[发明专利]应用于高原地区公路监测数据的处理方法、装置及设备

说明书

本申请公开了一种应用于高原地区公路监测数据的处理方法、装置及设备。该处理方法包括：基于卷积神经网络构建自适应混合卷积神经网络模型；从实时采集的高原地区公路监测视频中提取图像，将提取的图像输入所述训练好的自适应混合卷积神经网络模型进行处理，获得公路能见度数据。本申请实施例提供的应用于高原地区公路监测数据的处理方法，通过自适应混合卷积神经网络处理公路监测视频中的图像以识别公路上的能见度，识别速度快，识别准确率高，能见度识别结果能够为工作人员提供参考，能够很好地满足实际应用的需要。

技术领域

本申请涉及公路监测技术领域，具体涉及一种应用于高原地区公路监测数据的处理方法、装置及设备。

背景技术

随着科技的进步和经济的发展，目前公路网已经达到极高的覆盖率，甚至在高原地区也实现了公路覆盖，例如从那曲出发到拉萨的那拉高速公路等就是修建在高原地区的公路，给人们的生活带来了极大的便利。公路的能见度对交通安全具有直接影响作用，低能见度会带来安全隐患，容易引发交通事故，导致人员伤亡与财产损失。尤其是在高原地区，雾天较多，容易造成公路低能见度。从公路安全管理角度而言，根据能见度的不同情况采取不同的管理措施是保证公路安全通行的重要方法。对于公路监测数据进行处理，得到准确的公路能见度数据，才能有针对性的采取应对措施。本领域技术人员一直在致力于优化高原地区公路监测数据处理功能以提高高原地区公路能见度获取准确度。

发明内容

本申请的目的是提供一种应用于高原地区公路监测数据的处理方法、装置及设备。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本申请实施例的一个方面，提供一种应用于高原地区公路监测数据的处理方法，包括：

基于卷积神经网络构建自适应混合卷积神经网络模型；所述自适应混合卷积神经网络模型包括前向传播部分和反向传播部分；所述前向传播部分包括依次连接的预训练层、特征提取层、连接层和输出层；所述输出层中设置有自适应调节模块；所述自适应调节模块用于对所述预训练层的权值和偏置进行自适应更新；所述反向传播部分，用于根据所述自适应调节模块的分析结果，实现反向传播过程中权值自适应调整；

训练所述自适应混合卷积神经网络模型，得到训练好的自适应混合卷积神经网络模型；

从实时采集的高原地区公路监测视频中提取图像，将提取的图像输入所述训练好的自适应混合卷积神经网络模型进行处理，获得公路能见度数据。

在本申请的一些实施例中，所述基于卷积神经网络构建自适应混合卷积神经网络模型，包括：

构建所述自适应调节模块；

构建自定义网络层；

采用支持向量机作为输出层。

在本申请的一些实施例中，所述构建所述自适应调节模块，包括：

通过前向传播部分得到分类结果，将分类结果与分类真值进行比较，得到分类误差；

根据迭代次数以及所述分类结果确定自适应调节系数；

将与所述分类结果对应的误差值进行自适应调整，得到增强误差；

计算调整后的残差，将所述调整后的残差反馈到隐含层，计算得到增强后的隐含层的权值与偏置；

通过所述反向传播部分对所述增强后的隐含层的权值与偏置进行更新。

在本申请的一些实施例中，所述预训练层为ResNet和VGG19相结合的模型结构；所述特征提取层包括多个卷积层和多个池化层；所述连接层包括SVM分类器。