一种基于视频监控的明渠漫堤检测方法与流程

本发明属于明渠安全监测，具体涉及一种基于视频监控的明渠漫堤检测方法。

背景技术：

1、随着农业农村现代化建设，灌区内逐渐形成引、输、灌、排为一体化的农田水利工程。但偏远地区的渠道基本无计量设施，灌区的日常管理主要依靠人工，闸门启闭由管理人员手动操作，这就导致渠道水位控制不够科学和及时，极易造成水资源浪费，而当汛期来临，洪水入渠也极易造成漫堤，甚至决口事故。

2、目前主要以人工现场巡查或盯守视频监控的方式进行监管，但由于渠道遍布范围广、距离远，人工巡视无法及时发现，不能满足对明渠漫堤现象的监管要求。

技术实现思路

1、针对现有技术的不足，本发明目的在于提供一种基于视频监控的明渠漫堤检测方法。本发明利用基于卷积神经网络的语义分割网络，对明渠水体区域进行精准识别，根据漫水区域的大小，分级报警，实现自动化、智能化检测。

2、为解决上述技术问题，本发明通过下述技术方案实现：

3、一种基于视频监控的明渠漫堤检测方法，包括如下步骤：

4、步骤1，构建数据集

5、构建去雾样本库；

6、构建水体分割样本库；

7、步骤2，搭建网络模型

8、搭建去雾模型；

9、搭建水体分割模型；

10、步骤3，训练去雾模型和水体分割模型；

11、步骤4，划定报警区域和级别

12、结合明渠的形状特点，在明渠范围外划定不同报警级别对应的漫水区域，较低报警等级的漫水区域较小，越高报警等级对应的漫水区域越大；

13、步骤5，漫堤识别

14、定期抓取监控图像，首先对图像进行快速傅里叶变换，判断高频分量占比，若占比低于设定的阈值，则判定该图像有雾，则将原始图像先送入步骤3训练的去雾模型进行去雾，然后送到水体分割模型检测水体，若高频分量占比超过阈值，则判定该图像没有雾，直接送入到水体分割模型，最终得到水体区域的位置和外形轮廓；

15、步骤6，区域比对

16、将步骤4中的不同级别的漫水区域从大到小逐个与步骤5中的水体区域进行比对，水体区域超出漫水区域，则判定为对应的报警级别，取最高报警级别为最终的渠水漫堤报警级别。

17、优选地，所述步骤1中，构建去雾样本库：收集明渠监控图像，收集天气晴朗和能见度较差天气下的监控图像，对相同监控角度下晴朗天气的图片和能见度差的图片进行不同比例叠加，以此获取高质量-低质量图像样本对，得到去雾样本库；

18、构建水体分割样本库：对所有收集的明渠监控图像和生成的去雾样本图像，均进行水面外轮廓进行标注，得到水体分割样本库。

19、优选地，能见度较差天气包括雾霾、雾和阴雨。

20、优选地，所述步骤2中，搭建去雾模型：搭建一个典型的全卷积编码-解码结构去雾网络，编码器对输入的有雾图片进行特征提取，解码器利用编码器得到的特征重构去雾图像；

21、搭建水体分割模型：基于pspnet网络对高纬度特征层的多尺度融合，对其低维特征同样进行多尺度的级联和融合，在最终的预测结果中补充低维度下的丰富细节特征，形成清晰的分割边缘。

22、优选地，所述步骤3中训练去雾模型和水体分割模型：分别对去雾样本库和水体分割样本库进行等比例划分，划分为n份子样本库，并分别实例化n个去雾模型和n个水体分割模型，每个模型在其中n-1份样本库上进行训练，用剩余1份子样本库进行模型性能验证，轮流使用子样本库，训练出n个模型，以验证集上的平均得分作为模型的验证分数，选择最优验证分数时的模型参数作为最优参数，并以该最优参数在所有样本库上再进行模型训练，得到的模型即为最终模型。

23、本发明与现有技术相比，具有以下优点及有益效果：

24、本发明基于视频监控设备，充分利用深度学习技术，消除雾对图像的影响，从明渠视频监控中提取水体区域，结合漫堤警戒区域，分级报警，实现自动化、智能化检测，具有使用便捷、适用范围广、设备成本低等优点。

技术特征：

1.一种基于视频监控的明渠漫堤检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于视频监控的明渠漫堤检测方法，其特征在于，所述步骤1中，构建去雾样本库：收集明渠监控图像，收集天气晴朗和能见度较差天气下的监控图像，对相同监控角度下晴朗天气的图片和能见度差的图片进行不同比例叠加，以此获取高质量-低质量图像样本对，得到去雾样本库；

3.根据权利要求2所述的基于视频监控的明渠漫堤检测方法，其特征在于，能见度较差天气包括雾霾、雾和阴雨。

4.根据权利要求1所述的基于视频监控的明渠漫堤检测方法，其特征在于，所述步骤2中，搭建去雾模型：搭建一个典型的全卷积编码-解码结构去雾网络，编码器对输入的有雾图片进行特征提取，解码器利用编码器得到的特征重构去雾图像；

5.根据权利要求1所述的基于视频监控的明渠漫堤检测方法，其特征在于，所述步骤3中训练去雾模型和水体分割模型：分别对去雾样本库和水体分割样本库进行等比例划分，划分为n份子样本库，并分别实例化n个去雾模型和n个水体分割模型，每个模型在其中n-1份样本库上进行训练，用剩余1份子样本库进行模型性能验证，轮流使用子样本库，训练出n个模型，以验证集上的平均得分作为模型的验证分数，选择最优验证分数时的模型参数作为最优参数，并以该最优参数在所有样本库上再进行模型训练，得到的模型即为最终模型。

技术总结
本发明公开一种基于视频监控的明渠漫堤检测方法，步骤1，构建数据集：构建去雾样本库、构建水体分割样本库；步骤2，搭建网络模型：搭建去雾模型、搭建水体分割模型；步骤3，训练去雾模型和水体分割模型；步骤4，划定报警区域和级别；步骤5，漫堤识别；步骤6，区域比对。本发明基于视频监控设备，充分利用深度学习技术，消除雾对图像的影响，从明渠视频监控中提取水体区域，结合漫堤警戒区域，分级报警，实现自动化、智能化检测，具有使用便捷、适用范围广、设备成本低等优点。

技术研发人员：江山,王帅,张恒飞,刘康,陈石磊,梅林辉,肖文,梁云昊
受保护的技术使用者：长江信达软件技术（武汉）有限责任公司
技术研发日：
技术公布日：2024/1/15