本發(fā)明涉及水文與氣象，尤其提出一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法。

背景技術(shù)：

1、降水是氣象、水文、農(nóng)業(yè)等諸多領(lǐng)域中重要的氣象變量，地面觀測、雷達(dá)估測和衛(wèi)星反演是目前獲取降水?dāng)?shù)據(jù)的主要方式。傳統(tǒng)的地面觀測最直接有效，其觀測獲得的降水?dāng)?shù)據(jù)也被公認(rèn)為是最可信賴的，能夠較準(zhǔn)確地獲取觀測點附近的降水量。但受成本、地形等因素的限制，地面觀測站的空間分布及覆蓋范圍有限，無法充分反映降水的空間分布。視頻觀測作為一種獲取降水?dāng)?shù)據(jù)的新興手段，能用較低的成本覆蓋觀測區(qū)域，實時獲取降水?dāng)?shù)據(jù)并充分反映觀測區(qū)域的降水空間分布。

2、基于視頻觀測估計降雨強(qiáng)度算法在開發(fā)，訓(xùn)練算法模型的過程中需要大量的降雨視頻數(shù)據(jù)作為支撐，而現(xiàn)實生活中監(jiān)控鏡頭所拍攝的視頻并不只包含降雨時間段，同時由于硬件參數(shù)，周圍環(huán)境光等因素的影響，所拍攝出的降雨視頻中的降雨條紋也不一定能夠足夠清晰，因此需要對這些視頻片段進(jìn)行篩選。另一方面，由于視頻背景中的移動目標(biāo)會對降雨強(qiáng)度估計算法產(chǎn)生影響，為研究背景中移動目標(biāo)對于降雨強(qiáng)度估計算法影響的機(jī)理，同時為了更好的應(yīng)對不同的場景，我們需要對降雨視頻的背景根據(jù)移動目標(biāo)的多少進(jìn)行分類。

技術(shù)實現(xiàn)思路

1、技術(shù)問題：本發(fā)明目的是提出一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，為基于視頻進(jìn)行降雨強(qiáng)度估計算法的開發(fā)工作提供基礎(chǔ)，篩選出合格的視頻數(shù)據(jù)。

2、技術(shù)方案：本發(fā)明公開了一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，該方法包括如下步驟：

3、步驟1：對需要進(jìn)行篩選的視頻進(jìn)行預(yù)處理；

4、步驟2：基于凸優(yōu)化算法對預(yù)處理后的視頻數(shù)據(jù)集中的視頻片段進(jìn)行分解，得到視頻降雨層以及視頻背景層；

5、步驟3：基于分解得到視頻降雨層進(jìn)行降雨檢測，識別視頻片段是否包含降雨，篩除不包含降雨的視頻片段；

6、步驟4：基于yolo算法對分解得到的視頻背景層進(jìn)行移動目標(biāo)檢測，計算移動目標(biāo)在整個視頻畫面中的占比，從而對視頻片段進(jìn)行分類；

7、步驟5：基于凸優(yōu)化算法的篩除結(jié)果以及yolo算法的視頻分類結(jié)果，篩選出降雨強(qiáng)度估計算法研究所需的降雨視頻素材。

8、進(jìn)一步的，所述步驟1中的預(yù)處理包括對視頻進(jìn)行降分辨率處理以及灰值化處理，轉(zhuǎn)化成分辨率為1280*720的黑白視頻。

9、進(jìn)一步的，所述步驟2中得到的視頻降雨層是凸優(yōu)化算法分離出僅包含畫面中降雨條紋的部分。

10、進(jìn)一步的，所述步驟2中得到的視頻背景層是視頻畫面除去降雨條紋所保留的部分，包含了除降雨條紋以外的所有畫面信息。

11、進(jìn)一步的，所述步驟3中的移動目標(biāo)檢測包括了視頻背景中移動的行人和車輛。

12、進(jìn)一步的，所述步驟5中的降雨強(qiáng)度估計算法研究所需的降雨視頻素材要求視頻片段中的降雨條紋可見，同時根據(jù)移動物體在整個畫面中的占比進(jìn)行視頻分類。

13、進(jìn)一步的，所述步驟5中降雨條紋可見定義為可以被降雨識別算法所分離，其像素亮度明顯區(qū)別于周邊環(huán)境，可被人肉眼所觀察。

14、進(jìn)一步的，所述步驟5中移動物體的占比由yolo算法進(jìn)行計算，yolo算法判斷畫面哪些像素點屬于移動物體，并計算移動物體的像素占畫面像素點的比例。

15、進(jìn)一步的，所述步驟5中視頻分類基于移動物體的占比分為無移動(0％)，少量移動(0-5％)，中等移動(5-15％)，大量移動物體(大于15％)四類。

16、有益效果，與現(xiàn)有技術(shù)相比，本發(fā)明的技術(shù)方案具有以下有益效果：

17、本發(fā)明所提出的基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，能有效對所得到的視頻進(jìn)行篩選，得到降雨條紋清晰的降雨視頻同時對視頻背景中的移動目標(biāo)進(jìn)行識別，基于移動目標(biāo)在視頻畫面中的占比進(jìn)行分類，為基于降雨視頻進(jìn)行降雨強(qiáng)度估計算法的開發(fā)提供可靠的視頻數(shù)據(jù)。

技術(shù)特征：

1.一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，其特征在于，該方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，其特征在于，步驟1中的預(yù)處理包括對視頻進(jìn)行降分辨率處理以及灰值化處理，轉(zhuǎn)化成分辨率為1280*720的黑白視頻。

3.根據(jù)權(quán)利要求1所述的一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，其特征在于，步驟2中得到的視頻降雨層是凸優(yōu)化算法分離出僅包含畫面中降雨條紋的部分。

4.根據(jù)權(quán)利要求1所述的一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，其特征在于，步驟2中得到的視頻背景層是視頻畫面除去降雨條紋所保留的部分，包含了除降雨條紋以外的所有畫面信息。

5.根據(jù)權(quán)利要求1所述的一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，其特征在于，步驟3中的移動目標(biāo)檢測包括了視頻背景中移動的行人和車輛。

6.根據(jù)權(quán)利要求1所述的一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，其特征在于，步驟5中的降雨強(qiáng)度估計算法研究所需的降雨視頻素材要求視頻片段中的降雨條紋可見，根據(jù)移動物體在整個畫面中的占比進(jìn)行視頻分類，所述條紋可見為像素亮度大于周邊環(huán)境像素。

7.根據(jù)權(quán)利要求1所述的一種基于凸優(yōu)化算法以及yolo算法的降雨視頻篩選方法，其特征在于，步驟5中移動物體的占比由yolo算法進(jìn)行計算，yolo算法判斷出畫面中像素點屬于移動物體，并計算移動物體的像素占畫面像素點的比例。

技術(shù)總結(jié)
本發(fā)明提出一種基于凸優(yōu)化算法以及Yolo算法的降雨視頻篩選方法，通過算法來篩選降雨強(qiáng)度估計算法研究所需的降雨視頻素材，屬于水文與氣象技術(shù)領(lǐng)域。該方法包括：基于凸優(yōu)化算法分解視頻圖像，基于分離的降雨層進(jìn)行降雨檢測，基于Yolo算法對分離的背景層進(jìn)行移動目標(biāo)檢測并統(tǒng)計移動目標(biāo)在整個背景中的占比，基于得到的占比以及降雨檢測結(jié)果來篩選出降雨強(qiáng)度估計算法研究所需的降雨視頻素材。

技術(shù)研發(fā)人員：朱仟,覃曉東,李致遠(yuǎn)
受保護(hù)的技術(shù)使用者：東南大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19