一种基于图像模式识别的河流流速测量方法
技术领域
本发明是一种针对传统浮标监控系统提出的基于图像模式识别的河流流速测量方法,主要通过对河流图像的识别来改善传统浮标法的缺点,采用视频监控技术采集河流图像,建立河流流速图像数据库,并利用稀疏表示分类算法设计出符合经预处理后数据库的分类器,最后通过对摄像机的实时图像分类估算出河流流速范围。
背景技术
我国河流众多,河流的综合利用在国家经济社会发展中占有重要的地位。由于我国国土面积大,地形复杂,降雨量分布不均,往往有些地方发生洪涝灾害。在20世纪,我国就发生过三次较大洪水,每次都给国家和人民造成巨大损失。还有每到雨季时节,受到持续强降雨的影响,长江流域有些地方就会发生超警戒水位,给人们的财产和生命带来威胁。尽管这些我们无法控制,但是我们可以通过采取一些措施进行预防,使国家和人民的损失降到最低。
国家建立许多水文站对许多河流进行水文信息的监测,水文监测就是对江河水的动态进行长期、持续的观察测量,记录水资源的变化规律,为水资源合理调度利用以及防汛抗洪等提供了准确的水文信息。然而,洪水的发生具有突发性,造成河流涨落急剧,高流速,含沙量高,漂浮物较多,水文站针对一般河流水文测流设施不能适应这种情况。在洪水期间,河流流速的测量往往采用是人工投放浮标,利用秒表、对讲机、经纬仪等这些工具对浮标流过距离和使用时间进行确定,来计算河流的流速。该方法具有很多缺点,如受到测量条件限制,不能够及时测量上报;测量过程中,往往多人配合,高洪期间不确定因素多,不能保证监测人员的生命安全;测量时由于人为因素大,测量结果准确性不高等,这些都削弱应对洪水能力。
在国外,1980年,卡拉雪夫介绍了基于飞机或直升机测量河流流速的方法,它的原理是让直升机或者是飞机在空中向预测河流投掷浮标,等到浮标抵达河流水面时,然后再通过摄影装置对水面的浮标进行一系列的拍照,按照预设的算法对其进行计算,即可得到水面的流速,他的最大的缺点是测量投入大,成本高,同时还要求施测的工作人员只有经过良好的培训和训练,这样才能保证测量的准确度。Theodore A.Scambos等人则研究采取卫星图像测量浮冰的速度来测量流速,这样存在的局限性是在没有浮冰的情况下无法施测。由上可知,虽然基于视频处理的流速测量方法克服了运用声学多普勒原理测量流速法、流速仪法、比降-面积法以及传统浮标法这几种流速测量方法的缺陷及不足,达到了实时、准确、便捷的突破性成效,但是基于视频处理的流速测量方法仍存在固有缺陷,如:需放置浮标、水面无追踪目标、计算量大、视频图像受光线、天气影响等。因此,稀疏表示的融合很大程度上弥补了视频处理的不足,是解决上述问题的必然选择。
发明内容
本发明要克服现有技术的上述缺点,融合视频处理技术和稀释表示模式识别方式,提出了基于图像模式识别的河流流速测量方法。
本发明方法满足以下性能要求:避免人工放置浮标的不实际性,实时监测时去除繁琐的计算流速的过程。
具体而言,本发明所述的基于图像模式识别的河流流速测量方法分步实现下述过程:(1)息采集过程获得包含河流的图像以及所述图像当前对应的环境信息和真实流速信息,通过图像处理算法对上述信息数据进行预处理;(2)训练过程利用稀疏表示分类算法设计出符合经预处理后样本的分类器;(3)识别过程在基于训练模块得出的分类器的基础上识别出摄像头当前帧的河流图像的预估流速范围。
本发明的基于图像模式识别的河流流速测量方法,步骤如下:
(1)信息采集:获得包含河流的图像以及所述图像当前对应的环境信息和河流表面流速信息(可利用照相机人工拍摄多角度多种环境多种流速的河流图像,其中流速可利用流速仪,雷达表面测速仪等设备得到。或者利用摄像头标定跟踪河流表面浮标,通过帧间计算得到当前河流图像的流速);通过图像处理算法(可利用卷积去除光照影响)对上述信息数据进行预处理。
(2)训练过程:采用核加权编码系数迭代求解算法对河流流速图像数据库进行训练,得到适合的分类器;
(3)识别过程:摄像机实时监测河流,对每帧图像进行预处理。利用训练过程得到的分类器进行分类识别,得到对应河流图像及相应的流速范围;
(4)移动终端安装客户端后,通过请求数据读写服务,经服务器ID认证之后,可以远程查看当前河流的流速范围。
本发明的优点是:可以实现河流流速实时监测以及数据远程传输,具有采用无接触式测量安装简单、对设备影响小、准确度高、可以远程传输的优点,非常适合我国山区小型水电站河流流速的监测。
附图说明
图1是本发明方法的结构图。
图2是本方法的流程图。
图3是核加权编码系数迭代求解算法的流程图。
图4是本发明方法所用的系统的示意图。
具体实施方式
下面结合附图,对本发明作进一步描述。
具体方法包括如下步骤:
步骤1,信息采集:获得包含河流的图像以及所述图像当前对应的环境信息和河流表面流速信息(可利用照相机人工拍摄多角度多种环境多种流速的河流图像,其中流速可利用流速仪,雷达表面测速仪等设备得到。或者利用摄像头标定跟踪河流表面浮标,通过帧间计算得到当前河流图像的流速);通过图像处理算法(可利用卷积去除光照影响)对上述信息数据进行预处理。如图1所示。
步骤2,如图2所示,训练过程采用核加权编码系数迭代求解算法对河流流速图像数据库进行训练,得到适合的分类器。
其中核加权编码系数迭代求解算法分为以下几个步骤:
输入:带类别标签的特征样本X,待测样本y,参数值λ和σ,最大迭代数tmax.
S1.计算核矩阵K以及待测样本y与各特征样本的核函数值k(·,y);
S2.依式(1)计算距离加权d,依式(2)计算重构加权r;
其中Ki=Φ(Xi)TΦ(Xi)∈Rni×ni是第i类核矩阵,ki(·,y)=[k(xi1,y);…;k(xini,y)]=Φ(Xi)Tφ(y)是y与第i类输入数据的核矢量,其中·为变量,即·=[xi1;…;xini],ni为第i类特征样本数,φ(y)和Φ(Xi)分别是测试样本与输入特征集的变形,且Φ是φ的矩阵描述形式,θ*为目标系数。可见ηi=ridi由两部分组成,第一部分ri是第i类样本Xi重构测试样本y的冗余,其值越小,代表y属于第i类的概率越大,相应第i类的重构系数θi越大;第二部分di用于惩罚远距离样本,dij值越大,说明相应的样本xij离y越远,对应重构系数θij越小。
S3.根据d和r得到η,并构建权值矩阵Π;
S4.迭代t=1,设初始编码系数为θ(t);
S5.依η和θ(t)构建块对角矩阵D;
S6.按照公式(3)求解θ(t+1);
其中D是块对角矩阵
则可得
θ=(K+λΠTDΠ)-1k(·,y) (3)
S7.满足收敛则输出θ*,反之则令t=t+1,并转步骤4。
步骤3,识别过程中摄像机实时监测河流,对每帧图像进行预处理。利用训练过程得到的分类器进行分类识别,得到对应河流图像及相应的流速范围;
步骤4,如图3所示,所开发移动终端的体系结构图,客户端主要包括系统登入模块,监控功能模块和用户交互模块。其中监控功能模块主要包括,实时信息展示和预警情况。移动终端安装客户端后,向服务器发送数据读写请求,经服务器确认请求终端的用户名密码和硬件物理地址之后,移动终端就可以远程查看当前河流的流速情况。
如上所示,根据本发明,可以提供一种基于图像模式识别的河流流速测量方法。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。