[发明专利]一种基于深度融合网络的高速公路团雾预警系统

权利要求书

1.一种基于深度融合网络的高速公路团雾预警系统，其特征在于，包括以下步骤：

步骤1：获取摄像头设备的监控图像，即待检测图像；

步骤2：对待检测图像进行高频滤波，包括对图像进行二维傅里叶变换后经过高通滤波器滤波，对滤波图像进行二维傅里叶反变换，得到频域特征图；

步骤3：将待检测图像转换到HSV色彩空间，提取饱和度分量作为饱和度图；

步骤4：将待检测图像进行光谱变换，包括对图像的饱和度分量做伪彩色处理，将不同等级的像素赋予不同的色彩，得到光谱图；

步骤5：将频域特征图、光谱图与原始待检测图像分别送入具有多个分支的卷积神经网络；

步骤6：卷积神经网络对步骤5的三幅图像分别进行特征提取，将所提取的三个特征进行拼接融合；

步骤7：将融合后得到的新的特征接入全连接层，进行分类得到雾的分类等级信息；

步骤8：采集不同能见度等级的雾天图像，采用步骤2-6的方法提取特征，构建训练样本；

步骤9：利用采集的训练样本，训练基于CNN的深度学习网络；

步骤10：对于待检测图像，采用步骤2-4的方法提取特征，并利用步骤7训练好的网络进行分类，根据分类结果判断当前摄像头监控路段的能见度等级；

步骤11：判断当前能见度低的摄像头监视路段，结合相邻摄像头监视路段的警报等级，向各个路段的交通管理部门发出低能见度警报以及团雾预警。

2.如权利要求1所述的高速公路团雾预警系统，其特征在于，步骤1具体包括从高速公路各个相邻的监控摄像头隔一定时间抓取一帧图像。

3.如权利要求1所述的高速公路团雾预警系统，其特征在于，步骤4具体包括：伪彩色处理是由灰度值根据一定映射关系求出点的R、G、B的值，组成该点的彩色值。

4.如权利要求1所述的高速公路团雾预警系统，其特征在于，步骤5具体包括：对频域特征图、光谱图、原始待检测图像分别做尺度归一化，采取的尺度为(224，224)。

5.如权利要求1所述的高速公路团雾预警系统，其特征在于，步骤7包括：将融合后的特征采用softmax分类器进行分类。

6.如权利要求1所述的高速公路团雾预警系统，其特征在于，步骤10包括：根据分类结果，计算高速公路相应路段的能见度级别，包括当能见度＞1km，为等级A；当500m＜能见度≤1km，为等级B；当100m＜能见度≤500m，为等级C；当能见度≤100m，为等级D；能见度等级由A至D依次递减，能见度等级A表示对行车安全基本无影响，等级B至D表示能见度较低。

7.如权利要求1所述的高速公路团雾预警系统，其特征在于，步骤11包括，1)当前路段相邻的四个路段监视的能见度等级同时较低时，判断当前路段存在大雾，对所有监视路段进行相应级别的能见度报警；

2)当前路段相邻的两个路段监视的能见度等级存在一个为A时，判断当前路段存在团雾，对低能见度的路段进行相应级别的能见度报警，同时对无雾路段进行团雾预警，提醒驾驶人小心慢行。