【技术实现步骤摘要】
本专利技术涉及图像数据处理技术及深度学习领域，更具体地，涉及一种基于特征增强及多尺度特征的积水情况识别方法、电子设备及介质。
技术介绍
1、随着城市化进程的加速，暴雨引发的积水问题已成为许多城市面临的重要挑战。及时、准确地评估城市积水的程度，对于灾害预防和减灾至关重要。近年来，计算机视觉和深度学习技术的快速发展推动了城市积水监测技术的革新。传统的监测方法主要依赖水位计和传感器的布置，这些设备的部署成本高且难以覆盖广泛区域。为了解决这些问题，研究者们开始探索基于计算机视觉和深度学习算法的积水检测方法。例如，通过利用城市道路的监控视频，结合深度学习模型，可以实时、自动地从视频图像中识别积水的深度和分布情况，从而提供更高效、低成本的解决方案。
2、已有的研究表明，基于计算机视觉的积水检测方法具有显著优势。例如，最近的两项研究分别采用yolov3和yolov4深度学习模型进行积水水深识别，取得了较好的效果。然而，它们在识别积水等级时仍存在一定的准确性问题，且实用性有所欠缺。
3、因此，有必要开发一种基于特征增强及多尺度特征的积水情况识别方法、电子设备及介质。
4、公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术提出了一种基于特征增强及多尺度特征的积水情况识别方法、电子设备及介质，其能够通过网络结构对数据进行训练，并
2、第一方面，本公开实施例提供了一种基于特征增强及多尺度特征的积水情况识别方法，包括：
3、获得目标图像；
4、建立多尺度特征融合网络模型，根据所述目标图像获得多尺度特征图，其中，所述多尺度特征融合网络模型包括四个特征提取分支；
5、根据所述多尺度特征图进行物体分类，获得原始图像；
6、针对所述原始图像进行数据增强，获得增强数据；
7、根据所述增强数据，基于边缘端和服务端的识别所述目标图像的积水情况。
8、优选地，所述四个特征提取分支的卷积操作为：
9、
10、其中，fi表示输入检测头的融合特征图，oi表示第i个分支的输出。
11、优选地，根据所述多尺度特征图进行物体分类包括：
12、根据所述多尺度特征图生成先验框；
13、通过学习和预测每个先验框的偏移量，定位物体的边界框；
14、通过分类器计算每个先验框的不同类别的概率，实现物体分类。
15、优选地，所述数据增强包括分段线性变换与直方图均衡化。
16、优选地，所述分段线性变换为：
17、
18、式中，r表示原始图像的像素值，s表示变换图像的像素值，a、b、c、d、e、f是分段拉伸参数。
19、优选地，所述直方图均衡化包括：
20、计算所示原始图像的直方图，通过直方图累加计算原始图像的累积分布函数，进而通过插值计算得到新的灰度值。
21、优选地，根据所述增强数据，基于边缘端和服务端的识别所述目标图像的积水情况包括：
22、基于所述增强数据进行边缘端识别，若所述边缘端识别出积水，则通过所述服务端进行二次识别，识别积水等级，获得所述积水情况。
23、优选地，若所述边缘端识别出积水，则不进行二次识别。
24、第二方面，本公开实施例还提供了一种电子设备，该电子设备包括：
25、存储器，存储有可执行指令；
26、处理器，所述处理器运行所述存储器中的所述可执行指令，以实现所述的基于特征增强及多尺度特征的积水情况识别方法。
27、第三方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现所述的基于特征增强及多尺度特征的积水情况识别方法。
28、本专利技术的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
本文档来自技高网...【技术保护点】
1.一种基于特征增强及多尺度特征的积水情况识别方法，其特征在于，包括：
2.根据权利要求1所述的基于特征增强及多尺度特征的积水情况识别方法，其中，所述四个特征提取分支的卷积操作为：
3.根据权利要求1所述的基于特征增强及多尺度特征的积水情况识别方法，其中，根据所述多尺度特征图进行物体分类包括：
4.根据权利要求1所述的基于特征增强及多尺度特征的积水情况识别方法，其中，所述数据增强包括分段线性变换与直方图均衡化。
5.根据权利要求4所述的基于特征增强及多尺度特征的积水情况识别方法，其中，所述分段线性变换为：
6.根据权利要求4所述的基于特征增强及多尺度特征的积水情况识别方法，其中，所述直方图均衡化包括：
7.根据权利要求1所述的基于特征增强及多尺度特征的积水情况识别方法，其中，根据所述增强数据，基于边缘端和服务端的识别所述目标图像的积水情况包括：
8.根据权利要求7所述的基于特征增强及多尺度特征的积水情况识别方法，其中，若所述边缘端识别出积水，则不进行二次识别。
9.一种电子设备，其特征
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-8中任一项所述的基于特征增强及多尺度特征的积水情况识别方法。
...【技术特征摘要】
1.一种基于特征增强及多尺度特征的积水情况识别方法，其特征在于，包括：
2.根据权利要求1所述的基于特征增强及多尺度特征的积水情况识别方法，其中，所述四个特征提取分支的卷积操作为：
3.根据权利要求1所述的基于特征增强及多尺度特征的积水情况识别方法，其中，根据所述多尺度特征图进行物体分类包括：
4.根据权利要求1所述的基于特征增强及多尺度特征的积水情况识别方法，其中，所述数据增强包括分段线性变换与直方图均衡化。
5.根据权利要求4所述的基于特征增强及多尺度特征的积水情况识别方法，其中，所述分段线性变换为：
6.根据权利要求4所述的基于特征增强...
【专利技术属性】
技术研发人员：潘冉，李国强，赵岱翔，胡志峰，刘启诚，宋晓锋，刘鹏，沈啸天，张月，
申请(专利权)人：北京北排装备产业有限公司，
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。