CN110018529B - 降雨测量方法、装置、计算机设备和存储介质 - Google Patents

降雨测量方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110018529B
CN110018529B CN201910133303.3A CN201910133303A CN110018529B CN 110018529 B CN110018529 B CN 110018529B CN 201910133303 A CN201910133303 A CN 201910133303A CN 110018529 B CN110018529 B CN 110018529B
Authority
CN
China
Prior art keywords
raindrop
image
rain
target
pure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910133303.3A
Other languages
English (en)
Other versions
CN110018529A (zh
Inventor
郑一
蒋世杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN201910133303.3A priority Critical patent/CN110018529B/zh
Publication of CN110018529A publication Critical patent/CN110018529A/zh
Application granted granted Critical
Publication of CN110018529B publication Critical patent/CN110018529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30192—Weather; Meteorology

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Hydrology & Water Resources (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种降雨测量方法、装置、计算机设备和存储介质。所述方法包括：获取摄像头在预设时间段内采集的各个帧图像，使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像，分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数，根据雨痕参数计算出雨滴尺寸分布曲线，根据雨滴尺寸分布曲线以及雨痕参数，得到在预设时间段内的降雨量。计算机设备通过使用雨痕识别算法对获取的帧图像进行处理，得到纯雨痕图像，并根据纯雨痕图像中雨痕的雨痕参数计算出雨滴尺寸分布曲线，可以提高计算出的雨滴尺寸分布曲线的准确性。计算机设备根据雨滴尺寸分布曲线以及雨痕参数得到降雨量，提高了获取的降雨量的时间空间精度。

Description

降雨测量方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种降雨测量方法、装置、计算机设备和存储介质。
背景技术
降雨数据的分析结果可以用于城市防洪、水资源管理等领域。传统的降雨数据的采集方式有两种，一种是利用雨量计或者雨滴谱仪采集降雨数据；另一种是使用雷达或者卫星的遥感数据对降雨数据进行采集。其中，利用雨量计或者雨滴谱仪采集降雨数据的时空分辨率较差，放置雨量计或者雨滴谱仪的数量少、位置分散；而使用雷达或者卫星的遥感数据虽然能够反映降雨在一定区域内的空间分布，但仍然需要近地的降雨观测数据对遥感数据进行反演，且采集到的通常是数千米高空的降雨信息。
传统的降雨数据采集方式采集到的数据都比较粗略，存在采集到的降雨数据时间空间精度较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种降雨测量方法、装置、计算机设备和存储介质，可以提高获取的降雨量的时间空间精度。
一种降雨测量方法，所述方法包括：
获取摄像头在预设时间段内采集的各个帧图像；
使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；
分别获取各个所述目标纯雨痕图像中各个雨痕的雨痕参数；
根据所述雨痕参数计算出雨滴尺寸分布曲线；
根据所述雨滴尺寸分布曲线以及所述雨痕参数，得到在所述预设时间段内的降雨量。
在其中一个实施例中，所述使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像，包括：
依次读取各个所述帧图像，并获取初始化的第一纯雨痕图像；
将读取到的所述帧图像与所述第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值；
将输出的所述第二纯雨痕图像作为所述第一纯雨痕图像，并返回执行将读取到的所述帧图像与所述第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值步骤，直至从得到的特征值中确定目标特征值为止，其中，所述目标特征值为当相邻的两个特征值之间的差值小于预设数值时，所述相邻的两个特征值中作为减数的特征值；
将所述目标特征值对应的所述第二纯雨痕图像作为读取到的所述帧图像所对应的所述目标纯雨痕图像。
在其中一个实施例中，在所述依次读取各个所述帧图像之后，所述方法还包括：
获取各个所述帧图像的权重值，并根据所述权重值调整所述目标函数；
所述将读取到的所述帧图像与所述第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值，包括：
将读取到的所述帧图像与所述第一纯雨痕图像输入至调整后的目标函数，输出所述第二纯雨痕图像和对应的特征值。
在其中一个实施例中，所述分别获取各个所述目标纯雨痕图像中各个雨痕的雨痕参数，包括：
分别获取各个所述目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息；
根据所述距离信息，确定所述目标纯雨痕图像中在所述摄像头景深范围内的雨滴所对应的目标雨痕；
获取所述目标雨痕的雨痕参数。
在其中一个实施例中，所述获取所述目标雨痕的雨痕参数，包括：
对各个所述目标纯雨痕图像中目标雨痕的形状进行椭圆拟合，得到各个拟合后的目标雨痕；
分别获取各个所述拟合后的目标雨痕对应的雨痕长度和雨痕宽度；
根据所述雨痕长度以及所述雨痕宽度，分别计算出各个所述拟合后的目标雨痕对应的雨滴尺寸。
在其中一个实施例中，所述根据所述雨痕参数计算出雨滴尺寸分布曲线，包括：
获取所有所述目标纯雨痕图像中包含的目标雨痕所对应的雨滴尺寸，并对所述雨滴尺寸划分数值区间；
根据所述数值区间计算出所述雨滴尺寸分布曲线。
在其中一个实施例中，所述根据所述雨痕参数计算出雨滴尺寸分布曲线，包括：
根据各个所述雨滴尺寸计算出雨滴尺寸分布散点图；
对所述雨滴尺寸分布散点图进行平滑拟合，得到所述雨滴尺寸分布曲线；
所述根据所述雨滴尺寸分布曲线以及所述雨痕参数，得到在所述预设时间段内的降雨量，包括：
分别获取在所述数值区间内所述雨滴尺寸对应的雨滴速度；
根据所述雨滴尺寸分布曲线以及所述雨滴速度，得到在所述预设时间段内的降雨量。
一种降雨测量装置，所述装置包括：
图像获取模块，用于获取摄像头在预设时间段内采集的各个帧图像；
目标纯雨痕图像获取模块，用于使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；
雨痕参数获取模块，用于分别获取各个所述目标纯雨痕图像中各个雨痕的雨痕参数；
曲线获取模块，用于根据所述雨痕参数计算出雨滴尺寸分布曲线；
降雨量获取模块，用于根据所述雨滴尺寸分布曲线以及所述雨痕参数，得到在所述预设时间段内的降雨量。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取摄像头在预设时间段内采集的各个帧图像；
使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；
分别获取各个所述目标纯雨痕图像中各个雨痕的雨痕参数；
根据所述雨痕参数计算出雨滴尺寸分布曲线；
根据所述雨滴尺寸分布曲线以及所述雨痕参数，得到在所述预设时间段内的降雨量。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取摄像头在预设时间段内采集的各个帧图像；
使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；
分别获取各个所述目标纯雨痕图像中各个雨痕的雨痕参数；
根据所述雨痕参数计算出雨滴尺寸分布曲线；
根据所述雨滴尺寸分布曲线以及所述雨痕参数，得到在所述预设时间段内的降雨量。
上述降雨测量方法、装置、计算机设备和存储介质，通过获取摄像头在预设时间段内采集的各个帧图像，使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像，分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数，根据雨痕参数计算出雨滴尺寸分布曲线，根据雨滴尺寸分布曲线以及雨痕参数，得到在预设时间段内的降雨量。计算机设备通过使用雨痕识别算法对获取的帧图像进行处理，得到纯雨痕图像，并根据纯雨痕图像中雨痕的雨痕参数计算出雨滴尺寸分布曲线，可以提高计算出的雨滴尺寸分布曲线的准确性。计算机设备根据雨滴尺寸分布曲线以及雨痕参数得到降雨量，提高了获取的降雨量的时间空间精度。
附图说明
图1为一个实施例中降雨测量方法的应用环境图；
图2为一个实施例中降雨测量方法的流程示意图；
图3为一个实施例中得到目标纯雨痕图像的流程示意图；
图4为一个实施例中使用雨痕识别算法对帧图像进行处理的示意图；
图5为一个实施例中图像分布及亮度变化分布的示意图；
图6为一个实施例中摄像头与雨滴之间距离的原理图；
图7为一个实施例中降雨测量装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一纯雨痕图像称为第二纯雨痕图像，且类似地，可将第二纯雨痕图像称为第一纯雨痕图像。第一纯雨痕图像和第二纯雨痕图像两者都是纯雨痕图像，但其不是同一纯雨痕图像。
本申请实施例提供的降雨测量方法，可以应用于如图1所示的应用环境中。该应用环境包括终端110、摄像头120以及服务器130。其中，终端110可以通过网络与服务器130进行通信，服务器130可以通过网络与摄像头120通过网络进行通信。摄像头120可以在预设时间段内采集各个帧图像，摄像头120可以将采集到的各个帧图像发送给服务器130。服务器130接收到摄像头120采集的各个帧图像后，可以使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像。服务器130可以分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数，服务器130可以根据雨痕参数计算出雨滴尺寸分布曲线，并根据雨滴尺寸分布曲线以及雨痕参数，得到在预设时间段内的降雨量。服务器130可以接收终端110发送的降雨量请求信息，服务器130可以将得到的在预设时间段内的降雨量发送给终端110，终端110可以在显示屏中展示接收到的降雨量，以及该降雨量对应的时间段。其中，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等设备；服务器130可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种降雨测量方法，包括以下步骤：
步骤202，获取摄像头在预设时间段内采集的各个帧图像。
预设时间段可以是用户通过计算机设备设置的，预设时间段可以是具体的一段时间。例如，预设时间段可以是14:30:10到14:35:10这5分钟的时间段。摄像头可以用于采集帧图像，摄像头可以是安防监控系统中在各个地方的监控摄像头，摄像头的数量在此不做限定。
由于摄像头可以是安防监控系统中在各个地方的监控摄像头，因此，摄像头可以一直保持采集帧图像的状态，并不断的采集各个帧图像。用户可以通过计算机设备对预设时间段进行设置，计算机设备可以获取摄像头在预设时间段内采集的各个帧图像。例如，用户通过计算机设备设置的预设时间段为14:30:10到14:35:10这5分钟的时间段，计算机设备可以获取摄像头在这5分钟内采集的连续的各个帧图像。
步骤204，使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像。
雨痕识别算法可以用于将纯雨痕图像从帧图像中分离出来。目标纯雨痕图像用于表示图像中仅包含了雨痕。
计算机设备获取到摄像头采集的各个帧图像后，可以分别对各个帧图像进行图像处理。具体的，计算机设备可以分别使用雨痕识别算法对获取到的帧图像进行图像处理，分别得到帧图像对应的目标纯雨痕图像。例如，计算机设备获取到的帧图像的数量为4帧，分别为第一帧图像、第二帧图像、第三帧图像以及第四帧图像，计算机设备可以使用雨痕识别算法分别对这4帧图像进行图像处理，得到第一帧图像对应的目标纯雨痕图像、第二帧图像对应的目标纯雨痕图像、第三帧图像对应的目标纯雨痕图像以及第四帧图像对应的目标纯雨痕图像。
步骤206，分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数。
目标纯雨痕图像中仅仅包含了雨痕，且目标纯雨痕图像中可以包含有多个雨痕。雨痕参数可以包括雨痕的长度、宽度、雨痕对应的雨滴速度、对应的雨滴尺寸等参数。
计算机设备在得到各个帧图像对应的各个目标纯雨痕图像后，可以分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数。例如，计算机设备获取到了第一帧图像对应的目标纯雨痕图像，第二帧图像对应的目标纯雨痕图像，第一帧图像对应的目标纯雨痕图像中有20条雨痕，计算机设备可以分别获取这20条雨痕的雨痕参数；第二帧图像对应的目标纯雨痕图像中有25条雨痕，计算机设备可以分别获取这25条雨痕的雨痕参数。
步骤208，根据雨痕参数计算出雨滴尺寸分布曲线。
雨滴尺寸分布曲线可以用于表示在预设时间段内计算机设备获取到的雨痕对应的雨滴尺寸的密度分布情况。计算机设备在获取到各个目标纯雨痕图像中各个雨痕的雨痕参数之后，可以根据获取到的所有雨痕参数来计算雨滴尺寸分布曲线。具体的，计算机设备可以根据雨痕参数中的雨痕长度以及雨痕宽度来计算雨滴尺寸分布曲线。
其中，计算机设备可以根据雨痕长度和雨痕宽度，拟合出一条雨滴尺寸分布的经验曲线，这个曲线可以服从伽玛分布，当个别雨滴对应的雨滴尺寸识别的过大时，计算机设备可以通过对所有雨滴拟合成一条曲线，降低雨滴尺寸的异常情况。
步骤210，根据雨滴尺寸分布曲线以及雨痕参数，得到在预设时间段内的降雨量。
降雨量是指从天空降落到地面上的雨水，未经蒸发、渗透、流失而在水面上积聚的水层深度，一般以毫米为单位，降雨量可以用于表示降雨的多少。
计算机设备在计算出雨滴尺寸分布曲线后，可以根据计算出的雨滴尺寸分布曲线以及雨痕参数得到降雨量。具体的，计算机设备可以根据雨滴尺寸分布曲线以及雨痕参数中的雨痕对应的雨滴速度，得到降雨量。
在本实施例中，计算机设备通过获取摄像头在预设时间段内采集的各个帧图像，使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像，分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数，根据雨痕参数计算出雨滴尺寸分布曲线，根据雨滴尺寸以及雨滴速度之间的关系，得到在预设时间段内的降雨量。计算机设备通过使用雨痕识别算法对获取的帧图像进行处理，得到纯雨痕图像，并根据纯雨痕图像中雨痕的雨痕参数计算出雨滴尺寸分布曲线，可以提高计算出的雨滴尺寸分布曲线的准确性。计算机设备根据雨滴尺寸分布曲线以及雨痕参数得到降雨量，提高了获取的降雨量的时间空间精度。
在一个实施例中，如图3所示，提供的一种降雨测量方法还可以包括得到目标纯雨痕图像的过程，具体步骤包括：
步骤302，依次读取各个帧图像，并获取初始化的第一纯雨痕图像。
初始化的第一纯雨痕图像可以是一张空白的图像。计算机设备可以依次读取各个帧图像，计算机设备可以获取初始化的第一纯雨痕图像。其中，计算机设备读取的帧图像可以用O表示，计算机设备获取的初始化的第一纯雨痕图像可以用R表示，而O-R可以用于表示背景图像，即帧图像中除了雨痕的背景画面。O和R可以表示一个矩阵，矩阵中的元素可以是像素灰度值的大小。
步骤304，将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值。
目标函数可以是用户通过计算机设备输入的一个函数公式。目标函数可以是
Figure BDA0001976116650000081
从这个目标函数的表达式可以看出，这个目标函数需要求解的是一个最小化的值。在这个目标函数中，|| ||1表示L1范式，用于表示矩阵中所有元素绝对值的和。其中，‖R‖1表示最小化雨痕画面的总灰度值，
Figure BDA0001976116650000082
表示最小化雨痕画面的竖向变化，
Figure BDA0001976116650000083
表示最小化背景画面的横向变化，
Figure BDA0001976116650000084
表示最小化背景画面的时间变化。
在目标函数中，‖R||1用于反映雨痕的空间稀疏性；
Figure BDA0001976116650000085
用于反映雨痕的竖向平滑性；
Figure BDA0001976116650000091
用于反映雨痕的横向不连续性；
Figure BDA0001976116650000092
用于反映雨痕的时间独立性。在目标函数中，λ1、λ2、λ3以及λ4可以是权重值。
其中，特征值可以是对目标函数进行求解得到的一个具体的数值，例如，特征值可以7、8、11等具体的数值。第二纯雨痕图像可以是计算机设备对目标函数进行求解得到的一帧仅包含有雨痕的图像。即，计算机设备将读取到的帧图像与第一纯雨痕图像输入至目标函数之后，可以对目标函数求解得到第二纯雨痕图像以及与第二纯雨痕图像对应的特征值。
步骤306，将输出的第二纯雨痕图像作为第一纯雨痕图像，并返回执行将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值步骤，直至从得到的特征值中确定目标特征值为止，其中，目标特征值为当相邻的两个特征值之间的差值小于预设数值时，相邻的两个特征值中作为减数的特征值。
预设数值可以用于判断相邻的两个特征值之间的差异大小。预设数值可以是一个具体的数值，例如，预设数值可以是0、1、2、7、8等数值。
计算机设备可以将得到的第二纯雨痕图像对应的特征值与第一纯雨痕图像对应的特征值进行比较。具体的，计算机设备可以将第二纯雨痕图像对应的特征值减去第一纯雨痕图像对应的特征值，从而得到一个差值。计算机设备可以将得到的差值与预设数值进行比较，当计算机设备得到的差值小于预设参数时，计算机设备可以将相邻的两个特征值中，作为减数的那个特征值作为目标特征值。例如，预设数值是2，计算机设备将第二纯雨痕图像对应的特征值8减去第一纯雨痕图像对应的特征值7，得到第二纯雨痕图像对应的特征值与第一纯雨痕图像对应的特征值之间的差值为1，小于预设数值，计算机设备可以将作为减数的第二纯雨痕图像对应的特征值8确定为目标特征值。
计算机设备可以将得到的第二纯雨痕图像作为第一纯雨痕图像，再次执行将帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值，直到从得到的特征值中确定目标特征值为止。
目标函数为
Figure BDA0001976116650000093
可以根据交替方向乘子法ADMM(Alternating Direction Method of Multipilers)的框架求解目标函数。可以将目标函数转化为有等式约束的最小化问题，转化后的有等式约束的最小化的公式如下：
Figure BDA0001976116650000101
其中，U＝R1，
Figure BDA0001976116650000102
Figure BDA0001976116650000103
转化后的有等式约束的最小化的公式符合ADMM的求解条件，可转化为分别求解关于U、V、W、X以及R的五个子优化问题和四个拉普拉斯乘子更新函数。其中，U、V、W、X的子优化问题可以表示为以下几个公式：
Figure BDA0001976116650000104
Figure BDA0001976116650000105
这几个公式可以有唯一解。R的子优化问题可以表示为以下公式：
Figure BDA0001976116650000106
其中，U、V、W、X、R的子优化问题可以有唯一解。而四个拉普拉斯乘子更新函数可以用以下公式表示：
Figure BDA0001976116650000107
通过一步一步的迭代，即每一步都解U、V、W、X，再解R，最后更新P，从而可以确定目标特征值P。
例如，计算机设备将读取到的帧图像与初始化的第一纯雨痕图像输入至目标函数中，输出了第二图像以及对应的特征值，其中，第二纯雨痕图像对应的特征值为9；接着，计算机设备将第二纯雨痕图像作为第一纯雨痕图像，与帧图像一起输入到目标函数中，输出了第二纯雨痕图像以及对应的特征值6.5；接着，计算机设备将第二纯雨痕图像作为第一纯雨痕图像，与帧图像一起输入到目标函数中，输出了第二纯雨痕图像以及对应的特征值6；接着，计算机设备将第二纯雨痕图像作为第一纯雨痕图像，与帧图像一起输入到目标函数中，输出了第二纯雨痕图像以及对应的特征值8。当预设数值为1时，计算机设备可以确定目标特征值为6。
步骤308，将目标特征值对应的第二纯雨痕图像作为读取到的帧图像所对应的目标纯雨痕图像。
计算机设备在从特征值中确定了目标特征值后，可以将与目标特征值对应的第二纯雨痕图像作为读取到的帧图像所对应的目标纯雨痕图像。具体的，在采集到的各个帧图像中，计算机设备获取到第一帧图像对应的目标纯雨痕图像后，还可以接着获取第二帧图像对应的目标纯雨痕图像，直到计算机设备获取到各个帧图像对应的目标纯雨痕图像为止。
在本实施例中，计算机设备通过依次读取各个帧图像，并获取初始化的第一纯雨痕图像，将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值，将输出的第二纯雨痕图像作为第一纯雨痕图像，并返回执行将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值步骤，直至从得到的特征值中确定目标特征值为止，其中，目标特征值为当相邻的两个特征值之间的差值小于预设数值时，相邻的两个特征值中作为减数的特征值，将目标特征值对应的第二纯雨痕图像作为读取到的帧图像所对应的目标纯雨痕图像。计算机设备通过使用目标函数进行迭代，可以使得到目标纯雨痕图像更加的准确。
在一个实施例中，如图4所示，计算机设备使用雨痕识别算法对帧图像410进行图像处理后，可以得到纯雨痕图像420以及背景图像430。
如图5所示，在一个实施例中，元素的值即每一个像素点的亮度，亮度越大，元素的值越大，亮度越小，元素的值越小，由于雨痕是相对稀疏的，所以要想得到纯雨痕的画面，元素的值就要小。最小化||R||1即利用雨痕的空间稀疏性；
Figure BDA0001976116650000111
可以理解为对雨痕画面竖直方向求差值，这个值越小，雨痕在竖直方向越平滑；
Figure BDA0001976116650000112
为对背景的水平方向求差值，这个值越小，背景在水平方向越平滑，雨痕就会在水平方向越不连续。
Figure BDA0001976116650000113
可以理解为对背景在时间方向求差值，这个值越小，背景在时间上变化越小，整个画面中的变化是由雨痕引起的，即雨痕的时间独立性。
如图5所示，a-1，a-2，a-3分别为帧图像、背景图像以及纯雨痕图像。b分别是对应画面的亮度值或者灰度值分布。c-1，c-3，c-5分别是水平方向从左到右的亮度变化；c-2，c-4，c-6分别是垂直方向从上到下的亮度变化，d分别是对应c图的相邻像素亮度差值分布情况。从b-3可以看出，纯雨痕图像中绝大多数的亮度值都为0，因此，需要对||R||1求最小化；从d-6可以看出，相对于d-2，d-4，纯雨痕图片竖直方向亮度差值很多都是小值，因此需要对
Figure BDA0001976116650000121
求最小化；从d-3可以看出，相对于d-1，d-5，背景图片在垂直方向上比较平滑，因此需要对
Figure BDA0001976116650000122
求最小化；另外，由于对于连续获得的帧图像，背景图片在时间上变化较小，因此需要对
Figure BDA0001976116650000123
求最小化。
在一个实施例中，提供的一种降雨测量方法还可以包括调整目标函数权重的过程，具体包括：获取各个帧图像的权重值，并根据权重值调整目标函数；将读取到的帧图像与第一纯雨痕图像输入至调整后的目标函数，输出第二纯雨痕图像和对应的特征值。
计算机设备获取到摄像头采集到的帧图像后，计算机设备可以使用天气判断算法对采集到的帧图像进行判断。具体的，帧图像中的天气可以分为大雨、中雨、小雨和无雨，不同天气的帧图像可以有不同的权重值。计算机设备判断出采集的帧图像的天气后，可以获取到帧图像的权重值。
计算机设备获取到帧图像权重值后，可以根据权重值对目标函数进行调整。具体的，计算机设备可以对目标函数中的λ1、λ2、λ3以及λ4的值进行调整，其中，λ1可以用于表示帧图像中雨痕的密集程度，当雨痕越密集时，权重值越小。而计算机设备中可以预先设置好λ1分别与λ2、λ3以及λ4之间的比列，当计算机设备获取到调整好的λ1后，可以按照比例对λ2、λ3以及λ4的值进行调整，从而得到调整后的目标函数。计算机设备可以将读取到的帧图像与第一纯雨痕图像输入至调整后的目标函数，输出第二纯雨痕图像和对应的特征值。
在本实施例中，计算机设备通过获取各个帧图像的权重值，并根据权重值对目标函数进行调整，再根据调整后的目标函数输出第二纯雨痕图像和对应的特征值，可以是得到的第二纯雨痕图像以及对应的特征参数更加精确。
在一个实施例中，提供的一种降雨测量方法还可以包括获取雨痕参数的过程，具体过程包括：分别获取各个目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息；根据距离信息，确定目标纯雨痕图像中在摄像头景深范围内的雨滴所对应的目标雨痕；获取目标雨痕的雨痕参数。
计算机设备可以根据获取的各个目标纯雨痕图像中的各个雨痕，进一步获取到各个雨痕对应的雨滴与摄像头之间的距离信息。其中，计算机设备获取到的距离信息可以是具体的数值，例如，计算机设备获取到的距离信息可以是3米、4米、10米等。
在一个实施例中，如图6所示，图6中的lp和dp分别代表纯雨痕图像画面中的雨痕长度和雨痕宽度，L为摄像头曝光时间内雨滴降落的距离，D为雨滴的直径。摄像头曝光时间内雨滴降落的距离L和雨滴的直径D都是关于雨滴与摄像头之间距离s的一个函数，函数关系式为：
Figure BDA0001976116650000131
Figure BDA0001976116650000132
而雨滴速度与雨滴直径之间的关系式为：v＝9.65-10.3e-0.6D，且，
Figure BDA0001976116650000133
这四个公式联立起来，可以得到
Figure BDA0001976116650000134
通过这个公式可以得到雨滴与摄像头之间距离s。其中，
Figure BDA0001976116650000135
可以是与摄像头相关的参数，例如，摄像头焦距、对焦距离、快门速度、光圈大小、摄像头传感器尺寸等参数。
每个摄像头都会有一定的景深范围，景深范围之外的雨痕都会因为失焦而模糊。计算机设备可以根据获取到的距离信息，确定哪些雨滴是在摄像头景深范围内的雨滴。计算机设备可以将在摄像头景深范围内的雨滴对应的雨痕作为目标雨痕。计算机设备可以获取目标雨痕的雨痕参数。
在本实施例中，计算机设备通过分别获取各个目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息，根据距离信息，确定目标纯雨痕图像中在摄像头景深范围内的雨滴所对应的目标雨痕，获取目标雨痕的雨痕参数。计算机设备通过计算雨痕对应的雨滴与摄像头之间的距离信息，可以确定目标雨痕，避免了对模糊的雨痕进行处理，可以提高获取的目标雨痕的雨痕参数的准确性。
在一个实施例中，提供的一种降雨测量方法还可以包括获取目标雨痕的雨痕参数的过程，具体包括：对各个目标纯雨痕图像中目标雨痕的形状进行椭圆拟合，得到各个拟合后的目标雨痕；分别获取各个拟合后的目标雨痕对应的雨痕长度和雨痕宽度；根据雨痕长度以及雨痕宽度，分别计算出各个拟合后的目标雨痕对应的雨滴尺寸。
椭圆拟合可以用于将目标雨痕的形状拟合成椭圆的形状。拟合后的目标雨痕的形状可以是椭圆的形状。计算机设备可以分别获取各个拟合后的目标雨痕对应的雨痕长度和雨痕宽度，具体的，计算机设备可以将椭圆的长轴和短轴的长度分别作为雨痕长度和雨痕宽度。各个拟合后的目标雨痕的形状如图7所示。
计算机设备获取到的雨痕宽度可以与雨滴的直径相对应。计算机设备在获取到雨痕宽度、雨痕长度以及雨痕对应的雨滴与摄像头之间的距离信息后，计算机设备可以根据相似三角形的原理，计算得到雨痕对应的雨滴的尺寸。雨滴的直径与雨滴的速度之间的关系式可以是：v＝9.65-10.3e-0.6D，计算机设备可以根据雨滴的直径计算得到雨滴的速度。
在本实施例中，计算机设备通过对各个目标纯雨痕图像中目标雨痕的形状进行椭圆拟合，得到各个拟合后的目标雨痕，分别获取各个拟合后的目标雨痕对应的雨痕长度和雨痕宽度，根据雨痕长度以及雨痕宽度，分别计算出各个拟合后的目标雨痕对应的雨滴尺寸。计算机设备通过对目标雨痕的形状进行椭圆拟合，并获取拟合后的目标雨痕对应的雨痕长度、雨痕宽度以及雨滴尺寸，由于对目标雨痕的形状进行了椭圆拟合，可以更加便捷的得到目标雨痕的雨痕参数。
在一个实施例中，提供的一种降雨测量方法还可以包括计算雨滴尺寸分布曲线的过程，具体过程包括：获取所有目标纯雨痕图像中包含的目标雨痕所对应的雨滴尺寸，并对雨滴尺寸划分数值区间；根据数值区间计算出雨滴尺寸分布曲线。
计算机设备计算出各个目标纯雨痕图像中目标雨痕对应的雨痕长度和雨痕宽度后，可以获取各个雨痕长度以及雨痕宽度对应的雨滴尺寸，并对雨滴尺寸划分数值区间。其中，数值区间可以是预先设置好的，用于划分不同的雨滴尺寸。例如，数值区间可以是(0,1)、(1,2)、(2,3)等。
计算机设备可以在降雨分布坐标系中，根据目标雨痕的雨痕长度和雨痕宽度对应的雨滴查找到雨滴在降雨分布坐标系中的位置，从而计算出雨滴尺寸分布曲线。
在本实施例中，计算机设备通过获取所有目标纯雨痕图像中包含的目标雨痕所对应的雨滴尺寸，并对雨滴尺寸划分数值区间，根据数值区间计算出雨滴尺寸分布曲线。计算机设备根据雨痕长度以及雨痕宽度计算出雨滴尺寸分布曲线，可以使得到的雨滴尺寸分布曲线更加精确。
在一个实施例中，提供的一种降雨测量方法还可以包括得到降雨量的过程，具体过程包括：根据各个雨滴尺寸计算出雨滴尺寸分布散点图；对雨滴尺寸分布散点图进行平滑拟合，得到雨滴尺寸分布曲线；分别获取在数值区间内雨滴尺寸对应的雨滴速度；根据雨滴尺寸分布曲线以及雨滴速度，得到在预设时间段内的降雨量。
计算机设备可以根据各个雨滴尺寸计算出雨滴尺寸分布散点图。具体的，雨滴尺寸分布散点图可以是以雨滴尺寸对应的数值区间为横坐标，以所属数值区间对应的单位雨滴数量为纵坐标的一个坐标系图。雨滴尺寸分布散点图中可以分布有目标纯雨痕图像中各个雨滴对应的尺寸。计算机设备可以对得到的雨滴尺寸分布散点图进行平滑拟合。其中，平滑拟合可以是将雨滴尺寸分布散点图中得到的各个点，用一条光滑的曲线连接起来。计算机设备可以得到雨滴尺寸分布曲线，其中，平滑拟合后的雨滴尺寸分布曲线可以遵循伽马分布。
计算机设备对雨滴尺寸分布散点图进行平滑拟合后，可以根据平滑拟合后的雨滴尺寸分布曲线，分别获取在数值区间内雨滴尺寸对应的雨滴速度，从而得到在预设时间段内的降雨量。其中，降雨量的计算公式为：
Figure BDA0001976116650000161
其中，N0、u以及Γ可以是在对雨滴尺寸分布曲线进行平滑拟合后得到的，计算机设备可以通过这个公式计算出降雨量。
在本实施例中，计算机设备通过根据各个雨滴尺寸计算出雨滴尺寸分布散点图，对雨滴尺寸分布散点图进行平滑拟合，得到雨滴尺寸分布曲线，分别获取在数值区间内雨滴尺寸对应的雨滴速度，根据雨滴尺寸分布曲线以及雨滴速度，得到在预设时间段内的降雨量。计算机设备通过对雨滴尺寸分布散点图进行平滑拟合，并根据平滑拟合后得到的雨滴尺寸分布曲线以及雨滴速度，得到在预设时间段内的降雨量，由于对雨滴尺寸分布散点图进行了平滑拟合，可以使得到的降雨量更加准确。
应该理解的是，虽然上述各个流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述各个流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种降雨测量装置，包括：图像获取模块710、目标纯雨痕图像获取模块720、雨痕参数获取模块730、曲线获取模块740和降雨量获取模块750，其中：
图像获取模块710，用于获取摄像头在预设时间段内采集的各个帧图像。
目标纯雨痕图像获取模块720，用于使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像。
雨痕参数获取模块730，用于分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数。
曲线获取模块740，用于根据雨痕参数计算出雨滴尺寸分布曲线。
降雨量获取模块750，用于根据雨滴尺寸分布曲线以及雨痕参数，得到在预设时间段内的降雨量。
在一个实施例中，目标纯雨痕图像获取模块720还用于依次读取各个帧图像，并获取初始化的第一纯雨痕图像；将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值；将输出的第二纯雨痕图像作为第一纯雨痕图像，并返回执行将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值步骤，直至从得到的特征值中确定目标特征值为止，其中，目标特征值为当相邻的两个特征值之间的差值小于预设数值时，相邻的两个特征值中作为减数的特征值；将目标特征值对应的第二纯雨痕图像作为读取到的帧图像所对应的目标纯雨痕图像。
在一个实施例中，图像获取模块710还用于获取各个帧图像的权重值，并根据权重值调整目标函数。目标纯雨痕图像获取模块720还用于将读取到的帧图像与第一纯雨痕图像输入至调整后的目标函数，输出第二纯雨痕图像和对应的特征值。
在一个实施例中，雨痕参数获取模块730还用于分别获取各个目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息；根据距离信息，确定目标纯雨痕图像中在摄像头景深范围内的雨滴所对应的目标雨痕；获取目标雨痕的雨痕参数。
在一个实施例中，雨痕参数获取模块730还用于对各个目标纯雨痕图像中目标雨痕的形状进行椭圆拟合，得到各个拟合后的目标雨痕；分别获取各个拟合后的目标雨痕对应的雨痕长度和雨痕宽度；根据雨痕长度以及雨痕宽度，分别计算出各个拟合后的目标雨痕对应的雨滴尺寸。
在一个实施例中，曲线获取模块740还用于获取所有目标纯雨痕图像中包含的目标雨痕所对应的雨滴尺寸，并对雨滴尺寸划分数值区间；根据数值区间计算出雨滴尺寸分布曲线。
在一个实施例中，曲线获取模块740还用于根据各个雨滴尺寸计算出雨滴尺寸分布散点图；对雨滴尺寸分布散点图进行平滑拟合，得到雨滴尺寸分布曲线。降雨量获取模块750还用于分别获取在数值区间内雨滴尺寸对应的雨滴速度；根据雨滴尺寸分布曲线以及雨滴速度，得到在预设时间段内的降雨量。
关于降雨测量装置的具体限定可以参见上文中对于降雨测量方法的限定，在此不再赘述。上述降雨测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储获取到的雨痕参数等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种降雨测量方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取摄像头在预设时间段内采集的各个帧图像；
使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；
分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数；
根据雨痕参数计算出雨滴尺寸分布曲线；
根据雨滴尺寸分布曲线以及雨痕参数，得到在预设时间段内的降雨量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：依次读取各个帧图像，并获取初始化的第一纯雨痕图像；将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值；将输出的第二纯雨痕图像作为第一纯雨痕图像，并返回执行将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值步骤，直至从得到的特征值中确定目标特征值为止，其中，目标特征值为当相邻的两个特征值之间的差值小于预设数值时，相邻的两个特征值中作为减数的特征值；将目标特征值对应的第二纯雨痕图像作为读取到的帧图像所对应的目标纯雨痕图像。
在一个实施例中，在依次读取各个帧图像之后，处理器执行计算机程序时还实现以下步骤：获取各个帧图像的权重值，并根据权重值调整目标函数；将读取到的帧图像与第一纯雨痕图像输入至调整后的目标函数，输出第二纯雨痕图像和对应的特征值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：分别获取各个目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息；根据距离信息，确定目标纯雨痕图像中在摄像头景深范围内的雨滴所对应的目标雨痕；获取目标雨痕的雨痕参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对各个目标纯雨痕图像中目标雨痕的形状进行椭圆拟合，得到各个拟合后的目标雨痕；分别获取各个拟合后的目标雨痕对应的雨痕长度和雨痕宽度；根据雨痕长度以及雨痕宽度，分别计算出各个拟合后的目标雨痕对应的雨滴尺寸。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取所有目标纯雨痕图像中包含的目标雨痕所对应的雨滴尺寸，并对雨滴尺寸划分数值区间；根据数值区间计算出雨滴尺寸分布曲线。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据各个雨滴尺寸计算出雨滴尺寸分布散点图；对雨滴尺寸分布散点图进行平滑拟合，得到雨滴尺寸分布曲线；分别获取在数值区间内雨滴尺寸对应的雨滴速度；根据雨滴尺寸分布曲线以及雨滴速度，得到在预设时间段内的降雨量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取摄像头在预设时间段内采集的各个帧图像；
使用雨痕识别算法分别对各个帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；
分别获取各个目标纯雨痕图像中各个雨痕的雨痕参数；
根据雨痕参数计算出雨滴尺寸分布曲线；
根据雨滴尺寸分布曲线以及雨痕参数，得到在预设时间段内的降雨量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：依次读取各个帧图像，并获取初始化的第一纯雨痕图像；将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值；将输出的第二纯雨痕图像作为第一纯雨痕图像，并返回执行将读取到的帧图像与第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值步骤，直至从得到的特征值中确定目标特征值为止，其中，目标特征值为当相邻的两个特征值之间的差值小于预设数值时，相邻的两个特征值中作为减数的特征值；将目标特征值对应的第二纯雨痕图像作为读取到的帧图像所对应的目标纯雨痕图像。
在一个实施例中，在依次读取各个帧图像之后，计算机程序被处理器执行时还实现以下步骤：获取各个帧图像的权重值，并根据权重值调整目标函数；将读取到的帧图像与第一纯雨痕图像输入至调整后的目标函数，输出第二纯雨痕图像和对应的特征值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：分别获取各个目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息；根据距离信息，确定目标纯雨痕图像中在摄像头景深范围内的雨滴所对应的目标雨痕；获取目标雨痕的雨痕参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对各个目标纯雨痕图像中目标雨痕的形状进行椭圆拟合，得到各个拟合后的目标雨痕；分别获取各个拟合后的目标雨痕对应的雨痕长度和雨痕宽度；根据雨痕长度以及雨痕宽度，分别计算出各个拟合后的目标雨痕对应的雨滴尺寸。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取所有目标纯雨痕图像中包含的目标雨痕所对应的雨滴尺寸，并对雨滴尺寸划分数值区间；根据数值区间计算出雨滴尺寸分布曲线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据各个雨滴尺寸计算出雨滴尺寸分布散点图；对雨滴尺寸分布散点图进行平滑拟合，得到雨滴尺寸分布曲线；分别获取在数值区间内雨滴尺寸对应的雨滴速度；根据雨滴尺寸分布曲线以及雨滴速度，得到在预设时间段内的降雨量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种降雨测量方法，所述方法包括：
获取摄像头在预设时间段内采集的各个帧图像；
使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；所述雨痕识别算法包括最小化背景图像随时间的变化量；
分别获取各个所述目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息；根据所述距离信息确定所述目标纯雨痕图像中在所述摄像头景深范围内的雨滴所对应的目标雨痕，获取所述目标雨痕的雨痕长度以及雨痕宽度；
根据所述雨痕长度以及所述雨痕宽度计算出雨滴尺寸分布曲线；
根据所述雨滴尺寸分布曲线以及雨滴速度，得到在所述预设时间段内的降雨量。
2.根据权利要求1所述的方法，其特征在于，所述使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像，包括：
依次读取各个所述帧图像，并获取初始化的第一纯雨痕图像；
将读取到的所述帧图像与所述第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值；
将输出的所述第二纯雨痕图像作为所述第一纯雨痕图像，并返回执行将读取到的所述帧图像与所述第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值步骤，直至从得到的特征值中确定目标特征值为止，其中，所述目标特征值为当相邻的两个特征值之间的差值小于预设数值时，所述相邻的两个特征值中作为减数的特征值；
将所述目标特征值对应的所述第二纯雨痕图像作为读取到的所述帧图像所对应的所述目标纯雨痕图像。
3.根据权利要求2所述的方法，其特征在于，在所述依次读取各个所述帧图像之后，所述方法还包括：
获取各个所述帧图像的权重值，并根据所述权重值调整所述目标函数；
所述将读取到的所述帧图像与所述第一纯雨痕图像输入至目标函数，输出第二纯雨痕图像和对应的特征值，包括：
将读取到的所述帧图像与所述第一纯雨痕图像输入至调整后的目标函数，输出所述第二纯雨痕图像和对应的特征值。
4.根据权利要求1所述的方法，其特征在于，所述根据所述雨痕长度以及所述雨痕宽度计算出雨滴尺寸分布曲线包括：
根据所述雨痕长度以及所述雨痕宽度计算出雨滴尺寸，根据所述雨滴尺寸得到雨滴尺寸分布曲线。
5.根据权利要求1所述的方法，其特征在于，所述获取所述目标雨痕的雨痕长度以及雨痕宽度，根据所述雨痕长度以及所述雨痕宽度计算出雨滴尺寸分布曲线包括：
对各个所述目标纯雨痕图像中目标雨痕的形状进行椭圆拟合，得到各个拟合后的目标雨痕；
分别获取各个所述拟合后的目标雨痕对应的雨痕长度和雨痕宽度；
根据所述雨痕长度以及所述雨痕宽度，分别计算出各个所述拟合后的目标雨痕对应的雨滴尺寸，通过所述雨滴尺寸得到雨滴尺寸分布曲线。
6.根据权利要求5所述的方法，其特征在于，所述通过所述雨滴尺寸得到雨滴尺寸分布曲线包括：
获取所有所述目标纯雨痕图像中包含的目标雨痕所对应的雨滴尺寸，并对所述雨滴尺寸划分数值区间；
根据所述数值区间计算出所述雨滴尺寸分布曲线。
7.根据权利要求6所述的方法，其特征在于，所述通过所述雨滴尺寸得到雨滴尺寸分布曲线包括：
根据各个所述雨滴尺寸计算出雨滴尺寸分布散点图；
对所述雨滴尺寸分布散点图进行平滑拟合，得到所述雨滴尺寸分布曲线；
所述根据所述雨滴尺寸分布曲线以及所述雨滴速度，得到在所述预设时间段内的降雨量，包括：
分别获取在所述数值区间内所述雨滴尺寸对应的雨滴速度；
根据所述雨滴尺寸分布曲线以及所述雨滴速度，得到在所述预设时间段内的降雨量。
8.一种降雨测量装置，其特征在于，所述装置包括：
图像获取模块，用于获取摄像头在预设时间段内采集的各个帧图像；
目标纯雨痕图像获取模块，用于使用雨痕识别算法分别对各个所述帧图像进行图像处理，分别得到对应的各个目标纯雨痕图像；所述雨痕识别算法包括最小化背景图像随时间的变化量；
雨痕参数获取模块，用于分别获取各个所述目标纯雨痕图像中各个雨痕所对应的雨滴与摄像头之间的距离信息；根据所述距离信息确定所述目标纯雨痕图像中在所述摄像头景深范围内的雨滴所对应的目标雨痕，获取所述目标雨痕的雨痕长度以及雨痕宽度；
曲线获取模块，用于根据所述雨痕长度以及所述雨痕宽度计算出雨滴尺寸分布曲线；
降雨量获取模块，用于根据所述雨滴尺寸分布曲线以及所述雨滴速度，得到在所述预设时间段内的降雨量。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201910133303.3A 2019-02-22 2019-02-22 降雨测量方法、装置、计算机设备和存储介质 Active CN110018529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910133303.3A CN110018529B (zh) 2019-02-22 2019-02-22 降雨测量方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910133303.3A CN110018529B (zh) 2019-02-22 2019-02-22 降雨测量方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110018529A CN110018529A (zh) 2019-07-16
CN110018529B true CN110018529B (zh) 2021-08-17

Family

ID=67189048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910133303.3A Active CN110018529B (zh) 2019-02-22 2019-02-22 降雨测量方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110018529B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114620007B (zh) * 2020-12-10 2024-03-05 北京汽车股份有限公司 雨刮电机控制方法、装置及车辆
CN114125300B (zh) * 2021-11-29 2023-11-21 维沃移动通信有限公司 拍摄方法、拍摄装置、电子设备和可读存储介质
CN114594533A (zh) * 2022-05-10 2022-06-07 武汉大学 一种基于自适应高斯混合算法的视频雨量监测方法与装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4596223B2 (ja) * 2001-06-27 2010-12-08 ソニー株式会社 画像処理装置および方法、記録媒体、並びにプログラム
CN1738426A (zh) * 2005-09-09 2006-02-22 南京大学 一种视频运动目标分割与跟踪方法
CN101266689B (zh) * 2008-04-23 2010-09-29 北京中星微电子有限公司 一种运动目标检测方法及装置
CN102201121A (zh) * 2010-03-23 2011-09-28 鸿富锦精密工业（深圳）有限公司 视频场景中的物件侦测系统与方法
US8873852B2 (en) * 2011-09-29 2014-10-28 Mediatek Singapore Pte. Ltd Method and apparatus for foreground object detection
CN102521846B (zh) * 2011-12-21 2013-12-04 浙江大学 基于3d视频的时空域运动分割与运动估计方法
US9275281B2 (en) * 2012-01-12 2016-03-01 Kofax, Inc. Mobile image capture, processing, and electronic form generation
CN102707340B (zh) * 2012-06-06 2014-11-26 南京大学 一种基于视频图像的降雨量测量方法
CN103208126B (zh) * 2013-04-17 2016-04-06 同济大学 一种自然环境下运动物体监测方法
CN103439756B (zh) * 2013-07-31 2016-02-10 中国人民解放军理工大学 一种基于粒子成像测速的自然降水粒子微物理特征测量方法
CN103903230A (zh) * 2014-03-28 2014-07-02 哈尔滨工程大学 一种视频图像海雾去除清晰化方法
CN104111485A (zh) * 2014-07-18 2014-10-22 中国科学院合肥物质科学研究院 基于立体成像的雨滴谱和其它降水微物理特征的观测方法
SG11201703074SA (en) * 2014-10-13 2017-05-30 Agency Science Tech & Res Automatic region-of-interest segmentation and registration of dynamic contrast-enhanced images of colorectal tumors
US10209404B2 (en) * 2015-01-13 2019-02-19 Politecnico Di Torino Method for measuring a particle precipitation rate, and device thereof
EP3246874B1 (en) * 2016-05-16 2018-03-14 Axis AB Method and apparatus for updating a background model used for background subtraction of an image
CN106056545A (zh) * 2016-05-24 2016-10-26 中国科学院深圳先进技术研究院 一种图像去雨方法及系统
EP3255585B1 (en) * 2016-06-08 2018-05-09 Axis AB Method and apparatus for updating a background model
CN106815854B (zh) * 2016-12-30 2020-05-15 西安交通大学 一种基于正则误差建模的在线视频前景背景分离方法
CN107240084B (zh) * 2017-06-14 2021-04-02 湘潭大学 一种单幅图像去雨方法及装置
CN107328441A (zh) * 2017-07-19 2017-11-07 北京林业大学 一种林业微环境监测及预警系统
CN108227044B (zh) * 2018-01-26 2020-03-27 中国科学院大气物理研究所 一种基于双线阵的雨滴测量装置及方法
CN108520501B (zh) * 2018-03-30 2020-10-27 西安交通大学 一种基于多尺度卷积稀疏编码的视频去雨雪方法

Also Published As

Publication number Publication date
CN110018529A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
CN110018529B (zh) 降雨测量方法、装置、计算机设备和存储介质
US20200111220A1 (en) Block-matching optical flow and stereo vision for dynamic vision sensors
Mao et al. An improved approach to estimate above-ground volume and biomass of desert shrub communities based on UAV RGB images
CN112017135B (zh) 一种遥感影像数据时空融合的方法、系统及设备
CN111476827B (zh) 目标跟踪方法、系统、电子装置及存储介质
CN105354841B (zh) 一种快速遥感影像匹配方法及系统
CN110874583A (zh) 一种客流统计的方法、装置、存储介质及电子设备
CN109308688B (zh) 一种可见光和近红外波段厚云及阴影去除方法
CN102915545A (zh) 一种基于OpenCV的视频目标跟踪算法
JP2012150068A (ja) 土壌乾湿予測方法及びその装置
CN103391430A (zh) 基于dsp的相关跟踪方法及专用装置
CN114359334A (zh) 目标跟踪方法、装置、计算机设备和存储介质
CN111316135B (zh) 根据正在发生大气降水的环境的数字图像实时计算大气降水速率的系统
JP2021512406A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN113763415B (zh) 目标跟踪方法、装置、电子设备及存储介质
Liu et al. Image-based recognition and processing system for monitoring water levels in an irrigation and drainage channel
CN116883893A (zh) 基于红外热成像的隧道掌子面地下水智能判识方法及系统
CN116972880A (zh) 定位算法的精度检测装置
CN110866535B (zh) 视差图的获取方法、装置、计算机设备和存储介质
Mao et al. Effects of UAV flight height on biomass estimation of desert shrub communities
Piermattei et al. Analysis of glacial and periglacial processes using structure from motion.
Zhang et al. Annual urban built-up change area online extraction using landsat time series data
CN104038744A (zh) 跟踪成功率的基于dsp的相关跟踪方法
CN109115185B (zh) 近景摄影测量方法
CN117953036B (zh) 道路桥梁基础沉降位移监测系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant