[发明专利]油雾的确定方法、装置、存储介质及电子装置

权利要求书

1.一种油雾的确定方法，其特征在于，包括：

获取通过图像采集设备所采集到的目标图像；

对第一图像进行检测，获得所述第一图像的目标纹理信息，其中，所述第一图像是由所述目标图像变换得到的；

将第二图像输入第一分类网络，获得第一分类结果，其中，所述第二图像是由所述第一图像变换得到的，所述第一分类结果用于指示所述第二图像是否为目标场景下拍摄的图像；

将第三图像输入第二分类网络，获得第二分类结果，其中，所述第三图像是由所述第二图像变换得到的，所述第二分类结果用于指示所述第三图像中的油雾浓度，所述第二图像所对应的颜色空间和所述第三图像所对应的颜色空间不同；

根据所述目标纹理信息，所述第一分类结果和所述第二分类结果，确定所述目标图像中是否存在油雾。

2.根据权利要求1所述的方法，其特征在于，根据所述目标纹理信息，所述第一分类结果和所述第二分类结果，确定所述目标图像中是否存在油雾，包括：

在所述目标纹理信息所指示的纹理程度小于预定程度阈值，所述第一分类结果用于指示所述第二图像为所述目标场景下拍摄的图像，且在基于所述第二分类结果确定出所述油雾浓度超过目标浓度阈值的情况下，确定所述目标图像中存在油雾。

3.根据权利要求1所述的方法，其特征在于，所述对第一图像进行检测，获得所述第一图像的目标纹理信息，包括：

获取所述第一图像的灰度图像；

对所述第一图像的灰度图像进行去噪操作，获得去噪图像；

根据所述去噪图像的梯度强度和梯度方向，使用非极大值抑制算法，获取所述去噪图像的边缘纹理图；

根据所述边缘纹理图，获取所述目标纹理信息。

4.根据权利要求1所述的方法，其特征在于，所述第一图像为YUV图像，所述第二图像为RGB图像，所述第三图像为HSV图像。

5.根据权利要求1所述的方法，其特征在于，在将第二图像输入第一分类网络，获得第一分类结果之前，所述方法还包括：

获得分类网络模型，其中，所述分类网络模型包括卷积层、池化层、Flatten层、全连接层和Softmax层，所述卷积层、所述池化层、所述Flatten层、所述全连接层和所述Softmax层依次连接；

使用第一图像样本集合训练所述分类网络模型，得到所述第一分类网络。

6.根据权利要求5所述的方法，其特征在于，在将第三图像输入第二分类网络，获得第二分类结果之前，所述方法还包括：

使用第二图像样本集合训练所述分类网络模型，得到所述第二分类网络。

7.根据权利要求5所述的方法，其特征在于，所述卷积层中包括六层卷积层，其中，在所述卷积层中：

第一卷积层的输出与第二卷积层的输入连接，所述第一卷积层的输出还与第三卷积层的输入连接，所述第三卷积层中包括两层卷积层；

所述第二卷积层的输出与所述第三卷积层的输出均与第一合并模块的输入连接，所述第一合并模块用于对所述第二卷积层的输出数据与所述第三卷积层的输出数据进行合并；

所述第一合并模块的输出与第四卷积层的输入以及第二合并模块的输入连接，所述第四卷积层的输出与所述第二合并模块的输入连接，所述第二合并模块用于对所述第一合并模块的输出数据与所述第四卷积层的输出数据进行合并，并将合并得到的数据输入至所述池化层中，其中，所述第四卷积层中包括两层卷积层。