基于视频图像处理的高速公路能见度检测系统

李小磊，秦会斌

（杭州电子科技大学 电子信息学院，浙江 杭州 310000）

0 引言

能见度的观测是大气探测学的重要组成部分，其观测结果对海运、陆运以及空运等交通领域有着重要的影响。近年来低能见度的天气经常造成高速公路堵塞、封路甚至车祸，对高速公路行车安全造成了很大威胁。且高速公路部分路段很容易出现团雾现象。团雾主要受局部地区微气候环境的影响而产生，在团雾中，数十米到上百米的局部范围内，视线一片朦胧。团雾区域性强，气象部门难以实时观测，对交通安全极具危害性，容易酿成重大交通事故。

目前，用于高速公路的能见度检测仪价格昂贵，无法沿线密集架设，难以实现对能见度的全程监测。为此本文提出了基于视频图像处理的高速公路能见度检测方法，利用交通部门在高速公路沿线架设的监控摄像机，实时提取视频数据，通过图像处理技术计算能见度，实现全路段、全天候实时的能见度检测。

1 能见度测量原理

一般意义上的能见度是指：能从背景中分辨出目标物轮廓和形体的最大距离。在日常生活中，以观测者从远处逐渐走近目标物，直至将目标物从背景上辨认出来时的最大距离为某时刻的能见度。目标物能见与否，不仅取决于目标物本身亮度，更主要取决于它同背景的亮度差异，表示这种差异的指标是亮度对比。设目标物表面的固有亮度为BO，背景的固有亮度为BS（这里背景S主要是水平天空的亮度），则亮度对比关系CL定义为：

当BS=BO，CL=0，表示二者无亮度差异，无法从背景中分辨出目标物。当 BO=0且BS≠0时，此时目标物为绝对黑体，亮度对比最大，CL=1。

根据柯什密得（Koschmieder）定律，目标物的视亮度是目标物固有亮度经过空气层衰减后的亮度与目标物到观测者之间的空气层所产生的气慕光亮度之和，即：

式中，BO′为目标物的固有亮度经过距离为L空气层削弱后的视亮度，σ为大气消光系数。气慕光的强度随着水平空气长度的增加而增加，当空气柱为无穷长时，天空视亮度BS′与其固有亮度相等，即 BS=BS′，由（2）式变形得：

与目标物和背景的固有亮度对比相似，可以定义目标物和背景的视亮度对比为：

将（1）、（4）代入（3）式得：

国际民航组织（ICAO）选定，当目标物为标准黑色物体，从背景中发现目标物时的视感阀ε=C′LCL=0.05，推得最大能见距离与消光系数的关系为：

由上式可知，能见度只与大气消光系数有关系，本设计中采用双亮度差法分别求出白天和夜间的大气消光系数，进而求出白天和夜晚的能见度。

2 能见度检测系统结构

根据双亮度差法原理，设计系统结构如图1所示，目标参照物1、2需要人工搭建，由光源和黑体两个同心圆构成。由于目标物的视张角θ=3.4×（a×b）1/2会影响人眼视力对比阈值 ε，其中 0.5°〈θ〈5°，a为目标物的高度，b为目标物的宽度，L为观测点到目标物的距离，为了便于在视频图像中提取目标物，设计目标物光源和黑体的半径分别为r=30cm，R=2r，摄像头和目标参照物必须安装在同一高度。在摄像头前端加上遮光镜筒，减少环境中各种散射光对摄像机采集的视频图像的干扰，也可以避免摄像机镜头长期暴露在野外环境而粘附灰尘、雨雪等杂物，有效降低背景噪声对测量的影响。参照物中的光源为非聚光的面光源，可减弱CCD相机自动增益而引发的光晕效果。D1、D2分别为参照物到摄像头的距离，分别设置在20m和40m处。

图1 系统结构图

根据式（5）推导：

由式（1）（6）可得：

式中：BS1、BS2分别为参照物1、2对应上方无限远处天空的固有亮度；BO1、BO2分别为参照物 1、2黑体（夜间时为光源）的固有亮度；B′S1、B′S2分别为参照物1、2对应上方无限远处天空的视亮度；B′O1、B′O2分别为参照物1、2黑体（夜间时为光源）的视亮度。

在现场观测环境中，两个目标参照物固有亮度相同，从观测点到两个目标参照物背景视线的方向几乎一致，使得有 BS1=BS2、BO1=BO2，黑体、光源以及背景天空的视亮度就是视频图像中该区域的灰度值，由式（8）推得：

将式（9）代入式（6）得到大气能见度：

3 能见度检测算法实现

基于视频图像处理的高速公路能见度检测主要采用Visual Studio2012开发工具和MFC框架，同时引入OpenCV3图像处理开源库，使用C++编程语言，成功搭建了检测系统。该检测系统通过CCD摄像机采集视频图像，首先对采集的视频图像进行图像灰度化、高斯滤波预处理以减轻因冲击噪声而带来的影响；通过视频亮度检测，判别是白天还是夜晚时刻；通过基尔霍夫圆变换定位检测目标参照物在视频图像中的位置；分割出目标图像作为兴趣区域，提取各区域平均灰度值；计算出实时能见度，并提示此时的能见度对交通的影响。

图2 算法实现流程图

4 系统测试和实验分析

4.1 环境亮度检测

由于白天和夜间采用的计算公式和目标参照物对象有所不同，本方案实现全天候实时检测的难点之一是昼夜交替时刻的确定。为此进行了场外实验，通过分析环境亮度的变化趋势，判断昼夜交替时刻。在实验中，分别选取了白天过渡到夜间的某一时间段、夜间过渡到白天的某一时间段，每30s截取一次图像，分别取图像中两个参照物对应上方天空区域的灰度均值，得到两个过渡时间的灰度均值变化趋势曲线图，如图3和图4所示。

图3 夜-昼过渡时间段灰度均值变化曲线图

图4 昼-夜过渡时间段灰度均值变化曲线图

从图3和图4可以看出，在白天到夜间的过渡时间段，18：40之前天空区域灰度均值曲线基本稳定，波动范围很小，18：40-19：00时间段灰度均值发生突变，19：00以后曲线又变得平稳；在夜间过渡到白天时间段，4：50-5：20之间，曲线发生突变，而在这前后趋势平稳。由于天空区域灰度值变化幅度较为明显，因此采用过渡条件为：当检测到天空区域灰度值大于150时，采用白天模式；当检测到天空区域灰度值小于150时，采用夜间模式。

4.2 能见度检测实验分析

为了测试系统的检测性能以及算法的实用性，选择室外环境搭建了测试系统，测试时间从0：00-24：00，天气为阴雨天气，将检测结果绘制成曲线图，如图5所示，其中虚线为实际能见度仪测得的标准数据，实线为本系统检测的结果。

图5 能见度检测对比图

从图5可以看出，使用能见度仪测得的标准数据与本实验系统测得的数据基本吻合，在能见度缓慢变化和快速变化的时刻，都能取得比较理想的检测结果。图中曲线有几处波动较大，可能是环境反射光造成的影响。

5 结语

本文主要对双亮度差法测量能见度进行了研究，并对具体实施方法进行了改进。实验结果表明，基于视频图像处理的高速公路能见度检测系统能实现实时、全天候以及高精准的检测，可满足高速公路的能见度检测需求。