申请/专利权人：郑州信大先进技术研究院

申请日：2020-07-13

公开（公告）日：2024-03-19

公开（公告）号：CN111862143B

主分类号：G06T7/215

分类号：G06T7/215;G06T7/246;G06T7/90;G06T5/90

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明提供一种河堤坍塌自动监测方法，包括：步骤1，实时获取多路监控设备的监控视频，使用时序卷积动态变化监控视频帧检测模型对监控视频进行初步筛选，获取有可能存在河堤坍塌的监控视频片段；步骤2，使用运动目标检测模型对获取的监控视频片段进行运动目标检测，获取运动目标区域图像；使用河堤检测语义分割模型对获取的监控视频片段进行语义分割检测，提取河堤区域图像；步骤3，将提取的河堤区域与获取的运动目标区域进行图像做差，获得不包含运动目标的河堤区域图像；步骤4，创建高斯滤波器，将获取的不包含运动目标的河堤区域图像进行灰度处理和高斯滤波，建立背景模板；步骤5，最后利用帧差法确定坍塌位置和面积。

主权项：1.一种河堤坍塌自动监测方法，其特征在于，具体包括以下步骤：步骤1，实时获取多路监控设备的监控视频，使用时序卷积动态变化监控视频帧检测模型对监控视频进行初步筛选，获取有可能存在河堤坍塌的监控视频片段；所述时序卷积动态变化监控视频帧检测模型由深度3维卷积网络模型训练而成，所述深度3维卷积网络包括8个卷积层、5个池化层和两个全连接层，所有3D卷积滤波器均为3×3×3，步长为1×1×1；所述深度3维卷积网络模型的输入为：通过对监控视频序列进行预处理后得到的数据维度为3*16*112*112的监控视频片段，其中，3为图像通道数，16为监控视频序列的长度，112*112为图像尺寸；在所述深度3维卷积网络模型的输出数据值上进行逻辑斯蒂回归激活，实现坍塌现象的预测与监控视频片段的类型判定，其中，输出结果为1，则表示监控视频片段内可能有坍塌现象；输出结果为0，则表示监控视频片段内没有坍塌现象；步骤2，使用运动目标检测模型对获取的监控视频片段进行运动目标检测，获取运动目标区域图像；使用河堤检测语义分割模型对获取的监控视频片段进行语义分割检测，提取河堤区域图像；所述河堤检测语义分割模型由基于DeepLabV3+的深度神经网络训练而成，其中，语义分割模型的输入为步骤1得到的有可能存在河堤坍塌的监控视频片段；所述基于DeepLabV3+的深度神经网络以Resnet101作为基础网络，选取基础网络Conv1和基础网络Conv2作为特征提取器，其中基础网络Conv1进行7×7卷积操作，滤波器个数为64；引由入空洞卷积进行3×3多尺度池化，修改空洞卷率为8,16,24，构建特征编码器；构建解码器，将所述解码器与所述特征提取器和所述特征编码器连接，从而实现图像特征与编码特征的融合，并引入反卷积进行上采样操作；步骤3，将提取的河堤区域与获取的运动目标区域进行图像做差，获得不包含运动目标的河堤区域图像；步骤4，创建高斯滤波器，将获取的不包含运动目标的河堤区域图像进行灰度处理和高斯滤波，建立背景模板；步骤5，最后利用帧差法确定坍塌位置和面积。

全文数据：

权利要求：

百度查询： 郑州信大先进技术研究院 一种河堤坍塌自动监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD