[发明专利]一种基于深度学习的适用于道路能见度的监测方法与系统

说明书

目前，对道路能见度的监测的各类方法很难实现全道路监测，因此本发明提出一种基于深度学习的适用于道路能见度的监测方法与系统，方法步骤包括：数据收集，利用深度学习方法构建能见度模型，构建道路所有摄影头数据的能见度监测系统，将能见度模型推广至系统中所有摄像头图像数据的能见度判定，能见度显示、分级预警并通过显示屏预警提示，该系统包括道路摄像头，能见度模型，数据处理中心和预警信息展示器。本发明发挥深度学习算法的优势，利用现有的道路摄影头的视频图像、能见度等数据，低成本地实现了对道路全程能见度的监控。

技术领域

本发明涉及交通安全领域，具体的说是一种基于深度学习的适用于道路能见度的监测方法与系统领域。

背景技术

随着我们机动车辆数量的迅速增加和车辆行驶速度的提升，对交通运输的安全保障提出了更高的要求，各种自然灾害对交通安全的影响越来越受到重视，其中气象灾害严重影响了交通运输安全问题，尤其是高速公路；据统计在交通事故的影响因素中，由天气条件因素引起的道路条件因素的引起的交通事故的比例约占45％，能见度是反应天气情况的重要指标，当出现降雨、雪、霾、沙尘暴等天气过程时，能见度都会降低，能见度降低会对交通安全带来重大隐患，对能见度的实时监测和预见对减少和预防交通事故，实时制定交通安全措施、保障交通安全具有重要意义。

目前对进行监测，大体可分为三类：一类目测法，一类是基于能见度仪的监测，另一类是基于图像的监测。目测法能见度的观测大都还是以人工目测为主；能见度仪分为测量大气透射率、前向散射和大气消光系数三类仪器；基于图像处理的能见度监测主要通过图像分析处理获取能见度数值。目测法能见度的规范性、客观性相对较差；能见度仪是目前最常用的能见度监测方法，但仪器价格较贵；且因道路沿线状况不同，尤其是山区地带，目前基于图像处理的能见度监测方法很难适应对整条道路的能见度监测。道路因本身的特点，如长度较长，但宽度很窄，所经过的地区情况复杂，尤其是山区的道路，要想实现道路能见度的全程监测，目测法几乎不可能；能见度仪布设必须间距较小，但价格较贵，成本太高；因摄像头成本的快速下降基于图像处理的成为最经济、快速能见度监测方法，且因道路本身摄影头很多，基于图像的能见度预测成为道路能见度预测的优先方案，但目前基于图像处理的能见度监测方法很难适应对复杂路况的整条道路的能见度监测；深度学习方法的快速发展，为基于图像的能见度预测提供了新的方法和思路。

发明内容

由于能见度仪成本高，摄像头成本低，因此目前对于道路能见度的监测多为基于图像处理的方法，但这种方式很难适应路况不同的整条道路。若地区地势复杂，尤其在山区地带，想实现道路能见度的全程监测非常困难。为解决以上问题，本发明提出以下解决方案。

一种基于深度学习的适用于道路能见度的监测方法，包括以下步骤：

S1.数据收集：在监测道路选择不同的典型路况、不同的天气状况下的摄像头捕捉图像，获取对应的天气数据、环境状况数据；

S2.利用深度学习方法构建能见度模型：

数据预处理，获取监测路段摄像头的视频数据，对视频数据进行预处理，每隔t秒提取一幅图像，所提取的摄像图像随时间形成动态的时间序列图像，其中 1≤t≤10；

计算图像的对比度、边缘特征、POLC指标；

将以上数据一一对应，进行深度学习；

利用训练数据对构建能见度模型训练网络，优化网络，构建能见度模型；

S3.构建道路所有摄影头数据的能见度监测系统：

将道路所有的摄影头利用GIS技术，建立数据库，构建道路能见度的监测系统，实现道路沿线所有摄影头图像的处理、地图显示；

S4.将能见度模型推广至系统中所有摄像头图像数据的能见度判定；

S5.能见度显示、分级预警，并通过显示屏预警提示。