[发明专利]一种训练道路异常识别模型、道路异常识别的方法及系统

权利要求书

1.一种训练道路异常识别模型的方法，其特征在于，包括如下步骤：

获取道路异常情况及道路正常情况的图像；

将所述道路异常情况及道路正常情况的图像输入到神经网络模型中；

根据所述道路异常情况及道路正常情况的图像对所述神经网络模型中预设可训练的层数进行迁移学习，得到道路异常识别的神经网络模型。

2.根据权利要求1所述的训练道路异常识别模型的方法，其特征在于，所述根据所述道路异常情况及道路正常情况的图像对所述神经网络模型中预设可训练的层数进行迁移学习的步骤，包括：

根据所述道路异常情况及道路正常情况的图像对所述神经网络模型中预设的Dense层、Flatten层、AveragePooling2D层以及identity_block网络参数进行迁移学习训练。

3.根据权利要求1所述的训练道路异常识别模型的方法，其特征在于，所述道路异常情况包括：道路积水、道路火灾及交通事故。

4.根据权利要求3所述的训练道路异常识别模型的方法，其特征在于，所述获取道路异常情况及道路正常情况的图像的步骤，包括：

利用爬虫程序爬取网页上和/或从视频中抽帧，获取道路积水、道路火灾、交通事故的图像；

利用爬虫程序爬取网页上和/或从视频中抽帧，获取普通道路的图像。

5.根据权利要求1所述的训练道路异常识别模型的方法，其特征在于，在所述将所述道路异常情况及道路正常情况的图像输入到神经网络模型中的步骤之前，所述方法还包括：

对所述道路异常情况及道路正常情况的图像进行预处理，获取数据增强后的数据集。

6.一种道路异常识别方法，其特征在于，包括：

获取待识别的道路图像；

将待识别的道路图像输入到根据权利要求1-5任一所述的训练道路异常识别模型的方法得到的道路异常识别的神经网络模型中，得到识别结果，所述识别结果用于指示道路是否异常。

7.根据权利要求6所述的道路异常识别方法，其特征在于，所述识别结果为道路异常的情况包括：道路积水、道路火灾及交通事故。

8.一种训练道路异常识别模型的系统，其特征在于，包括：

道路图像获取模块，用于获取道路异常情况及道路正常情况的图像；

图像输入模块，用于将所述道路异常情况及道路正常情况的图像输入到神经网络模型中；

识别模型获取模块，用于根据所述道路异常情况及道路正常情况的图像对所述神经网络模型中预设可训练的层数进行迁移学习，得到道路异常识别的神经网络模型。

9.一种道路异常识别系统，其特征在于，包括：

待识别图像获取模块，用于获取待识别的道路图像；

识别模块，用于将待识别的道路图像输入到根据权利要求1-5任一所述的训练道路异常识别模型的方法得到的道路异常识别的神经网络模型中，得到识别结果，所述识别结果用于指示道路是否异常。

10.一种计算机设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-5中任一所述的训练道路异常识别模型的方法，或执行权利要求6或7中所述道路异常识别方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-5中任一所述的训练道路异常识别模型的方法，或执行权利要求6或7中所述道路异常识别方法。