场景：基于输入视频帧和边界框值实时检测车辆的转向灯ON/OFF（基于视频帧中的车辆检测）
我有一组基于日视频帧数据集的日场景的上限（U1）和下限（L1）阈值（h，s，v），L1 =（18,150,180）U1 =（28,75,255）#Amber颜色
另一组基于夜间视频帧数据集的夜间场景的上限（U2）和下限（L2）阈值（h，s，v），L2 =（18,60,80）U2 =（28,75,255）#琥珀色
以及基于有雾视频帧数据集的有雾场景的另一组上限（U3）和下限（L3）阈值（h，s，v）值。L1=(18,120,150) U1=(28,75,255) #琥珀色
如何根据每个输入视频帧的强度（v）实时动态调整（h，s，v）值（任何不同强度的新场景）或任何方法。？
注意：我的输入是：
- 当前输入帧的强度。
- yolo 模型中关于车辆检测的边界框值。
- 3个场景（白天、夜晚和有雾）的三个不同的上下阈值数据集
在这种情况下，是否有任何基于估计的方法适用于数据集和输入视频强度？