一种基于3D卷积的排水监测方法、系统及存储介质技术方案

本发明专利技术实施例提供一种基于3D卷积的排水监测方法、系统及存储介质，包括：获取对排水口拍摄的具有连续的图像帧的拍摄图像；对所述拍摄图像进行划分，得到待监测区域的图像数据集合；提取所述待监测区域的图像数据集合并进行处理，得到标准化图像数据；利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态。本发明专利技术实施例解决了现有技术对排水口的排水状态不能持续监测的技术问题。本发明专利技术实施例具有鲁棒性强、检测精度高且适用于复杂天气场景的特点。复杂天气场景的特点。复杂天气场景的特点。

【技术实现步骤摘要】
一种基于3D卷积的排水监测方法、系统及存储介质


[0001]本专利技术涉及一种基于3D卷积的排水监测方法、系统及存储介质。

技术介绍

[0002]在水务、水利、水文等行业，需要对排水状态进行监测，例如对工厂的排污口的排污状态的监管，一旦发现排污则产生相应预警；河流、大坝等场景的翻坝溢流监管（水位是否翻过堤坝，一旦水流翻过堤坝，则产生相应告警）；补水点是否正常进行补水，一旦补水状态异常，则产生相应告警。因此，需要对监控或观测区域内的水流状态进行判断。现有的排水监测主要通过人工巡查，摄像监控或无人机监控，这些监测方式需要大量的人力物力，且无法做到持续监测，不能杜绝偷排行为。

技术实现思路

[0003]为解决现有技术对排水口的排水状态不能持续监测的技术问题，本专利技术实施例提供一种基于3D卷积的排水监测方法、系统及存储介质。
[0004]本专利技术实施例通过下述技术方案实现：第一方面，本专利技术实施例提供一种基于3D卷积的排水监测方法，包括：获取对排水口拍摄的具有连续的图像帧的拍摄图像；对所述拍摄图像进行划分，得到待监测区域的图像数据集合；提取所述待监测区域的图像数据集合并进行处理，得到标准化图像数据；利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态。
[0005]进一步的，对所述拍摄图像进行划分，得到待监测区域的图像数据集合；包括：对所述拍摄图像进行划分,在所述拍摄图像中划分出呈矩形的待监测区域，得到待监测区域集合；记录待监测区域集合中每个待监测区域的坐标[(x1,y1),(x2,y2)]，得到待监测区域的图像数据集合，其中(x1,y1)和(x2,y2)分别为待监测区域上对角点上的坐标。
[0006]进一步的，提取所述待监测区域的图像数据集合并进行处理，得到标准化图像数据；包括：提取所述待监测区域的图像数据集合进行预处理、归一化处理和标准化处理，得到标准化图像数据。
[0007]进一步的，提取所述待监测区域的图像数据集合进行预处理、归一化处理和标准化处理，得到标准化图像数据，包括：提取所述待监测区域的图像数据集合，用高斯滤波对图像进行滤波降噪处理，得到降噪的待监测区域的图像数据集合；对待监测区域的图像数据集合的每个图像像素值范围归到0与1之间，得到归一化的待监测区域的图像数据集合；
将归一化的待监测区域的图像数据集合中每个待监测区域的图像采用公式（像素值
‑
像素值均值）/方差进行标准化，得到标准化图像数据。
[0008]进一步的，利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态，包括：采用3D
‑
ResNets网络处理所述标准化图像数据，得到待监测区域的排水状态；其中，3D
‑
ResNets网络采用3D卷积和3D池化替换掉ResNets网络中的卷积和池化得到。
[0009]进一步的，采用3D
‑
ResNets网络处理所述标准化图像数据，得到待监测区域的排水状态；包括：使用带有动量的随机梯度下降的优化器训练3D
‑
ResNets网络；所述使用带有动量的随机梯度下降的优化器训练3D
‑
ResNets网络；包括：在所述拍摄图像中划分出呈矩形的待监测区域，将所有的呈矩形的待监测区域组成视频数据，得到训练数据；从训练数据中随机生成训练样本以执行数据增强；对训练样本均匀采样选择每个样本的时间位置并围绕选定的时间生成连续的图像帧图片；从每个连续的图像帧图片的四个角和中心随机选择空间位置并根据每个样本的空间尺度进行裁剪，生成样本；使所述生成的样本以50%的概率水平翻转并通过平均减法对每个生成的样本进行数据增强，得到训练集；采用所述训练集以带有动量的随机梯度下降的优化器训练3D
‑
ResNets网络，得到3D卷积神经网络模型。
[0010]进一步的，利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态，包括：将每个拍摄图像得到的待监测区域的图像数据集合拼接为C*D*H*W表示的图片，其中，C表示帧数，D表示深度，H表示高度，W表示宽度；将C*D*H*W表示的图片转换为N*C*D*H*W,N表示维度；将N*C*D*H*W作为3D卷积神经网络模型的网络输入，利用3D卷积神经网络模型处理，得到网络输出N*Class 其中,N表示维度，Class表示类别数；将N*Class输入到softmax函数，得到ouputSoftmax；ouputSoftmax利用argmax得到ouput最大值的索引；根据ouput最大值的索引，判断待监测区域的排水状态；其中，ouput最大值的索引为1表示排水，ouput最大值的索引为0表示未排水。
[0011]第二方面，本专利技术实施例提供一种基于3D卷积的排水检测系统，包括：划分单元，用于对所述拍摄图像进行划分，得到待监测区域的图像数据集合；提取处理单元，用于提取所述待监测区域的图像数据集合并进行处理，得到标准化图像数据；以及监测单元，用于利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态。
[0012]进一步的，还包括：获取单元，用于获取对排水口拍摄的具有连续的图像帧的拍摄
图像。
[0013]第三方面，本专利技术实施例提供一种存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行所述基于3D卷积的排水监测方法。
[0014]本专利技术实施例与现有技术相比，具有如下的优点和有益效果：本专利技术实施例的一种基于3D卷积的排水监测方法、系统及存储介质，通过获取对排水口拍摄的具有连续的图像帧的拍摄图像；对所述拍摄图像进行划分，得到待监测区域的图像数据集合；提取所述待监测区域的图像数据集合并进行处理，得到标准化图像数据；利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态；解决了现有技术对排水口的排水状态不能持续监测的技术问题。
附图说明
[0015]为了更清楚地说明本专利技术示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0016]图1为基于3D卷积的排水监测方法的流程示意图。
[0017]图2为基于3D卷积的排水监测系统的结构示意图。
[0018]图3为示例的排口示意图。
[0019]图4为示例的待监测排水口区域示意图。
[0020]图5为示例的排水状态示意图。
具体实施方式
[0021]为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。
[0022]在以下描述中，为了提供对本专利技术的透彻理解阐述了大量特定细节。然而，对于本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于3D卷积的排水监测方法，其特征在于，包括：获取对排水口拍摄的具有连续的图像帧的拍摄图像；对所述拍摄图像进行划分，得到待监测区域的图像数据集合；提取所述待监测区域的图像数据集合并进行处理，得到标准化图像数据；利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态。2.如权利要求1所述基于3D卷积的排水监测方法，其特征在于，对所述拍摄图像进行划分，得到待监测区域的图像数据集合；包括：对所述拍摄图像进行划分,在所述拍摄图像中划分出呈矩形的待监测区域，得到待监测区域集合；记录待监测区域集合中每个待监测区域的坐标[(x1,y1),(x2,y2)]，得到待监测区域的图像数据集合，其中(x1,y1)和(x2,y2)分别为待监测区域上对角点上的坐标。3.如权利要求1所述基于3D卷积的排水监测方法，其特征在于，提取所述待监测区域的图像数据集合并进行处理，得到标准化图像数据；包括：提取所述待监测区域的图像数据集合进行预处理、归一化处理和标准化处理，得到标准化图像数据。4.如权利要求3所述基于3D卷积的排水监测方法，其特征在于，提取所述待监测区域的图像数据集合进行预处理、归一化处理和标准化处理，得到标准化图像数据，包括：提取所述待监测区域的图像数据集合，用高斯滤波对图像进行滤波降噪处理，得到降噪的待监测区域的图像数据集合；对待监测区域的图像数据集合的每个图像像素值范围归到0与1之间，得到归一化的待监测区域的图像数据集合；将归一化的待监测区域的图像数据集合中每个待监测区域的图像采用公式（像素值
‑
像素值均值）/方差进行标准化，得到标准化图像数据。5.如权利要求1所述基于3D卷积的排水监测方法，其特征在于，利用3D卷积神经网络模型处理所述标准化图像数据，得到待监测区域的排水状态，包括：采用3D
‑
ResNets网络处理所述标准化图像数据，得到待监测区域的排水状态；其中，3D
‑
ResNets网络采用3D卷积和3D池化替换掉ResNets网络中的卷积和池化得到。6.如权利要求5所述基于3D卷积的排水监测方法，其特征在于，采用3D
‑
ResNets网络处理所述标准化图像数据，得到待监测区域的排水状态；包括：使用带有动量的随机梯度下降的优化器训练3D
‑
ResNets网络；所...

【专利技术属性】
技术研发人员：王建，
申请(专利权)人：成都见海科技有限公司，
类型：发明
国别省市：