高速公路团雾图片能见度等级自动标注方法技术

本发明专利技术提供一种高速公路团雾图片能见度等级自动标注方法，包括以下步骤：步骤S1，利用已标注的团雾图片测试样本集，对多个已知的团雾检测算法进行测试，得到多个已知的团雾检测算法的识别准确率矩阵A；步骤S2，利用所述多个已知的团雾检测算法对待标注团雾图片进行识别得到相应的识别结果矩阵P；步骤S3，通过公式F=A*P得到投票结果矩阵F；步骤S4，在投票结果矩阵中计算最大投票值；步骤S5，将最大投票值对应的能见度等级自动标注待标注团雾图片；步骤S6，重复上述步骤S2～S5，对待标注团雾图片集中所有的待标注团雾图片进行能见度等级自动标注。本发明专利技术避免了人工标注带来标注结果不一致的问题，且标注效率更高。

【技术实现步骤摘要】
高速公路团雾图片能见度等级自动标注方法
本专利技术属于图像识别
，尤其是一种高速公路团雾图片能见度等级自动标注方法。
技术介绍
深度学习领域近来发展迅猛，尤其在图像识别方面应用已经较为成熟，基于高速公路监控图像的团雾识别也开始应用深度学习技术。深度学习技术的关键在于大量训练样本图片的采集与标注，而高速公路团雾识别的难点在于样本图片能见度等级的标注，以下原因导致能见度检测仪能见度值与监控图像难以匹配：1、能见度检测仪部署密度较低高速公路能见度检测仪平均约10公里1套，完好的设备数量更少，而高速公路监控摄像机平均达1公里1套。2、能见度检测仪与监控摄像机并非同点部署存在相当距离3、路侧遮挡的问题能见度检测仪一般安装在高速公路路侧，安装高度仅1.5米左右，难以避免被路侧的树木、标志标杆等遮挡，影响能见度的准确性。4、点监控与面监控的区别能见度检测仪为点监控，得到的能见度值仅代表一个点，而监控图像则是面监控，代表有效监控距离(如100米)内的整个路段的能见度情况。团雾是受局部地区微气候环境的影响，在大雾中数十米到上百米的局部范围内，出现的更“浓”、能见度更低的雾。由于团雾的区域性特点，很可能未覆盖能见度检测仪区域。因而团雾样本图片能见度等级的标注无法仅依靠能见度检测仪获得的能见度值，必须有其他标注方法。深度学习在视觉应用方面，主要有目标分类、目标检测和语义分割三种，在团雾识别上，只有目标分类适用，无法获得连续的能见度值。参考公安和气象部门的标准，可将团雾图像分为六个等级：(1)能见度一级代表能见度50米以下。(2)能见度二级代表能见度50到100米。(3)能见度三级代表能见度100到200米。(4)能见度四级代表能见度200到500米。(5)能见度五级代表能见度500到1000米。(6)无雾能见度1000米以上视为无雾。公安与交通部门主要依据团雾的风险等级进行相应的道路管控，采用深度学习算法区分团雾能见度等级即可满足业务需求。但是基于深度学习的能见度等级检测算法需要大量已标注的样本图片，大量人工标注不仅人工成本高昂，而且标注人员对于能见度的判断非常主观，即使同一标注人员两次标注都可能出现标注结果不一致的情况。亟需一种客观性较高、自动化的标注方法。
技术实现思路
本专利技术的目的在于克服现有技术中存在的不足，提供一种高速公路团雾图片能见度等级自动标注方法，避免了人工标注带来标注结果不一致的问题，采用多个团雾检测算法投票，选择得票最多的能见度等级作为标记结果，实现了科学的自动标注。本专利技术采用的技术方案是：一种高速公路团雾图片能见度等级自动标注方法，包括以下步骤：步骤S1，利用已标注的团雾图片测试样本集，对多个已知的团雾检测算法进行测试，得到多个已知的团雾检测算法的识别准确率矩阵A；步骤S2，利用所述多个已知的团雾检测算法对待标注团雾图片进行识别得到相应的识别结果矩阵P；步骤S3，通过公式F＝A*P得到投票结果矩阵F；步骤S4，在投票结果矩阵中计算最大投票值；步骤S5，将最大投票值对应的能见度等级自动标注待标注团雾图片；步骤S6，重复上述步骤S2～S5，对待标注团雾图片集中所有的待标注团雾图片进行能见度等级自动标注。进一步地，步骤S5中，若最大投票值存在多个相等或者小于设定阈值的情况，则放弃标注。进一步地，步骤S1具体包括：步骤S101，挑选多个已知的团雾检测算法；挑选时选择不同原理的算法；步骤S102，准备已标注的团雾图片测试样本集；团雾图片测试样本集中的团雾图片测试样本采用与能见度检测仪数据相印证的团雾图片；步骤S103，用已标注的团雾图片测试样本集测试多个已知的团雾检测算法得到相应的准确率矩阵A。进一步地，能见度等级分为五级；(1)能见度一级，代表能见度50米以下；(2)能见度二级，代表能见度50到100米；(3)能见度三级，代表能见度100到200米；(4)能见度四级，代表能见度200到500米；(5)能见度五级，代表能见度500到1000米。本专利技术的优点在于：1)相较于人工标注，大大提高了标注效率。2)相较于人工标注的不确定性，本专利技术提出的方法通过各团雾检测算法进行识别，多次结果趋于一致时，可以消除标注的不确定性。3)采用算法识别准确率作为投票权重计票，客观性和准确性均得到了提高。附图说明图1为本专利技术的方法流程图。具体实施方式下面结合具体附图和实施例对本专利技术作进一步说明。本专利技术实施例提出一种高速公路团雾图片能见度等级自动标注方法，包括以下步骤：步骤S1，利用已标注的团雾图片测试样本集，对多个已知的团雾检测算法进行测试，得到多个已知的团雾检测算法的识别准确率矩阵A；步骤S1具体包括：步骤S101，挑选多个已知的团雾检测算法；传统的团雾检测算法有基于对比度的团雾识别算法、暗通道先验算法等，挑选时应当选择准确率较高的算法，同时选择的不同原理的算法应当平衡，避免单一原理的算法占比过多；步骤S102，准备已标注的团雾图片测试样本集；团雾图片测试样本集中的团雾图片测试样本，是得到各算法识别准确率的关键，最好采用与能见度检测仪数据相印证的团雾图片；步骤S103，用已标注的团雾图片测试样本集测试多个已知的团雾检测算法得到相应的准确率矩阵A；高速公路团雾图片能见度人工标注的重要缺点在于缺乏客观的标准，每个人对于能见度的判断非常主观，同一标注人员对于同一张图片的两次标注都可能出现标注结果不一致的情况；而采用传统的团雾检测算法，虽然在识别精度上有待提供，但是如果多次识别结果趋于一致，则可以消除标注的不确定性；假设有n个算法，5个能见度等级，测试得到的识别准确率矩阵A如下：其中，第i个团雾识别算法对第j个能见度等级的识别准确率Aij即第i个团雾识别算法对第j个能见度等级的的投票权重；步骤S2，利用所述多个已知的团雾检测算法对待标注团雾图片进行识别得到相应的识别结果矩阵P；此步骤中，首先准备待标注团雾图片构成待标注团雾图片集；然后用所述多个已知的团雾检测算法对待标注团雾图片进行识别，得到识别结果矩阵P；例如：步骤S3，通过公式F＝A*P计算得到投票结果矩阵F；例如，得到投票结果矩阵F如下：第j个能见度等级的投票值为：步骤S4，在投票结果矩阵中计算最大投票值；例如，上述投票结果矩阵中，最大投票值为F2＝0.65+0.56＝1.21；步骤S5，将最大投票值对应的能见度等级自动标注待标注团雾图片；此步骤中，若最大投票值存在多个相等或者小于设定阈值的情况，则放弃标注；步骤S6，重本文档来自技高网...

【技术保护点】
1.一种高速公路团雾图片能见度等级自动标注方法，包括以下步骤：/n步骤S1，利用已标注的团雾图片测试样本集，对多个已知的团雾检测算法进行测试，得到多个已知的团雾检测算法的识别准确率矩阵A；/n步骤S2，利用所述多个已知的团雾检测算法对待标注团雾图片进行识别得到相应的识别结果矩阵P；/n步骤S3，通过公式F=A*P 得到投票结果矩阵F；/n步骤S4，在投票结果矩阵中计算最大投票值；/n步骤S5，将最大投票值对应的能见度等级自动标注待标注团雾图片；/n步骤S6，重复上述步骤S2～S5，对待标注团雾图片集中所有的待标注团雾图片进行能见度等级自动标注。/n

【技术特征摘要】
1.一种高速公路团雾图片能见度等级自动标注方法，包括以下步骤：
步骤S1，利用已标注的团雾图片测试样本集，对多个已知的团雾检测算法进行测试，得到多个已知的团雾检测算法的识别准确率矩阵A；
步骤S2，利用所述多个已知的团雾检测算法对待标注团雾图片进行识别得到相应的识别结果矩阵P；
步骤S3，通过公式F=A*P得到投票结果矩阵F；
步骤S4，在投票结果矩阵中计算最大投票值；
步骤S5，将最大投票值对应的能见度等级自动标注待标注团雾图片；
步骤S6，重复上述步骤S2～S5，对待标注团雾图片集中所有的待标注团雾图片进行能见度等级自动标注。


2.如权利要求1所述的高速公路团雾图片能见度等级自动标注方法，其特征在于，
步骤S5中，若最大投票值存在多个相等或者小于设定阈值的情况，则放弃标注。


3.如权利要求1或2...

【专利技术属性】
技术研发人员：杨卓敏，张森，李杰，尤冬海，张慧辰，
申请(专利权)人：公安部交通管理科学研究所，
类型：发明
国别省市：江苏;32