[發明專利]一種可實時識別降水類型的網絡攝像機

在審

• 申請號: 201910311957.0
• 申請日: 2019-04-18
• 公開（公告）號: CN110049216A
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 史劍波;湯友宇;張超
• 申請（專利權）人: 安徽易睿眾聯科技有限公司
• 主分類號: H04N5/225
• 分類號: H04N5/225;H04N7/18;G06N3/04
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 白凱園

1.一種可實時識別降水類型的網絡攝像機，其特征在于：包括攝像機驅動云臺（1）、圖像采集系統（3）、卷積神經網絡識別模型系統（4）、服務終端（5），所述攝像機驅動云臺（1）的兩側外表面設置有網絡攝像機（2），且所述網絡攝像機（2）的外表面留有數據端口，所述網絡攝像機（2）通過數據端口上的數據線與圖像采集系統（3）電性連接，所述圖像采集系統（3）通過數據線與卷積神經網絡識別模型系統（4）電性連接，所述卷積神經網絡識別模型系統（4）通過數據線與服務終端（5）電性連接。

2.根據權利要求1所述的一種可實時識別降水類型的網絡攝像機，其特征在于：所述卷積神經網絡識別模型系統（4）包含3D含卷積層、池化層、全連接層和Softmax層，3D卷積層根據2D卷積神經網絡的基礎，對卷積神經網絡維度進行拓展，網絡結構中的每一層的卷積核尺寸、池化層過濾器尺寸均提升到三維，3D最大池化層同樣選取最大池化方法，接受的卷積層輸出為一個立方體數據，全連接層中，神經元與鄰接層所有神經元相連，全連接層的輸入，將特征空間到一個神經元向量，接下來利用矩陣乘法將輸入的特征向量，前一層的輸入將卷積的3D特征向量壓平到一個神經元向量，最后輸出層是Softmax層，最后一個神經向量將計算每個分類的概率。

3.根據權利要求1所述的一種可實時識別降水類型的網絡攝像機，其特征在于：所述攝像機驅動云臺（1）包括有控制器、橫向驅動機構、豎向驅動機構，控制器接收控制信號利用橫向驅動機構與豎向驅動機構調整網絡攝像機（2）所拍攝記錄的范圍。

4.根據權利要求1所述的一種可實時識別降水類型的網絡攝像機，其特征在于：所述卷積神經網絡識別模型系統（4）的模型的網絡結構由神經層和下采樣層交替實現，神經層包含3D卷積層，卷積核的尺寸為三維立方體，下采樣層包含3D池化層，輸入層數據一般由特征圖按時序堆疊而成，主要包括輸入層、卷積層、池化層、全連接層，搭建包含3層3D卷積層、3層3D池化層的卷積神經網絡模型，使用線性整流函數作為激活函數。

5.根據權利要求1所述的一種可實時識別降水類型的網絡攝像機，其特征在于：所述服務終端（5）包括有處理器、存儲器、以太網協議模塊。

6.根據權利要求1所述的一種可實時識別降水類型的網絡攝像機，其特征在于：所述圖像采集系統（3）為圖像轉存處理設備。