陳勇 王繹凱 王振宇

摘要：針對(duì)目前應(yīng)用較為廣泛的傳統(tǒng)交通道路大氣能見(jiàn)度檢測(cè)設(shè)備價(jià)格昂貴、未能滿足覆蓋大面積路網(wǎng)等問(wèn)題，基于AOD-Net及道路監(jiān)控設(shè)備，提出一種新型能見(jiàn)度檢測(cè)系統(tǒng)。 系統(tǒng)采用AOD-Net對(duì)道路圖像信息進(jìn)行處理，并通過(guò)算法構(gòu)建模型給出相對(duì)準(zhǔn)確的大氣能見(jiàn)度數(shù)據(jù)。采用PyQt創(chuàng)建GUI程序平臺(tái)，方便用戶使用圖像資料完成對(duì)交通道路大氣能見(jiàn)度的檢測(cè)。

關(guān)鍵詞：能見(jiàn)度檢測(cè);深度學(xué)習(xí);AOD-Net;PyQt;圖像識(shí)別;交通管理

中圖分類號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）18-0199-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Traffic Road Image Atmospheric Visibility Detection System Based on AOD-NET

CHEN Yong，WANG Yi-kai，WANG Zhen-yu

（Nanchang Institute of Technology， Nanchang 330099， China）

Abstract：Aiming at the problems of high price of traditional road atmospheric visibility detection equipment， which is widely used at present， and can not cover a large area of road network， a new visibility detection system is proposed based on AOD net and road monitoring equipment. The system uses AOD net to process the road image information， and constructs the model through the algorithm to give the relatively accurate atmospheric visibility data. Pyqt is used to create GUI program platform， which is convenient for users to use image data to complete the detection of atmospheric visibility on traffic roads.

Key words： visibility detection; deep learning; AOD-Net; PyQt; image recognition; traffic control

1概述

在低能見(jiàn)度中行駛是造成事故的巨大隱患，近年來(lái)常有霧天交通事故的發(fā)生，許多生命因此而逝。隨著近年來(lái)國(guó)內(nèi)城市化建設(shè)的開(kāi)展，國(guó)內(nèi)交通運(yùn)輸領(lǐng)域也隨之迅速發(fā)展，人們?cè)谖镔|(zhì)生活上的需求不斷提升，國(guó)內(nèi)使用私家車的用戶群體不斷擴(kuò)張，造成國(guó)內(nèi)尤其是城市道路的交通流量明顯增加。伴隨工業(yè)發(fā)展的同時(shí)，霧霾也頻繁出現(xiàn)于城市之中，在城區(qū)車流量巨大的今天，倘若對(duì)于城市能見(jiàn)度的檢測(cè)不能做到及時(shí)而準(zhǔn)確，就很可能在霧天發(fā)生重大交通事故，威脅人民群眾的生命安全。而目前應(yīng)用較為廣泛的能見(jiàn)度檢測(cè)設(shè)備造價(jià)昂貴，檢測(cè)成本較高，同時(shí)在檢測(cè)大面積路網(wǎng)方面存在劣勢(shì)，尚且需要補(bǔ)充一種能夠涵蓋大面積路網(wǎng)的檢測(cè)系統(tǒng)，方能比較全面地知曉交通道路能見(jiàn)度情況，為各路段的交通通行提供合理建議和管理方案。目前，已經(jīng)有利用圖像檢測(cè)得到拍攝時(shí)大氣能見(jiàn)度信息的研究，為大氣能見(jiàn)度檢測(cè)的方法提供了參考[1-2]。

基于目前道路上廣為分布的安全監(jiān)控設(shè)備網(wǎng)絡(luò)，以及在一體化除霧網(wǎng)絡(luò)（AOD-Net）方面的研究，本項(xiàng)目提出一種大氣能見(jiàn)度檢測(cè)的新思路，實(shí)現(xiàn)了基于AOD-Net的交通道路圖像大氣能見(jiàn)度檢測(cè)系統(tǒng)。該系統(tǒng)能夠根據(jù)路網(wǎng)中道路監(jiān)控設(shè)備拍攝的圖像，快速計(jì)算出設(shè)備所在區(qū)域大氣能見(jiàn)度數(shù)據(jù)，實(shí)時(shí)反映各道路能見(jiàn)度情況并將其反饋給用戶作為出行參考，也便于工作人員及時(shí)對(duì)交通進(jìn)行調(diào)控與管理，盡可能避免由于信息延遲而導(dǎo)致的霧天交通事故。

2交通道路圖像大氣能見(jiàn)度檢測(cè)系統(tǒng)的設(shè)計(jì)

本項(xiàng)目所設(shè)計(jì)的檢測(cè)系統(tǒng)基于AOD-Net算法。AOD-Net是一種基于深度學(xué)習(xí)以及大氣散射模型構(gòu)建出的優(yōu)質(zhì)去霧模型，其利用K值估計(jì)模型可得到監(jiān)控設(shè)備所提供圖片的清晰去霧圖像。利用NYU2數(shù)據(jù)集和Middlebury數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練，利用訓(xùn)練后得到的模型處理所給出的帶霧圖像，采用網(wǎng)格對(duì)初始圖像以及去霧圖像進(jìn)行分割，利用算法識(shí)別、計(jì)算出圖像中能見(jiàn)度的級(jí)別信息，得到道路能見(jiàn)度分析結(jié)果。

項(xiàng)目中檢測(cè)系統(tǒng)的GUI程序平臺(tái)利用PyQt創(chuàng)建，操作界面簡(jiǎn)潔。系統(tǒng)允許用戶通過(guò)窗口完成圖像上傳，然后利用用戶所給定的帶霧圖像，考慮拍攝角度的不同以及視線延伸的效果，對(duì)圖片進(jìn)行網(wǎng)格化分塊處理，并通過(guò)分析和計(jì)算各網(wǎng)格間相似度的標(biāo)準(zhǔn)方差，給出精確度較高的大氣能見(jiàn)度參考信息。

3交通道路圖像大氣能見(jiàn)度檢測(cè)系統(tǒng)的功能

3.1信息獲取

隨著現(xiàn)代科技水平的進(jìn)步，交通道路的監(jiān)控設(shè)備所拍攝到的圖像清晰度也越來(lái)越高，與此同時(shí)，監(jiān)控設(shè)備布設(shè)密度高、分布范圍廣，已經(jīng)形成了巨大的交通監(jiān)控網(wǎng)絡(luò)，這對(duì)于本項(xiàng)目大氣能見(jiàn)度信息的獲取十分有利，無(wú)須再購(gòu)進(jìn)昂貴的檢測(cè)設(shè)備，只需通過(guò)交通監(jiān)控網(wǎng)絡(luò)便可實(shí)現(xiàn)實(shí)時(shí)的圖像傳輸與分析。相較于傳統(tǒng)的大氣檢測(cè)設(shè)備，道路監(jiān)控設(shè)備覆蓋整個(gè)道路網(wǎng)絡(luò)，利用這種優(yōu)勢(shì)進(jìn)行檢測(cè)工作，在擴(kuò)大檢測(cè)范圍的同時(shí)，也使得對(duì)各道路大氣能見(jiàn)度的檢測(cè)更具有針對(duì)性。系統(tǒng)檢測(cè)各個(gè)路段監(jiān)控設(shè)備提供的圖像信息，通過(guò)處理后將分析數(shù)據(jù)呈現(xiàn)，可以對(duì)比突出不同路段大氣能見(jiàn)度的差異，使道路交通的管理調(diào)控內(nèi)容更加具體化，依據(jù)各道路不同的大氣能見(jiàn)度情況采取更為有效的調(diào)整措施。另外，還可以根據(jù)不同道路能見(jiàn)度數(shù)據(jù)的實(shí)時(shí)變化情況，提前對(duì)部分道路進(jìn)行交通管制，預(yù)防車輛在道路行駛過(guò)程中遭遇低能見(jiàn)度天氣的情況，減少因霧霾天氣影響而引發(fā)的交通事故。

3.2 霧霾識(shí)別

本大氣能見(jiàn)度檢測(cè)系統(tǒng)的關(guān)鍵組成部分，是基于深度學(xué)習(xí)而實(shí)現(xiàn)的大氣能見(jiàn)度識(shí)別系統(tǒng)：將交通道路監(jiān)控設(shè)備所拍攝到的圖像信息輸入到檢測(cè)系統(tǒng)中，系統(tǒng)會(huì)利用訓(xùn)練后的AOD-Net算法，將所拍攝到的原始圖像轉(zhuǎn)換為清晰的去霧圖像，該去霧圖像能夠保留并突出圖像中的細(xì)節(jié)信息，使圖像的識(shí)別特征更加明顯，有利于后續(xù)對(duì)圖像進(jìn)行對(duì)比、分析與計(jì)算[3]。考慮到不同監(jiān)控設(shè)備的拍攝角度不盡相同，會(huì)導(dǎo)致同一圖像中不同區(qū)域的霧霾濃度計(jì)算結(jié)果有所差異，因此采用對(duì)原始圖像和去霧圖像進(jìn)行網(wǎng)格式劃分的方法，根據(jù)圖像特征對(duì)比、檢測(cè)并計(jì)算各個(gè)網(wǎng)格的霧霾數(shù)據(jù)，對(duì)網(wǎng)格進(jìn)行霧霾識(shí)別，得到各網(wǎng)格數(shù)據(jù)，為后續(xù)的檢測(cè)工作做準(zhǔn)備。

3.3 能見(jiàn)度檢測(cè)

從霧霾識(shí)別功能中可以得出各網(wǎng)格的霧霾數(shù)據(jù)，通過(guò)匯總計(jì)算網(wǎng)格間相似度的標(biāo)準(zhǔn)方差，減小不同拍攝角度等因素對(duì)圖像能見(jiàn)度檢測(cè)所產(chǎn)生的影響，得到更為準(zhǔn)確的霧霾數(shù)據(jù)，進(jìn)而判斷出圖像中的霧霾等級(jí)，輸出目標(biāo)道路區(qū)域的大氣能見(jiàn)度信息。該能見(jiàn)度檢測(cè)系統(tǒng)利用道路監(jiān)控網(wǎng)絡(luò)所提供的圖像材料，可以全天候任意時(shí)刻對(duì)圖像數(shù)據(jù)進(jìn)行分析與識(shí)別;基于深度學(xué)習(xí)理論的構(gòu)建，使得系統(tǒng)的識(shí)別檢測(cè)功能隨著使用時(shí)長(zhǎng)的增加而更加準(zhǔn)確可靠，并可通過(guò)人工進(jìn)行校正，在保證能見(jiàn)度識(shí)別效率的同時(shí)也能提高能見(jiàn)度識(shí)別的準(zhǔn)確率。

4交通道路圖像大氣能見(jiàn)度檢測(cè)系統(tǒng)的展示

該交通道路圖像大氣能見(jiàn)度檢測(cè)系統(tǒng)可通過(guò)基于深度學(xué)習(xí)的城市交通道路圖像處理平臺(tái)進(jìn)入，用戶可以通過(guò)注冊(cè)、登錄進(jìn)入平臺(tái)首頁(yè)，在左側(cè)模塊中選擇道路能見(jiàn)度模塊，即可使用交通道路圖像大氣能見(jiàn)度檢測(cè)系統(tǒng)。選取給定的交通道路圖像從左側(cè)上傳窗口處上傳，檢測(cè)系統(tǒng)會(huì)對(duì)圖像進(jìn)行去霧、劃分、對(duì)比、計(jì)算等步驟，完成后將會(huì)在窗口右側(cè)區(qū)域顯示處理后的去霧圖像以及能見(jiàn)度等級(jí)信息。

利用系統(tǒng)所輸出的能見(jiàn)度等級(jí)信息，工作人員可以實(shí)時(shí)調(diào)整道路交通狀況，或者提前對(duì)部分道路進(jìn)行交通管制，及時(shí)避免車輛駛?cè)氲湍芤?jiàn)度區(qū)域。使用者也可根據(jù)實(shí)際情況對(duì)檢測(cè)系統(tǒng)進(jìn)行校對(duì)，利用大數(shù)據(jù)使系統(tǒng)的識(shí)別與判斷更加準(zhǔn)確。

5結(jié)束語(yǔ)

低能見(jiàn)度對(duì)于車輛的行駛十分不利，能見(jiàn)度檢測(cè)的工作仍將是長(zhǎng)期的需要。伴隨當(dāng)今科技的發(fā)展進(jìn)步，能見(jiàn)度檢測(cè)工作如果能與更加快速準(zhǔn)確的識(shí)別方法相結(jié)合，做到隨時(shí)傳遞能見(jiàn)度信息，及時(shí)通知相關(guān)部門(mén)采取交通管制等措施，就能為霧天道路交通行駛提供更穩(wěn)固的安全保障。運(yùn)用現(xiàn)今發(fā)展成熟的交通監(jiān)控網(wǎng)絡(luò)進(jìn)行大氣能見(jiàn)度檢測(cè)，展現(xiàn)出多種科技共同協(xié)作所產(chǎn)生的用途多樣化、廣泛化，一方面大幅降低了人工和設(shè)備成本，另一方面通過(guò)大數(shù)據(jù)確保了系統(tǒng)識(shí)別的準(zhǔn)確性和實(shí)時(shí)性，提高工作效率。檢測(cè)系統(tǒng)基于深度學(xué)習(xí)理論開(kāi)發(fā)，系統(tǒng)對(duì)于能見(jiàn)度特征識(shí)別的準(zhǔn)確度會(huì)隨著檢測(cè)數(shù)據(jù)的增多而提高。當(dāng)出現(xiàn)系統(tǒng)漏洞、識(shí)別不準(zhǔn)等情況時(shí)，可以進(jìn)行人工校核以及算法優(yōu)化，與傳統(tǒng)的人工研發(fā)、維修檢測(cè)設(shè)備相比，能夠更加快速高效地解決問(wèn)題，為未來(lái)交通道路能見(jiàn)度檢測(cè)提供更加精確可靠的信息數(shù)據(jù)。

參考文獻(xiàn)：

[1] 張瓊雄，龐志梅，宋迪靈，等.基于視頻監(jiān)控的能見(jiàn)度測(cè)量[J].廣東氣象，2019，41（5）：62-65.

[2] 姚鎮(zhèn)海，周建平，邱新法.基于高速公路視頻圖像的能見(jiàn)度計(jì)算[J].南京信息工程大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，11（1）：85-90.

[3] 陳瓊紅，冀杰，種一帆，等.基于AOD-Net和SSD的霧天車輛和行人檢測(cè)[J/OL].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)）：1-9[2021-01-24].http：//kns.cnki.net/kcms/detail/50.1205.T.20200 610.1010.004.html.

[4] 唐紹恩，李騫，胡磊，等.一種基于遷移學(xué)習(xí)的能見(jiàn)度檢測(cè)方法[J].計(jì)算機(jī)工程，2019，45（9）：242-247.

[5] 宋洪軍，郜園園，陳陽(yáng)舟.基于攝像機(jī)動(dòng)態(tài)標(biāo)定的交通能見(jiàn)度估計(jì)[J].計(jì)算機(jī)學(xué)報(bào)，2015，38（6）：1172-1187.

[6] 劉建磊，劉曉亮.基于拐點(diǎn)線的大霧能見(jiàn)度檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用，2015，35（2）：528-530，534.

【通聯(lián)編輯：梁書(shū)】