本申请提出了基于视频分析的城市道路内涝预测方法、装置及其应用，包括以下步骤：响应于雨势大于第一设定阈值的指令，对当前摄像头画面下的光照强度进行分级判定，并根据不同光照强度等级和天气情况进行图像增强或反光波纹检测；对图像增强后的图像进行道路地标检测，并得到道路地标的标识位置以及每个标识的清晰度；输出波纹分数大于第二设定阈值的摄像头监控区域，并发出区域内涝告警；将道路地标的标识位置以及每个标识的清晰度与无积水图像的道路地标识别结果比对，以排除误判情况；输出标识清晰度低于第三设定阈值的摄像头监控区域，并发出区域内涝告警。具有及时准确的效果。效果。效果。
【技术实现步骤摘要】
基于视频分析的城市道路内涝预测方法、装置及其应用
[0001]本申请涉及视觉识别
，特别是一种涉及基于视频分析的城市道路内涝预测方法、装置及其应用。
技术介绍
[0002]城市道路内涝是一种常见的自然灾害，它会给城市交通、居民生活和城市安全带来严重的影响。目前，城市道路内涝的预测方法主要有两种：一种是基于水文模型的数值模拟方法，该方法需要大量的水文参数和地理信息，计算复杂度高，且难以实时更新；另一种是基于视频监控的图像分析方法，该方法利用已有的城市摄像头网络，通过对图像中的积水特征进行检测和识别，实现对内涝情况的实时监测和预警。然而，现有的基于视频监控的图像分析方法也存在一些问题，主要有以下几点：1）缺乏有效的触发机制。现有的方法通常需要对所有摄像头的图像进行持续的分析，这会消耗大量的计算资源和网络带宽，且不利于及时发现内涝风险。
[0003]2）缺乏针对性的图像增强。现有的方法通常没有考虑不同光照条件下图像质量的差异，导致在弱光或有干扰的情况下，图像中的积水特征难以识别。
[0004]3）缺乏多维度的积水检测。现有的方法通常只依赖于图像中的颜色、纹理等低层次特征来判断积水情况，这容易受到环境因素和摄像头参数的影响，导致误报或漏报。
[0005]4）部分算法基于车辆经过后扬起的水花进行判断是否有内涝，但该方案需要车辆经过为前提作为辅助，并且积水需要达到一定规模才会扬起水花，这样预警的时效性就会受到一定程度的影响。
[0006]因此，亟待基于视频分析的城市道路内涝预测方法，能够根据气象数据触发内涝预警任务，针对不同光照条件进行图像增强，同时结合道路地标检测和积水检测两个维度来输出内涝告警信息，以解决现有技术存在的问题。
技术实现思路
[0007]本申请实施例提供了基于视频分析的城市道路内涝预测方法、装置及其应用，针对目前技术存在的缺乏有效的触发机制、缺乏针对性的图像增强、缺乏多维度的积水检测以及预警的时效性弱等问题。
[0008]本专利技术核心技术主要是根据气象数据触发内涝预警任务，针对不同光照条件进行图像增强，同时结合道路地标检测和积水检测两个维度来输出内涝告警信息。
[0009]第一方面，本申请提供了基于视频分析的城市道路内涝预测方法，所述方法包括以下步骤：S00、响应于雨势大于第一设定阈值的指令，对当前摄像头画面下的光照强度进行分级判定，并根据不同光照强度等级和天气情况进行图像增强或反光波纹检测；S10、对图像增强后的图像进行道路地标检测，并得到道路地标的标识位置以及每个标识的清晰度；输出波纹分数大于第二设定阈值的摄像头监控区域，并发出区域内涝告
警；S20、将道路地标的标识位置以及每个标识的清晰度与无积水图像的道路地标识别结果比对，以排除误判情况；S30、输出标识清晰度低于第三设定阈值的摄像头监控区域，并发出区域内涝告警。
[0010]进一步地，S00步骤中，光照强度分级按照亮度从高到低为强光照强度、一般光照强度、有干扰光照强度以及弱光照强度。可以提高图像质量、凸显道路特征，并降低光照对内涝预测的干扰，从而增加城市道路内涝预测方法的准确性和效果。
[0011]进一步地，S00步骤中，对于一般光照强度的图像进行亮度补偿，使其至少与强光照强度的图像亮度和/或清晰度保持一致；对于有干扰光照强度的图像进行干扰去除和/或亮度补偿，使其至少与强光照强度的图像亮度和/或清晰度保持一致。通过对一般光照强度和有干扰光照强度图像进行亮度补偿、干扰去除等操作，可以使它们与强光照强度图像保持一致的亮度和清晰度。这样做的效果是提高图像的可比性、减少干扰因素，并提高道路特征的可视化效果，从而增加城市道路内涝预测方法的准确性和效果。
[0012]进一步地，S00步骤中，通过基于深度残差网络和注意力机制的积水检测模型对于弱光照强度的图像进行反光波纹检测，根据反光、波纹的位置和强度，输出热力图和对应的分数，根据分数是否大于第二设定阈值来判定是否发出区域内涝告警。可以提供对区域内涝情况的准确判定和评估。这有助于提前预警内涝风险，并促使相关部门采取相应的应对措施，以保障城市交通和设施的安全。
[0013]进一步地，S00步骤中，通过光照强度判定模型对当前摄像头画面下的光照强度进行分级判定。能够为后续的图像增强、反光波纹检测等步骤提供指导和依据。这有助于针对不同光照条件下的图像进行适当的处理和调整，提高图像处理效果和内涝预测的准确性。
[0014]进一步地，S00步骤中，通过明亮度补偿模型对一般光照强度的图像进行亮度补偿；通过编码器
‑
解码器结构的GAN模型去除有干扰光照强度的图像中的云雾。可以提高图像质量、清晰度和可视化效果。这将为后续的道路地标检测和内涝预测提供更准确和可靠的输入，增加城市道路内涝预测方法的准确性和效果。
[0015]进一步地，S00步骤中，通过基于区域卷积神经网络的道路地标检测模型进行道路地标检测，并得到道路地标的标识位置以及每个标识的清晰度。可以准确地检测道路地标，并获得它们的位置和清晰度信息。这将为后续的内涝预测提供准确的道路积水特征，并为城市管理部门提供关于道路地标的重要信息，以便更好地评估和应对可能的内涝风险。
[0016]第二方面，本申请提供了一种基于视频分析的城市道路内涝预测装置，包括：第三方天气平台，雨势大于第一设定阈值时，对光照强度分级判定模块发出指令；光照强度分级判定模块，响应于雨势大于第一设定阈值的指令，对当前摄像头画面下的光照强度进行分级判定；图像增强模块，根据不同光照强度等级和天气情况进行图像增强；光照强度分级按照亮度从高到低为强光照强度、一般光照强度、有干扰光照强度以及弱光照强度；反光波纹检测模块，对弱光照强度进行反光波纹检测，根据反光、波纹的位置和强度，输出热力图和对应的分数，根据分数是否大于第二设定阈值来判定是否发出区域内涝告警；
道路地标检测模块，对图像增强后的图像进行道路地标检测，并得到道路地标的标识位置以及每个标识的清晰度；将道路地标的标识位置以及每个标识的清晰度与无积水图像的道路地标识别结果比对，以排除误判情况；输出模块，输出标识清 晰度低于第三设定阈值的摄像头监控区域，并发出区域内涝告警。
[0017]第三方面，本申请提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述的基于视频分析的城市道路内涝预测方法。
[0018]第四方面，本申请提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序包括用于控制过程以执行过程的程序代码，过程包括根据上述的基于视频分析的城市道路内涝预测方法。
[0019]本专利技术的主要贡献和创新点如下：1、与现有技术相比，本申请通过接入第三方气象平台数据，启动城市各路面摄像头的内涝预警判定任务，节省了计算资源和网络带宽，提高了内涝预警的触发效率；2、与现有技术相比，本申请根据不同光照强度对图像进行针对性的图像增强，改善了图像质量，增强了积水特征的可见性。同时结合本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于视频分析的城市道路内涝预测方法，其特征在于，包括以下步骤：S00、响应于雨势大于第一设定阈值的指令，对当前摄像头画面下的光照强度进行分级判定，并根据不同光照强度等级和天气情况进行图像增强或反光波纹检测；S10、对图像增强后的图像进行道路地标检测，并得到道路地标的标识位置以及每个标识的清晰度；输出波纹分数大于第二设定阈值的摄像头监控区域，并发出区域内涝告警；S20、将道路地标的标识位置以及每个标识的清晰度与无积水图像的道路地标识别结果比对，以排除误判情况；S30、输出标识清晰度低于第三设定阈值的摄像头监控区域，并发出区域内涝告警。2.如权利要求1所述的基于视频分析的城市道路内涝预测方法，其特征在于，S00步骤中，光照强度分级按照亮度从高到低为强光照强度、一般光照强度、有干扰光照强度以及弱光照强度。3.如权利要求2所述的基于视频分析的城市道路内涝预测方法，其特征在于，S00步骤中，对于一般光照强度的图像进行亮度补偿，使其至少与强光照强度的图像亮度和/或清晰度保持一致；对于有干扰光照强度的图像进行干扰去除和/或亮度补偿，使其至少与强光照强度的图像亮度和/或清晰度保持一致。4.如权利要求2所述的基于视频分析的城市道路内涝预测方法，其特征在于，S00步骤中，通过基于深度残差网络和注意力机制的积水检测模型对于弱光照强度的图像进行反光波纹检测，根据反光、波纹的位置和强度，输出热力图和对应的分数，根据分数是否大于第二设定阈值来判定是否发出区域内涝告警。5.如权利要求1
‑
4任意一项所述的基于视频分析的城市道路内涝预测方法，其特征在于，S00步骤中，通过光照强度判定模型对当前摄像头画面下的光照强度进行分级判定。6.如权利要求2
‑
4任意一项所述的基于视频分析的城市道路内涝预测方法，其特征在于，S00步骤中，通过明亮度...
【专利技术属性】
技术研发人员：韩致远，王国梁，毛云青，张香伟，
申请(专利权)人：城云科技中国有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。