智慧城市应急车道数据鉴别系统的制作方法

本发明涉及高速公路监控领域，尤其涉及一种智慧城市应急车道数据鉴别系统。

背景技术：

1、高速公路的应急车道，是指与右侧道路行车道相邻，包括硬路肩在内的宽度3米以上，有效长度大于或者等于30米，可以满足机动车停靠需要的路面部分。在紧急的情况下，车辆可以在应急车道上行驶或者停车，如果确实遇到故障等无法解决的问题，应将车停在紧急停靠带内，开启危险报警闪光灯，在车后方150米处摆放警告标志，夜间、雨、雾等天气还应当同时开启示廓灯、尾灯和后雾灯；其他人员一定要撤到安全区域内，必要时及时拨打高速公路报警电话，请求援助。

2、但是，在现有技术中，即使获得了应急车道图像，由于无法判断该应急车道图像是否高斯模糊处理、无缩放变换模糊处理、双边滤波模糊处理以及中值模糊中的任一项子模糊处理类型，导致无法明确获取到的应急车道图像的原始数据，无法对应急车道现场状况进行准确鉴别和判断。

技术实现思路

1、为了解决现有技术中的技术问题，本发明提供了一种智慧城市应急车道数据鉴别系统，通过将高速公路的应急车道的各项车道数据、各份备用参考图像、原始图像以及应急车道图像作为执行应急车道图像经过的子模糊处理类型的图像处理的智能鉴别的多项基础信息，从而保证了智能鉴别结果的有效性，为应急车道图像的内容真实性的判断提供参考依据，其中，高速公路的应急车道的各项车道数据为所述高速公路的应急车道的车道宽度、周围其他车道数量以及所述定向采集器件视野范围内的应急车道长度，参与智能鉴别的每一图像的数值表示形式为该图像的jpeg数字文件的数值表示，用于执行子模糊处理类型的智能鉴别的智能鉴别模型的结构定制，表现在引入模型转换设备用于将深度卷积逆图形网络转换为智能鉴别模型，其中，对深度卷积逆图形网络执行各次学习操作以完成深度卷积逆图形网络到智能鉴别模型的转换，以及对深度卷积逆图形网络执行的学习操作的次数与定向采集器件的光电感应组件的像元数目成正比，从而进一步保证了智能鉴别结果的有效性。

2、根据本发明，提供了一种智慧城市应急车道数据鉴别系统，所述系统包括：

3、模型转换设备，用于将深度卷积逆图形网络转换为智能鉴别模型，其中，将深度卷积逆图形网络转换为智能鉴别模型包括：对深度卷积逆图形网络执行各次学习操作以完成深度卷积逆图形网络到智能鉴别模型的转换；

4、即时提醒设备，与数据鉴别器件连接，用于在接收到应急车道图像被处理过的子模糊处理类型的同时对应急车道图像被处理过的子模糊处理类型进行显示操作；

5、定向采集器件，设置在高速公路的应急车道的上方，用于在高速公路开启时间段内执行对高速公路的应急车道的图像采集处理，以获得并输出相应的应急车道图像；

6、车道检测器件，用于获取高速公路的应急车道的各项车道数据，所述高速公路的应急车道的各项车道数据为所述高速公路的应急车道的车道宽度、周围其他车道数量以及所述定向采集器件视野范围内的应急车道长度；

7、数据鉴别器件，分别与所述模型转换设备、所述定向采集器件、所述车道检测器件以及所述即时提醒设备连接，用于采集定向采集器件输出的原始图像分别经过模糊处理类型下的各个子模糊处理类型处理后获得的各份备用参考图像，采用智能鉴别模型基于各份备用参考图像、原始图像、应急车道图像以及所述高速公路的应急车道的各项车道数据智能鉴别应急车道图像被处理过的子模糊处理类型，其中，各份备用参考图像、原始图像以及应急车道图像均为jpeg数字文件的数值表示形式，智能鉴别的应急车道图像被处理过的子模糊处理类型为ascll码的数值表示形式；

8、其中，各个子模糊处理类型分别为高斯模糊处理、无缩放变换模糊处理、双边滤波模糊处理以及中值模糊；

9、其中，所述定向采集器件还用于在高速公路关闭时间段内停止执行对高速公路的应急车道的图像采集处理；

10、其中，模型转换设备，用于将深度卷积逆图形网络转换为智能鉴别模型，其中，将深度卷积逆图形网络转换为智能鉴别模型包括：对深度卷积逆图形网络执行各次学习操作以完成深度卷积逆图形网络到智能鉴别模型的转换包括：对深度卷积逆图形网络执行的学习操作的次数与所述定向采集器件的光电感应组件的像元数目成正比。

11、因此，本发明具备了以下几处突出的技术效果：

12、首先：将高速公路的应急车道的各项车道数据、各份备用参考图像、原始图像以及应急车道图像作为执行应急车道图像经过的子模糊处理类型的图像处理的智能鉴别的多项基础信息，从而保证了智能鉴别结果的有效性，为应急车道图像的内容真实性的判断提供参考依据；

13、其次：具体地，高速公路的应急车道的各项车道数据为所述高速公路的应急车道的车道宽度、周围其他车道数量以及所述定向采集器件视野范围内的应急车道长度，参与智能鉴别的每一图像的数值表示形式为该图像的jpeg数字文件的数值表示；

14、再次：用于执行子模糊处理类型的智能鉴别的智能鉴别模型的结构定制，表现在引入模型转换设备用于将深度卷积逆图形网络转换为智能鉴别模型，其中，对深度卷积逆图形网络执行各次学习操作以完成深度卷积逆图形网络到智能鉴别模型的转换，以及对深度卷积逆图形网络执行的学习操作的次数与定向采集器件的光电感应组件的像元数目成正比。

15、本发明的智慧城市应急车道数据鉴别系统运行稳定、应用广泛。由于能够将高速公路的应急车道的各项车道数据、各份备用参考图像、原始图像以及应急车道图像作为执行应急车道图像经过的子模糊处理类型的图像处理的智能鉴别的多项基础信息，并采用了定制结构的用于执行子模糊处理类型的智能鉴别的智能鉴别模型，从而保证了智能鉴别结果的有效性。

1.一种智慧城市应急车道数据鉴别系统，其特征在于，所述系统包括：

2.如权利要求1所述的智慧城市应急车道数据鉴别系统，其特征在于：

3.如权利要求2所述的智慧城市应急车道数据鉴别系统，其特征在于，所述系统还包括：

4.如权利要求3所述的智慧城市应急车道数据鉴别系统，其特征在于：

5.如权利要求2所述的智慧城市应急车道数据鉴别系统，其特征在于，所述系统还包括：

6.如权利要求5所述的智慧城市应急车道数据鉴别系统，其特征在于：

7.如权利要求6所述的智慧城市应急车道数据鉴别系统，其特征在于：

8.如权利要求7所述的智慧城市应急车道数据鉴别系统，其特征在于：

9.如权利要求8所述的智慧城市应急车道数据鉴别系统，其特征在于：