[发明专利]一种基于焦点损失函数的交通异常图片识别方法

摘要

本发明属于图像识别与计算机视觉技术领域，公开了一种基于焦点损失函数的交通异常图片识别方法，包括：构建基于点损失函数的卷积神经网络，建立图片数据集；对图片数据集进行预处理，使用处理后的图片数据集对卷积神经网络进行训练；使用训练好的卷积神经网络对输入图片进行识别，得到图片所属交通异常类别检测结果；本发明针对道路异常与正常情况数据集类别不均衡、导致卷积神经网络的训练难以进行的情况，使用焦点损失函数替代原有损失函数，使得卷积神经网络能够顺利训练，提高了识别准确度；本发明提供的识别方法可部署在各交通路段的监控系统中，自动对当前路段是否发生交通异常进行识别，从而为交通部门提供及时预警。

主权项

1.一种基于焦点损失函数的交通异常图片识别方法，包括训练步骤和测试步骤；其特征在于，训练步骤包括：(1)建立数据集，包括正常交通状况下的图片以及异常交通状况下的图片；(2)对所述数据集进行预处理，形成统一尺寸的预处理图像，构成训练集和测试集；训练集图片占比大于测试集图片占比；(3)构建包括卷积层、批标准化、池化层、全连接层以及输出层的卷积神经网络；(4)构建用于克服类别不均衡对训练造成影响的焦点损失函数作为卷积神经网络的目标函数；(5)对卷积神经网络进行参数初始化，并使用所述训练集对卷积神经网络进行训练，每轮训练后在测试集上进行测试，当卷积神经网络在测试集上的分类准确率不再提高时停止训练；测试步骤包括：(i)将需要测试的图片进行裁剪、缩放；(ii)将缩放后的图片作为卷积神经网络的输入，通过卷积神经网络进行特征提取；(iii)通过卷积神经网络的全连接层对提取的特征进行线性组合；(iv)通过输出层将全连接层的输出转换为分类概率；(v)选取最大的概率值，判断该概率值是否大于给定的阈值，若是，则判定图片对应的交通异常类型为最大概率值对应的交通异常类别；若否，则判定图片为正常交通状态下的图片。