基于尺度不变特征变换图像识别的团雾监测捕获方法及装置制造方法及图纸

本申请提供了基于尺度不变特征变换图像识别的团雾监测捕获方法及装置，属于团雾监测技术领域，所述方法包括：获取图像信息集，采用尺度不变特征变换算法将获取的图像信息集融合成每个团雾易发点的全景图像信息；利用VisNet卷积神经网络对全景图像信息进行特征处理，获取全景图像信息中的能见度特征；将能见度特征与气象数据作为BP神经网络预测模型的输入，经过隐含层的计算，输出团雾易发点的能见度值；根据能见度值获取团雾易发点的能见度等级，基于能见度等级在团雾易发点输出对应的提醒信息，完成对团雾的监测捕获，本申请结合摄像头图像与气象数据，有效避免摄像头图像或气象数据单方面出现偏差造成的能见度解析误差问题。误差问题。误差问题。

【技术实现步骤摘要】
基于尺度不变特征变换图像识别的团雾监测捕获方法及装置


[0001]本申请涉及团雾监测
，具体说是一种基于尺度不变特征变换图像识别的团雾监测捕获方法及装置。

技术介绍

[0002]低能见度的大雾天气引发的交通事故是影响高速公路的运输能力和交通安全的重要因子，极低能见度的强浓雾预报预测是气象工作中的难点问题。让灾害性天气监测预警最大限度的在高速公路运行保障应急预案中发挥作用成为了当下亟需解决的问题。
[0003]提高对低能见度天气的观测能力，增强气象观测的时间空间密度，有效保障恶劣天气条件下的交通安全，力求获取最大的经济效益和社会效益，已经成为当前加强防灾减灾工作的一项重要而紧迫的任务。
[0004]近年来随着图像技术的发展，视频图像法逐步形成一类新的能见度观测方法。该方法通过照相机(摄像机)拍摄黑色目标物，从数字图像中求解目标物与背景之间亮度的比值，以此推算大气能见度。FilipeC.、戴宠达等先后都进行了视频图像识别能见度的相关研究。不难发现，由于目标物的非黑体特性以及天空亮度的不均匀性，视频图像法的观测结果可能存在一定的偏差，并且目前存在采用摄像头图像或气象数据单方面出现偏差造成的能见度解析误差的问题。
[0005]因此，如何克服上述存在的技术问题和缺陷成为需要重点解决的问题。

技术实现思路

[0006]为了克服目前摄像头图像或气象数据单方面出现偏差造成的能见度解析误差的问题，本申请提供了基于尺度不变特征变换图像识别的团雾监测捕获方法及装置，采用了如下的技术方案：/>[0007]第一方面，本申请提供了基于尺度不变特征变换图像识别的团雾监测捕获方法，包括：
[0008]步骤S1、获取图像信息集，所述图像信息集为每个团雾易发点不同角度的图像信息集合；所述图像信息集的获取方式包括通过监控系统拍摄获取；
[0009]步骤S2、采用尺度不变特征变换算法将获取的所述图像信息集融合成所述每个团雾易发点的全景图像信息；
[0010]步骤S3、利用VisNet卷积神经网络对所述全景图像信息进行特征处理，获取所述全景图像信息中的能见度特征；
[0011]步骤S4、将所述能见度特征与气象数据作为BP神经网络预测模型的输入，经过隐含层的计算，输出所述团雾易发点的能见度值；
[0012]步骤S5、根据所述能见度值匹配所述团雾易发点的能见度等级，基于所述能见度等级在所述团雾易发点输出对应的提醒信息，完成对团雾的监测捕获。
[0013]进一步地，所述步骤S1中的监控系统包括：在所述每个团雾易发点布设若干摄像
头，每个摄像头通过物联网与其他摄像头组成无线网络，其中一个摄像头作为汇聚节点，所有摄像头定时拍照并通过物联网传输给汇聚节点，由汇聚节点对图像进行压缩并上传服务器。
[0014]进一步地，在所述每个团雾易发点布设若干摄像头包括：所述每个团雾易发点设置6个摄像头，将所述6个摄像头设置为一组，所述汇聚节点为所述6个摄像头中的其中一个摄像头。
[0015]进一步地，所述步骤S2中的采用尺度不变特征变换算法将获取的所述图像信息融合成所述团雾易发点的全景图像信息，具体表现为：
[0016](1)加载所述每个团雾易发点的所述图像信息集，提取出所述图像信息集中的特征点；
[0017](2)对所述图像信息集中的所述特征点进行匹配；匹配所述特征点包括显示图像信息集的匹配特征点，并取出所述匹配特征点；
[0018](3)根据所述匹配特征点对所述图像信息集进行拟合几何变换；将所述图像信息集中的一张图像作为模板图像，其他图像作为变换图像；基于模板图像计算变换图像的空间变换范围，并对变换图像实施变换；
[0019](4)将完成变换的图像进行融合，形成所述全景图像信息。
[0020]进一步地，所述步骤S3中的利用VisNet卷积神经网络对所述全景图像信息进行特征处理包括：
[0021](1)将获取的所述全景图像进行快速傅里叶变换滤波获取所述全景图像的主要物体轮廓基本特征；
[0022](2)将获取的所述全景图像进行光谱滤波获取所述全景图像的能见度对比度识别区域；
[0023](3)将所述快速傅里叶变换滤波结果与所述光谱滤波的结果与所述全景图像作为训练卷积神经网络的输入，获取所述全景图像的特征信息。
[0024]进一步地，所述步骤S4中的气象数据包括：气压、温度、相对湿度、降水、风速、风向、能见度。
[0025]进一步地，所述步骤S4中的BP神经网络预测模型训练的具体表现如下：
[0026](1)获取历史监控系统视频流中的团雾视频流片段；
[0027](2)对所述团雾视频流片段进行帧处理，剔除不可用图像，通过对图像像素及背景场的分析锐化，筛选配准图像，获取第一图像信息；针对白天和夜间光源等环境的差异，分别生成不同条件下的样本库；
[0028](3)将所述团雾易发点不同角度的所述第一图像信息采用尺度不变特征变换算法获取其全景图像信息，作为第二图像信息；
[0029](4)获取所述团雾易发点的气象数据信息，作为第一气象数据信息；
[0030](5)将所述第二图像信息与所述第一气象数据信息按照时间尺度和空间区域进行匹配，将匹配结果作为BP神经网络预测模型的输入，对所述BP神经网络预测模型进行训练，基于能见度预测值与能见度实际值的差异，对BP神经网络预测模型进行参数调优。
[0031]第二方面，本申请还提供了基于尺度不变特征变换图像识别的团雾监测捕获装置，包括：图像信息获取模块，全景图像信息获取模块，全景图像信息处理模块，能见度值获
取模块，能见度等级获取模块；
[0032]所述图像信息获取模块，用于获取图像信息集，所述图像信息集为每个团雾易发点不同角度的图像信息集合；所述图像信息集的获取方式包括通过监控系统拍摄获取；
[0033]所述全景图像信息获取模块，用于采用尺度不变特征变换算法将获取的所述图像信息集融合成所述每个团雾易发点的全景图像信息；
[0034]所述全景图像信息处理模块，用于利用VisNet卷积神经网络对所述全景图像信息进行特征处理，获取所述全景图像信息中的能见度特征；
[0035]所述能见度值获取模块，用于将所述能见度特征与气象数据作为BP神经网络预测模型的输入，经过隐含层的计算，输出所述团雾易发点的能见度值；
[0036]所述能见度等级获取模块，用于根据所述能见度值匹配所述团雾易发点的能见度等级，基于所述能见度等级在所述团雾易发点输出对应的提醒信息，完成对团雾的监测捕获。
[0037]第三方面，本申请提供了一种电子设备，包括：
[0038]一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行如第一方面所述的方法。
[0039]第四方面，本申请提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于尺度不变特征变换图像识别的团雾监测捕获方法，其特征在于，包括：步骤S1、获取图像信息集，所述图像信息集为每个团雾易发点不同角度的图像信息集合；所述图像信息集的获取方式包括通过监控系统拍摄获取；步骤S2、采用尺度不变特征变换算法将获取的所述图像信息集融合成所述每个团雾易发点的全景图像信息；步骤S3、利用VisNet卷积神经网络对所述全景图像信息进行特征处理，获取所述全景图像信息中的能见度特征；步骤S4、将所述能见度特征与气象数据作为BP神经网络预测模型的输入，经过隐含层的计算，输出所述团雾易发点的能见度值；步骤S5、根据所述能见度值匹配所述团雾易发点的能见度等级，基于所述能见度等级在所述团雾易发点输出对应的提醒信息，完成对团雾的监测捕获。2.根据权利要求1的基于尺度不变特征变换图像识别的团雾监测捕获方法，其特征在于，所述步骤S1中的监控系统包括：在所述每个团雾易发点布设若干摄像头，每个摄像头通过物联网与其他摄像头组成无线网络，其中一个摄像头作为汇聚节点，所有摄像头定时拍照并通过物联网传输给汇聚节点，由汇聚节点对图像进行压缩并上传服务器。3.根据权利要求2的基于尺度不变特征变换图像识别的团雾监测捕获方法，其特征在于，在所述每个团雾易发点布设若干摄像头包括：所述每个团雾易发点设置6个摄像头，将所述6个摄像头设置为一组，所述汇聚节点为所述6个摄像头中的其中一个摄像头。4.根据权利要求1的基于尺度不变特征变换图像识别的团雾监测捕获方法，其特征在于，所述步骤S2中的采用尺度不变特征变换算法将获取的所述图像信息融合成所述团雾易发点的全景图像信息，具体表现为：(1)加载所述每个团雾易发点的所述图像信息集，提取出所述图像信息集中的特征点；(2)对所述图像信息集中的所述特征点进行匹配；匹配所述特征点包括显示图像信息集的匹配特征点，并取出所述匹配特征点；(3)根据所述匹配特征点对所述图像信息集进行拟合几何变换；将所述图像信息集中的一张图像作为模板图像，其他图像作为变换图像；基于模板图像计算变换图像的空间变换范围，并对变换图像实施变换；(4)将完成变换的图像进行融合，形成所述全景图像信息。5.根据权利要求1的基于尺度不变特征变换图像识别的团雾监测捕获方法，其特征在于，所述步骤S3中的利用VisNet卷积神经网络对所述全景图像信息进行特征处理包括：(1)将获取的所述全景图像进行快速傅里叶变换滤波获取所述全景图像的主要物体轮廓基本特征；(2)将获取的所述全景图像进行光谱滤波获取所述全景图像的能见度对比度识别区域；(3)将所述快速傅里叶变换滤波结果与所述光谱滤波的结果与所述全景图像作为...

【专利技术属性】
技术研发人员：元保军，胡雪瑞，杜晓宾，马晓岩，叶冠宁，王慧中，马建红，许芃，卫权岗，田昕，
申请(专利权)人：河南省气象探测数据中心河南省气象档案馆，
类型：发明
国别省市：