(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111656430.5 (22)申请日 2021.12.3 0 (71)申请人 上海商汤智能科技有限公司 地址 200233 上海市徐汇区桂平路391号3 号楼1605A室 (72)发明人 陈康　谭发兵　朱铖恺　武伟　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 代理人 魏文君 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/08(2006.01) (54)发明名称 能见度值检测方法、 装置、 设备及存 储介质 (57)摘要 本说明书实施例提供一种能见度值检测方 法、 装置、 设备及存储介质。 可以获取待检测图 像； 对所述待检测图像进行特征提取， 得到所述 待检测图像的表征量； 基于预先标定的表征量与 能见度值的映射关系、 以及所述待检测图像的表 征量确定所述待检测图像对应的能见度值， 其 中， 所述表征量用于表征图像中包含的场景的能 见度值的大小。 通过这种方式， 无需借助专门的 能见度测量仪器， 也可以确定待检测图像的能见 度值。 权利要求书3页 说明书12页 附图3页 CN 114359211 A 2022.04.15 CN 114359211 A 1.一种能见度值检测方法， 其特 征在于， 所述方法包括： 获取待检测图像； 对所述待检测图像进行 特征提取， 得到所述待检测图像的表征量； 基于预先标定的表征量与能见度值的映射关系、 以及所述待检测图像的表征量， 确定 所述待检测图像的能见度值； 其中， 所述表征量用于表征图像中包含的场景 的能见度值的 大小。 2.根据权利要求1所述的方法， 其特 征在于， 对所述待检测图像进行 特征提取， 包括： 通过预先训练的神经网络对所述待检测图像进行特征提取； 其中， 所述神经网络基于 以下方式训练得到： 获取携带标签信 息的样本图像对， 所述标签信 息用于指示所述样本图像对中的两帧图 像对应的能见度值的大小关系； 通过预设的初始神经网络输出所述样本图像对中的两帧图像能见度值大小关系的预 测结果； 基于所述预测结果与所述标签信息的差异， 调整所述初始神经网络的网络参数， 得到 所述神经网络 。 3.根据权利要求2所述的方法， 其特征在于， 所述初始神经网络包括特征提取网络、 表 征量确定网络和输出层； 所述通过预设的初始神经网络输出所述样本图像对中的两帧图像能见度值大小关系 的预测结果， 包括： 通过所述特征提取网络对所述样本图像对中的两帧图像进行 特征提取； 通过所述表征量确定网络基于所述特征提取网络提取到的特征， 确定所述样本图像对 中的两帧图像各自的表征量； 通过所述输出层基于所述样本图像对中的两帧图像各自的表征量确定所述两帧图像 的能见度值大小关系。 4.根据权利要求3所述的方法， 其特征在于， 所述表征量确定网络包括第 一网络分支和 第二网络分支； 所述通过所述表征量确定网络基于所述特征提取网络提取到的特征， 确定所述样本图 像对中的两帧图像各自的表征量， 包括： 通过所述第 一网络分支基于从所述样本图像对中的第 一图像提取得到的特征， 确定所 述第一图像的表征量； 通过所述第 二网络分支基于从所述样本图像对中的第 二图像提取得到的特征， 确定所 述第二图像的表征量。 5.根据权利要求2 ‑4任一项所述的方法， 其特征在于， 所述样本图像对基于以下方式得 到： 获取至少两个第 一图像集， 其中， 每个所述第 一图像集中各图像的能见度值范围相同， 任意两个所述第一图像集中各图像的能见度值范围不重 叠； 从所述任意两个第一图像集中分别选取一帧图像， 构成所述样本图像对。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述表征量为一维标量， 所述表 征量与能见度值的映射关系基于以下 方式确定：权　利　要　求　书 1/3 页 2 CN 114359211 A 2获取至少一个第二图像集， 每 个所述第二图像集中各图像的能见度值范围相同； 基于确定的每个所述第 二图像集中各图像的表征量， 得到每个所述第 二图像集中各图 像的表征量分布范围； 基于每个所述第 二图像集中各图像的能见度值范围和所述表征量分布范围， 确定所述 映射关系； 或 获取第三图像集， 所述第三图像集中各图像的能见度值已知； 基于确定的所述第三图像集中各图像的表征量和所述第三图像集中各图像的能见度 值确定所述映射关系。 7.根据权利要求6所述的方法， 其特征在于， 基于每个所述第 二图像集中各图像的能见 度值范围和所述表征量分布范围， 确定所述映射关系， 包括： 基于相邻两个所述第二图像集中， 各图像的能见度值范围和所述表征量分布范围， 确 定目标能见度值对应的表征量， 其中， 相邻两个所述第二图像集中各图像的能见度值范围 连续， 且通过 所述目标能见度值分隔开； 基于所述目标能见度值对应的表征量确定所述映射关系。 8.根据权利要求7所述的方法， 其特征在于， 基于相邻 两个所述第 二图像集中各图像的 能见度值范围和所述表征量分布范围， 确定所述目标能见度值对应的表征量， 包括： 基于相邻 两个所述第 二图像集中各图像的能见度值范围和所述表征量分布范围， 确定 所述目标能见度值对应的初始 表征量； 调整所述初始表征量， 基于调整后的表征量分别对相邻 两个所述第 二图像集中的图像 进行分类， 直至相邻两个所述第二图像集的分类结果的准确度均达 到最大值； 将调整后的表征量作为所述目标能见度值对应的表征量。 9.根据权利要求1 ‑8任一项所述的方法， 其特征在于， 所述待检测图像的表征量通过预 先训练的神经网络对所述待检测图像进行特征提取得到， 所述神经网络包括特征提取网 络、 第一网络分支和第二网络分支； 通过预先训练 的神经网络对所述待检测图像进行特征提取， 得到所述待检测图像的表 征量， 包括： 通过所述特征提取网络对所述待检测图像进行特征提取， 将提取到的特征输入至所述 第一网络分支或所述第二网络分支中的任一个， 得到所述待检测图像的表征量； 或 通过所述神经网络的特征提取网络对所述待检测图像进行特征提取， 将提取到的特征 输入至所述第一网络分支中， 得到第一表征量； 将提取到的特 征输入至所述第二网络分支中， 得到第二表征量； 基于所述第一表征量和所述第二表征量得到所述待检测图像的表征量。 10.根据权利要求1 ‑9任一项所述的方法， 其特征在于， 所述待检测图像包括道路区域 的图像， 所述方法还 包括： 基于所述待检测图像包 含的道路区域的能见度值， 确定特定气候的危害等级； 根据与所述 危害等级对应的管控策略对所述道路区域内的交通进行 管控。 11.根据权利要求1 ‑9任一项所述的方法， 其特征在于， 所述待检测图像包括不同时刻 采集的道路区域的多帧图像， 所述方法包括： 基于所述多帧图像中所述道路区域的能见度 值的变化趋势， 预测所述道路区域内的特定气候的变化趋势； 或者权　利　要　求　书 2/3 页 3 CN 114359211 A 3