基于AlexNet算法的道路能见度估测方法

摘要：

本文采用AlexNet神经网络算法构建一个高速公路能见度识别的框架,通过对道路摄像头图像的采集,对图像进行标注、对AlexNet算法进行训练,提取图像能见度特征,构建能见度等级识别模型,实时接入道路摄像头图像,实现能见度值的估测.通过对安徽省高速公路42个监控摄像机进行图像的采集,抽取标注有能见度值的15万余幅样本,进行能见度识别结果分析,结果显示平均识别率达到78.02％,其中有14个站点的识别率超过90％,21个站点的识别率在80％以上.基于AlexNet算法的道路能见度估测方法能够满足道路能见度实时性和识别准确率的要求,可以作为能见度仪未安装地区的能见度辅助监测方法,同时对于光照变化、远近距离等都具有良好的鲁棒性.

关键词：AlexNet算法、图像识别、卷积神经网络、能见度

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目41575155;江苏省气象局北极阁基金资助项目BJG201707

在线出版日期：2019-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：87-91,103