科创中国

新一代信息技术产业,互联网与云计算、大数据服务

本发明属于图像识别与计算机视觉技术领域，公开了一种基于焦点损失函数的交通异常图片识别方法，包括：构建基于点损失函数的卷积神经网络，建立图片数据集；对图片数据集进行预处理，使用处理后的图片数据集对卷积神经网络进行训练；使用训练好的卷积神经网络对输入图片进行识别，得到图片所属交通异常类别检测结果；本发明针对道路异常与正常情况数据集类别不均衡、导致卷积神经网络的训练难以进行的情况，使用焦点损失函数替代原有损失函数，使得卷积神经网络能够顺利训练，提高了识别准确度；本发明提供的识别方法可部署在各交通路段的监控系统中，自动对当前路段是否发生交通异常进行识别，从而为交通部门提供及时预警。

目前主要通过电话以及人工查看监控摄像头的方式对交通异常进行识别，效率低下，需要大量的人力劳动。一种可能的方法是使用计算机视觉技术编写软件，自动检测监控摄像头所拍摄的图片是否包含异常情况。传统的计算机视觉技术需要手动设计特征用于分类，这种方法不仅效率较低，而且在扩充新的分类类别时需要设计新的特征用于识别新的异常类别，降低了系统的维护性。 将深度学习与计算机视觉相结合可以在分类任务中通过训练的方式自动学习出所需要的特征，大大提高了系统的可维护性。因此将深度学习与交通异常情况检测结合起来，建立一个交通异常情况检测系统，自动使用摄像头的实时监控信息进行异常情况的检测，不仅能提高交通预警的及时性，也能节省大量的人力。然而，实际应用场景下获取的交通异常图片与正常图片的比例十分不均衡，会大幅影响训练出的分类器的精度，导致实际检测时准确率低。因此对一种可在正常与异常图片不均衡条件下进行交通异常图片识别的技术具有实际需求。

申请（专利权）人：武汉唯理科技有限公司 发明人：王家奎;徐昱昊 武汉唯理科技有限公司致力于帮助传统企业实现进行智能化升级与转型，利用人工智能、大数据与物联网技术提供API或技术服务。这些服务基于1）利用机器视觉进行目标探测、识别与定位，2）利用机器学习对物联网传感器数据进行模式识别，3）利用自然语言处理技术实现更友好的智能硬件交互体验，4）Web应用系统和移动互联网系统开发。团队创始成员包括美国莱斯大学博士、华为高级研发工程师与艾默生人员等。