1.本发明涉及多模融合分析技术领域，具体为一种结合视频和音频进行天气判别的方法。
背景技术：
2.多模态融合的知识获取是指从文本、图片、视音频等不同模态数据中交叉融合获取知识的过程，文本、图片、视音频等不同模态数据在不同程度上具有不同层次的知识表达性，需要研究不同模态信息的特征表示和学习方法，实现多模态数据的协同表示。为了克服结构差异对多模态表示造成的影响，需要研究多模态信息及其内外部知识的嵌入式学习方法，建立认知数据支持的深度特征学习与关联表示模型，从而将语言和视听觉等不同模态的信息投影到相互关联的共同子空间中，实现知识层面的多模态数据协同表示，进一步支持多模态融合的知识获取，为以后的网络空间搜索服务提供技术支撑，在对高度公路天气进行判别时，就要用到多模融合分析技术。
3.现有的高速公路天气判别方法，数据采集过程中会受到光照以及镜头污染的影响，造成数据采集不准确，采集的数据无法进行分类处理，导致整个天气判别过程较慢，为此，我们提出一种结合视频和音频进行天气判别的方法。
技术实现要素：
4.针对现有技术的不足，本发明提供了一种结合视频和音频进行天气判别的方法，解决了上述背景技术中提出的问题。
5.为实现以上目的，本发明通过以下技术方案予以实现，一种结合视频和音频进行天气判别的方法，包括以下步骤：
6.s1、天气数据采集；
7.s2、分类数据；
8.s3、数据汇总；
9.s4、分析判别；
10.s5、结果验证。
11.可选的，所述一种结合视频和音频进行天气判别的方法包括以下具体步骤：
12.s1、天气数据采集
13.首先通过具备音频功能的摄像设备对高速公路，进行视频及音频的采集作业，数据采集次数为10min/次，然后将采集到的数据进行远程传输数据处理库进行数据整和作业，且每次数据采集前设备对于视频采集的镜头进行清理，确保天气数据采集的有效性；
14.s2、分类数据
15.对于s1天气数据采集中采集到的数据进行筛分处理，将同一时段采集到的数据进行音频数据与视频数据的拆分，然后分别将音频数据与视频数据输送至对应的数据处理通道，进行有效数据的整和作业，将采集到的数据中的无效数据、相同数据及低价值数据筛
除，提取具有判别价值的数据进行汇总；
16.s3、数据汇总
17.对于s2分类数据中分类出的有效数据进行采集节点的汇总，将数据按照采集的节点顺序进行排列，确保系统根据采集数据对天气趋势进行准确判别；
18.s4、分析判别
19.通过将s3数据汇总中排列汇总完成的数据与数据库中的历史数据进行比对，对比相似天气情况，提升系统对天气判别的准确性，然后将有效时间段内采集的有效数据进行结合分析，系统通过算法对天气的变化趋势做出判别；
20.s5、结果验证
21.对于s4中系统对于天气做出判别后，经由s1天气数据采集中的采集设备再次对天气进行采集验证，通过对采集验证数据与判别数据进行对比验证，配合系统的学习算法对于数据比对的结果进行自我学习，确保根据视频及音频对天气判别的准确性。
22.可选的，所述步骤s1天气数据采集过程中的视频数据为云层，音频数据分别为雨雪及风声。
23.可选的，所述步骤s1天气数据采集过程中具备音频功能的摄像设备具体型号为ds-2cd3t27ewd-l4型。
24.可选的，所述步骤s3数据汇总过程中数据排列方式为同时间点音频数据对应相同时间点视频数据。
25.可选的，所述步骤s4分析判别过程中系统算法具体为维尔斯特拉斯判别法。
26.可选的，所述步骤s5结果验证过程中系统的学习算法具体为深度神经网络算法。
27.本发明提供了一种结合视频和音频进行天气判别的方法，具备以下有益效果：该结合视频和音频进行天气判别的方法，通过采集高速公路的视频天气及音频，可以对高速公路的天气作出判别，通过数据采集设备的定时清理，确保采集数据的有效性，将音频数据与视频数据进行区分整理，实现系统双通道的处理方式，确保数据处理效率的同时，避免数据之间出现混淆导致数据失效的情况，配合对比历史数据再进行天气的判别，配合维尔斯特拉斯判别法，确保对于天气判别的准确性，通过对判别后的天气进行验证比对，配合深度神经网络算法使得系统具有很好的自我学习能力，可以根据验证的比对结果进行学习调整，以确保下次对天气的判别精度，实现天气的声音特征和视频特征进行综合判别的效果。
具体实施方式
28.下面将结合本发明的具体实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
29.一种结合视频和音频进行天气判别的方法，包括以下步骤：
30.s1、天气数据采集；
31.s2、分类数据；
32.s3、数据汇总；
33.s4、分析判别；
34.s5、结果验证。
35.一种结合视频和音频进行天气判别的方法包括以下具体步骤：
36.s1、天气数据采集
37.首先通过具备音频功能的摄像设备对高速公路，进行视频及音频的采集作业，数据采集次数为10min/次，然后将采集到的数据进行远程传输数据处理库进行数据整和作业，且每次数据采集前设备对于视频采集的镜头进行清理，确保天气数据采集的有效性；
38.天气数据采集过程中的视频数据为云层，音频数据分别为雨雪及风声；
39.天气数据采集过程中具备音频功能的摄像设备具体型号为ds-2cd3t27ewd-l4型；
40.s2、分类数据
41.对于s1天气数据采集中采集到的数据进行筛分处理，将同一时段采集到的数据进行音频数据与视频数据的拆分，然后分别将音频数据与视频数据输送至对应的数据处理通道，进行有效数据的整和作业，将采集到的数据中的无效数据、相同数据及低价值数据筛除，提取具有判别价值的数据进行汇总；
42.s3、数据汇总
43.对于s2分类数据中分类出的有效数据进行采集节点的汇总，将数据按照采集的节点顺序进行排列，确保系统根据采集数据对天气趋势进行准确判别；
44.数据汇总过程中数据排列方式为同时间点音频数据对应相同时间点视频数据；
45.s4、分析判别
46.通过将s3数据汇总中排列汇总完成的数据与数据库中的历史数据进行比对，对比相似天气情况，提升系统对天气判别的准确性，然后将有效时间段内采集的有效数据进行结合分析，系统通过算法对天气的变化趋势做出判别；
47.分析判别过程中系统算法具体为维尔斯特拉斯判别法；
48.s5、结果验证
49.对于s4中系统对于天气做出判别后，经由s1天气数据采集中的采集设备再次对天气进行采集验证，通过对采集验证数据与判别数据进行对比验证，配合系统的学习算法对于数据比对的结果进行自我学习，确保根据视频及音频对天气判别的准确性；
50.结果验证过程中系统的学习算法具体为深度神经网络算法。
51.综上所述，该一种结合视频和音频进行天气判别的方法，使用时一种结合视频和音频进行天气判别的方法包括以下具体步骤：
52.首先通过具备音频功能的摄像设备对高速公路，进行视频及音频的采集作业，数据采集次数为10min/次，然后将采集到的数据进行远程传输数据处理库进行数据整和作业，且每次数据采集前设备对于视频采集的镜头进行清理，确保天气数据采集的有效性，然后对于s1天气数据采集中采集到的数据进行筛分处理，将同一时段采集到的数据进行音频数据与视频数据的拆分，然后分别将音频数据与视频数据输送至对应的数据处理通道，进行有效数据的整和作业，将采集到的数据中的无效数据、相同数据及低价值数据筛除，提取具有判别价值的数据进行汇总，然后对于s2分类数据中分类出的有效数据进行采集节点的汇总，将数据按照采集的节点顺序进行排列，确保系统根据采集数据对天气趋势进行准确判别，通过将s3数据汇总中排列汇总完成的数据与数据库中的历史数据进行比对，对比相似天气情况，提升系统对天气判别的准确性，然后将有效时间段内采集的有效数据进行结合分析，系统通过算法对天气的变化趋势做出判别，最后对于s4中系统对于天气做出判别后，经由s1天气数据采集中的采集设备再次对天气进行采集验证，通过对采集验证数据与
判别数据进行对比验证，配合系统的学习算法对于数据比对的结果进行自我学习，确保根据视频及音频对天气判别的准确性。
53.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。