[發明專利]一種基于YOLO技術的潮水識別與危機預警方法

在審

• 申請號: 202010127428.8
• 申請日: 2020-02-28
• 公開（公告）號: CN111414807A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 陳友榮;熊振宇;周亞娟;陳鵬;趙克華;呂曉雯;孫萍
• 申請（專利權）人: 浙江樹人學院(浙江樹人大學)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F16/951;G06K9/36;G06K9/46;G06N3/04;G06N3/08;G06T5/00
• 代理公司: 紹興市寅越專利代理事務所(普通合伙) 33285
• 代理人: 鄧愛民

本發明公開一種基于YOLO技術的潮水識別與危機預警方法，該方法通過縮放、旋轉、平移、對稱等方面的數據增強操作建立潮水數據集，利用濾波提取出大氣折射率，對圖像進行色彩平衡操作，選取大氣光成分A。利用暗通道去霧，對圖像進行去霧，并且對圖像進行白平衡操作，從而獲得較清晰的圖像。對處理后的圖像，采用YOLO網絡進行訓練，獲得潮水識別模型。根據模型，對輸入的圖像進行識別，并計算潮水的位置和高度，到設備的距離和時間，當發生危險時可以及時發出預警。本發明是目前對潮水識別和危機預警方面的有益補充，可自動監測潮水的狀態，彌補人工巡邏的不足，降低因涌潮引起的人員死亡率和避免家庭悲劇的發生。

技術領域：

本發明涉及深度學習技術領域，尤其涉及基于回歸的目標識別方法領域， 具體是指一種基于YOLO技術的潮水識別與危機預警方法。

背景技術：

潮水傷人事件的主要原因是人們不夠了解涌潮的特性，主觀上不重視且 主管部門主要采用定期巡邏預警的方式提醒群眾，由于人力、覆蓋面有限， 預警效果較差，因此急需一種潮水識別和危機預警方法，自動識別潮水并提 前危機預警。

近些年，隨著深度學習技術的快速發展，基于深度學習的方法被廣泛應 用于目標識別領域。目前基于深度學習的目標識別方法主要分為兩類：一是 基于候選區域的目標識別方法，其具有較高的檢測準確率，但是檢測速度較 慢，不適用于涌潮檢測；二是基于回歸的目標識別方法，其檢測速度較快， 如SSD、YOLO v3、R-CNN等。其中SSD目標檢測方法對于小目標的檢測率 較低，并且神經網絡的調試參數需要手工設置且較依賴調試經驗。R-CNN方 法的準確率較高，但由于其算法復雜程度較高，因此檢測所花費的時間較多。 YOLO v3方法在保證準確度的同時，其檢測時間只需29毫秒，可滿足涌潮檢 測實時性的要求，因此選擇YOLO v3方法識別潮水相對更加合適。

目前已有部分學者研究基于YOLO技術的圖像識別方法，如張輝提出了 一種基于圖像識別的自動跟蹤算法，可識別高強度運動下的人體動作，實現 快速、精準地提取人體動作特征。裴月玲等人基于車牌識別系統下，提出了 基于人工智能的車牌號與車型識別算法。廖恩紅等人提出了一種基于卷積神 經網絡的食品圖像識別算法，實現對食物的精準分類。Kanghui Zhou等人基 于數值天氣預報數據，提出了一種對短時大雨，冰雹，對流陣風和雷暴等強 對流天氣的深度學習目標預測解決方案，可獲得較好的預測技巧。Guoli Zhang等人為了減少森林大火給社會和經濟造成的損失，提出了一種基于卷積神經 網絡的森林火災敏感性空間預測模型，擴展了CNN在森林火災敏感性預測中 的應用。Jiangyun Li等人為了改進息肉檢測方法的缺陷，通過增加不同級別 的特征圖融合，提出一種基于深度神經網絡的檢測算法，實現了高準確的息 肉檢測。

雖然上述各位學者側重研究利用YOLO技術實現各種應用，但鮮少有用 于潮水識別及預警的應用領域研究報道，由于潮水有其特定的移動形態及運 動速度等考慮因素，上述有關YOLO技術的現有方法都并不能直接適用于潮 水的識別和預警，有鑒于此，本案由此而生。

發明內容：

本發明公開一種基于YOLO技術的潮水識別與危機預警方法，該方法考 慮了潮水形狀和朝向多樣性、運動速度快、容易受到霧霾天氣影響等因素， 結合YOLO技術的應用可實時識別出所監控潮水的位置，并分析到達的時間 和高度，當存在危機狀態時可通知周圍人員，達到預警效果，從而避免涌潮 帶來的安全隱患，避免人員的受傷甚至死亡。

為了實現上述發明目的，本發明所采用的技術方案為：

一種基于YOLO技術的潮水識別與危機預警方法，內容包括：

步驟1：采用爬蟲技術爬取現有圖片庫中的潮水圖像，對圖像進行數據增 強處理，獲得不同類型潮水形態的若干圖片，共同構建成潮水訓練集；

步驟2：判斷網絡模型當前所處狀態：若當前為訓練狀態，則加載潮水訓 練集中的潮水圖像數據；若當前為識別狀態，則讀取攝像頭采集的潮水圖像 數據；