【技术实现步骤摘要】
本专利技术涉及一种基于深度学习的城市内涝视频识别预警方法，属于城市内涝监测预警。
技术介绍
1、目前，传统人工监测方法效率低、危险性高；自动站监测方法成本高、维修困难、且自动站分布少难以兼顾全局；遥感监测法受卫星重返周期的影响难以对内涝进行实时监测，并且光学卫星难以穿透云层，sar卫星受到城市复杂环境的影响不能有效地提取内涝区域。因此，高效、安全地对城市内涝进行监测对降低内涝造成的风险、减少内涝引起的生命财产损失和经济损失等具有重要意义。
技术实现思路
1、本专利技术所要解决的技术问题是：提供一种基于深度学习的城市内涝视频识别预警方法，利用图像分割模型预测积水区域并根据积水区域的动态变化进行预警，解决了现有内涝监测成本高、监测站点少难以兼顾全局的问题。
2、本专利技术为解决上述技术问题采用以下技术方案：
3、一种基于深度学习的城市内涝视频识别预警方法，包括如下步骤：
4、步骤1，获取城市内涝积水图像数据集，对数据集中每个原始积水图像中的积水区域进行标注，...
【技术保护点】
1.一种基于深度学习的城市内涝视频识别预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习的城市内涝视频识别预警方法，其特征在于，所述步骤1中，利用目视解译的方法对原始积水图像中的积水区域使用不规则多边形进行框选，得到标注后的积水图像。
3.根据权利要求1所述的基于深度学习的城市内涝视频识别预警方法，其特征在于，所述步骤2中，将标注后的积水图像中积水区域的像素值赋值1，其余部分的像素值赋值0，得到二值化图像。
4.根据权利要求1所述的基于深度学习的城市内涝视频识别预警方法，其特征在于，所述步骤3中，数据增强的具
...【技术特征摘要】
1.一种基于深度学习的城市内涝视频识别预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于深度学习的城市内涝视频识别预警方法，其特征在于，所述步骤1中，利用目视解译的方法对原始积水图像中的积水区域使用不规则多边形进行框选，得到标注后的积水图像。
3.根据权利要求1所述的基于深度学习的城市内涝视频识别预警方法，其特征在于，所述步骤2中，将标注后的积水图像中积水区域的像素值赋值1，其余部分的像素值赋值0，得到二值化图像。
4.根据权利要求1所述的基于深度学习的城市内涝视频识别预警方法，其特征在于，所述步骤3中，数据增强的具体操作如下：
5.根据权利要求1所述的基于深度学习的城市内涝视频识别预警方法，其特征在于，所述步骤4中，deeplabv3+图像分割模型包括编码和解码两部分；其中，编码部分包括四次下采样的主干特征提取网络以及由空洞空间卷积模块和一个1×1的卷积层构成的加强特征提取网络；主干特征提取网络包括依次连接的第一至第四下...
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。