CN116168317A - 天气识别方法、装置、电子设备和存储介质 - Google Patents

Abstract

本公开提供了一种天气识别方法，涉及人工智能技术领域，尤其涉及图像识别技术领域和视频分析技术领域，可应用于智慧城市、城市治理、应急管理等场景下。具体实现方案为：确定与至少一个初始视频对应的至少一个场景信息，其中，至少一个初始视频与目标区域相关；利用与至少一个场景信息对应的至少一个视频处理策略分别处理至少一个初始视频，得到至少一个目标视频；对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别结果；以及根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果。本公开还提供了一种天气识别装置、电子设备和存储介质。

Description

天气识别方法、装置、电子设备和存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及图像识别技术领域和视频分析技术领域，可应用于智慧城市、城市治理、应急管理等场景下。更具体地，本公开提供了一种天气识别方法、装置、电子设备和存储介质。

背景技术

随着人工智能技术的发展，深度学习技术的应用场景不断增加。可以对摄像头采集的图像或视频进行识别，以确定摄像头所处区域的天气情况。

发明内容

本公开提供了一种天气识别方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种天气识别方法，该方法包括：确定与至少一个初始视频对应的至少一个场景信息，其中，至少一个初始视频与目标区域相关；利用与至少一个场景信息对应的至少一个视频处理策略分别处理至少一个初始视频，得到至少一个目标视频；对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别结果；以及根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果。

根据本公开的另一方面，提供了一种天气识别装置，该装置包括：确定模块，用于确定与至少一个初始视频对应的至少一个场景信息，其中，至少一个初始视频与目标区域相关；处理模型，用于利用与至少一个场景信息对应的至少一个视频处理策略分别处理至少一个初始视频，得到至少一个目标视频；识别处理模块，用于对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别结果；以及获得模块，用于根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据本公开提供的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开的一个实施例的可以应用天气识别方法和装置的示例性系统架构示意图；

图2是根据本公开的一个实施例的天气识别方法的流程图；

图3A是根据本公开的一个实施例的初始视频帧的示意图；

图3B是根据本公开的另一个实施例的初始视频帧的示意图；

图3C是根据本公开的另一个实施例的初始视频帧的示意图；

图4是根据本公开的一个实施例的获得目标天气识别结果的示意图；

图5是根据本公开的一个实施例的天气识别装置的框图；

图6是根据本公开的一个实施例的可以应用天气识别方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

天气现象可以包括降雨、降雪以及降冰雹等多种自然现象。以降雨为例，降雨是局部地区规律较为显著的一种自然现象，是天气预报的重要组成部分。气象部门对降雨的观测主要依据气象观测站点的数据。

降雨识别的识别结果可以指示相关区域是否发生了降雨现象。气象观测站的分布密度较低、测量工具有限，无法做到细粒度(例如街道或道路)的降雨识别，可能无法满足对降雨识别的准确性要求。降雨可以包括降暴雨。暴雨可以指持续的强降雨，可能成为一种气象灾害。暴雨可能会对群众以及基础设施的安全造成威胁，也可能会导致地质灾害(例如泥石流等)。

为了提高降雨识别的精度，可以利用图像识别或视频识别技术，对摄像头采集的图像或视频进行识别，得到指示摄像头所处区域是否降雨的识别结果。基于图像识别的降雨识别技术，可以在一定程度上利用摄像头的场景信息，但难以利用雨水下落相关的动作信息，导致识别精度较低。基于视频识别的降雨识别技术，可以在一定程度上利用摄像头的场景信息以及雨水下落的动作信息。但，在一些示例中，基于视频识别的降雨识别技术多基于单个摄像头的数据进行识别，没有考虑不同摄像头之间的关系，难以基于更大规模的非同源数据进行降雨识别。

图1是根据本公开一个实施例的可以应用天气识别方法和装置的示例性系统架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的天气识别方法一般可以由服务器105执行。相应地，本公开实施例所提供的天气识别装置一般可以设置于服务器105中。本公开实施例所提供的天气识别方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的天气识别装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

图2是根据本公开的一个实施例的天气识别方法的流程图。

如图2所示，该方法200可以包括操作S210至操作S240。

在操作S210，确定与至少一个初始视频对应的至少一个场景信息。

在本公开实施例中，至少一个初始视频与目标区域相关。例如，目标区域可以是与一个街道对应。该街道可以包括道路和地物(例如建筑物等)。又例如，目标区域内可以部署至少一个视频采集设备(例如摄像头)。视频采集设备采集的视频可以作为初始视频。

在本公开实施例中，场景信息可以表征与初始视频相关的场景。例如，场景信息可以指示初始视频来自能见度高的场景。可以理解，在来自能见度高的场景的初始视频中，视频帧的平均亮度较高。也可以理解，本实施例中，以场景信息表征能见度高的场景为示例，但本公开不限于此，场景信息还可以表征其他场景。

在操作S220，利用与至少一个场景信息对应的至少一个视频处理策略分别处理至少一个初始视频，得到至少一个目标视频。

在本公开实施例中，场景信息与视频处理策略对应。例如，场景信息可以表征能见度高的场景，与该场景信息对应的视频处理策略可以指示以下操作：将初始视频作为目标视频。在利用该视频处理策略处理初始视频时，可以将初始视频作为目标视频。

在操作S230，对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别结果。

在本公开实施例中，可以利用各种方式进行第一识别处理。例如，可以利用经训练的深度学习模型进行第一识别处理。

在本公开实施例中，第一识别结果可以指示目标区域中是否存在预设天气现象。例如，预设天气现象可以包括降雨、降雪以及降冰雹等现象。又例如，第1个第一识别结果可以指示目标区域存在降雨现象。

在操作S240，根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果。

例如，以3个初始视频为示例，3个初始视频可以对应3个第一识别结果。第1个第一识别结果可以指示目标区域存在降雨现象。第2个第一识别结果也可以指示目标区域存在降雨现象。第3个第一识别结果可以指示目标区域不存在降雨现象。指示存在降雨现象的识别结果的数量大于指示不存在降雨现象的识别结果的数量。由此，目标天气识别结果可以指示目标区域存在降雨现象。

通过本公开实施例，对至少一个视频进行了识别，可以充分利用不同视频的细粒度特征，有助于提高识别的精度。此外，利用与场景信息对应的视频处理策略处理了至少一个初始视频，使得可以基于至少一个摄像头的数据进行识别，有助于扩展天气识别的应用场景。

可以理解，上文对本公开的方法流程进行了说明，下面将对上述操作S210中的场景信息进行说明。

在一些实施例中，初始视频包括多个初始视频帧，至少一个场景信息包括第一场景信息、第二场景信息以及第三场景信息中的至少一个。

图3A是根据本公开的一个实施例的初始视频帧的示意图。

在本公开实施例中，第一场景信息用于表征初始视频的至少一个视频帧中预设对象的占比大于或等于预设占比阈值。例如，预设对象可以为树枝、挡板等对象。预设对象可以遮挡视频采集装置，导致初始视频帧的一些图像区域被预设对象占用，可能导致识别精度下降。又例如，可以分别对多个初始视频帧进行目标检测，得到多个目标检测结果。目标检测结果可以指示预设对象在视频帧中所处的图像区域。根据预设对象所处图像区域，可以确定预设对象在初始视频帧中的占比。若占比大于预设占比阈值，可以确定该初始视频与第一场景信息对应。如图3A所示，初始视频帧301中树枝的占比较大，可以确定包括初始视频帧301的初始视频与第一场景信息对应。

图3B是根据本公开的另一个实施例的初始视频帧的示意图。

在本公开实施例中，第二场景信息用于表征初始视频的至少一个视频帧的平均亮度小于或等于预设平均亮度阈值。例如，在夜晚或雾霾天气中，能见度低。在利用深度学习模型进行识别的情况下，可以利用来自能见度高的场景的视频样本来训练模型。进而，在推理阶段，深度学习模型对能见度低的视频的识别精度不高。又例如，可以将多个初始视频帧转换为多个灰度图像。分别确定多个灰度图像各自的平均亮度。若多个灰度图像中至少一个灰度图像的平均亮度小于或等于预设平均亮度阈值，可以确定该初始视频与第二场景信息对应。如图3B所示，初始视频帧302的平均亮度较低，可以确定包括初始视频帧302的初始视频与第二场景信息对应。

图3C是根据本公开的另一个实施例的初始视频帧的示意图。

在本公开实施例中，第三场景信息用于表征初始视频的至少一个视频帧中不存在与道路对应的图像区域。例如，多个视频采集设备可以分布于具有道路区域的街道。对于具有与道路对应的图像区域的视频的识别精度较高。这可能是因为不具有道路区域的情况下，目标区域中可以存在较多的树木或水塘，降雨等天气现象的动作信息会被减弱。在一个示例中，在降雨量较少的情况下，目标区域中若存在树木且没有道路，树木可能因降雨而发生摆动。摆动产生的动作信息可以影响雨水本身的动作信息。又例如，可以利用各种方式来确定初始视频帧中是否存在道路区域。例如，可以对初始视频帧进行图像分割，以确定初始视频帧中是否存在与道路对应的图像区域。如图3C所示，初始视频帧303中不存在与道路对应的图像区域，存在与水塘对应的区域，可以确定包括初始视频帧303的初始视频与第三场景信息对应。

在本公开实施例中，至少一个场景信息还可以包括预设场景信息。例如，除了第一场景信息、第二场景信息以及第三场景信息之外的其他场景信息，可以作为预设场景信息。

可以理解，上文对本公开的场景信息进行了说明，下面将对上述操作S220中的视频处理策略进行说明。

在一些实施例中，至少一个视频处理策略包括第一视频处理策略、第二视频处理策略以及第三视频处理策略中的至少一个。

在本公开实施例中，第一视频处理策略与第一场景信息对应。第一视频处理策略用于指示：利用调整后的视频采集设备采集目标视频。例如，如上述，在与第一场景信息对应的初始视频中，可以存在占比较大的预设对象。在利用第一视频处理策略处理该初始视频时，可以调整视频采集设备。利用调整后的视频采集设备采集调整后的视频。接下来，将调整后的视频作为目标视频，以替换初始视频。通过本公开实施例，在存在遮挡的情况下，可以重新采集视频，有助于提高天气识别的精度。

在本公开实施例中，第二视频处理策略与第二场景信息对应。第二视频处理策略用于指示：从初始视频中删除平均亮度小于或等于预设平均亮度阈值的至少一个视频帧。例如，如上述，与第二场景信息对应的初始视频中，可以存在平均亮度较低的初始视频帧，可以将这些初始视频帧删除。删除了这些初始视频帧的视频，可以作为目标视频。通过本公开实施例，删除了亮度较低的视频帧，可以降低天气识别的运算压力，有助于提高天气识别的精度。

在本公开实施例中，第三视频处理策略与第三场景信息对应。第三视频处理策略用于指示：按照预设裁剪策略对初始视频的多个初始视频帧进行裁剪。例如，如上述，与第三场景信息对应的初始视频中，可以不存在道路区域。可以针对至少一个视频采集设备分别设置预设裁剪策略，使得裁剪后视频帧可以与道路区域类似。可以根据裁剪后的视频帧，得到目标视频。通过本公开实施例，对视频帧进行了裁剪，可以在各种区域中进行天气识别，提高了天气识别的应用范围，有助于提高天气识别的精度。

可以理解，上文对本公开的视频处理策略进行了说明，下面将对操作S230中第一识别处理进行说明。

在一些实施例中，与图像相比，视频可以具有时间维度的信息。可以利用各种深度学习模型来实现第一识别处理。

在本公开实施例中，可以利用循环神经网络(Recurrent Neural Network，RNN)进行时序建模，以实现第一识别处理。例如，可以利用基于注意力机制的长短时记忆网络(AttentionLSTM)来实现第一识别处理。可以理解，循环神经网络可以处理视频特征。

在本公开实施例中，也可以利用三维的神经网络来提取视频的时序信息。例如，可以利用快慢(SlowFast)模型的快(Fast)网络和慢(Slow)网络分别获取视频的动作信息和表观信息(可以直接从视频中获取的信息)。可以理解，快慢模型可以用于执行视频分类任务。

在本公开实施例中，也可以利用其他神经网络来提取视频的时序信息。例如，可以利用时间分割网络(Temporal Segment Networks，TSN)或时间移位模型(Temporal ShiftModule，TSM)来提取时序信息。与时间分割网络不同，时间移位模型可以在不增加计算量的前提下提升识别精度，更适用于天气识别场景。经训练之后，基于时间移位模型进行天气识别的精度可以超过快慢模型。此外，在推理阶段，时间移位模型的推理速度更快，具有更强的推理性能。

可以理解，上文对实现第一识别处理的方式进行了说明，下面将对上述的操作S230进行进一步说明。

在一些实施例中，对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别结果可以包括：根据至少一个初始视频的采集时间，确定至少一个目标视频的采集时间。根据至少一个目标视频的采集时间，确定至少一个第一识别阈值。

在本公开实施例中，在采集时间处于第一时段的情况下，将第一预设值作为第一识别阈值。例如，第一时段可以是清晨时段。又例如，在早上6点整，可以采集两个第一初始视频。二者的采集时间均为早上6点整。利用相关视频处理策略处理第1个第一初始视频之后，可以得到第1个第一目标视频。利用相关视频处理策略处理第2个第一初始视频之后，可以得到第2个第一目标视频。两个第一目标视频的采集时间也可以是早上6点整。可以将第一预设值作为第一识别阈值。

在本公开实施例中，在采集时间处于第二时段的情况下，将第二预设值作为第一识别阈值。例如，第二时段可以是晚上时段。又例如，在下午20点整，可以采集两个第二初始视频。二者的采集时间均为晚上20点整。利用相关视频处理策略处理第1个第二初始视频之后，可以得到第1个第二目标视频。利用相关视频处理策略处理第2个第二初始视频之后，可以得到第2个第二目标视频。两个第二目标视频的采集时间也可以是下午17点整。可以将第二预设值作为第一识别阈值。可以理解，第一预设值与第二预设值可以不同。不同时段的光照条件也是不同的。通过本公开实施例，视频的采集时间的不同，识别阈值不同。由此，在不同的时段以及不同的光照条件下，均可以高效准确地进行天气识别，进一步提高跨域天气识别能力。

在一些实施例中，对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别结果可以包括：对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别值。根据至少一个第一识别值和至少一个第一识别阈值，得到至少一个第一识别结果。

在本公开实施例中，第一识别结果用于指示目标区域中是否存在预设天气现象。

在本公开实施例中，若第一识别值大于第一识别阈值，可以确定目标区域中存在预设天气现象。

可以理解，上文对不同光照条件下进行天气识别的一些方式进行了说明，下面将对上述的操作S240进行进一步说明。

在一些实施例中，至少一个第一识别结果可以为M个。例如，M为大于或等于1的整数。

在一些实施例中，根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果可以包括：响应于确定N个第一识别结果指示目标区域中存在预设天气现象，在确定与N个第一识别结果分别对应的N个目标视频各自的目标视频帧中存在预设图像区域的情况下，对N个目标视频分别进行第二识别处理，得到N个第二识别结果。

例如，N为大于或等于1且小于M的整数。

又例如，预设图像区域可以与目标区域中的积水、树荫等对应。可以对目标视频帧进行图像分割，以确定目标视频帧中是否存在与积水或树荫等区域对应的图像区域。

又例如，在N个目标视频的目标视频帧中存在与预设图像区域的情况下，可以利用另一经训练的模型对N个目标视频分别进行第二识别处理，得到第二识别结果。第二识别结果可以指示目标区域中是否存在预设天气现象。通过本公开实施例，可以在存在目标区域存在积水或树荫的情况下，更加准确地进行天气识别。

在一些实施例中，根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果可以包括：根据N个第二识别结果和M-N个第一识别结果，得到目标天气识别结果。例如，在这些识别结果中，若指示存在预设天气现象的识别结果的数量大于指示不存在预设天气现象的识别结果的数量，可以将指示存在预设天气现象的一个识别结果作为目标天气识别结果。

下面将结合图4对获得目标天气识别结果的另一些方式进行进一步说明。

图4是根据本公开的一个实施例的获得目标天气识别结果的示意图。

在本公开实施例中，根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果可以包括：确定指示目标区域中存在预设天气现象的第一识别结果的第一数量。确定指示目标区域中不存在预设天气现象的第一识别结果的第二数量。将与第一数量和第二数量中的较大值对应的任一第一识别结果，作为目标天气识别结果。

如图4所示，视频采集设备410可以采集第1个初始视频。利用相关视频处理策略对第1个初始视频进行处理之后，可以得到第1个目标视频。对第1个目标视频进行第一识别处理，可以得到第1个第一识别结果411。视频采集设备420可以采集第2个初始视频。利用相关视频处理策略对第2个初始视频进行处理之后，可以得到第2个目标视频。对第2个目标视频进行第一识别处理，可以得到第2个第一识别结果421。视频采集设备430可以采集第3个初始视频。利用相关视频处理策略对第3个初始视频进行处理之后，可以得到第3个目标视频。对第3个目标视频进行第一识别处理，可以得到第3个第一识别结果431。

以第一识别结果411指示目标区域内存在降雨现象、第一识别结果421指示目标区域中存在降雨现象以及第一识别结果431指示目标区域中不存在降雨现象为示例，可以确定指示目标区域中存在降雨现象的第一识别结果的第一数量为2。可以确定指示目标区域中不存在降雨现象的第一识别结果的第二数量为1。第一数量大于第二数量，可以将第一识别结果411或第一识别结果421中的任一个作为目标天气识别结果440。目标天气识别结果440可以指示目标区域中存在降雨现象。

图5是根据本公开的一个实施例的天气识别装置的框图。

如图5所示，该装置500可以包括确定模块510、处理模块520、识别处理模块530以及获得模块540。

确定模块510，用于确定与至少一个初始视频对应的至少一个场景信息。例如，至少一个初始视频与目标区域相关。

处理模块520，用于利用与至少一个场景信息对应的至少一个视频处理策略分别处理至少一个初始视频，得到至少一个目标视频。

识别处理模块530，用于对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别结果。

获得模块540，用于根据至少一个第一识别结果，得到与目标区域对应的目标天气识别结果。

在一些实施例中，初始视频包括多个初始视频帧，至少一个场景信息包括第一场景信息、第二场景信息以及第三场景信息中的至少一个，第一场景信息用于表征初始视频的至少一个初始视频帧中预设对象的占比大于或等于预设占比阈值；第二场景信息用于表征初始视频的至少一个初始视频帧的平均亮度小于或等于预设平均亮度阈值；第三场景信息用于表征初始视频的至少一个初始视频帧中不存在与道路对应的图像区域。

在一些实施例中，至少一个视频处理策略包括第一视频处理策略、第二视频处理策略以及第三视频处理策略中的至少一个，第一视频处理策略与第一场景信息对应，第一视频处理策略用于指示：利用调整后的视频采集设备采集调整后的视频，以及利用调整后的视频替换初始视频；第二视频处理策略与第二场景信息对应，第二视频处理策略用于指示：从初始视频中删除平均亮度小于或等于预设平均亮度阈值的至少一个初始视频帧；第三视频处理策略与第三场景信息对应，第三视频处理策略用于指示：按照预设裁剪策略对初始视频的多个初始视频帧进行裁剪。

在一些实施例中，识别处理模块包括：第一确定单元，用于根据至少一个初始视频的采集时间，确定至少一个目标视频的采集时间；第二确定单元，用于根据至少一个目标视频的采集时间，确定至少一个第一识别阈值；第一识别单元，用于对至少一个目标视频分别进行第一识别处理，得到至少一个第一识别值；第一获得单元，用于根据至少一个第一识别值和至少一个第一识别阈值，得到至少一个第一识别结果，其中，第一识别结果用于指示目标区域中是否存在预设天气现象。

在一些实施例中，至少一个第一识别结果为M个，M为大于或等于1的整数，获得模块包括：第二识别单元，用于响应于确定N个第一识别结果指示目标区域中存在预设天气现象，在确定与N个第一识别结果分别对应的N个目标视频各自的目标视频帧中存在预设图像区域的情况下，对N个目标视频分别进行第二识别处理，得到N个第二识别结果，其中，N为大于或等于1且小于M的整数；第二获得单元，用于根据N个第二识别结果和M-N个第一识别结果，得到目标天气识别结果。

在一些实施例中，获得模块包括：第三确定单元，用于确定指示目标区域中存在预设天气现象的第一识别结果的第一数量；第四确定单元，用于确定指示目标区域中不存在预设天气现象的第一识别结果的第二数量；第三获得单元，用于将与第一数量和第二数量中的较大值对应的任一第一识别结果，作为目标天气识别结果。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如天气识别方法。例如，在一些实施例中，天气识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的天气识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行天气识别方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)显示器或者LCD(液晶显示器))；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种天气识别方法，包括：

确定与至少一个初始视频对应的至少一个场景信息，其中，至少一个所述初始视频与目标区域相关；

利用与至少一个所述场景信息对应的至少一个视频处理策略分别处理至少一个所述初始视频，得到至少一个目标视频；

对至少一个所述目标视频分别进行第一识别处理，得到至少一个第一识别结果；以及

根据至少一个所述第一识别结果，得到与所述目标区域对应的目标天气识别结果。

2.根据权利要求1所述的方法，其中，所述初始视频包括多个初始视频帧，至少一个所述场景信息包括第一场景信息、第二场景信息以及第三场景信息中的至少一个，

所述第一场景信息用于表征所述初始视频的至少一个初始视频帧中预设对象的占比大于或等于预设占比闽值；

所述第二场景信息用于表征所述初始视频的至少一个初始视频帧的平均亮度小于或等于预设平均亮度阈值；

所述第三场景信息用于表征所述初始视频的至少一个初始视频帧中不存在与道路对应的图像区域。

3.根据权利要求2所述的方法，其中，至少一个所述视频处理策略包括第一视频处理策略、第二视频处理策略以及第三视频处理策略中的至少一个，

所述第一视频处理策略与所述第一场景信息对应，所述第一视频处理策略用于指示：利用调整后的视频采集设备采集调整后的视频，以及利用调整后的视频替换所述初始视频；

所述第二视频处理策略与所述第二场景信息对应，所述第二视频处理策略用于指示：从所述初始视频中删除平均亮度小于或等于预设平均亮度阈值的至少一个所述初始视频帧；

所述第三视频处理策略与所述第三场景信息对应，所述第三视频处理策略用于指示：按照预设裁剪策略对所述初始视频的多个初始视频帧进行裁剪。

4.根据权利要求1所述的方法，其中，所述对至少一个所述目标视频分别进行第一识别处理，得到至少一个第一识别结果包括：

根据至少一个所述初始视频的采集时间，确定至少一个所述目标视频的采集时间；

根据至少一个所述目标视频的采集时间，确定至少一个第一识别阈值；

对至少一个所述目标视频分别进行第一识别处理，得到至少一个第一识别值；

根据至少一个所述第一识别值和至少一个所述第一识别阈值，得到至少一个所述第一识别结果，其中，所述第一识别结果用于指示所述目标区域中是否存在预设天气现象。

5.根据权利要求1所述的方法，其中，至少一个所述第一识别结果为M个，M为大于或等于1的整数，

所述根据至少一个所述第一识别结果，得到与所述目标区域对应的目标天气识别结果包括：

响应于确定N个所述第一识别结果指示所述目标区域中存在预设天气现象，在确定与N个所述第一识别结果分别对应的N个所述目标视频各自的目标视频帧中存在预设图像区域的情况下，对N个所述目标视频分别进行第二识别处理，得到N个第二识别结果，其中，N为大于或等于1且小于M的整数；

根据N个所述第二识别结果和M-N个所述第一识别结果，得到所述目标天气识别结果。

6.根据权利要求1所述的方法，其中，所述根据至少一个所述第一识别结果，得到与所述目标区域对应的目标天气识别结果包括：

确定指示所述目标区域中存在预设天气现象的所述第一识别结果的第一数量；

确定指示所述目标区域中不存在所述预设天气现象的第一识别结果的第二数量；

将与所述第一数量和所述第二数量中的较大值对应的任一所述第一识别结果，作为所述目标天气识别结果。

7.一种天气识别装置，包括：

确定模块，用于确定与至少一个初始视频对应的至少一个场景信息，其中，至少一个所述初始视频与目标区域相关；

处理模块，用于利用与至少一个所述场景信息对应的至少一个视频处理策略分别处理至少一个所述初始视频，得到至少一个目标视频；

识别处理模块，用于对至少一个所述目标视频分别进行第一识别处理，得到至少一个第一识别结果；以及

获得模块，用于根据至少一个所述第一识别结果，得到与所述目标区域对应的目标天气识别结果。

8.根据权利要求7所述的装置，其中，所述初始视频包括多个初始视频帧，至少一个所述场景信息包括第一场景信息、第二场景信息以及第三场景信息中的至少一个，

所述第一场景信息用于表征所述初始视频的至少一个初始视频帧中预设对象的占比大于或等于预设占比闽值；

所述第二场景信息用于表征所述初始视频的至少一个初始视频帧的平均亮度小于或等于预设平均亮度阈值；

所述第三场景信息用于表征所述初始视频的至少一个初始视频帧中不存在与道路对应的图像区域。

9.根据权利要求8所述的装置，其中，至少一个所述视频处理策略包括第一视频处理策略、第二视频处理策略以及第三视频处理策略中的至少一个，

所述第一视频处理策略与所述第一场景信息对应，所述第一视频处理策略用于指示：利用调整后的视频采集设备采集调整后的视频，以及利用调整后的视频替换所述初始视频；

所述第二视频处理策略与所述第二场景信息对应，所述第二视频处理策略用于指示：从所述初始视频中删除平均亮度小于或等于预设平均亮度阈值的至少一个所述初始视频帧；

所述第三视频处理策略与所述第三场景信息对应，所述第三视频处理策略用于指示：按照预设裁剪策略对所述初始视频的多个初始视频帧进行裁剪。

10.根据权利要求7所述的装置，其中，所述识别处理模块包括：

第一确定单元，用于根据至少一个所述初始视频的采集时间，确定至少一个所述目标视频的采集时间；

第二确定单元，用于根据至少一个所述目标视频的采集时间，确定至少一个第一识别阈值；

第一识别单元，用于对至少一个所述目标视频分别进行第一识别处理，得到至少一个第一识别值；

第一获得单元，用于根据至少一个所述第一识别值和至少一个所述第一识别阈值，得到至少一个所述第一识别结果，其中，所述第一识别结果用于指示所述目标区域中是否存在预设天气现象。

11.根据权利要求7所述的装置，其中，至少一个所述第一识别结果为M个，M为大于或等于1的整数，

所述获得模块包括：

第二识别单元，用于响应于确定N个所述第一识别结果指示所述目标区域中存在预设天气现象，在确定与N个所述第一识别结果分别对应的N个所述目标视频各自的目标视频帧中存在预设图像区域的情况下，对N个所述目标视频分别进行第二识别处理，得到N个第二识别结果，其中，N为大于或等于1且小于M的整数；

第二获得单元，用于根据N个所述第二识别结果和M-N个所述第一识别结果，得到所述目标天气识别结果。

12.根据权利要求7所述的装置，其中，所述获得模块包括：

第三确定单元，用于确定指示所述目标区域中存在预设天气现象的所述第一识别结果的第一数量；

第四确定单元，用于确定指示所述目标区域中不存在所述预设天气现象的第一识别结果的第二数量；

第三获得单元，用于将与所述第一数量和所述第二数量中的较大值对应的任一所述第一识别结果，作为所述目标天气识别结果。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至6中任一项所述的方法。

Images