[發(fā)明專利]一種水利行業(yè)的邊緣預(yù)警方法

在審

• 申請?zhí)枺?/td>: 202110607203.7
• 申請日: 2021-06-01
• 公開（公告）號(hào): CN113326783A
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 王澤宇;房愛印;尹曦萌
• 申請（專利權(quán)）人: 浪潮軟件科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南信達(dá)專利事務(wù)所有限公司 37100
• 代理人: 姜鵬

本發(fā)明涉及智能水文領(lǐng)域，具體提供了一種水利行業(yè)的邊緣預(yù)警方法，具有以下步驟：S1、抓取想要預(yù)警地的圖像進(jìn)行數(shù)字化處理；S2、利用卷積神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行訓(xùn)練形成有效算法；S3、近景攝像測量加工處理，確定目標(biāo)的外形和運(yùn)動(dòng)狀態(tài)及獲取目標(biāo)瞬時(shí)信息。與現(xiàn)有技術(shù)相比，本發(fā)明提高圖像視頻分析的效率，有效降低誤報(bào)和漏報(bào)現(xiàn)象，減少無用數(shù)據(jù)量，提高響應(yīng)速度。

技術(shù)領(lǐng)域

本發(fā)明涉及智能水文領(lǐng)域，具體提供一種水利行業(yè)的邊緣預(yù)警方法。

背景技術(shù)

目前主要依賴人工巡查、群眾舉報(bào)和傳統(tǒng)監(jiān)控三種方式來發(fā)現(xiàn)涉水事件后再處理。其中，

人工巡查為：巡查人員通過手工抄錄數(shù)據(jù)的模式來記錄巡查項(xiàng)。在巡查完成后將異常情況上報(bào)，并匯總成巡查報(bào)告。這樣的方式簡單易學(xué)，對于操作工的要求不高，但是需要牢記巡查路線，當(dāng)抄錄數(shù)據(jù)錯(cuò)誤時(shí)，修改不便。同時(shí)人工巡查容易出現(xiàn)錯(cuò)誤，造成誤報(bào)。同時(shí)人工巡查無法做到24小時(shí)不間斷巡查，而且人工巡查成本巨大，巡查安全系數(shù)低且效率偏低。

群眾舉報(bào)為：群眾可通過信訪、電話、網(wǎng)站等方式對身邊涉水違法、違規(guī)行為等進(jìn)行舉報(bào)，舉報(bào)人在舉報(bào)時(shí)，需提供被舉報(bào)對象的名稱、發(fā)現(xiàn)時(shí)間、具體位置(最好有定位)，照片和錄像等有必要的佐證材料，以及舉報(bào)人的真實(shí)姓名、聯(lián)系方式。相關(guān)部門對上報(bào)情況進(jìn)行核查，然后根據(jù)責(zé)任分工對該事件進(jìn)行整改。這種方式耗時(shí)較長且完全依賴人力，效率較低。

傳統(tǒng)監(jiān)控為：值班人員需要長期盯著監(jiān)視屏幕，很容易產(chǎn)生疲勞感，降低注意力，從而錯(cuò)過重要畫面信息，延誤警情。水事影像監(jiān)視點(diǎn)數(shù)量很大，難以按照1:1的比例為監(jiān)控?cái)z像機(jī)配置監(jiān)視器，因此大多采用分屏排列的方式顯示在監(jiān)視器上，很可能一時(shí)疏忽就錯(cuò)過異常現(xiàn)象。因傳統(tǒng)視頻不具備智能分析功能，只是簡單將錄像數(shù)據(jù)打上時(shí)間標(biāo)簽并進(jìn)行存儲(chǔ)。當(dāng)需要調(diào)查某段異常時(shí)，需要大量時(shí)間進(jìn)行查找、分析，工作效率非常低。

可見，現(xiàn)有技術(shù)中對于涉水事件存在智能化手段低、依賴人力，效率不高的問題。

發(fā)明內(nèi)容

本發(fā)明是針對上述現(xiàn)有技術(shù)的不足，提供一種實(shí)用性強(qiáng)的水利行業(yè)的邊緣預(yù)警方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種水利行業(yè)的邊緣預(yù)警方法，具有以下步驟：

S1、抓取想要預(yù)警地的圖像進(jìn)行數(shù)字化處理；

S2、利用卷積神經(jīng)網(wǎng)絡(luò)對樣本進(jìn)行訓(xùn)練形成有效算法；

S3、近景攝像測量加工處理，確定目標(biāo)的外形和運(yùn)動(dòng)狀態(tài)及獲取目標(biāo)瞬時(shí)信息。

進(jìn)一步的，在步驟S1中，通過圖像攝取裝置將圖像抓取到，然后將所述圖像傳送至處理單元，進(jìn)行數(shù)字化處理。

進(jìn)一步的，數(shù)字化處理之后，對圖像進(jìn)行預(yù)處理操作，根據(jù)像素的基本信息，來進(jìn)行樣本種類、尺寸、形狀和顏色的判別。

作為優(yōu)選，預(yù)處理操作包括對圖像進(jìn)行類型變換、去燥濾波、疊加平滑和二值化，根據(jù)像素分布、亮度和顏色，進(jìn)行樣本種類、尺寸、形狀和顏色的判別。

進(jìn)一步的，在步驟S2中，利用卷積神經(jīng)網(wǎng)絡(luò)對樣本特征進(jìn)行訓(xùn)練，輸入原始數(shù)據(jù)，經(jīng)過卷積、激活函數(shù)及池化操作，將原始數(shù)據(jù)中的高層語義概念剝離出來。

進(jìn)一步的，將高層語義概念剝離出來之后，通過誤差函數(shù)計(jì)算真實(shí)值和輸出值之間的誤差值，反向逐層反饋，更新每層參數(shù)，通過前饋運(yùn)算與反饋運(yùn)算，最終使模型收斂，完成訓(xùn)練。

作為優(yōu)選，利用卷積神經(jīng)網(wǎng)絡(luò)對樣本特征進(jìn)行訓(xùn)練時(shí)，選取噪聲少的樣本用來進(jìn)行訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)。

進(jìn)一步的，在步驟S3中，近距離拍攝目標(biāo)圖像，經(jīng)過加工處理，確定目標(biāo)的外形和運(yùn)動(dòng)狀態(tài)，可瞬間獲取被測目標(biāo)的大量幾何和物理信息，同時(shí)測定多點(diǎn)在某一瞬間的空間位置，像片資料可隨時(shí)進(jìn)行比較。