[發(fā)明專利]一種基于YOLOv3的水位識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011074284.0
• 申請(qǐng)日: 2020-10-09
• 公開（公告）號(hào): CN112215125A
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計(jì)）人: 李波;徐麒皓
• 申請(qǐng)（專利權(quán)）人: 武漢科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州宇信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33231
• 代理人: 張宇娟

本發(fā)明涉及一種基于YOLOv3的水位識(shí)別方法，包括：獲取多氣象全時(shí)段水尺圖像數(shù)據(jù)集；使用所述數(shù)據(jù)集對(duì)已有YOLOv3模型的權(quán)重進(jìn)行預(yù)訓(xùn)練，得到基于YOLOv3網(wǎng)絡(luò)的水尺區(qū)域識(shí)別預(yù)訓(xùn)練模型；利用所述水尺區(qū)域識(shí)別預(yù)訓(xùn)練模型對(duì)待檢測(cè)水尺圖像進(jìn)行預(yù)測(cè)，獲取感興趣水尺區(qū)域；使用誤差校正算法對(duì)所述感興趣水尺區(qū)域進(jìn)行校正，得到包含水尺和水面的待識(shí)別區(qū)域；利用SVM算法建立水位線識(shí)別模型；利用三次多項(xiàng)式擬合得出像素和對(duì)應(yīng)長度的線性擬合參數(shù)；基于所述線性擬合參數(shù)映射基準(zhǔn)點(diǎn)到水位線位置的像素長度得到實(shí)際水位距離水尺頂點(diǎn)的長度，將水尺高程頂點(diǎn)長度減去該長度得到實(shí)際水位值。本發(fā)明具有在極端惡劣天氣條件下提高水位識(shí)別的準(zhǔn)確性和抗干擾性的特點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)和圖像處理技術(shù)領(lǐng)域，具體涉及一種基于YOLOv3的水位識(shí)別方法。

背景技術(shù)

近年來，隨著機(jī)器視覺和深度學(xué)習(xí)技術(shù)的提高，圖像識(shí)別已經(jīng)從最初單一功能的人臉識(shí)別、數(shù)字識(shí)別發(fā)展到復(fù)雜條件下多種類物體識(shí)別，該功能的提升進(jìn)一步為我們的生活提供了便利。然而，在我國水利智能化領(lǐng)域，還沒有一種方法可以在極端惡劣天氣下水位識(shí)別精確度達(dá)到98％以上。傳統(tǒng)水位識(shí)別主要通過對(duì)實(shí)時(shí)視頻提取幀數(shù)據(jù)，將幀數(shù)據(jù)解碼后得到實(shí)時(shí)圖片，再對(duì)圖像進(jìn)行二值化、腐蝕膨脹等形態(tài)學(xué)處理，抑制圖像噪點(diǎn)及其它干擾因素，對(duì)后續(xù)圖像數(shù)據(jù)提取前景后對(duì)水平面進(jìn)行檢查的方法來判定水位是否到達(dá)警戒線。這種處理方法會(huì)丟失圖像信息，同時(shí)對(duì)光照和圖像清晰度的要求較高。

為應(yīng)對(duì)汛期極端惡劣天氣條件，本發(fā)明提出一種基于YOLOv3的水位識(shí)別方法，通過將物體檢測(cè)性能優(yōu)異的YOLOv3模型結(jié)合傳統(tǒng)圖像處理方法應(yīng)用于水位識(shí)別問題，識(shí)別速度達(dá)到50ms，保證了在光源不足、水面倒影、水尺反光等不利條件下的汛期水位監(jiān)測(cè)識(shí)別的可靠性和穩(wěn)定性。

發(fā)明內(nèi)容

為了解決現(xiàn)有水位識(shí)別方法識(shí)別精度低、極端天氣條件下水位識(shí)別的穩(wěn)定性和可靠性差，以及基于圖像處理水位識(shí)別方法因設(shè)定基準(zhǔn)值和像素映射準(zhǔn)確性導(dǎo)致人工誤差的問題，本發(fā)明提出了一種基于YOLOv3的水位識(shí)別方法。

本發(fā)明的技術(shù)目的通過以下技術(shù)方案予以體現(xiàn)：

一種基于YOLOv3的水位識(shí)別方法，其特征在于，包括如下步驟：

S1、獲取多氣象全時(shí)段水尺圖像并進(jìn)行標(biāo)注得到不同環(huán)境光照條件下的水尺數(shù)據(jù)集，將數(shù)據(jù)集按照比例分成訓(xùn)練集和驗(yàn)證集；

S2、使用所述訓(xùn)練集和驗(yàn)證集對(duì)已有YOLOv3模型的權(quán)重進(jìn)行預(yù)訓(xùn)練，得到基于YOLOv3網(wǎng)絡(luò)的水尺區(qū)域識(shí)別預(yù)訓(xùn)練模型；

S3、利用所述水尺區(qū)域識(shí)別預(yù)訓(xùn)練模型對(duì)待檢測(cè)水尺圖像進(jìn)行預(yù)測(cè)，獲取感興趣水尺區(qū)域；

S4、為提高水位線識(shí)別準(zhǔn)確率，利用NMS排除重疊的感興趣區(qū)域，使用回歸器對(duì)目標(biāo)區(qū)域位置進(jìn)行誤差校正得到包含水尺和水面的待識(shí)別區(qū)域；

S5、利用SVM算法建立水位線識(shí)別模型，0表示水位線以下區(qū)域，1表示水位線以上區(qū)域，使用所述水位線識(shí)別模型對(duì)所述待識(shí)別區(qū)域進(jìn)行分類處理得到水位線像素位置信息；

S6、設(shè)定所述待識(shí)別區(qū)域內(nèi)水尺頂部為像素基準(zhǔn)點(diǎn)，通過觀察并設(shè)置基準(zhǔn)點(diǎn)的實(shí)際水位高度，根據(jù)水尺量程選取水尺高程內(nèi)任意垂直長度為參考，將參考長度等分成若干段，得到每段長度的像素值和對(duì)應(yīng)長度，利用三次多項(xiàng)式擬合得出線性擬合參數(shù)；

S7、基于所述線性擬合參數(shù)映射基準(zhǔn)點(diǎn)到水位線位置的像素長度得到實(shí)際水位距離水尺頂點(diǎn)的長度，將水尺高程頂點(diǎn)長度減去該長度得到實(shí)際水位值。

進(jìn)一步的，步驟S1中，為保障極端天氣條件下水位識(shí)別的穩(wěn)定性和可靠性，利用labelimg標(biāo)注水尺圖像得到不同環(huán)境光照條件下的水尺數(shù)據(jù)集。

進(jìn)一步的，步驟S2中，為保證水文測(cè)量檢測(cè)數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性，所述已有YOLOv3模型為當(dāng)前小目標(biāo)識(shí)別效果相對(duì)穩(wěn)定高效的YOLOv3模型。