[发明专利]一种基于图像清晰度的能见度识别的方法及设备

权利要求书

1.一种基于图像清晰度的能见度识别的方法，其特征在于，所述方法包括：

获取多个条件下的建筑物图像信息，对获取到的建筑物图像信息进行处理为训练数据；

根据所述训练数据训练图像清晰度比对模型；

对获取到的目标建筑物图像信息进行处理为待输入数据，将所述待输入数据输入至所述图像清晰度比对模型中，得到能见度与建筑物距离的比例；

根据所述目标建筑物的实际距离以及所述能见度与建筑物距离的比例确定所述目标建筑物的能见度。

2.根据权利要求1所述的方法，其特征在于，对获取到的建筑物图像信息进行处理为训练数据，包括：

对获取到的建筑物图像信息中每一张建筑物图像进行多次的平滑处理及增强通道操作，得到每一建筑物对应的改组图像；

对所述每一建筑物对应的改组图像中的每一图像进行建筑物清晰度标签标记；

将所述每一建筑物对应的改组图像以及对应的建筑物清晰度标签作为训练数据。

3.根据权利要求2所述的方法，其特征在于，根据所述训练数据训练图像清晰度比对模型，包括：

通过卷积层、batchnorm层、scale层、relu层、eltwise层、池化层、concat层及全连接层搭建孪生网络结构；

对所述训练数据中的每一建筑物对应的改组图像的每个像素点的RGB通道数据分别减去第一像素值、第二像素值及第三像素值，得到调整像素分布后的图像；

将所述调整像素分布后的图像的尺寸缩放到预设像素，得到预设图像；

将所述预设图像与所述对应的建筑物清晰度标签同时输入到所述孪生网络结构中，以训练为图像清晰度比对模型。

4.根据权利要求3所述的方法，其特征在于，将所述预设图像与所述对应的建筑物清晰度标签同时输入到所述孪生网络结构中之后，包括：

获取所述全连接层的最后一个全连接层输出的类别概率；

计算所述类别概率与所述建筑物清晰度标签的交叉熵损失；

根据所述交叉熵损失判断所述孪生网络结构是否达到收敛状态。

5.根据权利要求4所述的方法，其特征在于，所述方法包括：

对获取到的多个条件下的建筑物图像信息中每一图像进行截取出当前的标志性建筑物图像；

确定所述当前的标志性建筑物图像的标签，将所有的当前的标志性建筑物图像及对应的标签作为调整训练数据；

将达到收敛状态的孪生网络结构中的一个分支进行调整，得到调整后的网络结构；

将所述调整训练数据输入至所述调整后的网络结构中，输出结果；

根据所述输出结果迭代更新所述调整后的网络结构中的网络参数，直至所述调整后的网络结构达到收敛状态，得到图像清晰度比对模型。

6.根据权利要求5所述的方法，其特征在于，确定所述当前的标志性建筑物图像的标签，包括：

获取所述当前的标志性建筑物图像的查询数据，根据所述查询数据确定所述当前的标志性建筑物图像的清晰度值；

根据所述当前的标志性建筑物图像的清晰度值确定所述当前的标志性建筑物图像的标签。

7.根据权利要求5所述的方法，其特征在于，将达到收敛状态的孪生网络结构中的一个分支进行调整，得到调整后的网络结构，包括：

将收敛的孪生网络结构的一个分支中的网络参数进行固定并在该分支的最后一个全连接层后连接一个全连接层，得到调整后的网络结构。

8.根据权利要求5所述的方法，其特征在于，所述输出结果为浮点数，根据所述输出结果迭代更新所述调整后的网络结构中的网络参数，包括：

计算所述浮点数与所述当前的标志性建筑物图像的标签之间的均方误差损失函数；

根据所述均方误差损失函数迭代更新所述调整后的网络结构中的网络参数。