[发明专利]一种基于实景图像的低能见度识别算法

说明书

本发明公开了一种基于实景图像的低能见度识别算法，涉及实景图像的低能见度识别算法技术领域，包括可视化管理系统，所述可视化管理系统还包括基于视频摄像设备采集实景图，并通过实景图像中提取能见度信息进行识别的算法，包含以下步骤：S1、开始：剔除实景图像的文字等干扰信息，对实景图像进行梯度转化，获取图像梯度图；S2、分块：从上往下对图像进行水平分块，每块大小一样。本发明算法具有普遍适用性，对于大部分实景图像都可以用一个模型分辨；学习效率高，通过剔除原图冗余信息，建立新的简化图像进行学习，提高的学习训练的效率；对夜间视频采集的实景图像也有较好的识别能力，适宜推广使用。

技术领域

本发明涉及实景图像的低能见度识别算法技术领域，尤其涉及一种基于实景图像的低能见度识别算法。

背景技术

能见度即目标物的能见距离，是指观测目标物时能从背景上分辨出目标物轮廓的最大距离。能见度是气象观测项目之一。低能见度对轮渡、民航、高速公路等交通运输和电力供应以至于市民的日常生活都会产生许多不利的影响。在经济高度发展的今天，低能见度天气带来的影响更为明显。近10年来，因能见度过低而造成的重大交通事故屡有发生。因此准确的监测和获取能见度数据，对交通航运等有重要的意义。现有的能见度数据自动观测主要通过能见度观测仪主要有透射式和散射式两种，但价格往往比较昂贵，维护成本高。

随着智慧城市的建设，智慧交通、公共安全、可视化管理等迅速发展，视频摄像头越来越多，积累了大量的视频和图像数据。现有基于图像的能见度算法主要是模拟人工观测，通过设置目标物和测量目标物，然后通过图像识别目标物是否清晰来判断能见度数值。这种方式不具备普适性，无法利用社会上大量的视频资源。急需研发出更具普适性的能见度识别算法。随着深度学习和人工智能发展，人们开始研究从任意实景图像中提取能见度信息。利用这些摄像设备，人们可以大量的节约能见度仪的布设和维护成本，大量提高能见度数据的观测密度，为交通和城市安全运行提供更加精细的气象数据支持。

低能见度情形一般指人眼能识别最大距离小于1000米的视程障碍的情况。如果通过实景视频的截图可以快速判断辨识出现低能见度的情况，以便及时通知气象、交通、航运等部门发布预警，可以减少人工监控的时间成本，因此通过实景图像识别低能见度的情形，对城市安全运行、交通航运有着重要的意义。但现有的图像识别能见度的算法主要存在的缺陷有：

(1)针对的是某一特定场景下的能见度识别，比如高速公路上的视频图像能见度识别，识别算法没有普适性，对于不同的场景需要重新获取样本进行学习建立不同的模型；

(2)对于夜间的能见度识别能力较差，对于在夜间灯光环境下图像能见度识别的能力比较弱。

由上所述，为此我们设计出了一种基于实景图像的低能见度识别算法来解决以上问题。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于实景图像的低能见度识别算法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于实景图像的低能见度识别算法，包括可视化管理系统，所述可视化管理系统包括视频摄像设备和图像数据处理单元，所述可视化管理系统还包括基于视频摄像设备采集实景图，并通过实景图像中提取能见度信息进行识别的算法，包含以下步骤：

S1、开始：剔除实景图像的文字等干扰信息，对实景图像进行梯度转化，获取图像梯度图；

S2、分块：从上往下对图像进行水平分块，每块大小一样，优选分块，分块的行数根据图像大小来确定，优选分块的行数数字为n；

S3、数值统计：对每个块中的像素点的数值进行统计，分别统计0～255个数值的个数；