[发明专利]一种基于深度学习的隧道洞内外亮度仪标定方法及系统

权利要求书

1.一种基于深度学习的隧道内外亮度仪标定方法，其特征在于，所述方法包括如下方法步骤：

(1)调整隧道内外亮度仪、标准亮度仪和可调节光源的位置，使可调节光源在所述隧道内外亮度仪和标准亮度仪清晰成像；

(2)分别在隧道内外亮度仪和标准亮度仪的输出图像上圈定可调节光源的同一目标区域；

(3)设定一个初始的隧道内外亮度仪的镜头曝光参数；

(4)调节可调节光源的亮度等级，分别记录隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值，和标准亮度仪在圈定的所述同一目标区域内的亮度值；

(5)修改隧道内外亮度仪的镜头曝光参数，重复步骤(4)多次；

(6)获取多组镜头曝光参数下隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值，和标准亮度仪在圈定的所述同一目标区域内的亮度值，拟合平均灰度值与所述亮度值取对数后的线性关系曲线模型：

Y＝W_n*X+b_n，其中，Y为隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值，X为标准亮度仪在圈定的所述同一目标区域内的亮度值H的对数值lgH，Wn和bn为线性关系参数；

(7)建立第一损失函数，寻找隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值的最优估计范围，其中，第一损失函数表述为：loss¹＝(Y_p-Y_q)^-1/255*R^-1logR，其中，(Y_p，Y_q)为隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值的估计范围，R为线性系数，满足：

Cov为协方差函数，D为方差，Y为隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值，X为标准亮度仪在圈定的所述同一目标区域内的亮度值H的对数值lgH；

在平均灰度值的最优估计范围内，建立第二损失函数求解线性关系参数Wn和bn的最优解，其中，建立第二损失函数表述为：其中，R_j为线性系数，满足：

Cov为协方差函数，D为方差，p_i＝|Y-Y^|/255，m_j为平均灰度值的最优估计范围的下界，n_j为平均灰度值的最优估计范围的上界，k＝1，2，...，n。

2.根据权利要求1所述的方法，其特征在于，所述隧道内外亮度仪的镜头曝光参数为隧道内外亮度仪的镜头光圈系数和镜头焦距。

3.根据权利要求1所述的方法，其特征在于，寻找隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值的最优估计范围包括如下方法步骤：

将获取多组镜头曝光参数下隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值，和标准亮度仪在圈定的所述同一目标区域内的亮度值作为训练数据；

建立第一损失函数：loss¹＝(Y_p-Y_q)^-1/255*R^-1logR，其中，(Y_p，Y_q)为隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值的估计范围，R为线性系数，满足：

Cov为协方差函数，D为方差，Y为隧道内外亮度仪在圈定的所述同一目标区域内的平均灰度值，X为标准亮度仪在圈定的所述同一目标区域内的亮度值H的对数值lgH；

采用梯度下降算法使所述第一损失函数值达到最小，得到平均灰度值的最优估计范围。