地质灾害监测方法、系统及存储介质技术方案

本申请提供一种地质灾害监测方法、系统及存储介质。所述方法包括：采集至少一帧待处理图像，其中所述待处理图像中包含待监测目标的目标图像；对所述至少一帧待处理图像进行处理，以确定所述目标图像在所述待处理图像中的感兴趣区域；对每一帧所述待处理图像中的所述待监测目标进行跟踪。本申请实施例通过对所采集的至少一帧待处理图像进行处理，来确定目标图像在待处理图像中的感兴趣区域，并对每一帧所述待处理图像中的待监测目标进行跟踪，本申请能够准确地对待监测目标的运动轨迹进行自动监测。动监测。动监测。

【技术实现步骤摘要】
地质灾害监测方法、系统及存储介质


[0001]本申请涉及地质灾害监测
，特别涉及一种地质灾害监测方法、系统及存储介质。

技术介绍

[0002]地质灾害监测是预测预报地质灾害的重要依据，因此是减灾防灾的重要内容，其中心环节是通过直接观察和仪器测量记录地质灾害发牛前各种前兆现象的变化过程和地质灾害发生后的活动过程，此外，地质灾害监测还包括对影响地质灾害形成与发展的各种动力因素的观测。对于地质灾害而言，其破坏力非常强大，而且在环境影响下具有一定的突发性和严重性，如果不及时发现，就会给人们带来很大的危害。但地质灾害多发生在偏远、高危险性的山体上，人工监测地质灾害的发生不容易实现。

技术实现思路

[0003]有鉴于传统技术中存在的上述至少一个技术问题而提了本申请。根据本申请一方面，提供了一种地质灾害监测方法，所述方法包括：
[0004]采集至少一帧待处理图像，其中所述待处理图像中包含待监测目标的目标图像；
[0005]对所述至少一帧待处理图像进行处理，以确定所述目标图像在所述待处理图像中的感兴趣区域；
[0006]对每一帧所述待处理图像中的所述待监测目标进行跟踪。
[0007]在一些实施例中，对所述至少一帧待处理图像进行处理，以确定所述目标图像在所述待处理图像中的感兴趣区域，包括：
[0008]检测所述待处理图像中的背景区域，以确定除所述背景区域以外的所述感兴趣区域。
[0009]在一些实施例中，检测所述待处理图像中的背景区域，以确定除所述背景区域以外的所述感兴趣区域，包括：
[0010]选择所述待处理图像中的第一帧图像作为初始背景图像；
[0011]确定当前图像帧与所述初始背景图像的差分图像；
[0012]基于迭代算法计算所述差分图像的阈值，并使用所述阈值对所述差分图像进行二值化处理；
[0013]根据所述二值化处理后的所述差分图像，更新所述当前图像帧；
[0014]迭代执行所述基于迭代算法计算所述差分图像的阈值，并使用所述阈值对所述差分图像进行二值化处理，以及所述根据所述二值化处理后的所述差分图像，更新所述当前图像帧的步骤，获得差分二值化图像；
[0015]对所述差分二值化图像进行形态学处理。
[0016]在一些实施例中，对所述差分二值化图像进行形态学处理，包括：
[0017]对所述差分二值化图像进行腐蚀操作；和/或
[0018]对所述差分二值化图像膨胀操作。
[0019]在一些实施例中，对每一帧所述待处理图像中的所述待监测目标进行跟踪，包括：
[0020]确定当前图像帧中的所述目标图像；
[0021]确定下一帧图像中所述目标图像的运动轨迹。
[0022]在一些实施例中，确定当前图像帧中的所述目标图像，包括：
[0023]通过第一预设算法，计算所述感兴趣区域的特征值概率，得到目标区域；
[0024]以所述目标区域为搜索窗口中心，得到至少一个候选目标区域；
[0025]将所述至少一个候选目标区域中与所述目标区域的相似性最大的候选目标区域作为所述目标图像。
[0026]在一些实施例中，确定下一帧图像中所述目标图像的运动轨迹，包括：
[0027]通过第二预设算法，预测所述下一帧图像中所述目标图像的中心位置；
[0028]基于所述中心位置，校正所述当前图像帧中的所述目标图像。
[0029]在一些实施例中，采集至少一帧待处理图像，包括：
[0030]接收开始采集所述待处理图像的采集指令；
[0031]基于所述采集指令，采集预设帧数或者预设时间段内的所述待处理图像。
[0032]本申请实施例另一方面提供了一种地质灾害监测系统，所述系统包括：
[0033]存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时，使得所述处理器执行如上所述的地质灾害监测方法。
[0034]本申请实施例又一方面提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在被处理器运行时使得所述处理器执行如上所述的地质灾害监测方法。
[0035]本申请实施例的地质灾害监测方法，通过对所采集的至少一帧待处理图像进行处理，来确定目标图像在待处理图像中的感兴趣区域，并对每一帧所述待处理图像中的待监测目标进行跟踪，本申请能够准确地对待监测目标的运动轨迹进行自动监测。
附图说明
[0036]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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。
[0037]图1示出根据本申请实施例的地质灾害监测方法的示意性流程图；
[0038]图2示出根据本申请实施例的检测所述待处理图像中的背景区域，以确定除所述背景区域以外的所述感兴趣区域的示意性框图；
[0039]图3示出根据本申请另一实施例的地质灾害监测方法的示意性流程图；
[0040]图4示出根据本申请实施例的地质灾害监测系统的示意性框图。
具体实施方式
[0041]为使本领域技术人员更好的理解本申请实施例的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施
例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0042]通常运动目标跟踪在突发事件检测、监控等方面广泛应用。然而对地质灾害这种具有复杂环境下的目标跟踪仍然难以实现准确地跟踪运动目标。本领域常用的目标跟踪方法有基于模型的跟踪、基于区域的跟踪和基于特征的跟踪等。其中，基于模型的目标跟踪方法主要是需要产生先验知识，然后再与目标模型进行匹配来实现运动目标的跟踪。由于需要提取的信息比较多，因而要想提高跟踪的速度必须提取出合适的目标特征信息才可以。基于区域的跟踪算法则是通过相关目标模板匹配的方法来实现运动目标跟踪。然后基于特征的跟踪是利用目标的某个或局部特征进行匹配，常见的特征有颜色特征、角点等，并且颜色特征是目标特征中十分重要的一种特征，具有计算方法简单、特征稳定、计算量小和抗部分遮挡的特点，最典型的基于特征的方法是Meanshift算法，该方法是一种基于颜色特征与迭代收敛到概率密度的局部极大的非参数估计算法，易于与其他算法融合使用。然而，在监测场景中，如果存在着运动目标的速度过快，或者在目标之间存在遮挡等情形时，就会因为这些原因，而无法识别出运动目标的特征，进而造成了无法对其进行精确的跟踪。因此，本申请实施例采用卡尔曼(Kalman)滤波器和偏移均值(Meanshift)算法的结合的目标跟踪算法来对待监测目标进行跟踪。
[0043]基于前述的至少一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地质灾害监测方法，其特征在于，所述方法包括：采集至少一帧待处理图像，其中所述待处理图像中包含待监测目标的目标图像；对所述至少一帧待处理图像进行处理，以确定所述目标图像在所述待处理图像中的感兴趣区域；对每一帧所述待处理图像中的所述待监测目标进行跟踪。2.根据权利要求1所述的方法，其特征在于，对所述至少一帧待处理图像进行处理，以确定所述目标图像在所述待处理图像中的感兴趣区域，包括：检测所述待处理图像中的背景区域，以确定除所述背景区域以外的所述感兴趣区域。3.根据权利要求2所述的方法，其特征在于，检测所述待处理图像中的背景区域，以确定除所述背景区域以外的所述感兴趣区域，包括：选择所述待处理图像中的第一帧图像作为初始背景图像；确定当前图像帧与所述初始背景图像的差分图像；基于迭代算法计算所述差分图像的阈值，并使用所述阈值对所述差分图像进行二值化处理；根据所述二值化处理后的所述差分图像，更新所述当前图像帧；迭代执行所述基于迭代算法计算所述差分图像的阈值，并使用所述阈值对所述差分图像进行二值化处理，以及所述根据所述二值化处理后的所述差分图像，更新所述当前图像帧的步骤，获得差分二值化图像；对所述差分二值化图像进行形态学处理。4.根据权利要求3所述的方法，其特征在于，对所述差分二值化图像进行形态学处理，包括：对所述差分二值化图像进行腐蚀操作；和/或对所述差分二值化图像膨胀操作。5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：乞耀龙，程晓娜，侯婷，黄平平，谭维贤，徐伟，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：