【技术实现步骤摘要】
能见度值检测方法、装置、设备及存储介质
[0001]本公开涉及人工智能
，尤其涉及一种能见度值检测方法、装置、设备及存储介质。
技术介绍
[0002]雾天、雾霾、沙尘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，可以通过识别待检测区域的能见度值来判定雾天、沙尘等气候的影响，以指导交通出行。所以，有必要提供一种可以方便而准确地确定待检测区域的能见度值的方案。
技术实现思路
[0003]本公开提供一种能见度值检测方法、装置、设备及存储介质。
[0004]根据本公开实施例的第一方面，提供一种能见度值检测方法，所述方法包括：
[0005]获取待检测图像；
[0006]对所述待检测图像进行特征提取，得到所述待检测图像的表征量；
[0007]基于预先标定的表征量与能见度值...
【技术保护点】
【技术特征摘要】
1.一种能见度值检测方法，其特征在于，所述方法包括：获取待检测图像；对所述待检测图像进行特征提取，得到所述待检测图像的表征量；基于预先标定的表征量与能见度值的映射关系、以及所述待检测图像的表征量，确定所述待检测图像的能见度值；其中，所述表征量用于表征图像中包含的场景的能见度值的大小。2.根据权利要求1所述的方法，其特征在于，对所述待检测图像进行特征提取，包括：通过预先训练的神经网络对所述待检测图像进行特征提取；其中，所述神经网络基于以下方式训练得到：获取携带标签信息的样本图像对，所述标签信息用于指示所述样本图像对中的两帧图像对应的能见度值的大小关系；通过预设的初始神经网络输出所述样本图像对中的两帧图像能见度值大小关系的预测结果；基于所述预测结果与所述标签信息的差异，调整所述初始神经网络的网络参数，得到所述神经网络。3.根据权利要求2所述的方法，其特征在于，所述初始神经网络包括特征提取网络、表征量确定网络和输出层；所述通过预设的初始神经网络输出所述样本图像对中的两帧图像能见度值大小关系的预测结果，包括：通过所述特征提取网络对所述样本图像对中的两帧图像进行特征提取；通过所述表征量确定网络基于所述特征提取网络提取到的特征，确定所述样本图像对中的两帧图像各自的表征量；通过所述输出层基于所述样本图像对中的两帧图像各自的表征量确定所述两帧图像的能见度值大小关系。4.根据权利要求3所述的方法，其特征在于，所述表征量确定网络包括第一网络分支和第二网络分支；所述通过所述表征量确定网络基于所述特征提取网络提取到的特征，确定所述样本图像对中的两帧图像各自的表征量，包括：通过所述第一网络分支基于从所述样本图像对中的第一图像提取得到的特征，确定所述第一图像的表征量；通过所述第二网络分支基于从所述样本图像对中的第二图像提取得到的特征，确定所述第二图像的表征量。5.根据权利要求2
‑
4任一项所述的方法，其特征在于，所述样本图像对基于以下方式得到：获取至少两个第一图像集，其中，每个所述第一图像集中各图像的能见度值范围相同，任意两个所述第一图像集中各图像的能见度值范围不重叠；从所述任意两个第一图像集中分别选取一帧图像，构成所述样本图像对。6.根据权利要求1
‑
5任一项所述的方法，其特征在于，所述表征量为一维标量，所述表征量与能见度值的映射关系基于以下方式确定：
获取至少一个第二图像集，每个所述第二图像集中各图像的能见度值范围相同；基于确定的每个所述第二图像集中各图像的表征量，得到每个所述第二图像集中各图像的表征量分布范围；基于每个所述第二图像集中各图像的能见度值范围和所述表征量分布范围，确定所述映射关系；或获取第三图像集，所述第三图像集中各图像的能见度值已知；基于确定的所述第三图像集中各图像的表征量和所述第三图像集中各图像的能见度值确定所述映射关系。7.根据权利要求6所述的方法，其特征在于，基于每个所述第二图像集中各图像的能见度值范围和所述表征量分布范围，确定所述映射关系，包括：基于相邻两个所述第二图像集中，各图像的能见度值范围和所述表征量分布范围，确定目标能见度值对应的表征量，其中，相邻两个所述第二图像集中各图像的能见度值范围连续，且通过所述目标能见度值...
【专利技术属性】
技术研发人员：陈康，谭发兵，朱铖恺，武伟，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。