[发明专利]一种基于深度学习的雾霾能见度检测方法

权利要求书

1.一种基于深度学习的雾霾能见度检测方法，其特征在于，包括以下步骤：

步骤1、创建道路交通雾霾图像库，该数据库包括训练样本集和交叉验证样本集；

步骤2、对步骤1中交通雾霾图像库中训练样本集和交叉验证样本集里所有的雾霾图像进行预处理；

步骤3、采用卷积神经网络提取训练样本集里预处理后的雾霾图像的最远能见度边缘特征，得到多个特征图；将特征图通过前向传播至配置好的卷积神经网络进行训练，并通过反向传播算法进行卷积神经网络中各层间权重的调整，反复迭代求取出用于雾霾图像分类的卷积神经网络模型，再通过预处理后的交叉验证样本集对卷积神经网络模型进行优化，最终得到一个用于对雾霾图像分类的能见度检测模型；

步骤4、利用步骤3中得到的能见度检测模型对于路面摄像机拍摄的图片进行分类判断，从而实现对雾霾状况的实时检测。

2.根据权利要求1所述的一种基于深度学习的雾霾能见度检测方法，其特征在于，卷积神经网络为一个包含输入层、隐层和输出层的多层网络。

3.根据权利要求1所述的一种基于深度学习的雾霾能见度检测方法，其特征在于，卷积神经网络是具有权值共享的网络结构。

4.根据权利要求1所述的一种基于深度学习的雾霾能见度检测方法，其特征在于，卷积神经网络是在Caffenet网络的基础上通过参数的设置进行训练和验证的。

5.根据权利要求4所述的一种基于深度学习的雾霾能见度检测方法，其特征在于，Caffenet网络包括2个数据层和5个卷积层，2个数据层分别为用于训练的数据的输入和用于验证的数据的输入。