[发明专利]基于神经网络的能见度识别方法及系统、电子设备、存储介质

说明书

本申请涉及器视觉算法技术领域，基于神经网络的能见度识别方法，所述方法包括：采集历史视频；对历史视频进行分帧处理，得到分帧图片，作为训练数据集；对训练数据集进行标注能见度，得到标注能见度后的训练数据集；对标注能见度后的训练数据集进行神经网络训练，得到能见度神经网络模型；将待测视频的分帧图片通过能见度神经网络模型计算，得到待测视频的能见度。所述方法能够节约大量成本，提高了视频分析能见度的实用性。本申请还公开一种基于神经网络的能见度识别方法及系统、电子设备、存储介质。

技术领域

本申请涉及大气探测技术领域，例如涉及一种基于神经网络的能见度识别方法及系统、电子设备、存储介质。

背景技术

能见度，一般定义为具有正常视力的人在当时的天气条件下还能够看清楚目标轮廓的最大地面水平距离。能见度是影响道路交通的重要因素。低能见度得下降引起的交通事故和航班延误事件不仅带来了重大的经济损失，同时严重影响人们的生活。

为有通过视频识别出能见度，相关技术公开了一种采用双亮度差方法测量白天气象能见度。相关技术虽然能在通过视频图像来计算能见度，但该方法需大量人工成本，难以广泛推广使用。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

为了解决相关技术中存在的问题，本公开实施例提供了基于神经网络的能见度识别方法及系统、电子设备、存储介质。通过采集历史视频；对历史视频进行分帧处理，得到分帧图片，作为训练数据集；对训练数据集进行标注能见度，得到标注能见度后的训练数据集；对标注能见度后的训练数据集进行神经网络训练，得到能见度神经网络模型；将待测视频的分帧图片通过能见度神经网络模型计算，得到待测视频的能见度。

在一些实施例中，提供了一种基于神经网络的能见度识别方法，方法包括：

采集历史视频；

对历史视频进行分帧处理，得到分帧图片，作为训练数据集；

对训练数据集进行标注能见度，得到标注能见度后的训练数据集；

对标注能见度后的训练数据集进行神经网络训练，得到能见度神经网络模型；

将待测视频的分帧图片通过能见度神经网络模型计算，得到待测视频的能见度。

在一些实施例中，公开了一种基于神经网络的能见度识别系统，包括：

采集模块，被配置为采集历史视频；

分帧处理模块，被配置为对历史视频进行分帧处理，得到分帧图片，作为训练数据集；

标注能见度模块，被配置为对训练数据集进行标注能见度，得到标注能见度后的训练数据集；

训练模块，被配置为对标注能见度后的训练数据集进行神经网络训练，得到能见度神经网络模型；

识别模块，被配置为将待测视频的分帧图片通过能见度神经网络模型计算，得到待测视频的能见度。

在一些实施例中，公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，执行如上述的基于神经网络的能见度识别方法。

在一些实施例中，公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行如上述的基于神经网络的能见度识别方法。

本公开实施例提供的一种基于神经网络的能见度识别方法及系统、电子设备、存储介质，可以实现以下技术效果：