一种基于AI技术的能见度识别算法

摘要

本发明公开了一种基于AI技术的能见度识别算法，包括：步骤一，对采集到的图片数据进行能见度的数值标定；步骤二：将全体数据样品按照特定比率分为训练集和验证集；步骤三：选择识别特征；步骤四：构建关于特征向量的似然函数f(θ)，其中θ为参数向量；步骤五：设置θ初始值，将训练集样本依次代入直至样本的参数估计值和标定值误差收敛；步骤六：将步骤五中最终获得的θ代入能见度函数；所述步骤一至步骤六为基本步骤；步骤七：将验证集中样本代入步骤六中获得的能见度函数，观察计算值与标定值误差；步骤八：若步骤七中计算值与标定值的误差收敛，则步骤六所得能见度函数即为所求，否则调整标定值，重复基本步骤，直至验证集的误差范围符合要求。

说明书

技术领域

本发明涉一种基于AI技术的能见度识别算法，属于交通运输技术领域。

背景技术

能见度是交通运输行业的一项重要的安全指标，高质量准确度的获取意义重大。

传统能见度获取依赖于肉眼(目测)或者仪器(测量)。肉眼目测能见度，人眼在脱离其它辅助工具的情况下能识别物体的最远距离；此方法可能会受到人的先天条件(视力)和对事物识别能力等因素的影响，存在比较明显的误差。仪器测量能见度，通过光学仪器(件)进行能见度测量；通常地光学仪器价格高昂，使用过程繁琐且依赖一定的光学知识。鉴于传统能见度获取方法的种种不便，加之近几年AI技术的发展，逐渐开始有人应用AI技术对能见度进行识别。而现有AI技术没有一种方法能达到快捷、准确地识别能见度。

为了解决上述技术问题，特提出一种新的技术方案。

发明内容

本发明的目的在于提供一种基于AI技术的能见度识别算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于AI技术的能见度识别算法，包括以下步骤：

步骤一，对采集到的图片数据进行能见度的数值标定；

步骤二：将全体数据样品按照特定比率分为训练集和验证集；

步骤三：选择识别特征；

步骤四：构建关于特征向量的似然函数f(θ)，其中θ为参数向量；

步骤五：设置θ初始值，将训练集样本依次代入

步骤六：将步骤五中最终获得的θ代入能见度函数；所述步骤一至步骤六为基本步骤；

步骤七：将验证集中样本代入步骤六中获得的能见度函数，观察计算值与标定值误差；

步骤八：若步骤七中计算值与标定值的误差收敛，则步骤六所得能见度函数即为所求，否则调整标定值，重复基本步骤，直至验证集的误差范围符合要求。

优选地，所述步骤二全体数据样本按7：3的比率分为训练集和验证集。

优选地，所述步骤三，选择识别特征包括但不限于颜色、纹理、对比度和/或清晰度。

优选地，所述步骤五种的H为Hessian矩阵。

与现有技术相比，本发明的有益效果是：1、误差收敛速度快，模型获得便捷。2、能见度识别准确率高达95％以上。3、应用便捷，不需要具备光学专业知识。4、成本优势，不需要昂贵的光学器件。5、能见度获得不依赖人的主观判断，减少了误差来源。

附图说明

图1为本发明模型训练流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅说明书附图，本发明提供一种技术方案：一种基于AI技术的能见度识别算法，包括以下步骤：

步骤一，对采集到的图片数据进行能见度的数值标定；

步骤二：将全体数据样品按照特定比率分为训练集和验证集；

步骤三：选择识别特征；

步骤四：构建关于特征向量的似然函数f(θ)，其中θ为参数向量；

步骤五：设置θ初始值，将训练集样本依次代入

步骤六：将步骤五中最终获得的θ代入能见度函数；所述步骤一至步骤六为基本步骤；

步骤七：将验证集中样本代入步骤六中获得的能见度函数，观察计算值与标定值误差；

步骤八：若步骤七中计算值与标定值的误差收敛，则步骤六所得能见度函数即为所求，否则调整标定值，重复基本步骤，直至验证集的误差范围符合要求。

优选地，所述步骤二全体数据样本按7：3的比率分为训练集和验证集。

优选地，所述步骤三，选择识别特征包括但不限于颜色、纹理、对比度和/或清晰度。

优选地，所述步骤五种的H为Hessian矩阵。

本发明针对传统能见度获取方法，解决以下技术问题：1、便捷性：能见度获取应当快速，不需要繁琐的过程，不需要任何专业性知识或者经验。2、高准确性：能见度获取结果应当排除人的主观性的影响，保证准确度较高。3、廉价性：能见度识别方法应当满足价格低廉的特点。4、新颖性：能见度识别方法应当应用相关AI技术。

本发明的关键技术在于：1、牛顿梯度下降方法在能见度识别的应用。2、能见度识别对于图相特征变量的组合选：择颜色、纹理、对比度、清晰度。3、本方法引入了数据纠偏机制，对样本数据的标定值误差给预适当纠正。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。