一种基于图像识别技术的城市监控防洪方法

本发明属于智慧水利，尤其涉及一种基于图像识别技术的城市监控防洪方法。

背景技术：

1、近年来，突发灾害性降水导致城市洪涝灾害频发，造成了巨大的生命财产安全损害，面对这一突发灾害，我国城市尚未具备系统的即时反馈方法来快速、高效地进行防洪调度。同时，现有的能够实现智能防洪的方法需要布置大量的各类传感器设备，其供电和保养等问题解决起来非常困难，且需要投入巨大人力物力，较难覆盖全部城市。

2、近年来，基于卷积神经网络的图像识别技术也迅猛发展，其通过对图像局部特征的提取来进行分析识别，属于一种能够高效识别的图像分析方法。目前城市监控探头普及迅速，位置遍布各个角落，巨量的图像数据能够极大程度覆盖或者代表某区域的实时情况。基于此，本发明设计了一种基于图像识别技术的城市监控防洪方法，充分利用了巨大数量的监控探头，发挥其在智慧城市建设中的作用，以供防洪过程中能够实时调度，以较低的成本实现较好的防洪监控。

技术实现思路

1、针对现有技术中存在不足，本发明提供了一种基于图像识别技术的城市监控防洪方法，充分利用了城市中的大量监控探头，发挥其在智慧城市建设中的作用，以供防洪过程中能够实时调度，以较低的成本实现较好的防洪监控。

2、本发明是通过以下技术手段实现上述技术目的的。

3、一种基于图像识别技术的城市监控防洪方法，包括如下过程：

4、s1：划分各级城市监控探头，进行云计算数据处理平台的初始参数设定及相应算法录入；

5、s11：将各级城市监控探头按功能分为主干探头和二级探头，主干探头为位于城市公路上的探头，包括交通信号灯及路口位置的探头，二级探头为位于各社区、小径等位置的其余探头；

6、s12：设定初始参数和数据，并录入云计算数据处理平台，初始设定包括：参照物标准化图像识别所需特征矩阵及数据库、图像处理模型的分析算法、主干探头和二级探头位置参数及范围参数、积水面积所需的合理容差；

7、s13：将图像分析算法录入云计算数据处理平台，录入的图像分析算法包括：标准化图像神经网络识别算法、灰度矩阵转换浮点算法、图像容差分析积水面积算法、灾区范围确定计算方法、识别训练模型。

8、s2：云计算数据处理平台进行图像识别及信息处理，智能识别受灾城市积水情况与受灾范围；

9、s21：城市洪灾发生时，各级城市监控探头分时打包输入数据源图像至防洪目标城市服务器，每3帧为一个传输节点截取实时监控影像，以微小间断形式传输进入防洪目标城市服务器，进一步打包传输至云计算数据处理平台进行后续分析处理，数据传输源设置为相同服务器，且数据源截取影像的时间采用统一地点卫星标准时，保证传输同步及数据源同步，且各数据源图像对应有其位置信息；

10、其中，在云计算数据处理平台中，目标城市服务器所需上传数据包括：由主干探头输出的分时打包图像、由二级探头输出的分时打包图像；图像上传后，根据云计算数据处理平台内初始参数确定探头位置信息。

11、s22：运用浮点算法将图像按像素转化为灰度矩阵，转换表达式如下：

12、c0＝0.2989×r+0.5870×g+0.1140×b

13、cvalue＝0.3906c0

14、式中，r、g、b分别对应红色、绿色、蓝色的通道值，cvalue是转换的灰度值，将图像中每个像素的转换灰度值存储于相应位置的灰度矩阵中；c0表示单个像素的灰度强度；

15、s23：识别图像动态部分与静态部分，以每3帧为识别节点，将图像a与图像b叠加比较，采用灰度矩阵比较的方式，将未发生位移的图像部分判定为静态部分，发生位移的像素块所构成的图像部分判定为动态部分，同时设定像素块变化色彩整体的整体容差度，排除光线对判定结果的干扰；

16、s24：采用图像容差分析法判定积水度，并排除漂浮物干扰；其中，图像容差分析法的原理是基于灰度矩阵中灰度的接近程度来计算容差值t，以欧式距离大小代表灰度差异，同时根据水流特性，简化神经网络识别方法在洪灾识别方法中的应用，共分为判定积水面积和排除漂浮物干扰2块内容，具体过程如下：

17、s241：首先将每个图像按像素块的灰度值构建为一个m×n的灰度矩阵，动态监控灰度矩阵各点数值。

18、s242：将识别级数简化为0、1、2三级，判定转化级数0的区域：由s23中灰度矩阵比较的方法判定相对静止区域的所有灰度块，将其值转化为0，其余区域定义为待定区域。

19、s243：分析积水面积，判定转化级数1的区域：已知在时间轴上先后上传的图像a和图像b，得到2个灰度矩阵，分别在灰度矩阵的待定区域(非0区)进行大量随机落点，需保证图像a与图像b的落点位置相同；设定最优容差值m1，m1由步骤s13中录入的识别训练模型进行训练确定，当t＝m1时，会出现若干在图像a和b中位置相同但面积不同的区域sai和sbi，若存在区域面积sbi>sai，将区域sbi判定为积水面积，将该区域所有灰度块数值转化为1；

20、其中，容差值t计算公式为：和分别代表灰度矩阵中的两个像素块的灰度值。

21、s244：在灰度矩阵中，由于灰度不符合最优容差值m1，级数1区域范围内存在没有被包含进入积水面积的灰度块，该小区域所有灰度块在矩阵中转化为2，实际情况通常为漂浮物、生物轨迹、车辆或波浪；若后续图像中级数2区域灰度块发生变化，将级数2转化为级数1；若未发生变化，将级数2转化为级数0；最终反馈的积水面积以百分数形式呈现，即通过下式计算积水度s：

22、

23、式中，n1表示灰度矩阵中级数1像素块数量，nt表示灰度矩阵中总像素块数量，s单位为％。

24、s25：依据标准化图像识别积水深度，其依据的原理是积水发生时会淹没不同深度的标记基准物，洪水较为浑浊，能够阻挡各标准化图像的可视度，因此选择探头能够识别的最小深度作为积水深度，具体过程如下：

25、选择位于探头视野范围内的电线杆、墙体等不可移动物体作为备选标记基准物，在不同高度设定对应的标准化图像作为识别对象，固定于标记基准物上，对图像0级块采用卷积神经网络进行特征识别，所需特征矩阵为标准化图像转化的特征矩阵，得到的积水深度数据为多个特征矩阵对应的最小深度，识别的积水深度h表达式如下：

26、h＝min(h1,h2,…hn)

27、式中，h1、h2、hn分别表示探头能够识别的第1个、第2个、第n个标准化图像代表的深度值；

28、优选地，代表最小水深的标准化图像可设置于地面，也可将斑马线或其他已有城市地面图案作为标准化图像；用于积水深度识别的标准化图像可以以城市装饰图案或雕塑的形式呈现，起到美化城市景观的作用。

29、s26：确定城市受灾范围；提前将探头信息录入云计算数据处理平台，采用多米诺原理，选取的主干探头通常位于主干交通道，首先以主干探头为中心探头，由中心探头先识别出画面出现积水，然后通过步骤s24和s25分析得到其积水度与积水深度两个积水参数；定义安全积水度和积水深度的数值，若超过设定安全值则触发启动条件，对中心探头周围相邻的二级探头进行识别，若其中二级探头画面中积水参数超过安全值，即确定该二级探头感知范围为灾区；将该二级探头作为中心探头，继续循环进行上述步骤s26；若出现部分二级探头的画面中积水参数未超过启动条件，则其降为留观对象，以此过程进行循环，最终以下一阶段画面均未超过设定安全值为信号，结束识别；

30、所述提前将探头信息录入云计算数据处理平台包括：划定区域，按主干探头位置，将一定数量二级探头分配给主干探头，依据城市监控设置的位置、高度、倾角确定各探头在城区图中的感知范围，将数据录入平台。

31、s3：云计算数据处理平台进行信息整合，并反馈至目标城市服务器，快速同步处理数据；

32、s31：云计算数据处理平台计算完成，实时反馈处理结果至目标城市服务器，反馈结果包括：洪灾时城市各位置积水度s、洪灾时城市各位置积水水深h、落水人员相关异常图像、城市受灾区域；

33、s32：根据反馈位置信息，目标城市服务器将反馈结果分配至各区县洪灾调度管理工作部门，便于及时应对洪水。

34、s4：智能筛查决策信息供调度使用，目标城市服务器生成洪灾实时反馈地图；

35、s41：根据反馈结果，目标城市服务器生成洪灾实时反馈地图，洪灾实时反馈地图包括各一二级探头位置点的积水情况及水深以及城市整体受灾范围，在城市地图上动态呈现，若条件允许可建立三维图像，增加直观程度；

36、s42：有关调度部门根据洪灾实时反馈地图进行决策调度，并对异常图像进行筛查，增派救援；优选地，将各一二级探头位置点先在城区电子地图上呈现，供调度使用，调度室所使用示意图为洪灾实时反馈地图，由容差变化确定探头位置存在积水区域，由参照物标记识别水位实时高度，在地图上以指示灯形式表现，点击各探头可查看其细致积水情况参数，调度人员可即时查看城市各部分积水情况；

37、s43：目标城市服务器由得到的实时积水度和深度数据，运算两者的变化速率，依据预模拟系统，采用积水面积及积水深度变化速率预测洪灾后续进程，完善预警机制；

38、优选地，城市居民能够通过网络查询或通讯软件查询等途径及时查询所在城市受灾情况及未来灾害发展趋势。

39、所述系统训练的准确度阈值为95％，训练次数为5万次，测试准确度阈值为95％，测试次数为2万次。

40、所述训练与测试项目包括：

41、对现有城市洪灾监控录像进行积水区域识别，确定最优容差值m1及各类参数设定；

42、对不同监控角度的标准化图像进行测试，确定识别能力最显著的标准化图像。

43、本发明具有如下有益效果：

44、1、本发明提出了基于图像识别技术的城市监控防洪方法，能够有效调用现有大规模布置的城市监控探头，利用现有技术实现城市智慧防洪的功能，相较于现有仅仅依赖降雨监测的防洪手段，具有精准判别、成本可控、成果可靠等优点。

45、2、本发明采用了灰度算法、卷积神经网络识别、模型训练等手段，利用分级探头由点及面，从识别探头位置的积水深度、积水面积到覆盖确定整个城市的受灾范围，分区域判定城市实时受灾情况，为有关部门有效调度提供空间参考。

46、3、本发明将图像色块根据灰度值和功能识别结果简化为数字矩阵，极大降低了运算成本和响应时间，同时采用云计算方法避免服务器搭建过程的繁杂，便于城市直接应用，提升了监控防洪调度结果的时效性和可操作性。