基于聚类分区进行刻度识别的水位监测方法技术

本发明专利技术涉及一种基于聚类分区进行刻度识别的水位监测方法，属于水位监测技术领域。包括：1)从实时监控视频中获取t时刻的原始图像；2)截取原始图像中的水尺区域，以水尺末端作为水位线的位置；3)对水尺区域图像进行二值化处理，根据“E”的三条边，采用聚类方法将处理后的水尺区域图像划分成若干子区域；4)对每个子区域的内容进行识别，得到水位线所在区域的上一个包含数字的区域的数值；5)根据子区域的高度和识别的步骤4)得到的数值计算水位并显示。本发明专利技术避免了传统识别算法中复杂的特征提取和数据重建过程，能快速高效识别水尺水位，并将误差控制在一定的范围内。

【技术实现步骤摘要】
基于聚类分区进行刻度识别的水位监测方法
本专利技术涉及水位监测
，具体地说，涉及一种基于聚类分区进行刻度识别的水位监测方法。
技术介绍
水位监测是针对江、河、水库等水体的重要监测指标，具有重要意义。在现有技术中，常规的水位监测方法有传感器监测和水位尺人工监测。其中，水位尺人工监测采用视频图像监控的方法对河道、溉渠内的水位进行实时监控。再通过人工读取视频的方法定时记录水尺的水位等数据。人工记录水位的缺点在于：1、不能实现水位的实时记录；2、监控点的增多会直接导致人工成本上升。而采用计算机视觉解决水尺读数问题，一台服务器就可以替代多人对水位进行实时监控。现在已经有很多自动识别水尺的方法，其中深度学习方法由于其特点获得了较多应用，如：公布号为CN109145830A的中国专利文献公开的一种智能水尺识别方法，该方法通过截取待识别水尺图像的目标区域，然后再利用卷积神经网络学习来识别水尺的刻度。公布号为CN110427933A的中国专利文献公开的一种基于深度学习的水尺识别方法，该方法通过深度学习的目标检测算法实现对水尺的定位，并对定位本文档来自技高网...

【技术保护点】
1.一种基于聚类分区进行刻度识别的水位监测方法，其特征在于，包括以下步骤：/n1)从实时监控视频中获取t时刻的原始图像；/n2)截取原始图像中的水尺区域，以水尺末端作为水位线的位置；/n3)对水尺区域图像进行二值化处理，根据“E”的三条边，采用聚类方法将处理后的水尺区域图像划分成若干子区域；/n4)对每个子区域的内容进行识别，得到水位线所在区域的上一个包含数字的区域的数值；/n5)根据子区域的高度和识别的步骤4)得到的数值计算水位并显示。/n

【技术特征摘要】
1.一种基于聚类分区进行刻度识别的水位监测方法，其特征在于，包括以下步骤：
1)从实时监控视频中获取t时刻的原始图像；
2)截取原始图像中的水尺区域，以水尺末端作为水位线的位置；
3)对水尺区域图像进行二值化处理，根据“E”的三条边，采用聚类方法将处理后的水尺区域图像划分成若干子区域；
4)对每个子区域的内容进行识别，得到水位线所在区域的上一个包含数字的区域的数值；
5)根据子区域的高度和识别的步骤4)得到的数值计算水位并显示。


2.根据权利要求1所述的基于聚类分区进行刻度识别的水位监测方法，其特征在于，步骤2)中，采用语义分割算法DeeplabV3+对原始图像进行分割，包括：
2-1)获取训练集，并对训练集中图像进行数据增强和归一化处理；
2-2)将处理后的图像输入DeeplabV3+语义分割模型中进行训练，输出为分割结果；
2-3)对分割结果进行评估，得到水尺区域分割模型；
2-4)将原始图像输入水尺区域分割模型中，得到分割结果，并对分割结果进行修正。


3.根据权利要求2所述的基于聚类分区进行刻度识别的水位监测方法，其特征在于，步骤2-3)中，对分割结果进行评估时，根据图像特点采用MIoU，其中IoU指两个点集的交集的面积比上两者并集的面积；MIoU是每个类别的真实值与预测值的IoU的均值，如下式所示：



根据评估结果判断属于哪一类分割结果。


4.根据权利要求1所述的基于聚类分区进行刻度识别的水位监测方法，其特征在于，步骤3)中，采用大律法对水尺区域图像进行二值化处理，包括：
根据阈值T将像素划分为前景1和背景0，类间方差计算公式为：
Var＝N1(μ-μ1)2+N0(μ-μ0)2
其中N1为前景的像素个数，μ1为像素均值，N0为背景的像素个数，μ0为像素均值，μ为所有像素的均值；
采用遍历的方法，将阈值从0遍历到255，记录方差Var最大时的阈值T，使用大律法计算...

【专利技术属性】
技术研发人员：林峰，侯添，余镇滔，许力，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33