天气预测方法及相关装置制造方法及图纸

本申请提供了一种天气预测方法及相关装置，包括：根据获取的待预测视频数据获取至少一个待预测图像数据，并将其输入第一分类模型，得到第一分类结果；在第一分类结果为常规天气类型中的天气类型时，确定第一分类结果对应的天气类型为参考天气类型；在第一分类结果为未知天气类型时，获取每个第一天气类型的分类概率；根据分类概率确定第一分类结果的分类情况；获取目标图像特征；根据分类情况、目标图像特征和第二分类模型，获取第二分类结果；确定第二分类结果的天气类型为参考天气类型；获取每个待预测图像数据的参考天气类型；根据每个待预测图像数据对应的参考天气类型确定目标天气类型。可以提高天气情况预测的准确度。可以提高天气情况预测的准确度。可以提高天气情况预测的准确度。

【技术实现步骤摘要】
天气预测方法及相关装置


[0001]本申请属于互联网产业的一般数据处理
，具体涉及一种天气预测方法及相关装置。

技术介绍

[0002]随着互联网产业的迅速发展，视频的发送速度更快，视频传输的质量也更高，使得利用视频内容进行天气预测成为可能。然而当前利用视频内容进行天气预测时的预测的技术不完善，且预测准确度不够，以至于无法基于针对目标区域内的视频数据获得准确的天气情况，使得推送给用户的目标区域内的天气情况不准确，导致用户使用体验不高。

技术实现思路

[0003]本申请实施例提供了一种天气预测方法及相关装置，以提高基于视频数据进行天气情况预测的准确度，提高用户使用体验。
[0004]第一方面，本申请实施例提供了一种天气预测方法，包括：获取待预测视频数据；根据所述待预测视频数据获取至少一个待预测图像数据；将所述至少一个待预测图像数据输入第一分类模型中，得到每个待预测图像数据对应的第一分类结果，所述第一分类模型的训练模型为将视觉几何群网络（Visual Geometry Group Network，VGG）16模型的三个全连接层依次替换为一个压平flatten层、一个第一全连接层、一个丢弃dropout层和一个第二全连接层，所述第一全连接层的激活函数为线性整流relu函数，所述第二全连接层的激活函数为归一化指数softmax函数，所述第一分类结果为多个第一天气类型中的天气类型，所述多个第一天气类型互斥，所述多个第一天气类型中包括多个常规天气类型和一个未知天气类型；在所述第一分类结果为所述常规天气类型中的任意一个天气类型时，确定所述第一分类结果对应的天气类型为待预测图像数据对应的参考天气类型；在所述第一分类结果为所述未知天气类型时，获取所述第一分类模型在进行分类时，每个第一天气类型对应的分类概率；以及，根据每个第一天气类型对应的分类概率确定所述第一分类结果的分类情况，所述分类情况用于表征所述待预测图像数据对应的天气情况属于所述常规天气类型以外的其他异常天气类型，或者所述天气情况属于组合天气类型，所述组合天气类型为所述多个常规天气类型中至少两个天气类型的组合；以及，获取基于所述第一分类模型提取的所述待预测图像数据的目标图像特征；以及，根据所述分类情况、所述目标图像特征和第二分类模型，获取所述待预测图像数据对应的第二分类结果，所述第二分类模型为深度神经网络的分类模型，所述第二分类结果对应的天气类型为所述其他异常天气类型中的天气类型或者为所述组合天气类型中的天气类型；以及，
确定所述第二分类结果对应的天气类型为所述待预测图像数据对应的参考天气类型；获取所述至少一个待预测图像数据中每个待预测图像数据对应的参考天气类型；根据所述每个待预测图像数据对应的参考天气类型确定所述待预测视频数据对应的目标天气类型。
[0005]第二方面，本申请实施例提供了一种天气预测装置，包括：第一获取单元，用于获取待预测视频数据；第二获取单元，用于根据所述待预测视频数据获取至少一个待预测图像数据；第三获取单元，用于将所述至少一个待预测图像数据输入第一分类模型中，得到每个待预测图像数据对应的第一分类结果，所述第一分类模型的训练模型为将VGG16模型的三个全连接层依次替换为一个压平flatten层、一个第一全连接层、一个丢弃dropout层和一个第二全连接层，所述第一全连接层的激活函数为线性整流relu函数，所述第二全连接层的激活函数为归一化指数softmax函数，所述第一分类结果为多个第一天气类型中的天气类型，所述多个第一天气类型互斥，所述多个第一天气类型中包括多个常规天气类型和一个未知天气类型；第一确定单元，用于在所述第一分类结果为所述常规天气类型中的任意一个天气类型时，确定所述第一分类结果对应的天气类型为待预测图像数据对应的参考天气类型；第四获取单元，用于在所述第一分类结果为所述未知天气类型时，获取所述第一分类模型在进行分类时，每个第一天气类型对应的分类概率；以及，第二确定单元，用于根据每个第一天气类型对应的分类概率确定所述第一分类结果的分类情况，所述分类情况用于表征所述待预测图像数据对应的天气情况属于所述常规天气类型以外的其他异常天气类型，或者所述天气情况属于组合天气类型，所述组合天气类型为所述多个常规天气类型中至少两个天气类型的组合；以及，第五获取单元，用于获取基于所述第一分类模型提取的所述待预测图像数据的目标图像特征；以及，第六获取单元，用于根据所述分类情况、所述目标图像特征和第二分类模型，获取所述待预测图像数据对应的第二分类结果，所述第二分类模型为深度神经网络的分类模型，所述第二分类结果对应的天气类型为所述其他异常天气类型中的天气类型或者为所述组合天气类型中的天气类型；以及，第三确定单元，用于确定所述第二分类结果对应的天气类型为所述待预测图像数据对应的参考天气类型；第七获取单元，用于获取所述至少一个待预测图像数据中每个待预测图像数据对应的参考天气类型；第四确定单元，用于根据所述每个待预测图像数据对应的参考天气类型确定所述待预测视频数据对应的目标天气类型。
[0006]第三方面，本申请实施例提供了一种服务器，包括处理器、存储器和通信接口；所述存储器、所述通信接口与所述处理器连接；所述存储器用于存储计算机程序代码，所述计算机程序代码包括指令，当所述处理器执行所述指令时，所述电子设备执行如上述第一方面中所述的方法。
[0007]第四方面，本申请实施例提供了一种计算机存储介质其上存储有计算机程序/指令，该计算机程序/指令被处理器执行实现上述第一方面所述方法的步骤。
[0008]第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
[0009]可见，本申请实施例中，根据获取的视频数据获取至少一个待预测图像数据，然后将所述至少一个待预测图像数据输入第一分类模型中，得到每个待预测图像数据对应的第一分类结果，所述第一分类模型的训练模型为将VGG16模型的三个全连接层依次替换为一个flatten层、一个第一全连接层、一个dropout层和一个第二全连接层，所述第一全连接层的激活函数为relu函数，所述第二全连接层的激活函数为softmax函数，所述第一分类结果为多个第一天气类型中的天气类型，所述多个第一天气类型互斥，所述多个第一天气类型中包括多个常规天气类型和一个未知天气类型，再然后在所述第一分类结果为所述常规天气类型中的任意一个天气类型时，确定所述第一分类结果对应的天气类型为待预测图像数据对应的参考天气类型；在所述第一分类结果为所述未知天气类型时，获取所述第一分类模型在进行分类时，每个第一天气类型对应的分类概率；以及，根据每个第一天气类型对应的分类概率确定所述第一分类结果的分类情况，所述分类情况用于表征所述待预测图像数据对应的天气情况属于所述常规天气类型以外的其他异常天气类型，或者所述天气情况属于组合天气类型，所述组合天气类型为所述多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天气预测方法，其特征在于，包括：获取待预测视频数据；根据所述待预测视频数据获取至少一个待预测图像数据；将所述至少一个待预测图像数据输入第一分类模型中，得到每个待预测图像数据对应的第一分类结果，所述第一分类模型的训练模型为将VGG16模型的三个全连接层依次替换为一个压平flatten层、一个第一全连接层、一个丢弃dropout层和一个第二全连接层，所述第一全连接层的激活函数为线性整流relu函数，所述第二全连接层的激活函数为归一化指数softmax函数，所述第一分类结果为多个第一天气类型中的天气类型，所述多个第一天气类型互斥，所述多个第一天气类型中包括多个常规天气类型和一个未知天气类型；在所述第一分类结果为所述常规天气类型中的任意一个天气类型时，确定所述第一分类结果对应的天气类型为待预测图像数据对应的参考天气类型；在所述第一分类结果为所述未知天气类型时，获取所述第一分类模型在进行分类时，每个第一天气类型对应的分类概率；以及，根据每个第一天气类型对应的分类概率确定所述第一分类结果的分类情况，所述分类情况用于表征所述待预测图像数据对应的天气情况属于所述常规天气类型以外的其他异常天气类型，或者所述天气情况属于组合天气类型，所述组合天气类型为所述多个常规天气类型中至少两个天气类型的组合；以及，获取基于所述第一分类模型提取的所述待预测图像数据的目标图像特征；以及，根据所述分类情况、所述目标图像特征和第二分类模型，获取所述待预测图像数据对应的第二分类结果，所述第二分类模型为深度神经网络的分类模型，所述第二分类结果对应的天气类型为所述其他异常天气类型中的天气类型或者为所述组合天气类型中的天气类型；以及，确定所述第二分类结果对应的天气类型为所述待预测图像数据对应的参考天气类型；获取所述至少一个待预测图像数据中每个待预测图像数据对应的参考天气类型；根据所述每个待预测图像数据对应的参考天气类型确定所述待预测视频数据对应的目标天气类型。2.根据权利要求1所述的方法，其特征在于，所述根据每个第一天气类型对应的分类概率确定所述第一分类结果的分类情况，包括：确定是否存在第二天气类型，所述第二天气类型为所述常规天气类型中所述分类概率属于预设阈值范围，且所述分类概率之间的差距小于第一预设值的天气类型，所述第二天气类型的数量至少为两个；若存在，则确定每个第二天气类型对应的参考图像特征的重合率，所述参考图像特征为所述目标图像特征中与所述每个第二天气类型关联的图像特征；确定所述重合率与所述每个第二天气类型对应的分类概率之间的差距是否匹配；若匹配，则确定所述第一分类结果的分类情况表征所述待预测图像数据对应的天气情况属于所述其他异常天气类型；若不匹配，则确定所述第一分类结果的分类情况表征所述待预测图像数据对应的天气情况属于所述组合天气类型。3.根据权利要求2所述的方法，其特征在于，所述确定每个第二天气类型对应的参考图
像特征的重合率之前，所述方法还包括：确定多个第二天气类型是否能同时存在；若否，则确定所述第一分类结果的分类情况表征所述待预测图像数据对应的天气情况属于所述其他异常天气类型。4.根据权利要求3所述的方法，其特征在于，所述根据所述分类情况、所述目标图像特征和第二分类模型，获取所述待预测图像数据对应的第二分类结果，包括：在所述分类情况表征所述待预测图像数据对应的天气情况属于所述其他异常天气类型的情况下，将所述目标图像特征输入所述第二分类模型，获取所述待预测图像数据对应的第二分类结果，所述第二分类结果对应的天气类型为所述其他异常天气类型中的天气类型；在所述分类情况表征所述待预测图像数据对应的天气情况属于所述组合天气类型的情况下，确定所述多个第二天气类型中每个第二天气类型的预设图像特征集合，所述预设图像特征集合中的多个图像特征用于共同指示所述第二天气类型；获取所述每个第二天气类型对应的未重合特征，所述未重合特征为所述每个第二天气类型对应的参考图像特征中除重合图像特征以外的图像特征，所述重合图像特征为所述多个第二天气类型均对应的图像特征；确定所述每个第二天气类型对应的未重合特征在所述每个第二天气类型对应的预设图像特征集合中的图像特征数量占比；根据所述图像特征数量占比获取所述第二分类结果，所述第二分类结果对应的天气类型为所述组合天气类型中的天气类型，且所述组合天气类型包括的天气类...

【专利技术属性】
技术研发人员：韩锋，薛锦秀，安宏伟，杨洋，张旭东，
申请(专利权)人：深圳市昆特科技有限公司，
类型：发明
国别省市：