基于内外校准的深度学习测流方法及系统技术方案

本发明专利技术提供了一种基于内外校准的深度学习测流方法及系统，包括：获取水流视频数据；从视频数据中的选取ROI区域，并进行图像预处理，并通过训练得到流速序列；根据流速序列对当前ROI区域进行外校准，得到当前ROI区域对应的流速校准基准值；通过检测模型进行流速检测得到当前帧的流速；根据流速和当前ROI区域对应的流速校准基准值，进行内校准得到当前帧的校准流速值；重复执行进行水流视频的实时测流。本发明专利技术通过设计外校准算法避免了原有深度学习算法预测流速的不确定性问题，为内校准提供了基准校准值，减少了检测过程中峰值的出现，提高了预测流速的准确性。高了预测流速的准确性。高了预测流速的准确性。

【技术实现步骤摘要】
基于内外校准的深度学习测流方法及系统


[0001]本专利技术涉及水文测流
，具体地，涉及一种基于内外校准的深度学习测流方法及系统。

技术介绍

[0002]我国地域辽阔，南北以及东西的地形面貌差异较大，再加上不稳定的气候系统影响，在山地地区极易发生山洪灾害。加强山洪灾害防御能力建设，是降低山洪灾害损失的有效手段，为全面提升全国山洪灾害防治水平打下坚实基础，是推进水利治理体系和治理能力现代化的重要一环。再结合人工智能技术提高水利防汛的效率和水平，对各个地区的河流流速、水位、流量等水文信息进行针对性的、及时有效的监测、获取和预报，做到未雨绸缪，防患于未然。
[0003]对于水流速度的检测主要包括物理测量法、传统图像处理方法和深度学习的方法三类。物理测量法又分为接触和非接触两种方法：接触法是水流通过流速仪中的桨叶时其转子的旋转可产生电信号，再通过电路转换得到流速值。但由于仪器需要与水面直接接触，难以避免的会与水中的杂质相接触，特别是在洪水期间，检测人员的安全性难以保障；非接触法一般使用雷达波测速，主要依据多普勒原理，通过雷达仪器的发射声波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于内外校准的深度学习测流方法，其特征在于，包括：步骤S1：获取水流视频数据；步骤S2：从所述视频数据中的选取ROI区域，并进行图像预处理，并进入外校准算法中循环遍历得到流速序列；步骤S3：根据所述流速序列对当前ROI区域进行外校准，得到当前ROI区域对应的流速校准基准值；步骤S4：通过检测模型进行流速检测得到当前帧的流速；步骤S5：根据所述流速和所述当前ROI区域对应的流速校准基准值，进行内校准得到当前帧的校准流速值；重复执行步骤S4至步骤S5，进行水流视频的实时测流。2.根据权利要求1所述的基于内外校准的深度学习测流方法，其特征在于，还包括动态ROI匹配步骤：当添加或者替换ROI区域时，进行动态ROI匹配，进而更新测速区域的流速校准基准值，然后再进行流速检测以及内校准；当删除ROI区域时，则直接执行流速检测以及内校准。3.根据权利要求1所述的基于内外校准的深度学习测流方法，其特征在于，所述图像预处理包括将当前图像由RGB图像转为HSV图像，将V通道的值乘以大于1的比例来增强图像明亮度。4.根据权利要求1所述的基于内外校准的深度学习测流方法，其特征在于，步骤S2包括：步骤S2.1：将选取的ROI区域的视频提取上下帧；步骤S2.2：将所述上下帧作为光流网络模型的输入，得到RGB格式的光流场图；步骤S2.3：将所述光流场图作为检测模型的输入，得到所述视频的预测流速值，并将该预测流速值存储至流速序列中；重复执行步骤S2.1至步骤S2.3，直至提取的帧数达到设定值，得到最终的流速序列。5.根据权利要求4所述的基于内外校准的深度学习测流方法，其特征在于，步骤S3包括：步骤S3.1：根据流速序列S设置t次多点平均的点数m以及移动间隔Δ，进行m点移动平均，得到测速区域C
ij
的流速候选校准值mean1
Cij
，计算公式如下：，计算公式如下：其中，表示第t次移动的平均值，N表示提取的帧数数量，t表示移动平均的次数，Δt表示第t次的移动间隔数，C
ij
表示第i个摄像头的第j个ROI区域；步骤S3.2：将流速序列S从小到大进行排序，取S
n//2
‑1为测速区域C
ij
的流速候选校准值，计算公式如下：mean2
Cij
＝sort(S)[n//2
‑
1]
其中，sort(S)表示对流速序列S从小到大进行排序，[n//2
‑
1]表示取出中间值，mean2
Cij
表示测速区域C
ij
的流速候选校准值；步骤S3.3：将mean1
Cij
和mean2
Cij
中的的最小值作为测速区域C
ij
的流速校准基准值，公式如下：mean
Cij
＝min(mean1
Cij
,mean2...

【专利技术属性】
技术研发人员：王晓龙，王根一，安国成，
申请(专利权)人：上海华讯网络系统有限公司，
类型：发明
国别省市：