[发明专利]一种雨天环境下基于图像特征的监控环境识别方法

说明书

本发明公开了一种雨天环境下基于图像特征的监控环境识别方法，包括白天雨天环境识别算法和夜间有路灯反光的雨天环境识别算法。本发明解决在高速公路视频监控系统中雨天识别率很低的问题，对雨天环境下的视频图像特征进行了研究，提出了针对白天和夜间两种情况下雨天环境的识别算法，相较于现有的技术，本方法极大的提高了雨天环境下视频监控系统的鲁棒性。

技术领域

本发明涉及一种环境识别算法，具体是一种雨天环境下基于图像特征的监控环境识别方法。

背景技术

目前，图像处理中已经有很多比较成熟且稳定可靠的获取目标的算法，但至今还是没能在高速公路监控中得到广泛的应用，究其原因主要是高速公路监控环境的复杂多变，与研究算法所采用的标准、理想环境条件有很大的差别。实验室条件下测试效果很好的算法在实际应用中的效果是大打折扣的，现有技术没有针对高速公路复杂环境情况进行识别的算法，更没有针对复杂环境情况开发有针对性的算法，事实上适用于一般环境的算法很难解决不同监控环境下的识别问题，目前的视频监控系统在雨天的环境准确率特别低。因此，开发一套适用于高速公路复杂环境识别的算法，特别是针对常见雨天环境的识别算法对提高视频监控系统的鲁棒性尤为重要。

发明内容

本发明的目的在于提供一种雨天环境下基于图像特征的监控环境识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种雨天环境下基于图像特征的监控环境识别方法，包括白天雨天环境识别算法和夜间有路灯反光的雨天环境识别算法，白天雨天识别算法分为以下几个步骤：

步骤一：分别在左侧与右侧车道标记雨天检测区域，分别对两个检测区域中的亮度、像素梯度进行统计，得到三个参数分别是右侧像素点梯度分布方差Variance_R，左侧像素点梯度分布方差Variance_L，以及检测区域亮度Luminance，本算法中综合考虑计算速度和计算效果，以及各向同性的原则，像素点梯度值采用8邻域均值的方法作为该像素点的梯度值，如下式所示，

式中x_i为各像素点的像素值；

步骤二：根据步骤一得到的右侧像素点梯度分布方差、左侧像素点梯度分布方差以及检测区域亮度，计算得到协方差矩阵范数|Σ|；同时初始化天气阀值T后，对天气阀值T进行更新，当计算得到的协方差矩阵范数|Σ|<T，判断为白天晴天；当|Σ|>T，判断为白天雨天。

所述夜间有路灯反光的雨天环境识别算法分为以下几个步骤：

步骤一：夜间雨天环境中最为突出的是灯光的反光，利用这一特征进行夜间雨天的识别，路面反射看到的灯光大多偏亮黄色或者趋近于白色，也就是说这些像素点的RGB像素值接近于(255,255,255)，根据这些特征，本算法中将某一像素点是否是高亮点的定义如下：

其中P(x，y)＝1表示该像素点是高亮点，0表示非高亮点，

步骤二：假设有一组观测值{x_n}，n＝1,…,N，x_n是欧式空间中的一个D维向量:

x_n＝(x_n1，...，x_nD)^T x_n∈R^D

在{μ_i}i＝1,…,D坐标系下，将x_n转换到{μ_i}坐标系下，得到

x_n＝(α_n1，...，α_nD)^T