房屋顶部遮挡物的垮塌预测方法技术

本发明专利技术涉及信息处理技术

【技术实现步骤摘要】
房屋顶部遮挡物的垮塌预测方法、设备及系统


[0001]本申请涉及信息处理技术，特别涉及房屋顶部遮挡物的垮塌预测方法
、
设备及系统
。

技术介绍

[0002]在冬季，很多罩棚和
/
或屋顶等房屋顶部遮挡物上会出现积雪和
/
或积冰的现象，而这些存在于罩棚和
/
或屋顶上的积雪和
/
或积冰，容易积累并造成罩棚和
/
或屋顶垮塌而变成高空坠物，进而造成人员伤亡或财产损失等严重后果
。
[0003]当前针对这种房屋顶部遮挡物的垮塌检测方法主要为两类：
1、
通过安保人员进行巡检和
/
或在监控室查看实时监控画面的方式，采用肉眼和经验判断是否存在形成房屋顶部遮挡物的垮塌的可能性；
2、
通过智能平台分析监控视频并进行判断，这种方法主要通过对房屋顶部遮挡物垮塌的数据进行采集
、
标注和清洗后，进行深度学习模型的训练，在训练完成后再进行部署运行
。
[0004]上述两类方法主要问题在于：
1)
人力成本较高，无论是安保人员还是训练深度学习模型所需要的数据采集
、
标注及清洗都需要大量人力；
2)
时间成本较高，安保人员需要不定期的去检查是否存在房屋顶部遮挡物的垮塌的可能性，只要出现极端的天气情况就需要进行检查，这样的检查方式需要消耗较长的时间；而训练深度学习模型的方式中，所需要的数据准备
、
标注
、
清洗及深度学习模型的训练也需要耗费较长时间；
3)
目前的智能平台分析只能检测房屋顶部遮挡物的垮塌，并不能对其进行预测，且无论人工排查还是利用当前深度学习模型训练的方式都无法做到准确的预测；
4)
目前的智能平台分析所耗费的计算资源较高，无论是深度学习模型的训练还是线上运行，均存在大量计算资源消耗的问题
。
[0005]根据上述现有房屋顶部遮挡物的垮塌的检测方法可见，目前的房屋顶部遮挡物的垮塌检测方式较为落后，其采用人工进行巡检或智能平台进行检测，不具备准确预测的功能，且采用智能平台时所耗费的人力和时间成本都较高
。
[0006]因此，现有房屋顶部遮挡物的垮塌检测方法存在无法准确预测及成本较高的问题
。

技术实现思路

[0007]本申请的目的是要解决目前现有房屋顶部遮挡物的垮塌检测方法存在无法准确预测的问题，提供了一种房屋顶部遮挡物的垮塌预测方法
、
设备及系统
。
[0008]本申请解决上述技术问题采用的技术方案中，第一方面提供了一种房屋顶部遮挡物的垮塌预测方法，包括以下步骤：
[0009]步骤
1、
对当前监控视频数据的图片进行元素分割，至少提取其中覆盖物所在区域，并判断各区域所属覆盖物类型，所述覆盖物类型包括积雪类型和
/
或积冰类型；
[0010]步骤
2、
实时计算得出各区域覆盖物质量；
[0011]步骤
3、
根据总覆盖物质量及预设的房屋顶部遮挡物负荷能力计算当前安全系数；
[0012]步骤
4、
当当前安全系数不满足预设条件时，发出垮塌预测提醒
。
[0013]具体的，为方便后续计算，则步骤1包括以下具体步骤：
[0014]步骤
101、
对当前监控视频数据的图片进行元素分割，至少提取其中覆盖物所在区域的图像；
[0015]步骤
102、
根据提取出的覆盖物所在区域的图像判断各区域所属覆盖物类型，所述覆盖物类型包括积雪类型和
/
或积冰类型
。
[0016]进一步的，为提供一种根据提取出的覆盖物所在区域的图像判断各区域所属覆盖物类型的方法，则步骤
102
包括以下具体步骤：
[0017]步骤
102A、
预先进行覆盖物特征概率分布预学习，获取预设的各类型覆盖物对应的聚类中心，所述聚类中心被建模成高斯分布；
[0018]步骤
102B、
对所提取出的覆盖物所在区域的图像进行
K
均值聚类，得到当前覆盖物的聚类中心；
[0019]步骤
102C、
将当前覆盖物的聚类中心与预设的各类型覆盖物对应的聚类中心进行对比，根据对比结果判断当前覆盖物的覆盖物类型
。
[0020]具体的，为进一步细化步骤
102A
，则步骤
102A
，包括以下具体步骤：
[0021]选取一定数量的已分割完成的已知积雪和积冰图像，针对任一已分割完成的已知积雪和积冰图像，将其所有像素点合并后进行
K
均值聚类，获得至多三个聚类中心，每个聚类中心为三维向量，记为
C
s
＝
(b
s
,g
s
,r
s
)
；
[0022]根据每个像素点所属的聚类中心标签，计算该类别的均值
μ
s
和方差
Σ
s
，将每一个聚类中心建模成高斯分布
N
s
～
(
μ
s
,
Σ
s
)。
[0023]进一步的，为进一步细化步骤
102B
，则步骤
102B
，包括以下具体步骤：
[0024]对所提取出的覆盖物所在区域的图像进行
K
均值聚类，获得至多三个聚类中心；
[0025]根据每个像素点所属的聚类中心标签，计算该类别的均值
μ
p
和方差
Σ
p
，将每一个聚类中心建模成高斯分布
N
p
～
(
μ
p
,
Σ
p
)。
[0026]具体的，为进一步细化步骤
102C
，则步骤
102C
，包括以下具体步骤：
[0027]计算当前覆盖物的聚类中心
N
p
与预设的各类型覆盖物对应的聚类中心
N
s
之间的
KL
散度，若任一
KL
散度小于设定的阈值，则判定当前覆盖物为对应类型覆盖物，否则判定为无相关类型的覆盖物
。
[0028]为提供一种实时计算得出各区域覆盖物质量的方法，则步骤2包括以下具体步骤：
[0029]针对任一所划分出的覆盖物所在区域的图像：
[0030]采用图像缩放因子还原覆盖物实际覆盖长与宽，计算覆盖物面积；
[0031]采用图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
房屋顶部遮挡物的垮塌预测方法，包括以下步骤：步骤
1、
对当前监控视频数据的图片进行元素分割，至少提取其中覆盖物所在区域，并判断各区域所属覆盖物类型，所述覆盖物类型包括积雪类型和
/
或积冰类型；步骤
2、
实时计算得出各区域覆盖物质量；步骤
3、
根据总覆盖物质量及预设的房屋顶部遮挡物负荷能力计算当前安全系数；步骤
4、
当当前安全系数不满足预设条件时，发出垮塌预测提醒
。2.
如权利要求1所述的房屋顶部遮挡物的垮塌预测方法，其特征在于，步骤1包括以下具体步骤：步骤
101、
对当前监控视频数据的图片进行元素分割，至少提取其中覆盖物所在区域的图像；步骤
102、
根据提取出的覆盖物所在区域的图像判断各区域所属覆盖物类型，所述覆盖物类型包括积雪类型和
/
或积冰类型
。3.
如权利要求2所述的房屋顶部遮挡物的垮塌预测方法，其特征在于，步骤
102
包括以下具体步骤：步骤
102A、
预先进行覆盖物特征概率分布预学习，获取预设的各类型覆盖物对应的聚类中心，所述聚类中心被建模成高斯分布；步骤
102B、
对所提取出的覆盖物所在区域的图像进行
K
均值聚类，得到当前覆盖物的聚类中心；步骤
102C、
将当前覆盖物的聚类中心与预设的各类型覆盖物对应的聚类中心进行对比，根据对比结果判断当前覆盖物的覆盖物类型
。4.
如权利要求1所述的房屋顶部遮挡物的垮塌预测方法，其特征在于，步骤2包括以下具体步骤：针对任一所划分出的覆盖物所在区域的图像：采用图像缩放因子还原覆盖物实际覆盖长与宽，计算覆盖物面积；采用图像缩放因子还原覆盖物实际厚度；根据覆盖物类型选择覆盖物的密度；通过覆盖物面积
、
覆盖物实际厚度及覆盖物的密度计算得到覆...

【专利技术属性】
技术研发人员：陈友明，陈思竹，李烽，翟强，
申请(专利权)人：四川弘和数智集团有限公司，
类型：发明
国别省市：