[發(fā)明專利]基于深度學(xué)習(xí)的能見度監(jiān)測和模型訓(xùn)練方法、裝置、終端及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010042073.2
• 申請日: 2020-01-15
• 公開（公告）號: CN111259957A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計）人: 周康明;方飛虎
• 申請（專利權(quán)）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 倪靜

本申請?zhí)峁┗谏疃葘W(xué)習(xí)的能見度監(jiān)測和模型訓(xùn)練方法、裝置、終端及介質(zhì)，其包括：采集能見度監(jiān)測區(qū)域內(nèi)的參照物圖像并進(jìn)行圖像預(yù)處理；將預(yù)處理后的參照物圖像輸入經(jīng)深度學(xué)習(xí)訓(xùn)練的清晰度分類模型中，據(jù)以輸出所述參照物圖像對應(yīng)于多個清晰度類別的歸類置信度，并以其中歸類置信度最高的清晰度類別作為所述參照物圖像的清晰度類別；根據(jù)所述參照物與圖像采集地點位置之間的距離信息以及所述參照物圖像的清晰度類別信息，計算該參照物圖像所能反映的能見度值。本發(fā)明的優(yōu)勢在于始終執(zhí)行原始的能見度定義標(biāo)準(zhǔn)不受人的主觀影響，且能夠做到實時監(jiān)測，將觀測人員從每半小時一次的繁瑣工作中解放出來，大大提升了監(jiān)測的效率和精準(zhǔn)度。

技術(shù)領(lǐng)域

本申請涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，特別是涉及基于深度學(xué)習(xí)的能見度監(jiān)測和模型訓(xùn)練方法、裝置、終端及介質(zhì)。

背景技術(shù)

在航空氣象領(lǐng)域，能見度是一個非常重要的指標(biāo)，關(guān)系到飛機(jī)航班的能否正常航行。目前的能見度主要靠觀測人員每半小時一次的肉眼觀察，在當(dāng)?shù)貦C(jī)場附近的觀測站依據(jù)周圍標(biāo)志性建筑的肉眼可見清晰程度來判斷整體的能見度。

但是，現(xiàn)有技術(shù)中的能見度定義標(biāo)準(zhǔn)極大程度地受到人的主觀影響，而且無法做到實時監(jiān)測，也無法擺脫監(jiān)測中的人為失誤。因此，本領(lǐng)域亟需一種能夠智能又高效且不受人的主觀影響的能見度監(jiān)測方案。

申請內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點，本申請的目的在于提供基于深度學(xué)習(xí)的能見度監(jiān)測和模型訓(xùn)練方法、裝置、終端及介質(zhì)，用于解決現(xiàn)有技術(shù)中的問題。

為實現(xiàn)上述目的及其他相關(guān)目的，本申請的第一方面提供一種基于深度學(xué)習(xí)的能見度監(jiān)測方法，其包括：采集能見度監(jiān)測區(qū)域內(nèi)的參照物圖像并進(jìn)行圖像預(yù)處理；將預(yù)處理后的參照物圖像輸入經(jīng)深度學(xué)習(xí)訓(xùn)練的清晰度分類模型中，據(jù)以輸出所述參照物圖像對應(yīng)于多個清晰度類別的歸類置信度，并以其中歸類置信度最高的清晰度類別作為所述參照物圖像的清晰度類別；根據(jù)所述參照物與圖像采集地點位置之間的距離信息以及所述參照物圖像的清晰度類別信息，計算該參照物圖像所能反映的能見度值。

于本申請的第一方面的一些實施例中，所述圖像預(yù)處理包括圖像歸一化處理，其包括：通過預(yù)設(shè)的參照物位置信息截取參照物所在區(qū)域的圖像；將所截取圖像中的每個像素點的三個色彩通道數(shù)據(jù)分別減去對應(yīng)的預(yù)設(shè)通道數(shù)據(jù)，并縮放至預(yù)設(shè)像素尺寸。

于本申請的第一方面的一些實施例中，所述根據(jù)所述參照物與圖像采集地點位置之間的距離信息以及所述參照物圖像的清晰度類別信息，計算該參照物圖像所能反映的能見度值，其包括：獲取所述參照物與圖像采集地點位置之間的實際距離信息；獲取與所述參照物圖像的清晰度類別相對應(yīng)的最大能見度系數(shù)；將所述最大能見度系數(shù)作為所述參照物與圖像采集地點位置之間實際距離的權(quán)重系數(shù)，據(jù)以得到所述參照物圖像所反映的能見度值。

為實現(xiàn)上述目的及其他相關(guān)目的，本申請的第二方面提供一種基于深度學(xué)習(xí)的模型訓(xùn)練方法，用于訓(xùn)練本發(fā)明的第一方面中所涉及的清晰度分類模型；所述方法包括：采集多張不同能見度及不同光照條件下的參照物圖像數(shù)據(jù)；為每張圖像中的參照物標(biāo)記參照物的位置數(shù)據(jù)和清晰度標(biāo)簽類別數(shù)據(jù)；構(gòu)建一分類網(wǎng)絡(luò)模型，并以參照物的位置數(shù)據(jù)和清晰度標(biāo)簽類別數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)來訓(xùn)練所述分類網(wǎng)絡(luò)模型直至其收斂。

于本申請的第二方面的一些實施例中，所述以參照物的位置數(shù)據(jù)和清晰度標(biāo)簽類別數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)來訓(xùn)練所述分類網(wǎng)絡(luò)模型直至其收斂，其包括：對參照物圖像進(jìn)行歸一化處理；將歸一化處理后的參照物圖像數(shù)據(jù)及其對應(yīng)的位置數(shù)據(jù)和清晰度標(biāo)簽類別數(shù)據(jù)輸入所述分類網(wǎng)絡(luò)模型中，并計算二值交叉熵?fù)p失值；其中，在所述二值交叉熵?fù)p失值小于預(yù)設(shè)損失值的情況下，確定所述分類網(wǎng)絡(luò)模型收斂。