发明专利技术公开了一种基于OpenCV的围堰安全智能监测方法及系统，其中方法步骤包括：创建蓝色掩码得到图像B1、绘制蓝色最小外接矩形得到图像B2、创建白色掩码得到图像B3、绘制白色最小外接矩形得到图像B4、将顶角坐标存储到数据库中以及根据差值与位移阈值的大小关系来判断围堰是否发生偏移。该围堰安全智能监测方法及系统采用OpenCV开源视觉库依次对实时围堰图像进行颜色空间转换、降噪、定位指示牌外围蓝色区域四个顶角坐标、缩小范围到三个定位到的蓝色区域轮廓、遍历每个轮廓定位识别轮廓内白色区域四个顶角坐标等处理，能够有效提高处理效率和精度，降低了人工成本，减少了人工巡检风险，提高了围堰安全巡检的效率。
【技术实现步骤摘要】
本专利技术涉及一种图像处理方法及系统，尤其是一种基于opencv的围堰安全智能监测方法及系统。
技术介绍
1、图像处理是指利用计算机算法和方法对图像进行分析、处理和改变的过程。包括图像的增强、滤波、分割、目标识别等操作。图像处理技术可以用于提取图像中的信息、检测和识别图像中的目标等，在医学影像、计算机视觉、遥感等领域有广泛应用。图像处理技术的发展使得图像的获取、分析和应用变得更加方便和高效。
2、在现有技术中，围堰安全监测与防范主要是采用人工巡视的方式，但是人工巡视的工作量大且人工成本高，并且难以保障对围堰安全的探测速度、探测面积以及精准情况，还容易因恶劣天气等因素对巡视人员的人身安全带来风险。
技术实现思路
1、专利技术目的在于：提供一种基于opencv的围堰安全智能监测方法及系统，能够对摄像头采集的图像进行分析，从而自动判断出围堰是否出现偏移，提高了围堰监测的可靠性和安全性。
2、技术方案：本专利技术所述的基于opencv的围堰安全智能监测方法，包括如下步骤：
3、步骤1，获取实时围堰图像，在实时围堰图像中根据指示牌颜色特征创建蓝色掩码，得到图像b1；
4、步骤2，根据蓝色掩码求出图像b1中的各个蓝色区域轮廓，并从所有蓝色区域轮廓中筛选出面积较大的三个蓝色区域轮廓，再对筛选出的三个蓝色区域轮廓分别绘制对应的蓝色最小外接矩形，得到图像b2；
5、步骤3，在图像b2中根据指示牌颜色特征创建白色掩码，得到图像b3；
<
p>6、步骤4，根据白色掩码求出图像b3中位于蓝色最小外接矩形内的各个白色区域轮廓，再在图像b3上绘制面积较大的白色区域轮廓的白色最小外接矩形，得到图像b4；7、步骤5，将各个白色最小外接矩形的四个顶角坐标存储到数据库中；
8、步骤6，将白色最小外接矩形的四个顶角坐标与数据库中存储的坐标参考数值进行差值比较，再根据差值与位移阈值的大小关系来判断围堰是否发生偏移。
9、进一步的，步骤1中，得到图像b1的具体步骤为：
10、步骤1.1，获取高清球形网络摄像机采集的围堰实时监控画面，并在固定时间间隔抽取一帧图像作为实时围堰图像；
11、步骤1.2，通过opencv包的cvcolor函数将实时围堰图像转换到hsv颜色空间，再根据颜色范围创建蓝色掩码；
12、步骤1.3，通过cv2.morphologyex函数对创建的蓝色掩码进行降噪处理，得到图像b1。
13、进一步的，步骤2中，得到图像b2的具体步骤为：
14、步骤2.1，根据蓝色掩码通过cv2.findcontours函数在图像b1中查找出各个蓝色区域轮廓；
15、步骤2.2，通过sorted函数从全部的蓝色区域轮廓中筛选出面积较大的三个蓝色区域轮廓；
16、步骤2.3，通过boundingrect函数得到筛选出的三个蓝色区域轮廓的蓝色最小外接矩形；
17、步骤2.4，通过rectangle函数在图像b1上绘制三个蓝色最小外接矩形，得到图像b2。
18、进一步的，步骤3中，得到图像b3的具体步骤为：
19、步骤3.1，根据hsv颜色范围使用python包的np.array函数定义白色阈值范围的最低值lower_white以及白色阈值范围的最高值upper_white；
20、步骤3.2，通过opencv包的inrange函数创建白色掩码，得到图像b3。
21、进一步的，步骤4中，得到图像b4的具体步骤为：
22、步骤4.1，根据白色掩码通过cv2.findcontours函数在图像b3中查找出各个白色区域轮廓；
23、步骤4.2，通过max函数从筛选出的三个蓝色区域轮廓中分别找出一个面积最大的白色区域轮廓；
24、步骤4.3，通过boundingrect函数获得找出的三个白色区域轮廓的白色最小外接矩形，再获取三个白色最小外接矩形各自的四个顶角坐标；
25、步骤4.4，根据三个白色最小外接矩形的四个顶角坐标通过rectangle函数绘制出对应的白色最小外接矩形，得到图像b4。
26、进一步的，步骤6中，判断围堰是否发生偏移的具体步骤为：
27、步骤6.1，通过for函数遍历三个白色最小外接矩形的四个顶角坐标：
28、选择一个白色最小外接矩形，按照左上角x坐标、左上角y坐标、右上角x坐标、右上角y坐标、左下角x坐标、左下角y坐标、右下角x坐标以及右下角y坐标的顺序依次与数据库中存储的对应坐标的坐标参考数值进行相减操作；
29、在每完成一次相减操作后，将相减操作获得的差值与对应坐标的位移阈值进行比较，若差值大于位移阈值，则判定当前顶角发生偏移；
30、步骤6.2，对围堰是否发生偏移进行判断：
31、根据各个白色最小外接矩形的四个顶角坐标的位置偏移情况判断对应的指示牌是否发生偏移，若指示牌发生位置偏移，则判定该指示牌所在的围堰区域发生偏移，否则判定为未发生偏移。
32、本专利技术还提供了一种用于实施基于opencv的围堰安全智能监测方法的系统，包括蓝码创建模块、轮廓获取模块、白码创建模块、外接矩形绘制模块、数据存储模块以及偏移判定模块；
33、蓝码创建模块，用于获取实时围堰图像，在实时围堰图像中根据指示牌颜色特征创建蓝色掩码，得到图像b1；
34、轮廓获取模块，用于根据蓝色掩码求出图像b1中的各个蓝色区域轮廓，并从所有蓝色区域轮廓中筛选出面积较大的三个蓝色区域轮廓，再对筛选出的三个蓝色区域轮廓分别绘制对应的蓝色最小外接矩形，得到图像b2；
35、白码创建模块，用于在图像b2中根据指示牌颜色特征创建白色掩码，得到图像b3；
36、外接矩形绘制模块，用于根据白色掩码求出图像b3中位于蓝色最小外接矩形内的各个白色区域轮廓，再在图像b3上绘制面积较大的白色区域轮廓的白色最小外接矩形，得到图像b4；
37、数据存储模块，用于将各个白色最小外接矩形的四个顶角坐标存储到数据库中；
38、偏移判定模块，用于将白色最小外接矩形的四个顶角坐标与数据库中存储的参考数值进行差值比较，再根据差值与位移阈值的大小关系来判断围堰是否发生偏移。
39、进一步的，轮廓获取模块得到图像b2的具体步骤为：
40、首先根据蓝色掩码通过cv2.findcontours函数在图像b1中查找出各个蓝色区域轮廓；
41、再通过sorted函数从全部的蓝色区域轮廓中筛选出面积较大的三个蓝色区域轮廓；
42、再通过boundingrect函数得到筛选出的三个蓝色区域轮廓的蓝色最小外接矩形；
43、最后通过rectangle函数在图像b1上绘制三个蓝色最小外接矩形，得到图像b2。
44、进一步的，外接矩形绘制模块得本文档来自技高网
...
【技术保护点】
1.一种基于OpenCV的围堰安全智能监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于OpenCV的围堰安全智能监测方法，其特征在于，步骤1中，得到图像B1的具体步骤为：
3.根据权利要求1所述的基于OpenCV的围堰安全智能监测系统，其特征在于，步骤2中，得到图像B2的具体步骤为：
4.根据权利要求1所述的基于OpenCV的围堰安全智能监测方法，其特征在于，步骤3中，得到图像B3的具体步骤为：
5.根据权利要求1所述的基于OpenCV的围堰安全智能监测方法，其特征在于，步骤4中，得到图像B4的具体步骤为：
6.根据权利要求1所述的基于OpenCV的围堰安全智能监测方法，其特征在于，步骤6中，判断围堰是否发生偏移的具体步骤为：
7.一种用于实施权利要求1所述的基于OpenCV的围堰安全智能监测方法的系统，其特征在于，包括蓝码创建模块、轮廓获取模块、白码创建模块、外接矩形绘制模块、数据存储模块以及偏移判定模块；
8.根据权利要求7所述的基于OpenCV的围堰安全智能监测方法的系统，其特征在于，轮廓获取模块得到图像B2的具体步骤为：
9.根据权利要求7所述的基于OpenCV的围堰安全智能监测方法的系统，其特征在于，外接矩形绘制模块得到图像B4的具体步骤为：
10.根据权利要求7所述的基于OpenCV的围堰安全智能监测方法的系统，其特征在于，偏移判定模块在判断围堰是否发生偏移时的具体步骤为：
...
【技术特征摘要】
1.一种基于opencv的围堰安全智能监测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于opencv的围堰安全智能监测方法，其特征在于，步骤1中，得到图像b1的具体步骤为：
3.根据权利要求1所述的基于opencv的围堰安全智能监测系统，其特征在于，步骤2中，得到图像b2的具体步骤为：
4.根据权利要求1所述的基于opencv的围堰安全智能监测方法，其特征在于，步骤3中，得到图像b3的具体步骤为：
5.根据权利要求1所述的基于opencv的围堰安全智能监测方法，其特征在于，步骤4中，得到图像b4的具体步骤为：
6.根据权利要求1所述的基于opencv的围堰安全智能监测方法，其特征在于...
【专利技术属性】
技术研发人员：钱晓军，汪静，殷奕，高茜，沈玲玲，
申请(专利权)人：南京师范大学，
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。