基于视频图像对比度的团雾检测算法

提出了一种基于视频图像对比度的团雾检测算法。首先,利用二维多点各向异性高斯滤波器检测视频图像中边缘线的位置和方向。然后,利用本文提出的彩色图像对比度模型计算每幅视频图像边缘线区域的对比度值。最后,利用支撑向量机区分有雾视频图像所具有的不同对比度值,实现团雾浓度的检测。实验结果表明,该算法对复杂场景下的团雾检测效果优于传统的方法,是一种有效的团雾检测方法。

基于图像暗通道的高速公路团雾检测应用算法

针对高速公路上团雾预报的需要,提出一种基于图像暗通道理论的团雾检测预报算法。该算法从暗通道理论出发,通过对同一高速公路情景上的有雾及无图像雾参照对比,并进行代数逻辑运算,求出单一角度处的团雾扩散深度。经实验测试,该方法计算出的团雾雾厚距离与实际雾厚距离在数值上基本吻合,误差在±1. 5 m范围内,满足实际应用需求误差小于2 m的范围,具有较高的可信性及实际应用性。

基于深度学习的高速公路团雾检测方法

随着我国高速公路总里程的迅猛增加,由团雾引发的交通事故也不断增多。团雾形成突然、范围小、分布随机性高,难以被气象预报所检测,且其浓度通常较高,严重影响了道路安全。传统的团雾检测方法多依托无线传感器、激光器等建立监测站,存在技术繁琐、实施困难、经济性差等缺点。为解决上述问题,论文提出了一种基于深度学习的高速公路团雾检测方法,以高速公路监控为依托,快速检测团雾等级,可以大大降低团雾检测成本。该检测方法以道路监控图像为输入,首先通过车道线分割网络得到二值化的车道线特征,并设计了浓雾区分割网络分支提取浓雾特征;然后综合可见车道线特征、浓雾区域特征、路面梯度特征输入至特征融合网络训练得到出路面水平可见距离,进而预测出路面团雾等级。实验结果表明,论文提出的快速团雾检测方法能够通过路面监控图像预测团雾等级,在复杂的团雾道路环境下具有较高的准确性和鲁棒性。

基于视频局部特征分析的团雾检测方法研究

团雾检测在交通等领域应用需求强烈,文章介绍了基于视频局部特征分析技术的检测方法,能克服传统物理检测诸多因素的约束.还分析了进行团雾有效检测的具体实现方法与其技术特点,随着5G通信的日益发展,视频分析技术的应用将会更好地服务于智慧交通等领域的团雾实时检测预警.

基于时间序列的团雾监测与预警系统

为解决团雾监测系统研发和建设中存在的硬件成本过高、监测数据分散及道路条件限制等问题,基于时间序列图像处理技术提出一种团雾监测与预警系统。首先提取海量现有视频监控数据,以10 s间隔分割视频并利用高斯混合模型提取背景序列图像,进行图像预处理。在此基础上,以图像对比度、灰度值和边缘特征分析突发团雾时背景像元变化规律,拟合特征值与能见度的关系,建立基于背景像元序列的能见度模型;通过相邻摄像头数据的对比分析,判断团雾;判定结果通过云端进行数据处理传输与信息发布,实现团雾的监测与预警。根据模型验证结果可知,该系统检测准确率相对于单幅图像检测准确率更高,系统运行成本低,可实现不同路段和道路全程的团雾监测。

高速公路团雾影响分析与检测预警系统开发

为解决团雾对高速公路交通运输造成的危害,保障团雾天气下高速公路的交通安全性和通畅性,通过总结团雾的特征与发生规律,团雾天气下高速公路发生交通事故的特点,分析团雾对高速公路交通安全的影响。结果表明：团雾对高速公路交通安全的影响主要在于降低能见度、削弱路面附着系数和增加驾驶人身心负担三个方面。针对雾气的消光性原理,提出高速公路团雾实时检测与预警系统。从模块的构建到设计原理的阐述,以及系统实施方式都具有较高的可行性、实用型和经济性,该系统的应用将能大大降低团雾对交通的危害,提高公路运行的科学管理水平和公路的运营效益。

市域高速公路恶劣天气预警智慧管控系统

以高速公路易发浓雾和团雾路段展开研究,利用高速公路路侧先进的气象检测设备对浓雾能见度进行识别,并利用其他交通特征参数检测设备,结合分析路段运行情况做出分析,最后结合路侧预警系统或者其他方式对道路使用者发出预警信息或道路运行状况信息。由实际运行效果可见,在易发生浓雾、团雾的高速路段,加装团雾检测和预警系统后,该路段因团雾和浓雾发生事故的概率大幅降低,团雾预警系统相较于其他而言具有更多的检测方式与数据分析模型,较大提升了团雾检测的准确性。