[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

说明书

本发明公开了一种基于深度融合网络的高速公路团雾预警系统，步骤1：获取待检测图像；步骤2：高频滤波，得到频域特征图；步骤3：将待检测图像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，得到光谱图；步骤5：将频域特征图、光谱图与原图分别送入卷积神经网络；步骤6：将所提取的三个特征进行拼接融合；步骤7：进行分类得到雾的分类等级信息；步骤8：构建训练样本；步骤9：训练基于CNN的深度学习网络；步骤10：对于待检测图像，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：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。本发明更有效的利用了高速公路大量监控的优势，进行及时预警。

技术领域

本发明涉及团雾预警领域，具体涉及一种基于深度融合网络的高速公路团雾预警系统。

背景技术

雾霾、雨雪、沙尘等天气的出现会导致大气能见度的降低，在高速道路上极易引起交通事故的发生。因此对团雾的监测和告警就显得更加重要。尽管天气预报的技术手段在逐步提升，但是对能见度的准确预测是极其困难的。由于团雾的出现具有突发性，它是局部地区的小气候变化，受到光照、气温、人员活动等多种因素的影响，这些都提高了对团雾预报的难度。同时在某些状况下，大气能见度会在较短时间内发生变化。如果这种变化情形发生在高速公路上，很有可能导致驾驶人员反应不及引起交通事故。

为了避免驾驶人员由于准备不足或反应时间不足导致发生交通事故，需要一种预警手段提醒驾驶员放慢车速并且在低能见度路段保持警惕，避免发生事故。目前市面上已经出现了多种测量能见度的设备仪器，这些光学测量仪器通过测量特定角度的散射光通量估计大气消光系数，进而估算能见度值，但是这些仪器往往需要较大的占地面积，同时价格高昂，不适于在高速公路上大规模铺设。

由于摄像机的感光元件系统与人眼的视觉系统具有相同的结构，因此可以借助交通应用中已经大规模使用的监控摄像机，实时采集高速道路的场景图像，利用图像处理技术对图像进行分析团雾的存在，及时提醒交通管理部门以及行车人，避免交通事故的发生。

发明内容

本发明针对当前的监测方案存在的建设难度大的问题，提供一种基于深度融合网络的高速公路团雾预警系统，该方法仅需要架设摄像头设备，搭建简单同时准确性较高，实时性高，可以有效的对团雾天气进行预警。同时避免了提前设定目标参照物，具有普遍适用性。

为实现上述目的，本发明采用以下技术方案：

一种基于深度融合网络的高速公路团雾预警系统，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；