[发明专利]一种起雾场景的识别方法、装置和计算机可读存储介质

说明书

本申请实施例公开了一种起雾场景的识别方法、装置和介质，获取待识别图片；依据待识别图片的尺寸与网络输入尺寸的比例关系，对待识别图片进行边缘镜像扩充；按照网络输入尺寸对扩充后的待识别图片进行等比例缩放，以得到标准输入图片。通过对待识别图片进行边缘镜像扩充，避免了对图片直接进行等比例缩放时发生形变的情况，使得等比例缩放后的图片更加接近于实际场景。利用训练好的卷积神经网络模型对标准输入图片进行分析，以得到起雾场景的识别结果。卷积神经网络模型具有较好的处理性能，可以更好的结合起雾场景特性提取标准输入图片的浅层特征，浅层特征与网络高层语义特征进行加权双向特征融合，提高了起雾场景识别的准确性。

技术领域

本申请涉及图像分析技术领域，特别是涉及一种起雾场景的识别方法、装置和计算机可读存储介质。

背景技术

起雾天气使能见度出现不同程度的下降，在高速路段发生起雾现象会直接影响到行车安全甚至威胁人们生命。现阶段高速路段起雾情况通常由高速交警根据目视距离进行判定，然后采取相应的交通管制。起雾现象的发生以及薄雾到浓雾的转换通常在很短的时间内，而高速路段交错复杂且每段距离较长，何处起雾往往不能及时发现。

随着高速公路监控设备与抓拍设备安装数量的与日俱增，依靠机器视觉技术及时识别出高速公路各路段起雾情况成为可能。工程应用中，基于深度神经网络的图像分类方法已经能取得不错的效果。传统方式中基于深度神经网络对采集的图像进行分析时，可以先对输入图像采用多层1x1卷积生成类间差异显著的颜色通道模式，再对每个通道用独立的卷积核卷积，只在空间维度上抽取形状特征，最后使用最大池化统一各级特征图大小，然后拼合成1个C通道的特征。使用最大池化的方法统一各尺度特征图分辨率会导致信息严重丢失，尤其是分辨率较大的浅层特征。

可见，如何提升起雾场景识别的准确性，是本领域技术人员需要解决的问题。

发明内容

本申请实施例的目的是提供一种起雾场景的识别方法、装置和计算机可读存储介质，可以提升起雾场景识别的准确性。

为解决上述技术问题，本申请实施例提供一种起雾场景的识别方法，包括：

获取待识别图片；

依据所述待识别图片的尺寸与网络输入尺寸的比例关系，对所述待识别图片进行边缘镜像扩充；

按照所述网络输入尺寸对扩充后的待识别图片进行等比例缩放，以得到标准输入图片；

利用训练好的卷积神经网络模型对所述标准输入图片进行分析，以得到起雾场景的识别结果。

可选地，所述卷积神经网络模型的训练过程包括：

将不同地点真实起雾天气下的路段图片以及合成起雾图片作为初始训练集；

依据所述初始训练集中各图片的尺寸与网络输入尺寸的比例关系，对所述初始训练集中各图片进行边缘镜像扩充；

按照所述网络输入尺寸对扩充后的各图片进行等比例缩放，以得到标准训练集；

利用所述标准训练集对构建的卷积神经网络模型进行训练，直至起雾场景的识别准确率满足预设条件，得到训练好的卷积神经网络模型。

可选地，所述合成起雾图片的生成过程包括：

获取不同地点非起雾天气下的路段图片；

基于选定的浓雾图片和渐变权重矩阵构建出起雾模板；其中，所述浓雾图片的尺寸与所述不同地点非起雾天气下的路段图片的尺寸相同；所述渐变权重矩阵依据所述非起雾天气下的路段图片设置；

将所述起雾模板与所述非起雾天气下的路段图片进行融合，以得到合成起雾图片。

可选地，所述利用训练好的卷积神经网络模型对所述标准输入图片进行分析，以得到起雾场景的识别结果包括：