[发明专利]一种可实时识别降水类型的网络摄像机在审
| 申请号： | 201910311957.0 | 申请日： | 2019-04-18 |
| 公开（公告）号： | CN110049216A | 公开（公告）日： | 2019-07-23 |
| 发明（设计）人： | 史剑波;汤友宇;张超 | 申请（专利权）人： | 安徽易睿众联科技有限公司 |
| 主分类号： | H04N5/225 | 分类号： | H04N5/225;H04N7/18;G06N3/04 |
| 代理公司： | 合肥律众知识产权代理有限公司 34147 | 代理人： | 白凯园 |
| 地址： | 230000 安徽省合*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 网络摄像机 卷积神经网络 图像采集系统 电性连接 模型系统 数据线 摄像机 服务终端 降水类型 实时识别 数据端口 云台 降水 驱动 机器学习 实时视频 标签化 整合 场景 传递 分类 图片 分析 | ||
1.一种可实时识别降水类型的网络摄像机，其特征在于：包括摄像机驱动云台（1）、图像采集系统（3）、卷积神经网络识别模型系统（4）、服务终端（5），所述摄像机驱动云台（1）的两侧外表面设置有网络摄像机（2），且所述网络摄像机（2）的外表面留有数据端口，所述网络摄像机（2）通过数据端口上的数据线与图像采集系统（3）电性连接，所述图像采集系统（3）通过数据线与卷积神经网络识别模型系统（4）电性连接，所述卷积神经网络识别模型系统（4）通过数据线与服务终端（5）电性连接。
2.根据权利要求1所述的一种可实时识别降水类型的网络摄像机，其特征在于：所述卷积神经网络识别模型系统（4）包含3D含卷积层、池化层、全连接层和Softmax层，3D卷积层根据2D卷积神经网络的基础，对卷积神经网络维度进行拓展，网络结构中的每一层的卷积核尺寸、池化层过滤器尺寸均提升到三维，3D最大池化层同样选取最大池化方法，接受的卷积层输出为一个立方体数据，全连接层中，神经元与邻接层所有神经元相连，全连接层的输入，将特征空间到一个神经元向量，接下来利用矩阵乘法将输入的特征向量，前一层的输入将卷积的3D特征向量压平到一个神经元向量，最后输出层是Softmax层，最后一个神经向量将计算每个分类的概率。
3.根据权利要求1所述的一种可实时识别降水类型的网络摄像机，其特征在于：所述摄像机驱动云台（1）包括有控制器、横向驱动机构、竖向驱动机构，控制器接收控制信号利用横向驱动机构与竖向驱动机构调整网络摄像机（2）所拍摄记录的范围。
4.根据权利要求1所述的一种可实时识别降水类型的网络摄像机，其特征在于：所述卷积神经网络识别模型系统（4）的模型的网络结构由神经层和下采样层交替实现，神经层包含3D卷积层，卷积核的尺寸为三维立方体，下采样层包含3D池化层，输入层数据一般由特征图按时序堆叠而成，主要包括输入层、卷积层、池化层、全连接层，搭建包含3层3D卷积层、3层3D池化层的卷积神经网络模型，使用线性整流函数作为激活函数。
5.根据权利要求1所述的一种可实时识别降水类型的网络摄像机，其特征在于：所述服务终端（5）包括有处理器、存储器、以太网协议模块。
6.根据权利要求1所述的一种可实时识别降水类型的网络摄像机，其特征在于：所述图像采集系统（3）为图像转存处理设备。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽易睿众联科技有限公司，未经安徽易睿众联科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910311957.0/1.html，转载请声明来源钻瓜专利网。
