技术领域
[0001] 本
发明涉及交通安全技术，具体涉及一种隧道入口“黑洞效应”的图像检测方法。
背景技术
[0002] 近年来，总量不断增加的隧道给交通管理和行车环境带来了诸多影响，尤其是处于大交通量路段的长隧道和特长隧道，安全形势十分严峻。由于隧道呈隐蔽带状结构，其交通事故的后果往往比隧道外的严重得多。目前，出入口事故多发已成为隧道交通事故的集中特点，主要原因之一在于隧道内外
亮度差异超出了驾驶员的视觉适应能
力。
[0003] 就白天入口段而言，当车辆驶近隧道时，如果隧道内部照明亮度与外部环境亮度的差异超过了人眼适应的极限，驾驶员从隧道外面难以看清入口段的真实路况，便会带来“黑洞”一样的视觉效果，这种现象一般称为“黑洞效应”。“黑洞效应”产生后，驾驶员在进入隧道瞬间无法看清前方障碍物甚至失去方向感，需经过短时间的暗适应过程才能恢复正常。这种情形下，倘若隧道里面靠近入口处存在行驶缓慢或者因故静止的车辆，隧道外车辆的快速驶入极易引发交通事故。例如，2011年4月14日12时40分，在户外阳光强烈的厦蓉排降隧道，一辆越野车受入口处明暗度急骤变化的干扰，驶入隧道100米左右与前方慢速行驶的货车相撞，造成3死2重伤的交通事故。2013年3月1日13时45分，晋济岩后隧道入口处，一辆运
煤车受“黑洞效应”影响，未能看清隧道入口段通行情况便违章变道驶入，与距离入口约100米的甲醇运输车相撞并发生火灾爆炸，最终引起40人遇难和多车被毁的重大损失。通过上述可知，检测隧道入口“黑洞效应”，进而引导车辆安全行驶意义重大。
[0004] 针对上述隧道入口白天视觉安全性问题，飞秒光电科技公司
申请了一种隧道入口用太阳光照明控制系统
专利，控制反光镜始终以最优
角度面向太阳光，使最强光线反射到隧道内加强照明。厦
门格绿能光电公司申请了一种LED隧道灯系统及LED隧道灯的亮度控制方法专利，通过照度
传感器采集天空照度，分析处理后实时调节隧道内部照明亮度。长安大学于2013年申请了一种公路隧道入口白天安全性提示装置及提示方法专利，由隧道内摄像机采集入口段车况图像信息，经
单片机处理后向隧道外提供警示信息。以上专利的侧重点或是改善隧道内部的照明条件，或是反应隧道入口段车况信息，均未涉及隧道入口处“黑洞效应”的检测，并且
现有技术中，也未见检测隧道入口“黑洞效应”的报道。
发明内容
[0005] 本发明的目的在于提供一种隧道入口“黑洞效应”的图像检测方法，通过该方法可以得知隧道入口是否存在“黑洞效应”以及“黑洞效应”的严重程度。
[0006] 本发明隧道入口“黑洞效应”的图像检测方法，其突出的特点是采用
图像分析，根据隧道内外的视觉特征信息，包括灰度、灰度比值、梯度和梯度比值，来判断隧道入口是否存在“黑洞效应”或“黑洞效应”的严重程度，具体包括以下步骤：
[0007] 1）获取隧道入口原始灰度图像Im1；
[0009] a.
边缘检测，获得梯度图像Im2和边缘二值图像Im3；
[0011] 在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，隧道入口轮廓是一段圆弧，求取圆弧的圆心(a0, b0)和半径r0，利用圆心(a0, b0)和半径r0描述入口的位置；
[0012] c. 关键区域标记
[0013] 在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，将落在以(a0, b0)为圆心、0.9r0为半径的圆内，且纵坐标小于b0+0.2r0的区域作为隧道内部关键区域，标记为ROI1；同时，将圆心(a0, b0)、半径1.5r0圆内，处于圆心(a0, b0)、半径r0圆外或者纵坐标大于b0+
0.2r0的区域作为隧道外部关键区域，标记为ROI2；
[0014] 3）视觉特征统计与检测结果求解
[0015] 由灰度图像Im1统计区域ROI1的灰度均值Val2_1、区域ROI2的灰度均值Val2_2以及区域ROI1和区域ROI2的灰度比值Val2=Val2_1/Val2_2，由梯度图像Im2统计区域ROI1的梯度均值Val3_1、区域ROI2的梯度均值Val3_2以及区域ROI1和区域ROI2的梯度比值Val3=Val3_1/Val3_2，在此
基础上，加权灰度比值和梯度比值，作为隧道入口“黑洞效应”的检测结果，表示为Result=α×Val2+β×Val3，其中0<α<1、0<β<1且α+β=1，于是，Result在[0, 1]范围内的取值小于设定
阈值Thed2时，可认为隧道入口存在“黑洞效应”，且Result取值越小，“黑洞效应”程度也越为严重。
[0016] 本发明的有益效果：本发明中Val2在[0, 1]范围内的取值越大，表明隧道入口内外的亮度视觉差异越小，入口段整体场景比较清晰可见。Val3在[0, 1]范围内的取值越大，表示车道指示器、照明
灯具等设备的结构视觉特征越明显。大量实验表明，当两者的加权结果Result大于等于阈值Thed2=0.6时，隧道入口几乎不存在“黑洞效应”，即视觉安全性比较高。然而，当Result小于Thed2=0.6时，隧道入口通常存在不同程度的“黑洞效应”，尤其是Result取值很小时“黑洞效应”将显得非常突出，此时隧道入口的视觉安全
风险较大。根据本方法检测结果，隧道运营单位可以采取调节入口段照明亮度或使用情报板引导驾驶行为等措施，实现对“黑洞效应”不利影响的有效控制。
[0017] 进一步，在步骤1）中，在隧道入口外，利用摄像机对隧道入口附近场景连续拍摄三幅彩色图像，经灰度化处理得到原始灰度图像Im1_1、Im1_2和Im1_3，将原始灰度图像Im1_1、Im1_2和Im1_3中的任意两幅作差分运算后，对所得三幅差分图像分别计算灰度均值Val1_1、Val1_2和Val1_3，当且仅当Val1_1、Val1_2和Val1_3同时小于差分阈值Thed1时，才加权平均Im1_1、Im1_2和Im1_3作为隧道入口的原始灰度图像Im1，否则重新拍摄三幅彩色图像并重复上述步骤。上述
图像采集方案的优势在于，通过差分运算判断图像中是否存在运动车辆，并将包含运动车辆的图像
帧丢弃后重新采集，可以确保Im1图像的ROI1区域和ROI2区域均不包含车辆等干扰物，从而避免了隧道入口附近干扰物对“黑洞效应”检测的影响。
附图说明
[0018] 图1是本发明
实施例中隧道入口内外关键区域示意图。
具体实施方式
[0019] 下面结合附图和具体实施方式对本发明作进一步详细的说明：
[0020] 本实施例隧道入口“黑洞效应”的图像检测方法，包括以下步骤：
[0021] 1）获取隧道入口原始灰度图像Im1
[0022] 为确保获取的原始图像不包含运动车辆，在隧道入口外，利用摄像机对入口附近场景连续拍摄三幅彩色图像，经灰度化处理得到原始灰度图像Im1_1、Im1_2、Im1_3，将原始灰度图像中的任意两幅作差分运算后，对所得三幅差分图像分别计算灰度均值Val1_1、Val1_2、Val1_3，当且仅当Val1_1、Val1_2、Val1_3同时小于差分阈值Thed1时，才加权平均Im1_1、Im1_2、Im1_3作为隧道入口的原始灰度图像Im1，否则重新拍摄三幅彩色图像并重复上述步骤；
[0023] 2）隧道内外关键区域定位
[0024] a. 边缘检测
[0025] 图像的边缘对人的视觉具有重要的意义，一般而言，当人们看一个有边缘的物体时，首先感觉到的便是边缘。灰度或结构等信息的突变处称为边缘。边缘是一个区域的结束，也是另一个区域的开始，利用该特征可以分割图像。
[0026] 图像的边缘有方向和幅度两个属性，沿边缘方向
像素变化平缓，垂直于边缘方向像素变化剧烈，边缘上的这种变化可以用微分算子检测出来，通常用一阶或二阶导数来检测边缘，一阶导数认为最大值对应边缘位置，而二阶导数则以过零点对应边缘位置，Sobel梯度算子是基于一阶导数的边缘检测算子，在
算法实现过程中，通过3×3模板与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。
[0027] 本实施例中采用Sobel梯度算子Gx、Gy对图像Im1作卷积运算，获得x、y方向上的梯度幅值和。具体说来，对于Im1中像素(i, j)，当i=1或i=h或j=1或j=d时，Im2_x(i, j)、Im2_y(i, j)的值均为零；而当(i, j)取其他值时，Im2_x(i, j)和Im2_y(i, j)则是将Im1(i, j)的邻域像素灰度与Gx、Gy中对应元素相乘再求和，即
[0028]
[0029] 其中，d、h是图像宽度和高度，Sobel梯度算子Gx、Gy如下：
[0030]
[0031] 在此基础上，由 求解兼顾x、y方向后的梯度图像Im2，并选取阈值Thed3执行二值化操作得到图像Im3，使Im3(i, j)在Im2(i, j)> Thed3成立时取值为1，其他情况下则为0。
[0032] b. 公路隧道入口位置确定
[0033] Hough变换是
图像处理中从图像中识别几何形状的方法，Hough变换的基本原理在于利用点与线的对偶性，将原始
图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点，这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。
[0034] 在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，隧道入口轮廓是一段圆弧，采用Hough变换来求取圆弧的圆心和半径：
[0035] 首先，根据图像
分辨率和入口轮廓尺寸，将入口圆弧半径r限制在[rmin, rmax]范围内，设置圆弧检测的半径步长step_r与角度步长step_θ，并分配大小为d×h×((rmax−rmin)/step_r+1)的三维数组Hough_Space，其中d、h是图像宽度和高度；
[0036] 然后，针对Im3图像的所有非零像素，按照公式 进行Hough变换，将其从图像空间(x, y)映射到参数空间(a, b, r)，统计以(a, b)为圆心、r为半径的像素数目，结果保存于Hough_Space数组中，变换时，r按步长step_r在[rmin, rmax]范围遍历取值，且θ按步长step_θ遍历[0, 2π]进行取值；
[0037] 最后，隧道入口圆弧是图像中最长圆弧，查找Hough_Space数组元素的最大值，并依据最大值元素索引(a0, b0, r0)，利用圆心(a0, b0)和半径r0描述入口的准确位置；
[0038] c. 关键区域标记
[0039] 在灰度图像Im1、梯度图像Im2和边缘二值图像Im3中，将落在以(a0, b0)为圆心、0.9r0为半径的圆内，且纵坐标小于b0+0.2r0的区域作为隧道内部关键区域，标记为ROI1；同时，将圆心(a0, b0)、半径1.5r0圆内，处于圆心(a0, b0)、半径r0圆外或者纵坐标大于b0+
0.2r0的区域作为隧道外部关键区域，标记为ROI2；
[0040] 3）视觉特征统计与检测结果求解
[0041] 在灰度图像Im1中，由 计算ROI1、ROI2区域的灰度均值Val2_1、Val2_2，其中N1、N2分别是ROI1、ROI2区域所包含的像素数目。同时，在梯度图像Im2中，由 计算ROI1、ROI2区域的梯度均值Val3_1、
Val3_2。进一步，求解隧道内部、外部关键区域的灰度比值Val2=Val2_1/Val2_2和梯度比值Val3=Val3_1/Val3_2。最后，按照Result=α×Val2+β×Val3加权灰度比值和梯度比值，获得隧道入口“黑洞效应”的最终检测结果，其中0<α<1、0<β<1且α+β=1。于是，Result在[0, 1]范围内的取值小于设定阈值Thed2时，可认为隧道入口存在“黑洞效应”，且Result取值越小，“黑洞效应”程度也越为严重。
[0042] 以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干
变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。
