一种水利行业的边缘预警方法技术

本发明专利技术涉及智能水文领域，具体提供了一种水利行业的边缘预警方法，具有以下步骤：S1、抓取想要预警地的图像进行数字化处理；S2、利用卷积神经网络对样本进行训练形成有效算法；S3、近景摄像测量加工处理，确定目标的外形和运动状态及获取目标瞬时信息。与现有技术相比，本发明专利技术提高图像视频分析的效率，有效降低误报和漏报现象，减少无用数据量，提高响应速度。

【技术实现步骤摘要】
一种水利行业的边缘预警方法
本专利技术涉及智能水文领域，具体提供一种水利行业的边缘预警方法。
技术介绍
目前主要依赖人工巡查、群众举报和传统监控三种方式来发现涉水事件后再处理。其中，人工巡查为：巡查人员通过手工抄录数据的模式来记录巡查项。在巡查完成后将异常情况上报，并汇总成巡查报告。这样的方式简单易学，对于操作工的要求不高，但是需要牢记巡查路线，当抄录数据错误时，修改不便。同时人工巡查容易出现错误，造成误报。同时人工巡查无法做到24小时不间断巡查，而且人工巡查成本巨大，巡查安全系数低且效率偏低。群众举报为：群众可通过信访、电话、网站等方式对身边涉水违法、违规行为等进行举报，举报人在举报时，需提供被举报对象的名称、发现时间、具体位置(最好有定位)，照片和录像等有必要的佐证材料，以及举报人的真实姓名、联系方式。相关部门对上报情况进行核查，然后根据责任分工对该事件进行整改。这种方式耗时较长且完全依赖人力，效率较低。传统监控为：值班人员需要长期盯着监视屏幕，很容易产生疲劳感，降低注意力，从而错过重要画面信息，延误警情。水事影像监视点数量很大，难以按照1:1的比例为监控摄像机配置监视器，因此大多采用分屏排列的方式显示在监视器上，很可能一时疏忽就错过异常现象。因传统视频不具备智能分析功能，只是简单将录像数据打上时间标签并进行存储。当需要调查某段异常时，需要大量时间进行查找、分析，工作效率非常低。可见，现有技术中对于涉水事件存在智能化手段低、依赖人力，效率不高的问题。
技术实现思路
r>本专利技术是针对上述现有技术的不足，提供一种实用性强的水利行业的边缘预警方法。本专利技术解决其技术问题所采用的技术方案是：一种水利行业的边缘预警方法，具有以下步骤：S1、抓取想要预警地的图像进行数字化处理；S2、利用卷积神经网络对样本进行训练形成有效算法；S3、近景摄像测量加工处理，确定目标的外形和运动状态及获取目标瞬时信息。进一步的，在步骤S1中，通过图像摄取装置将图像抓取到，然后将所述图像传送至处理单元，进行数字化处理。进一步的，数字化处理之后，对图像进行预处理操作，根据像素的基本信息，来进行样本种类、尺寸、形状和颜色的判别。作为优选，预处理操作包括对图像进行类型变换、去燥滤波、叠加平滑和二值化，根据像素分布、亮度和颜色，进行样本种类、尺寸、形状和颜色的判别。进一步的，在步骤S2中，利用卷积神经网络对样本特征进行训练，输入原始数据，经过卷积、激活函数及池化操作，将原始数据中的高层语义概念剥离出来。进一步的，将高层语义概念剥离出来之后，通过误差函数计算真实值和输出值之间的误差值，反向逐层反馈，更新每层参数，通过前馈运算与反馈运算，最终使模型收敛，完成训练。作为优选，利用卷积神经网络对样本特征进行训练时，选取噪声少的样本用来进行训练卷积神经网络。进一步的，在步骤S3中，近距离拍摄目标图像，经过加工处理，确定目标的外形和运动状态，可瞬间获取被测目标的大量几何和物理信息，同时测定多点在某一瞬间的空间位置，像片资料可随时进行比较。本专利技术的一种水利行业的边缘预警方法和现有技术相比，具有以下突出的有益效果：本专利技术针对水利行业治理，各类事件的监管需求，图像采集单元将场景信息进行实时的图像视频采集,然后通过机器视觉分析，结合相关深度学习后的图像处理算法实时对场景图像进行分析，充分发挥视频技术在水利信息化中的作用，提高图像视频分析的效率，有效降低误报和漏报现象，减少无用数据量，提高响应速度。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，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，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。附图1是一种水利行业的边缘预警方法的流程示意图。具体实施方式为了使本
的人员更好的理解本专利技术的方案，下面结合具体的实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通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。下面给出一个最佳实施例：如图1所示，本实施例中的一种水利行业的边缘预警方法，具有以下步骤：S1、抓取想要预警地的图像进行数字化处理：通过图像摄取装置把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，对图像进行类型变换、去噪滤波、叠加平滑、二值化等一系列图像预处理操作，根据像素分布和亮度、颜色等信息，来进行样本种类、尺寸、形状、颜色等的判别。S2、利用卷积神经网络对样本进行训练形成有效算法：利用卷积神经网络对各类样本特征进行训练,算法实现过程为输入原始数据,经过卷积、激活函数及池化等层层操作,将原始数据中的高层语义概念剥离出来。通过误差函数计算真实值和输出值之间的误差值,反向逐层反馈,更新每层参数,通过前馈运算与反馈运算,最终使模型收敛,实现完成训练的目的。同时,卷积神经网络的性能与所提供的训练样本息息相关,好的训练样本需要同时满足样本数量和样本质量两方面的要求。因此,收集大量高质量的样本是至关重要的,直接影响到最终观测结果的准确性。考虑到在分割的时候去除了很多干扰,所以选取噪声少的样本用来训练卷积神经网络。S3、近景摄像测量加工处理，确定目标的外形和运动状态及获取目标瞬时信息：近距离拍摄目标图像，经过加工处理，确定目标的外形和运动状态，可瞬间获取被测目标的大量几何和物理信息，同时测定多点在某一瞬间的空间位置，像片资料可随时进行比较。主要应用以下场景中：水源地/溢洪道/水库等入侵检测：周界防范识别是基于多种对视频图像中运动目标提取的方法(如帧间差分和背景差分等)，提取行人、车辆图像，建立水利通用物体训练图像集，根据行人、车辆的外观轮廓特点，构建周界智能分析计算能力和人车物识别库(基于神经网络的物体检测模型)，在视频监控摄像的流媒体中，对常见水库中人员游泳(小孩)、河道捕鱼、泄洪渠(沟)人员入侵、山洪沟行车/行人等进行圈定、预警并将告警信息给业务人员。河道漂浮物识别：目前河长制巡河主要依赖人工巡查、群众举报、传统监控三种方式发现后再处理，智能化手段低，依赖人力，效率不高。利用视频分析对河道漂浮物进行分析，减轻巡河人员的危险、提高巡查效率。利用计算机视觉和图像处理的手段，实现自动发现河道漂浮物，自动预警，并且将发现的“漂浮物事件”推送至责任巡查人员的政务微信上，达到快速处置的目标。岸线侵占：黄河高质量发展和长江高质量发展，其中关于黄河、长江生态保护也是发展的，针对河道违规、违建、破坏生态破坏等全天候识别。将是助力黄河高质量发展和长江高质量发展监管的利器。构建侵占水域岸本文档来自技高网...

【技术保护点】
1.一种水利行业的边缘预警方法，其特征在于，具有以下步骤：/nS1、抓取想要预警地的图像进行数字化处理；/nS2、利用卷积神经网络对样本进行训练形成有效算法；/nS3、近景摄像测量加工处理，确定目标的外形和运动状态及获取目标瞬时信息。/n

【技术特征摘要】
1.一种水利行业的边缘预警方法，其特征在于，具有以下步骤：
S1、抓取想要预警地的图像进行数字化处理；
S2、利用卷积神经网络对样本进行训练形成有效算法；
S3、近景摄像测量加工处理，确定目标的外形和运动状态及获取目标瞬时信息。


2.根据权利要求1所述的一种水利行业的边缘预警方法，其特征在于，在步骤S1中，通过图像摄取装置将图像抓取到，然后将所述图像传送至处理单元，进行数字化处理。


3.根据权利要求2所述的一种水利行业的边缘预警方法，其特征在于，数字化处理之后，对图像进行预处理操作，根据像素的基本信息，来进行样本种类、尺寸、形状和颜色的判别。


4.根据权利要求3所述的一种水利行业的边缘预警方法，其特征在于，预处理操作包括对图像进行类型变换、去燥滤波、叠加平滑和二值化，根据像素分布、亮度和颜色，进行样本种类、尺寸、形状和颜色的判别。


5.根...

【专利技术属性】
技术研发人员：王泽宇，房爱印，尹曦萌，
申请(专利权)人：浪潮软件科技有限公司，
类型：发明
国别省市：山东;37