[发明专利]一种基于人工智能的高速公路恶劣天气识别方法

说明书

本发明公开了一种基于人工智能的高速公路恶劣天气识别方法，包括如下步骤：S1、形成视频数据；S2、针对天气状态对视频数据进行分类，分别划分为晴天、阴天、雨天、雾天和雪天五种类别，分别存储；S3、形成提取图片，对应类别进行存储；S4、对形成分析模型；S5、形成关键点像素；S6、形成对比数据库；S7、通过摄像机对高速公路环境进行实时监控，设定比对周期，对视频状态和对比数据库进行对比分析；S8、符合一个类别的天气种类后，输出对比结果；S9、确定识别的恶劣天气种类，进行预警提示，通过识别结果结合温湿度变化进行最终判断，避免误判而干涉，利于高效识别和预警，保证高速公路管理和使用的安全性，方便推广使用。

技术领域

本发明涉及高速公路管理技术领域，尤其涉及一种基于人工智能的高速公路恶劣天气识别方法。

背景技术

在现在的社会生活中，高速公路的使用越来越普遍，而再高速公路的行车安全中，天气的影响范围最大，造成的后果最为严重，因此为了保证高速公路的管理安全，需要对高速公路的恶劣天气进行识别，保证提前预警的时效性。

但是现有的高速公路恶劣天气识别方法中，多是直接通过监控摄像头拍摄画面，然后进行人工识别验证，这样不仅识别范围较小，效率较低，而且反馈时间较长，时效性不高，同时需要使用的人工和时间较多，识别成本高，不能够通过图像进行智能识别分析，有待提出一种新的识别方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于人工智能的高速公路恶劣天气识别方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于人工智能的高速公路恶劣天气识别方法，该基于人工智能的高速公路恶劣天气识别方法包括如下步骤：

S1、采用摄像机在不同天气对高速公路环境行拍摄，形成视频数据；

S2、针对天气状态对视频数据进行分类，分别划分为晴天、阴天、雨天、雾天和雪天五种类别，分别存储；

S3、对分类的视频数据进行内容提取，分离出清晰度高的图片，形成提取图片，对应类别进行存储；

S4、对提取图片的内容进行建模，形成分析模型；

S5、通过分析模型对图片关键点进行分离，形成关键点像素；

S6、对关键点像素进行分类存储，关联到视频数据和提取图片目录下，形成对比数据库；

S7、通过摄像机对高速公路环境进行实时监控，设定比对周期，对视频状态和对比数据库进行对比分析；

S8、符合一个类别的天气种类后，输出对比结果；

S9、对监控位置的温湿度进行检测，匹配输出结果进行判断，确定识别的恶劣天气种类，进行预警提示。

优选的，所述S1中的视频数据包括高速公路路面视频和周边环境视频，且为同步拍摄文件。

优选的，所述S3中形成提取图片的方式为对视频文件按照帧播放，查验每一帧图片，进行提取分离。

优选的，所述S4的分析模型为图片图层三维构架模型，对图片的关键点图层进行分析。

优选的，所述S5中形成关键像素点的方法包括如下步骤：

A1、对图片进行图层分离，形成背景层、高速公路层和关键点层；

A2、对背景层进行对比，不符合识别路段直接全部丢弃，符合的则继续进行；

A3、对高速公路层和关键点层进行分离，单独对比分析路面状态，提取明显变化特征，形成特征点；

A4、对特征点进行保留，形成新的图层，即可得到关键像素点。