摄像头水雾检测方法、装置、电子设备及存储介质与流程

本申请涉及新能源汽车，尤其涉及一种摄像头水雾检测方法、装置、电子设备及存储介质。

背景技术：

1、随着新能源智能驾驶汽车的推广与普及，越来越多的汽车开始搭载电子后视镜。电子后视镜通过摄像头将车辆两侧及后方的影像传输至显示屏，供驾驶员判断车身周围的环境。然而，当摄像头因天气或其他环境因素被水雾遮挡时，成像效果会受到严重影响，导致影像模糊，驾驶员无法清晰观察左右侧后方的行驶路况，从而增加了驾驶风险，难以保障驾驶员和乘客的安全。

2、此外，智能驾驶系统还依赖电子后视镜的图像进行车辆检测、行人检测等目标检测任务。然而，当摄像头被水雾遮挡时，图像模糊化会直接影响目标检测的效果，导致误检和漏检，进一步严重影响驾驶的安全性。因此，高效实时地检测出水雾并提示驾驶员及乘客及时清洗是非常必要的。

3、目前，针对电子后视镜水雾检测的方法主要存在以下几种方式：

4、基于机器学习的水雾检测算法：通过深度学习等机器学习算法，利用大量的数据采集和标注来训练模型，使其能够学习水雾的深层特征，实现对水雾的有效检测。这种方法计算复杂度较高，芯片算力占比较大，难以部署在智能驾驶汽车的车载芯片等嵌入式设备上。

5、基于传统计算机视觉检测算法：通过研究水雾在图像上的特征(如边缘、形状、反射等)，设计基于传统图像处理技术(如边缘检测、形态学处理等)的检测算法。该方法为了保证检测准确性，需要在不同场景下设置不同的阈值以丢弃多余特征，只保留水雾特征，因此适应性和鲁棒性较差。

6、基于硬件光学检测：在摄像头硬件上增加光学元件(如光栅、透镜等)，通过分析光学成像中的水滴特征，结合算法进行检测，可以提高检测的准确性和实时性，但是增加了硬件复杂度和成本。

7、因此，当前的水雾检测技术在准确性、实时性、检测效率、不同光照条件下的适应性等方面均存在显著缺陷。

技术实现思路

1、有鉴于此，本申请实施例提供了一种摄像头水雾检测方法、装置、电子设备及存储介质，以解决现有技术存在的水雾检测准确性和实时性低，检测效率低，不同光照条件下适应性差的问题。

2、本申请实施例的第一方面，提供了一种摄像头水雾检测方法，包括：获取利用摄像头采集到的多帧原始图像，对原始图像进行预处理；将预处理后的图像输入到预定的轻量化深度学习模型中进行特征提取，得到每帧图像的特征向量；对连续多帧图像的特征向量进行差值计算，得到差值向量，将差值向量与预设的向量阈值进行比较，当差值向量小于向量阈值时，判定连续多帧图像存在相似区域，否则判定不存在相似区域；获取连续多帧图像的相似区域判定结果，根据预定次数的相似区域判定结果，判断摄像头上是否存在水雾，并输出最终的检测结果。

3、本申请实施例的第二方面，提供了一种摄像头水雾检测装置，包括：预处理模块，被配置为获取利用摄像头采集到的多帧原始图像，对原始图像进行预处理；特征提取模块，被配置为将预处理后的图像输入到预定的轻量化深度学习模型中进行特征提取，得到每帧图像的特征向量；比较模块，被配置为对连续多帧图像的特征向量进行差值计算，得到差值向量，将差值向量与预设的向量阈值进行比较，当差值向量小于向量阈值时，判定连续多帧图像存在相似区域，否则判定不存在相似区域；判断模块，被配置为获取连续多帧图像的相似区域判定结果，根据预定次数的相似区域判定结果，判断摄像头上是否存在水雾，并输出最终的检测结果。

4、本申请实施例的第三方面，提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。

5、本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

6、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

7、通过获取利用摄像头采集到的多帧原始图像，对原始图像进行预处理；将预处理后的图像输入到预定的轻量化深度学习模型中进行特征提取，得到每帧图像的特征向量；对连续多帧图像的特征向量进行差值计算，得到差值向量，将差值向量与预设的向量阈值进行比较，当差值向量小于向量阈值时，判定连续多帧图像存在相似区域，否则判定不存在相似区域；获取连续多帧图像的相似区域判定结果，根据预定次数的相似区域判定结果，判断摄像头上是否存在水雾，并输出最终的检测结果。本申请提升水雾检测的准确性和实时性，提高检测效率，提升不同场景下的适应性和鲁棒性。

技术特征：

1.一种摄像头水雾检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述获取利用摄像头采集到的多帧原始图像，对所述原始图像进行预处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述轻量化深度学习模型包括深度可分离卷积模块、非线性运算模块、挤压与激励模块和倒残差模块；

4.根据权利要求3所述的方法，其特征在于，所述将所述初步特征向量输入到所述非线性运算模块中，对所述初步特征向量进行非线性激活处理，包括：

5.根据权利要求3所述的方法，其特征在于，所述利用所述挤压与激励模块对非线性激活处理后的特征向量进行重新加权，得到重新加权后的特征向量，包括：

6.根据权利要求1所述的方法，其特征在于，所述对连续多帧图像的特征向量进行差值计算，得到差值向量，包括：

7.根据权利要求1所述的方法，其特征在于，所述获取连续多帧图像的相似区域判定结果，根据预定次数的相似区域判定结果，判断所述摄像头上是否存在水雾，并输出最终的检测结果，包括：

8.一种摄像头水雾检测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种可读存储介质，所述可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

技术总结本申请提供一种摄像头水雾检测方法、装置、电子设备及存储介质。该方法包括：获取利用摄像头采集到的多帧原始图像，对原始图像进行预处理；将预处理后的图像输入到预定的轻量化深度学习模型中进行特征提取，得到每帧图像的特征向量；对连续多帧图像的特征向量进行差值计算，得到差值向量，将差值向量与预设的向量阈值进行比较，当差值向量小于向量阈值时，判定连续多帧图像存在相似区域，否则判定不存在相似区域；获取连续多帧图像的相似区域判定结果，根据预定次数的相似区域判定结果，判断摄像头上是否存在水雾，并输出最终的检测结果。本申请提升水雾检测的准确性和实时性，提高检测效率，提升不同场景下的适应性和鲁棒性。技术研发人员：张绍林,苏星溢,李杨,张操受保护的技术使用者：重庆赛力斯凤凰智创科技有限公司技术研发日：技术公布日：2024/8/20