【技术实现步骤摘要】
雾气检测方法及系统
[0001]本专利技术涉及计算机视觉
,具体涉及一种基于深度神经网络联合HSV颜色域的雾气检测方法及系统。
技术介绍
[0002]雾天气对交通最为显著的影响是车速的降低。车速的降低同时也带来出行时间和行程延误的增加,将直接影响道路的通行能力。特别是在交通流量较大的路段,公路设施实际通行能力的下降可能会导致较为严重的交通拥堵,且这种拥堵在部分路网发达、交通出行强度大的地区,会造成区域路网的运行阻塞、甚至瘫痪。目前检测雾气的方法有基于回归的方法和基于图像处理的方法。
[0003]基于回归的方法主要将雾气识别的问题转变为一个回归的问题。回归分析是确定多个相互依赖的变量之间的定量关系的方法。在训练阶段,让回归模型去学习图像中无雾还是有雾还有雾的程度。在预测时,使用函数能够预测出图片有雾无雾。基于回归的方法速度很快,具有代表性的有SDM(监督下降法)。作为一种迭代方法,通过损失函数来反复迭代模型。在迭代过程中采用了梯度下降法,寻找最优解,整个流程下来,回归方法常常收敛至较差的局部最优值。
[0 ...
【技术保护点】
【技术特征摘要】
1.一种雾气检测方法,其特征在于,包括:获取待检测的环境照片;利用预先训练好的识别模型对所述待检测的环境照片进行处理,获得所述待识别的环境照片中是否有雾的识别结果;当识别结果为所述待检测的环境照片中有雾时,将识别为有雾的环境照片从RGB颜色空间转换到HSV颜色空间;将HSV颜色空间的颜色亮度值和颜色纯度值的比值与雾气检测的阈值进行比较,如果所述比值大于阈值,则判定所述待检测的环境照片中有雾,否则无雾。2.根据权利要求1所述的雾气检测方法,其特征在于,所述预先训练好的识别模型由训练集训练得到,所述训练集包括多张环境照片,以及标注标注每一张环境照片为有雾和没有雾的标签。3.根据权利要求2所述的雾气检测方法,其特征在于,使用卷积神经网络RepVGG作为所述识别模型训练的主干网络。4.根据权利要求3所述的雾气检测方法,其特征在于,所述卷积神经网络RepVGG使用多个3
×
3的卷积层,每个卷积层使用ReLU作为激活函数。5.根据权利要求1所述的雾气检测方法,其特征在于,计算HSV颜色空间的颜色纯度值S(i,j)包括:其中,R(i,j)表示像素值(i,j)的R通道的值,G(i,j)表示像素值(i,j)的G通道的值,B(i,j)表示像素值(i,j)的B通道的值。6.根据权利要求5所述的雾气检测方法,其特征在于,计算HSV颜色空间的颜...
【专利技术属性】
技术研发人员:张高志,李凡平,石柱国,
申请(专利权)人:以萨技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。