一种水利系统智能化监控实现方法及系统技术方案

本发明专利技术提供了一种水利系统智能化监控实现方法及系统，所述方法包括：基于5G网络，获取水利系统场景视频；基于所述水利系统场景视频，通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范；将深度学习的神经网络的分析预警结果推送至后台。通过5G通信方式和后端平台连接，降低了整个系统成本，通过5G无线通信还能大大简化布线和安装。采用神经网络深度学习算法对水利系统安全智能分析，按定时轮询的方式进行识别，大大节省了系统成本，实现对水利系统智能化监控预警。

【技术实现步骤摘要】
一种水利系统智能化监控实现方法及系统
本专利技术涉及智能安防
，尤其涉及一种水利系统智能化监控实现方法及系统
技术介绍
过快发展的经济和迅速演化的城市极大地破坏了水环境与水质，城市内涝严重、人们的用水安全也遭受威胁等，而且传统的人工监管方式导致水治理工作效率十分低下，水务行业面临着严峻的挑战。现有的监控设备都只是简单的回传视频图像，人工监控和识别，存在较高的误报和漏报，以及较高的劳动强度。高清视频实时回传的数据量大，河流监控点分布范围广且大都远离城镇，铺设专用的光纤通讯网络需要大量资金投入。因此需要一种水利系统智能化监控实现方法及系统，实现对水利系统智能化监控预警，同时具有较低的系统实施成本。
技术实现思路
本专利技术的主要目的在于提供一种水利系统智能化监控实现方法及系统，可以实现对水利系统智能化监控预警，同时具有较低的系统实施成本。为实现上述目的，所有的智能分析算法都是基于视频，所有算法都是采用开源的神经网络深度学习算法，所有的智能分析算法都通过智能分析盒子实现。智能分析盒子接入普通摄像机，不必更换原有的监控摄像头，降低整个系统成本。通过5G通信方式和后端平台连接，大大降低布线和安装成本。本专利技术第一方面提供一种水利系统智能化监控实现方法，所述方法包括：基于5G网络，获取水利系统场景视频；基于所述水利系统场景视频，通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范；将深度学习的神经网络的分析预警结果推送至后台。>为实现上述目的，本专利技术第二方面提供一种水利系统智能化监控实现系统，包括获取模块、深度学习的神经网络分析模块、分析预警模块；所述获取模块用于基于5G网络，获取水利系统场景视频；所述深度学习的神经网络分析模块用于基于所述获取的水利系统场景视频，通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范；所述分析预警模块用于将深度学习的神经网络的分析预警结果推送至后台。本专利技术提供一种水利系统智能化监控实现方法及系统，所述方法包括：基于5G网络，获取水利系统场景视频；基于所述水利系统场景视频，通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范；将深度学习的神经网络的分析预警结果推送至后台。通过5G通信方式和后端平台连接，降低了整个系统成本，通过5G无线通信还能大大简化布线和安装。采用神经网络深度学习算法对水利系统安全智能分析，按定时轮询的方式进行识别，大大节省了系统成本，实现对水利系统智能化监控预警。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，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的附图。图1为本专利技术第一实施例中一种水利系统智能化监控实现方法的流程示意图；图2为本专利技术第二实施例中一种水利系统智能化监控实现方法系统示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1由于现有的监控设备都只是简单的回传视频图像，人工监控和识别，存在较高的误报和漏报，以及较高的劳动强度。高清视频实时回传的数据量大，河流监控点分布范围广且大都远离城镇，铺设专用的光纤通讯网络需要大量资金投入。因此需要一种水利系统智能化监控实现方法及系统，实现对水利系统智能化监控预警，同时具有较低的系统实施成本。为了解决上述技术问题，本专利技术提出一种水利系统智能化监控实现方法及系统。请参阅图1，为本专利技术第一实施例中一种水利系统智能化监控实现方法流程示意图。该方法包括：步骤101：基于5G网络，获取水利系统场景视频；具体的，所有的智能分析算法都是基于水利系统场景视频，所有算法都是采用开源的神经网络深度学习算法，所有的智能分析算法都通过智能分析盒子实现。智能分析盒子接入普通摄像机，不必更换原有的监控摄像头，降低整个系统成本。通过5G通信方式和后端平台连接，大大降低布线和安装成本。步骤102：基于所述水利系统场景视频，通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范。具体的操作包括如下步骤:步骤A：在需要做智能分析地方安装普通摄像机，并插入SD卡，并调整好摄像机的高度、视场角。步骤B：在就近地方安装5G智能分析盒子，所述智能分析盒子可采用英飞拓科技股份有限公司的V2722型号分析盒子,并接入需要分析的摄像机，并配置每个摄像机检测区域、智能分析类型。对非河道安全摄像机配置轮询策略和定时间隔。步骤C：后端部署智慧水利平台，通过5G无线方式接入智能分析盒子。步骤103：将深度学习的神经网络的分析预警结果推送至后台。具体的，例如智能分析盒子通过视频自动识别违规捕捞，包括船舶非法闯入、非法捕鱼识别。举例：通过神经网络深度学习算法检测船舶目标，并进行跟踪，当发现朝着摄像头方向移动的船舶，并进入检测区域范围，识别为船舶非法闯入。对跟踪的船舶停留时间超过设置的阈值，识别为非法捕鱼。将报警信息发送至监控中心，提醒相关工作人员，进行有效监管，智能分析盒子中实现神经网络深度学习算法，这里可以根据场景训练神经网络深度学习自动检测该场景的规范行为。特别的，所述基于5G网络，获取水利系统场景视频包括:采用5G网络轮询获取水利系统场景视频，考虑到非河道安全的智能分析功能是一个辅助提醒功能，智能分析盒子对接入摄像机按定时轮询机制分析，能减少智能分析盒子的数量，进一步降低系统成本。上述实施例还包括下面的细化步骤：所述通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范包括：通过深度学习的神经网络训练预置的水利系统场景规范模型，所述水利系统场景规范模型包含以下情形：违规捕捞、船舶非法闯入、非法捕鱼中的至少一种。河道漂浮物、河道化学污染识别中的至少一种。河道人员越界识别、河道周边人员热力图识别、人员违规涉水识别。水文标尺识别。积水位置和区域识别。神经网络的深度学习中，所有目标检测的可采用训练框架：可以使用caffe训练框架，还包括其他可实现目标检测自动识别的开源训练框架。举例：通过使用caffe训练框架训练所述水利系统场景规范模型，比如违规捕捞、船舶非法闯入、非法捕鱼中，河道漂浮物、河道化学污染识别，可以让caffe训练框架从数万张图中教导识别出那些是违规捕捞、船舶非法闯入、非法捕鱼，河道漂浮物、河道化学污染的情形，从而通本文档来自技高网...

【技术保护点】
1.一种水利系统智能化监控实现方法，其特征在于，所述方法包括：/n基于5G网络，获取水利系统场景视频；/n基于所述水利系统场景视频，通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范；/n将深度学习的神经网络的分析预警结果推送至后台。/n

【技术特征摘要】
1.一种水利系统智能化监控实现方法，其特征在于，所述方法包括：
基于5G网络，获取水利系统场景视频；
基于所述水利系统场景视频，通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范；
将深度学习的神经网络的分析预警结果推送至后台。


2.根据权利要求1所述的方法，其特征在于，所述基于5G网络，获取水利系统场景视频包括:
采用5G网络轮询获取水利系统场景视频。


3.根据权利要求1所述的方法，其特征在于，所述通过深度学习的神经网络，分析水利系统场景视频中人或物是否符合预置的水利系统场景规范包括：通过深度学习的神经网络训练预置的水利系统场景规范模型，所述水利系统场景规范模型包含以下情形：违规捕捞、船舶非法闯入、非法捕鱼中的至少一种。


4.根据权利要求3所述的方法，其特征在于，所述水利系统场景规范模型还包含以下情形：河道漂浮物、河道化学污染识别中的至少一种。


5.根据权利要求3所述的方法，其特征在于，所述水利系统场景规范模型还包含以下情形：河道人员越界识别、河道周边人...

【专利技术属性】
技术研发人员：王维治，
申请(专利权)人：深圳英飞拓科技股份有限公司，
类型：发明
国别省市：广东;44