本发明涉及图像识别技术领域，具体涉及一种利用智能手机拍摄识别复杂道路场景，帮助导航软件提高道路定位准确度的方法。
背景技术：
随着科技的进步和移动互联网技术的发展，越来越多的人在驾驶车辆的时候选择使用手机导航软件，如百度导航、高德导航等app，为不太熟悉路线的车主带来了很多方便。这些导航软件主要利用手机的gps模块(或者北斗模块)获取经纬度信息来进行定位，导航软件一般工作过程是根据出发地和目的地进行路径规划，车辆驾驶者根据规划路径进行行驶，在这个过程中，当驾驶者不按规划路径行驶时，导航软件会自动识别出车辆偏离原有线路而重新规划新路线。但是在有些重要的道路路口，仅利用gps定位存在一些问题，比如高架问题。在高架桥区域，依靠gps的定位信息没有办法来区分车辆在桥上路面行驶还是桥下路面行驶的。还有当汽车进入隧道中能接收到的gps的信号很弱，高架桥面如果很宽，在桥面以下的路面上gps信息也很弱，无法判断车辆是在隧道中行驶还是在高架以下的路面行驶，这种情况下导航软件只能假定驾驶人是按照事先规划好的道路行驶的，如果在道路口驾驶人更改了路线，导航软件往往也只能在较长的一段时间内持续给出错误提示信息。
技术实现要素：
为了克服已有手机导航软件识别复杂道路精准度较低的不足,本发明提供了一种利用摄像头拍摄功能增强手机导航软件识别复杂道路精准度的方法。
本发明解决其技术问题所采用的技术方案是：
一种利用摄像头拍摄功能增强手机导航软件识别复杂道路精准度的方法，包括以下步骤：
步骤1，选择具有摄像头的移动智能终端，利用导航软件根据出发地及目的地规划行驶路线，所述摄像头能看到前方道路；
步骤2，在行驶过程中，当要进入高架桥匝道、高架桥下路面路口或下穿隧道入口时，导航软件检测到车辆距离路口的距离达到预先设定的阈值，给出触发信号，并语音提示前方即将要进入的道路；
步骤3，根据步骤2中的得到的距离触发信号启动手机摄像头模块对前方进行拍照或摄像；
步骤4，将步骤3中拍摄得到的照片或者视频中的图像帧送入道路场景分类模块进行识别，道路场景分类模块输出道路类别t，t取值为隧道、路面道路和高架道路三种道路类别之一；导航软件将t值和事先规划路径中的道路类型进行比较，如果两者相同，则导航软件不做其他处理；如果不相同，表明驾驶人没有按照规划路径选择道路，导航软件将根据当前道路类型t重新规划路径，并给出新的导航提示。
进一步，在所述步骤3中，设置三个距离d1、d2和d3，得到距离触发信息后分别拍摄照片或采集的视频帧为m1、m2和m3。
优选的，d1设置为距离目标路口20米处，d2设置为距离目标路口0米处，d3设置为-20米，即已进入目标路口20米处。
如果检测到gps信号比较弱，无法检测距离d2和d3，拍摄照片或采集视频帧m2和m3的触发条件更改成时间t2和t3。
优选的，t2设置为拍摄m1之后5秒，t3设置为拍摄m1之后10秒。
更进一步，在所述步骤4中，将所述步骤3中拍摄得到的照片送入场景分类模块进行识别，对应照片m1、m2和m3，得到三个相等的道路类别值，确定道路类别。
或者是：所述场景分类模块得到类别为t1、t2和t3，t1、t2和t3并不相同，采用多数票方式确定道路类型。
再进一步，在所述步骤4中，场景分类模块采用深度学习方法。所述场景分类模块包含特征提取模块和分类模块，特征提取模块采用卷积神经网络实现，分类模块采用全连接网络实现。
在所述步骤1中，将移动智能终端固定在驾驶台支架上并确保摄像头能看到前方道路。
本发明的有益效果主要表现在：增强识别道路复杂精准度。
具体实施方式
下面对本发明作进一步描述。
一种利用摄像头拍摄功能增强手机导航软件识别复杂道路精准度的方法，包括以下步骤：
步骤1，本发明需要选择具有摄像头的移动智能终端(如手机)，利用导航app根据出发地及目的地规划行驶路线，将移动智能终端固定在驾驶台支架上并确保摄像头能看到前方道路；
步骤2，在行驶过程中，当要进入高架桥匝道、高架桥下路面路口或下穿隧道入口等道路，此时导航软件检测到车辆距离路口的距离达到预先设定的阈值，给出触发信号，并语音提示前方即将要进入的道路；
步骤3，根据步骤2中的得到的距离触发信号启动手机摄像头模块对前方进行拍照或摄像；
系统将设置三个距离d1、d2和d3，得到距离触发信息后分别拍摄照片或采集的视频帧为m1、m2和m3。d1设置为距离目标路口20米处，d2设置为距离目标路口0米处，d3设置为-20米，即已进入目标路口20米处。如果检测到gps信号比较弱，无法检测距离d2和d3，拍摄照片或采集视频帧m2和m3的触发条件更改成时间t2和t3。t2设置为拍摄m1之后5秒，t3设置为拍摄m1之后10秒；
步骤4，将所述步骤3中拍摄得到的照片或者视频中的图像帧送入道路场景分类模块进行识别，道路场景分类模块输出道路类别t，t取值为隧道、路面道路和高架道路三种道路类别之一(例如可以是-1、0和+1)；导航软件将t值和事先规划路径中的道路类型进行比较，如果两者相同，则导航软件不做其他处理，如果不相同，表明驾驶人没有按照规划路径选择道路，导航软件将根据当前道路类型t重新规划路径，并给出新的导航提示。
将所述步骤3中拍摄得到的照片送入场景分类模块进行识别，对应照片m1、m2和m3，得到类别为t1、t2和t3。通常情况下，t1、t2和t3取值均为相同，例如均是-1、0或+1，这样能够确定道路类别。由于场景分类模块的准确度不能保证完全正确，所以t1、t2和t3并不一定肯定相同，所以采用多数票方式确定照片对应的场景类型t，例如其中t1和t2相等，t3不相等，道路类别按照两者相等的情况(多数票方式)确定。
场景分类模块可以有很多种实现方式，可以使用但并不仅限于深度学习方法。如果使用深度学习方法，则包含特征提取模块和分类模块，特征提取模块可以用卷积神经网络实现，分类模块可以用全连接网络实现。