一种基于摄像头视频图像智能识别能见度的方法技术

本发明专利技术实施例提供的基于摄像头视频图像智能识别能见度的方法中，按照一定的周期获取原始数据，将原始数据按照预设标准划分为多个等级，在每个等级中按照预设比例将原始数据划分为训练集、验证集与测试集，将训练集中的数据输入第一模型进行训练，当第一模型输出数据的等级与测试集之间的等级的差值满足阈值时停止训练并将此时的第一模型进行输出，根据输出的模型对能见度进行识别，对不同的能见度进行识别，加强高速公路严苛环境下的安全管控。加强高速公路严苛环境下的安全管控。加强高速公路严苛环境下的安全管控。

【技术实现步骤摘要】
一种基于摄像头视频图像智能识别能见度的方法


[0001]本专利技术涉及摄像领域，尤其涉及一种基于摄像头视频图像智能识别能见度的方法。

技术介绍

[0002]多年来，我国高速公路持续快速发展，推动交通基础设施总体水平实现了历史性跨越。在高速路网迅速发展的现阶段，人们在享受高速公路带来快速便捷的同时，也愈发关注高速公路的交通安全问题。恶劣天气是影响高速公路交通安全的关键因素，据统计大雾、暴雨、暴雪、道路结冰等恶劣天气下造成的交通事故，大约占总事故的1/4左右，尤其是大雾造成的事故及其引发的次生灾害频发，大雾几乎成了高速公路安全的头号“杀手”。
[0003]大雾是我国常见的气象灾害之一，尤其以秋冬季为大雾多发季节，由于雾天能见度低，遇到突发事件很多时候来不及做出正确处理，所以在雾天发生交通事故的概率比平常要高出几倍，甚至几十倍，因此加强高速公路大雾天气的安全管控是摆在眼前的迫切需求。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种基于摄像头视频图像智能识别能见度的方法，用以对不同的能见度进行识别，加强高速公路严苛环境下的安全管控。
[0005]本专利技术实施例提供了一种基于摄像头视频图像智能识别能见度的方法，包括：
[0006]按照一定的周期获取原始数据；
[0007]将原始数据按照预设标准划分为多个等级；
[0008]在每个等级中按照预设比例将原始数据划分为训练集、验证集与测试集；
[0009]将训练集中的数据输入第一模型进行训练，当第一模型输出数据的等级与测试集之间的等级的差值满足阈值时停止训练并将此时的第一模型进行输出；
[0010]根据输出的模型对能见度进行识别。
[0011]可选地，还包括：
[0012]在根据模型对能见度进行识别之前，方法还包括：
[0013]对输出的第一模型进行进一步训练。
[0014]可选地，对输出的模型进一步训练包括：
[0015]将输出的第一模型输出的数据输入第二模型进行训练；
[0016]当第二模型输出数据值与验证集中的数据值的差值小于阈值时，将第一模型与第二模型进行合并，并将模型进行输出。
[0017]可选地，在将原始数据按照预设标准划分为多个等级之前，方法还包括：
[0018]将原始数据进行筛选。
[0019]可选地，原始数据包括图片。
[0020]可选地，多个等级包括7个等级。
[0021]可选地，预设比例包括7:2:1。
[0022]可选地，将此时的第一模型进行输出包括：
[0023]将此时第一模型中的权重保存，并将第一模型输出。
[0024]本专利技术实施例提供的基于摄像头视频图像智能识别能见度的方法中，按照一定的周期获取原始数据，将原始数据按照预设标准划分为多个等级，在每个等级中按照预设比例将原始数据划分为训练集、验证集与测试集，将训练集中的数据输入第一模型进行训练，当第一模型输出数据的等级与测试集之间的等级的差值满足阈值时停止训练并将此时的第一模型进行输出，根据输出的模型对能见度进行识别，对不同的能见度进行识别，加强高速公路严苛环境下的安全管控。
【附图说明】
[0025]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0026]图1为本专利技术一实施例提供的一种基于摄像头视频图像智能识别能见度的拟合方法的流程图；
[0027]图2为本专利技术又一实施例提供的一种基于摄像头视频图像智能识别能见度的拟合方法的流程图；
[0028]图3为本专利技术一实施例提供的一种基于摄像头视频图像智能识别能见度的拟合装置的结构示意图；
[0029]图4为本专利技术实施例提供的一种计算机设备的示意图。
【具体实施方式】
[0030]为了更好的理解本专利技术的技术方案，下面结合附图对本专利技术实施例进行详细描述。
[0031]应当明确，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0032]在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、
“”
和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0033]应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0034]目前气象部门对大雾及团雾的监测预警主要依靠高速沿线的气象能见度监测设备，全国以安徽、江苏两省在高速沿线布设监测站点最密，平均监测密度达到10
‑
15KM，气象部门一般通过能见度仪监测大雾实况，发布大雾预警信息；由于设备价格和维护成本昂贵，布设的较少，其他省份主要依赖人工经验进行主观判断。由于雾的发生以及消散存在较大
不确定性，尤其是团雾的生成具有突发性和局地性等特征，团雾短时间出现会造成小范围能见度急剧下降，能见度监测设备布设稀疏的路段无法有效监测，其中团雾易发路段和盲区监测尤为困难，高速公路大雾天气监测服务任重道远。近几年，高速公路视频监控的发展，沿线安装的高清摄像头数量越来越多，基本达到每2公里建设一个高清摄像头，每10公里建设一个高空瞭望塔，如何将这些数据汇聚有效地利用并挖掘其潜在价值成为业内许多学者关注的重要课题。随着人工智能技术的飞速发展和计算能力的提高，为这一切提供了实现的基础。本专利技术实施例提供了一种基于摄像头视频图像智能识别能见度的方法，提供以分钟级频率展示高速公路沿线摄像头视频图片的能见度，并根据交通气象服务规范建立大雾预警指标，为交通和气象部门提供实时、高效的大雾监测预警服务。
[0035]图1为本专利技术实施例提供的一实施例提供的一种基于摄像头视频图像智能识别能见度的方法，如图1所示，该方法包括：
[0036]101、按照一定的周期获取原始数据。
[0037]102、将原始数据按照预设标准划分为多个等级。
[0038]103、在每个等级中按照预设比例将原始数据划分为训练集、验证集与测试集。
[0039]104、将训练集中的数据输入第一模型进行训练，当第一模型输出数据的等级与测试集之间的等级的差值满足阈值时停止训练并将此时的第一模型进行输出。
[0040]105、根据输出的模型对能见度进行识别。
[0041]本专利技术实施例提供的基于摄像头视频图像智能识别能见度的方法中，按照一定的周期获取原始数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于摄像头视频图像智能识别能见度的方法，其特征在于，包括：按照一定的周期获取原始数据；将所述原始数据按照预设标准划分为多个等级；在每个等级中按照预设比例将所述原始数据划分为训练集、验证集与测试集；将所述训练集中的数据输入第一模型进行训练，当所述第一模型输出数据的等级与所述测试集之间的等级的差值满足阈值时停止训练并将此时的第一模型进行输出；根据输出的模型对能见度进行识别。2.根据权利要求1所述的方法，其特征在于，在所述根据所述模型对能见度进行识别之前，所述方法还包括：对所述输出的第一模型进行进一步训练。3.根据权利要求2所述的方法，其特征在于，所述对所述输出的模型进一步训练包括：将所述输出的第一模型输出的数...

【专利技术属性】
技术研发人员：刘翔，王莹，谢坤伦，伍鸿健，
申请(专利权)人：广州数鹏通科技有限公司，
类型：发明
国别省市：