一种基于树叶运动特征的风场测量方法技术

本发明专利技术涉及一种基于树叶运动特征的风场测量方法，属于风速测量技术领域，解决了现有技术中不能感知场景中风速分布的问题。具体包括：保持相机像素当量一致并获取不同风速下的树叶形态的单通道视频，按照时序展开，形成图像数据集；同时对图像数据集中每一帧图像对应的风速进行测量，得到风速真值；采用混合高斯模型获取每帧图像中的前景点；根据得到的前景点得到每帧图像中前景点集中区域的轮廓，得到具有风速真值的轮廓；将每个轮廓的特征和对应的风速真值作为一个样本，训练机器学习模型进行；利用训练好的机器学习模型对待预测风速的图像进行风速预测，获取该图像对应的风速值。实现了仅利用光学相机即可感知风速分布，计算简单，成本低廉。成本低廉。成本低廉。

【技术实现步骤摘要】
一种基于树叶运动特征的风场测量方法


[0001]本专利技术涉及风速测量
，尤其涉及一种基于树叶运动特征的风场测量方法。

技术介绍

[0002]气象条件对于交通、安防等人类活动有重要影响。风速是一个重要的气象条件。传统的风速测量手段主要有机械式、超声波、激光雷达等。机械式风速计不但存在机械磨损，而且只能测量单点风速，超声波测速没有磨损，能够测量风速三维矢量，但测量的仍然是单点风速，并且容易受到气温和噪声的影响，激光雷达测风能够获取风速风向，但是测量的是风速的投影并且价格昂贵。

技术实现思路

[0003]鉴于上述的分析，本专利技术实施例旨在提供一种基于树叶运动特征的风场测量方法，用以解决现有方法中不能感知场景中风速等级分布的问题。
[0004]一方面，本专利技术实施例提供了一种基于树叶运动特征的风场测量方法，具体包括：
[0005]保持相机像素当量一致并获取不同时刻不同风速下的树叶形态的单通道视频，将视频按照时序展开，形成图像数据集；
[0006]采集图像的同时，对图像数据集中每一帧图像对应的风速进行测量，得到每帧图像的风速真值；
[0007]采用混合高斯模型获取每帧图像中的前景点；
[0008]根据每帧图像中的前景点得到每帧图像中前景点集中区域的轮廓，根据风速真值对轮廓进行筛选，得到具有风速真值的轮廓；
[0009]提取轮廓的特征，将每个轮廓的特征和该轮廓对应的风速真值作为一个样本，对机器学习模型进行训练得到训练好的机器学习模型；
[0010]利用训练好的机器学习模型对待预测风速的图像进行风速预测，获取该图像对应的风速值。
[0011]可选地，所述采用混合高斯模型获取每帧图像中的前景点，包括：
[0012]将图像数据集中的每帧图像的每个像素点和混合高斯模型进行匹配，若匹配成功则此像素点为背景点，若匹配不成功则此像素点为前景点。
[0013]可选地，所述采用混合高斯模型获取每帧图像中的前景点，包括：
[0014]将混合高斯模型参数初始化；
[0015]利用参数初始化后的混合高斯模型对图像数据集中的图像进行匹配，并且每匹配一个像素点之后，对混合高斯模型参数进行更新，利用更新后的混合高斯模型对图像数据集中的下一幅图像对应的像素点进行匹配，直至完成图像数据集中所有图像的匹配，找出每个图像中的前景点。
[0016]可选地，找到前景点后，将前景点像素值置255，背景点置0。
[0017]可选地，所述混合高斯模型为：
[0018][0019]其中，ω
i
是第i个高斯分布的权值，是第i个高斯分布概率密度函数，μ
i
为第i个高斯分布的平均值，为第i个高斯分布的方差。
[0020]可选地，采用如下方式对混合高斯模型参数进行初始化：
[0021]获取图像数据集拍摄之前的一段时间内的图像，计算该段时间内每个像素点的平均值及方差，基于每个像素点的平均值和方差初始化混合高斯模型的参数。具体如下：
[0022][0023][0024]其中，图像序列长度为N，I
m,t
表示t时刻图像上第m个像素点的灰度值，μ
m
表示第m个像素点的平均灰度值，μ
m,k
表示第m个像素点的第k个高斯分布的平均灰度值，表示第m个像素点的第k个高斯分布的方差，K表示每个混合高斯模型中高斯分布的数量。
[0025]可选地，与I
m,t
相匹配的高斯分布按照下式更新：：
[0026]ω
m,k,t
＝(1
‑
α)ω
m,k,t
‑1+α
[0027]μ
m,k,t
＝(1
‑
β)μ
m,k,t
‑1+βI
m,t
[0028][0029][0030]其中，I
m,t
表示t时刻第m个像素点的灰度值；ω
m,k,t
表示第m个像素点第k个高斯分布在t时刻的权重；α表示学习率；β表示参数学习率；ω
m,k,t
‑1表示第m个像素点第k个高斯分布在t
‑
1时刻的权重；表示第m个像素点的第k个高斯分布在t时刻的方差；表示第m个像素点的第k个高斯分布在t
‑
1时刻的方差；μ
m,k,t
表示第m个像素点的第k个高斯分布在t时刻的平均灰度值。
[0031]可选地，所述轮廓的特征包括：
[0032]轮廓区域中的熵、轮廓中前景点的数目、轮廓中前景点之间的平均距离、轮廓周长、轮廓面积、轮廓密度以及轮廓中心点对应景物距离相机的距离。
[0033]可选地，所述利用训练好的机器学习模型对待预测风速的图像进行风速预测，获取该图像对应的风速值，包括：
[0034]采用混合高斯模型提取待预测风速的图像中的前景点，并根据前景点得到前景点集中区域的轮廓，提取各轮廓的特征输入训练好的机器学习模型，得到图像中各轮廓的预测风速，该预测风速即为该图像对应的风速值。
[0035]可选地，所述根据每帧图像中的前景点得到每帧图像中前景点集中区域的轮廓包括：对每帧图像中的前景点进行腐蚀膨胀处理得到前景点集中区域的轮廓。
[0036]另一方面，与现有技术相比，本专利技术至少可实现如下有益效果之一：
[0037]1、本专利技术利用光学相机获取场景图像，利用图像处理技术，获取因风速等级不同而产生不同运动状态的树叶形态，提取有效特征，用训练好的机器学习模型对所得到的特征组合进行分类，从而能感知场景中风速等级分布情况。相比与传统方法，本专利技术仅仅利用光学相机即可感知风速等级分布，计算简单，成本低廉。
[0038]本专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
[0039]附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件。
[0040]图1为本专利技术实施例中基于树叶运动特征的风场测量方法流程图；
[0041]图2为本专利技术实施例中相机获取的图像；
[0042]图3为本专利技术实施例中获取前景点中匹配图像；
[0043]图4为本专利技术实施例中腐蚀膨胀后找到前景点轮廓图像；
[0044]图5为本专利技术实施例中风速等级预测图。
具体实施方式
[0045]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0046]本专利技术的一个具体实施例，公开了一种基于树叶运动特征的风场测量方法，如图1所示。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于树叶运动特征的风场测量方法，其特征在于，具体包括：保持相机像素当量一致并获取不同时刻不同风速下的树叶形态的单通道视频，将视频按照时序展开，形成图像数据集；采集图像的同时对图像数据集中每一帧图像对应的风速进行测量，得到每帧图像的风速真值；采用混合高斯模型获取每帧图像中的前景点；根据每帧图像中的前景点得到每帧图像中前景点集中区域的轮廓，根据风速真值对轮廓进行筛选，得到具有风速真值的轮廓；提取轮廓的特征，将每个轮廓的特征和该轮廓对应的风速真值作为一个样本，对机器学习模型进行训练得到训练好的机器学习模型；利用训练好的机器学习模型对待预测风速的图像进行风速预测，获取该图像对应的风速值。2.根据权利要求1所述的基于树叶运动特征的风场测量方法，其特征在于，所述采用混合高斯模型获取每帧图像中的前景点，包括：将图像数据集中的每帧图像的每个像素点和混合高斯模型进行匹配，若匹配成功则此像素点为背景点，若匹配不成功则此像素点为前景点。3.根据权利要求2所述的基于树叶运动特征的风场测量方法，其特征在于，所述采用混合高斯模型获取每帧图像中的前景点，包括：将混合高斯模型参数初始化；利用参数初始化后的混合高斯模型对图像数据集中的图像进行匹配，并且每匹配一个像素点之后，对混合高斯模型参数进行更新，利用更新后的混合高斯模型对图像数据集中的下一幅图像对应的像素点进行匹配，直至完成图像数据集中所有图像的匹配，找出每个图像中的前景点。4.根据权利要求3所述的基于树叶运动特征的风场测量方法，其特征在于，找到前景点后，将前景点像素值置255，背景点置0。5.根据权利要求3所述的基于树叶运动特征的风场测量方法，其特征在于，所述混合高斯模型为：其中，ω
i
是第i个高斯分布的权值，是第i个高斯分布概率密度函数，μ
i
为第i个高斯分布的平均值，为第i个高斯分布的方差，x为一段图像序列。6.根据权利要求3所述的基于树叶运动特征的风场测量方法，其特征在于，采用如下方式对混合高斯模型参数进行初始化：获取图像数据集拍摄之前的一段时间内的图像，计算该段时间内每个像素点的平均值及方差，基于每个像素点的平均值和方差初始化混合高斯模型的参数，具体如下：
其中，图像序列长度为N，I
m,t
表示t时刻图像上第m个像素点的灰度值，μ

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