详情

原文传递基于计算机视觉的智慧城市道路监控系统

专利名称：	基于计算机视觉的智慧城市道路监控系统
摘要：	本发明涉及图像数据处理技术领域，提出了基于计算机视觉的智慧城市道路监控系统，包括：获取含雾灰度图；根据不同方向的灰度共生矩阵获取车道潜在像素点集合；根据像素点所取邻域窗口内图像信息的对称性特征获取像素点的边缘差异系数；根据像素点所在中心区域与像素点所取搜索区域内不同位置处的纹理差异获取局部峭度异质性指数；根据局部峭度异质性指数获取车辆判定系数；根据车辆判定系数以及深度值获取去雾窗口大小；根据去雾窗口大小获取含雾灰度图对应的暗通道去雾图像。本发明利用城市道路上不同物体在含雾灰度图中信息差异自适应获取暗通道去雾算法中的窗口大小，避免固定大小的窗口对道路上不同位置去雾效果的影响。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	广东申创光电科技有限公司
发明人：	曾二林;罗达祥;陈斌
专利状态：	有效
申请日期：	2023-10-18T00:00:00+0800
发布日期：	2023-11-21T00:00:00+0800
申请号：	CN202311346643.7
公开号：	CN117094914A
代理机构：	东莞市永邦知识产权代理事务所(普通合伙)
代理人：	毛有帮
分类号：	G06T5/00;G06T7/11;G06V10/30;G;G06;G06T;G06V;G06T5;G06T7;G06V10;G06T5/00;G06T7/11;G06V10/30
申请人地址：	523000 广东省东莞市松山湖园区科技二路9号1栋2单元1301室
主权项：	1.基于计算机视觉的智慧城市道路监控系统，其特征在于，该系统包括以下模块：数据采集模块，将图像采集装置获取的道路有雾图像转换为含雾灰度图；车道区域提取模块，根据含雾灰度图上不同方向的灰度共生矩阵获取车道潜在像素点集合；利用拟合算法基于车道潜在像素点集合获取车道拟合线；根据车道拟合线上每个像素点所取邻域窗口内图像信息的对称性特征获取车道拟合线上每个像素点的边缘差异系数；对边缘差异系数大于预设阈值的像素点进行标记，将车道潜在像素点集合删除所述标记像素点后获取的拟合直线的闭运算结果作为真实车道线，根据真实车道线上所有像素点的模糊特征获取含雾灰度图中的车道区域；窗口尺度确定模块，根据车道区域内每个像素点所在中心区域与每个像素点所取搜索区域内不同位置处的纹理差异获取车道区域内每个像素点的局部峭度异质性指数；根据车道区域内所有像素点的局部峭度异质性指数获取真实边界集合；利用单目深度估计算法获取雾灰度图上每个像素点的深度值；根据真实边界集合的矩形拟合结果以及深度值获取每个像素点对应的去雾窗口大小；道路监控模块，根据每个像素点对应的去雾窗口大小获取含雾灰度图对应的暗通道去雾图像；根据暗通道去雾图像实现对智慧城市道路上车辆的实时监控。 2.根据权利要求1所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据含雾灰度图上不同方向的灰度共生矩阵获取车道潜在像素点集合的方法为：获取含雾灰度图在预设数量个方向上灰度共生矩阵在相同位置上元素值的均值，将所述均值按照任意一个方向上灰度共生矩阵中元素的位置构成的矩阵作为含雾灰度图的平均灰度共生矩阵；获取所述平均灰度共生矩阵中元素值按照降序顺序的排列结果，将所述排列结果中前预设数量个元素对应的灰度值组成的集合作为筛选灰度值集合；将含雾灰度图中灰度值位于筛选灰度值集合内的像素点标记为车道潜在像素点，将所有车道潜在像素点组成的集合作为车道潜在像素点集合。 3.根据权利要求1所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据车道拟合线上每个像素点所取邻域窗口内图像信息的对称性特征获取车道拟合线上每个像素点的边缘差异系数的方法为：获取以车道拟合线上每个像素点为中心点的预设大小的邻域窗口，利用经过所述邻域窗口中心点的直线将所述邻域窗口分割为左分割区域、右分割区域；将每个像素点对应的左分割区域内像素点灰度值的均值与右分割区域内像素点灰度值的均值之间差值的绝对值作为每个像素点的左右偏差度量；根据左右分割区域内灰度值的分布差异获取每个像素点的中心不均衡系数；每个像素点的边缘差异系数由每个像素点的左右偏差度量、中心不均衡系数两部分组成，其中，所述边缘差异系数与左右偏差度量、中心不均衡系数成正比关系。 4.根据权利要求3所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据左右分割区域内灰度值的分布差异获取每个像素点的中心不均衡系数的方法为：将每个像素点与其对应的左分割区域内每个像素点的灰度值差值的绝对值在左分割区域上的累加作为每个像素点的第一累加值，将每个像素点的第一累加值与每个像素点对应的左分割区域内像素点数量的比值作为每个像素点的左侧偏差量；将每个像素点与其对应的右分割区域内每个像素点的灰度值差值的绝对值在右分割区域上的累加作为每个像素点的第二累加值，将每个像素点的第二累加值与每个像素点对应的右分割区域内像素点数量的比值作为每个像素点的右侧偏差量；将每个像素点的左侧偏差量与右侧偏差量的差值绝对值作为每个像素点的中心不均衡系数。 5.根据权利要求1所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据真实车道线上所有像素点的模糊特征获取含雾灰度图中的车道区域的方法为：获取每一条真实车道线上以每个像素点作为中心点所取局部窗口内灰度值的分布方差，将所述分布方差小于预设阈值的局部窗口对应的像素点作为所述像素点所在真实车道线的终点；将相邻两条真实车道线的终点的连线作为上边界，将相邻两条真实车道线与含雾灰度图的交点的连线作为下边界，将所述上边界、下边界、相邻两条真实车道线组成的区域作为相邻两条真实车道线对应的车道区域。 6.根据权利要求1所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据车道区域内每个像素点所在中心区域与每个像素点所取搜索区域内不同位置处的纹理差异获取车道区域内每个像素点的局部峭度异质性指数的方法为：根据邻域窗口内像素点之间的灰度值分布获取每个邻域窗口的局部峭度值；将以每个像素点为中心的邻域窗口作为每个像素点的中心区域，将每个像素点中心区域的局部峭度值与每个邻域窗口的局部峭度值之间差值的绝对值在每个像素点所取搜索区域内的累加作为分子，将邻域窗口在所述搜索区域内的滑动次数作为分母，将分子与分母的比值作为每个像素点的局部峭度异质性指数。 7.根据权利要求6所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据邻域窗口内像素点之间的灰度值分布获取每个邻域窗口的局部峭度值的方法为：将每个邻域窗口内每个像素点与每个邻域窗口内像素点灰度值均值的差值作为分子，将每个邻域窗口内像素点灰度值的分布方差作为分母，将分子与分母的比值的平方在每个邻域窗口上的累加作为每个像素点的第一组成因子；将每个邻域窗口内所有像素点的第一组成因子的均值作为每个邻域窗口的局部峭度值。 8.根据权利要求1所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据车道区域内所有像素点的局部峭度异质性指数获取真实边界集合的方法为：将局部峭度异质性指数大于预设阈值的像素点标记为目标像素点，分别计算目标像素点与其四邻域内每个像素点之间梯度幅值的差值，将所述梯度幅值的差值中的最大值对应的像素点与目标像素点组成的集合作为真实边界集合。 9.根据权利要求1所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据真实边界集合的矩形拟合结果以及深度值获取每个像素点对应的去雾窗口大小的方法为：将真实边界集合中每个像素点所在拟合矩形的矩形度与预设阈值的比值作为第二组成因子，每个像素点的局部峭度异质性指数与第二组成因子之和作为每个像素点的车辆判定系数；将每个像素点的车辆判定系数与预设区域系数之和作为分子，将每个像素点的深度值与预设参数的乘积作为分母，将分子与分母的比值的取整结果作为每个像素点的去雾窗口的边长。 10.根据权利要求1所述的基于计算机视觉的智慧城市道路监控系统，其特征在于，所述根据每个像素点对应的去雾窗口大小获取含雾灰度图对应的暗通道去雾图像的方法为：将每个像素点对应的去雾窗口边长的一半作为暗通道去雾算法中每个像素点对应的滤波半径，利用最小值滤波获取含雾灰度图对应的暗通道去雾图像。