[发明专利]一种可实时识别降水类型的网络摄像机

说明书

本发明公开了一种可实时识别降水类型的网络摄像机，属于网络摄像机领域，包括摄像机驱动云台、图像采集系统、卷积神经网络识别模型系统、服务终端，摄像机驱动云台的两侧外表面设置有网络摄像机，且网络摄像机的外表面留有数据端口，网络摄像机通过数据端口上的数据线与图像采集系统电性连接，图像采集系统通过数据线与卷积神经网络识别模型系统电性连接，卷积神经网络识别模型系统通过数据线与服务终端电性连接。本发明收集不同场景、不同环境下的降水图片，采用卷积神经网络结合机器学习，将降水识别模型和网络摄像机整合到一起，将获取的摄像机实时视频帧传递给降水识别模型进行分析识别，标签化处理将收集的图片进行分类。

技术领域

本发明涉及网络摄像机领域，特别涉及一种可实时识别降水类型的网络摄像机。

背景技术

网络摄像机是传统摄像机与网络视频技术相结合的新一代产品，摄像机传送来的视频信号数字化后由高效压缩芯片压缩，通过网络总线传送到Web服务器，网络上用户可以直接用浏览器观看Web服务器上的摄像机图像，授权用户还可以控制摄像机云台镜头的动作或对系统配置进行操作，网络摄像机能更简单的实现监控特别是远程监控、更简单的施工和维护、更好的支持音频、更好的支持报警联动、更灵活的录像存储、更丰富的产品选择、更高清的视频效果和更完美的监控管理，另外，IPC支持WIFI无线接入、3G接入、POE供电（网络供电）和光纤接入。

现有的网络摄像机在使用时存在一定的弊端，安装环境要求高，目前降水检测设备都需要放到室外场地进行安装，无法满足任何地方的简单安装，无法做到实时，基础收集的历史降水量得出降水类型，如过去一分钟累积雨量达到某个值，然后根据这个值来显示过去一分钟的降水类型，需要进一步的完善。

发明内容

本发明的目的就在于提供一种可实时识别降水类型的网络摄像机，可以有效解决背景技术中的问题。

本发明通过以下技术方案来实现上述目的，一种可实时识别降水类型的网络摄像机，包括摄像机驱动云台、图像采集系统、卷积神经网络识别模型系统、服务终端，所述摄像机驱动云台的两侧外表面设置有网络摄像机，且所述网络摄像机的外表面留有数据端口，所述网络摄像机通过数据端口上的数据线与图像采集系统电性连接，所述图像采集系统通过数据线与卷积神经网络识别模型系统电性连接，所述卷积神经网络识别模型系统通过数据线与服务终端电性连接。

优选的，所述卷积神经网络识别模型系统包含3D含卷积层、池化层、全连接层和Softmax层，3D卷积层根据2D卷积神经网络的基础，对卷积神经网络维度进行拓展，网络结构中的每一层的卷积核尺寸、池化层过滤器尺寸均提升到三维，3D最大池化层同样选取最大池化方法，接受的卷积层输出为一个立方体数据，全连接层中，神经元与邻接层所有神经元相连，全连接层的输入，将特征空间到一个神经元向量，接下来利用矩阵乘法将输入的特征向量，前一层的输入将卷积的3D特征向量压平到一个神经元向量，最后输出层是Softmax层，最后一个神经向量将计算每个分类的概率。

优选的，所述摄像机驱动云台包括有控制器、横向驱动机构、竖向驱动机构，控制器接收控制信号利用横向驱动机构与竖向驱动机构调整网络摄像机所拍摄记录的范围。

优选的，所述卷积神经网络识别模型系统的模型的网络结构由神经层和下采样层交替实现，神经层包含3D卷积层，卷积核的尺寸为三维立方体，下采样层包含3D池化层，输入层数据一般由特征图按时序堆叠而成，主要包括输入层、卷积层、池化层、全连接层，搭建包含3层3D卷积层、3层3D池化层的卷积神经网络模型，使用线性整流函数作为激活函数。

优选的，所述服务终端包括有处理器、存储器、以太网协议模块。

优选的，所述图像采集系统为图像转存处理设备。