[发明专利]能见度值的检测方法、装置、设备及存储介质

说明书

本说明书实施例提供一种能见度值的检测方法、装置、设备及存储介质。可以获取大量样本图像，根据样本图像的深度信息、以及样本图像的导通率确定样本图像的能见度值。然后通过这些携带有标定能见度值标签的样本图像对神经网络进行训练，利用训练好的神经网络预测图像中目标区域的能见度值。通过训练神经网络直接预测图像中目标区域的能见度值，可以无需部署专门的检测设备，并且可以准确地预测各种场景下的能见度值。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种能见度值的检测方法、装置、设备及存储介质。

背景技术

雾天、雾霾等气候会导致环境中的能见度较低，影响交通出行。比如，常见的团雾气候，是受局部地区的微气候环境的影响，在大雾局部范围内出现的能见度更低的雾，团雾发生时，能见度突然急剧降低，较难提前预测及预报，对道路交通安全危害性大，尤其是在高快速公路上，易酿成重大交通事故。因而，有必要提供一种可以方便而准确地确定目标区域的能见度值的方案。

发明内容

本公开提供一种能见度值的检测方法、装置、设备及存储介质。

根据本公开实施例的第一方面，提供一种能见度值的检测方法，所述方法包括：

获取目标区域的图像；

通过预先训练的神经网络以及所述图像确定所述目标区域的能见度值；其中，所述神经网络基于以下方式训练得到：

获取样本图像；

基于所述样本图像的深度信息以及所述样本图像的导通率确定所述样本图像的标定能见度值，作为所述样本图像的标签；所述导通率与所述样本图像的深度信息以及所述样本图像中的空气中的介质含量相关；

通过携带所述标定能见度值标签的样本图像对预设的初始神经网络进行训练，得到所述神经网络。

在一些实施例中，所述样本图像中包括目标对象，所述目标对象在三维空间中包括多个相对位置关系已知、共面且不共线的目标点；

所述样本图像的深度信息基于以下方式确定：

基于所述目标点标定采集所述样本图像的图像采集装置的内参数，以及所述图像采集装置的外参数；

根据所述内参数、所述外参数以及所述图像采集装置的高度确定所述样本图像中的像素点的深度信息。

在一些实施例中，所述目标对象包括道路中的标识线，所述目标点包括所述标识线的端点；或

所述目标对象包括道路中的指示牌，所述目标点包括所述指示牌的顶点。

在一些实施例中，基于所述样本图像的深度信息以及所述样本图像的导通率确定所述样本图像的标定能见度值，

从所述样本图像中确定目标像素点，所述目标像素点对应的三维点与所述目标点共面，且所述目标像素点的深度信息位于预设的深度范围；

基于所述目标像素点的深度信息以及所述目标像素点的导通率，确定所述目标像素点对应的能见度值；

将所述目标像素点对应的能见度值的平均值，作为所述样本图像的标定能见度值。

在一些实施例中，所述导通率通过暗通道先验方法确定。

在一些实施例中，所述通过携带所述标定能见度值标签的样本图像对预设的初始神经网络进行训练，包括：

通过主样本图像和辅助样本图像对所述初始神经网络进行训练，其中，所述主样本图像为携带标定能见度值标签的样本图像，所述辅助样本图像为携带标定能见度类别标签的样本图像，其中，不同的标定能见度类别对应不同的能见度值范围。

在一些实施例中，所述通过所述主样本图像和辅助样本图像对所述初始神经网络进行训练，包括：