一種雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境識別算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種環(huán)境識別算法，具體是一種雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境 識別算法。
【背景技術(shù)】
[0002] 目前，圖像處理中已經(jīng)有很多比較成熟且穩(wěn)定可靠的獲取目標的算法，但至今還 是沒能在高速公路監(jiān)控中得到廣泛的應用，究其原因主要是高速公路監(jiān)控環(huán)境的復雜多 變，與研究算法所采用的標準、理想環(huán)境條件有很大的差別。實驗室條件下測試效果很好的 算法在實際應用中的效果是大打折扣的，現(xiàn)有技術(shù)沒有針對高速公路復雜環(huán)境情況進行識 別的算法，更沒有針對復雜環(huán)境情況開發(fā)有針對性的算法，事實上適用于一般環(huán)境的算法 很難解決不同監(jiān)控環(huán)境下的識別問題，目前的視頻監(jiān)控系統(tǒng)在雨天的環(huán)境準確率特別低。 因此，開發(fā)一套適用于高速公路復雜環(huán)境識別的算法，特別是針對常見雨天環(huán)境的識別算 法對提高視頻監(jiān)控系統(tǒng)的魯棒性尤為重要。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境識別算法，以解 決上述【背景技術(shù)】中提出的問題。
[0004] 為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
[0005] -種雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境識別算法，包括白天雨天環(huán)境識別算法 和夜間有路燈反光的雨天環(huán)境識別算法，白天雨天識別算法分為以下幾個步驟：
[0006] 步驟一:分別在左側(cè)與右側(cè)車道標記雨天檢測區(qū)域，分別對兩個檢測區(qū)域中的亮 度、像素梯度進行統(tǒng)計，得到三個參數(shù)分別是右側(cè)像素點梯度分布方差Variances左側(cè)像 素點梯度分布方差Variance^，以及檢測區(qū)域亮度Luminance，本算法中綜合考慮計算速度 和計算效果，以及各向同性的原則，像素點梯度值采用8鄰域均值的方法作為該像素點的梯 度值，如下式所示，
[0007]
[0008]式中&為各像素點的像素值；
[0009] 所述雨天環(huán)境識別算法分為以下幾個步驟：
[0012]其中P(x，y) = 1表示該像素點是高亮點，〇表示非高亮點，
[0010] 步驟一:夜間雨天環(huán)境中最為突出的是燈光的反光，利用這一特征進行夜間雨天 的識別，路面反射看到的燈光大多偏亮黃色或者趨近于白色，也就是說這些像素點的RGB像 素值接近于(255，255,255)，根據(jù)這些特征，本算法中將某一像素點是否是高亮點的定義如 下：
[0011]
[0013] 步驟二:假設有一組觀測值{Χη}，η=1，···，Ν，χ η是歐式空間中的一個D維向量：
[0014] Χη=(Χη1, · · · ,Χη?)Τ Xn^R°
[0015] 在{μ] i = 1，…，D坐標系下，將χη轉(zhuǎn)換到{Μ坐標系下，得到
[0016] χη=(αη1，…，anD)T
[0017] 取D維坐標中的Μ個坐標基向量，用這Μ個基向量方向的系數(shù)來近似表示χη，得到
[0018]
[0019]
[0020]
[0021 ]計算近似值與實際值的差異：
[0022] ^ 、..... __
[0023] 由于前Μ項與原向量是一致的，因此計算差值時，前Μ項都為0,用基向量的形式來 表示差值，則得到如下表達式：
[0024]
[0025] 由于{m}坐標系下的基向量都是單位正交向量，且具有完備性，因此將兩個向量 的差異表疋為如下
[0026]
[0027]通過矩陣的運算將上式簡化成 [0028]
[0029]按照方差的公式：
[0030]
[0031] 求得dn(n=l，...，N)的方差，下面分別計算以及[E(dn)]2，
[0032] 將4對數(shù)據(jù)集中所有N組數(shù)據(jù)進行求均值，得到：
[0033]
[0034] 整理后得到簡化表達式：
[0035]
[0036] 式Μ
Τ，表示Ν組數(shù)據(jù){χη}的協(xié)方差矩陣，
[0037]
[0038]利用基向量集{ui}的單位正交特性
[0039]
[0040]
[0041] 式中δ?」為克羅內(nèi)克符號，
[0042] 簡化[E(dn)]2的表達式：
[0043]
[0044]
[0045]
[0046] 式Μ
&為一標量，只與xn有關(guān)，則(d n)2的表達式 可以化簡為：
[0052]利用拉格朗日乘數(shù)法：
[0053]
[0054] 分別對m(i=M+l，-_，D)求偏導，求得導數(shù)零點，可以得到
[0055]
[0056] 令矩陣H=(B_SS)，將上式化簡為：
[0057] Hui = AiUi
[0058] 該式表示Ai為矩陣Η對應于特征向量m的特征值，
[0059] 由矩陣B和矩陣S的表達式可以看出，B和S2都是對稱矩陣，因而矩陣Η也是DXD的 對稱矩陣，且矩陣只與當前數(shù)據(jù)集Ιχ η}相關(guān)，對于一個確定的數(shù)據(jù)集，按照Η的表達式求出Η 的所有特征向量和特征值，然后按照特征值大小進行排序，選擇與前Μ個最大的特征值對應 的特征向量作為主成分子空間對數(shù)據(jù)集進行投影；
[0060] 利用以上算法對系統(tǒng)采集的數(shù)據(jù)進行處理，得到新的正交基向量{m，U2}，其中m 所對應的特征值較大，因此m為主成分方向，然后對所有數(shù)據(jù)進行轉(zhuǎn)換，將數(shù)據(jù)集轉(zhuǎn)換到以 {m，U2}為坐標軸的空間中進行分析，所有的數(shù)據(jù)點都會退化為在同一條直線上的點，且比 較理想地向兩個區(qū)域聚集，這條直線的方向就是基向量u 2的方向，在這種情況下再利用K-Means算法對其進行聚類分析，就能夠確定當前環(huán)境是否屬于雨天夜間環(huán)境。
[0061] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是:本發(fā)明解決在高速公路視頻監(jiān)控系統(tǒng)中 雨天識別率很低的問題，對雨天環(huán)境下的視頻圖像特征進行了研究，提出了針對白天和夜 間兩種情況下雨天環(huán)境的識別算法，相較于現(xiàn)有的技術(shù)，本算法極大的提高了雨天環(huán)境下 視頻監(jiān)控系統(tǒng)的魯棒性。
【附圖說明】
[0062] 圖1為雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境識別算法的天氣閾值T半監(jiān)督學習算 法流程圖；
[0063] 圖2為雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境識別算法中白天雨天識別算法算法流 程圖；
[0064] 圖3為雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境識別算法中夜間雨天環(huán)境識別算法流 程圖。
【具體實施方式】
[0065] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于 本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0066] 請參閱圖1~3,本發(fā)明實施例中，一種雨天環(huán)境下基于圖像特征的監(jiān)控環(huán)境識別 算法，包括白天雨天環(huán)境識別算法和夜間有路燈反光的雨天環(huán)境識別算法，白天雨天識別 算法分為以下幾個步驟：
[0067] 步驟一:分別在左側(cè)與右側(cè)車道標記雨天檢測區(qū)域，分別對兩個檢測區(qū)域中的亮 度、像素梯度進行統(tǒng)計，得到三個參數(shù)分別是右側(cè)像素點梯度分布方差Variances左側(cè)像 素點梯度分布方差Variances以及檢測區(qū)域亮度Lumunance，本算法中綜合考慮計算速度 和計算效果，以及各向同性的原則，像素點梯度值采用8鄰域均值的方法作為該像素點的梯 度值，如下式所示，
[0068]
[0069]式中XlS各像素點的像素值；
[0070] 所述雨天環(huán)境識別算法分為以下幾個步驟：
[0071] 步驟一:夜間雨天環(huán)境中最為突出的是燈光的反光，利用這一特征進行夜間雨天 的識別，路面反射看到的燈光大多偏亮黃色或者趨近于白色，也就是說這些像素點的RGB像 素值接近于(255，255,255)，根據(jù)這些特征，本算法中將某一像素點是否是高亮點的定義如 下：
[0072]
[0073] 其中P(x，y) = 1表示該像素點是高亮點，0表示非高亮點，
[0074] 步驟二:假設有一組觀測值{&}，1!=1，一，1心是歐式空間中