[發(fā)明專利]一種用于視頻大霧監(jiān)測(cè)的深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法、系統(tǒng)及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011637801.0
• 申請(qǐng)日: 2020-12-31
• 公開（公告）號(hào): CN112749654A
• 公開（公告）日: 2021-05-04
• 發(fā)明（設(shè)計(jì)）人: 彭路;張興海;柳俊凱
• 申請(qǐng)（專利權(quán)）人: 南京恩瑞特實(shí)業(yè)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 江蘇舜點(diǎn)律師事務(wù)所 32319
• 代理人: 杜東輝

1.一種用于視頻大霧監(jiān)測(cè)的深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法，其特征在于，包括如下步驟：

構(gòu)建視頻大霧識(shí)別數(shù)據(jù)集，所述視頻大霧識(shí)別數(shù)據(jù)集包括大霧視頻數(shù)據(jù)和無大霧視頻數(shù)據(jù)；

提取所述視頻數(shù)據(jù)的單幀圖像形成樣本集，并將其劃分為訓(xùn)練集和測(cè)試集；

構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型；

利用訓(xùn)練集訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型，優(yōu)化模型參數(shù)；

利用測(cè)試集測(cè)試經(jīng)過訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的一種用于視頻大霧監(jiān)測(cè)的深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法，其特征在于，所述提取所述視頻數(shù)據(jù)的單幀圖像形成樣本集的過程具體如下：

按照一定頻率提取單幀圖像，

對(duì)所述單幀圖像進(jìn)行信息標(biāo)注，所述信息包括能見度數(shù)值、時(shí)間、地點(diǎn)；

選取所有單幀圖像中標(biāo)注有能見度值的單幀圖像形成樣本集。

3.根據(jù)權(quán)利要求1所述的一種用于視頻大霧監(jiān)測(cè)的深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法，其特征在于，還包括如下步驟：

對(duì)所述樣本集進(jìn)行預(yù)處理，并將處理結(jié)果作為訓(xùn)練所述深度神經(jīng)網(wǎng)絡(luò)模型的輸入。

4.根據(jù)權(quán)利要求3所述的一種用于視頻大霧監(jiān)測(cè)的深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法，其特征在于，所述對(duì)所述樣本集進(jìn)行預(yù)處理，并將處理結(jié)果作為訓(xùn)練所述深度神經(jīng)網(wǎng)絡(luò)模型的輸入的過程具體如下：

將所述樣本集進(jìn)行歸一化處理；

將歸一化后的樣本集進(jìn)行HSV直方圖轉(zhuǎn)換處理；

將換轉(zhuǎn)后的樣本集進(jìn)行篩選處理；

將篩選后的樣本集分為白天樣本集和夜晚樣本集；

根據(jù)能見度數(shù)值、時(shí)間和白天樣本集和夜晚樣本集各自的大霧能見度等級(jí)將樣本集歸類成白天大霧能見度等級(jí)樣本集和夜晚大霧能見度等級(jí)樣本集；

根據(jù)隨機(jī)抽取的方式，將所述白天大霧能見度等級(jí)樣本集和夜晚大霧能見度等級(jí)樣本集劃分成訓(xùn)練集和測(cè)試集。

5.根據(jù)權(quán)利要求1所述的一種用于視頻大霧監(jiān)測(cè)的深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)模型包括八個(gè)卷積層、三個(gè)全鏈接層和一個(gè)SVM層；所述卷積層將輸入圖像依次處理成特征圖，所述全鏈接層依次將所述特征圖降維處理成特征向量，所述SVM層將所述特征向量轉(zhuǎn)換為當(dāng)前幀的最佳分類準(zhǔn)確率。