随着经济发展和各道路干线的交叉融合,越来越多的人选择汽车出行,随之而来的是发生交通事故的频率也逐年升高,据统计,国内平均每三分钟就有一次交通事故发生,而恶劣天气条件下的路面状态是一个重要诱因,车辆在此条件下更易发生事故;此外,随着智能驾驶技术的发展,获取实时积水积雪路面状态在智能驾驶中也越发重要,通过获取路面状态实现指引汽车正常行驶。因此路面实时状态的检测识别,对于为出行车辆提供实时预警信息、保障道路安全运营和人身安全有很大促进作用。近年来深度学习、大数据的快速发展,为实现路面状态检测提供了新的方法。本文利用数字图像处理、深度学习技术,提出基于深度学习框架下的积水积雪路面状态检测识别方法。首先,改写识别模块内容以适应检测需求,并将其编译为动态链接库文件供检测系统调用;其次整理制作积水积雪路面状态数据集,对样本图片进行类别标注,转换图片数据格式后进行大规模数据训练,生成路面状态识别模型文件;然后系统初始化检测网络和模型文件,结合获取的摄像头实时码流数据,检测识别帧画面的路面状态,输出路面识别结果,如果有触发预警路段则可以获取其预警信息,保存该时刻的截图和视频文件,并在系统日志中记录识别结果;最后将识别后的帧画面显示在界面中。系统在积水积雪路面识别的实时性和不间断性、提供路面信息方面表现出良好性能,可以为路面管理监测和智能驾驶提供理论和技术支持。