一种基于机器视觉的大河偷砂监控系统及方法技术方案

本发明专利技术涉及一种基于机器视觉的大河偷砂监控系统及方法，包括以下：步骤110、建立正规船只数据库，船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库，录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID，并在该船只安装带有该船牌号的夜光船牌；步骤120、每隔阈值时间T，以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息；步骤130、判断河段的砂场是否存在船只；步骤131、判断砂场的船只是否为正规船只，若是则通过记录的采砂量判断该船只是否存在偷砂行为，若否则根据船只停留时间判断是否存在偷沙风险。本发明专利技术能够避免人工巡逻所耗费的大量人力成本以及在夜晚也很难有较高的检测效果的问题。

A monitoring system and method of sand stealing in river based on machine vision

【技术实现步骤摘要】
一种基于机器视觉的大河偷砂监控系统及方法
本专利技术涉及火灾监测领域，尤其涉及一种基于机器视觉的大河偷砂监控系统及方法。
技术介绍
近年来，随着城市建设的加快，河砂的需求量越来越大，在利益的驱动作用下，无证开采，乱采滥挖等非法采砂的现象变得十分严重，于此同时违法违规采砂活动严重影响采砂河段河床的自然变化，对相关河段的防洪安全、船舶航行安全及生态环境等都带来不良影响。因此监督相关河道的采砂是非常必要的。当今市场对采砂进行监控的方式往往是通过设立人工监测站点，并采用换岗巡逻的方式进行采砂监控，这样一来不仅耗费大量的人力成本，在夜晚也很难有较高的检测效果。当今市场急需一种基于机器视觉的大河偷砂监控系统及方法，能够智能化地在白天和夜晚对河段进行监控，较大程度地提高采砂监控准确度。
技术实现思路
本专利技术的目的是解决现有技术的不足，提供一种基于机器视觉的大河偷砂监控系统及方法。为了实现上述目的，本专利技术采用以下的技术方案：提出一种基于机器视觉的大河偷砂监控方法，包括以下：步骤110、建立正规船只数据库，船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库，录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID，并在该船只安装带有该船牌号的夜光船牌；步骤120、每隔阈值时间T，以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息；步骤130、判断河段的砂场是否存在船只，若是则转至步骤131，若否则判定此次无偷砂行为；步骤131、判断砂场的船只是否为正规船只，若是则根据该船只的船牌号获取对应船只的采砂量监控装置所记录的采砂量，通过记录的采砂量判断该船只是否存在偷砂行为，若否则对该船只在采砂区域停留时间进行统计，若该船只在采砂区域停留时间超过阈值时间U，则判定该船只存在偷砂风险；若该船只在采砂区域停留时间不超过阈值时间U，则判定该船只不存在偷砂风险。进一步，收集实际场景中沙船的图像50000张，经过图像标注和图像数据增强后得到训练数据集，tensorflowObjectDetectionapi基于fasterrcnn模型对数据进行训练，得到用于检测的模型，然后通过C++版本的opencv进行模型调用调用，进行沙船的检测。进一步，上述图像标注的具体方式包括以下：对收集到的图像数据中的沙船使用图像标注工具LabelImg进行标注，将每张图片中沙船在图片中的位置使用坐标表示出来；上述图像数据增强的增强比例为原图像集的4倍。进一步，上述步骤131中判断砂场的船只是否为正规船只的方式为：对砂场的船只的船牌号进行识别，将识别得到的船牌号与正规船只数据库进行匹配，若匹配成功则表示砂场的船只为正规船只，若匹配失败或不存在船牌号则表示砂场的船只不是正规船只。进一步，还包括以下：当判定存在偷砂行为时，报警模块的红灯闪烁，推送第一信息至预设的安防人员手机号，所述第一信息包括存在偷砂行为的船只船牌号信息以及当前时间信息；当判定存在偷砂风险时，报警模块的黄灯闪烁，推送第二信息至预设的安放人员手机号，所述第二信息包括存在偷砂风险的河段信息以及当前时间信息；当不存在不存在偷砂行为以及偷砂风险时，报警模块的绿灯闪烁。本专利技术还提出一种基于机器视觉的大河偷砂监控系统，应用了上述权利要求1-5所述的基于机器视觉的大河偷砂监控方法，包括以下：多个船牌，所述船牌设置有随机且不重复的n位船牌号，所述船牌设置于完成注册的正规船只的船头处；采砂量监控装置，所述采砂量监控装置用于对正规船只的采砂量进行监控，所述采砂量监控装置设置于正规船只上，所述采砂量监控装置设置有GPRS通信模块，所述GPRS通信模块用于将对应船牌号的船只的采砂量信息上传至云服务器；多个摄像模块，所述摄像模块用于获取砂场图像信息，所述摄像模块设置于河段的砂场沿岸；云服务器，所述云服务器用于搭载正规船只数据库，所述云服务器设置于控制中心的机房中；存储模块，所述存储模块用于存储所述第一信息以及所述第二信息；报警模块，所述报警模块用于在出现偷砂风险以及偷砂行为时进行报警；处理模块，所述处理模块设置于控制中心的机房中，所述处理模块包括：信息录入单元，所述信息录入单元用于使船只合法持有者连接正规船只数据库，实现船只合法持有者与正规船只数据库之间的信息交互；第一图像处理单元，所述第一图像处理单元用于通过C++版本的opencv进行模型调用调用，进行沙船的检测，所述模型通过收集实际场景中沙船的图像50000张，经过图像标注和图像数据增强后得到训练数据集，tensorflowObjectDetectionapi基于fasterrcnn模型对数据进行训练得到；第二图像处理单元，所述第二图像处理单元用于对监测到砂场的船只的船牌号进行识别；船牌号判定单元；所述船牌号判定单元用于将识别的船只的船牌号与正规船只数据库中录入的船牌号进行匹配，判断识别的船只的船牌号是否为正规船只。进一步，所述摄像模块等间距的设置于河段的砂场沿岸，相邻的所述摄像模块两两之间将河段的砂场沿岸划分为独立的区域。进一步，所述报警模块包括三色呼吸灯以及蜂鸣器，所述报警模块设置于值班人员的工作室中。进一步，所述船牌为夜光船牌，所述夜光船牌为在船牌的数字位置均匀涂抹有荧光粉的船牌。还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述方法的步骤。本专利技术的有益效果为：本专利技术通过建立一个结构较为简单的监测系统，并通过给正规船只增设采砂量监控装置以及船牌号对正规船只的采砂进行监控，并根据非正规船只在河段的砂场停留时间来判断非正规船只是否存在偷砂风险，能够智能化地在白天和夜晚对河段进行监控，较大程度地提高采砂监控准确度，避免人工巡逻所耗费的大量人力成本以及在夜晚也很难有较高的检测效果的问题。附图说明图1所示为本专利技术一种基于机器视觉的大河偷砂监控系统流程图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。参照图1，本专利技术提出一种基于机器视觉的大河偷砂监控方法，包括以下：步骤110、建立正规船只数据库，船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库，录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID，并在该船只安装带有该船牌号的夜光船牌；步骤120、每隔阈值时间T，以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息；其中时间T即为监控间隔时间，一般本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的大河偷砂监控方法，其特征在于，包括以下：/n步骤110、建立正规船只数据库，船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库，录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID，并在该船只安装带有该船牌号的夜光船牌；/n步骤120、每隔阈值时间T，以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息；/n步骤130、判断河段的砂场是否存在船只，/n若是则转至步骤131，/n若否则判定此次无偷砂行为；/n步骤131、判断砂场的船只是否为正规船只，/n若是则根据该船只的船牌号获取对应船只的采砂量监控装置所记录的采砂量，通过记录的采砂量判断该船只是否存在偷砂行为，/n若否则对该船只在采砂区域停留时间进行统计，/n若该船只在采砂区域停留时间超过阈值时间U，则判定该船只存在偷砂风险；/n若该船只在采砂区域停留时间不超过阈值时间U，则判定该船只不存在偷砂风险。/n

【技术特征摘要】
1.一种基于机器视觉的大河偷砂监控方法，其特征在于，包括以下：
步骤110、建立正规船只数据库，船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库，录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID，并在该船只安装带有该船牌号的夜光船牌；
步骤120、每隔阈值时间T，以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息；
步骤130、判断河段的砂场是否存在船只，
若是则转至步骤131，
若否则判定此次无偷砂行为；
步骤131、判断砂场的船只是否为正规船只，
若是则根据该船只的船牌号获取对应船只的采砂量监控装置所记录的采砂量，通过记录的采砂量判断该船只是否存在偷砂行为，
若否则对该船只在采砂区域停留时间进行统计，
若该船只在采砂区域停留时间超过阈值时间U，则判定该船只存在偷砂风险；
若该船只在采砂区域停留时间不超过阈值时间U，则判定该船只不存在偷砂风险。


2.根据权利要求1所述的一种基于机器视觉的大河偷砂监控方法，其特征在于，上述判断河段的砂场是否存在船只的方式为：收集实际场景中沙船的图像50000张，经过图像标注和图像数据增强后得到训练数据集，tensorflowObjectDetectionapi基于fasterrcnn模型对数据进行训练，得到用于检测的模型，然后通过C++版本的opencv进行模型调用调用，进行沙船的检测。


3.根据权利要求2所述的一种基于机器视觉的大河偷砂监控方法，其特征在于，
上述图像标注的具体方式包括以下：
对收集到的图像数据中的沙船使用图像标注工具LabelImg进行标注，将每张图片中沙船在图片中的位置使用坐标表示出来；
上述图像数据增强的增强比例为原图像集的4倍。


4.根据权利要求3所述的一种基于机器视觉的大河偷砂监控方法，其特征在于，上述步骤131中判断砂场的船只是否为正规船只的方式为：
对砂场的船只的船牌号进行识别，将识别得到的船牌号与正规船只数据库进行匹配，
若匹配成功则表示砂场的船只为正规船只，
若匹配失败或不存在船牌号则表示砂场的船只不是正规船只。


5.根据权利要求4所述的一种基于机器视觉的大河偷砂监控方法，其特征在于，还包括以下：
当判定存在偷砂行为时，报警模块的红灯闪烁，推送第一信息至预设的安防人员手机号，所述第一信息包括存在偷砂行为的船只船牌号信息以及当前时间信息；
当判定存在偷砂风险时，报警模块的黄灯闪烁，推送第二信息至预设的安放人员手机号，所述第二信息包括存在偷砂风险的河段信息以及当前时间信息；

【专利技术属性】
技术研发人员：叶永俊，屈莉莉，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44