[发明专利]一种基于去雾AI图像分析系统和快速响应门禁控制方法

说明书

本发明提供了一种基于去雾AI图像分析系统以及快速响应门禁控制方法。本发明通过人工智能(AI)学习技术实现对当前图像的场景模式判断，采取与场景模式适配的图像局域划分策略，降低局域内的场景深度差异，通过与图像场景最优适配的局域划分策略使得假定局域的场景透射率均衡所带来的误差最小化，显著降低了去雾图像的块状效应，同时无需软抠图和引导滤波等精细调整算法，节约了门禁系统的运算资源，加快了门禁响应速度。同时本发明还可以基于场景模式判定当前图像是否存在去雾算法失效的情况，并且相应地引用相同场景模式下的无雾图像中提取的参数执行去雾算法中相关参数的修正，从而提升了门禁系统的鲁棒性。

技术领域

本发明属于人工智能技术领域，尤其涉及一种基于去雾AI图像分析系统和快速响应门禁控制方法。

背景技术

在雾霾天气里面进行室外图像采集时，由于空气中细小颗粒物对光线的吸收与散射，造成图像对比度降低，色调出现偏移，画面内容呈现模糊，这必然会给图像内容的快速识别与分析带来障碍。特别是对于智慧社区、智慧楼宇的门禁系统来说，由于其主要是提取用户面部图像的表面纹理的精细特征值实现身份认证，在雾霾天气下，以上特征值受到比较大的干扰，很容易发生错误识别、延迟识别或无法识别的情况。尤其目前部分地区的雾霾天气发生频率比较高，会给门禁系统的可靠工作产生相当不利的影响。

图像去雾处理在近年来愈发得到相关技术领域的重视。最初的技术手段是采用基于图像增强的方法，通过提高有雾图像的对比度、利用算子强化边缘以及突出图像细节以改善视觉效果，但是这一方法去雾程度比较有限，而且在处理过程中易造成图像细节的改变，对于门禁识别来说同样增大了错误发生率。2009年以来，本领域又提出了基于暗通道的图像去雾处理方法，这一原理为图像去雾技术向着本质深入发展打下了坚实的基础。基于暗通道的图像去雾处理方法认为描述有雾图像与去雾图像之间关系的光学模型如下：

其中，J(x,y)表示去雾后的图像，I(x,y)表示有雾的原始图像，A表示该图像的大气光值，也就是环境大气的亮度，而t(x,y)表示该幅图像的场景透射率图，也就是景物光线穿透空气进入相机的投射程度，t₀是为了防止过度去雾造成失真而人为规定的一个门限值。原始图像I(x,y)和t₀是已知量，因此为了通过上述公式求解去雾图像J(x,y)，需要获得公式中的其它参量A与t(x,y)。在现有技术中，一般根据有雾图像中亮度最大的像素点的值估算出大气光值A。而场景透射率图t(x,y)＝e^-β·d(x,y),β为图像的介质散射系数，是一个均匀的常量，而d(x,y)为图像的场景深度图，与图像的场景深度特征，每一幅图像场景都不尽相同，因此对于每一幅图像来说场景透射率图t(x,y)都是特有的。

通过对大量无雾图像的研究，认为对户外无雾图像当中除了天空区域的大部分局域来说，进行R、G、B颜色通道分离之后，至少某个颜色通道的强度分布在较低的灰度级,则将该局部区域的该通道称之为暗通道，则将暗通道表示为J_dark＝min_(x,y)∈Δ(min_c∈(R,G,B)J^c(x,y))，其中J_dark表示去雾图像J(x,y)的暗通道值，c表示R、G、B三个通道，min_c∈(R,G,B)J^c(x,y)表示去雾图像的像素(x,y)在R、G、B三个通道上的强度值的最小值，Δ表示去雾图像的一个局域，像素(x,y)属于该局域；对于无雾图像除了天空区域以外的大部分局域来说，J_dark的值趋近于零。并且，对于一个图像局域Δ来说，由于场景深度变化不大，因此可以认为该局域内的场景透射率图t(x,y)取一个固定值，表示为t((x,y)∈Δ)＝t(Δ),则

根据去雾图像除了天空区域以外的大部分局域J_dark的值趋近于零的先验规则，认为的值趋于0，则局域的透射率