[发明专利]基于深度学习的视频路面积雪状态细粒度识别方法及系统

权利要求书

1.基于深度学习的视频路面积雪状态细粒度识别方法，其特征在于，包括：

根据深度学习方法对获取到的路面图像进行特征提取以及分类处理，得到路面特征；

根据所述路面特征训练得到路面状态判别模型，其中，所述路面状态判别模型用于对输入的路面图像进行积雪识别，得到路面积雪状态判别结果；

利用混合高斯背景建模进行视频分析，通过对路面背景的建模来优化所述路面状态判别模型，以去除车流对所述路面积雪状态判别结果的影响；

将路面背景图片输入到优化后的路面状态判别模型，得到路面积雪状态判别结果。

2.根据权利要求1所述的基于深度学习的视频路面积雪状态细粒度识别方法，其特征在于，所述方法还包括：

确定路面积雪状态的分类标准，其中，所述分类标准依据积雪覆盖的车道数划分，包括严重积雪、大量积雪、中等积雪、少量积雪、干燥和潮湿；

所述路面状态判别模型基于Resnet18网络，保留前17层卷积层作为特征提取模块，最后一层修改为分类数为6的全连接层；

所述路面状态判别模型为在路面积雪图像数据集上训练所保存的测试损失最低的最佳模型。

3.根据权利要求1所述的基于深度学习的视频路面积雪状态细粒度识别方法，其特征在于，所述方法还包括：

所述路面状态判别模型识别时，输入为序列化图像格式的视频，输出为实时的预测分类结果；

逐帧对视频图像进行预处理、融合视频序列的时间信息进行视频分析，再输入到路面状态判别模型进行路面积雪状态判别，并对结果进行平滑处理。

4.根据权利要求1所述的基于深度学习的视频路面积雪状态细粒度识别方法，其特征在于，所述利用混合高斯背景建模进行视频分析，通过对路面背景的建模来优化所述路面状态判别模型，包括：

利用混合高斯背景建模从路面视频中提取路面背景图像；

根据所述路面背景图像进行路面背景建模；

根据所述路面背景建模对所述路面视频进行视频分析，将视频分析提取到的道路背景图片输入所述路面状态判别模型。

5.根据权利要求4所述的基于深度学习的视频路面积雪状态细粒度识别方法，其特征在于，所述利用混合高斯背景建模从路面视频中提取路面背景图像，包括：

将每个新像素值与多个模型比较，找到与所述新像素值匹配的分布模型；

判断各个新像素值所匹配的分布模型是否符合背景要求，若是，则判定该新像素属于背景；若否，则判定该新像素属于前景；

若有新像素值找不到相匹配的分布模型，则将所述多个模型中权重最小的模型替换。

6.根据权利要求4所述的基于深度学习的视频路面积雪状态细粒度识别方法，其特征在于，所述根据所述路面背景建模对所述路面视频进行视频分析，包括：

对路面视频进行解码，得到每一帧图像以及各帧图像对应的图像信息；所述图像信息包括视频帧的高度、宽度、帧率以及总帧数；

将解码得到的图像进行缩放；

获取视频段的时间戳，根据所述时间戳设置时间开关，以及时间开关的阈值范围，确定是否采用混合高斯背景建模提取路面背景图像；

对解码得到存在跳变现象的图像帧进行平滑处理。

7.根据权利要求1所述的基于深度学习的视频路面积雪状态细粒度识别方法，其特征在于，所述方法还包括：

创建可视化交互界面；

在所述可视化交互界面中输入视频数据，输出路面积雪程度结果；

其中，所述可视化交互界面包括视频时间戳控件、视频画布展示控件、运行功能键、退出功能键以及标题模块控件。