申请/专利权人：北京工商大学

申请日：2023-12-05

公开（公告）日：2024-05-31

公开（公告）号：CN118115745A

主分类号：G06V10/40

分类号：G06V10/40;G01N21/84;G01N21/25;G06V10/50;G06V10/56;G06V10/82;G06V20/40;G06N3/045;G06N3/0442;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.18#实质审查的生效;2024.05.31#公开

摘要：本发明公布了一种基于街景视频的空气污染物浓度预测方法，通过对街景视频进行图像特征选择，选取得到图像中出现频率高的色调特征，构建基于深度学习的污染物浓度预测神经网络模型并以色调频率值作为模型的输入，对街景视频实现基于深度学习的污染物浓度预测。采用本发明提供的技术方案，可大大降低计算成本，提升污染物浓度预测的效果。

主权项：1.一种基于街景视频的污染物浓度预测方法，其特征是，通过对街景视频进行图像特征选择，选取得到图像中出现频率高的色调特征，构建基于深度学习的污染物浓度预测神经网络模型并以色调频率值作为预测模型的输入，对街景视频实现基于深度学习的污染物浓度预测；包括以下步骤：步骤1：获取街景影像视频数据，及其对应的同时段、同地点的污染物数据；步骤2：对视频数据进行分帧，并将得到的分帧图像与其对应的污染物数值进行匹配；步骤3：将每幅图像转为由色调H、饱和度S、亮度V三个通道的像素值表示；提取图像频率直方图特征，得到每幅图像在HSV三个通道的频率分布；步骤4：对视频分帧得到的每幅图像进行特征选择，得到色调的频率值，作为预测模型的输入变量；特征选择方法包括如下过程：41对视频分帧得到的n幅时间序列图像，得到每幅图像通道H的色调频率分布；用Hk表示其中第k幅图像的色调通道H的频率分布，包括通道H每种色调在图像中出现的次数；42根据每幅图像的色调频率分布计算得到每幅图像中色调出现频率的最大值；43将n幅图像色调出现频率最大值对应的色调表示为一个集合，记为S；44统计S中每个色调值出现的次数，记为{H.i—H.inumber}，并按次数对色调排序，其中H.i代表所有n张图像中的其中一种色调i，H.inumber代表该色调出现的次数；45设置相邻色调；色调选择方法表示为：H.i←max{H.inumber}①H.j←max{H.jnumber\H.inumber}且|i-j|10②i←j③其中，H.i代表选择出来的第一个色调，H.j代表选择出来的第二个及之后的色调，max{H.inumber}代表最大色调出现次数的最大值，max{H.jnumber\H.inumber}代表除去已选色调后的色调出现次数的最大值，|i-j|代表相邻两个色调的位置差，←代表赋值操作；循环执行②、③，直到完成色调选择，得到一段时间序列中每幅图像最高频率的几种色调的频率值；步骤5：分别建立三种深度学习神经网络模型，包括循环神经网络RNN、长短期记忆网络LSTM和门控循环单元GRU时间序列模型；以色调的频率值作为模型的输入，从时间维度进行基于深度学习的污染物浓度预测，由此得到污染物浓度。

全文数据：

权利要求：

百度查询： 北京工商大学 一种基于街景视频的空气污染物浓度预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD