【技术实现步骤摘要】
本专利技术属于图像处理，涉及城市积水检测，具体为一种城市道路场景的积水检测方法、电子设备及存储介质。
技术介绍
1、基础道路的建设迅速发展，给人们的出行带来了便利，但同时道路积水产生地内涝问题也亟待解决。随着视频监控布设范围越来越广，其已逐渐成为监管的主要方式之一。然而，仅靠人工观看来发现异常情况显得费时费力，有限的人力无法及时有效地处理大量的道路积水信息。通过把道路监控与人工智能识别算法相结合，相关部门不仅可以方便地获取道路的实时运行态势，也可以监管调度应急抢险队伍尽早对危险状况进行处理救助。而这一系列功能的基础是对于城市道路的积水危险等级的实时检测与估计。
2、与此同时城市道路监控摄像头众多，存在数据庞杂、场景多变、且服务器资源有限，危险灾害预警对实时性要求较高等诸多技术难点，积水检测预警是一个具有挑战的问题。目前一些方法基于特征检测积水，通过人工收集、提取、选择特征，也有采用语义分割的方法来检测积水。但是，通过人工特征提取的积水检测检测方法鲁棒性差，无法适应环境的变化，不同的摄像头环境需要人工一一调整，实际应用难度大、...
【技术保护点】
1.一种城市道路场景的积水检测方法，其特征是包括以下步骤：
2.根据权利要求1所述的一种城市道路场景的积水检测方法，其特征是对于采集的监控视频，步骤101中，采集城市道路摄像头对道路的监控视频后，截取监控视频中包含积水内涝状况和正常道路状况的图片用于训练积水检测模型；在采集城市道路摄像头对道路的历史和实时监控视频时，监控画面中城市道路的画面占比超过50％，其中标志物的像素分辨率不低于100*100。
3.根据权利要求1所述的一种城市道路场景的积水检测方法，其特征是步骤102中，预处理方法为：对视频图片通过高斯滤波去噪，通过暗通道的方式去雾，并提...
【技术特征摘要】
1.一种城市道路场景的积水检测方法，其特征是包括以下步骤：
2.根据权利要求1所述的一种城市道路场景的积水检测方法，其特征是对于采集的监控视频，步骤101中，采集城市道路摄像头对道路的监控视频后，截取监控视频中包含积水内涝状况和正常道路状况的图片用于训练积水检测模型；在采集城市道路摄像头对道路的历史和实时监控视频时，监控画面中城市道路的画面占比超过50％，其中标志物的像素分辨率不低于100*100。
3.根据权利要求1所述的一种城市道路场景的积水检测方法，其特征是步骤102中，预处理方法为：对视频图片通过高斯滤波去噪，通过暗通道的方式去雾，并提取图片中的城市道路区域，然后将图像从相机视角转换为标准视角，标准视角为长方形且画面完全由路面区域填充。
4.根据权利要求1所述的一种城市道路场景的积水检测方法，其特征是步骤103的se-resnet18主干网络具体实现为：
5.根据权利要求4所述的一种城市道路场景的积水检测方法，其特征是步骤1032中，将resnet18网络提取的特征图分别通过全局平均池化和全连接层得到空间注意力特征和通道注意力特征，具体为：
6.根据权利要求1所述的一种城市道路场景的积水检测方法，其特征是步骤104具体为：将数据输入resnet50网络进行训练预测，得到对于图片不同分类的预测概率；将resnet50网络的预测概率与图片数据输入se-resnet18主...
【专利技术属性】
技术研发人员：阮雅端，李佳勋，肖鹏，李籽煜，陈启美，
申请(专利权)人：南京大学，
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。