[发明专利]气象自动观测积雪识别方法、装置、设备及存储介质

权利要求书

1.一种气象自动观测积雪识别方法，其特征在于，所述气象自动观测积雪识别方法包括：

获取自动气象站的当前视频数据，对所述当前视频数据进行积雪初步识别，获得积雪目标区域；

通过残差网络模型提取所述积雪目标区域的积雪特征，通过位置注意力模块和通道注意力模块对所述积雪特征进行全局整合和局部聚焦，获得积雪强化特征；

将验证图片的图片特征与所述积雪强化特征进行匹配，根据匹配结果判断当前时刻是否有积雪。

2.如权利要求1所述的气象自动观测积雪识别方法，其特征在于，所述获取自动气象站的当前视频数据，对所述当前视频数据进行积雪初步识别，获得积雪目标区域，包括：

获取自动气象站的各观测场镜头拍摄的当前视频数据；

对所述当前视频数据的图像分辨率进行统一，根据预设关键区域信息对统一分辨率后的视频数据进行积雪初步识别，获得积雪目标区域。

3.如权利要求1所述的气象自动观测积雪识别方法，其特征在于，所述通过残差网络模型提取所述积雪目标区域的积雪特征，通过位置注意力模块和通道注意力模块对所述积雪特征进行全局整合和局部聚焦，获得积雪强化特征，包括：

通过残差网络模型从所述积雪目标区域中提取积雪的深层语义特征作为积雪特征；

通过位置注意力模块对所述积雪特征中的每个位置的特征进行加权求和并进行局部聚焦，获得位置聚焦特征；

通过通道注意力模块整合所述积雪特征中相互关联的通道特征并进行积雪信息通道映射，获得通道关联特征；

将所述位置聚焦特征和所述通道关联特征作为积雪强化特征。

4.如权利要求3所述的气象自动观测积雪识别方法，其特征在于，所述通过位置注意力模块对所述积雪特征中的每个位置的特征进行加权求和并进行局部聚焦，获得位置聚焦特征，包括：

获取所述积雪特征对应的局部特征图，将所述局部特征图输入至位置注意力模块，通过卷积神经网络的卷积层从所述注意力模块中获得卷积特征图；

将所述卷积特征图进行维度变化，对维度变化后的特征图进行矩阵乘法计算获得空间注意图；

获取预设尺度参数和所述局部特征图的叠加像素，根据所述空间注意图、所述预设尺寸参数和所述叠加像素计算获得位置聚焦特征。

5.如权利要求4所述的气象自动观测积雪识别方法，其特征在于，所述将所述卷积特征图进行维度变化，对维度变化后的特征图进行矩阵乘法计算获得空间注意图，包括：

将所述卷积特征图进行维度变化，对维度变化后的特征图通过下式进行矩阵乘法计算获得空间注意图：

其中，x_ji为空间注意图，C为通道数，A_i、A_j分别为局部特征图A第i、j位置上的元素，exp(A_i·A_j)为A_i和A_j的乘积以e为底的指数。

6.如权利要求4所述的气象自动观测积雪识别方法，其特征在于，所述获取预设尺度参数和所述局部特征图的叠加像素，根据所述空间注意图、所述预设尺寸参数和所述叠加像素计算获得位置聚焦特征，包括：

获取预设尺度参数和所述局部特征图的叠加像素；

根据所述空间注意图、所述预设尺寸参数和所述叠加像素通过下式计算获得位置聚焦特征：

其中，E_j为位置聚焦特征，β为预设尺寸参数，x_ji为空间注意图，C为通道数，A_i、A_j分别为局部特征图A第i、j位置上的元素。