一种城市道路和隧道口水淹与受灾个体识别方法及系统技术方案

本发明专利技术涉及一种城市道路和隧道口水淹与受灾个体识别方法及系统，其方法包括：步骤S1：收集城市道路积水情况和正常情况下的视频进行预处理，得到样本集1，以及两种情况下包含车辆、行人的视频进行预处理，得到样本集2；步骤S2：将样本集1输入城市道路水淹监测模型进行训练，检测是否发生道路水淹；步骤S3：将样本集2输入受灾个体监测模型进行训练，识别是否有受灾车辆、行人；步骤S4：将训练好的城市道路水淹监测模型和训练好的受灾个体监测模型进行级联，当城市道路水淹监测模型的预测结果为发生道路水淹时，启动受灾个体监测模型，监测是否有受灾车辆、行人。本发明专利技术提供的方法可实时监测城市水淹与受灾个体的情况，并发出预警。并发出预警。并发出预警。

【技术实现步骤摘要】
一种城市道路和隧道口水淹与受灾个体识别方法及系统


[0001]本专利技术涉及信息技术和自然灾害监测
，具体涉及一种城市道路和隧道口水淹与受灾个体识别方法及系统。

技术介绍

[0002]近些年来，基于强降雨或连续性降雨天气、城市排水系统设计不合理以及城市地势等原因造成的城市积涝灾害日益突出，特别，2021年河南内涝灾害再次发生，在这次特大内涝灾害中共造成302人死亡，50人失踪。其中郑州京广隧道200多辆车辆涉水，数人被困。虽然京广隧道配备专业排水设备，但由于大量淤泥堵塞排水管道，导致隧道排水不畅，隧道底部淤泥沉积，加上涉水车辆堆叠，增加了救援难度。另外，同年在北京旱河路铁路桥下两名驾车涉水被困人员最终因抢救无效不幸遇难。可以说城市内涝在我国比较普遍，不仅在一些沿海城市，现如今内陆城市也经常发生。城市内涝对市民的生命财产安全均带来很大威胁。城市内涝对城市的防汛排涝的任务带来了巨大压力，由它带来的交通瘫痪对经济建设和人民生活也造成较大影响，尤其是隧道积水，更是使公民人身安全受到威胁。
[0003]目前已经有一些技术用于城市内涝点监测中。由于传统的目测法在成本、精确度、时效性方面存在很大缺陷，并不满足需要。另一常用的方法是使用设备设定安全线对城市内部水位或者隧道内水位情况进行监测，这种方法会出现积水未达到安全水位线，报警器不报警等隐患。另外，若场景在隧道，隧道内发生了堵车，由于积水未达到安全水位线，报警器不报警、道闸未关闭，隧道外的车辆无法及时知情，会继续进入到隧道内，无法减轻安全隐患和堵塞现象。
专利
技术实现思路

[0004]为了解决上述技术问题，本专利技术提供一种城市道路和隧道口水淹与受灾个体识别方法及系统。
[0005]本专利技术技术解决方案为：一种城市道路和隧道口水淹与受灾个体识别方法，包括：
[0006]步骤S1：收集城市道路积水情况和正常情况下的监控影像或视频，以及城市道路积水情况和正常情况下包含车辆、行人的监控影像或视频；将所述城市道路积水情况和正常情况下的监控影像或视频进行预处理，得到样本集1，将所述城市道路积水情况和正常情况下的包含车辆、行人的图像进行预处理，得到样本集2；
[0007]步骤S2：将所述样本集1输入城市道路水淹监测模型进行训练，得到城市道路水淹监测模型对输入视频进行目标检测得到是否发生道路水淹的判断结果；
[0008]步骤S3：将所述样本集2输入受灾个体监测模型进行训练，受灾个体监测模型对输入视频进行受灾个体目标识别得到是否识别出受灾车辆、行人的判断结果；
[0009]步骤S4：将训练好的所述城市道路水淹监测模型和训练好的所述受灾个体监测模型进行级联，形成完整的城市道路水淹与受灾个体识别模型，当所述城市道路水淹监测模型的预测结果为发生道路水淹时，启动所述受灾个体监测模型，监测是否有车辆、行人。
[0010]本专利技术与现有技术相比，具有以下优点：
[0011]本专利技术公开了一种城市道路和隧道口水淹与受灾个体识别方法，通过获取监控实时画面，利用改进的MobileNet模型和LBP算法融合特征，构建城市道路水淹监测模型对道路进行监测，LBP(局部二值模式)是比较简单有效的纹理特征提取方式，对光照具有不敏感型，尤其对傍晚时刻(光照较弱等的场景下)的道路监测结果具有很好的鲁棒性；另外一般隧道内光线较弱，使用改进后的模型，可得到较高的准确率。对原Mobilenet的卷积层激活函数改为RReLU激活函数，克服了原来激活函数神经元死亡现象，计算速度也比较快，一定程度避免了信息丢失的情况，使训练特征更加完整；在受灾个体按监测过程中，使用由GIoU代替原有的IoU激活函数的YOLO算法使得在特征图像经过激活函数使既特征图像尺寸不变也克服了目标重叠无法优化的问题；在监测过程中，两模型进行级联，使整体应用逻辑场景更加完善具有实用性，如无水淹发生则继续监测，直到监测到水淹发生，则启用受灾个体监测模型，及时监测是否有行人或车辆进入，一旦发现有行人或车辆进入，则及时发出预警，提示行人不可入内，并及时告知相关部门便于监管部门及时对行人或车辆进行劝返。
附图说明
[0012]图1为本专利技术实施例中一种城市道路和隧道口水淹与受灾个体识别方法的流程图；
[0013]图2为本专利技术实施例中城市道路水淹监测模型结构示意图；
[0014]图3为本专利技术实施例中一种城市道路和隧道口水淹与受灾个体识别方法系统的结构框图。
具体实施方式
[0015]本专利技术提供了一种城市道路和隧道口水淹与受灾个体识别方法，一旦检测到城市发生内涝时，开始实时监测行人、车辆在道路和隧道口的情况，及时发出预警减少内涝灾害对公民人身安全造成的威胁，将灾难控制在最小。
[0016]为了使本专利技术的目的、技术方案及优点更加清楚，以下通过具体实施，并结合附图，对本专利技术进一步详细说明。
[0017]实施例一
[0018]如图1所示，本专利技术实施例提供的一种城市道路和隧道口水淹与受灾个体识别方法，包括下述步骤：
[0019]步骤S1：收集城市道路积水情况和正常情况下的监控影像或视频，以及城市道路积水情况和正常情况下包含车辆、行人的监控影像或视频；将城市道路积水情况和正常情况下的监控影像或视频进行预处理，得到样本集1，将城市道路积水情况和正常情况下的包含车辆、行人的图像进行预处理，得到样本集2；
[0020]步骤S2：将样本集1输入城市道路水淹监测模型进行训练，得到城市道路水淹监测模型对输入视频进行目标检测得到是否发生道路水淹的判断结果；
[0021]步骤S3：将样本集2输入受灾个体监测模型进行训练，得到受灾个体监测模型对输入视频进行受灾个体目标识别得到是否识别出受灾车辆、行人的判断结果；
[0022]步骤S4：将训练好的城市道路水淹监测模型和训练好的受灾个体监测模型进行级
联，形成完整的城市道路水淹与受灾个体识别模型，当城市道路水淹监测模型的预测结果为发生道路水淹时，启动受灾个体监测模型，监测是否有车辆、行人。
[0023]在一个实施例中，上述步骤S1：收集城市道路积水情况和正常情况下的监控影像或视频，以及城市道路积水情况和正常情况下包含车辆、行人的监控影像或视频；将城市道路积水情况和正常情况下的监控影像或视频进行预处理，得到样本集1，将城市道路积水情况和正常情况下的包含车辆、行人的图像进行预处理，得到样本集2，具体包括：
[0024]步骤S11：分别获取城市道路积水情况和正常情况下的监控影像或视频，按照预设间隔1进行取帧操作，分别得到城市道路积水图片和城市道路正常图片，作为样本集1；
[0025]监控影像可以通过互联网或者公安系统等各平台获取；将待识别的城市道路积水和正常情况下的监控影像或视频每隔一定时间进行取帧操作，得到可用于内涝监测的图片形成样本集1，本专利技术实施例的间隔1设为每隔1秒保存一帧图片；用于后续步骤计算并保存每一帧的LBP值图像，采用相邻帧补偿策略，稳定图像，减少光照对灰度值带来的影响。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市道路和隧道口水淹与受灾个体识别方法，其特征在于，包括：步骤S1：收集城市道路积水情况和正常情况下的监控影像或视频，以及城市道路积水情况和正常情况下包含车辆、行人的监控影像或视频；将所述城市道路积水情况和正常情况下的监控影像或视频进行预处理，得到样本集1，将所述城市道路积水情况和正常情况下的包含车辆、行人的图像进行预处理，得到样本集2；步骤S2：将所述样本集1输入城市道路水淹监测模型进行训练，得到城市道路水淹监测模型对输入视频进行目标检测得到是否发生道路水淹的判断结果；步骤S3：将所述样本集2输入受灾个体监测模型进行训练，得到受灾个体监测模型对输入视频进行受灾个体目标识别得到是否识别出受灾车辆、行人的判断结果；步骤S4：将训练好的所述城市道路水淹监测模型和训练好的所述受灾个体监测模型进行级联，形成完整的城市道路水淹与受灾个体识别模型，当所述城市道路水淹监测模型的预测结果为发生道路水淹时，启动所述受灾个体监测模型，监测是否有车辆、行人。2.根据权利要求1所述的城市道路和隧道口水淹与受灾个体识别方法，其特征在于，所述步骤S1：收集城市道路积水情况和正常情况下的监控影像或视频，以及城市道路积水情况和正常情况下包含车辆、行人的监控影像或视频；将所述城市道路积水情况和正常情况下的监控影像或视频进行预处理，得到样本集1，将所述城市道路积水情况和正常情况下的包含车辆、行人的图像进行预处理，得到样本集2，具体包括：步骤S11：分别获取城市道路积水情况和正常情况下的监控影像或视频，按照预设间隔1进行取帧操作，分别得到城市道路积水图片和城市道路正常图片，作为样本集1；步骤S12：城市道路积水情况和正常情况下包含车辆、行人的监控影像或视频，按照预设间隔2进行取帧操作，对其中包括车辆行人目标的图像类别和边界框进行标注，作为样本集2。3.根据权利要求2所述的城市道路和隧道口水淹与受灾个体识别方法，其特征在于，所述步骤S2：将所述样本集1输入城市道路水淹监测模型进行训练，对输入视频进行目标检测得到是否发生道路水淹的判断结果，具体包括：步骤S21：将所述样本集1中图像作为输入图像，输入基于改进的Mo...

【专利技术属性】
技术研发人员：丁莹莹，李晓慧，房玉东，刘永强，薛明，
申请(专利权)人：应急管理部大数据中心，
类型：发明
国别省市：