一种基于相机参数归一化的雨强测量方法技术

本发明专利技术涉及一种基于相机参数归一化的雨强测量方法，属于水文监测技术领域，解决了现有技术中无法实现大范围测量的问题。通过对多个相机的参数进行参数归一化后在分别获取多个第一雨幕图像和与之对应的带有雨量筒的第二雨幕图像；对所述第一雨幕图像进行图像归一化处理，得到第三雨幕图像；识别第二雨幕图像中雨量筒中雨量实际的液面高度；根据实际的液面高度以及对应的第三雨幕图像对构建的初始雨量测量神经网络进行训练得到训练好的雨量测量神经网络；使用参数归一化的相机获取待测量的雨幕图像，经图像归一化处理后，利用训练好的雨量测量神经网络得到测量的雨量值。实现了可以大范围的测量，并提高了算法的可推广性。性。性。

【技术实现步骤摘要】
一种基于相机参数归一化的雨强测量方法


[0001]本专利技术涉及水文监测
，尤其涉及一种基于相机参数归一化的雨强测量方法。

技术介绍

[0002]交通、气象监测、灾害预防等等诸多领域都需要准确测量降雨量数值。雨量过大会引起道路湿滑，引发交通事故；暴雨等极端天气条件会引起洪涝灾害，因此降雨量的准确测量非常重要。
[0003]当前降雨量的测量方式主要有翻斗式雨量计、超声波雷达雨量计、红外光学雨量计。其中翻斗式雨量计测量较为精确，但它无法进行大范围的雨量监测，超声波雷达雨量计设备较为昂贵，无法进行大范围的推广。光学雨量计的硬件设备为相机，可用于大范围的雨量监测且成本低廉。
[0004]相机通过统计画面中雨量的外形轮廓大小方式估计雨量值大小，虽然实现了实时雨量监测，但每帧的雨量数量、大小均不相同，因此其测量精度有限。除此之外，不同型号的相机分辨率、焦距、雨线角度等均不相同，传统的雨量测量方法只能在指定的相机中运行，经修改匹配之后，才可应用至其他相机，因此无法有效利用城市现有的监控相机网络进行大范围的雨量测量。算法的可推广性较差。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相机参数归一化的雨强测量方法，其特征在于，该方法包括：对多个相机的参数进行参数归一化处理；使用参数归一化后的多个相机分别获取多个第一雨幕图像和与所述第一雨幕图像对应的带有雨量筒的第二雨幕图像；对所述第一雨幕图像进行图像归一化处理，得到第三雨幕图像；识别第二雨幕图像中雨量筒中雨量实际的液面高度；根据实际的液面高度以及对应的第三雨幕图像对构建的初始雨量测量神经网络进行训练得到训练好的雨量测量神经网络；使用参数归一化的相机获取待测量的雨幕图像，经图像归一化处理后，利用训练好的雨量测量神经网络得到测量的雨量值。2.根据权利要求1所述的相机参数归一化的雨强测量方法，其特征在于，所述对多个相机的参数进行归一化处理，包括：将各相机对准视野内的最远物体，调整各相机焦距使最远物体最清晰，对各相机的焦距归一化。3.根据权利要求2所述的相机参数归一化的雨强测量方法，其特征在于，所述对所述第一雨幕图像进行图像归一化处理，得到第三雨幕图像，包括：根据获取的第一雨幕图像进行去除静态背景信息干扰，得到去除静态背景信息干扰后的第一雨幕图像；对去除干扰后的第一雨幕图像中的雨线角度进行归一化，得到所述角度归一化后的雨幕图像；对角度归一化后的雨幕图像的分辨率进行归一化，将图片分辨率以最小分辨率大小为基准得到统一大小分辨率的第三雨幕图像。4.根据权利要求1所述的相机参数归一化的雨强测量方法，其特征在于，所述初始雨量测量神经网络模型包括：第一卷积层、第一池化层、第二卷积层、第二池化层以及全连接层；所述第一卷积层、第一池化层、第二卷积层、第二池化层以及全连接层依次连接；所述第一卷积层用于对输入的第三雨幕图像进行特征提取，得到特征提取后的第四雨幕图像；所述第一池化层用于对第四雨幕图像进行尺寸压缩，得到压缩后的第四雨幕图像；所述第二卷积层用于将得到的压缩后的第四雨幕图像进行特征提取，得到特征提取后的第五雨幕图像；所述第二池化层用于将第五雨幕图像进行尺寸压缩，得到压缩后的第五雨幕图像；所述全连接层，用于将根据第五雨幕图像得到的数据进行分类并输出。5.根据权利要求1所述的相机参数归一化的雨强测量方法，其特征在于，所述识别第二雨幕图像中雨量筒中雨量实际的液面高度，包括：基于第二雨幕图像中的雨量筒图像，利用液面识别网络识别得到液面位置，根据液面位置以及雨量筒自身高度，得到液面的实际高度；其中，所述液面识别网络基于Mask R
‑
CNN神经...

【专利技术属性】
技术研发人员：张泽，邱赛，张绍，陈永超，
申请(专利权)人：齐鲁空天信息研究院，
类型：发明
国别省市：