一種基于視頻分析的實時降雪強度估計方法
【專利摘要】本發(fā)明公開了一種基于視頻分析的實時降雪強度估計方法，提出了實時降雪強度分析方法，方法主要包括區(qū)域劃分、單個區(qū)域雪粒子檢測、雪粒子檢測有效性判斷、全局雪粒子推算、實時降雪強度估計五個部分。通過實驗發(fā)現，本方法可以有效的識別下落雪粒子的分布情況，計算實時性較好，方便和現有視頻監(jiān)控系統(tǒng)結合，具有很強的實用價值。
【專利說明】
-種基于視頻分析的實時降雪強度估計方法
技術領域
[0001] 本發(fā)明設及氣象觀測技術領域，基于視頻分析的實時降雪強度估計方法。
【背景技術】
[0002] 隨著高速鐵路的飛速發(fā)展，列車的速度越來越快，在極端條件情況下列車的安全 行駛也顯得更加重要，降雪是對鐵路列車行車影響最大的天氣狀況。積雪會導致輪軌摩擦 力減小，制動距離加大，給行車安全帶來隱患。因此，對雪深進行實時的測量并將雪深數據 實時反饋給控制中屯、為列車調度提供重要依據。
[0003] 傳統(tǒng)的方法是采用測雪尺或者有刻度的測雪桿插入雪中至地表面進行地面積雪 深度的測量，由于積雪下面通常有冰層，使得雪尺難W精確測量，同時風吹雪導致積雪重新 分布，因此需要選擇有代表性的測量點和多次測量，該方法費時費力、隨機誤差大，并且難 W實時監(jiān)測。
[0004] 目前已有的雪深測量方法有放射性同位素法，精度雖然高但會危害測量人員健 康;基于圖像處理的測量方法，其受天氣和光照影響大，魯棒性差;超聲傳感器雪深測量方 法，其受溫度風速影響大，基于相位法激光測距原理的雪深測量方法穩(wěn)定性較強但受雪面 不平整的影響。

【發(fā)明內容】

[0005] 本發(fā)明的目的在于提供一種計算實時性較好，方便和現有監(jiān)控系統(tǒng)相結合降雪強 度估計方法。
[0006] 實現本發(fā)明目的的技術方案具體為:基于視頻分析的實時降雪強度估計方法，包 括W下步驟：
[0007] (1)區(qū)域劃分:將整個檢測畫面劃分為若干個單個區(qū)域；
[000引（2)單個區(qū)域雪粒子數量實時檢測:對每個單個區(qū)域分別進行如下步驟：
[0009] (2.1)圖像預處理，將彩色的=通道圖像轉換為單通道的灰度圖像；
[0010] (2.2)基于帖差法的前景提取，利用膨脹和腐蝕處理方法對二值圖像進行處理，將 孤立的噪聲點去除，將截斷的雪粒子點連接成完整的雪粒子；
[0011] (2.3)基于形態(tài)學處理的雪粒子初選，將(2.2)處理后的圖像中相鄰的像素點連接 形成輪廓線，統(tǒng)計每個輪廓線包含的像素點的數，從而得到雪粒子的輪廓線長度；
[0012] (2.4)基于雪粒子輪廓尺寸的雪粒子識別，將輪廓線長度在預設的尺寸范圍內的 雪粒子篩選出來；
[0013] (2.5)基于重屯、位置的雪粒子區(qū)域歸屬，每個雪粒子對應一個坐標向量，通過計算 每組雪粒子的幾何重屯、來判斷雪粒子所屬的區(qū)域；
[0014] (3)檢測有效性判斷:通過選擇背景顏色較深的區(qū)域的檢測結果作為有效結果，并 同時對連續(xù)多帖的有效結果進行累計，得出最終單個區(qū)域雪粒子數量；
[0015] (4)全局雪粒子數量推算:根據步驟(3)輸出的最終單個區(qū)域雪粒子數量推算整個 檢測畫面的雪粒子數量；
[0016] (5)實時降雪強度估計:根據整個檢測畫面的雪粒子數量推算降雪強度。
[0017] 優(yōu)選地，步驟(4)中根據如下公式推算整個檢測畫面的雪粒子數量：
[001 引
[0019] 其中，N-一整幅畫面檢測的雪粒子數量；Zt-一整幅畫面被分割的區(qū)域數量； Ze一一有效的雪粒子檢測區(qū)域數量;m-一檢測出的有效雪粒子區(qū)域i的雪粒子數量。
[0020] 優(yōu)選地，步驟(5)中根據如下公式推算降雪強度：
[0021]
[0022] 其中，CSIt-一t時刻的降雪強度;L一一攝像機垂直方向的分辨率（垂直像素個 數）;W一一攝像機水平方向的分辨率(水平像素個數）；f 一一攝像機焦距;Z-一雪粒子距離 攝像機的距離;Ni-一一帖整幅畫面檢測的雪粒子數量;a-一向后累計帖的數量。
[0023] 本發(fā)明與現有技術相比，其顯著優(yōu)點為:可W有效的識別下落雪粒子的分布情況， 計算實時性較好，方便和現有視頻監(jiān)控系統(tǒng)結合，具有很強的實用價值，便于推廣。
【附圖說明】
[0024] 圖1為本發(fā)明方法流程圖。
【具體實施方式】
[0025] 本發(fā)明基于視頻分析的實時降雪強度估計方法，包括W下步驟：
[0026] 第1步，區(qū)域劃分:將整個檢測畫面劃分為若干個區(qū)域，區(qū)域劃分的原則是在滿足 檢測精度要求時，區(qū)域劃分數量不宜過多，區(qū)域范圍不宜太??；區(qū)域劃分要結合監(jiān)控區(qū)域的 場景，盡可能將運動物體較少或沒有、顏色較深、不易被雪覆蓋的區(qū)域分離出來。在一定范 圍內，區(qū)域分割數量越多，檢測精度越高，計算量越大，檢測實時性越差，對計算性能要求越 局。
[0027] 第2步，單個區(qū)域雪粒子檢測：該步驟是整個方法的核屯、部分，包括：圖像預處理、 基于帖差法的前景提取、基于形態(tài)學處理的雪粒子初選、基于雪粒子輪廓尺寸的雪粒子識 另Ij、基于重屯、位置的雪粒子區(qū)域歸屬五個子步驟如下：
[0028] (2.1)彩色圖像的灰度化:首先將彩色的=通道圖像轉換為單通道的灰度圖像，根 據視覺屯、理學的研究，RGBS通道圖像和單通道的灰度圖像之間的轉化關系如下
[0029] Gray = R*0.299+G*0.587+6*0.114 (I)
[0030] (2.2)前景提取:利用膨脹和腐蝕運兩種形態(tài)學處理方法對二值圖像進行處理，將 孤立的噪聲點去除，將截斷的雪粒子點連接成完整的雪粒子，盡可能的恢復雪粒子的真實 特征，為進一步篩選雪粒子提供基礎。膨脹和腐蝕方法分別如下所示。
[0031] (2.2.1)膨脹
[0032] 用結構元素 b對函數f進行灰度膨脹，記為：f 06,定義為：
[0033]
(2)
[0034] 扣和化分別表示f和b的定義域。
[0035] (2.2.2)腐蝕
[0036] 用結構元素 b對函數f進行灰度腐蝕，記為:f化，定義為：
[0037] (；nb)(S,t) =min{f (S+X,t+y)-b(x,y) I (S+X), (t+y) GDf; (x,y) GDbI (3)
[003引扣和化分別表示f和b的定義域。
[0039] (2.3)基于雪粒子輪廓尺寸的篩選
[0040] 雪粒子在成像平面的輪廓線由一系列相鄰(包括對角相鄰)的像素點連接而成，通 過統(tǒng)計每個輪廓線包含的像素點的數，就能得到雪粒子的輪廓線長度。選擇的雪粒子尺寸 下限為4,上限為30。 (4)
[0041]
[0042] f(contour(x)) 一一雪粒子x是否是雪粒子的判定結果，1表示是，0表示不是；
[0043] Contour(X)--雪粒子x的輪廓線長度；
[0044] minContour一一雪粒子輪廓線長度的下限；
[0045] maxContour--雪粒子輪廓線長度的上限。
[0046] (2.4)基于重屯、位置的雪粒子區(qū)域歸屬
[0047] 在本文的檢測方法中，每個雪粒子實質是由一組連續(xù)的輪廓線上的像素封閉起 來，每個雪粒子對應一個坐標向量，如(5)所示。通過計算每組雪粒子的幾何重屯、來判斷雪 粒子所屬的區(qū)域，如（6)所示，通過比較重屯、坐標和區(qū)域邊界，見公式（7)，判斷雪粒子所屬 區(qū)域。
[004引 Contour=Kxi,yi),(X2,Y2). . .(Xn,yn)} (5)
[0049] (Xn，yn)表示輪廓線上的某一點像素坐標。
(6)
[(K)加 ]
[0化1] Xg Yg一一輪廓線的幾何重屯、坐標位置。
[0化2] (7)
[0化3]
[0054] Zone--劃分的區(qū)域；
[0055] W一一全局的水平像素數；
[0化6] L一一全局的垂直像素數；
[0057] P一一水平方向劃分區(qū)域個數；
[0化引 Q-一垂直方向劃分區(qū)域個數。
[0059] 第3步，雪粒子檢測有效性判斷:通過選擇背景顏色較深(與雪粒子顏色反差較大） 的區(qū)域的檢測結果作為有效結果輸出。同時為了減少外界隨機因素對檢測精度的影響，可 W對連續(xù)多帖的檢測結果進行累計，作為最后的輸出。
[0060] 第4步，全局雪粒子推算:通過有效性檢驗的檢測結果輸出后，可W W此為基礎將 檢測結果擴充到整幅畫面，運里忽略雪粒子在空間分布的不均勻性，認為在攝像機可觀察 到的畫面范圍內，雪粒子是均勻分布的。根據公式(8)將部分有效區(qū)域的雪粒子數量擴充到 整幅畫面的雪粒子數量。
[0061 ]
(8)
[0062] N一一整幅畫面檢測的雪粒子數量；
[0063] Zt--整幅畫面被分割的區(qū)域數量；
[0064] Ze一一有效的雪粒子檢測區(qū)域數量；
[0065] m-一檢測出的有效雪粒子區(qū)域i的雪粒子數量。
[0066] 第5步，實時降雪強度估計：雪粒子的密度和降雪強度呈現顯著的正相關關系，雪 粒子密度越大，降雪強度越大。當前降雪強度(化rrent-Snowing-Intensity)可W用指定條 件下的雪粒子的數量來表示，也即用CSI來表征實時的降雪強度。根據CSI和降雪強度具有 顯著的正相關性，如下式(9)得到t時刻的降雪強度。通過實驗發(fā)現，1920*1080分辨率下，全 局雪粒子數量在3500~5500時為"中雪"、在5500~7000時為"大雪"、在大于7000時為"暴 雪"。實際上，各個降雪區(qū)間的劃分并沒有清晰的界限，針對不同的場景可W結合當地氣象 數據，經過一段時間的數據積累，進行調整劃分，得到一個比較合理的經驗范圍。
[0067]
(9>
[006引 CSIt__t時刻的降雪強度；
[0069] L一一攝像機垂直方向的分辨率(垂直像素個數）；
[0070] W一一攝像機水平方向的分辨率(水平像素個數）；
[0071] f一一攝像機焦距；
[0072] Z一一雪粒子距離攝像機的距離；
[0073] Ni-一一帖整幅畫面檢測的雪粒子數量；
[0074] a一一向后累計帖的數量(本文選擇累計15帖）。
[0075] 綜上所述，本發(fā)明與現有技術相比，本發(fā)明方法簡單，測量進度高、穩(wěn)定性好，計算 實時性較好，方便和現有視頻監(jiān)控系統(tǒng)結合，具有一定的實用價值，便于推廣。
【主權項】
1. 一種實時降雪強度估計方法，尤其是一種基于視頻分析的實時降雪強度估計方法， 其特征在于，包括以下步驟： (1) 區(qū)域劃分:將整個檢測畫面劃分為若干個單個區(qū)域； (2) 單個區(qū)域雪粒子數量實時檢測:對每個單個區(qū)域分別進行如下步驟： (2.1) 圖像預處理，將彩色的三通道圖像轉換為單通道的灰度圖像； (2.2) 基于幀差法的前景提取，利用膨脹和腐蝕處理方法對二值圖像進行處理，將孤立 的噪聲點去除，將截斷的雪粒子點連接成完整的雪粒子； (2.3) 基于形態(tài)學處理的雪粒子初選，將(2.2)處理后的圖像中相鄰的像素點連接形成 輪廓線，統(tǒng)計每個輪廓線包含的像素點的數，從而得到雪粒子的輪廓線長度； (2.4) 基于雪粒子輪廓尺寸的雪粒子識別，將輪廓線長度在預設的尺寸范圍內的雪粒 子篩選出來； (2.5) 基于重心位置的雪粒子區(qū)域歸屬，每個雪粒子對應一個坐標向量，通過計算每組 雪粒子的幾何重心來判斷雪粒子所屬的區(qū)域； (3) 檢測有效性判斷:通過選擇背景顏色較深的區(qū)域的檢測結果作為有效結果，并同時 對連續(xù)多幀的有效結果進行累計，得出最終單個區(qū)域雪粒子數量； (4) 全局雪粒子數量推算:根據步驟(3)輸出的最終單個區(qū)域雪粒子數量推算整個檢測 畫面的雪粒子數量； (5) 實時降雪強度估計:根據整個檢測畫面的雪粒子數量推算降雪強度。2. 根據權利要求1所述的基于視頻分析的實時降雪強度估計方法，其特征在于，步驟 (4) 中根據如下公式推算整個檢測畫面的雪粒子數量：其中，N-一整幅畫面檢測的雪粒子數量;Zt-一整幅畫面被分割的區(qū)域數量;-一有 效的雪粒子檢測區(qū)域數量;m-一檢測出的有效雪粒子區(qū)域i的雪粒子數量。3. 根據權利要求1所述的基于視頻分析的實時降雪強度估計方法，其特征在于，步驟 (5) 中根據如下公式推算降雪強度：其中，CSIt t時刻的降雪強度;L 攝像機垂直方向的分辨率（垂直像素個數）； W一一攝像機水平方向的分辨率(水平像素個數）；f 一一攝像機焦距;Z-一雪粒子距離攝像 機的距離;Ni--一幀整幅畫面檢測的雪粒子數量;a--向后累計幀的數量。
【文檔編號】G06T7/60GK105957057SQ201610248886
【公開日】2016年9月21日
【申請日】2016年4月20日
【發(fā)明人】程曉卿, 劉洋, 秦勇, 姚德臣, 趙雪軍, 付勇
【申請人】北京交通大學