涉水检测方法、装置、服务器及计算机可读存储介质制造方法及图纸

本申请提供一种涉水检测方法、装置、服务器及计算机可读存储介质，涉及图像处理技术领域。该方法包括：获取待处理图像，待处理图像为采集包括水域的场景得到的图像；从待处理图像中确定水域所在区域的图像以作为目标图像；通过完成训练后的深度学习模型检测目标图像，得到表示水域是否存在涉水事件的检测结果，能够改善对水域检测效率低的问题。

Wade detection method, device, server and computer readable storage medium

【技术实现步骤摘要】
涉水检测方法、装置、服务器及计算机可读存储介质
本专利技术涉及图像处理
，具体而言，涉及一种涉水检测方法、装置、服务器及计算机可读存储介质。
技术介绍
在安全监管领域中，行人涉水是公共安全领域中需要关注的一个焦点。随着环境状况的改善，越来越多的人喜欢到河流、水库和湖泊等水域地区嬉水玩耍。人员在水域玩耍的同时，也伴随着游玩的风险。比如，游玩的人员因意外而溺水。目前，水域的安全监管通常由人工巡逻值守，而巡逻人员的精力有限，无法时刻对需要监管的水域进行监管，使得监管的效率低。
技术实现思路
本申请提供一种涉水检测方法、装置、服务器及计算机可读存储介质，能够改善对水域监管的效率低的问题。为了实现上述目的，本申请实施例所提供的技术方案如下所示：第一方面，本申请实施例提供一种涉水检测方法，所述方法包括：获取待处理图像，所述待处理图像为采集包括水域的场景得到的图像；从所述待处理图像中确定水域所在区域的图像以作为目标图像；通过完成训练后的深度学习模型检测所述目标图像，得到表示所述水域是否存在涉水事件的检测结果。在上述实施方式中，方法可以通过服务器自动对水域是否存在涉水事件进行检测，有利于时刻对水域是否存在涉水事件进行检测，提高对水域监管的效率，另外，无需人工巡逻的方式对水域进行检测，从而有利于减少水域检测所需的人力资源。结合第一方面，在一些可选的实施方式中，通过完成训练后的深度学习模型检测所述目标图像，得到表示所述水域是否存在涉水事件的检测结果，包括：通过所述深度学习模型确定所述目标图像中是否存在目标对象；当所述目标图像中存在所述目标对象时，确定所述水域存在所述涉水事件；当所述目标图像中不存在所述目标对象时，确定所述水域不存在所述涉水事件。在上述实施方式中，因为目标图像为水域的场景图像，所以通过检测目标图像中是否存在目标对象，即可判断水域中是否存在涉水事件。基于此，有利于准确地对涉水事件进行检测。结合第一方面，在一些可选的实施方式中，通过所述深度学习模型确定所述目标图像中是否存在目标对象，包括：通过所述深度学习模型提取所述目标图像中的对象的第一图像特征；将所述第一图像特征与预存的第二图像特征进行匹配，所述第二图像特征为利用所述深度学习模型从包含指定对象的训练图像集中提取所述指定对象的图像特征；当所述第一图像特征与所述第二图像特征匹配，确定所述目标图像中存在所述目标对象。在上述实施方式中，由于第二图像特征为指定对象的特征，指定对象可理解为指定的需要进行识别的目标对象，因此，通过将第一图像特征与第二图像特征进行匹配便可以用于判断目标图像中是否存在目标对象。结合第一方面，在一些可选的实施方式中，所述指定对象包括涉水人员。在上述实施方式中，在指定对象为涉水人员时，方法便可以对水域中是否存在人物涉水进行检测，从而有利于对人物涉水进行安全监管。结合第一方面，在一些可选的实施方式中，从所述待处理图像中确定水域所在区域的图像以作为目标图像，包括：通过所述深度学习模型识别所述待处理图像中的水域；将所述待处理图像中的所述水域所在的区域的图像确定为所述目标图像。在上述实施方式中，通过深度学习模型进行图像的分割，有利于快速准确地从待处理图像中分割出目标图像。结合第一方面，在一些可选的实施方式中，在通过完成训练后的深度学习模型检测所述目标图像之前，所述方法还包括：获取包括指定对象的训练图像集，所述训练图像集包括多个训练图像，每个所述训练图像包括指定对象及与所述指定对象对应的标签；根据所述训练图像集、预设深度学习算法，训练预设深度学习模型，得到完成训练后的所述深度学习模型。在上述实施方式中，通过利用训练图像集来训练预设深度学习模型，有助于提高深度学习模型对目标对象检测的准确度。结合第一方面，在一些可选的实施方式中，所述方法还包括：当所述检测结果表示所述水域存在涉水事件时，向指定的用户终端发送提示信息。在上述实施方式中，通过用户终端发出的提示信息，有利于管理人员及时发现水域存在涉水事件，方便管理人员对水域进行安全监管。第二方面，本申请实施例还提供一种涉水检测装置，所述装置包括：图像获取单元，用于获取待处理图像，所述待处理图像为采集包括水域的场景得到的图像；图像分割单元，用于从所述待处理图像中确定水域所在区域的图像以作为目标图像；检测单元，用于通过完成训练后的深度学习模型检测所述目标图像，得到表示所述水域是否存在涉水事件的检测结果。第三方面，本申请实施例还提供一种服务器，包括相互耦合的存储器、处理器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述服务器执行上述的方法。第四方面，本申请实施例还提供一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的监控设备、用户终端、服务器的通信连接示意图。图2为本申请实施例提供的服务器的方框示意图。图3为本申请实施例提供的涉水检测方法的流程示意图。图4a为本申请实施例提供的待处理图像的示意图。图4b为图4a所示的待处理图像分割为目标图像的示意图图5为本申请实施例提供的涉水检测装置的功能框图。图标：10-服务器；11-处理模块；12-存储模块；13-通信模块；20-监控设备；30-用户终端；100-涉水检测装置；110-图像获取单元；120-图像分割单元；130-检测单元。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。请参照图1，本实施例提供一种服务器10，该服务器10可以与监控设备20、用户终端30通过网络建立通信连接，以进行数据交互。监控设备20与用户终端30可以通过网络建立通信连接以进行数据交互。与服务器10通信连接的监控设备20的数量可以为一个，也可以为多个。与服务器10通信连接的用户终端30的数量可以为一个，也可以为多个。可理解地，上述网络可以是，但不限于，有线网络或无线网络。与服务器10通信连接的监控设备20及用户终端30的数量均可以根据实际情况进行设置，这里不作具体限定。服务器10可以用于执行或实现下述的涉水检测方法。例如，服务器10可以用于对监控设备20采集的图像进行涉水检测，通过检测该图像以判断图像对应的实际场景是否存在涉水事件。涉水事件可理解为图像对应的实际场景中的水域中有人或其他对象进入水域中，其他对象包括但不限于动物及垃圾等。动物包括但不限于狗、猫、鸭等，垃圾包括但不限于塑料泡沫、橡胶等。服务器10可以是但不限于集群服务器10、分布式服务器10、云服务器10等，这里不作具体限定。监控设备20包括至少一个用于采集图像的摄像头，当然，监控设备20还可以包括用于将采集的图像发送至用户终端30或服务器10的通信模块。其中，摄像头用于对水域环境进行监控。可理解地，摄像头采集的图像所包括的场景存本文档来自技高网...

【技术保护点】
1.一种涉水检测方法，其特征在于，所述方法包括：获取待处理图像，所述待处理图像为采集包括水域的场景得到的图像；从所述待处理图像中确定水域所在区域的图像以作为目标图像；通过完成训练后的深度学习模型检测所述目标图像，得到表示所述水域是否存在涉水事件的检测结果。

【技术特征摘要】
1.一种涉水检测方法，其特征在于，所述方法包括：获取待处理图像，所述待处理图像为采集包括水域的场景得到的图像；从所述待处理图像中确定水域所在区域的图像以作为目标图像；通过完成训练后的深度学习模型检测所述目标图像，得到表示所述水域是否存在涉水事件的检测结果。2.根据权利要求1所述的方法，其特征在于，通过完成训练后的深度学习模型检测所述目标图像，得到表示所述水域是否存在涉水事件的检测结果，包括：通过所述深度学习模型确定所述目标图像中是否存在目标对象；当所述目标图像中存在所述目标对象时，确定所述水域存在所述涉水事件；当所述目标图像中不存在所述目标对象时，确定所述水域不存在所述涉水事件。3.根据权利要求2所述的方法，其特征在于，通过所述深度学习模型确定所述目标图像中是否存在目标对象，包括：通过所述深度学习模型提取所述目标图像中的对象的第一图像特征；将所述第一图像特征与预存的第二图像特征进行匹配，所述第二图像特征为利用所述深度学习模型从包含指定对象的训练图像集中提取所述指定对象的图像特征；当所述第一图像特征与所述第二图像特征匹配，确定所述目标图像中存在所述目标对象。4.根据权利要求3所述的方法，其特征在于，所述指定对象包括涉水人员。5.根据权利要求1所述的方法，其特征在于，从所述待处理图像中确定水域所在区域的图像以作为目标图像，包括：通过所述深度学习模型识别所述待处理图...

【专利技术属性】
技术研发人员：王帅龙，
申请(专利权)人：广州图普网络科技有限公司，
类型：发明
国别省市：广东,44