基于監(jiān)控視頻的高速公路能見度檢測方法及系統(tǒng)

張昌利， 孟 穎， 李鵬超， 孫 婷

(長安大學信息工程學院，陜西西安710064)

能見度是影響高速公路行車安全的重要氣象因素，霧霾、沙塵、降水、強光等惡劣天氣通常會導致高速公路的能見度降低，影響到駕駛員的行車視線，使高速公路的交通事故風險顯著增大［1-2］.因此，對高速公路的干道或雨霧多發(fā)路段進行全天候的能見度監(jiān)測，并實施合理的限速與預警措施，對于高速公路行車安全與運營效率提升具有重要意義［3-4］.

視頻監(jiān)控一直都是我國高速公路機電系統(tǒng)建設(shè)的重要內(nèi)容.目前，全國高速公路各路段、收費站、服務(wù)區(qū)、隧道等都安裝了一定規(guī)模的視頻監(jiān)控設(shè)備，部分新修公路甚至實現(xiàn)了全線無盲點覆蓋.高速公路的路況視頻包含了豐富的現(xiàn)場能見度信息，通過路況視頻的分析處理來計算高速公路沿線能見度，不僅能夠達到能見度的全面實時監(jiān)測，還能夠充分復用已建設(shè)的視頻監(jiān)控機電系統(tǒng)，使視頻監(jiān)控更好地服務(wù)于高速公路運營管理工作［5-6］.

目前，國內(nèi)外機構(gòu)或?qū)W者針對視頻能見度檢測形成了一定的研究成果.Kwon等較早提出了一種利用視頻攝像頭測量大氣能見度的檢測方法［7］，但需人為預置多個視頻檢測目標，成本較高，操作煩瑣，并容易受到地形等環(huán)境因素制約.Babari等提出了一種基于采集圖像梯度分析來計算道路能見度的方法［6，8］，對于 1 km 以上能見度具有較好的測量效果，該方法無需其它輔助設(shè)施，但需要標定圖像灰度幅值與能見距離之間的指數(shù)關(guān)系，且易受到場景變化、運動物體遮擋等影響.Wang等針對氣象領(lǐng)域的能見度測量，設(shè)計了一種基于數(shù)字攝像的大氣能見度測量系統(tǒng)［9］，在強降雨等復雜氣象條件下其測量結(jié)果更接近人工觀測，但同樣需要在攝像頭視線內(nèi)設(shè)置多個固定位置和形式的參照目標.在國內(nèi)，關(guān)可等通過大氣能見度理論分析，證明用圖像處理技術(shù)測量大氣能見度的可行性，并設(shè)計了一種基于圖像處理的能見度檢測硬件系統(tǒng)［5］，但需要替代已部署的攝像頭設(shè)備，且仍需要大范圍安裝，也存在造價、維護等一系列問題.陳文兵等通過計算采集圖像的亮度、對比度、邊緣梯度3個指標，對比了3個指標與空氣透射能力之間的同步變化關(guān)系［10］，但其計算結(jié)果并非能見距離，且未解決參照圖像的問題，尚無法達到應用級別.安明偉等選擇了監(jiān)控視頻中歸一化對比度大于一定閾值的點，通過幾何轉(zhuǎn)換計算其距離，以最大距離作為能見距離［11-12］，但由于環(huán)境復雜性，某些像素可能會起到干擾作用，且由于攝像頭傾角關(guān)系，只能看到近距離的目標，因此只能用于檢測短距離的能見度.特別地，現(xiàn)有研究成果均側(cè)重于前端設(shè)備研發(fā)或氣象能見度測量，缺乏對高速公路沿線視頻監(jiān)控環(huán)境及特殊需求的充分考慮，并且如何將對應成果與高速公路路況監(jiān)測、能見度預警處置等智能交通業(yè)務(wù)相融合，亦缺乏充分的研究.

本文針對高速公路的能見度實時監(jiān)測問題，在借鑒已有研究成果的基礎(chǔ)上，提出了一種全新的基于監(jiān)控視頻的高速公路能見度檢測方法，并圍繞該方法設(shè)計和開發(fā)了對應的能見度監(jiān)測與預警處置信息化系統(tǒng).該方法通過分析從監(jiān)控攝像頭獲取的固定距離參照物圖像，以理論計算與數(shù)據(jù)融合的手段得到高速公路現(xiàn)場的能見度信息.對應系統(tǒng)則可以從局部、宏觀兩個方面，根據(jù)獲取的實時能見度信息，向上支撐能見度預警、應急處置、交通流調(diào)控、信息發(fā)布等智能交通業(yè)務(wù).

1 能見度計算模型

1.1 問題分析

在氣象學上，能見度是表征大氣透明程度的一個重要物理量，一般定義為在天空散射光背景下，觀測安置于地面附近、適當尺度的黑色目標物，能看到且能辨識出的最大距離［13-14］.在公路交通領(lǐng)域，能見度則主要用于指代駕駛員的視線距離，大氣透明程度是其主要的影響因素.現(xiàn)有能見度的測量方法主要有目測法和器測法兩種.目測法是由具有正常視力且受過適當訓練的觀測員以人工目測的方式來確定能見距離，該方法多用于公路交通領(lǐng)域，受主觀因素影響較多，且無法實現(xiàn)全天候無人值守監(jiān)測;器測法主要采用透射型、散射型和激光雷達等類型的測量儀進行能見度的測量，存在儀器造價高、使用壽命短、維護成本高等問題，不適宜在高速公路沿線密集架設(shè)［1，14］.

相比于傳統(tǒng)的檢測方法，基于路況視頻的能見度檢測方法不但可以利用實時視頻流實現(xiàn)高速公路沿線能見度的不間斷監(jiān)測，而且能夠復用密集布設(shè)于高速公路沿線的監(jiān)控攝像頭，實現(xiàn)路網(wǎng)級的全方位能見度監(jiān)測.但是，由于高速公路沿線環(huán)境的復雜性，這一方法的設(shè)計與實施需要解決如下3個問題:(1)觀測背景.常規(guī)的能見度測量需要選擇天空作為觀測背景，但是監(jiān)控攝像頭的視野主要集中于高速公路道路，無法利用天空背景.并且由于野外環(huán)境與天氣的多變性，無法保證總有一致的觀測背景.(2)參照物.常規(guī)測量方法通常選擇黑色參照物，而監(jiān)控攝像頭視野內(nèi)幾乎為偏暗色調(diào)，選擇黑色參照物無法達到顯著的對比效果.并且，參照物只能安裝路邊、隔離帶等不影響車輛通行的位置，并需確保在攝像頭的視野范圍內(nèi).(3)觀測結(jié)果的置信度.攝像頭的分辨率、俯仰角度、參照物距離等因素都會對觀測結(jié)果的置信度產(chǎn)生影響，觀測結(jié)果的融合需要充分考慮這些因素.

1.2 檢測裝置模型

參考氣象學能見度定義，本文提出一種基于路況視頻的高速公路能見度(能見距離)檢測方法.該方法利用密集布設(shè)于高速公路沿線的監(jiān)控攝像頭，在攝像頭視野內(nèi)的路邊或隔離帶安裝固定規(guī)格與顏色模式的參照物擋板，根據(jù)攝像頭所采集參照物圖像的失真程度來計算實時能見度值.

圖1所示為本方法的檢測裝置模型，其中監(jiān)控攝像頭與道路路面間所形成的幾何關(guān)系是能見度值計算的基礎(chǔ).

圖1 高速公路能見度檢測裝置示意Fig.1 Diagram of highway visibility detection equipment

圖 1 中，{Xr，Yr，Zr}為路面坐標系，其{Xr，Yr}平面代表路面，原點Or位于攝像頭正下方;{Xc，Yc，Zc}為攝像頭坐標系，其坐標軸Zc指向參照物擋板中心，{Xc，Yc}平面與參照物擋板相平行，原點Oc為攝像頭光心;Hc為攝像頭架設(shè)高度，mm;Dc為攝像頭在Xr方向距道路邊界的距離，mm;Hb、Db分別為參照物擋板中心的高度及距道路邊界的距離，mm;Dr為攝像頭光心與參照物擋板中心在Yr方向的距離mm;L0為攝像頭光心距參照物擋板中心的距離，mm.顯然有如下幾何關(guān)系:

圖2所示為參照物擋板的圖像內(nèi)容設(shè)計.該圖像由90個純色的正方形灰度色塊按照9x10的方式排列組成，色塊按照向右、向下的順序從純白(代碼0xFF)到純黑(代碼0x00)依次漸變，漸變幅度為0x0F.此處選擇灰度色塊的原因，是因為圖像灰度不連續(xù)點所組成的基原圖攜帶了原始圖像絕大部分的有用信息，如圖像的亮度、對比度及邊緣特征等.多種灰度色塊的選擇及其顏色漸變方式的設(shè)定，則用于模擬實際景物的顏色比例及組合特征.

圖2 參照物擋板的圖像內(nèi)容設(shè)計Fig.2 Design of image content in reference board

1.3 理論模型

引理1(比爾-朗伯定律) 可見光在長度為L的空氣氣柱輻射傳輸，其光照強度的變化滿足

式中:Iλ(·)代表光照強度，Iλ(0)為入射強度，Iλ(L)為出射強度;Kλ為消光系數(shù)，均勻介質(zhì)下Kλ與空氣中光的傳輸距離無關(guān)，但與空氣的能見度(能見距離)有關(guān)［15］.

根據(jù)該引理，可得空氣透過率Tλ(·)的計算式為

一般人的正常視覺反應閾值為0.02.因此，假設(shè)空氣的最大能見距離為 V，顯然有 Tλ(V)=0.02，則

利用圖1所示的檢測裝置，根據(jù)式(1)可以計算出攝像頭光心距參照物擋板中心的距離L0，假設(shè)對應的空氣透過率為T0，根據(jù)式(3)有

從而由式(4)、(5)推算出空氣最大能見距離(即能見度)為

因此，若通過分析監(jiān)控攝像頭實時拍攝的參照圖像，得到L0下的T0，由式(6)即可推算出給定道路位置的實時能見度.以圖2所示的參照物圖像為例，每個色塊的圖像透過空氣進入攝像頭后所發(fā)生的失真情況(即所有像素的灰度變化)，就是L0距離下空氣對能見度影響的綜合反映.色塊顏色越偏于全黑或全白，像素灰度的變化勢必會更大.因此，可以用色塊的像素灰度偏離情況來推算T0，進而得到能見度值.

具體而言，假設(shè)通過標定，圖2所示的參照圖像在攝像頭圖像幀中的長寬分別為9x和10x個像素，其中x為每個色塊的像素寬度.對于任意一個像素點(i，j)，其中 1≤i≤9x、1≤j≤10x，所對應的原始灰度值應為

式(7)首先根據(jù)(i，j)計算得到對應色塊在整個參照圖像中的縱橫位置，然后根據(jù)色塊排列規(guī)律計算像素的灰度值.

假設(shè)通過圖像分析，得到像素點(i，j)的實際灰度值為g(i，j)，該像素的失真情況如式(8).

式中:255為灰度差的最大值.

整個參照物擋板圖像的失真狀況可以表示為所有像素失真狀況的平均，即

在給定空氣狀況條件下，參照物擋板距離監(jiān)控攝像頭光心的距離越大，圖像失真的程度也會隨之變大.實驗發(fā)現(xiàn)，在L0下，圖像失真的程度δL0與T0之間近似呈線性關(guān)系，如式(10).

式中:a、b為線性關(guān)系系數(shù).

因此，綜合式(6)和式(10)，得到最終的能見距離計算式為

2 能見度檢測方法

1.2 、1.3節(jié)模型給出了針對單個攝像頭計算能見度值的方法.通常，高速公路的主路段或收費站、服務(wù)區(qū)、隧道等關(guān)鍵區(qū)域都同時安裝有多個監(jiān)控攝像頭，均可用于能見度計算.并且，不同攝像頭因為鏡頭俯仰、攝像頭分辨率等特性的差異，通過計算獲取道路能見度結(jié)果的置信度勢必也互不相同.因此，從實用性考慮，應當綜合運用或優(yōu)選部署于監(jiān)測路段或區(qū)域的監(jiān)控攝像頭，利用其采集圖像進行能見度計算;并以所得的多個能見度計算結(jié)果為基礎(chǔ)，通過基于置信度數(shù)據(jù)融合的手段計算最終的能見度值.

圖3所示為該方法的關(guān)鍵流程.首先，針對所選監(jiān)控攝像頭，按照圖1所示的方式為其架設(shè)參照物擋板，參照物擋板的設(shè)計見圖2.并在后臺計算程序中設(shè)置針對該攝像頭的檢測參數(shù)，如式(1)中出現(xiàn)的 Hc、Dc、Hb、Db及 Dr等距離參數(shù)，式(10)、(11)中的a、b系數(shù)，鏡頭俯仰角與分辨率，以及監(jiān)控圖像中參照圖像的像素邊界.其中，鏡頭俯仰角為鏡頭中線與道路水平行駛方向的夾角，分辨率為攝像頭的標稱參數(shù).其次，針對每個攝像頭，提取實時監(jiān)控圖像，在灰度化、降噪等圖像預處理的基礎(chǔ)上，分離出參照物圖像，利用式(7)～(10)計算對應的能見度值.最后，以各監(jiān)控攝像頭的鏡頭俯仰角和分辨率作為置信度因子，以加權(quán)平均的方式對檢測結(jié)果進行數(shù)據(jù)融合，得到最終的能見度值，并進入下一次檢測周期.

圖3 能見度檢測方法流程Fig.3 Process flow of visibility detection method

基于置信度的數(shù)據(jù)融合是上述過程的關(guān)鍵步驟，其中攝像頭的鏡頭俯仰角、分辨率是影響計算結(jié)果的兩大主要因素.具體而言，鏡頭俯仰角越大，參照物擋板離攝像頭越近，其成像在采集圖像中所占的比例也越大，因此其結(jié)果越可信.分辨率越大，參照物圖像所占的像素量就越大，計算結(jié)果也更為可信.因此，假設(shè)有N個監(jiān)控攝像頭用來測量道路能見度，第i個攝像頭的測量值為Vi(i=1，2，…，N)，對應的鏡頭俯仰角、分辨率分別為 θi和 αi.根據(jù)鏡頭俯仰角和分辨率對測量結(jié)果的影響機理，按照

式(12)計算各個攝像頭在加權(quán)數(shù)據(jù)融合中的權(quán)值.

式中:wθi、wαi分別為第 i個攝像頭在鏡頭俯仰角和分辨率上的權(quán)值分量;因為 θi非常小，所以有cos θi≈1－θi成立;wi為攝像頭 i的綜合權(quán)值，由上述兩個權(quán)值分量的歐式距離計算得到.

從而，假設(shè)數(shù)據(jù)融合后的最終能見度值為V^，根據(jù)總均方誤差最小的優(yōu)化條件，顯然有

3 能見度檢測與預警處置系統(tǒng)

3.1 系統(tǒng)總體架構(gòu)

高速公路視頻能見度檢測與預警處置系統(tǒng)旨在利用高速公路已有的聯(lián)網(wǎng)視頻監(jiān)控系統(tǒng)，提取現(xiàn)場路況監(jiān)控視頻幀，通過圖像處理的手段分析高速公路沿線能見度的實時變化情況，并向上支撐能見度預警、應急處置、交通流調(diào)控、信息發(fā)布等一系列智能交通業(yè)務(wù).具體而言，本系統(tǒng)的總體架構(gòu)如圖4所示.

圖4 高速公路視頻能見度檢測與預警處置系統(tǒng)總體框架Fig.4 Framework of visibility detection，alarm and emergency disposal system for highways in China

該系統(tǒng)主要由現(xiàn)場下位機子系統(tǒng)和中心服務(wù)器子系統(tǒng)兩部分組成.下位機子系統(tǒng)部署于高速公路沿線的重點監(jiān)控路段或區(qū)域，在已有的視頻監(jiān)控機電系統(tǒng)的基礎(chǔ)上，利用運行于小型工控機之上的下位機程序，從硬盤錄像機(digital video recorder，DVR)等視頻存儲設(shè)備中讀取監(jiān)控視頻幀，通過圖像分析、數(shù)據(jù)融合等手段計算實時能見度值，并及時利用現(xiàn)場的可變情報板發(fā)布能見度預警.下位機子系統(tǒng)按照一定的周期向路網(wǎng)信息中心提交現(xiàn)場能見度數(shù)據(jù)，其數(shù)傳通信方式可以根據(jù)實際現(xiàn)場的進行選擇.中心服務(wù)器子系統(tǒng)搭建于路網(wǎng)信息中心，可以結(jié)合交通 GIS(geographic information system)綜合展示高速公路的路網(wǎng)級能見度變化情況，并通過集成第三方智能交通系統(tǒng)，向各級用戶提供多樣化的智能交通服務(wù).

3.2 上/下位機子系統(tǒng)

首先，現(xiàn)場下位機子系統(tǒng)主要用于現(xiàn)場能見度信息采集及現(xiàn)場信息發(fā)布，運行于現(xiàn)場的嵌入式工控機之上，其模塊化系統(tǒng)結(jié)構(gòu)如圖5所示.該子系統(tǒng)由一系列負責不同任務(wù)的獨立組件所組成，可以通過靜態(tài)配置文件來設(shè)置各類組件的數(shù)量及參數(shù)，組件之間通過共享數(shù)據(jù)進行交互.例如，數(shù)采組件通過DVR(digital video recorder)驅(qū)動模塊(封裝硬盤錄像機訪問功能，針對具體設(shè)備定制)周期性讀取相應監(jiān)控攝像頭的實時視頻幀，將能見度計算結(jié)果寫入共享數(shù)據(jù)區(qū);數(shù)據(jù)融合組件周期性地從共享數(shù)據(jù)中讀取所有攝像頭的能見度數(shù)據(jù)，數(shù)據(jù)融合計算后寫回共享數(shù)據(jù)區(qū);VMS(variable message sign)組件周期性輪詢當前能見度值，根據(jù)一定的預設(shè)規(guī)則、通過定制的VMS驅(qū)動向可變情報板發(fā)布信息;數(shù)傳組件則按照一定周期將采集數(shù)據(jù)發(fā)送到遠端的上位機數(shù)據(jù)服務(wù)器當中.

其次，上位機服務(wù)子系統(tǒng)基于Java EE(java enterprise edition)架構(gòu)研發(fā)，封裝了能見度數(shù)據(jù)遠程接收、海量數(shù)據(jù)存儲、統(tǒng)計分析與查詢等基礎(chǔ)性服務(wù)，并向上支持能見度預警、低能見度應急處置、公眾信息發(fā)布等一系列智能交通業(yè)務(wù).例如，圖6所示為某區(qū)域高速公路能見度監(jiān)控的Web頁面截圖.

圖5 下位機數(shù)采子系統(tǒng)模塊化體系結(jié)構(gòu)Fig.5 Modular structure of lower-end data collection subsystem

圖6 高速公路能見度監(jiān)控Web頁面截圖Fig.6 Snapshot of highway visibility monitoring Web page

該頁面以在線GIS地圖為載體，綜合展示了區(qū)域高速公路網(wǎng)內(nèi)各監(jiān)控路段的實時能見度狀況.各監(jiān)測位置圖標的顏色根據(jù)實時能見度級別在紅、桔、黃、藍、綠色之間動態(tài)變化，下位機系統(tǒng)通信異常時圖標則變灰并閃爍.利用右側(cè)的浮動窗口，管理人員不但可以選擇特定的監(jiān)控位置，詳細察看該位置的當日能見度變化趨勢曲線，還能夠快速了解區(qū)域高速公路網(wǎng)內(nèi)近期的能見度預警事件.

4 實驗分析

針對上述基于路況視頻的能見度檢測方法，本文設(shè)計并搭建了相應的實驗環(huán)境，從能見度檢測精度、下位機系統(tǒng)性能兩個方面，對該方法的可行性進行了驗證.

4.1 實驗環(huán)境搭建

該實驗環(huán)境的內(nèi)部結(jié)構(gòu)如圖7所示.其主體為一個長約3 m的小型霧室，使用1個大功率的加濕器作為起霧裝置，可以產(chǎn)生極細粒度的小霧滴，通過控制加濕器工作檔位來調(diào)節(jié)霧室內(nèi)霧的濃度.使用1個內(nèi)循環(huán)風扇來加速霧室內(nèi)的氣體循環(huán)流動，使得加濕器產(chǎn)生的霧能更好遍布霧室的各個位置.為了控制小霧室的環(huán)境，避免產(chǎn)生過多的水滴，在霧室尾端裝設(shè)了1個排氣風扇，用于抽氣和降低霧室內(nèi)的濕度.使用日光燈作為霧室內(nèi)部照明，并模擬實際環(huán)境中的自然光.為了便于實驗操控，本文還專門研發(fā)了PLC控制面板，可以統(tǒng)一對加濕器檔位、風扇關(guān)斷及日光燈亮度等進行調(diào)節(jié).

圖7 能見度檢測實驗系統(tǒng)示意Fig.7 Diagram of visibility detection experimental system

在霧室內(nèi)的兩端分別安裝有45 cm×50 cm規(guī)格的參照物擋板及支持網(wǎng)絡(luò)訪問的監(jiān)控攝像頭，二者間距設(shè)定為3 m.在PC機上實現(xiàn)本文的基于路況視頻的能見度檢測方法，讀取監(jiān)控攝像頭的視頻幀并進行能見度計算.作為比較，同時在霧室底部安裝了一款高精度能見度檢測儀(型號Vaisala PWD10).該型能見度檢測儀的工作原理為對比接收端光強與發(fā)送端光強計算大氣散射系數(shù)，進而推算出大氣的能見距離，其測量范圍為 10～2 000 m［16-17］.

4.2 能見度檢測精度實驗

依次改變霧室中霧的濃度，可以改變霧室內(nèi)的能見度.當參照能見度檢測儀的能見度讀數(shù)趨于穩(wěn)定時，利用監(jiān)控攝像頭讀取視頻幀來計算能見度值并分析檢測精度.

首先，從檢測范圍內(nèi)選取了6個典型的能見度值，在其讀數(shù)下采集到參照物擋板圖像，如圖8所示.

圖8 典型能見距離下的參照物圖像Fig.8 Images of reference board under typical visibility distances

從圖8可以看出，隨著噴霧濃度增加，霧室能見度急劇下降，參照物擋板的色塊灰度也逐漸發(fā)生變化.

隨后，利用系統(tǒng)PC機讀取監(jiān)控攝像頭獲取的視頻幀，并通過本文的檢測方法對能見度和檢測精度進行計算分析.根據(jù)本文方法，得到6個典型能見度距離下，每幅參照物擋板圖像的18種灰度色塊的平均灰度偏差和平均失真程度.

據(jù)此分別作出了各典型能見度下，色塊平均灰度、平均失真程度與色塊原始灰度的關(guān)系曲線圖，如圖9和圖10所示.

圖9 典型能見度下的色塊灰度均值變化Fig.9 Greyscale variations of colour areas under typical visibilities

從圖9可以看出，參照圖像經(jīng)過霧室空氣氣柱傳輸，各類色塊的灰度均有一定程度的變化;色塊顏色越接近全白或全黑，變化幅度越大;空氣質(zhì)量越差(即能見度越低)，變化幅度越大.從圖10可以看出，大多數(shù)色塊圖像失真程度與能見度距離之間均存在嚴格的單調(diào)遞減關(guān)系;存在某一個灰度顏色(灰度值約為0x75)，在不同的能見度狀況下均只有微量的像素失真;以該灰度值為中心，色塊顏色越趨近于全白或者全黑，像素失真情況就越為嚴重，并且失真程度具有一定的對稱性.

圖10 典型能見距離下色塊圖像失真情況Fig.10 Image distortions of colour areas under typical visibilities

進而，按照上述辦法采集更多圖像與參考能見度數(shù)據(jù)，根據(jù)式(9)計算所各組圖像的平均像素失真，并根據(jù)式(4)及式(3)反推消光系數(shù)Kλ及3 m下的空氣透過率Tλ(3.0)，從而得到不同能見距離下的平均像素失真 δ3.0與空氣透過率 Tλ(3.0)之間的關(guān)系，如圖11所示.

圖11 平均失真程度和空氣透過率的線性關(guān)系Fig.11 Linear relation between average distortion and air transmittance

由圖11可見，兩個參數(shù)之間的確存在較為理想的線性關(guān)系.

為了分析本文能見度檢測方法的檢測精度，將本文檢測方法計算得到的能見度值(檢測能見度)與參照檢測儀輸出的能見度值(參考能見度)進行對比，并對不同能見度下的能見度檢測誤差進行分析，繪制了能見度計算結(jié)果對比及誤差分布圖，如圖12所示.

圖12 能見度計算結(jié)果對比及誤差分布Fig.12 Visibility value comparison and error distribution

圖12 中，檢測誤差按照國內(nèi)常用的交通氣象分級標準(＞500 m、200～500 m、100～200 m、50～100 m、≤50 m)［14］進行逐段統(tǒng)計.

可見，本文檢測方法得到的能見度值與參考檢測儀得到的能見度值具有較好的一致性，隨著能見度的增大，檢測誤差逐漸減小;本文檢測方法的檢測誤差為13.4%，且高能見度場合下誤差相對更小.

4.3 下位機性能實驗

如上文所示，通過下位機對多攝像頭檢測結(jié)果進行數(shù)據(jù)融合，可以提升總體檢測結(jié)果的精度.但是，這一做法同樣也會為下位機系統(tǒng)的處理能力帶來考驗.

為了驗證下位機系統(tǒng)的性能能夠滿足對多攝像頭檢測結(jié)果進行數(shù)據(jù)融合的要求，本實驗將監(jiān)控PC替換為某型ARM 9嵌入式系統(tǒng)，模擬實際場合下的嵌入式下位機系統(tǒng)，并針對160×120、360×240、640×480、960×720 像素幾種常見的視頻幀大小，通過并行運行圖5所示的多個輸入視頻幀計算插件，對比分析下位機系統(tǒng)運行的平均耗時.不同視頻幀下，系統(tǒng)同時運行1～10個計算插件所對應的平均耗時(單位:s)，如圖13所示.

圖13 不同視頻幀大小的下位機平均耗時Fig.13 Average time consumption of lower-end subsystem for different video frame sizes

從圖13可以看出，下位機的運行效率與輸入視頻幀的大小密切相關(guān).對于單攝像頭輸入而言，基本可以保證每次數(shù)據(jù)處理在1.0 s時間之內(nèi)，對640×480像素大小的視頻幀數(shù)據(jù)而言，其處理耗時約為0.7 s.隨著并行執(zhí)行的輸入計算插件的增多(相當于引入多個攝像頭)，下位機每輪計算的總耗時逐漸上升，并且上升趨勢隨著并行計算模塊的增多而逐漸趨于明顯.以960×720像素大小的視頻幀處理為例，并行10個計算插件的處理耗時超過20.0 s.

由上述實驗可知，能見度檢測下位機子系統(tǒng)的處理耗時與接入攝像頭個數(shù)及視頻幀大小密切相關(guān).因此，在實際應用當中，必須按照能見度檢測的實時性需求和下位機設(shè)備計算能力，確定接入攝像頭的數(shù)目.

對本實驗所選用的ARM嵌入式設(shè)備而言，假設(shè)出于異常值濾波的需要，每次需要有至少5個采集數(shù)據(jù)，方可實施濾波計算并向上位機子系統(tǒng)提交能見度數(shù)據(jù).若要求的數(shù)據(jù)提交周期為5 min，則下位機有至少1 min執(zhí)行一輪數(shù)據(jù)計算，根據(jù)圖13所示，該ARM設(shè)備的計算能力能夠達到要求，可以接入10個甚至以上的攝像頭.而假設(shè)要求的數(shù)據(jù)提交周期為1 min，則下位機最多20.0 s必須執(zhí)行一輪計算，顯然不能接入10個或以上分辨率大于等于960×720像素的攝像頭.但是，考慮到交通氣象變化速度較為緩慢，道路能見度監(jiān)控對實時性要求并不很高，所以根據(jù)該實驗分析，常規(guī)的嵌入式工控機設(shè)備即可滿足大多數(shù)下位機子系統(tǒng)的性能要求.

5 結(jié)束語

(1)針對高速公路的能見度實時檢測與預警處置需求，從實用性角度出發(fā)，提出了一種基于路況視頻的能見度檢測方法.該方法通過采集假設(shè)于高速公路沿線監(jiān)控攝像頭的實時視頻幀，以圖像處理的手段分析參照圖像的灰度失真情況，進而通過理論推算和數(shù)據(jù)融合得到道路現(xiàn)場的實時能見度.實驗結(jié)果表明，該方法的支撐數(shù)學模型正確，其精度和下位機計算能力要求均能達到交通行業(yè)需求，具有較高的應用價值.

(2)相比于常見的能見度檢測儀器等精密設(shè)備，本方法的精確度相對較低.但是，該方法具有有效重用已有的攝像頭設(shè)備、快速在高速公路網(wǎng)范圍形成能見度監(jiān)測與預警系統(tǒng)的優(yōu)勢.并且，現(xiàn)有能見度檢測儀器備主要面向氣象領(lǐng)域，重點監(jiān)測由于空氣透射能力所表征的能見度級別，而本文方法根據(jù)圖像失真狀況分析能見度，實際上還隱含捕獲了由于光線明暗變化等因素所導致的能見度改變.

(3)基于當前我國高速公路監(jiān)控機電系統(tǒng)的建設(shè)與管理現(xiàn)狀，提出了多監(jiān)控攝像頭下能見度計算結(jié)果的數(shù)據(jù)融合方法，并搭建了高速公路視頻能見度檢測與預警處置信息系統(tǒng).該系統(tǒng)可以實現(xiàn)高速公路沿線能見度的全面實時監(jiān)測與預警處置，并能充分復用已建成的視頻監(jiān)控機電系統(tǒng)，使視頻監(jiān)控更好地服務(wù)于我國高速公路的運營管理工作，具有很好的應用推廣價值.

致謝:西安市科技計劃資助項目(CXY1125-9).

［1］ 包左軍，湯筠筠，李長城，等.道路交通安全技術(shù)叢書:公路交通安全與氣象影響［M］.1版.北京:人民交通出版社，2008:1-15.

［2］ THEOFILATOS A，YANNIS G.The review of the effect of the traffic and weather characteristics on road safety［J］.Accident Analysis ＆ Prevention，2014，72:244-256.

［3］ 趙慧霞，王維國，李澤椿，等.霧對我國交通運輸?shù)牟焕绊懠皩Σ撸跩］.氣象與環(huán)境學報，2010，26(2):58-62.ZHAO Huixia，WANG Weiguo，LI Zechun，et al.Effects of fog on traffic and transportation and the counterm easures in China［J］.JournalOfMeteorology And Enveronment，2010，26(2):58-62.

［4］ ABDEL-ATY M，EKRAM A，HUANG H，et al.A study on crashes related to visibility obstruction due to fog and smoke［J］.Accident Analysis ＆ Prevention，2011，43(5):1730-1737.

［5］ 關(guān)可，亓淑敏，梁佳.基于數(shù)字圖像處理技術(shù)的高速公路能見度檢測［J］.長安大學學報:自然科學版，2010，30(5):89-92.GUAN Ke， QI Shumin， LIANG Jia.Visibility measurementofhighway based on digitalimage processing technology［J］. Journal of Chang'an University:Natural Science Edition，2010，30(5):89-92.

［6］ BABARI R，HAUTIERE N，DUMONT E，et al.A model- driven approach to estimate atmospheric visibility with ordinary cameras［J］. Atmospheric Environment，2011，45(30):5316-5324.

［7］ KWON T M.Atmospheric visibility measurements using video cameras: relative visibility［R］. Americas:University of Minnesota Duluth，2004.

［8］ BABARI R， HAUTIERE N， DUMONT E， et al.Visibility monitoring using conventional roadside cameras［J］.Transportation Research Part C:Emerging Technologies，2012，22:17-28.

［9］ WANG J，LIU X，YANG X，et al.Development and evaluation of a new digital photography visio-meter system for automated visibility observation［J］.Atmospheric Environment，2014，87:19-25.

［10］ 陳文兵，楊建偉，張小磊.能見度自動化計算方法［J］.計算機工程與應用，2010，46(30):181-183.CHEN Wenbing，YANG Jianwei，ZHANG Xiaolei.Visibility auto- calculating method［J］.Computer Engineering and Applications，2010，46(30):181-183.

［11］ 安明偉，陳啟美，郭宗良.基于路況視頻的氣象能見度檢測方法與系統(tǒng)設(shè)計［J］.儀器儀表學報，2010，31(5):1148-1153.AN Mingwei，CHEN Qimei，GUO Zongliang.Visibility dete-ction method and system based on traffic video［J］.Chinese Journal of Scientific Instrument，2010，31(5):1148-1153.

［12］ AN M，GUO Z，LI J，et al.Visibility detection based on traffic camera imagery［C］∥ IEEE: 3rd International Conference on Information Sciences and Interaction Sciences(ICIS).Xiamen:IEEE，2010:411-414.

［13］ 韓永，謝晨波，饒瑞中，等.基于光散射技術(shù)的兩種能見度探測方法的比較與分析［J］.紅外與激光工程，2006，35(2):173-176.HAN Yong， XIE Chenbo， RAO Ruizhong，et al.Comparison and analysis of two visibility detecting methodsbased on opticalscattertechnology［J］.Infrared and Laser Engineering，2006，35(2):173-176.

［14］ 中國氣象局.QXT 76—2007中華人民共和國氣象行業(yè)標準:高速公路能見度監(jiān)測及濃霧的預警預報［S］.北京:氣象出版社，2007.

［15］ 王炳忠，莫月琴，楊云.現(xiàn)代氣象輻射測量技術(shù)［M］.北京:氣象出版社，2008:17-22.

［16］ 李孟麟，段發(fā)階，歐陽濤，等.前向散射式能見度測量技術(shù)研究［J］.傳感技術(shù)學報，2008，21(7):1281-1285.LI Menglin， DUAN Fajie， OUYANG Tao， et al.Research on the foreword scattering visibility detection［J］. Chinese Journal of Sensors and Actuators，2008，21(7):1281-1285.

［17］ VAISALA Corporation.PWD10，PWD12，PWD20 and PWD22:present weather and visibility sensors［DB/OL］.(2013-11-15)［2015-03-10］.http://www.vaisala.com.