一种水力发电站库区大型漂浮物检测方法技术

本申请涉及图像识别技术领域，为一种水库管理中图像识别应用技术，具体涉及一种水力发电站库区大型漂浮物检测方法。通过对视频帧中的图像进行转换得到待识别目标的标准图像，并通过具有神经网络结构的检测模型对待识别图像进行特征提取和识别分类，得到最终的检测结果。果。果。

【技术实现步骤摘要】
一种水力发电站库区大型漂浮物检测方法


[0001]本申请涉及图像识别
，为一种水库管理中图像识别应用技术，具体涉及一种水力发电站库区大型漂浮物检测方法。

技术介绍

[0002]目前水库运行管理的漂浮物、水质变化状况主要依赖人工现场巡查，人力成本高，巡查效率低。近20年来，水库越来越广泛地建设图像监测和视频监控系统，但目前图像及视频监控基本采用人工判读。虽然图像及视频监控可以用于对水库现场漂浮物情况的及时了解，但其潜在的效能还远远没有发挥出来，主要体现在以下方面：1）人工判读工作量大。由于水库数量多，图像及视频监控站点多，对于一个县级、市级甚至省级水库管理单位的工作人员而言，人工逐一判读漂浮物的工作量太大。因此，大部分图像和视频信息仅仅作为必要的辅助手段，在水库出现问题时才会重点关注。2）人工判读不及时。由于站点数量大，人工判读通常难以及时发现大面积漂浮物问题，不能及时取证并预警，造成常态化清漂工作效率较低，水质生态监管能力弱。3）视频传输与存储压力大。人工判读需要测站将图像和视频信息全部传回应用中心，所以对视频传输和存储都带来很大压力。这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水力发电站库区大型漂浮物检测方法，其特征在于，方法应用于服务器，所述方法包括：提取采集到的目标区域内的视频帧中的边缘轮廓，并将所述边缘轮廓与标准图像进行比对，剔除所述视频帧中与所述标准图像匹配的边缘特征，得到待识别边缘特征，并将所述待识别边缘特征进行提取为初步识别图像；基于矫正模型对所述初步识别图像进行矫正处理，得到调整后的初步识别图像，并提取所述初步识别图像在所述视频帧中的坐标数据，根据所述初步识别图像在所述视频帧中的相对位置，基于尺寸映射模型调整所述初步识别图像的边缘数据得到待识别图像，对待识别图像中的目标特征进行尺寸还原；所述基于矫正模型对所述初步识别图像进行矫正处理，包括：提取所述初步识别图像中多个像素，并将所述初步识别图像中的各像素的灰度值依次按坐标提取为数组，基于所述矫正模型依次求取每个像素点的实际坐标点 ,对应的畸变图像坐标点，并基于所述畸变图像坐标点的灰度值中矫正后图像上的对应坐标点，后将校正后的各像素的灰度值的数组恢复为图像；将所述待识别图像输入至训练后的检测模型，通过所述检测模型对所述待识别图像进行分类识别得到识别结果并确定待识别对象的位置信息。2.根据权利要求1所述的水力发电站库区大型漂浮物检测方法，其特征在于，所述矫正模型为训练后的神经网络模型，所述神经网络模型包括输入层、卷积层、池化层、全连接层和输出层；所述卷积层数量为四个，所述池化层数量为四个，所述全连接层数量为两个。3.根据权利要求1所述的水力发电站库区大型漂浮物检测方法，其特征在于，基于尺寸映射模型调整所述初步识别图像的边缘数据得到待识别图像，包括：提取所述初步识别图像边缘像素点至所述视频帧四个边框的位置向量，基于所述位置向量确定各边缘像素点所在边缘的放大系数，基于所述放大系数确定各边缘真实尺寸，并将真实尺寸对应的各边缘进...

【专利技术属性】
技术研发人员：任廷华，陈胜，赵娅，杨蛟，张学刚，陈文明，唐文科，黄保然，杨藻济，
申请(专利权)人：贵州中水能源股份有限公司，
类型：发明
国别省市：