CN108961305A - 一种基于图像识别的海浪爬坡监测方法 - Google Patents
一种基于图像识别的海浪爬坡监测方法 Download PDFInfo
- Publication number
- CN108961305A CN108961305A CN201810727510.7A CN201810727510A CN108961305A CN 108961305 A CN108961305 A CN 108961305A CN 201810727510 A CN201810727510 A CN 201810727510A CN 108961305 A CN108961305 A CN 108961305A
- Authority
- CN
- China
- Prior art keywords
- wave
- video flowing
- coastline
- point
- flowing picture
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像识别的海浪爬坡监测方法。通过网络摄像机设置预置点、采集预置点位置的视频流;设定识别区域遮罩,以及高斯滤波过滤噪点对视频流画面进行预处理;由视频流画面计算出海岸线的灭点,同时在视频流画面上画出基准线并且在基准线上画出标定的刻度;使用高斯混合模型对视频流画面进行背景建模,提取海浪前景,利用斑点跟踪定位出海浪位置坐标;以海岸线灭点和海浪位置坐标作直线与基准线相交,得到交点,由所得交点根据海岸位置确定当前海浪爬坡高度位置坐标;根据视频流画面中当前海浪爬坡高度位置坐标换算成实际的海浪爬坡高度。本发明利用已建摄像头及简易水尺,工程改造量小;算法准确性及可靠性强;无需额外的硬件维护。
Description
技术领域
本发明涉及计算机图像识别技术领域,具体为一种基于图像识别的海浪爬坡监测方法。
背景技术
现有的海浪监测方法安装实施复杂,应用场景不灵活。例如:需要在夜间和探照灯结合起来;测量方式需要在海上设立多个浮标,跟踪浮标位置的变化;
与现阶段产品对比,本发明是非接触式海浪爬坡测算方法,使用的设备是摄像头,利用已建设的摄像头,通过图像视频识别技术定位出海浪的位置,在后台中标定具体海岸的高度即可直接换算成海浪的高度。具有工程改造量小,不需要额外的硬件负担,基本上无需维护。
发明内容
本发明的目的在于提供一种基于图像识别的海浪爬坡监测方法,利用已建摄像头及简易水尺,工程改造量小;算法准确性及可靠性强;无需额外的硬件维护。
为实现上述目的,本发明的技术方案是:一种基于图像识别的海浪爬坡监测方法,包括如下步骤:
步骤S1、通过网络摄像机设置预置点、采集预置点位置的视频流;
步骤S2、设定识别区域遮罩,以及高斯滤波过滤噪点对视频流画面进行预处理;
步骤S3、由视频流画面计算出海岸线的灭点,同时在视频流画面上画出基准线并且在基准线上画出标定的刻度;
步骤S4、使用高斯混合模型对视频流画面进行背景建模,提取海浪前景,利用斑点跟踪定位出海浪位置坐标;
步骤S5、以海岸线灭点和海浪位置坐标作直线与基准线相交,得到交点,由所得交点根据海岸位置确定当前海浪爬坡高度位置坐标;
步骤S6、根据视频流画面中当前海浪爬坡高度位置坐标换算成实际的海浪爬坡高度。
在本发明一实施例中,所述步骤S2中,由视频流画面计算出海岸线的灭点的方式为:
以基准线为X轴,设第一海岸线的两个点(x1,y1)、(x2,y2),第二海岸线的两个点(x3,y3)、(x4,y4);
(1)若仅有第一海岸线垂直于X轴,根据透视原理,视频流画面近大远小,平行的直线最终会相交于一点即灭点,则海岸线的灭点坐标为X = x1,Y= (y3 - y4) * (X - x3) / (x3- x4) + y3;同理可得仅有第二海岸线垂直于X轴的海岸线的灭点坐标;
(2)若第一海岸线、第二海岸线均未垂直于X轴,斜率为k1、k2,截距为b1、b2:
k1=(y2-y1)/(x2-x1);b1= y1 - k1*x1;
k2=(y4-y3)/(x4-x3);b2= y3 - k2*x3;
然后通过k1X + b1 = k2X + b2,解出X,再代入第一海岸线、第二海岸线算出Y。
在本发明一实施例中,所述步骤S5中,由所得交点根据海岸位置确定当前海浪爬坡高度位置坐标的方式为:设基准线为X轴,若海岸位置在视频流画面中为左侧时,以所得交点坐标中x坐标最小的点为当前海浪爬坡高度位置;若海岸位置在视频流画面中为右侧时,以所得交点坐标中x坐标最大的点为当前海浪爬坡高度位置。
在本发明一实施例中,所述步骤S6中,根据视频流画面中当前海浪爬坡高度位置坐标换算成实际的海浪爬坡高度的计算公式为:
其中:k为视频流画面中的基准线各刻度的实际坐标值;
X为视频流画面中的基准线各刻度在视频流画面中的X坐标值;
X’为当前海浪爬坡高度位置的X坐标值。
相较于现有技术,本发明具有以下有益效果:本发明利用已建摄像头及简易水尺,工程改造量小;算法准确性及可靠性强(在夜晚通过红外补光也能较好的定位海浪);无需额外的硬件维护,不需要在海上设立多个浮标参照物,以及夜间无需探照灯补光。
附图说明
图1为本发明方法流程图。
图2为本发明实际海浪爬坡检测示意图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供了一种基于图像识别的海浪爬坡监测方法,包括如下步骤:
步骤S1、通过网络摄像机设置预置点、采集预置点位置的视频流;
步骤S2、设定识别区域遮罩,以及高斯滤波过滤噪点对视频流画面进行预处理;
步骤S3、由视频流画面计算出海岸线的灭点,同时在视频流画面上画出基准线并且在基准线上画出标定的刻度;
步骤S4、使用高斯混合模型对视频流画面进行背景建模,提取海浪前景,利用斑点跟踪定位出海浪位置坐标;
步骤S5、以海岸线灭点和海浪位置坐标作直线与基准线相交,得到交点,由所得交点根据海岸位置确定当前海浪爬坡高度位置坐标;
步骤S6、根据视频流画面中当前海浪爬坡高度位置坐标换算成实际的海浪爬坡高度。
所述步骤S2中,由视频流画面计算出海岸线的灭点的方式为:
以基准线为X轴,设第一海岸线的两个点(x1,y1)、(x2,y2),第二海岸线的两个点(x3,y3)、(x4,y4);
(1)若仅有第一海岸线垂直于X轴,根据透视原理,视频流画面近大远小,平行的直线最终会相交于一点即灭点,则海岸线的灭点坐标为X = x1,Y= (y3 - y4) * (X - x3) / (x3- x4) + y3;同理可得仅有第二海岸线垂直于X轴的海岸线的灭点坐标;
(2)若第一海岸线、第二海岸线均未垂直于X轴,斜率为k1、k2,截距为b1、b2:
k1=(y2-y1)/(x2-x1);b1= y1 - k1*x1;
k2=(y4-y3)/(x4-x3);b2= y3 - k2*x3;
然后通过k1X + b1 = k2X + b2,解出X,再代入第一海岸线、第二海岸线算出Y。
所述步骤S5中,由所得交点根据海岸位置确定当前海浪爬坡高度位置坐标的方式为:设基准线为X轴,若海岸位置在视频流画面中为左侧时,以所得交点坐标中x坐标最小的点为当前海浪爬坡高度位置;若海岸位置在视频流画面中为右侧时,以所得交点坐标中x坐标最大的点为当前海浪爬坡高度位置。
所述步骤S6中,根据视频流画面中当前海浪爬坡高度位置坐标换算成实际的海浪爬坡高度的计算公式为:
其中:k为视频流画面中的基准线各刻度的实际坐标值;
X为视频流画面中的基准线各刻度在视频流画面中的X坐标值;
X’为当前海浪爬坡高度位置的X坐标值。
以下为本发明的具体实现过程。
本发明的基于图像识别的海浪爬坡监测方法,实现如下:
第一步:通过网络摄像机设置预置点、采集预置点位置的视频流
第二步:设定识别区域的遮罩,以及高斯滤波过滤噪点对画面进行预处理,防止其他因素的变化引起干扰,
第三步:在画面中标定出海岸高度的位置,如1米位置、2米位置、3米位置等。
以便最后图像处理后的海浪坐标换算成实际的爬坡高度;
第四步:在画面Y轴的中点画一条直线为基准线,以海岸线的灭点(根据透视原理近大远小,平行的直线最终会相交于一点)和标定的坐标为直线与基准线相交,得到的交点为基准线上的刻度。
其中利用首尾两条海岸直线求灭点的过程如下:
假设:海岸线1的两个点(x1,y1)、(x2,y2),海岸线2的两个点(x3,y3)、(x4,y4)
1、仅有一条直线垂直于x轴,X = x1 ; Y= (y3 - y4) * (X - x3) / (x3 - x4) +y3;
2、两条直线都没有垂直于x轴,斜率k1、k2都存在、截距 b1、b2:
k1=(y2-y1)/(x2-x1);b1= y1 - k1*x1 ;
k2=(y4-y3)/(x4-x3);b2= y3 - k2*x3 ;
然后让k1x + b1 = k2x + b2,解出X,再算出Y
第四步:使用高斯混合模型(Gaussian of Mixture Models, GMM)对背景建模,提取海浪出前景,对前景的画面进行形态学的开运算和闭运算、中值滤波去燥,利用斑点跟踪定位出海浪区域。取海浪区域的左边框的中点近似为海浪的x、y坐标。
第五步:根据前面求的灭点和海浪点的坐标,做直线和基准线相交。把这些交点进行按x值从小到大排序,取最小即最靠海岸线的坐标点为当前海浪爬坡高度的坐标。
第六步:依据第三步的标定值把X的坐标值换算成海浪实际爬坡的高度值。计算公式如下:
其中:k为视频流画面中的基准线各刻度的实际坐标值;如:k(1)的值为第二个点实际高度1米;
X为视频流画面中的基准线各刻度在视频流画面中的X坐标值;如:X(1)为第二个点在画面中的X坐标值;
X’为当前海浪爬坡高度位置的X坐标值。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (4)
1.一种基于图像识别的海浪爬坡监测方法,其特征在于,包括如下步骤:
步骤S1、通过网络摄像机设置预置点、采集预置点位置的视频流;
步骤S2、设定识别区域遮罩,以及高斯滤波过滤噪点对视频流画面进行预处理;
步骤S3、由视频流画面计算出海岸线的灭点,同时在视频流画面上画出基准线并且在基准线上画出标定的刻度;
步骤S4、使用高斯混合模型对视频流画面进行背景建模,提取海浪前景,利用斑点跟踪定位出海浪位置坐标;
步骤S5、以海岸线灭点和海浪位置坐标作直线与基准线相交,得到交点,由所得交点根据海岸位置确定当前海浪爬坡高度位置坐标;
步骤S6、根据视频流画面中当前海浪爬坡高度位置坐标换算成实际的海浪爬坡高度。
2.根据权利要求1所述的一种基于图像识别的海浪爬坡监测方法,其特征在于,所述步骤S2中,由视频流画面计算出海岸线的灭点的方式为:
以基准线为X轴,设第一海岸线的两个点(x1,y1)、(x2,y2),第二海岸线的两个点(x3,y3)、(x4,y4);
(1)若仅有第一海岸线垂直于X轴,根据透视原理,视频流画面近大远小,平行的直线最终会相交于一点即灭点,则海岸线的灭点坐标为X = x1,Y= (y3 - y4) * (X - x3) / (x3- x4) + y3;同理可得仅有第二海岸线垂直于X轴的海岸线的灭点坐标;
(2)若第一海岸线、第二海岸线均未垂直于X轴,斜率为k1、k2,截距为b1、b2:
k1=(y2-y1)/(x2-x1);b1= y1 - k1*x1;
k2=(y4-y3)/(x4-x3);b2= y3 - k2*x3;
然后通过k1X + b1 = k2X + b2,解出X,再代入第一海岸线、第二海岸线算出Y。
3.根据权利要求1所述的一种基于图像识别的海浪爬坡监测方法,其特征在于,所述步骤S5中,由所得交点根据海岸位置确定当前海浪爬坡高度位置坐标的方式为:设基准线为X轴,若海岸位置在视频流画面中为左侧时,以所得交点坐标中x坐标最小的点为当前海浪爬坡高度位置;若海岸位置在视频流画面中为右侧时,以所得交点坐标中x坐标最大的点为当前海浪爬坡高度位置。
4.根据权利要求2所述的一种基于图像识别的海浪爬坡监测方法,其特征在于,所述步骤S6中,根据视频流画面中当前海浪爬坡高度位置坐标换算成实际的海浪爬坡高度的计算公式为:
其中:k为视频流画面中的基准线各刻度的实际坐标值;
X为视频流画面中的基准线各刻度在视频流画面中的X坐标值;
X’为当前海浪爬坡高度位置的X坐标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810727510.7A CN108961305B (zh) | 2018-07-05 | 2018-07-05 | 一种基于图像识别的海浪爬坡监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810727510.7A CN108961305B (zh) | 2018-07-05 | 2018-07-05 | 一种基于图像识别的海浪爬坡监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961305A true CN108961305A (zh) | 2018-12-07 |
CN108961305B CN108961305B (zh) | 2021-04-27 |
Family
ID=64485807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810727510.7A Active CN108961305B (zh) | 2018-07-05 | 2018-07-05 | 一种基于图像识别的海浪爬坡监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961305B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390297A (zh) * | 2019-07-23 | 2019-10-29 | 华东师范大学 | 河口海岸水文地貌演变影像监测分析系统和方法 |
CN111583325A (zh) * | 2020-05-10 | 2020-08-25 | 上海大学 | 一种基于图像处理的无人艇检测海浪的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101382497A (zh) * | 2008-10-06 | 2009-03-11 | 南京大学 | 基于路况监控视频的能见度检测方法 |
CN101494772A (zh) * | 2009-02-13 | 2009-07-29 | 北京中星微电子有限公司 | 一种图像检测的方法及装置 |
CN104050669A (zh) * | 2014-06-18 | 2014-09-17 | 北京博思廷科技有限公司 | 一种基于灭点和单目相机成像原理的在线标定方法 |
CN204929112U (zh) * | 2015-03-17 | 2015-12-30 | 厦门奥普拓自控科技有限公司 | 一种层燃锅炉熄灭点监测视频系统的成像校准装置 |
CN107367310A (zh) * | 2017-07-11 | 2017-11-21 | 华南理工大学 | 一种基于计算机视觉的河流水位远程监测方法 |
CN107506798A (zh) * | 2017-08-31 | 2017-12-22 | 福建四创软件有限公司 | 一种基于图像识别的水位监测方法 |
-
2018
- 2018-07-05 CN CN201810727510.7A patent/CN108961305B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101382497A (zh) * | 2008-10-06 | 2009-03-11 | 南京大学 | 基于路况监控视频的能见度检测方法 |
CN101494772A (zh) * | 2009-02-13 | 2009-07-29 | 北京中星微电子有限公司 | 一种图像检测的方法及装置 |
CN104050669A (zh) * | 2014-06-18 | 2014-09-17 | 北京博思廷科技有限公司 | 一种基于灭点和单目相机成像原理的在线标定方法 |
CN204929112U (zh) * | 2015-03-17 | 2015-12-30 | 厦门奥普拓自控科技有限公司 | 一种层燃锅炉熄灭点监测视频系统的成像校准装置 |
CN107367310A (zh) * | 2017-07-11 | 2017-11-21 | 华南理工大学 | 一种基于计算机视觉的河流水位远程监测方法 |
CN107506798A (zh) * | 2017-08-31 | 2017-12-22 | 福建四创软件有限公司 | 一种基于图像识别的水位监测方法 |
Non-Patent Citations (1)
Title |
---|
毛可骏 等: ""基于机器视觉的自主插秧机导航信息的提取研究"", 《农机化研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390297A (zh) * | 2019-07-23 | 2019-10-29 | 华东师范大学 | 河口海岸水文地貌演变影像监测分析系统和方法 |
CN111583325A (zh) * | 2020-05-10 | 2020-08-25 | 上海大学 | 一种基于图像处理的无人艇检测海浪的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108961305B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101996992B1 (ko) | 옵티컬 플로우 영상 처리를 이용하는 하천 유속 측정 장치 및 방법 | |
CN110232320A (zh) | 实时检测工地现场工人危险靠近施工机械的方法及系统 | |
CN107833203A (zh) | 一种基于图像处理的水平面识别及水位实时测量方法 | |
CN107924461A (zh) | 用于多因素图像特征配准和跟踪的方法、电路、设备、系统及相关计算机可执行代码 | |
CN101718551B (zh) | 柔性线缆的运动测量方法及测量装置 | |
CN108209926A (zh) | 基于深度图像的人体身高测量系统 | |
CN109359537A (zh) | 基于神经网络的人脸姿态角度检测方法及系统 | |
CN108961305A (zh) | 一种基于图像识别的海浪爬坡监测方法 | |
CN107631782A (zh) | 一种基于Harris角点检测的水位检测方法 | |
CN105631852A (zh) | 基于深度图像等高线的室内人体检测方法 | |
CN110926373A (zh) | 铁路异物检测场景下结构光光平面标定方法及其系统 | |
CN107705335A (zh) | 标定非共视域线扫激光测距仪和测量相机方位的方法 | |
CN109631766A (zh) | 一种基于图像的木材板尺寸测量方法 | |
Yang et al. | Auto-recognition Method for Pointer-type Meter Based on Binocular Vision. | |
CN107463873A (zh) | 一种基于rgbd深度传感器的实时手势分析与评价方法与系统 | |
CN104680570A (zh) | 一种基于视频的动作捕捉系统及方法 | |
CN106651957A (zh) | 基于模板的单目视觉目标空间定位方法 | |
CN114066985B (zh) | 一种输电线隐患距离的计算方法及终端 | |
CN105741275B (zh) | 一种基于固定相机自动标定的人车目标特征提取方法 | |
CN109376595B (zh) | 基于人眼注意力的单目rgb摄像头活体检测方法及系统 | |
CN107170028A (zh) | 一种绘制标准裸眼视力表e的方法 | |
CN113749646A (zh) | 基于单目视觉的人体身高测量方法、装置及电子设备 | |
KR20200012373A (ko) | 영상 처리에 기초한 수위 산출 장치 및 방법 | |
CN109781191A (zh) | 一种利用无人机影像快速反演河道流量的方法 | |
CN108122244B (zh) | 一种视频图像的视频测速方法及装置 |
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 |