[发明专利]一种用于视频大雾监测的深度神经网络模型构建方法、系统及装置

权利要求书

1.一种用于视频大雾监测的深度神经网络模型构建方法，其特征在于，包括如下步骤：

构建视频大雾识别数据集，所述视频大雾识别数据集包括大雾视频数据和无大雾视频数据；

提取所述视频数据的单帧图像形成样本集，并将其划分为训练集和测试集；

构建深度神经网络模型；

利用训练集训练深度神经网络模型，优化模型参数；

利用测试集测试经过训练的深度神经网络模型。

2.根据权利要求1所述的一种用于视频大雾监测的深度神经网络模型构建方法，其特征在于，所述提取所述视频数据的单帧图像形成样本集的过程具体如下：

按照一定频率提取单帧图像，

对所述单帧图像进行信息标注，所述信息包括能见度数值、时间、地点；

选取所有单帧图像中标注有能见度值的单帧图像形成样本集。

3.根据权利要求1所述的一种用于视频大雾监测的深度神经网络模型构建方法，其特征在于，还包括如下步骤：

对所述样本集进行预处理，并将处理结果作为训练所述深度神经网络模型的输入。

4.根据权利要求3所述的一种用于视频大雾监测的深度神经网络模型构建方法，其特征在于，所述对所述样本集进行预处理，并将处理结果作为训练所述深度神经网络模型的输入的过程具体如下：

将所述样本集进行归一化处理；

将归一化后的样本集进行HSV直方图转换处理；

将换转后的样本集进行筛选处理；

将筛选后的样本集分为白天样本集和夜晚样本集；

根据能见度数值、时间和白天样本集和夜晚样本集各自的大雾能见度等级将样本集归类成白天大雾能见度等级样本集和夜晚大雾能见度等级样本集；

根据随机抽取的方式，将所述白天大雾能见度等级样本集和夜晚大雾能见度等级样本集划分成训练集和测试集。

5.根据权利要求1所述的一种用于视频大雾监测的深度神经网络模型构建方法，其特征在于，所述深度神经网络模型包括八个卷积层、三个全链接层和一个SVM层；所述卷积层将输入图像依次处理成特征图，所述全链接层依次将所述特征图降维处理成特征向量，所述SVM层将所述特征向量转换为当前帧的最佳分类准确率。