【技术实现步骤摘要】
一种地质灾害前兆因子识别方法、装置,电子设备及存储介质
[0001]本申请涉及地质预测
,具体而言,涉及一种地质灾害前兆因子识别方法、装置,电子设备及存储介质。
技术介绍
[0002]近年来受人类工程活动的影响,地质灾害呈高发势态,因此对地质灾害的监测预警就显得尤为重要。随着视频监控及图像分析技术的提升,采用图像分析技术对地质灾害发生的前兆因子进行识别和预警开始被关注。目前采用的图像识别技术主要通过2D(Dimensiona,维)卷积神经网络的目标检测、图像分类等算法,对前兆因子的单张图像进行识别。在实现本专利技术过程中,专利技术人发现针对临灾前兆,例如:落石、碎屑流、烟尘等均是连续运动的画面,单纯使用2D卷积神经网络的单张图像分析和识别,其识别准确率较低。
技术实现思路
[0003]本申请实施例的目的在于提供一种地质灾害前兆因子识别方法、装置,电子设备及存储介质,以改善“现有的对前兆因子进行识别的方式,其识别准确率较低”的问题。
[0004]本专利技术是这样实现的:
[0005]第一方面,本申请实施例提供一种地质灾害前兆因子识别方法,包括:获取待测区域的视频图像帧组;其中,所述视频图像帧组包括N个连续的图像帧;获取每个所述图像帧在不同通道下的特征图;从每个通道中提取出所有大小为a
×
a
×
m的卷积核;其中,a表示所述卷积核的边的像素数量,m表示提取的连续的特征图的数量;N≥m≥3;将提取的所有卷积核输入至预设的卷积神经网络模型中,获取与所述视 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种地质灾害前兆因子识别方法,其特征在于,包括:获取待测区域的视频图像帧组;其中,所述视频图像帧组包括N个连续的图像帧;获取每个所述图像帧在不同通道下的特征图;从每个通道中提取出所有大小为a
×
a
×
m的卷积核;其中,a表示所述卷积核的边的像素数量,m表示提取的连续的特征图的数量;N≥m≥3;将提取的所有卷积核输入至预设的卷积神经网络模型中,获取与所述视频图像帧组对应的特征向量;根据预设的分类器对所述特征向量进行分类,生成所述待测区域的分类结果;其中,所述分类结果用于表征所述待测区域的前兆因子识别结果。2.根据权利要求1所述的地质灾害前兆因子识别方法,其特征在于,所述获取每个所述图像帧在不同通道下的特征图,包括:获取每个所述图像帧在灰度通道、x方向梯度通道、y方向梯度通道、x方向光流通道以及y方向光流通道的特征图。3.根据权利要求1所述的地质灾害前兆因子识别方法,其特征在于,所述从每个通道中提取出所有大小为a
×
a
×
m的卷积核包括:提取第一帧特征图至第m帧特征图所组成的大小为a
×
a
×
m的卷积核;提取第二帧特征图至第m+1帧特征图所组成的大小为a
×
a
×
m的卷积核,依次提取,直至提取出第N
‑
m帧特征图至第N帧特征图所组成的大小为a
×
a
×
m的卷积核。4.根据权利要求1所述的地质灾害前兆因子识别方法,其特征在于,通过如下步骤得到所述预设的卷积神经网络模型:获取训练样本数据;其中,所述训练样本数据为标记好类别的样本图像帧组在不同通道下提取的所有大小为a
×
a
×
m的卷积核;将所述训练样本数据输入至初始的卷积神经网络模型中,生成样本特征向量;将所述样本特征向量输入至所述预设的分类器中,通过最小化损失函数的计算值对所述初始的卷积神经网络模型进行优化,生成所述预设的卷积神经网络模型;其中,所述损失函数的表达式为:其中,J表示所述损失函数的计算值,A表示所述训练样本数据的总数,K表示分类数量,Δ表示边界值,Z
技术研发人员:柯小兵,龙文华,卿展晖,赵明辉,邱慧玲,李晓莅,阳剑锋,吕先锋,
申请(专利权)人:广州偕作信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。