摘要：为了实现道路场景下天气图像的准确识别,提出了一种基于道路分割的道路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了一种结合道路天气图像全局特征及道路特征的道路分割融合网络(RSFN)。首先,通过道路分割网络对原始图像进行预处理,获取二值化图像,并利用卷积特征掩码(CFM)获取了道路区域信息。随后,构建了由全局网络分支和道路网络分支构成的卷积神经网络,分别用于提取整体图像区域特征和专注提取道路天气特征。针对提取到的不规则道路特征,使用CFM将图像全局特征和道路局部特征进行融合。最后,通过全连接层进行了重点道路区域的天气识别,并兼顾整体的天气识别,实现了阴天、晴天、雾天、雨天和雪天5种天气的识别。通过收集多个城市地区不同路段、不同天气下的高速公路真实监控视频,构建了道路多分类天气数据集(RMWD),并与不同网络模型进行了测试结果对比。结果表明:在参数和运算量都有所降低的情况下,RSFN天气识别算法的准确率和召回率为85.40%和80.30%,分别提高了至少3.97%和3.86%;基于道路分割的道路天气识别方法将网络模型提取特征的重点区域放在了道路中,RSFN算法实现了道路天气特征的有效提取,能够有效应用于道路场景下实时准确的天气识别。

摘要：高速公路的抛洒物容易引发严重的交通事故,抛洒物检测算法的研究对于提高交通安全具有十分重要的意义。由于高速公路场景复杂多变,抛洒物检测容易受到环境干扰,开发一个能实时且准确检测高速公路抛洒物的算法,是实际应用面临的挑战。针对以上的问题,本文设计了一个基于级联模型的抛洒物检测算法。算法先通过基于双背景的建模方法提取前景区域,然后级联目标跟踪过滤模块、基于双背景的感知图差异的候选框过滤模块和基于Xception的卷积网络二分类模块,对抛洒物目标进行验证并有效地减少了复杂场景变化产生的噪声误检。

摘要：为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到DeepLabv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。

摘要：提出一种基于移动支付的高速公路预约缴费系统,通过对当日高速公路交通量进行预测,实现了高速公路路网情况的可视化,并将高速公路的拥挤度纳入高速公路通行费的收费核算体系中,通过预约缴费和动态费率等经济杠杆引导车辆根据拥堵情况错时或错峰出行,以期达到缓解交通拥堵的目的,提升高速公路用户的信息化体验。