[发明专利]一种基于视频分析的全天候高速公路雾气等级监测方法

说明书

本发明公开了一种基于视频分析的全天候高速公路雾气等级监测方法，步骤如下：采集监测地区高速公路真实图片，收集到的图片进行人工分类，通过Darknet深度学习框架分别对白天、夜间样本集进行分类器训练，利用步骤S3得到的分类器对从实时视频流中获取的图像，根据时间选用白天或夜间的分类器进行分类，从而实现全天候的高速公路雾气等级监测，将检测结果及检测图片地址信息存入MySQL数据库中，前端界面访问数据库，将当前雾气等级及历史演变过程，最新监控画面显示在地图上，提供直观的可视化效果，收集检测图片及检测结果，此种方法能够对局部性的团雾提供实时准确定位，可以对过往车辆进行提醒、限速，从而降低事故量，带来更好的使用前景。

技术领域

本发明属于计算机视觉技术领域，适用于对高速公路雾气等级的全天候监测，特别是对高速公路部分路段突发团雾现象提供预警。

背景技术

截至目前，我国高速公路通车里程数已超过13万公里，位居世界第一，高速公路具有车速快、车流量大、封闭的特点，因此高速路能见度是影响人身、车辆安全的主要因素，据统计，大雾(包括团雾)是导致类似连环相撞重大交通事故的主要诱因，团雾又称辐射雾，是由接近道路表面的气团冷却引起，具有局部性、突发性、浓度大、可移动的特征，被称为“高速公路的流动杀手”，由于团雾范围小，监测及预报的难度较大，比较合理的解决方案是在高速公路上设置多一些监测点位，早发现，早预防。

发明内容

本发明的主要目的在于提供一种基于视频分析的全天候高速公路雾气等级监测方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：

一种基于视频分析的全天候高速公路雾气等级监测方法，按照以下步骤实施：

步骤S1：采集待监测地区高速公路监控摄像头拍摄到的不同时段、不同雾气等级的真实图片；

步骤S2：将步骤S1收集到的图片进行人工分类，分出白天、夜间，分别对白天、夜间的图片再进行精细分类，分为无雾、轻雾、雾、大雾、浓雾、强浓雾、无效7个等级；

步骤S3：通过Darknet深度学习框架分别对白天、夜间样本集训练分类器；

步骤S4：利用步骤S3得到的分类器对从实时视频流中获取的图像，根据时间选用白天或夜间的分类器进行分类，从而实现全天候的高速公路雾气等级监测，另外，为防止误判，连续采集两帧图像分别进行雾气等级判断，按照一定逻辑减小误判；

步骤S5：将检测结果及检测图片地址信息存入MySQL数据库中，前端界面访问数据库，将当前雾气等级、历史演变过程及最新监控画面显示在地图上，提供直观的可视化效果；

步骤S6：收集检测图片及检测结果，特别地，将误判的类别样本添加到样本集中重新执行步骤S3，将结果模型替换到步骤S4中，根据需要重复该步骤，直到雾气等级检测结果达到所需精度要求。

2.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S1中，为保证步骤S3中分类器适应于实际高速公路场景，特意选取待监测地区高速公路实际拍摄到的场景图片作为训练样本。

3.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S2中，由于白天、夜间高速监控拍摄到的画面差异较大，为提高步骤S3中分类器的分类效果，将样本图片分为白天、夜间两部分，分别进行分类器训练，根据比较常见的雾气等级划分，将其分为无雾、轻雾、雾、大雾、浓雾、强浓雾，特别地，将花屏、曝光、夜间大车灯情况分为第7类无效类。

4. 根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S4中，白天、夜间的时间划分根据不同月份的日出、日落时间进行，在实际对当前雾气等级进行监测的时候采用连续采集两帧图像，分别判定雾气等级的方式，另按照如下逻辑减少误判：