張昌利， 孟 穎， 李鵬超， 孫 婷

(長(zhǎng)安大學(xué)信息工程學(xué)院，陜西西安710064)

能見度是影響高速公路行車安全的重要?dú)庀笠蛩?，霧霾、沙塵、降水、強(qiáng)光等惡劣天氣通常會(huì)導(dǎo)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(fēng)險(xiǎn)顯著增大［1-2］.因此，對(duì)高速公路的干道或雨霧多發(fā)路段進(jìn)行全天候的能見度監(jiān)測(cè)，并實(shí)施合理的限速與預(yù)警措施，對(duì)于高速公路行車安全與運(yùn)營(yíng)效率提升具有重要意義［3-4］.

視頻監(jiān)控一直都是我國(guó)高速公路機(jī)電系統(tǒng)建設(shè)的重要內(nèi)容.目前，全國(guó)高速公路各路段、收費(fèi)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(shí)現(xiàn)了全線無盲點(diǎn)覆蓋.高速公路的路況視頻包含了豐富的現(xiàn)場(chǎng)能見度信息，通過路況視頻的分析處理來計(jì)算高速公路沿線能見度，不僅能夠達(dá)到能見度的全面實(shí)時(shí)監(jiān)測(cè)，還能夠充分復(fù)用已建設(shè)的視頻監(jiān)控機(jī)電系統(tǒng)，使視頻監(jiān)控更好地服務(wù)于高速公路運(yùn)營(yíng)管理工作［5-6］.

目前，國(guó)內(nèi)外機(jī)構(gòu)或?qū)W者針對(duì)視頻能見度檢測(cè)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(cè)量大氣能見度的檢測(cè)方法［7］，但需人為預(yù)置多個(gè)視頻檢測(cè)目標(biāo)，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(jì)算道路能見度的方法［6，8］，對(duì)于 1 km 以上能見度具有較好的測(cè)量效果，該方法無需其它輔助設(shè)施，但需要標(biāo)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(chǎng)景變化、運(yùn)動(dòng)物體遮擋等影響.Wang等針對(duì)氣象領(lǐng)域的能見度測(cè)量，設(shè)計(jì)了一種基于數(shù)字?jǐn)z像的大氣能見度測(cè)量系統(tǒng)［9］，在強(qiáng)降雨等復(fù)雜氣象條件下其測(cè)量結(jié)果更接近人工觀測(cè)，但同樣需要在攝像頭視線內(nèi)設(shè)置多個(gè)固定位置和形式的參照目標(biāo).在國(guó)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(cè)量大氣能見度的可行性，并設(shè)計(jì)了一種基于圖像處理的能見度檢測(cè)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(jià)、維護(hù)等一系列問題.陳文兵等通過計(jì)算采集圖像的亮度、對(duì)比度、邊緣梯度3個(gè)指標(biāo)，對(duì)比了3個(gè)指標(biāo)與空氣透射能力之間的同步變化關(guān)系［10］，但其計(jì)算結(jié)果并非能見距離，且未解決參照?qǐng)D像的問題，尚無法達(dá)到應(yīng)用級(jí)別.安明偉等選擇了監(jiān)控視頻中歸一化對(duì)比度大于一定閾值的點(diǎn)，通過幾何轉(zhuǎn)換計(jì)算其距離，以最大距離作為能見距離［11-12］，但由于環(huán)境復(fù)雜性，某些像素可能會(huì)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(biāo)，因此只能用于檢測(cè)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(cè)量，缺乏對(duì)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(duì)應(yīng)成果與高速公路路況監(jiān)測(cè)、能見度預(yù)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(duì)高速公路的能見度實(shí)時(shí)監(jiān)測(cè)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(cè)方法，并圍繞該方法設(shè)計(jì)和開發(fā)了對(duì)應(yīng)的能見度監(jiān)測(cè)與預(yù)警處置信息化系統(tǒng).該方法通過分析從監(jiān)控?cái)z像頭獲取的固定距離參照物圖像，以理論計(jì)算與數(shù)據(jù)融合的手段得到高速公路現(xiàn)場(chǎng)的能見度信息.對(duì)應(yīng)系統(tǒng)則可以從局部、宏觀兩個(gè)方面，根據(jù)獲取的實(shí)時(shí)能見度信息，向上支撐能見度預(yù)警、應(yīng)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(jì)算模型

1.1 問題分析

在氣象學(xué)上，能見度是表征大氣透明程度的一個(gè)重要物理量，一般定義為在天空散射光背景下，觀測(cè)安置于地面附近、適當(dāng)尺度的黑色目標(biāo)物，能看到且能辨識(shí)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(cè)量方法主要有目測(cè)法和器測(cè)法兩種.目測(cè)法是由具有正常視力且受過適當(dāng)訓(xùn)練的觀測(cè)員以人工目測(cè)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(shí)現(xiàn)全天候無人值守監(jiān)測(cè);器測(cè)法主要采用透射型、散射型和激光雷達(dá)等類型的測(cè)量?jī)x進(jìn)行能見度的測(cè)量，存在儀器造價(jià)高、使用壽命短、維護(hù)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(cè)方法，基于路況視頻的能見度檢測(cè)方法不但可以利用實(shí)時(shí)視頻流實(shí)現(xiàn)高速公路沿線能見度的不間斷監(jiān)測(cè)，而且能夠復(fù)用密集布設(shè)于高速公路沿線的監(jiān)控?cái)z像頭，實(shí)現(xiàn)路網(wǎng)級(jí)的全方位能見度監(jiān)測(cè).但是，由于高速公路沿線環(huán)境的復(fù)雜性，這一方法的設(shè)計(jì)與實(shí)施需要解決如下3個(gè)問題:(1)觀測(cè)背景.常規(guī)的能見度測(cè)量需要選擇天空作為觀測(cè)背景，但是監(jiān)控?cái)z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(cè)背景.(2)參照物.常規(guī)測(cè)量方法通常選擇黑色參照物，而監(jiān)控?cái)z像頭視野內(nèi)幾乎為偏暗色調(diào)，選擇黑色參照物無法達(dá)到顯著的對(duì)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(cè)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(huì)對(duì)觀測(cè)結(jié)果的置信度產(chǎn)生影響，觀測(cè)結(jié)果的融合需要充分考慮這些因素.

1.2 檢測(cè)裝置模型

參考?xì)庀髮W(xué)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(cè)方法.該方法利用密集布設(shè)于高速公路沿線的監(jiān)控?cái)z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(jì)算實(shí)時(shí)能見度值.

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

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

圖 1 中，{Xr，Yr，Zr}為路面坐標(biāo)系，其{Xr，Yr}平面代表路面，原點(diǎn)Or位于攝像頭正下方;{Xc，Yc，Zc}為攝像頭坐標(biāo)系，其坐標(biāo)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(diǎn)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(jì).該圖像由90個(gè)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?yàn)閳D像灰度不連續(xù)點(diǎn)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(duì)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(shí)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(jì)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(zhǎng)度為L(zhǎng)的空氣氣柱輻射傳輸，其光照強(qiáng)度的變化滿足

式中:Iλ(·)代表光照強(qiáng)度，Iλ(0)為入射強(qiáng)度，Iλ(L)為出射強(qiáng)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(jì)算式為

一般人的正常視覺反應(yīng)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(cè)裝置，根據(jù)式(1)可以計(jì)算出攝像頭光心距參照物擋板中心的距離L0，假設(shè)對(duì)應(yīng)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?cái)z像頭實(shí)時(shí)拍攝的參照?qǐng)D像，得到L0下的T0，由式(6)即可推算出給定道路位置的實(shí)時(shí)能見度.以圖2所示的參照物圖像為例，每個(gè)色塊的圖像透過空氣進(jìn)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(duì)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(shì)必會(huì)更大.因此，可以用色塊的像素灰度偏離情況來推算T0，進(jìn)而得到能見度值.

具體而言，假設(shè)通過標(biāo)定，圖2所示的參照?qǐng)D像在攝像頭圖像幀中的長(zhǎng)寬分別為9x和10x個(gè)像素，其中x為每個(gè)色塊的像素寬度.對(duì)于任意一個(gè)像素點(diǎn)(i，j)，其中 1≤i≤9x、1≤j≤10x，所對(duì)應(yīng)的原始灰度值應(yīng)為

式(7)首先根據(jù)(i，j)計(jì)算得到對(duì)應(yīng)色塊在整個(gè)參照?qǐng)D像中的縱橫位置，然后根據(jù)色塊排列規(guī)律計(jì)算像素的灰度值.

假設(shè)通過圖像分析，得到像素點(diǎn)(i，j)的實(shí)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(gè)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?cái)z像頭光心的距離越大，圖像失真的程度也會(huì)隨之變大.實(shí)驗(yàn)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(jì)算式為

2 能見度檢測(cè)方法

1.2 、1.3節(jié)模型給出了針對(duì)單個(gè)攝像頭計(jì)算能見度值的方法.通常，高速公路的主路段或收費(fèi)站、服務(wù)區(qū)、隧道等關(guān)鍵區(qū)域都同時(shí)安裝有多個(gè)監(jiān)控?cái)z像頭，均可用于能見度計(jì)算.并且，不同攝像頭因?yàn)殓R頭俯仰、攝像頭分辨率等特性的差異，通過計(jì)算獲取道路能見度結(jié)果的置信度勢(shì)必也互不相同.因此，從實(shí)用性考慮，應(yīng)當(dāng)綜合運(yùn)用或優(yōu)選部署于監(jiān)測(cè)路段或區(qū)域的監(jiān)控?cái)z像頭，利用其采集圖像進(jìn)行能見度計(jì)算;并以所得的多個(gè)能見度計(jì)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(jì)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(duì)所選監(jiān)控?cái)z像頭，按照?qǐng)D1所示的方式為其架設(shè)參照物擋板，參照物擋板的設(shè)計(jì)見圖2.并在后臺(tái)計(jì)算程序中設(shè)置針對(duì)該攝像頭的檢測(cè)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?qǐng)D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(biāo)稱參數(shù).其次，針對(duì)每個(gè)攝像頭，提取實(shí)時(shí)監(jiān)控圖像，在灰度化、降噪等圖像預(yù)處理的基礎(chǔ)上，分離出參照物圖像，利用式(7)～(10)計(jì)算對(duì)應(yīng)的能見度值.最后，以各監(jiān)控?cái)z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(duì)檢測(cè)結(jié)果進(jìn)行數(shù)據(jù)融合，得到最終的能見度值，并進(jìn)入下一次檢測(cè)周期.

圖3 能見度檢測(cè)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(jì)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(jì)算結(jié)果也更為可信.因此，假設(shè)有N個(gè)監(jiān)控?cái)z像頭用來測(cè)量道路能見度，第i個(gè)攝像頭的測(cè)量值為Vi(i=1，2，…，N)，對(duì)應(yīng)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(duì)測(cè)量結(jié)果的影響機(jī)理，按照

式(12)計(jì)算各個(gè)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(gè)攝像頭在鏡頭俯仰角和分辨率上的權(quán)值分量;因?yàn)?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(gè)權(quán)值分量的歐式距離計(jì)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(cè)與預(yù)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(cè)與預(yù)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(chǎng)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(shí)時(shí)變化情況，并向上支撐能見度預(yù)警、應(yīng)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(cè)與預(yù)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(chǎng)下位機(jī)子系統(tǒng)和中心服務(wù)器子系統(tǒng)兩部分組成.下位機(jī)子系統(tǒng)部署于高速公路沿線的重點(diǎn)監(jiān)控路段或區(qū)域，在已有的視頻監(jiān)控機(jī)電系統(tǒng)的基礎(chǔ)上，利用運(yùn)行于小型工控機(jī)之上的下位機(jī)程序，從硬盤錄像機(jī)(digital video recorder，DVR)等視頻存儲(chǔ)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(jì)算實(shí)時(shí)能見度值，并及時(shí)利用現(xiàn)場(chǎng)的可變情報(bào)板發(fā)布能見度預(yù)警.下位機(jī)子系統(tǒng)按照一定的周期向路網(wǎng)信息中心提交現(xiàn)場(chǎng)能見度數(shù)據(jù)，其數(shù)傳通信方式可以根據(jù)實(shí)際現(xiàn)場(chǎng)的進(jìn)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(jí)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(jí)用戶提供多樣化的智能交通服務(wù).

3.2 上/下位機(jī)子系統(tǒng)

首先，現(xiàn)場(chǎng)下位機(jī)子系統(tǒng)主要用于現(xiàn)場(chǎng)能見度信息采集及現(xiàn)場(chǎng)信息發(fā)布，運(yùn)行于現(xiàn)場(chǎng)的嵌入式工控機(jī)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(fù)責(zé)不同任務(wù)的獨(dú)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(jìn)行交互.例如，數(shù)采組件通過DVR(digital video recorder)驅(qū)動(dòng)模塊(封裝硬盤錄像機(jī)訪問功能，針對(duì)具體設(shè)備定制)周期性讀取相應(yīng)監(jiān)控?cái)z像頭的實(shí)時(shí)視頻幀，將能見度計(jì)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(jì)算后寫回共享數(shù)據(jù)區(qū);VMS(variable message sign)組件周期性輪詢當(dāng)前能見度值，根據(jù)一定的預(yù)設(shè)規(guī)則、通過定制的VMS驅(qū)動(dòng)向可變情報(bào)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(yuǎn)端的上位機(jī)數(shù)據(jù)服務(wù)器當(dāng)中.

其次，上位機(jī)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(yuǎn)程接收、海量數(shù)據(jù)存儲(chǔ)、統(tǒng)計(jì)分析與查詢等基礎(chǔ)性服務(wù)，并向上支持能見度預(yù)警、低能見度應(yīng)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(jī)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(shí)時(shí)能見度狀況.各監(jiān)測(cè)位置圖標(biāo)的顏色根據(jù)實(shí)時(shí)能見度級(jí)別在紅、桔、黃、藍(lán)、綠色之間動(dòng)態(tài)變化，下位機(jī)系統(tǒng)通信異常時(shí)圖標(biāo)則變灰并閃爍.利用右側(cè)的浮動(dòng)窗口，管理人員不但可以選擇特定的監(jiān)控位置，詳細(xì)察看該位置的當(dāng)日能見度變化趨勢(shì)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(yù)警事件.

4 實(shí)驗(yàn)分析

針對(duì)上述基于路況視頻的能見度檢測(cè)方法，本文設(shè)計(jì)并搭建了相應(yīng)的實(shí)驗(yàn)環(huán)境，從能見度檢測(cè)精度、下位機(jī)系統(tǒng)性能兩個(gè)方面，對(duì)該方法的可行性進(jìn)行了驗(yàn)證.

4.1 實(shí)驗(yàn)環(huán)境搭建

該實(shí)驗(yàn)環(huán)境的內(nèi)部結(jié)構(gòu)如圖7所示.其主體為一個(gè)長(zhǎng)約3 m的小型霧室，使用1個(gè)大功率的加濕器作為起霧裝置，可以產(chǎn)生極細(xì)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(gè)內(nèi)循環(huán)風(fēng)扇來加速霧室內(nèi)的氣體循環(huán)流動(dòng)，使得加濕器產(chǎn)生的霧能更好遍布霧室的各個(gè)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(gè)排氣風(fēng)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(shí)際環(huán)境中的自然光.為了便于實(shí)驗(yàn)操控，本文還專門研發(fā)了PLC控制面板，可以統(tǒng)一對(duì)加濕器檔位、風(fēng)扇關(guān)斷及日光燈亮度等進(jìn)行調(diào)節(jié).

圖7 能見度檢測(cè)實(shí)驗(yàn)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?cái)z像頭，二者間距設(shè)定為3 m.在PC機(jī)上實(shí)現(xiàn)本文的基于路況視頻的能見度檢測(cè)方法，讀取監(jiān)控?cái)z像頭的視頻幀并進(jìn)行能見度計(jì)算.作為比較，同時(shí)在霧室底部安裝了一款高精度能見度檢測(cè)儀(型號(hào)Vaisala PWD10).該型能見度檢測(cè)儀的工作原理為對(duì)比接收端光強(qiáng)與發(fā)送端光強(qiáng)計(jì)算大氣散射系數(shù)，進(jìn)而推算出大氣的能見距離，其測(cè)量范圍為 10～2 000 m［16-17］.

4.2 能見度檢測(cè)精度實(shí)驗(yàn)

依次改變霧室中霧的濃度，可以改變霧室內(nèi)的能見度.當(dāng)參照能見度檢測(cè)儀的能見度讀數(shù)趨于穩(wěn)定時(shí)，利用監(jiān)控?cái)z像頭讀取視頻幀來計(jì)算能見度值并分析檢測(cè)精度.

首先，從檢測(cè)范圍內(nèi)選取了6個(gè)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(jī)讀取監(jiān)控?cái)z像頭獲取的視頻幀，并通過本文的檢測(cè)方法對(duì)能見度和檢測(cè)精度進(jìn)行計(jì)算分析.根據(jù)本文方法，得到6個(gè)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?qǐng)D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(yán)格的單調(diào)遞減關(guān)系;存在某一個(gè)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(yán)重，并且失真程度具有一定的對(duì)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(jìn)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(jì)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(gè)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(cè)方法的檢測(cè)精度，將本文檢測(cè)方法計(jì)算得到的能見度值(檢測(cè)能見度)與參照檢測(cè)儀輸出的能見度值(參考能見度)進(jìn)行對(duì)比，并對(duì)不同能見度下的能見度檢測(cè)誤差進(jìn)行分析，繪制了能見度計(jì)算結(jié)果對(duì)比及誤差分布圖，如圖12所示.

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

圖12 中，檢測(cè)誤差按照國(guó)內(nèi)常用的交通氣象分級(jí)標(biāo)準(zhǔn)(＞500 m、200～500 m、100～200 m、50～100 m、≤50 m)［14］進(jìn)行逐段統(tǒng)計(jì).

可見，本文檢測(cè)方法得到的能見度值與參考檢測(cè)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(cè)誤差逐漸減小;本文檢測(cè)方法的檢測(cè)誤差為13.4%，且高能見度場(chǎng)合下誤差相對(duì)更小.

4.3 下位機(jī)性能實(shí)驗(yàn)

如上文所示，通過下位機(jī)對(duì)多攝像頭檢測(cè)結(jié)果進(jìn)行數(shù)據(jù)融合，可以提升總體檢測(cè)結(jié)果的精度.但是，這一做法同樣也會(huì)為下位機(jī)系統(tǒng)的處理能力帶來考驗(yàn).

為了驗(yàn)證下位機(jī)系統(tǒng)的性能能夠滿足對(duì)多攝像頭檢測(cè)結(jié)果進(jìn)行數(shù)據(jù)融合的要求，本實(shí)驗(yàn)將監(jiān)控PC替換為某型ARM 9嵌入式系統(tǒng)，模擬實(shí)際場(chǎng)合下的嵌入式下位機(jī)系統(tǒng)，并針對(duì)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(yùn)行圖5所示的多個(gè)輸入視頻幀計(jì)算插件，對(duì)比分析下位機(jī)系統(tǒng)運(yùn)行的平均耗時(shí).不同視頻幀下，系統(tǒng)同時(shí)運(yùn)行1～10個(gè)計(jì)算插件所對(duì)應(yīng)的平均耗時(shí)(單位:s)，如圖13所示.

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

從圖13可以看出，下位機(jī)的運(yùn)行效率與輸入視頻幀的大小密切相關(guān).對(duì)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(shí)間之內(nèi)，對(duì)640×480像素大小的視頻幀數(shù)據(jù)而言，其處理耗時(shí)約為0.7 s.隨著并行執(zhí)行的輸入計(jì)算插件的增多(相當(dāng)于引入多個(gè)攝像頭)，下位機(jī)每輪計(jì)算的總耗時(shí)逐漸上升，并且上升趨勢(shì)隨著并行計(jì)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(gè)計(jì)算插件的處理耗時(shí)超過20.0 s.

由上述實(shí)驗(yàn)可知，能見度檢測(cè)下位機(jī)子系統(tǒng)的處理耗時(shí)與接入攝像頭個(gè)數(shù)及視頻幀大小密切相關(guān).因此，在實(shí)際應(yīng)用當(dāng)中，必須按照能見度檢測(cè)的實(shí)時(shí)性需求和下位機(jī)設(shè)備計(jì)算能力，確定接入攝像頭的數(shù)目.

對(duì)本實(shí)驗(yàn)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(gè)采集數(shù)據(jù)，方可實(shí)施濾波計(jì)算并向上位機(jī)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(jī)有至少1 min執(zhí)行一輪數(shù)據(jù)計(jì)算，根據(jù)圖13所示，該ARM設(shè)備的計(jì)算能力能夠達(dá)到要求，可以接入10個(gè)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(jī)最多20.0 s必須執(zhí)行一輪計(jì)算，顯然不能接入10個(gè)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(duì)實(shí)時(shí)性要求并不很高，所以根據(jù)該實(shí)驗(yàn)分析，常規(guī)的嵌入式工控機(jī)設(shè)備即可滿足大多數(shù)下位機(jī)子系統(tǒng)的性能要求.

5 結(jié)束語

(1)針對(duì)高速公路的能見度實(shí)時(shí)檢測(cè)與預(yù)警處置需求，從實(shí)用性角度出發(fā)，提出了一種基于路況視頻的能見度檢測(cè)方法.該方法通過采集假設(shè)于高速公路沿線監(jiān)控?cái)z像頭的實(shí)時(shí)視頻幀，以圖像處理的手段分析參照?qǐng)D像的灰度失真情況，進(jìn)而通過理論推算和數(shù)據(jù)融合得到道路現(xiàn)場(chǎng)的實(shí)時(shí)能見度.實(shí)驗(yàn)結(jié)果表明，該方法的支撐數(shù)學(xué)模型正確，其精度和下位機(jī)計(jì)算能力要求均能達(dá)到交通行業(yè)需求，具有較高的應(yīng)用價(jià)值.

(2)相比于常見的能見度檢測(cè)儀器等精密設(shè)備，本方法的精確度相對(duì)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(cè)與預(yù)警系統(tǒng)的優(yōu)勢(shì).并且，現(xiàn)有能見度檢測(cè)儀器備主要面向氣象領(lǐng)域，重點(diǎn)監(jiān)測(cè)由于空氣透射能力所表征的能見度級(jí)別，而本文方法根據(jù)圖像失真狀況分析能見度，實(shí)際上還隱含捕獲了由于光線明暗變化等因素所導(dǎo)致的能見度改變.

(3)基于當(dāng)前我國(guó)高速公路監(jiān)控機(jī)電系統(tǒng)的建設(shè)與管理現(xiàn)狀，提出了多監(jiān)控?cái)z像頭下能見度計(jì)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(cè)與預(yù)警處置信息系統(tǒng).該系統(tǒng)可以實(shí)現(xiàn)高速公路沿線能見度的全面實(shí)時(shí)監(jiān)測(cè)與預(yù)警處置，并能充分復(fù)用已建成的視頻監(jiān)控機(jī)電系統(tǒng)，使視頻監(jiān)控更好地服務(wù)于我國(guó)高速公路的運(yùn)營(yíng)管理工作，具有很好的應(yīng)用推廣價(jià)值.

致謝:西安市科技計(jì)劃資助項(xiàng)目(CXY1125-9).

［1］ 包左軍，湯筠筠，李長(zhǎng)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(guó)，李澤椿，等.霧對(duì)我國(guó)交通運(yùn)輸?shù)牟焕绊懠皩?duì)策［J］.氣象與環(huán)境學(xué)報(bào)，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(cè)［J］.長(zhǎng)安大學(xué)學(xué)報(bào):自然科學(xué)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(dòng)化計(jì)算方法［J］.計(jì)算機(jī)工程與應(yīng)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(cè)方法與系統(tǒng)設(shè)計(jì)［J］.儀器儀表學(xué)報(bào)，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(cè)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(guó)氣象局.QXT 76—2007中華人民共和國(guó)氣象行業(yè)標(biāo)準(zhǔn):高速公路能見度監(jiān)測(cè)及濃霧的預(yù)警預(yù)報(bào)［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(cè)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(cè)量技術(shù)研究［J］.傳感技術(shù)學(xué)報(bào)，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.