[发明专利]一种基于目标视觉效果的介质能见度识别方法

权利要求书

1.一种基于目标视觉效果的介质能见度识别方法，其特征在于，包括以下过程：

步骤100，通过双目摄像头采集目标物的视频数据，并通过能见度测试仪采集能见度数据，得到两路视频信号和能见度信号；

步骤200，利用目标分割算法从双目摄像头采集的两路视频信号中分别提取目标物的位置，得到目标物的提取结果；

步骤300，对得到目标物的提取结果，进行特征匹配；

步骤400，利用双目测距算法，得到目标物的距离信息，进而得到目标物检测距离与实际距离的偏差；

步骤500，利用目标视觉效果预测能见度算法对双目摄像头采集的两路视频信号中的每一帧图像，进行目标视觉效果能见度预测，预测得到的能见度区间；

步骤600，利用能见度平衡算法，进行最终的能见度预测。

2.根据权利要求1所述的基于目标视觉效果的介质能见度识别方法，其特征在于，步骤200包括以下过程：

步骤201，对视频两路视频信号中的每一帧图像，进行卷积神经网络提取特征；

步骤202，利用区域提取网络进行初步分类与回归；

步骤203，对候选框特征图进行对齐操作；

步骤204，利用卷积神经网络对目标进行分类、回归、分割，得到目标物的提取结果。

3.根据权利要求1所述的基于目标视觉效果的介质能见度识别方法，其特征在于，步骤300包括以下过程：

步骤301，对两个目标物轮廓，进行提取关键点；

步骤302，对得到的关键点，进行定位关键点；

步骤303，根据定位的关键点，确定关键点的特征向量；

步骤304，通过各关键点的特征向量，关键点匹配。

4.根据权利要求1所述的基于目标视觉效果的介质能见度识别方法，其特征在于，步骤400包括以下过程：

步骤401，对双目摄像头进行标定；

步骤402，对双目摄像头进行双目校正；

步骤403，对双目摄像头采集的图像进行双目匹配；

步骤404，计算双目匹配后的图像的深度信息，得到图像中目标物的距离信息。

5.根据权利要求1所述的基于目标视觉效果的介质能见度识别方法，其特征在于，步骤500包括以下过程：

步骤501，构建目标视觉效果预测能见度算法网络结构；

步骤502，将步骤200得到的得到目标物的提取结果，输入目标视觉效果预测能见度算法网络结构，得到多尺度的特征图；

步骤503，经过目标视觉效果预测能见度算法网络结构对图像进行分类，得到目标图像分类结果，实现预测得到的能见度区间。

6.根据权利要求5所述的基于目标视觉效果的介质能见度识别方法，其特征在于，所述目标视觉效果预测能见度算法网络结构包括：输入层、卷积层、第一个提取特征模块、合并通道、第二个提取特征模块、合并通道、全连接层、分类结构输出层；其中，每个提取特征模块包括5个卷积核。

7.根据权利要求1所述的基于目标视觉效果的介质能见度识别方法，其特征在于，步骤600包括以下过程：

步骤601，构建能见度平衡算法网络结构，所述能见度平衡算法网络结构包括输入层、循环神经网络、全连接层和能见度区间输出层；

步骤602，将能见度依次输入循环神经网络，得到考虑时间序列的结果；

步骤603，将循环神经网络的输出连接一个全连接层，得到该时间序列所对应的能见度区间值。