[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

说明书

本发明公开了一种气象自动观测积雪识别方法、装置、设备及存储介质，所述方法通过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，能够获得视频数据中积雪的细节信息，抑制其他无用信息，提高了积雪识别的速度和效率，避免了积雪天气的漏判错判，提升了积雪识别的准确性。

技术领域

本发明涉及天气监测技术领域，尤其涉及一种气象自动观测积雪识别方法、装置、设备及存储介质。

背景技术

无人值守自动气象站是天气监测自动化项目的重要组成部分；它具有高效、便捷、准确等多重优势，既可以节约人力成本，又有利于降低人为因素对数据的不良影响，具有观测站点间距离长、观测时间间隔短、时效性强、准确率高等特点，在发达国家，自动站已成为城市气象预报、防灾减灾不可缺少的基础设施。

积雪是近地面多气象要素共同作用的结果，不同观测来源的气象数据所采用的识别方法较多，现有的研究在晴雨识别上已有一定突破，但积雪识别的研究却相对较少，在机器学习和深度学习发展如火如荼的大背景下，如何加强影像解译和积雪监测，更好地融合深度学习模型是积雪识别需要继续努力的方向；积雪识别本质上是一种图像识别与特征表达，结合多源数据角度分类的天气识别可分为特征提取和分类器分类两个方向；特征提取方向主要对图像特征进行提取，将提取后的特征输入训练好的或是设置好参数的分类器就可以得到分类结果；代表方法有基于要素的方法，例如灰度共生矩阵；基于纹理的方法，例如结构法；基于能量分析的方法，例如频谱法，而分类器分类方向就以监督分类和非监督分类最为常用，非监督分类有K-均值和迭代自组织数据分析方法(Iterative Self-Organizing Data Analysis Technique，ISODATA)；监督分类方法通常有最大似然法、最小距离法和马氏距离法；随着学科的发展，人们又提出聚类分析、支持向量机算法和神经网络等；传统的算法都有各自的缺点，一般气象获取的图像多少会存在形变、光照、模糊等问题，内部干扰信息较多。

发明内容

本发明的主要目的在于提供一种气象自动观测积雪识别方法、装置、设备及存储介质，旨在解决现有技术中积雪识别干扰信息较多，识别准确率较低的技术问题。

第一方面，本发明提供一种气象自动观测积雪识别方法，所述气象自动观测积雪识别方法包括以下步骤：

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。

可选地，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。

可选地，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；