CN106097389B - 一种基于图像模式识别的河流流速测量方法 - Google Patents

一种基于图像模式识别的河流流速测量方法 Download PDF

Info

Publication number
CN106097389B
CN106097389B CN201610403033.XA CN201610403033A CN106097389B CN 106097389 B CN106097389 B CN 106097389B CN 201610403033 A CN201610403033 A CN 201610403033A CN 106097389 B CN106097389 B CN 106097389B
Authority
CN
China
Prior art keywords
river
image
flow
class
sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610403033.XA
Other languages
English (en)
Other versions
CN106097389A (zh
Inventor
王万良
邱虹
鞠振宇
杨平
王宇乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Yu Gong Mdt InfoTech Ltd.
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201610403033.XA priority Critical patent/CN106097389B/zh
Publication of CN106097389A publication Critical patent/CN106097389A/zh
Application granted granted Critical
Publication of CN106097389B publication Critical patent/CN106097389B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Alarm Systems (AREA)
  • Image Processing (AREA)

Abstract

一种基于图像模式识别的河流流速测量方法。该方法包含信息采集过程，训练过程和识别过程，信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；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；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。

Description

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。

Claims (3)

1.一种基于图像模式识别的河流流速测量方法，其特征在于，包括以下步骤：
(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，建立河流流速图像数据库；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，其中流速利用流速仪或雷达表面测速仪设备得到；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；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，测试样本y，参数值λ和σ，最大迭代数tmax；
S1.计算核矩阵K以及测试样本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∏；
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S4；
(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，远程查看当前河流的流速范围。
2.如权利要求1所述的方法，其特征在于：步骤(1)所获得的河流流速图像数据库，包含了1200张3种天气环境下、不同时间段的河流图像及图像当前对应的河流表面流速信息。
3.如权利要求1所述的方法，其特征在于，采用安卓终端远程监控客户端监控河流的实时流速。
CN201610403033.XA 2016-06-07 2016-06-07 一种基于图像模式识别的河流流速测量方法 Active CN106097389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610403033.XA CN106097389B (zh) 2016-06-07 2016-06-07 一种基于图像模式识别的河流流速测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610403033.XA CN106097389B (zh) 2016-06-07 2016-06-07 一种基于图像模式识别的河流流速测量方法

Publications (2)

Publication Number Publication Date
CN106097389A CN106097389A (zh) 2016-11-09
CN106097389B true CN106097389B (zh) 2018-08-21

Family

ID=57229055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610403033.XA Active CN106097389B (zh) 2016-06-07 2016-06-07 一种基于图像模式识别的河流流速测量方法

Country Status (1)

Country Link
CN (1) CN106097389B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951919A (zh) * 2017-03-02 2017-07-14 浙江工业大学 一种基于对抗生成网络的流速监测实现方法
CN107590819A (zh) * 2017-08-03 2018-01-16 浙江工业大学 一种基于压缩感知图像分析的河流表面流速估计方法
CN107421510A (zh) * 2017-08-28 2017-12-01 爱易成技术(天津)有限公司 一种水文监测设备及方法
CN111798386B (zh) * 2020-06-24 2022-03-22 武汉大学 一种基于边缘识别与最大序列密度估计的河道流速测量方法
CN112068511A (zh) * 2020-08-11 2020-12-11 四川能投云电科技有限公司 小型水电站自动控制水位及压力信号数据识别筛选方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4574657B2 (ja) * 2007-09-21 2010-11-04 株式会社イメージワン 水流の測定方法及び装置
CN103235883A (zh) * 2013-04-23 2013-08-07 山东信通电器有限公司 一种基于非接触式河流表面测速的瞬时流量回归计算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4574657B2 (ja) * 2007-09-21 2010-11-04 株式会社イメージワン 水流の測定方法及び装置
CN103235883A (zh) * 2013-04-23 2013-08-07 山东信通电器有限公司 一种基于非接触式河流表面测速的瞬时流量回归计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A methodology based on Particle image velocimetry for river ice velocity measurement;Anik Daigle et al;《Cold Regions Science & Technology》;20130531;第89卷;36-47 *
基于DTMF的河流流速测量系统研究与设计;朱兵 等;《计算机测量与控制》;20120131;第20卷(第1期);47-49,77 *

Also Published As

Publication number Publication date
CN106097389A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN106097389B (zh) 一种基于图像模式识别的河流流速测量方法
CN105206057B (zh) 基于浮动车居民出行热点区域的检测方法及系统
Doswell III et al. Tornado forecasting: A review
CN110363327A (zh) 基于ConvLSTM和3D-CNN的短临降水预测方法
CN106940439B (zh) 基于无线声传感器网络的k均值聚类加权声源定位方法
CN113936142A (zh) 一种基于深度学习的降水临近预报方法及装置
CN110083977A (zh) 一种基于深度学习的大气湍流监测方法
CN109448292A (zh) 一种电网山火监测预警方法
CN103365958B (zh) 台风预报平台及台风路径检索方法
CN107590819A (zh) 一种基于压缩感知图像分析的河流表面流速估计方法
Lucas et al. Bayesian inverse modeling of the atmospheric transport and emissions of a controlled tracer release from a nuclear power plant
CN110221360A (zh) 一种电力线路雷暴预警方法及系统
CN108986413A (zh) 一种基于多源信息数据的冰湖灾害监测与预警方法
CN108154271A (zh) 一种基于空间相关性和曲面拟合的地面气温质量控制方法
CN109143408A (zh) 基于mlp的动态区域联合短时降水预报方法
CN103616732A (zh) 高空风资料的质量控制方法及其质量监控装置
CN104200082A (zh) 台风登陆预测方法
CN107391794B (zh) 一种台风连续立体风场反演方法
CN113962426A (zh) 一种近海水上通航安全智能预报方法和装置
CN103424782B (zh) 一种中层径向辐合的自动识别方法
CN110059972A (zh) 基于泛函深度信念网络的日太阳辐射资源评估方法
CN115983475A (zh) 一种海区尺度落水人员漂移轨迹预测方法
Shenoy et al. Sensitivity of physical schemes on simulation of severe cyclones over Bay of Bengal using WRF-ARW model
Stone et al. A new wave-current online information system for oil spill contingency planning (WAVCIS)
CN115421220A (zh) 一种基于深度学习的多因子局部降水指示方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20211215

Address after: 310000 3rd floor-61, No. 137, Kaixuan Road, Shangcheng District, Hangzhou City, Zhejiang Province

Patentee after: Zhejiang Yu Gong Mdt InfoTech Ltd.

Address before: 310014 science and technology office, Zhejiang University of Technology, No. 18 Chao Wang Road, Xiacheng District, Hangzhou, Zhejiang

Patentee before: ZHEJIANG University OF TECHNOLOGY

TR01 Transfer of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A river velocity measurement method based on image pattern recognition

Effective date of registration: 20220425

Granted publication date: 20180821

Pledgee: Hangzhou branch of Zhejiang Tailong Commercial Bank Co.,Ltd.

Pledgor: Zhejiang Yu Gong Mdt InfoTech Ltd.

Registration number: Y2022330000593

PE01 Entry into force of the registration of the contract for pledge of patent right