CN108805113B - 基于图像识别的基坑自动监测数据筛选方法及系统 - Google Patents
基于图像识别的基坑自动监测数据筛选方法及系统 Download PDFInfo
- Publication number
- CN108805113B CN108805113B CN201811167616.2A CN201811167616A CN108805113B CN 108805113 B CN108805113 B CN 108805113B CN 201811167616 A CN201811167616 A CN 201811167616A CN 108805113 B CN108805113 B CN 108805113B
- Authority
- CN
- China
- Prior art keywords
- value
- data
- accidental
- monitoring data
- doubtful
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012216 screening Methods 0.000 title claims abstract description 24
- 238000012806 monitoring device Methods 0.000 claims description 14
- 241001269238 Data Species 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000004069 differentiation Effects 0.000 abstract description 3
- 238000010348 incorporation Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了一种基于图像识别的基坑自动监测数据筛选方法及系统,本发明结合工程实际,提出了基于图像识别技术的基坑自动监测数据筛选方案,实现了低成本因素下突变数据的准确判别,通过该方法自动去除80%以上的无效数据,可大幅度提高自动数据的可读性、自动监测数据报警的有效性和自动监测数据分析的合理性。
Description
技术领域
本发明涉及一种基于图像识别的基坑自动监测数据筛选方法及系统。
背景技术
基坑支护体系和周边环境的监测一直是基坑施工质量控制的重要手段。随着自动化水平的提高,如何排除人为干扰成为自动监测进一步发展的主要瓶颈。
自动监测受到外部因素的影响很大,特别是在复杂的施工现场,人员、车辆、设备都会影响到敏感的传感器,造成数据突变,在高频监测时,会产生大量的无效数据,降低数据的可读性和有效性。
发明内容
本发明的目的在于提供一种基于图像识别的基坑自动监测数据筛选方法及系统,能够解决自动监测受到外部因素的影响很大,特别是在复杂的施工现场,人员、车辆、设备都会影响到敏感的传感器,造成数据突变,在高频监测时,会产生大量的无效数据,降低数据的可读性和有效性的问题。
为解决上述问题,本发明提供一种基于图像识别的基坑自动监测数据筛选方法,包括:
根据不同监测项目,预设监测数据值的变化速率的警戒范围;
自动监测到实际监测数据值的变化速率超出所述警戒范围时,获取发生变化速率超出所述警戒范围的实际监测数据值的时间点附近的对应视频图像;
识别所述时间点附近的对应视频图像是否存在变化,若是,将发生变化速率超出所述警戒范围的实际监测数据值标识为疑似突变数据;
定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据;
将所述准确数值用于后续数据统计分析,同时屏蔽所述突变数据。
进一步的,在上述方法中,所述监测数据值包括:测斜数据值、地表沉降数据值或支撑轴力数据值。
进一步的,在上述方法中,定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据,包括:
记录疑似突变数据的起始时间点,在后续获取的实际监测数据值出现回落时,自动捕捉疑似突变数据的数据值与实际监测数据值之间的波谷作为疑似突变数据的结束时间点,将所述起始时间点至结束时间点之间的时间段与预设时间阈值进行比对,若所述时间段长度小于所述预设时间阈值,则判定该时间段内的疑似突变数据为突变数据,并进行标记。
进一步的,在上述方法中,识别所述时间点附近的对应视频图像是否存在变化,包括:
从所述时间点附近的对应视频图像中按1帧/秒,连续截取8张图片;
将8张图片通过缩小尺寸来去除高频信息后,将去除高频信息的8张图片压缩为横向和纵向像素相同的标准尺寸;
将标准尺寸的8张图片转换为灰度图像;
确定每张图像中监测设备所在的像素区域,将所述监测设备所在的像素区域周围像素作为受干扰区域,将所述受干扰区域的四个对角像素作为四个参照系;
计算所述8张图片中的受干扰区域的灰度值变化率;
当计算得到的受干扰区域的灰度值变化率,高于四个参照系中灰度值变化率中的最小的一个时,并且计算得到的受干扰区域灰度值变化率是处于预设的灰度值变化率的上下限区间内,则判定所述时间点附近存在突变数据。
进一步的,在上述方法中,所述受干扰区域的灰度值变化率计算公式如下:
其中,n=1~8秒。
根据本发明的另一面,提供一种基于图像识别的基坑自动监测数据筛选系统,包括:
第一装置,用于根据不同监测项目,预设监测数据值的变化速率的警戒范围;
第二装置,用于自动监测到实际监测数据值的变化速率超出所述警戒范围时,获取发生变化速率超出所述警戒范围的实际监测数据值的时间点附近的对应视频图像;
第三装置,用于识别所述时间点附近的对应视频图像是否存在变化,若是,将发生变化速率超出所述警戒范围的实际监测数据值标识为疑似突变数据;
第四装置,用于定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据;
第五装置,用于将所述准确数值用于后续数据统计分析,同时屏蔽所述突变数据。
进一步的,在上述系统中,所述监测数据值包括:测斜数据值、地表沉降数据值或支撑轴力数据值。
进一步的,在上述系统中,所述第四装置,用于记录疑似突变数据的起始时间点,在后续获取的实际监测数据值出现回落时,自动捕捉疑似突变数据的数据值与实际监测数据值之间的波谷作为疑似突变数据的结束时间点,将所述起始时间点至结束时间点之间的时间段与预设时间阈值进行比对,若所述时间段长度小于所述预设时间阈值,则判定该时间段内的疑似突变数据为突变数据,并进行标记。
进一步的,在上述系统中,所述第三装置,用于从所述时间点附近的对应视频图像中按1帧/秒,连续截取8张图片;将8张图片通过缩小尺寸来去除高频信息后,将去除高频信息的8张图片压缩为横向和纵向像素相同的标准尺寸;将标准尺寸的8张图片转换为灰度图像;确定每张图像中监测设备所在的像素区域,将所述监测设备所在的像素区域周围像素作为受干扰区域,将所述受干扰区域的四个对角像素作为四个参照系;计算所述8张图片中的受干扰区域的灰度值变化率;当计算得到的受干扰区域的灰度值变化率,高于四个参照系中灰度值变化率中的最小的一个时,并且计算得到的受干扰区域灰度值变化率是处于预设的灰度值变化率的上下限区间内,则判定所述时间点附近存在突变数据。
进一步的,在上述系统中,所述受干扰区域的灰度值变化率计算公式如下:
其中,n=1~8秒。
与现有技术相比,本发明结合工程实际,提出了基于图像识别技术的基坑自动监测数据筛选方案,实现了低成本因素下突变数据的准确判别,通过该方法自动去除80%以上的无效数据,可大幅度提高自动数据的可读性、自动监测数据报警的有效性和自动监测数据分析的合理性。
附图说明
图1是本发明一实施例的基于图像识别的基坑自动监测数据筛选方法的流程图;
图2是本发明一实施例的突变数据示意图;
图3是本发明一实施例的8*8像素图像布局示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供一种基于图像识别的基坑自动监测数据筛选方法,包括:
步骤S1,根据不同监测项目,预设监测数据值的变化速率的警戒范围;
在此,所述监测数据值变化速率的警戒范围可能随着施工推进发生变化,所述监测数据值可以包括测斜数据值、地表沉降数据值或支撑轴力数据值等工程数据;
步骤S2,当自动监测到实际监测数据值的变化速率超出所述警戒范围时,获取发生变化速率超出所述警戒范围的实际监测数据值的时间点附近的对应视频图像;
在此,当自动监测到实际监测数据值变化速率超出所述警戒范围时,触发图像识别;
步骤S3,识别所述时间点附近的对应视频图像是否存在变化,若是,将发生变化速率超出所述警戒范围的实际监测数据值标识为疑似突变数据;
步骤S4,定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据;
在此,如图2所示,中间一段波峰疑似突变数据即被判定为外部人为影响造成的突变数据;
步骤S5,将所述准确数值用于后续数据统计分析,同时屏蔽所述突变数据。
在此,用户在后续数据分析功能,例如报警短信提示、数据汇总、数据曲线绘制等功能中,根据需要自行决定是否屏蔽这部分监测数据。
本发明结合工程实际,提出了基于图像识别技术的基坑自动监测数据筛选方案,实现了低成本因素下突变数据的准确判别,通过该方法自动去除80%以上的无效数据,可大幅度提高自动数据的可读性、自动监测数据报警的有效性和自动监测数据分析的合理性。
本发明的基于图像识别的基坑自动监测数据筛选方法一实施例中,步骤S4,定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据,包括:
记录疑似突变数据的起始时间点,在后续获取的实际监测数据值出现回落时,自动捕捉疑似突变数据的数据值与实际监测数据值之间的波谷作为疑似突变数据的结束时间点,将所述起始时间点至结束时间点之间的时间段与预设时间阈值进行比对,若所述时间段长度小于所述预设时间阈值,则判定该时间段内的疑似突变数据为突变数据,并进行标记。
在此,从流程图可见,自动数据监测的数值判定算法是整个数据筛选算法的起始,当发生数值超标时,触发分支算法(步骤S3)——视频图像识别,这个分支根据图像比对来判断是否存在人为因素干扰,并将判定结果传递到主算法(步骤S4)。当疑似突变数据判定成立时,记录疑似突变数据的起始时间点,在后续获取的实际监测数据值出现回落时,自动捕捉疑似突变数据的数据值与实际监测数据值之间的波谷作为疑似突变数据的结束时间点,将所述起始时间点至结束时间点之间的时间段与预设时间阈值进行比对(一般设为5分钟,可根据施工现场管理需要调整),若所述时间段长度小于所述预设时间阈值,则判定该时间段内的疑似突变数据为突变数据,并进行标记。
本发明的基于图像识别的基坑自动监测数据筛选方法一实施例中,步骤S3,识别所述时间点附近的对应视频图像是否存在变化,包括:
步骤S31,从所述时间点附近的对应视频图像中按1帧/秒,连续截取8张图片;
在此,把需要分析的视频段落,进行画面截取,按1帧/秒,获得8张图片;
步骤S32,将8张图片通过缩小尺寸来去除高频信息后,将去除高频信息的8张图片压缩为横向和纵向像素相同的标准尺寸;
在此,把8张图片,通过缩小尺寸来去除高频信息,因为最终分析结果取决于单位区域灰度变化的分析,因此图像的尺寸、纵横比,并不影响分析的结果,将图片压缩至8*8或者12*12像素的标准尺寸(单个项目中,一旦选定压缩比,就不再变化;压缩比与摄像头安装位置、拍摄范围有关),不保留纵横比,摈弃图片尺寸差异;
步骤S33,将标准尺寸的8张图片转换为灰度图像;
在此,可以将压缩后的8张图片分别转换,获得8张分别为64像素或144像素的灰度图像;
步骤S34,确定每张图像中监测设备所在的像素区域,将所述监测设备所在的像素区域周围像素作为受干扰区域,将所述受干扰区域的四个对角像素作为四个参照系;
在此,如图3所示,假设5-5为监测设备所在区域,5-5和与其相邻的8个像素4-4、4-5、4-6、5-4、5-6、6-4、6-5、6-6构成监测设备的受干扰区域,所述受干扰区域的四个对角像素3-3、3-7、7-3、7-7为参照系;
步骤S35,计算所述8张图片中的受干扰区域的灰度值变化率,一实施例中,所述受干扰区域的灰度值变化率计算公式如下:
其中,n=1~8秒;
步骤S35,当计算得到的受干扰区域的灰度值变化率,高于四个参照系中灰度值变化率中的最小的一个时,并且计算得到的受干扰区域灰度值变化率是处于预设的灰度值变化率的上下限区间内,则判定所述时间点附近存在突变数据。
在此,在图像处理中,图像的频率代表了图像中各个区域灰度变化的剧烈程度,是灰度在平面空间上的变化梯度。如果把图片看成一个二维信号,一个维度是单元坐标,一个维度是单元灰度,可以发现灰度变化剧烈的区域,一般称之为图像的高频成分,正是对象的边缘区域,它描述的是对象的具体细节;而图像的低频区域则描述图像的整体框架。显然,灰度转化是将高维图像数据进行简化的最有效的方式之一。
当计算得到的受干扰区域灰度值变化率,高于四个参照系中灰度值变化率中的最小的一个时,即判定干扰区域内可能存在干扰因素,并设定为条件A。
在施工现场,会选定不同的光照强度,对人员或设备进入干扰区域后,灰度值变化率进行预测,选择3~10组历史数据进行分析,得出一个灰度值变化率的上下限区间,并将灰度值变化率处于该区间内设定为条件B。
当条件A、B同时成立,即判定为人员、车辆或其它设备进入干扰区域,可能存在突变数据。
本发明还提供另一种基于图像识别的基坑自动监测数据筛选系统,包括:
第一装置,用于根据不同监测项目,预设监测数据值的变化速率的警戒范围;
第二装置,用于自动监测到实际监测数据值的变化速率超出所述警戒范围时,获取发生变化速率超出所述警戒范围的实际监测数据值的时间点附近的对应视频图像;
第三装置,用于识别所述时间点附近的对应视频图像是否存在变化,若是,将发生变化速率超出所述警戒范围的实际监测数据值标识为疑似突变数据;
第四装置,用于定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据;
第五装置,用于将所述准确数值用于后续数据统计分析,同时屏蔽所述突变数据。
进一步的,在上述系统中,所述监测数据值包括:测斜数据值、地表沉降数据值或支撑轴力数据值。
进一步的,在上述系统中,所述第四装置,用于记录疑似突变数据的起始时间点,在后续获取的实际监测数据值出现回落时,自动捕捉疑似突变数据的数据值与实际监测数据值之间的波谷作为疑似突变数据的结束时间点,将所述起始时间点至结束时间点之间的时间段与预设时间阈值进行比对,若所述时间段长度小于所述预设时间阈值,则判定该时间段内的疑似突变数据为突变数据,并进行标记。
进一步的,在上述系统中,所述第三装置,用于从所述时间点附近的对应视频图像中按1帧/秒,连续截取8张图片;将8张图片通过缩小尺寸来去除高频信息后,将去除高频信息的8张图片压缩为横向和纵向像素相同的标准尺寸;将标准尺寸的8张图片转换为灰度图像;确定每张图像中监测设备所在的像素区域,将所述监测设备所在的像素区域周围像素作为受干扰区域,将所述受干扰区域的四个对角像素作为四个参照系;计算所述8张图片中的受干扰区域的灰度值变化率;当计算得到的受干扰区域的灰度值变化率,高于四个参照系中灰度值变化率中的最小的一个时,并且计算得到的受干扰区域灰度值变化率是处于预设的灰度值变化率的上下限区间内,则判定所述时间点附近存在突变数据。
进一步的,在上述系统中,所述受干扰区域的灰度值变化率计算公式如下:
其中,n=1~8秒。
上述各系统实施例的详细内容,具体可参见各方法实施例的对应部分,在此,不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应人为超出本发明的范围。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (8)
1.一种基于图像识别的基坑自动监测数据筛选方法,其特征在于,包括:
根据不同监测项目,预设监测数据值的变化速率的警戒范围;
自动监测到实际监测数据值的变化速率超出所述警戒范围时,获取发生变化速率超出所述警戒范围的实际监测数据值的时间点附近的对应视频图像;
识别所述时间点附近的对应视频图像是否存在变化,若是,将发生变化速率超出所述警戒范围的实际监测数据值标识为疑似突变数据;
定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据;
将所述准确数值用于后续数据统计分析,同时屏蔽所述突变数据,其中,
定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据,包括:
记录疑似突变数据的起始时间点,在后续获取的实际监测数据值出现回落时,自动捕捉疑似突变数据的数据值与实际监测数据值之间的波谷作为疑似突变数据的结束时间点,将所述起始时间点至结束时间点之间的时间段与预设时间阈值进行比对,若时间段长度小于所述预设时间阈值,则判定该时间段内的疑似突变数据为突变数据,并进行标记。
2.如权利要求1所述的基于图像识别的基坑自动监测数据筛选方法,其特征在于,所述监测数据值包括:测斜数据值、地表沉降数据值或支撑轴力数据值。
3.如权利要求1所述的基于图像识别的基坑自动监测数据筛选方法,其特征在于,识别所述时间点附近的对应视频图像是否存在变化,包括:
从所述时间点附近的对应视频图像中按1帧/秒,连续截取8张图片;
将8张图片通过缩小尺寸来去除高频信息后,将去除高频信息的8张图片压缩为横向和纵向像素相同的标准尺寸;
将标准尺寸的8张图片转换为灰度图像;
确定每张图像中监测设备所在的像素区域,将所述监测设备所在的像素区域周围像素作为受干扰区域,将所述受干扰区域的四个对角像素作为四个参照系;
计算所述8张图片中的受干扰区域的灰度变化率值;
当计算得到的受干扰区域的灰度变化率值,高于四个参照系中灰度值变化率中的最小的一个时,并且计算得到的受干扰区域灰度变化率值是处于预设的灰度值变化率的上下限区间内,则判定所述时间点附近存在突变数据。
4.如权利要求3所述的基于图像识别的基坑自动监测数据筛选方法,其特征在于,所述受干扰区域的灰度变化率值计算公式如下:
其中,n=1~8秒。
5.一种基于图像识别的基坑自动监测数据筛选系统,其特征在于,包括:
第一装置,用于根据不同监测项目,预设监测数据值的变化速率的警戒范围;
第二装置,用于自动监测到实际监测数据值的变化速率超出所述警戒范围时,获取发生变化速率超出所述警戒范围的实际监测数据值的时间点附近的对应视频图像;
第三装置,用于识别所述时间点附近的对应视频图像是否存在变化,若是,将发生变化速率超出所述警戒范围的实际监测数据值标识为疑似突变数据;
第四装置,用于定时比对疑似突变数据和后续获取的实际监测数据值,若后续获取的实际监测数据值与所述疑似突变数据的数据值相比产生回落,则将回落后的实际监测数据值作为准确数值,把所述疑似突变数据确定为突变数据,其中,所述第四装置,用于记录疑似突变数据的起始时间点,在后续获取的实际监测数据值出现回落时,自动捕捉疑似突变数据的数据值与实际监测数据值之间的波谷作为疑似突变数据的结束时间点,将所述起始时间点至结束时间点之间的时间段与预设时间阈值进行比对,若时间段长度小于所述预设时间阈值,则判定该时间段内的疑似突变数据为突变数据,并进行标记;
第五装置,用于将所述准确数值用于后续数据统计分析,同时屏蔽所述突变数据。
6.如权利要求5所述的基于图像识别的基坑自动监测数据筛选系统,其特征在于,所述监测数据值包括:测斜数据值、地表沉降数据值或支撑轴力数据值。
7.如权利要求5所述的基于图像识别的基坑自动监测数据筛选系统,其特征在于,所述第三装置,用于从所述时间点附近的对应视频图像中按1帧/秒,连续截取8张图片;将8张图片通过缩小尺寸来去除高频信息后,将去除高频信息的8张图片压缩为横向和纵向像素相同的标准尺寸;将标准尺寸的8张图片转换为灰度图像;确定每张图像中监测设备所在的像素区域,将所述监测设备所在的像素区域周围像素作为受干扰区域,将所述受干扰区域的四个对角像素作为四个参照系;计算所述8张图片中的受干扰区域的灰度变化率值;当计算得到的受干扰区域的灰度变化率值,高于四个参照系中灰度值变化率中的最小的一个时,并且计算得到的受干扰区域灰度变化率值是处于预设的灰度值变化率的上下限区间内,则判定所述时间点附近存在突变数据。
8.如权利要求7所述的基于图像识别的基坑自动监测数据筛选系统,其特征在于,所述受干扰区域的灰度变化率值计算公式如下:
其中,n=1~8秒。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811167616.2A CN108805113B (zh) | 2018-10-08 | 2018-10-08 | 基于图像识别的基坑自动监测数据筛选方法及系统 |
PCT/CN2019/092625 WO2020073686A1 (zh) | 2018-10-08 | 2019-06-25 | 基于图像识别的基坑自动监测数据筛选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811167616.2A CN108805113B (zh) | 2018-10-08 | 2018-10-08 | 基于图像识别的基坑自动监测数据筛选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805113A CN108805113A (zh) | 2018-11-13 |
CN108805113B true CN108805113B (zh) | 2019-01-01 |
Family
ID=64082281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811167616.2A Active CN108805113B (zh) | 2018-10-08 | 2018-10-08 | 基于图像识别的基坑自动监测数据筛选方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108805113B (zh) |
WO (1) | WO2020073686A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805113B (zh) * | 2018-10-08 | 2019-01-01 | 上海建工集团股份有限公司 | 基于图像识别的基坑自动监测数据筛选方法及系统 |
CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
CN111710042B (zh) * | 2020-06-17 | 2020-12-22 | 广东水电二局股份有限公司 | 一种基于倾斜影像的基坑施工桩排列方法 |
CN112502162B (zh) * | 2020-12-01 | 2022-02-15 | 华中科技大学 | 一种地铁车站深基坑钢支撑架设及时性预警系统及方法 |
CN113945238A (zh) * | 2021-09-07 | 2022-01-18 | 深圳宏业基岩土科技股份有限公司 | 深大基坑无线智能化监测系统 |
CN114049035B (zh) * | 2021-11-24 | 2022-09-16 | 深圳市领志光机电自动化系统有限公司 | 一种基于互联网的自动点胶监测系统及方法 |
CN114627316B (zh) * | 2022-03-21 | 2022-11-25 | 江苏新之阳新能源科技有限公司 | 基于人工智能的液压系统漏油检测方法 |
CN115167212B (zh) * | 2022-07-13 | 2023-09-26 | 中交第三航务工程局有限公司 | 基于监测平台的基坑动态施工控制系统及方法 |
CN115081957B (zh) * | 2022-08-18 | 2022-11-15 | 山东超华环保智能装备有限公司 | 一种危废暂存及监测的危废管理平台 |
CN116109213B (zh) * | 2023-04-12 | 2023-07-21 | 江西通慧科技集团股份有限公司 | 应用于施工场景下的项目安全巡检方法、系统及电子设备 |
CN116502897B (zh) * | 2023-06-26 | 2023-10-27 | 中兴软件技术(南昌)有限公司 | 一种基于图像识别的基建安全监控方法及系统 |
CN117711127A (zh) * | 2023-11-08 | 2024-03-15 | 金舟消防工程(北京)股份有限公司 | 一种消防安全监管方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101775454A (zh) * | 2010-01-19 | 2010-07-14 | 北京首钢自动化信息技术有限公司 | 一种高炉风口漏损监测报警系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9365162B2 (en) * | 2012-08-20 | 2016-06-14 | Magna Electronics Inc. | Method of obtaining data relating to a driver assistance system of a vehicle |
US9438868B2 (en) * | 2014-02-13 | 2016-09-06 | Semiconductor Components Industries, Llc | Adaptive image sensor systems and methods |
CN105908691B (zh) * | 2016-06-14 | 2018-10-02 | 上海宏信设备工程有限公司 | 一种实时监测基坑水平变形的方法及系统 |
CN206635738U (zh) * | 2017-03-10 | 2017-11-14 | 深圳市道桥维修中心桥梁检测站 | 一种基坑实时监测系统 |
CN107784471B (zh) * | 2017-10-27 | 2019-06-25 | 北京戴纳实验科技有限公司 | 一种对危险品进行监控监测的方法 |
CN108805113B (zh) * | 2018-10-08 | 2019-01-01 | 上海建工集团股份有限公司 | 基于图像识别的基坑自动监测数据筛选方法及系统 |
-
2018
- 2018-10-08 CN CN201811167616.2A patent/CN108805113B/zh active Active
-
2019
- 2019-06-25 WO PCT/CN2019/092625 patent/WO2020073686A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101775454A (zh) * | 2010-01-19 | 2010-07-14 | 北京首钢自动化信息技术有限公司 | 一种高炉风口漏损监测报警系统 |
Non-Patent Citations (1)
Title |
---|
交联电缆偏心监测的新方法;刘亚春等;《核电子学与探测技术》;20120930;第32卷(第9期);1216-1220 |
Also Published As
Publication number | Publication date |
---|---|
WO2020073686A1 (zh) | 2020-04-16 |
CN108805113A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805113B (zh) | 基于图像识别的基坑自动监测数据筛选方法及系统 | |
US9258531B2 (en) | System and method for video-quality enhancement | |
KR101830679B1 (ko) | 표시 패널 검사 장치 및 그 방법 | |
CN105791709A (zh) | 带有逆光补偿的自动曝光处理方法及装置 | |
US20200226723A1 (en) | Spike signal-based display method and system | |
CN109472261A (zh) | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 | |
CN105812618B (zh) | 一种运动检测方法及运动检测装置 | |
CN110086961A (zh) | 一种针对OLED屏的DeMURA算法 | |
CN108230412A (zh) | 一种红外图像压缩方法及装置 | |
CN108055486A (zh) | 一种亮度校正方法及装置 | |
JPH09293141A (ja) | 移動物体検出装置 | |
JP2007208513A (ja) | 画像位置ずれ検出装置および画像位置ずれ検出方法 | |
JP5015838B2 (ja) | 煙検出装置 | |
JPH08106534A (ja) | 移動物体検出装置 | |
JPH06308256A (ja) | 雲霧検出方法 | |
CN115631191A (zh) | 一种基于灰度特征和边缘检测的堵煤检测算法 | |
KR100615672B1 (ko) | Xy축 투영그래프를 이용한 화재 감시시스템 및 이를이용한 화재 감시방법과 화재 감시방법이 구현된 컴퓨터판독가능 기록매체 | |
CN111368596A (zh) | 人脸识别逆光补偿方法、装置、可读存储介质及设备 | |
CN109089032A (zh) | 一种烟雾视觉成像装置 | |
JP5339070B2 (ja) | 変位量測定装置及び同測定方法 | |
JP3532769B2 (ja) | 画像監視装置 | |
JP4675501B2 (ja) | メーター監視システム、メーター監視方法 | |
JP6155106B2 (ja) | 画像センサ | |
CN108168375B (zh) | 一种报靶方法及装置 | |
CN114038443B (zh) | 亮度调节方法及相关装置 |
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 |