[發明專利]一種基于機器視覺的大河偷砂監控系統及方法

在審

• 申請號: 201911064138.7
• 申請日: 2019-11-04
• 公開（公告）號: CN110942577A
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 葉永俊;屈莉莉
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G08B13/196
• 分類號: G08B13/196;H04N7/18
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 蔡偉杰

1.一種基于機器視覺的大河偷砂監控方法，其特征在于，包括以下：

步驟110、建立正規船只數據庫，船只合法持有者進行注冊登錄并將相關信息錄入所述正規船只數據庫，錄入完成時對應生成一個隨機且不重復的n位船牌號作為該船只的ID，并在該船只安裝帶有該船牌號的夜光船牌；

步驟120、每隔閾值時間T，以時間t為攝像模塊攝像時間間隔獲取m張河段的砂場圖像信息；

步驟130、判斷河段的砂場是否存在船只，

若是則轉至步驟131，

若否則判定此次無偷砂行為；

步驟131、判斷砂場的船只是否為正規船只，

若是則根據該船只的船牌號獲取對應船只的采砂量監控裝置所記錄的采砂量，通過記錄的采砂量判斷該船只是否存在偷砂行為，

若否則對該船只在采砂區域停留時間進行統計，

若該船只在采砂區域停留時間超過閾值時間U，則判定該船只存在偷砂風險；

若該船只在采砂區域停留時間不超過閾值時間U，則判定該船只不存在偷砂風險。

2.根據權利要求1所述的一種基于機器視覺的大河偷砂監控方法，其特征在于，上述判斷河段的砂場是否存在船只的方式為：收集實際場景中沙船的圖像50000張，經過圖像標注和圖像數據增強后得到訓練數據集，tensorflow Object Detection api基于faster rcnn模型對數據進行訓練，得到用于檢測的模型，然后通過C++版本的opencv進行模型調用調用，進行沙船的檢測。

3.根據權利要求2所述的一種基于機器視覺的大河偷砂監控方法，其特征在于，

上述圖像標注的具體方式包括以下：

對收集到的圖像數據中的沙船使用圖像標注工具LabelImg進行標注，將每張圖片中沙船在圖片中的位置使用坐標表示出來；

上述圖像數據增強的增強比例為原圖像集的4倍。

4.根據權利要求3所述的一種基于機器視覺的大河偷砂監控方法，其特征在于，上述步驟131中判斷砂場的船只是否為正規船只的方式為：

對砂場的船只的船牌號進行識別，將識別得到的船牌號與正規船只數據庫進行匹配，

若匹配成功則表示砂場的船只為正規船只，

若匹配失敗或不存在船牌號則表示砂場的船只不是正規船只。

5.根據權利要求4所述的一種基于機器視覺的大河偷砂監控方法，其特征在于，還包括以下：

當判定存在偷砂行為時，報警模塊的紅燈閃爍，推送第一信息至預設的安防人員手機號，所述第一信息包括存在偷砂行為的船只船牌號信息以及當前時間信息；

當判定存在偷砂風險時，報警模塊的黃燈閃爍，推送第二信息至預設的安放人員手機號，所述第二信息包括存在偷砂風險的河段信息以及當前時間信息；

當不存在不存在偷砂行為以及偷砂風險時，報警模塊的綠燈閃爍。