一种基于深度学习的水尺智能识别方法技术

本发明专利技术涉及一种基于深度学习的水尺智能识别方法包括步骤1：利用视频拍摄装置对河道中的水尺进行拍摄，用以获取自然场景下水尺的实时图像，中控模块将图像数据输送至客户端服务器上；步骤2：所述中控模块将水尺图像输入至客户端服务器上的一体化水尺识别网络上进行训练；步骤3：所述中控模块将水尺图像输入到训练好的一体化水尺识别网络上进行识别，所述一体化水尺识别网络通过水尺的上端和水位线的边缘计算得到准确的水位高度；通过该方法可以有效减少所述视频拍摄装置拍摄的水尺图像会受到光照影响、图像噪声多、目标不明显、拍摄图像不清晰和解决现有的大量深度学习网络需要大量训练样本且网络复杂，难以直接应用到水利领域的问题。

【技术实现步骤摘要】
一种基于深度学习的水尺智能识别方法
本专利技术属于机器视觉检测领域，具体涉及一种基于深度学习的水尺智能识别方法。
技术介绍
在河流、湖泊等地建立视频监控系统，能大大加速了水利信息化建设的步伐。一般来说传统水位测量方式主要有安装水尺目测读数和使用传感器自动采集水位相关的模拟量再转换为水位量两种。其中目测测量方式效率低、及时性差以及恶劣情况下无法读取，而使用传感器测量方式成本高、难以维护、受环境影响大。通过视觉处理技术可以实时观测水库的情况，提供直观的图像信息，同时可以改善测量工作人员的工作环境，做到无人值守。水利视频监控采集的视频图像信息，利用图像处理算法对水利视频监控图像进行水位提取比人工检测更直观，也更节省人力成本。在依靠传统机器视觉的水尺识别算法中，会受到光照影响明显，图像噪声多，目标不明显或拍摄图像不清晰等特点。同时由于当前安防摄像头大部分均由云台控制等功能，在摄像头受到环境影响产生抖动、视角被调离水尺区域或云台自动巡航时，图像处理得到水尺位置的方法会直接失效。现有人工智能算法广泛应用在各种工业领域，例如无人驾驶、人脸识别和工业检测等。然而，现有的大量深度学习网络需要大量训练样本且网络复杂，难以直接应用到水利领域。
技术实现思路
为此，本专利技术提供一种基于深度学习的水尺智能识别方法，用以克服现有技术中传统机器视觉的水尺识别算法中，会受到光照影响明显、图像噪声多、目标不明显、图像不清晰和的现有的大量深度学习网络需要大量训练样本且网络复杂，难以直接应用到水利领域问题。为实现上述目的，本专利技术提供一种基于深度学习的水尺智能识别方法，包括，步骤1：利用视频拍摄装置对河道中的水尺进行拍摄，用以获取自然场景下水尺的实时图像，中控模块将图像数据输送至客户端服务器上；步骤2：所述中控模块将水尺图像输入至客户端服务器上的一体化水尺识别网络上进行训练；步骤3：所述中控模块将水尺图像输入到在训练好的一体化水尺识别网络上进行识别，所述一体化水尺识别网络通过水尺的上端和水位线的边缘计算得到准确的水位高度；所述中控模块预设有视频拍摄装置拍摄的标准水尺图像参数，标准水尺图像参数包括，标准拍摄距离S0，标准摄像头伸出长度W，标准拍摄亮度范围F0,标准拍摄焦距范围E0，标准图像清晰度范围N0，对于标准拍摄亮度范围F0，设定F0（Fmin，Fmax），其中，Fmin表示标准拍摄亮度范围最小值，Fmax表示标准拍摄亮度范围最大值，对于标准拍摄焦距范围E0，设定E0（Emin，Emax），其中，Emin表示标准拍摄焦距范围最小值，Emax表示标准拍摄焦距范围最大值，对于标准图像清晰度范围N0，设定N0（Nmin，Nmax），其中，Nmin表示标准图像清晰度范围最小值，Nmax表示标准图像清晰度范围最大值，所述中控模块根据拍摄距离S选取对应的标准拍摄亮度范围F0、标准拍摄焦距范围E0和标准图像清晰度范围N0；当所述视频拍摄装置拍摄水尺图像时，所述中控模块完成对所述标准拍摄亮度范围F0、标准拍摄焦距范围E0和标准拍摄图像清晰度范围N0的确定时，所述视频拍摄装置进行对水尺进行拍摄时，所述中控模块检测视频拍摄装置的实际拍摄亮度F，当F∉F0时，所述中控模块判定所述拍摄亮度不符合拍摄标准，若F＞Fmax，所述中控模块根据F与Fmax之间的差值控制所述视频拍摄装置将补光量减小至对应值以使实际拍摄亮度在标准拍摄亮度范围内，若F＜Fmin，所述中控模块根据F与Fmin之间的差值控制所述视频拍摄装置将补光量增加至对应值以使实际拍摄亮度在标准拍摄亮度范围内，当F∈F0时，所述中控模块判定所述拍摄亮度符合拍摄标准并检测视频拍摄装置的实际拍摄焦距E，若E∉E0，所述中控模块判定所述拍摄焦距不符合拍摄标准，若E＞Emax，所述中控模块根据E与Emax之间的差值控制所述视频拍摄装置将拍摄焦距减小至对应值以使实际拍摄焦距在标准拍摄焦距范围范围内，若E＜Emin，所述中控模块根据E与Emin之间的差值控制所述视频拍摄装置将拍摄焦距增加至对应值以使所述实际拍摄焦距在标准拍摄焦距范围内，当E∈E0时，中控模块判定所述拍摄焦距符合拍摄标准；当F∈F0和E∈E0时，所述中控模块检测所述视频拍摄装置拍摄的水尺图像实际清晰度N，当N∉N0时，所述中控模块判定所述视频拍摄装置拍摄的水尺图像清晰度不达标，若N＞Nmax，所述中控模块控制所述视频拍摄装置减小摄像头伸出长度到对应值以使所述视频拍摄装置拍摄的水尺图像实际清晰度在标准拍摄图像清晰度范围内，若N＜Nmin，所述中控模块控制所述视频拍摄装置增加摄像头伸出长度到对应值以使所述视频拍摄装置拍摄的实际水尺图像清晰度在标准拍摄图像清晰度范围内，当F∈F0且E∈E0且N∈N0，所述中控模块则判定所述视频拍摄装置拍摄的水尺图像达标。进一步地，所述中控模块中预设有第一水域浑浊程度R1，第二水域浑浊程度R2，第三水域浑浊程度R3，第四水域浑浊程度R4，第一拍摄距离S1，第二拍摄距离S2，第三拍摄距离S3，第四拍摄距离S4，所述中控模块根据实际水域浑浊程度选择对应拍摄距离，当所述水域浑浊程度为Ri时，设定i=1,2,3,4，所述中控模块将所述的拍摄距离选取为Si。进一步地，所述中控模块预设有第一拍摄亮度差值△F1、第二拍摄亮度差值△F2、第三拍摄亮度差值△F3、第四拍摄亮度差值△F4、第一补光量调节系数α1、第二补光量调节系数α2、第三补光量调节系数α3和第四补光量调节系数α4；当所述视频拍摄装置拍摄水尺图像时，所述中控模块根据检测的实际拍摄亮度F并将实际拍摄亮度F与所述标准拍摄亮度范围F0作比对；当F＞Fmax时，所述中控模块根据所述实际拍摄亮度与所述标准拍摄亮度范围最大值Fmax的差值△F选取对应的补光量调节系数调节拍摄亮度，设定△F=F-Fmax；当△F1＜△F≤△F2时，所述中控模块选取第一补光量调节系数α1控制视频拍摄装置减小补光量至对应值；当△F2＜△F≤△F3时，所述中控模块选取第二补光量调节系数α2控制视频拍摄装置减小补光量至对应值；当△F3＜△F≤△F4时，所述中控模块选取第三补光量调节系数α3控制视频拍摄装置减小补光量至对应值；当△F＞△F4时，所述中控模块选取第四补光量调节系数α4控制视频拍摄装置减小补光量至对应值；当F＜Fmin时，所述中控模块根据所述实际拍摄亮度与所述标准拍摄亮度范围最小值Fmin的差值△F’选取对应的补光量调节系数调节拍摄亮度，设定△F’=Fmin-F；当△F1＜△F’≤△F2时，所述中控模块选取第一补光量调节系数α1控制视频拍摄装置增大补光量至对应值；当△F2＜△F’≤△F3时，所述中控模块选取第二补光量调节系数α2控制视频拍摄装置增大补光量至对应值；当△F3＜△F’≤△F4时，所述中控模块选取第三补光量调节系数α3控制视频拍摄装置增大补光量至对应值；当△F’＞△F4时，所述中控模块选取第四补光量调节系数α4控制视频拍摄装置增大补光量至对应值。进一步地，所述中控模块预设本文档来自技高网...

【技术保护点】
1.一种基于深度学习的水尺智能识别方法，其特征在于，包括，/n步骤1：利用视频拍摄装置对河道中的水尺进行拍摄，用以获取自然场景下水尺的实时图像，中控模块将图像数据输送至客户端服务器上；/n步骤2：所述中控模块将水尺图像输入至客户端服务器上的一体化水尺识别网络上进行训练；/n步骤3：所述中控模块将水尺图像输入到训练好的一体化水尺识别网络上进行识别，所述一体化水尺识别网络通过水尺的上端和水位线的边缘计算得到准确的水位高度；/n所述中控模块预设有视频拍摄装置拍摄的标准水尺图像参数，标准水尺图像参数包括，标准拍摄距离S0，标准摄像头伸出长度W，标准拍摄亮度范围F0,标准拍摄焦距范围E0，标准图像清晰度范围N0，对于标准拍摄亮度范围F0，设定F0（Fmin，Fmax），其中，Fmin表示标准拍摄亮度范围最小值，Fmax表示标准拍摄亮度范围最大值，对于标准拍摄焦距范围E0，设定E0（Emin，Emax），其中，Emin表示标准拍摄焦距范围最小值，Emax表示标准拍摄焦距范围最大值，对于标准图像清晰度范围N0，设定N0（Nmin，Nmax），其中，Nmin表示标准图像清晰度范围最小值，Nmax表示标准图像清晰度范围最大值，所述中控模块根据拍摄距离S选取对应的标准拍摄亮度范围F0、标准拍摄焦距范围E0和标准图像清晰度范围N0；/n当所述视频拍摄装置拍摄水尺图像时，所述中控模块完成对所述标准拍摄亮度范围F0、标准拍摄焦距范围E0和标准拍摄图像清晰度范围N0的确定时，所述视频拍摄装置进行对水尺进行拍摄时，所述中控模块检测视频拍摄装置的实际拍摄亮度F，当F∉F0时，所述中控模块判定所述拍摄亮度不符合拍摄标准，若F＞Fmax，所述中控模块根据F与Fmax之间的差值控制所述视频拍摄装置将补光量减小至对应值以使实际拍摄亮度在标准拍摄亮度范围内，若F＜Fmin，所述中控模块根据F与Fmin之间的差值控制所述视频拍摄装置将补光量增加至对应值以使实际拍摄亮度在标准拍摄亮度范围内，当F∈F0时，所述中控模块判定所述拍摄亮度符合拍摄标准并检测视频拍摄装置的实际拍摄焦距E，若E∉E0，所述中控模块判定所述拍摄焦距不符合拍摄标准，若E＞Emax，所述中控模块根据E与Emax之间的差值控制所述视频拍摄装置将拍摄焦距减小至对应值以使实际拍摄焦距在标准拍摄焦距范围范围内，若E＜Emin，所述中控模块根据E与Emin之间的差值控制所述视频拍摄装置将拍摄焦距增加至对应值以使所述实际拍摄焦距在标准拍摄焦距范围内，当E∈E0时，中控模块判定所述拍摄焦距符合拍摄标准；当F∈F0和E∈E0时，所述中控模块检测所述视频拍摄装置拍摄的水尺图像实际清晰度N，当N∉N0时，所述中控模块判定所述视频拍摄装置拍摄的水尺图像清晰度不达标，若N＞Nmax，所述中控模块控制所述视频拍摄装置减小摄像头伸出长度到对应值以使所述视频拍摄装置拍摄的水尺图像实际清晰度在标准拍摄图像清晰度范围内，若N＜Nmin，所述中控模块控制所述视频拍摄装置增加摄像头伸出长度到对应值以使所述视频拍摄装置拍摄的实际水尺图像清晰度在标准拍摄图像清晰度范围内，当F∈F0且E∈E0且N∈N0，所述中控模块则判定所述视频拍摄装置拍摄的水尺图像达标。/n...

【技术特征摘要】
1.一种基于深度学习的水尺智能识别方法，其特征在于，包括，
步骤1：利用视频拍摄装置对河道中的水尺进行拍摄，用以获取自然场景下水尺的实时图像，中控模块将图像数据输送至客户端服务器上；
步骤2：所述中控模块将水尺图像输入至客户端服务器上的一体化水尺识别网络上进行训练；
步骤3：所述中控模块将水尺图像输入到训练好的一体化水尺识别网络上进行识别，所述一体化水尺识别网络通过水尺的上端和水位线的边缘计算得到准确的水位高度；
所述中控模块预设有视频拍摄装置拍摄的标准水尺图像参数，标准水尺图像参数包括，标准拍摄距离S0，标准摄像头伸出长度W，标准拍摄亮度范围F0,标准拍摄焦距范围E0，标准图像清晰度范围N0，对于标准拍摄亮度范围F0，设定F0（Fmin，Fmax），其中，Fmin表示标准拍摄亮度范围最小值，Fmax表示标准拍摄亮度范围最大值，对于标准拍摄焦距范围E0，设定E0（Emin，Emax），其中，Emin表示标准拍摄焦距范围最小值，Emax表示标准拍摄焦距范围最大值，对于标准图像清晰度范围N0，设定N0（Nmin，Nmax），其中，Nmin表示标准图像清晰度范围最小值，Nmax表示标准图像清晰度范围最大值，所述中控模块根据拍摄距离S选取对应的标准拍摄亮度范围F0、标准拍摄焦距范围E0和标准图像清晰度范围N0；
当所述视频拍摄装置拍摄水尺图像时，所述中控模块完成对所述标准拍摄亮度范围F0、标准拍摄焦距范围E0和标准拍摄图像清晰度范围N0的确定时，所述视频拍摄装置进行对水尺进行拍摄时，所述中控模块检测视频拍摄装置的实际拍摄亮度F，当F∉F0时，所述中控模块判定所述拍摄亮度不符合拍摄标准，若F＞Fmax，所述中控模块根据F与Fmax之间的差值控制所述视频拍摄装置将补光量减小至对应值以使实际拍摄亮度在标准拍摄亮度范围内，若F＜Fmin，所述中控模块根据F与Fmin之间的差值控制所述视频拍摄装置将补光量增加至对应值以使实际拍摄亮度在标准拍摄亮度范围内，当F∈F0时，所述中控模块判定所述拍摄亮度符合拍摄标准并检测视频拍摄装置的实际拍摄焦距E，若E∉E0，所述中控模块判定所述拍摄焦距不符合拍摄标准，若E＞Emax，所述中控模块根据E与Emax之间的差值控制所述视频拍摄装置将拍摄焦距减小至对应值以使实际拍摄焦距在标准拍摄焦距范围范围内，若E＜Emin，所述中控模块根据E与Emin之间的差值控制所述视频拍摄装置将拍摄焦距增加至对应值以使所述实际拍摄焦距在标准拍摄焦距范围内，当E∈E0时，中控模块判定所述拍摄焦距符合拍摄标准；当F∈F0和E∈E0时，所述中控模块检测所述视频拍摄装置拍摄的水尺图像实际清晰度N，当N∉N0时，所述中控模块判定所述视频拍摄装置拍摄的水尺图像清晰度不达标，若N＞Nmax，所述中控模块控制所述视频拍摄装置减小摄像头伸出长度到对应值以使所述视频拍摄装置拍摄的水尺图像实际清晰度在标准拍摄图像清晰度范围内，若N＜Nmin，所述中控模块控制所述视频拍摄装置增加摄像头伸出长度到对应值以使所述视频拍摄装置拍摄的实际水尺图像清晰度在标准拍摄图像清晰度范围内，当F∈F0且E∈E0且N∈N0，所述中控模块则判定所述视频拍摄装置拍摄的水尺图像达标。


2.根据权利要求1所述的一种基于深度学习的水尺智能识别方法，其特征在于，所述中控模块中设有第一水域浑浊程度R1，第二水域浑浊程度R2，第三水域浑浊程度R3，第四水域浑浊程度R4，第一拍摄距离S1，第二拍摄距离S2，第三拍摄距离S3，第四拍摄距离S4，所述中控模块根据实际水域浑浊程度选择对应拍摄距离，当所述水域浑浊程度为Ri时，设定i=1,2,3,4，所述中控模块将所述的拍摄距离选取为Si。


3.根据权利要求2所述的一种基于深度学习的水尺智能识别方法，其特征在于，所述中控模块预设有第一拍摄亮度差值△F1、第二拍摄亮度差值△F2、第三拍摄亮度差值△F3、第四拍摄亮度差值△F4、第一补光量调节系数α1、第二补光量调节系数α2、第三补光量调节系数α3和第四补光量调节系数α4；
当所述视频拍摄装置拍摄水尺图像时，所述中控模块根据检测的实际拍摄亮度F并将实际拍摄亮度F与所述标准拍摄亮度范围F0作比对；
当F＞Fmax时，所述中控模块根据所述实际拍摄亮度F与所述标准拍摄亮度范围最大值Fmax的差值△F选取对应的补光量调节系数调节拍摄亮度，设定△F=F-Fmax；
当△F1＜△F≤△F2时，所述中控模块选取第一补光量调节系数α1控制视频拍摄装置减小补光量至对应值；
当△F2＜△F≤△F3时，所述中控模块选取第二补光量调节系数α2控制视频拍摄装置减小补光量至对应值；
当△F3＜△F≤△F4时，所述中控模块选取第三补光量调节系数α3控制视频拍摄装置减小补光量至对应值；
当△F＞△F4时，所述中控模块选取第四补光量调节系数α4控制视频拍摄装置减小补光量至对应值；
当F＜Fmin时，所述中控模块根据所述实际拍摄亮度与所述标准拍摄亮度范围最小值Fmin的差值△F’选取对应的补光量调节系数调节拍摄亮度，设定△F’=Fmin-F；
当△F1＜△F’≤△F2时，所述中控模块选取第一补光量调节系数α1控制视频拍摄装置增大补光量至对应值；
当△F2＜△F’≤△F3时，所述中控模块选取第二补光量调节系数α2控制视频拍摄装置增大补光量至对应值；
当△F3＜△F’≤△F4时，所述中控模块选取第三补光量调节系数α3控制视频拍摄装置增大补光量至对应值；
当△F’＞△F4时，所述中控模块选取第四补光量调节系数α4控制视频拍摄装置增大补光量至对应值。


4.根据权利要求3所述的一种基于深度学习的水尺智能识别方法，其特征在于，所述中控模块预设有第一拍摄焦距差值△E1、第二拍摄焦距差值△E2、第三拍摄焦距差值△E3、第四拍摄焦距差值△E4、第一焦距调节系数β1、第二焦距调节系数β2、第三焦距调节系数β3和第四焦距调节系数β4；
当所述视频拍摄装置拍摄水尺图像时，所述中控模块检测视频拍摄装置的实际拍摄亮度F，当F∈F0时，所述中控模块判定所述拍摄亮度符合拍摄标准并检测视频拍摄装置的实际拍摄焦距E，若E∈E0，所述中控模块判定拍摄焦距符合标准，若E∉E0且E＞Emax，所述中控模块判定拍摄焦距不符合标准并计算实际拍摄焦距E与所述标准拍摄焦距范围最大值Emax的差值△E以选取对应的焦距调节系数调节拍摄焦距至对应值，设定△E=E-Emax；
当△E1...

【专利技术属性】
技术研发人员：张新，丁晓嵘，孟坤，王昉，李昌龙，王宇成，郭腾飞，孔德意，王奕扬，
申请(专利权)人：北京市水利自动化研究所，
类型：发明
国别省市：北京;11