CN108416985B - 一种基于图像识别的地质灾害监测预警系统及预警方法 - Google Patents
一种基于图像识别的地质灾害监测预警系统及预警方法 Download PDFInfo
- Publication number
- CN108416985B CN108416985B CN201810359058.3A CN201810359058A CN108416985B CN 108416985 B CN108416985 B CN 108416985B CN 201810359058 A CN201810359058 A CN 201810359058A CN 108416985 B CN108416985 B CN 108416985B
- Authority
- CN
- China
- Prior art keywords
- critical
- geological disaster
- characteristic data
- early warning
- image
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
- G06V20/47—Detecting features for summarising video content
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于图像识别的地质灾害监测预警系统及预警方法,本发明首次提出基于大数据计算分析和图像识别相结合的预警预报监测系统及方法,通过在不同区域发生的地质灾害图中选取临界地质灾害图像,提取影响灾害体运动的临界关键维度,进一步得到特征数据阈值,形成图像数据库,将图像数据库作为参考依据,进行有效的灾害预警,显著提升了预警预报的准确性,克服了传统监测方法引起的数据错误、缺失等问题;本发明形成的图像数据库中包含了不同区域的灾害体临界图像数据,可以对不同区域、不同地质结构的研究对象进行地质灾害监测预警,适用范围广,具有广阔的应用前景。
Description
技术领域
本发明涉及一种基于图像识别的地质灾害监测预警系统及预警方法,特别是涉及一种基于大数据和图像识别的地质灾害监测预警系统及预警方法,可以用于地质灾害监测的预警预报。
背景技术
目前地质灾害的监测预警方法多种多样,但是基本都是基于传感器采集的数据分析,视频图像采集后的实时监控,或者无人机采集的二维、三维图像进行简单的图像识别判断。还没有一个基于大数据计算分析和图像识别相结合的预警预报监测系统。并且单一的数据分析可能会因为通信线路的问题、信号的问题、软件的问题引起的数据错误、缺失,灾害监测的准确度和实时性较低。
发明内容
本发明的目的在于克服现有技术的上述不足,提供一种基于图像识别的地质灾害监测预警方法,该方法通过对历史灾情图像进行大数据分析,得出灾情发生的图像变化关键维度趋势和灾情临界发生图像数据库,通过视频或者倾斜摄影采集到的实时现场图像与临界发生图像数据库进行对比,进而判断现场是否有灾情发生的可能性,在判断出关键维度变化存在危险时发出预警预报。
本发明的另外一个目的在于提供一种基于图像识别的地质灾害监测预警系统。
本发明的上述目的主要是通过如下技术方案予以实现的:
一种基于图像识别的地质灾害监测预警方法,包括:从不同区域发生的地质灾害图像中选取临界地质灾害图像;
从所述临界地质灾害图像中提取影响灾害体运动的临界关键维度,所述临界关键维度包括从临界地质灾害图像中提取的不同区域的特征数据和对应的滑坡体的特征数据,进一步得到滑坡体的特征数据阈值;
根据所述临界关键维度和所述滑坡体的特征数据阈值形成临界地质灾害图像数据库;
将不同区域的地质图像与所述临界地质灾害图像数据库中对应的滑坡体的特征数据阈值进行比对,判断是否进行地质灾害预警。
在上述基于图像识别的地质灾害监测预警方法中,所述不同区域的特征数据包括不同区域的地形数据、天气数据或水文数据。
在上述基于图像识别的地质灾害监测预警方法中,其中每一个区域中选取多个灾害体的多张临界地质灾害图像;所述临界地质灾害图像为地质灾害发生时刻的地质灾害图像。
在上述基于图像识别的地质灾害监测预警方法中,其中一个区域的特征数据对应的滑坡体的一个特征数据阈值的获得方法为:从所述区域选取多个灾害体的多张临界地质灾害图像,从所述多张临界地质灾害图像中分别提取影响灾害体运动的滑坡体的所述特征数据,计算滑坡体的所述特征数据阈值。
在上述基于图像识别的地质灾害监测预警方法中,所述滑坡体的一个特征数据阈值的计算方法为:将从多张临界地质灾害图像中分别提取的所述特征数据进行比对,取所有特征数据的算术平均值作为所述特征数据的阈值;或者若所有特征数据中相同的特征数据为两个或两个以上,则将所述相同的特征数据作为特征数据的阈值;或者从所有特征数据中相近的特征数据中选取任意一个作为特征数据的阈值。
在上述基于图像识别的地质灾害监测预警方法中,所述滑坡体的特征数据包括坡度变化、土壤变化、监测设备位移或植被变化。
在上述基于图像识别的地质灾害监测预警方法中,所述临界地质灾害图像数据库的形式为:
H={h1:(E1....Em,X1....Xn);h2:(E2....E2m,X2....X2n)...hi:(Ei....Eim,Xi....Xin)}
其中:H代表临界地质灾害图像数据库;
hi代表第i种滑坡发生的情况;
Ei....Eim代表第i种区域的特征数据;
Xi....Xin代表第i种滑坡体的特征数据。
在上述基于图像识别的地质灾害监测预警方法中,将不同区域的地质图像与所述临界地质灾害图像数据库中对应的滑坡体的特征数据阈值进行比对,根据超出滑坡体的特征数据阈值的特征数据个数进行分级预警。
在上述基于图像识别的地质灾害监测预警方法中,若滑坡体的特征数据为8个,分为三级预警,超出对应的滑坡体的特征数据阈值的特征数据个数为1个,则进行蓝色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为2~5个,则进行黄色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为5个以上,则进行红色地质灾害预警。
一种基于图像识别的地质灾害监测预警系统,包括临界地质灾害图像选取模块、临界关键维度提取模块、图像数据库、阈值获取模块和灾害预警模块,其中:
临界地质灾害图像选取模块:从不同区域发生的地质灾害图像中选取临界地质灾害图像,并将所述临界地质灾害图像发送给临界关键维度提取模块;
临界关键维度提取模块:接收临界地质灾害图像选取模块发送的所述临界地质灾害图像,从所述临界地质灾害图像中提取影响灾害体运动的临界关键维度,并将所述临界关键维度存入图像数据库,同时发送给阈值获取模块;所述临界关键维度包括从临界地质灾害图像中提取的不同区域的特征数据和对应的滑坡体的特征数据;
图像数据库:用于存储临界关键维度和滑坡体的特征数据阈值;
阈值获取模块:接收临界关键维度提取模块发送的所述临界关键维度,得到滑坡体的特征数据阈值,存入图像数据库;
灾害预警模块:将不同区域的地质图像与图像数据库中对应的滑坡体的特征数据阈值进行比对,判断是否进行地质灾害预警。
在上述基于图像识别的地质灾害监测预警系统中,所述图像数据库存储临界关键维度的形式为:
H={h1:(E1....Em,X1....Xn);h2:(E2....E2m,X2....X2n)...hi:(Ei....Eim,Xi....Xin)}
其中:H代表临界地质灾害图像数据库;
hi代表第i种滑坡发生的情况;
Ei....Eim代表第i种区域的特征数据;
Xi....Xin代表第i种滑坡体的特征数据。
本发明与现有技术相比的有益效果如下:
(1)、本发明首次提出基于大数据计算分析和图像识别相结合的预警预报监测系统及方法,通过在不同区域发生的地质灾害图中选取临界地质灾害图像,提取影响灾害体运动的临界关键维度,进一步得到特征数据阈值,形成图像数据库,将图像数据库作为参考依据,进行有效的灾害预警,显著提升了预警预报的准确性,克服了传统监测方法引起的数据错误、缺失等问题。
(2)、本发明形成的图像数据库中包含了不同区域的灾害体临界图像数据,可以对不同区域、不同地质结构的研究对象进行地质灾害监测预警,适用范围广,具有广阔的应用前景;
(3)、本发明提出的基于大数据和图像识别的地质灾害监测预警方法,通过现有的或存档的历史灾情图像进行大数据分析,得出灾情发生的图像变化关键维度趋势和灾情临界发生图像数据库;通过视频或者倾斜摄影采集到的实时现场图像与大数据灾情数据库的对比,进而自动化的判断现场是否有灾情发生的可能性以及相关的预警预报,过程简单,易于实,现具有较强的实用性。
附图说明
图1为本发明基于图像识别的地质灾害监测预警方法流程图;
图2为本发明基于图像识别的地质灾害监测预警系统结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细的描述:
如图1所示为本发明基于图像识别的地质灾害监测预警方法流程图,本发明预警方法具体包括如下步骤:
步骤(一)、从不同区域发生的地质灾害图像中选取临界地质灾害图像,临界地质灾害图像为地质灾害发生时刻(发生初始时刻)的地质灾害图像。其中每一个区域中可以选取多个灾害体的多张临界地质灾害图像。
具体包括:整理不同区域分析专业人员存档的灾情渐变过程中的各种图像。比如滑坡灾害监测的历史图像信息,结合专业研究机构的分析下,得出一个滑坡在发生灾害之前,过程中,之后的各种历史图像数据。收集整理后的所有图像信息进行归类,还要结合当地的地形特点,天气情况等因素,在专业研究机构的分析下,整理出各个灾情条件下的所有图像数据,从中找出不同区域的临界地质灾害图像,每一个区域中可以选取多个灾害体的多张临界地质灾害图像。
步骤(二)、从所述临界地质灾害图像中提取影响灾害体运动的临界关键维度,临界关键维度包括从临界地质灾害图像中提取的不同区域的特征数据和对应的滑坡体的特征数据,进一步得到滑坡体的特征数据阈值。
具体地,本发明实施例中,不同区域的特征数据包括不同区域的地形数据、天气数据或水文数据。滑坡体的特征数据包括坡度变化、土壤变化、监测设备位移或植被变化。
具体地,本发明实施例中,其中一个区域的特征数据对应的滑坡体的一个特征数据阈值的获得方法为:从所述区域选取多个灾害体的多张临界地质灾害图像,从所述多张临界地质灾害图像中分别提取影响灾害体运动的滑坡体的所述特征数据,计算滑坡体的所述特征数据阈值。
具体地,本发明实施例中,滑坡体的一个特征数据阈值的计算方法为:将从多张临界地质灾害图像中分别提取的所述特征数据进行比对,取所有特征数据的算术平均值作为所述特征数据的阈值;或者若所有特征数据中相同的特征数据为两个或两个以上,则将所述相同的特征数据作为特征数据的阈值;或者从所有特征数据中相近的特征数据中选取任意一个作为特征数据的阈值。
该步骤中,利用整理后的归类的灾害图像大数据库,进行临界关键维度的提取。比如滑坡灾情的整个渐变过程中,图像中的坡度变化、土壤变化、监测设备的位移变化、树木植被的位移变化,等等。在对各种地形条件下、天气条件下、人为因素条件下的大数据运算得到各个临界关键维度的具体特征数据变化曲线和特征数据阈值。并且每个曲线和阈值同时记录相应地形结构的地形数据、天气数据等。形成一个多维度的灾情发生的数据链条。
具体地,本发明实施例中,例如选取某一区域相同或近似天气且相同或近似地形下5个灾害体的5张临界地质灾害图像,从该5张临界地质灾害图像中提取影响灾害体运动的滑坡体的特征数据,包括坡度变化和监测设备位移的特征数据,分别计算坡度变化和监测设备位移的阈值。
阈值计算方法根据实际需要确定,例如本实施例中5张临界地质灾害图像中的坡度变化值分别为:10.3°、20.0°、20.5°、20.8°、31.2°,可以选取相近似的20.0°、20.5°、20.8°中的任意一个作为坡度变化阈值。
本实施例中5张临界地质灾害图像中的监测设备位移分别为:2.1m、2.4m、2.8m、2.3m、2.9m,可以选取5个数据的算术平均值作为监测设备位移的阈值。
步骤(三)、根据所述临界关键维度和所述滑坡体的特征数据阈值形成临界地质灾害图像数据库。
具体地,本发明实施例中临界地质灾害图像数据库的形式为:
H={h1:(E1....Em,X1....Xn);h2:(E2....E2m,X2....X2n)...hi:(Ei....Eim,Xi....Xin)}
其中:H代表临界地质灾害图像数据库;
hi代表第i种滑坡发生的情况;
Ei....Eim代表第i种区域的特征数据;
Xi....Xin代表第i种滑坡体的特征数据。
因为同一区域选取多张图像,因此对于同一区域,Ei....Eim不变的情况下,可有多个Xi....Xin,即图像数据库中存在多个hi,确定的滑坡体的特征数据阈值可能是其中的某个滑坡体的特征数据,也可能是计算出来的算术平均值。
根据计算得到的各种灾害发生的滑坡体的特征数据,保存为一个灾害临界图像大数据库。具体数据库可以采用NoSQL数据库,因为数据量会很大。并且当有新的某个灾害的图像信息输入的时候,这个灾害的所有滑坡体的特征数据要重新计算一遍,这个时候关键维度和阈值相应的发生变化。这样就形成了一个闭环的基于图像大数据进行灾害监测的大数据库,以供后面对现场灾害监测中的实时图像数据对比使用。
步骤(四)、将不同区域的地质图像与所述临界地质灾害图像数据库中对应的滑坡体的特征数据阈值进行比对,判断是否进行地质灾害预警。
将不同区域的地质图像与所述临界地质灾害图像数据库中对应的滑坡体的特征数据阈值进行比对,根据超出滑坡体的特征数据阈值的特征数据个数进行分级预警。
具体地,本发明实施例中,例如若滑坡体的特征数据为8个,分为三级预警,超出对应的滑坡体的特征数据阈值的特征数据个数为1个,则进行蓝色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为2~5个,则进行黄色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为5个以上,则进行红色地质灾害预警。
通过视频采集设备或者倾斜摄影采集到的实时图像数据和临界图像大数据库进行比对。比如滑坡,通过常用的视频采集设备可以实时性的保存现场图像,通过专业的图像处理软件,提取需要判断地区的图像中的各种物理数据,组成一个临时的特征数据组合,要输入现场的地形数据和天气数据。比如hx:(Ex,Px,Xx1....Xxn)(Ex代表天气数据,Px代表地形数据),就可以在灾害临界图像大数据库中的数据进行不同区域的特征数据(key值,例如地形、天气)的匹配和滑坡体的特征数据的比对。如果滑坡体的特征数据超过阈值,则说明图像中关键维度的数据发生严重的变化,现场发生灾害的可能性非常大。
通过实时性的图像关键数据的比对,超过阈值的情况下发出预警预报。如滑坡上述的hx:(Ex,Px,Xx1....Xxn),在图像数据库中寻找与Ex,Px匹配的hi,在Ex,Px与hi中Ei....Eim匹配的情况下,若Xxi超出阈值,发出预警预报,比如报警指示灯、语音广播或短信等。
如图2所示为本发明基于图像识别的地质灾害监测预警系统结构示意图,由图可知本发明监测预警系统包括临界地质灾害图像选取模块、临界关键维度提取模块、图像数据库、阈值获取模块和灾害预警模块。
临界地质灾害图像选取模块:从不同区域发生的地质灾害图像中选取临界地质灾害图像,并将所述临界地质灾害图像发送给临界关键维度提取模块。其中每一个区域中可以选取多个灾害体的多张临界地质灾害图像。
临界关键维度提取模块,接收临界地质灾害图像选取模块发送的所述临界地质灾害图像,从所述临界地质灾害图像中提取影响灾害体运动的临界关键维度,并将所述临界关键维度存入图像数据库,同时发送给阈值获取模块;所述临界关键维度包括从临界地质灾害图像中提取的不同区域的特征数据和对应的滑坡体的特征数据;
具体地,本发明实施例中,不同区域的特征数据包括不同区域的地形数据、天气数据或水文数据。滑坡体的特征数据包括坡度变化、土壤变化、监测设备位移或植被变化。
图像数据库,用于存储临界关键维度和滑坡体的特征数据阈值。
具体地,本发明实施例中临界地质灾害图像数据库的形式为:
H={h1:(E1....Em,X1....Xn);h2:(E2....E2m,X2....X2n)...hi:(Ei....Eim,Xi....Xin)}
其中:H代表临界地质灾害图像数据库;
hi代表第i种滑坡发生的情况;
Ei....Eim代表第i种区域的特征数据;
Xi....Xin代表第i种滑坡体的特征数据。
阈值获取模块,接收临界关键维度提取模块发送的所述临界关键维度,得到滑坡体的特征数据阈值,存入图像数据库。
具体地,本发明实施例中,其中一个区域的特征数据对应的滑坡体的一个特征数据阈值的获得方法为:从所述区域选取多个灾害体的多张临界地质灾害图像,从所述多张临界地质灾害图像中分别提取影响灾害体运动的滑坡体的所述特征数据,计算滑坡体的所述特征数据阈值。
具体地,本发明实施例中,滑坡体的一个特征数据阈值的计算方法为:将从多张临界地质灾害图像中分别提取的所述特征数据进行比对,取所有特征数据的算术平均值作为所述特征数据的阈值;或者若所有特征数据中相同的特征数据为两个或两个以上,则将所述相同的特征数据作为特征数据的阈值;或者从所有特征数据中相近的特征数据中选取任意一个作为特征数据的阈值。
灾害预警模块,将不同区域的地质图像与图像数据库中对应的滑坡体的特征数据阈值进行比对,判断是否进行地质灾害预警。
将不同区域的地质图像与所述临界地质灾害图像数据库中对应的滑坡体的特征数据阈值进行比对,根据超出滑坡体的特征数据阈值的特征数据个数进行分级预警。
具体地,本发明实施例中,若滑坡体的特征数据为8,分为三级预警,超出对应的滑坡体的特征数据阈值的特征数据个数为1个,则进行蓝色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为2~5个,则进行黄色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为5个以上,则进行红色地质灾害预警。
以上所述,仅为本发明最佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (10)
1.一种基于图像识别的地质灾害监测预警方法,其特征在于:包括:
从不同区域发生的地质灾害图像中选取临界地质灾害图像;
从所述临界地质灾害图像中提取影响灾害体运动的临界关键维度,所述临界关键维度包括从临界地质灾害图像中提取的不同区域的特征数据和对应的滑坡体的特征数据,进一步得到滑坡体的特征数据阈值;
根据所述临界关键维度和所述滑坡体的特征数据阈值形成临界地质灾害图像数据库;
将不同区域的地质图像与所述临界地质灾害图像数据库中对应的滑坡体的特征数据阈值进行比对,判断是否进行地质灾害预警;
所述滑坡体的特征数据包括坡度变化、土壤变化、监测设备位移或植被变化。
2.根据权利要求1所述的基于图像识别的地质灾害监测预警方法,其特征在于:所述不同区域的特征数据包括不同区域的地形数据、天气数据或水文数据。
3.根据权利要求1所述的基于图像识别的地质灾害监测预警方法,其特征在于:其中每一个区域中选取多个灾害体的多张临界地质灾害图像;所述临界地质灾害图像为地质灾害发生时刻的地质灾害图像。
4.根据权利要求3所述的基于图像识别的地质灾害监测预警方法,其特征在于:其中一个区域的特征数据对应的滑坡体的一个特征数据阈值的获得方法为:从所述区域选取多个灾害体的多张临界地质灾害图像,从所述多张临界地质灾害图像中分别提取影响灾害体运动的滑坡体的所述特征数据,计算滑坡体的所述特征数据阈值。
5.根据权利要求4所述的基于图像识别的地质灾害监测预警方法,其特征在于:所述滑坡体的一个特征数据阈值的计算方法为:将从多张临界地质灾害图像中分别提取的所述特征数据进行比对,取所有特征数据的算术平均值作为所述特征数据的阈值;或者若所有特征数据中相同的特征数据为两个或两个以上,则将所述相同的特征数据作为特征数据的阈值;或者从所有特征数据中相近的特征数据中选取任意一个作为特征数据的阈值。
6.根据权利要求1~5之一所述的基于图像识别的地质灾害监测预警方法,其特征在于:所述临界地质灾害图像数据库的形式为:
H={h1:(E1....Em,X1....Xn);h2:(E2....E2m,X2....X2n)...hi:(Ei....Eim,Xi....Xin)}
其中:H代表临界地质灾害图像数据库;
hi代表第i种滑坡发生的情况;
Ei....Eim代表第i种区域的特征数据;
Xi....Xin代表第i种滑坡体的特征数据。
7.根据权利要求1~5之一所述的基于图像识别的地质灾害监测预警方法,其特征在于:将不同区域的地质图像与所述临界地质灾害图像数据库中对应的滑坡体的特征数据阈值进行比对,根据超出滑坡体的特征数据阈值的特征数据个数进行分级预警。
8.根据权利要求7所述的基于图像识别的地质灾害监测预警方法,其特征在于:若滑坡体的特征数据为8个,分为三级预警,超出对应的滑坡体的特征数据阈值的特征数据个数为1个,则进行蓝色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为2~5个,则进行黄色地质灾害预警,超出对应的滑坡体的特征数据阈值的特征数据个数为5个以上,则进行红色地质灾害预警。
9.一种基于图像识别的地质灾害监测预警系统,其特征在于:包括临界地质灾害图像选取模块、临界关键维度提取模块、图像数据库、阈值获取模块和灾害预警模块,其中:
临界地质灾害图像选取模块:从不同区域发生的地质灾害图像中选取临界地质灾害图像,并将所述临界地质灾害图像发送给临界关键维度提取模块;
临界关键维度提取模块:接收临界地质灾害图像选取模块发送的所述临界地质灾害图像,从所述临界地质灾害图像中提取影响灾害体运动的临界关键维度,并将所述临界关键维度存入图像数据库,同时发送给阈值获取模块;所述临界关键维度包括从临界地质灾害图像中提取的不同区域的特征数据和对应的滑坡体的特征数据;
图像数据库:用于存储临界关键维度和滑坡体的特征数据阈值;
阈值获取模块:接收临界关键维度提取模块发送的所述临界关键维度,得到滑坡体的特征数据阈值,存入图像数据库;
灾害预警模块:将不同区域的地质图像与图像数据库中对应的滑坡体的特征数据阈值进行比对,判断是否进行地质灾害预警;
所述滑坡体的特征数据包括坡度变化、土壤变化、监测设备位移或植被变化。
10.根据权利要求9所述的基于图像识别的地质灾害监测预警系统,其特征在于:所述图像数据库存储临界关键维度的形式为:
H={h1:(E1....Em,X1....Xn);h2:(E2....E2m,X2....X2n)...hi:(Ei....Eim,Xi....Xin)}
其中:H代表临界地质灾害图像数据库;
hi代表第i种滑坡发生的情况;
Ei....Eim代表第i种区域的特征数据;
Xi....Xin代表第i种滑坡体的特征数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359058.3A CN108416985B (zh) | 2018-04-20 | 2018-04-20 | 一种基于图像识别的地质灾害监测预警系统及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810359058.3A CN108416985B (zh) | 2018-04-20 | 2018-04-20 | 一种基于图像识别的地质灾害监测预警系统及预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108416985A CN108416985A (zh) | 2018-08-17 |
CN108416985B true CN108416985B (zh) | 2020-06-09 |
Family
ID=63136152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810359058.3A Active CN108416985B (zh) | 2018-04-20 | 2018-04-20 | 一种基于图像识别的地质灾害监测预警系统及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416985B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584512A (zh) * | 2018-12-18 | 2019-04-05 | 成都理工大学 | 一种山地灾害预警方法及预警系统 |
CN109506625A (zh) * | 2018-12-26 | 2019-03-22 | 中国公路工程咨询集团有限公司 | 山体滑坡险情监测方法、系统及其影像数据获取装置 |
CN110880229B (zh) * | 2019-12-02 | 2022-04-12 | 北京深测科技有限公司 | 一种地质灾害监测预警方法和系统 |
CN111554076A (zh) * | 2020-05-26 | 2020-08-18 | 深知智能科技(金华)有限公司 | 一种去中心化的物联网报警信息处理方法及系统 |
CN112329583A (zh) * | 2020-10-29 | 2021-02-05 | 中水三立数据技术股份有限公司 | 一种基于图像识别的水污染监测预警系统及预警方法 |
CN112364802B (zh) * | 2020-11-19 | 2021-08-03 | 中国地质调查局水文地质环境地质调查中心 | 一种崩塌滑坡灾害体的变形监测方法 |
CN112669572B (zh) * | 2020-12-17 | 2023-07-04 | 四方智能(武汉)控制技术有限公司 | 一种用于江河流域库岸智能巡查的无人船系统 |
CN112802307B (zh) * | 2020-12-30 | 2023-04-28 | 中国地质调查局成都地质调查中心 | 一种用于地质勘察的地质监测预警方法及系统 |
CN114022765B (zh) * | 2021-11-03 | 2022-07-08 | 应急管理部国家自然灾害防治研究院 | 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 |
CN114783149A (zh) * | 2022-03-31 | 2022-07-22 | 北京智想北斗技术有限公司 | 一种基于大数据和图像识别的地质灾害监测预警方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844761A (zh) * | 2017-02-21 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 公路地质灾害多源信息监测预警装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102098495A (zh) * | 2010-11-30 | 2011-06-15 | 姬云东 | 基于图像识别技术的山体滑坡智能监控装置及其监控方法 |
CN104318103B (zh) * | 2014-10-23 | 2017-12-15 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡灾害监测预警降雨阈值判定方法 |
CN105741498A (zh) * | 2016-04-28 | 2016-07-06 | 成都理工大学 | 一种地质灾害监测与预警的方法和装置 |
CN107764192A (zh) * | 2017-11-30 | 2018-03-06 | 中国地质调查局水文地质环境地质调查中心 | 一种滑坡多点位移智能监测装置及监测方法 |
-
2018
- 2018-04-20 CN CN201810359058.3A patent/CN108416985B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844761A (zh) * | 2017-02-21 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 公路地质灾害多源信息监测预警装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108416985A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416985B (zh) | 一种基于图像识别的地质灾害监测预警系统及预警方法 | |
CN111582043B (zh) | 基于多任务学习的高分辨率遥感影像地物变化检测方法 | |
CN108765404B (zh) | 一种基于深度学习图像分类的道路破损检测方法及装置 | |
CN110929607A (zh) | 一种城市建筑物施工进度的遥感识别方法和系统 | |
CN114283469B (zh) | 一种基于改进YOLOv4-tiny的轻量型目标检测方法及系统 | |
CN110969142B (zh) | 一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法 | |
CN107563349A (zh) | 一种基于VGGNet的人数估计方法 | |
CN105719283A (zh) | 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法 | |
CN106844739B (zh) | 一种基于神经网络协同训练的遥感图像变化信息检索方法 | |
CN109948471A (zh) | 基于改进InceptionV4网络的交通雾霾能见度检测方法 | |
CN114783149A (zh) | 一种基于大数据和图像识别的地质灾害监测预警方法 | |
CN114898212B (zh) | 一种高分辨率遥感图像多地物变化信息提取方法 | |
CN114565313A (zh) | 一种地质灾害隐患判识以及分析评估方法及系统 | |
CN105243387A (zh) | 一种基于无人机影像的露天矿典型地物分类方法 | |
CN107369291A (zh) | 基于深度学习的高压线路防外力破坏预警系统及方法 | |
Le et al. | Weakly Labeling the Antarctic: The Penguin Colony Case. | |
CN115272826A (zh) | 一种基于卷积神经网络的图像识别方法、装置及系统 | |
CN116543165B (zh) | 一种基于双通道复合深度网络的遥感图像果树分割方法 | |
CN117171533A (zh) | 一种地理测绘作业数据实时采集处理方法及系统 | |
CN109190451B (zh) | 基于lfp特征的遥感图像车辆检测方法 | |
CN116612383A (zh) | 基于生成对抗网络数据扩充策略的滑坡识别方法及装置 | |
CN114708519B (zh) | 一种基于无人机遥感的麋鹿识别与形态轮廓参数提取方法 | |
CN116129327A (zh) | 一种基于改进YOLOv7算法的红外车辆检测方法 | |
CN115376079A (zh) | 一种高速公路两客一危车辆监管方法及系统 | |
CN111507423B (zh) | 输电线路通道清理的工程量测算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |