针对利用机器视觉算法估算雨量低准确率的问题,提出基于社会监控视频的雨量反演算法。首先利用降雨分类网络剔除无雨视频;其次引入交替方向乘子法(alternating direction method of multipliers,ADMM)提取降雨视频的前景信息,并通过语...针对利用机器视觉算法估算雨量低准确率的问题,提出基于社会监控视频的雨量反演算法。首先利用降雨分类网络剔除无雨视频;其次引入交替方向乘子法(alternating direction method of multipliers,ADMM)提取降雨视频的前景信息,并通过语义分割和背景差分方法选取感兴趣区域(region of interest,ROI);然后构建以灰度变化和饱和度为特征的高斯混合模型(Gaussian mixture model,GMM)筛选ROI区域内的雨滴;最后依据透视成像关系计算雨滴尺寸,使用气象学Gamma模型反演降雨量。实验结果表明,本文降雨分类方法的准确率在MWD (multi-class weather dataset)到达91.3%,在真实的数据集到达77.0%,雨量估算结果相比于现有方法更为准确。展开更多
文摘针对利用机器视觉算法估算雨量低准确率的问题,提出基于社会监控视频的雨量反演算法。首先利用降雨分类网络剔除无雨视频;其次引入交替方向乘子法(alternating direction method of multipliers,ADMM)提取降雨视频的前景信息,并通过语义分割和背景差分方法选取感兴趣区域(region of interest,ROI);然后构建以灰度变化和饱和度为特征的高斯混合模型(Gaussian mixture model,GMM)筛选ROI区域内的雨滴;最后依据透视成像关系计算雨滴尺寸,使用气象学Gamma模型反演降雨量。实验结果表明,本文降雨分类方法的准确率在MWD (multi-class weather dataset)到达91.3%,在真实的数据集到达77.0%,雨量估算结果相比于现有方法更为准确。
