本发明涉及人工智能，尤其涉及一种道路水坑识别方法、系统、电子设备及存储介质。
背景技术：
1、道路中通常会存在地面凹陷等情况，当雨水量较大时，雨水聚集在地面凹陷处，则很可能形成水坑。若车辆快速通过水坑，则很可能对车辆的底盘造成磨损，也可能导致车胎破损，增大交通事故隐患。
2、目前，通常采用人工检查和维修的手段，对道路的水坑进行排查与维修。然而，此种方式的工作效率较低，导致很多坑洼(水坑)没有得到及时地修复处理，存在一定的安全隐患。
技术实现思路
1、本发明提供一种道路水坑识别方法、系统、电子设备及存储介质，以解决现有技术中水坑检测的效率较低，导致存在一定的安全隐患问题。
2、本发明提供的一种道路水坑识别方法，所述方法包括：获取待识别道路图像；
3、对所述待识别道路图像进行道路水坑识别，以得到水坑识别结果，其中，进行道路水坑识别的步骤包括：
4、对所述待识别道路图像进行特征提取，以得到多维的目标特征；
5、将所述目标特征进行编码，以得到每个所述目标特征的目标编码；
6、统计每个所述目标编码，以得到卡方统计量，所述卡方统计量与所述目标编码一一对应，并基于所述卡方统计量，对所述目标编码进行降维，得到降维后的特征集，其中，所述特征集包括多个所述目标编码；
7、基于所述特征集，进行特征分类，得到所述水坑识别结果。
8、于本发明一实施例中，对所述待识别道路图像进行特征提取，以得到多维的目标特征的步骤包括：
9、利用预设的svm分类器，对所述待识别道路图像进行特征提取，以得到多维的目标特征，所述多维的目标特征包括：路面状态特征、坑形状特征、道路反射特征、路面材质特征、坑深度特征、反射源位置特征、积水区域长度特征、积水区域宽度特征，以及积水区域高度特征；将所述目标特征进行编码，以得到每个所述目标特征的目标编码的步骤包括：
10、基于预设的编码规则，对所述目标特征进行标签化，以得到每个所述目标特征的编码标签值，所述编码规则中每个所述目标特征均对应有相应的编码标签值；
11、通过对所述编码标签值进行归一化，以得到每个所述目标特征的目标编码。
12、于本发明一实施例中，通过对所述编码标签值进行归一化，以得到每个所述目标特征的目标编码的步骤包括：
13、将全部所述编码标签值中的最大值确定为第一数值，将全部所述编码标签值中的最小值确定为第二数值；
14、将任一所述编码标签值与所述第二数值之间的差值确定为第一中间值，将所述第一数值与所述第二数值之间的差值确定为第二中间值；
15、将所述第一中间值与所述第二中间值之间的比值确定为当前所述编码标签值对应的所述目标编码，所述编码标签值与所述目标特征相对应。
16、于本发明一实施例中，基于所述卡方统计量，对所述目标编码进行降维，得到降维后的特征集的步骤包括：
17、对全部所述目标编码的卡方统计量按照从大到小的顺序进行排序；
18、选取前目标数量个所述目标编码，并将选取出的全部所述目标编码组合为降维后的所述特征集。
19、于本发明一实施例中，基于所述特征集，进行特征分类，得到所述水坑识别结果的步骤包括：
20、利用预设的svm分类器中的多项式核函数，将所述特征集中的目标编码映射到目标特征空间，所述目标特征空间的维度高于所述特征集中目标编码的原始特征空间；
21、根据所述目标特征在所述目标特征空间中的位置信息，以及所述svm分类器在训练过程中确定的超平面参数，对所述目标特征进行分类，以得到所述水坑识别结果。
22、于本发明一实施例中，所述svm分类器的训练过程包括：
23、获取训练集，所述训练集包括多个训练样本，以及与所述训练样本相对应的真实标签；
24、将所述训练样本输入所述svm分类器进行特征提取，得到多维的特征样本；对所述特征样本进行编码，以得到每个所述特征样本的编码样本；获取每个所述编码样本的卡方统计量样本；基于所述卡方统计量样本，对所述编码样本进行降维，得到降维后的特征集样本，所述特征集样本包括多个所述编码样本；
25、利用预设的多项式核函数，将所述特征集样本中的编码样本映射到所述目标特征空间；基于所述编码样本在所述目标特征空间中的位置信息，以及预设的目标函数，确定超平面位置，所述目标函数为最大化超平面的间隔宽度，所述间隔宽度指距离超平面最近的点与超平面之间的距离；基于所述超平面位置，得到分类结果；基于所述分类结果和对应的所述真实标签，对所述svm分类器进行参数调整，直至收敛。
26、于本发明一实施例中，在完成对所述svm分类器的训练之后，还包括：
27、利用预设的测试集，对所述svm分类器进行测试，得到多个测试结果，所述测试结果与所述测试集中的测试样本一一对应；
28、基于所述测试结果，得到多个评价指标值，所述多个评价指标值包括：准确率、精确率、召回率，以及f1分数；所述评价指标值用于对svm分类器的参数修正提供指导；所述准确率的获取步骤包括：将所述svm分类器预测正确的正样本的数量确定为第一数量，将负样本被错误预测为正样本的次数确定为第二数量，将所述第一数量和第二数量的和值确定为第三中间值；将所述第一数量与所述第三中间值之间的比值确定为所述准确率；
29、所述精确率的获取步骤包括：将所述svm分类器预测正确的负样本的数量确定为第三数量，将正样本被错误预测为负样本的次数确定为第四数量；将所述第一数量和所述第三数量的和值确定为第五中间值；将所述第一数量、第二数量、第三数量，以及第四数量的和值确定为第六中间值；将所述第五中间值与所述第六中间值之间的比值确定为所述精确率。
30、本发明还提供了一种道路水坑识别系统，所述系统包括：图像获取模块，用于获取待识别道路图像；
31、水坑识别模块，用于将所述待识别道路图像输入预设的svm分类器，进行道路水坑识别，以得到水坑识别结果，其中，进行道路水坑识别的步骤包括：
32、对所述待识别道路图像进行特征提取，以得到多维的目标特征；对所述目标特征进行编码，以得到每个所述目标特征的目标编码；获取每个所述目标编码的卡方统计量；基于所述卡方统计量，对所述目标编码进行降维，得到降维后的特征集，所述特征集包括多个所述目标编码；基于所述特征集，进行svm分类，得到所述水坑识别结果。
33、本发明还提供了一种电子设备，包括处理器、存储器和通信总线；所述通信总线用于将所述处理器和存储器连接；所述处理器用于执行所述存储器中存储的计算机程序，以实现如上述中任一项实施例提供的道路水坑识别方法。
34、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于使计算机执行如上述任一项实施例提供的道路水坑识别方法。
35、本发明的有益效果：本发明提出的道路水坑识别方法、系统、电子设备及存储介质，该方法通过获取待识别道路图像；对待识别道路图像进行道路水坑识别，以得到水坑识别结果，其中，进行道路水坑识别的步骤包括：对待识别道路图像进行特征提取，以得到多维的目标特征；将目标特征进行编码，以得到每个目标特征的目标编码；统计每个目标编码，以得到卡方统计量，卡方统计量与目标编码一一对应，并基于卡方统计量，对目标编码进行降维，得到降维后的特征集，其中，特征集包括多个目标编码；基于特征集，进行特征分类，得到水坑识别结果。该方法能够有效提高道路水坑的检测效率，精准度较高，避免由于水坑检测失误所产生的安全隐患。
1.一种道路水坑识别方法，其特征在于，包括：
2.根据权利要求1所述的道路水坑识别方法，其特征在于，对所述待识别道路图像进行特征提取，以得到多维的目标特征的步骤包括：
3.根据权利要求2所述的道路水坑识别方法，其特征在于，通过对所述编码标签值进行归一化，以得到每个所述目标特征的目标编码的步骤包括：
4.根据权利要求1所述的道路水坑识别方法，其特征在于，基于所述卡方统计量，对所述目标编码进行降维，得到降维后的特征集的步骤包括：
5.根据权利要求1所述的道路水坑识别方法，其特征在于，基于所述特征集，进行特征分类，得到所述水坑识别结果的步骤包括：
6.根据权利要求5所述的道路水坑识别方法，其特征在于，所述svm分类器的训练过程包括：
7.根据权利要求6所述的道路水坑识别方法，其特征在于，在完成对所述svm分类器的训练之后，还包括：
8.一种道路水坑识别系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、存储器和通信总线；所述通信总线用于将所述处理器和存储器连接；所述处理器用于执行所述存储器中存储的计算机程序，以实现如权利要求1至7任一项所述的道路水坑识别方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序用于使计算机执行如权利要求1至7任一项所述的道路水坑识别方法。
