[發(fā)明專利]云狀識別的方法和裝置

在審

• 申請?zhí)枺?/td>: 202010108356.2
• 申請日: 2020-02-21
• 公開（公告）號: CN111340093A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）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;G06K9/00
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 朱穎;臧建明

本發(fā)明提供一種云狀識別的方法和裝置。該方法包括：將天空圖像輸入云狀分類模型，得到天空圖像的各個(gè)云狀分類的置信度，其中，天空圖像中包括至少一個(gè)云狀，云狀分類模型用于確定天空圖像各個(gè)云高分類的概率值和各個(gè)云狀分類的概率值，將天空圖像各個(gè)云高分類的概率值和各個(gè)云狀分類的概率值進(jìn)行加權(quán)運(yùn)算，得到天空圖像的各個(gè)云狀分類的置信度，云狀分類模型是根據(jù)訓(xùn)練云狀圖像的云高和云狀訓(xùn)練得到，確定天空圖像的各個(gè)云狀分類的最大概率值對應(yīng)的云狀分類為天空圖像的云狀分類。本發(fā)明的方法，使得云狀識別的過程無需人工進(jìn)行觀測，節(jié)省了人力成本，同時(shí)提高了觀測效率，提高了云狀識別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及氣象領(lǐng)域，尤其涉及一種云狀識別的方法和裝置。

背景技術(shù)

云狀(cloud form)即云的外部形狀，按云的外形特征、結(jié)構(gòu)特點(diǎn)和云底高度進(jìn)行分類。在航空氣象等領(lǐng)域，云的辨別是極為重要的一環(huán)，云狀的分類對天氣識別、氣象災(zāi)害預(yù)測起著十分重要的作用，部分低云族會(huì)直接影響航班的起落飛行；云狀信息一直是機(jī)場、航空公司密切關(guān)注的部分。

現(xiàn)有的對云狀的識別需要經(jīng)過長期培訓(xùn)的氣象觀測員進(jìn)行，耗費(fèi)人力成本，觀測效率低。

發(fā)明內(nèi)容

本發(fā)明提供一種云狀識別的方法和裝置，用以解決人工進(jìn)行云狀識別，耗費(fèi)人力成本，云狀識別的效率低的問題。

第一方面，本發(fā)明提供一種云狀識別的方法，包括：

將天空圖像輸入云狀分類模型，得到所述天空圖像的各個(gè)云狀分類的置信度，所述天空圖像中包括至少一個(gè)云狀，所述云狀分類模型用于確定所述天空圖像各個(gè)云高分類的概率值和各個(gè)云狀分類的概率值，將所述天空圖像各個(gè)云高分類的概率值和各個(gè)云狀分類的概率值進(jìn)行加權(quán)運(yùn)算，得到所述天空圖像的各個(gè)云狀分類的置信度，所述云狀分類模型是根據(jù)訓(xùn)練云狀圖像的云高和云狀得到；

確定所述天空圖像的各個(gè)云狀分類的最大置信度對應(yīng)的云狀分類為所述天空圖像的云狀分類。

可選的，每個(gè)云高分類包括至少一種云狀分類；

所述將所述天空圖像各個(gè)云高分類的概率值和各個(gè)云狀分類的概率值進(jìn)行加權(quán)運(yùn)算，得到所述天空圖像的各個(gè)云狀分類的置信度，包括：

將所述天空圖像的各個(gè)所述云狀分類的概率值分別與所述云狀分類對應(yīng)的云高分類的概率值相乘，得到所述天空圖像各個(gè)所述云狀分類的置信度。

可選的，所述云狀分類模型用于對標(biāo)準(zhǔn)尺寸的圖像進(jìn)行識別，所述將天空圖像輸入云狀分類模型，得到所述天空圖像的各個(gè)云狀分類的置信度之前，還包括：

將所述天空圖像縮放到所述標(biāo)準(zhǔn)尺寸。

可選的，所述云狀分類模型包括：分類主干網(wǎng)絡(luò)、云高分類網(wǎng)絡(luò)和云狀分類網(wǎng)絡(luò)；

所述分類主干網(wǎng)絡(luò)分別與所述云高分類網(wǎng)絡(luò)和所述云狀分類網(wǎng)絡(luò)連接；

所述分類主干網(wǎng)絡(luò)，用于提取天空圖像的特征圖；

所述云高分類網(wǎng)絡(luò)，用于確定所述天空圖像各個(gè)云高分類的概率值；

所述云狀分類網(wǎng)絡(luò)，用于確定各個(gè)云狀分類的概率值。

可選的，所述分類主干網(wǎng)絡(luò)，包括依次連接的卷積層、批次歸一化BatchNorm層、尺度變換Scale層、修正線性單元ReLU激活層、像素相加Eltwise層和池化層；

所述云高分類網(wǎng)絡(luò)，包括依次連接的全連接層和邏輯回歸Softmax層；

所述云狀分類網(wǎng)絡(luò)，包括多個(gè)云狀分類分支，每個(gè)所述云狀分類分支包括依次連接的卷積層，全連接層和Softmax層。

可選的，所述云狀分類模型的訓(xùn)練過程包括：

將多個(gè)訓(xùn)練天空圖像縮放到標(biāo)準(zhǔn)尺寸；