洪水或积水检测装置及方法制造方法及图纸

本申请实施例提供一种洪水或积水检测装置以及方法，该装置包括：分割单元，根据视频流的各帧图像数据中每个像素点与所有位置像素点的相关性，和/或该视频流的各帧图像数据中上下文信息，将视频流中各帧图像数据划分为不同的语义类别；计算单元，根据划分结果计算至少一个感兴趣区域中水量占有率；确定单元，根据至少一个感兴趣区域中水量占有率检测是否发生洪水或积水。发生洪水或积水。发生洪水或积水。

【技术实现步骤摘要】
洪水或积水检测装置及方法


[0001]本申请涉及信息


技术介绍

[0002]近年来，极端的气候已经造成了更多的灾难，洪水是最严重的灾难之一。洪水灾害的发生不仅造成了因溺水、触电等意外事故导致的人员死亡，而且，洪水还会导致道路积水，极大的阻碍了城市交通以及城市化发展，因此，对河流洪水以及道路积水的监测和预报具有重要的价值和意义。
[0003]应该注意，上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本的
技术介绍
部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

技术实现思路

[0004]目前，在大多数情况下，河流洪水以及道路积水的监测方式主要是人工现场监测，但是在某些地区，人们很难观察到河流以及道路积水，因此，无法及时观察到洪水或积水，这样，驾驶员无法获得积水信息，如果开车到积水区域，会导致交通堵塞，甚至导致车辆被水淹没。
[0005]为了解决上述问题中的至少一个，本申请实施例提供一种洪水或积水检测装置及方法。
[0006]根据本申请实施例的第一方面，提供一种洪水或积水检测装置，所述装置包括：
[0007]分割单元，根据视频流的各帧图像数据中每个像素点与所有位置像素点的相关性，和/或该视频流的各帧图像数据中上下文信息，将视频流中各帧图像数据划分为不同的语义类别；
[0008]计算单元，根据划分结果计算至少一个感兴趣区域中水量占有率；
[0009]确定单元，根据至少一个感兴趣区域中水量占有率检测是否发生洪水或积水。
[0010]根据本申请实施例的第二方面，提供一种洪水或积水检测方法，该方法包括：
[0011]根据视频流的各帧图像数据中每个像素点与所有位置像素点的相关性，和/或该视频流的各帧图像数据中上下文信息，将视频流中各帧图像数据划分为不同的语义类别；
[0012]根据划分结果计算至少一个感兴趣区域中水量占有率；
[0013]根据至少一个感兴趣区域中水量占有率检测是否发生洪水或积水。
[0014]本申请实施例的有益效果在于：在语义分割时考虑了上下文信息和/或各位置像素之间的相关性，从而学习到更多重要信息，以提取出更好的用于语义分割的特征向量，改进不平衡训练数据集对语义分割带来的不良影响，提高分类准确性，从而提高洪水或积水检测的准确性。
[0015]参照后文的说明和附图，详细公开了本申请的特定实施方式，指明了本申请的原理可以被采用的方式。应该理解，本申请的实施方式在范围上并不因而受到限制。在所附权
利要求的精神和条款的范围内，本申请的实施方式包括许多改变、修改和等同。
[0016]针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
[0017]应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
[0018]所包括的附图用来提供对本申请实施例的进一步的理解，其构成了说明书的一部分，用于例示本申请的实施方式，并与文字描述一起来阐释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0019]图1是本申请第一方面的实施例的洪水或积水检测装置的一示意图；
[0020]图2A和图2B是注意力模块构成示意图；
[0021]图3是本申请第一方面的实施例中神经网络模型构成一示意图；
[0022]图4是本申请第一方面的实施例的分割单元构成一示意图；
[0023]图5A，6A，7A是本申请第一方面的实施例的原图像示意图；
[0024]图5B，6B，7B是本申请第一方面的实施例的对应原图像的伪图像示意图；
[0025]图8是本申请第一方面的实施例未发生洪水时原图像的感兴趣区域示意图；
[0026]图9是本申请第一方面的实施例发生洪水时原图像的感兴趣区域示意图；
[0027]图10A和图10B是本申请第一方面的实施例道路产生洪水时原图像感兴趣区域示意图；
[0028]图11是本申请第二方面的实施例的电子设备的一示意图；
[0029]图12是本申请第二方面的实施例的电子设备的系统构成的一示意框图；
[0030]图13是本申请第三方面的实施例的洪水或积水检测方法的一示意图；
[0031]图14是图13的实施例的操作1301的实施方式的一示意图；
[0032]图15是本申请第三方面的实施例的洪水或积水检测方法示意图。
具体实施方式
[0033]参照附图，通过下面的说明书，本申请的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本申请的特定实施方式，其表明了其中可以采用本申请的原则的部分实施方式，应了解的是，本申请不限于所描述的实施方式，相反，本申请包括落入所附权利要求的范围内的全部修改、变型以及等同物。
[0034]第一方面的实施例
[0035]本申请实施例提供一种洪水或积水检测装置。图1是本申请实施例的洪水或积水检测装置的一示意图。
[0036]如图1所示，洪水或积水检测装置100包括：
[0037]分割单元101，根据视频流的各帧图像数据中每个像素点与所有位置像素点的相关性，和/或该视频流的各帧图像数据中上下文信息，将视频流中各帧图像数据划分为不同的语义类别；
[0038]计算单元102，根据划分结果计算至少一个感兴趣区域(ROI)中水量占有率；
[0039]确定单元103，根据至少一个感兴趣区域中水量占有率检测是否发生洪水或积水。
[0040]在本申请实施例中，洪水或积水检测装置100处理的视频流各帧图像数据可以是从对车道所在的区域或河流所在的区域进行拍摄的摄像装置得到的实时视频流的各帧图像数据，例如，通过设置在道路上方的监控摄像头或河流附近设置的监控摄像头拍摄得到的实时视频流的各帧图像数据。
[0041]在一些实施例中，该各帧图像数据可以是经过预处理的图像，该预处理包括亮度调节和/或尺寸裁剪等，本申请实施例并不以此作为限制。
[0042]在一些实施例中，分割单元101可以使用训练好的神经网络模型对图像数据进行语义分割，其中，用于训练该神经网络的训练集包括河流训练集和道路训练集。对于河流训练集，包括没有发生洪水时的训练集和发生洪水时的训练集，各个包含河流的图像中主要语义类别包括河流，天空，河岸，河床，桥梁，植被，水利设施和桥梁等等。因此，本申请实施例的数据集仅包含这些语义类别。对于道路训练集，包括没有发生积水时的训练集和道路有积水时的训练集，各个包含道路的图像中主要语义类别还包括汽车，自行车，行人，道路，人行道，围栏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种洪水或积水检测装置，其特征在于，所述装置包括：分割单元，根据视频流的各帧图像数据中每个像素点与所有位置像素点的相关性，和/或所述视频流的各帧图像数据中上下文信息，将视频流中各帧图像数据划分为不同的语义类别；计算单元，根据划分结果计算至少一个感兴趣区域中水量占有率；确定单元，根据至少一个感兴趣区域中水量占有率检测是否发生洪水或积水。2.根据权利要求1所述的装置，其中，所述分割单元包括：将各帧图像数据输入特征提取网络，提取特征图；确定特征图任意两个位置间的相关性；根据所述相关性确定权重，并根据所述权重对特征图各位置上的特征进行更新；从更新后的特征中提取上下文信息，将所述上下文信息以及所述更新后的特征输入预测网络，得到各帧图像数据的语义类别划分结果。3.根据权利要求1所述的装置，其中，所述装置还包括：第一处理单元，其统计所述分割单元划分的第一数量帧图像数据中相同位置的语义类别中出现次数最多的语义类别，将所述出现次数最多的语义类别作为所述位置的语义类别。4.根据权利要求1所述的装置，其中，所述装置还包括：第二处理单元，其对划分结果进行降噪处理。5.根据权利要求1所述的装置，其中，所述装置还包括：背景提取单元，其用于根据第二数量帧图像数据确定图像中的移动对象，并从划分结果中去除所述移动对象。6.根据权利要求1...

【专利技术属性】
技术研发人员：韩泽静，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：