[发明专利]一种基于摄像探头的能见度识别预警方法

权利要求书

1.一种基于摄像探头的能见度识别预警方法，其特征是，包括以下步骤：

步骤S1，利用摄像探头拍摄多组其周围场景图片，并将场景图片分为训练样本和测试样本；

步骤S2，对训练样本和测试样本进行预处理，并将训练样本和测试样本裁剪成适应caffenet卷积神经网络的图像块；

步骤S3，构建caffenet卷积神经网络模型，该网络模型包括5层卷积层、3层下采样层和3层全连接层；

步骤S4，利用步骤S2预处理后的训练样本对步骤S3所述构建caffenet卷积神经网络模型进行前向传播和后向传播两个阶段的训练，当后向传播训练计算出的误差达到期望值时，训练结束并得到卷积神经网络模型的参数；

步骤S5，利用步骤S4训练好的caffenet卷积神经网络模型对步骤S2预处理后的测试样本进行测试，得出能见度分类结果，当能见度低于设定阈值时进行预警；

所述caffenet模型的输出为图片块属于各能见度类别的概率，且图片属于概率最大值对应的能见度类别，能见度类别按照能见度区间分成以下五类：第一类：0-750米；第二类：751米-1000米；第三类：1001米-2250米；第四类：2251米-3000米；第五类：3001米及以上。

2.根据权利要求1所述的一种基于摄像探头的能见度识别预警方法，其特征是，图像块大小为227像素x227像素。

3.根据权利要求2所述的一种基于摄像探头的能见度识别预警方法，其特征是，图像块保存为.bmp格式。

4.根据权利要求1所述的一种基于摄像探头的能见度识别预警方法，其特征是，步骤S3所述卷积层的计算公式为：其中，为为卷积层第lc层的第j个输出图，f为激活函数，Mj为输入特征映射的集合，*为卷积操作，为卷积层第lc层的第j个输出图与上一层第i个输入图之间的卷积核，1≤i≤max(lcin)，max(lcin)为第lc层输入图的最大个数，1≤j≤max(lcout)，max(lcout)为第lc层输出图的最大个数，为卷积层第lc层的第j个输出图的附加偏差，lc＝1,…,5。

5.根据权利要求1所述的一种基于摄像探头的能见度识别预警方法，其特征是，步骤S3所述下采样层的计算公式为：

其中，为下采样层第ls层的第j个输出图，f为激活函数，S为下采样函数，分别为下采样层第ls层的第j个输出图的乘子偏差、附加偏差，ls＝1,…,3。

6.根据权利要求1所述的一种基于摄像探头的能见度识别预警方法，其特征是，步骤S4对于分类结果的假设函数为：

其中，k是类别数，x(i)是第i个样本在caffenet的最后一层全连接层中的响应；则分类结果的损失函数的计算公式为：

其中，m是训练样本的样本总数，k是类别数，第二项是权重衰减项，λ是权重衰减；

采用批梯度下降法训练该网络模型，损失函数关于θ_j参数的偏导数如下：

7.根据权利要求1所述的一种基于摄像探头的能见度识别预警方法，其特征是，采用“多数投票”法得到最终测试样本的分类结果。

8.根据权利要求1所述的一种基于摄像探头的能见度识别预警方法，其特征是，能见度阈值设定为1000米或750米。