河道漂浮物的识别方法及计算设备技术

本申请公开了一种河道漂浮物的识别方法及计算设备

【技术实现步骤摘要】
河道漂浮物的识别方法及计算设备


[0001]本申请涉及河道水质监控
，特别涉及一种河道漂浮物的识别方法和计算设备
。

技术介绍

[0002]随着工业化
、
农业化和城镇化建设步伐加速，人为因素对环境造成严重污染
。
在湖泊
、
河流
、
水库及水厂等水面上经常出现塑料袋
、
塑料瓶等大量漂浮物，影像生态环境和人们的生活环境
。
[0003]近年来随着机器视觉
、
深度学习领域的快速发展，人们逐渐开始利用计算机设备运行图像识别模型来对巡查图像进行河道漂浮物检测
。
然而，河道中的漂浮物除了是塑料袋和塑料瓶等垃圾漂浮物，还可能是停留在水面上的动物，例如，鸟
、
鸭子等，这就使得在利用图像识别模型来对巡查图像进行河道漂浮物检测时，容易出现误报的问题，从而影响河道漂浮物检测的准确性
。

技术实现思路

[0004]本申请提供一种河道漂浮物的识别方法及计算设备，能够提高漂浮物识别的准确性
。
[0005]本申请实施例第一方面提供了一种河道漂浮物的识别方法，所述的识别方法包括：
[0006]获取来自巡查摄像装置的巡查图像，所述巡查图像用于对河道漂浮物的巡查检测；
[0007]应用语义分割模型从所述巡查图像构建初始漂浮物集；
[0008]从所述初始漂浮物集去除干扰物，得到目标漂浮物集；
[0009]对所述目标漂浮物集中的各目标漂浮物进行多目标跟踪；
[0010]根据所述目标漂浮物集中的目标漂浮物对应的跟踪结果，对所述目标漂浮物进行报警
。
[0011]根据一些实施例，所述应用语义分割模型从所述巡查图像构建初始漂浮物集，包括：
[0012]读取预设巡查图像对集，其中，所述预设巡查图像对包括参考图像和参考图像对应的掩码图像，所述参考图像包括河道和漂浮物；
[0013]将所述预设巡查图像对集和所述巡查图像输入所述语义分割模型，得到所述巡查图像对应的初始漂浮物集
。
[0014]根据一些实施例，从所述初始漂浮物集去除干扰物，包括：
[0015]对于所述初始漂浮物集中的每个初始漂浮物，计算所述初始漂浮物与用于采集所述巡查图像的图像采集设备间的物体距离；
[0016]选取物体距离小于预设阈值的初始漂浮物作为空中漂浮物；
[0017]将选取的空中漂浮物从所述初始漂浮物集中去除，得到水中漂浮物集
。
[0018]根据一些实施例，从所述初始漂浮物集去除干扰物，还包括：
[0019]对所述巡查图像进行干扰物检测，得到干扰物集；
[0020]对于所述水中漂浮物集中的每个水中漂浮物，计算所述水中漂浮物的物体区域与所述干扰物集中的各干扰物的物体区域的交并比；
[0021]根据所述交并比在所述水中漂浮物集中选取水中干扰物，其中，所述水中干扰物对应的所有交并比中至少存在一个交并比大于预设交并比阈值；
[0022]将选取的水中干扰物从所述水中漂浮物集中去除，得到目标漂浮物集
。
[0023]根据一些实施例，对所述巡查图像进行干扰物检测，包括：
[0024]通过预训练的神经网络模型对所述巡查图像进行干扰物检测
。
[0025]根据一些实施例，前述识别方法还包括：
[0026]利用神经网络模型对所述巡查图像进行超分处理
。
[0027]根据一些实施例，前述识别方法还包括：
[0028]通过无人机采集待巡查河道的候选巡查图像；
[0029]基于所述候选巡查图像对应的图像采集设备的设备参数对所述候选巡查图像进行畸变校正，以得到巡查图像
。
[0030]根据一些实施例，根据所述目标漂浮物集中的目标漂浮物对应的跟踪结果，对所述目标漂浮物进行报警，包括：
[0031]当所述目标漂浮物对应的跟踪轨迹所包含的图像帧数达到预设帧数阈值时，针对所述目标漂浮物进行报警
。
[0032]根据一些实施例，对所述目标漂浮物集中的各目标漂浮物进行多目标跟踪之前，还包括：
[0033]将目标漂浮物集中的每个目标漂浮物输入经训练的漂浮物分类模型，并通过所述漂浮物分类模型输入各目标漂浮物的漂浮物类别，其中，所述漂浮物类别包括漂浮物和非漂浮物；
[0034]去除所有漂浮类别为非漂浮物的目标漂浮物，以过滤所述目标漂浮物集
。
[0035]本申请实施例第二方面提供了一种河道漂浮物的识别装置，所述的识别装置包括：
[0036]获取模块，用于获取巡查图像的初始漂浮物集
、
干扰物集以及深度图；
[0037]第一去除模块，用于基于所述深度图去除所述初始漂浮物集中位于空中的初始漂浮物，以得到水中漂浮物集；
[0038]第二去除模块，用于将所述水中漂浮物集中包含于所述干扰物集中的水中漂浮物去除，以得到目标漂浮物集
。
[0039]本申请实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的河道漂浮物的识别方法中的步骤
。
[0040]本申请实施例第四方面提供了一种计算设备，其包括：处理器和存储器；
[0041]所述存储器上存储有可被所述处理器执行的计算机可读程序；
[0042]所述处理器执行所述计算机可读程序时实现如上任一所述的河道漂浮物的识别
方法中的步骤
。
[0043]有益效果：
[0044]根据本申请实施例，应用语义分割模型从所述巡查图像构建初始漂浮物集，并对去除干扰物后的目标漂浮物集中的各目标漂浮物进行多目标跟踪，根据跟踪结果进行报警
。
通过采用语义分割模型，能够保证小目标的漂浮物不被漏识别；同时，通过干扰物过滤，可以避免误报；此外，通过目标跟踪，可以进一步提供检测准确性并避免重复报警
。
因此，根据本申请的技术方案可以有效地提高河道问题发现效率，减轻人工排查河道问题的工作量
。
[0045]根据一些实施例，通过深度图可以确定初始漂浮物中位于空中的初始漂浮物，并将位于空中的初始漂浮物从初始漂浮物集中去除，这样可以避免将位于空中的漂浮物作为河道内的漂浮物，避免了空中漂浮物的干扰
。
[0046]根据一些实施例，通过将干扰物集与水中漂浮物集进行匹配，可以去除位于河道中当不是影响河道环境的水中漂浮物，可以进一步提高漂浮物识别的准确性
。
[0047]根据一些实施例，通过对原始图片进行图像超分，提高图像的分辨率，有利于漂浮物检测，同时可以降低摄像头的成本
。
[0048]应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种河道漂浮物的识别方法，其特征在于，所述识别方法包括：获取来自巡查摄像装置的巡查图像，所述巡查图像用于对河道漂浮物的巡查检测；应用语义分割模型从所述巡查图像构建初始漂浮物集；从所述初始漂浮物集去除干扰物，得到目标漂浮物集；对所述目标漂浮物集中的各目标漂浮物进行多目标跟踪；根据所述目标漂浮物集中的目标漂浮物对应的跟踪结果，对所述目标漂浮物进行报警
。2.
根据权利要求1所述的识别方法，其特征在于，所述应用语义分割模型从所述巡查图像构建初始漂浮物集，包括：读取预设巡查图像对集，其中，所述预设巡查图像对包括参考图像和参考图像对应的掩码图像，所述参考图像包括河道和漂浮物；将所述预设巡查图像对集和所述巡查图像输入所述语义分割模型，得到所述巡查图像对应的初始漂浮物集
。3.
根据权利要求1所述的识别方法，其特征在于，从所述初始漂浮物集去除干扰物，包括：对于所述初始漂浮物集中的每个初始漂浮物，计算所述初始漂浮物与用于采集所述巡查图像的图像采集设备间的物体距离；选取物体距离小于预设阈值的初始漂浮物作为空中漂浮物；将选取的空中漂浮物从所述初始漂浮物集中去除，得到水中漂浮物集
。4.
根据权利要求3所述的识别方法，其特征在于，从所述初始漂浮物集去除干扰物，还包括：对所述巡查图像进行干扰物检测，得到干扰物集；对于所述水中漂浮物集中的每个水中漂浮物，计算所述水中漂浮物的物体区域与所述干扰物集中的各干扰物的物体区域的交并比；根据所述交并比在所述水中漂浮物集中选取水中干扰物，其中，所述水中干扰物对应的所有交并比中至少存在一个交并比大于预设交并比阈值...

【专利技术属性】
技术研发人员：赵景程，熊超，牛昕宇，
申请(专利权)人：山东产研鲲云人工智能研究院有限公司，
类型：发明
国别省市：