一种基于模糊视频图像的智能路灯调控方法及系统技术方案

本发明专利技术属于路灯调控技术领域，公开了一种基于模糊视频图像的智能路灯调控方法及系统。包括S1：对模糊视频图像进行去模糊处理，得到去模糊后的视频图像；S2：识别去模糊后视频图像中的路面特征，并对路面上的不同特征进行特征提取，得到特征提取后的图像；S3：获取特征提取后图像的图像子图，对图像子图根据预设的路面特征进行比对校准，并将比对校准后的图像子图输入到已有深度学习训练模型中进行学习和训练，根据模型输出的检测结果，调节路面路灯的亮度。通过本发明专利技术的方法，能够对路面上交通事故、行人跌倒、发生火情、严重积水、井盖缺失特殊路面情况的路灯亮度进行调节，保障了路面特殊情况的照明，另一方面节约能源，避免了浪费。费。费。

【技术实现步骤摘要】
一种基于模糊视频图像的智能路灯调控方法及系统


[0001]本专利技术属于路灯调控
，具体涉及一种基于模糊视频图像的智能路灯调控方法及系统。

技术介绍

[0002]节能减排是实现碳达峰、碳中和的关键支撑，其中道路照明能耗大，通过对路灯监控视频智能分析，从而智能调控路灯系统，在低交通流量的深夜调节照明，降低运行功率，是道路照明节能的重要手段。又道路照明宜根据所在道路的照明等级、夜间路面实时照明水平以及不同时间段的交通流量、车速、环境亮度的变化等因素，确定相应时段需要达到的照明水平，通过智能控制方式，调节路面照度或亮度。但经过调节后的快速路、主干路、次干路的平均照度不得低于10lx，支路的平均照度不得低于8lx。”[0003]现有技术的照明方案主要有以下两种方式，一是通过路灯内置的控制器预设调光的时间节点，在路灯开启后，运行一段时间后自动降低路灯光输出，以达到节能的目的。举例如下：一是设置路灯开启后先是100％光输出，同时开始计时，在运行4小时后(进入深夜时段)自动降低到50％光输出。二是当路灯内置控制器具备通信、时钟校准功能时，设置路灯为分段运行，在开灯后100％光输出，在22:00后降低到50％光输出，在24:00后降低到30％光输出，在凌晨5点(如果还未到关灯时间)再恢复到100％光输出。二是通过摄像装置和/或运动传感器检测所述道路预设范围内是否存在处于运动状态的目标对象。专利ZL201611131825.2公开了如道路预设范围内存在处于运动状态的目标对象，则按照所述道路的照明等级信息，控制所述道路预设范围内的路灯提高亮度并持续预设时间段。如果所述道路预设范围内不存在处于运动状态的目标对象，则控制所述道路预设范围内的路灯保持原状和/或降低亮度。
[0004]虽然上述两种方案都能够对路灯的照明时段和亮度进行调整，但是上述方案的调整针对的是路面正常情况下的灯光调控，不能对路面上出现异常状况时根据路面的异常状况进行调整，不能根据路面的特征调节路灯的亮度，保障特殊情况下的路面和交通安全，避免造成更大的资源浪费。

技术实现思路

[0005]为了解决现有技术中的问题，本专利技术提供了一种基于模糊视频图像的智能路灯调控方法及系统，能够对模糊视频中的路面特征进行识别和提取，并根据识别的结果调整路灯的亮度，保障了交通安全，节约资源。
[0006]为了实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于模糊视频图像的智能路灯调控方法，包括以下步骤，
[0008]S1：对模糊视频图像进行去模糊处理，得到去模糊后的视频图像；
[0009]S2：识别去模糊后视频图像中的路面特征，并对路面上的不同特征进行特征提取，得到特征提取后的图像；
[0010]S3：获取特征提取后图像的图像子图，对图像子图根据预设的路面特征进行比对校准，并将比对校准后的图像子图输入到已有深度学习训练模型中进行学习和训练，根据模型输出的检测结果，调节路面路灯的亮度。
[0011]进一步地，所述路面特征包括交通事故、行人跌倒、发生火情、严重积水和井盖缺失。
[0012]进一步地，根据模型输出的检测结果，若在路面上检测到上述路面特征的任意一种，则控制系统控制路灯的亮度提高；若在路面上未检测到上述路面特征之一，则路灯亮度正常。
[0013]进一步地，所述去模糊处理采用图像去模糊算法进行处理。
[0014]进一步地，所述去模糊算法包括，对同一模糊视频图像进行去模糊处理和超分辨处理，其中，所述去模糊模块用于去除图像中的噪点，提高图像的清晰度和像素，所述超分辨模块用于提模糊图像中的分辨率。
[0015]进一步地，所述图像子图为视频图像去模糊处理后的放大图像。
[0016]进一步地，所述放大图像的放大倍数至少为所放大图像中图像特征面积占整体图像面积的二分之一的倍数。
[0017]进一步地，对路面上不同特征进行特征提取时采用特征提取算法对视频图像中预设的路面特征作为特征点进行提取。
[0018]进一步地，对路面特征进行校准的方法为，
[0019]对路面特征进行比较校准时，预先获取包含上述路面特征的历史数据；
[0020]将原始图像输入到预先训练好的神经网络模型中进行训练，得到长宽为原始视频图片四分之一的特征向量；
[0021]对特征向量进行上采样，得到上采样后的图像；
[0022]采用目标检测算法对上采样后图像作为目标区域进行检测和特征选取；
[0023]并对图像子图采用多分类算法得出上述路面特征中每一种的概率与预先获取的概率值进行对比，若概率值超过阈值，则灯光亮度增强；若低于或等于阈值，则灯光亮度不变或降低。
[0024]一种基于模糊视频图像的智能路灯调控系统，包括，
[0025]去模糊模块，用于对模糊视频图像进行去模糊处理，得到去模糊后的视频图像；
[0026]特征识别和特诊提取模块，用于识别去模糊后视频图像中的路面特征，并对路面上的不同特征进行特征提取，得到特征提取后的图像；
[0027]亮度调节模块，用于获取特征提取后图像的图像子图，对图像子图根据预设的路面特征进行校准，并将校准后的图像子图输入到已有深度学习训练模型中进行学习和训练，根据模型输出的检测结果，调节路面路灯的亮度。
[0028]相较于现有技术，本专利技术的优点在于：
[0029]本专利技术的一种基于模糊视频图像的智能路灯调控方法，通过路灯监控的模糊视频图像进行获取，并对获取的模糊视频图像进行去模糊处理，和对去模糊处理后的视频图像进行特征提取，及对特征提取后的图像子图进行比较校准来对含有特殊路面特征的路灯亮度进行调节，使得路灯的亮度随着路面的情况变化，一方面使得对路面上的特殊情况给予及时充足的照明，保障路面上的车辆、行人的安全，另一方方面能够通过路灯亮度的增加起
到对路灯维修人员的反馈作用，能够对有交通事故、行人跌倒、发生火情、严重积水、井盖缺失特殊路面情况的路面进行及时处理，同时通过路灯的调节，使得能源合理的分配，避免了能源的浪费。
附图说明
[0030]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0031]图1为本专利技术一种基于模糊视频图像的智能路灯调控方法的流程示意图；
[0032]图2为本专利技术一种基于模糊视频图像的智能路灯调控方法去模糊算法的流程示意图。
具体实施方式
[0033]下面将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0034]以下详细说明均是示例性的说明，旨在对本专利技术提供进一步的详细说明。除非另有指明，本专利技术所采用的所有技术术语与本专利技术所属领域的一般技术人员的通常理解的含义相同。本专利技术所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本专利技术的示例性实施方式。
[0035]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊视频图像的智能路灯调控方法，其特征在于，包括以下步骤，S1：对模糊视频图像进行去模糊处理，得到去模糊后的视频图像；S2：识别去模糊后视频图像中的路面特征，并对路面上的不同特征进行特征提取，得到特征提取后的图像；S3：获取特征提取后图像的图像子图，对图像子图根据预设的路面特征进行比对校准，并将比对校准后的图像子图输入到已有深度学习训练模型中进行学习和训练，根据模型输出的检测结果，调节路面路灯的亮度。2.根据权利要求1所述的一种基于模糊视频图像的智能路灯调控方法，其特征在于，所述路面特征包括交通事故、行人跌倒、发生火情、严重积水和井盖缺失。3.根据权利要求2所述的一种基于模糊视频图像的智能路灯调控方法，其特征在于，根据模型输出的检测结果，若在路面上检测到上述路面特征的任意一种，则控制系统控制路灯的亮度提高；若在路面上未检测到上述路面特征之一，则路灯亮度正常。4.根据权利要求1所述的一种基于模糊视频图像的智能路灯调控方法，其特征在于，所述去模糊处理采用图像去模糊算法进行处理。5.根据权利要求1所述的一种基于模糊视频图像的智能路灯调控方法，其特征在于，所述去模糊算法包括，对同一模糊视频图像进行去模糊处理和超分辨处理，其中，所述去模糊模块用于去除图像中的噪点，提高图像的清晰度和像素；所述超分辨模块用于提模糊图像中的分辨率。6.根据权利要求1所述的一种基于模糊视频图像的智能路灯调控方法，其特征在于，所述图像子图为视频图像去模糊处理后的放大图像。7.根据权利要求6所述的一种...

【专利技术属性】
技术研发人员：陈春光，陈壬贤，白鹭，赵弘昊，孙雨辰，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：