于不可视范围。
其中，CT为正常可视场景下红外光成像的清晰度下限，通过统计获得。
步骤250、若可见光图像清晰度值小于红外光图像清晰度值，且清晰度比值小于清晰度比值阈值，则目标区域属于不可视区域。
其中，清晰度比值为可见光图像清晰度值与红外光图像清晰度值的比值。
若C＜C’，且C/C’＜阈值CR，此时目标区域的可见光成效效果差，该区域属于不可视区域。
步骤260、将距离范围最大的可视区域作为能见度区域。
具体的，若100～150米区域为可视区域，150～200米区域为不可视区域，则能见度区域为小于150米的区域。
本实施例的技术方案，通过利用目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值来确定目标区域是否属于可视区域，能够降低现有技术中由于设定标记物所带来的检测成本，提高该能见度检测方法的可用性。
图6为本发明实施例提供的一种能见度检测装置的结构图。如图6，该装置包括清晰度确定模块310和可视区域确定模块320。
其中，清晰度确定模块310，用于根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值。
其中，可见光图像和红外光图像由单个监控设备通过切换滤镜采集得到。
可视区域确定模块320，用于根据目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。
本实施例的基础方案，通过根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值，并依据目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，来确定目标区域是否属于可见区域。通过利用可见光图像和红外光图像相互参考来评估能见度，本方案不用在中设置参考标记，从而降低了能见度检测的成本，提高了能见度检测的准确性。
在上述实施例的基础上，清晰度确定模块310具体用于：分别将目标区域的可见光图像和红外光图像中梯度值大于梯度阈值的像素点进行累加，以得到目标区域的可见光图像清晰度值和红外光图像清晰度值。
可选的，该装置还包括灰度处理模块，用于将可见光图像和红外光图像进行灰度处理，生成可见光灰度图像和红外光灰度图像。
可选的，该装置还包括亮度调整模块，用于对可见光灰度图像的亮度值和红外光灰度图像的亮度值进行调整，以得到亮度值相等的可见光灰度图像和红外光灰度图像。
在上述实施例的基础上，可视区域确定模块320具体用于：
若可见光图像清晰度值大于红外光图像清晰度值，则目标区域属于可视区域；
若可见光图像清晰度值小于红外光图像清晰度值，且清晰度比值大于清晰度比值阈值，则目标区域属于可视区域；其中，清晰度比值为可见光图像清晰度值与红外光图像清晰度值的比值。
可视区域确定模块320还具体用于：若可见光图像清晰度值小于红外光图像清晰度值，且红外光图像清晰度值小于清晰度下限值，则目标区域属于不可视区域；
若可见光图像清晰度值小于红外光图像清晰度值，且清晰度比值小于清晰度比值阈值，则目标区域属于不可视区域；其中，清晰度比值为可见光图像清晰度值与红外光图像清晰度值的比值。
在上述实施例的基础上，该装置还包括划分模块，用于依据可见光图像和红外光图像关联的实际距离，对可见光图像和红外光图像进行区域划分，得到不同距离范围的区域。
在上述实施例的基础上，该装置还包括能见度区域确定模块，用于将距离范围最大的可视区域作为能见度区域。
本发明实施例提供的一种能见度检测装置可执行本发明任意实施例所提供的一种能见度检测方法，具备执行方法相应的功能模块和有益效果。
图7为本发明实施例提供的一种设备的结构示意图，图7示出了适于用来实现本发明实施例实施方式的示例***器的框图。图7显示的设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。***存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如***存储器28中，这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的能见度检测方法。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种能见度检测方法，该方法包括：
根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值；
根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的能见度检测方法中的相关操作.
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种能见度检测方法，其特征在于，所述方法包括：
根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值；
根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。
2.根据权利要求1所述的方法，其特征在于，所述可见光图像和所述红外光图像由单个监控设备通过切换滤镜采集得到。
3.根据权利要求1所述的方法，其特征在于，根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值，包括：
分别将目标区域的可见光图像和红外光图像中梯度值大于梯度阈值的像素点进行累加，以得到目标区域的可见光图像清晰度值和红外图像光清晰度值。
4.根据权利要求1所述的方法，其特征在于，在获取的可见光图像和红外光图像之后，还包括：
将所述可见光图像和所述红外光图像进行灰度处理，生成可见光灰度图像和红外光灰度图像。
5.根据权利要求4所述的方法，其特征在于，根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值之前，还包括：
对所述可见光灰度图像的亮度值和所述红外光灰度图像的亮度值进行调整，以得到亮度值相等的可见光灰度图像和红外光灰度图像。
6.根据权利要求1所述的方法，其特征在于，根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域，包括：
若所述可见光图像清晰度值大于所述红外光图像清晰度值，则目标区域属于可视区域；
若所述可见光图像清晰度值小于所述红外光图像清晰度值，且清晰度比值大于所述清晰度比值阈值，则所述目标区域属于可视区域；其中，所述清晰度比值为所述可见光图像清晰度值与所述红外光图像清晰度值的比值。
7.根据权利要求1所述的方法，其特征在于，根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域，包括：
若所述可见光图像清晰度值小于所述红外光图像清晰度值，且所述红外光图像清晰度值小于清晰度下限值，则目标区域属于不可视区域；所述清晰度下限值为正常可视场景下红外光成像清晰度的最小值；
若所述可见光图像清晰度值小于所述红外光图像清晰度值，且清晰度比值小于所述清晰度比值阈值，则所述目标区域属于不可视区域；其中，所述清晰度比值为所述可见光图像清晰度值与所述红外光图像清晰度值的比值。
8.根据权利要求1所述的方法，其特征在于，在根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值之前，还包括：
依据所述可见光图像和所述红外光图像关联的实际距离，对所述可见光图像和所述红外光图像进行区域划分，得到不同距离范围的区域。
9.根据权利要求8所述的方法，其特征在于，在确定目标区域是否属于可视区域之后还包括：
将距离范围最大的可视区域作为能见度区域。
10.一种能见度检测装置，其特征在于，所述装置包括：
清晰度确定模块，用于根据获取的可见光图像和红外光图像，分别确定目标区域的可见光图像清晰度值和红外光图像清晰度值；
可视区域确定模块，用于根据所述目标区域的可见光图像清晰度值和红外光图像清晰度值，以及清晰度比值阈值，确定目标区域是否属于可视区域。
11.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的一种能见度检测方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的一种能见度检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911030931.5A CN112730345A (zh) | 2019-10-28 | 2019-10-28 | 一种能见度检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911030931.5A CN112730345A (zh) | 2019-10-28 | 2019-10-28 | 一种能见度检测方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112730345A true CN112730345A (zh) | 2021-04-30 |
Family
ID=75589263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911030931.5A Pending CN112730345A (zh) | 2019-10-28 | 2019-10-28 | 一种能见度检测方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112730345A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050270537A1 (en) * | 2004-06-08 | 2005-12-08 | Mian Zahid F | Image-based visibility measurement |
| CN102262092A (zh) * | 2011-04-29 | 2011-11-30 | 中国气象局北京城市气象研究所 | 能见度测量***及方法 |
| KR101649256B1 (ko) * | 2015-12-09 | 2016-08-18 | (주)한일에스티엠 | 악천후감지 및 악천후감지에 따른 영상개선이 가능한 영상감시시스템 |
| CN105894500A (zh) * | 2016-03-29 | 2016-08-24 | 同济大学 | 一种基于图像处理的可视距离检测方法 |
| CN109716758A (zh) * | 2016-09-21 | 2019-05-03 | Esca(创意联盟电子安全)株式会社 | 使用对能见度状态的改变具有鲁棒性的复合滤波法的监控相机和采用其的视频监控*** |
| CN110097762A (zh) * | 2019-03-25 | 2019-08-06 | 南京微达电子科技有限公司 | 一种道路视频图像低能见度刻度估算方法及*** |
| CN110326291A (zh) * | 2017-03-02 | 2019-10-11 | Esca(创意联盟电子安全)株式会社 | 具有对能见度状态的改变具有鲁棒性的基于复合滤波的自动聚焦功能的监控相机和采用其的视频监控*** |
-
2019
- 2019-10-28 CN CN201911030931.5A patent/CN112730345A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050270537A1 (en) * | 2004-06-08 | 2005-12-08 | Mian Zahid F | Image-based visibility measurement |
| CN102262092A (zh) * | 2011-04-29 | 2011-11-30 | 中国气象局北京城市气象研究所 | 能见度测量***及方法 |
| KR101649256B1 (ko) * | 2015-12-09 | 2016-08-18 | (주)한일에스티엠 | 악천후감지 및 악천후감지에 따른 영상개선이 가능한 영상감시시스템 |
| CN105894500A (zh) * | 2016-03-29 | 2016-08-24 | 同济大学 | 一种基于图像处理的可视距离检测方法 |
| CN109716758A (zh) * | 2016-09-21 | 2019-05-03 | Esca(创意联盟电子安全)株式会社 | 使用对能见度状态的改变具有鲁棒性的复合滤波法的监控相机和采用其的视频监控*** |
| CN110326291A (zh) * | 2017-03-02 | 2019-10-11 | Esca(创意联盟电子安全)株式会社 | 具有对能见度状态的改变具有鲁棒性的基于复合滤波的自动聚焦功能的监控相机和采用其的视频监控*** |
| CN110097762A (zh) * | 2019-03-25 | 2019-08-06 | 南京微达电子科技有限公司 | 一种道路视频图像低能见度刻度估算方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| 刘亚梅;: "基于梯度边缘最大值的图像清晰度评价", 图学学报, no. 02, 15 April 2016 (2016-04-15), pages 237 - 242 * |
| 李勇军;张玉钧;周毅;戴庞达;: "基于DSP的嵌入式数字摄像夜间能见度测量***", 现代电子技术, no. 13, 1 July 2012 (2012-07-01), pages 119 - 122 * |
| 陈文兵;杨建伟;张小磊;: "能见度自动化计算方法", 计算机工程与应用, no. 30, 21 October 2010 (2010-10-21), pages 181 - 183 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10261574B2 (en) | Real-time detection system for parked vehicles | |
| US9740967B2 (en) | Method and apparatus of determining air quality | |
| US11120531B2 (en) | Method and device for image processing, vehicle head-up display system and vehicle | |
| KR102094341B1 (ko) | 인공지능 기반의 도로 노면 불량 객체 정보 분석 시스템 및 방법 | |
| KR20210078530A (ko) | 차선 속성 검출방법, 장치, 전자장치 및 가독 저장 매체 | |
| CN110135235B (zh) | 一种眩光处理方法、装置及车辆 | |
| KR20210080459A (ko) | 차선 검출방법, 장치, 전자장치 및 가독 저장 매체 | |
| KR101834838B1 (ko) | 영상처리를 이용한 도로 교통 정보 제공 시스템 및 방법 | |
| CN109711427A (zh) | 目标检测方法及相关产品 | |
| CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
| JP2021099489A (ja) | 地図生成方法、地図生成装置、電子機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム | |
| CN109816621A (zh) | 异常光斑的检测装置及方法、电子设备 | |
| US20160148071A1 (en) | Systems and methods for object detection | |
| CN109740526B (zh) | 信号灯识别方法、装置、设备及介质 | |
| CN110458029B (zh) | 一种雾天环境中的车辆检测方法及装置 | |
| CN111950345A (zh) | 摄像头的识别方法、装置、电子设备和存储介质 | |
| KR101236223B1 (ko) | 차선 검출 방법 | |
| CN108734123B (zh) | 高速公路标志识别方法、电子设备、存储介质及*** | |
| US9811917B2 (en) | Confidence estimation for optical flow under low light conditions | |
| CN111708907A (zh) | 一种目标人员的查询方法、装置、设备及存储介质 | |
| CN113689493A (zh) | 镜头附着物检测方法、装置、电子设备和存储介质 | |
| CN112730345A (zh) | 一种能见度检测方法、装置、设备和介质 | |
| CN115311885B (zh) | 一种评测方法、***、电子设备及存储介质 | |
| CN112146834B (zh) | 结构振动位移测量方法及装置 | |
| CN112784817B (zh) | 车辆所在车道检测方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |