CN109448326A - 一种基于快速图像识别的地质灾害智能群防监测系统 - Google Patents

Abstract

一种基于快速图像识别的地质灾害智能群防监测系统，本发明属于岩土工程领域，提供了一种群防的边坡智能监测评估系统，包括服务器、移动终端、GPS定位模块、图片上传模块和数据处理模块；其中，移动终端通过无线网络连接图片上传模块与预测预警模块，系统服务器通过无线网络连接图片上传模块、数据处理模块与预测预警模块。本发明的监测系统成本低廉，系统结构完整，操作简洁方便，可以加强滑坡以及地面变形等地质灾害的快速识别，能使更多的人员用户参与到地质灾害监测系统中，十分适用于普及使用，有利于海量监测信息的收集，实现对土体变形安全态势、动态变化的智能化监测，进一步实现了对地质灾害的群防群控，增强了城市公共安全功能。

Description

一种基于快速图像识别的地质灾害智能群防监测系统

技术领域

本发明属于工程地质灾害监测技术领域，涉及一种基于快速图像识别的地质灾害智能群防监测系统。

背景技术

随着城市化进程的不断加快，地质灾害(滑坡、地面沉降、地裂缝等)监测范围扩大、监测点数量增加、周边环境更复杂，如何对海量的危险点进行选取与监测，保障周边居民的人身财产安全，成为了城市发展的重要课题。目前监测项目较为独立，传感器价格不菲，工程技术人员无法在海量的危险土体中提前布设传感器。

截至2018年，中国智能手机用户数量接近13亿人次，几乎人手一部智能手机。智能手机可以对边坡进行拍摄记录，上传服务器。采用图像处理与识别技术对目标进行参数的获取，具有不受量程限制、非接触且能动态反映岩土体变形全貌等特点，具有常规的传感器不可比拟的优点。人民群众如果能参与到地质灾害图像识别工作中，能极大地提高地质灾害的群防群控能力，做到及时预警、反应迅速、有效防灾，对地质灾害形成一个系统、有效、智能的监测。

发明内容

本发明的目的在于克服现有的缺陷，提供一种基于快速图像识别的地质灾害智能群防监测系统。

本发明的技术方案：

一种基于快速图像识别的地质灾害智能群防监测系统，包括系统服务器1、移动终端2、图片上传模块3、数据处理模块4和预测预警模块5；其中，移动终端2通过无线网络连接图片上传模块3与预测预警模块5，系统服务器1通过无线网络连接图片上传模块3、数据处理模块4与预测预警模块5；

所述移动终端2为在移动中可以使用的计算机设备，包括智能手机、笔记本电脑、平板电脑、车载电脑等，具备Windows、Android、iOS等操作系统，支持应用程序的安装和运行，具有拍照、录像、GPS定位等功能。

所述图片上传模块3内置于地质灾害智能群防监测系统中，用户通过可视化界面进行访问，对大型岩土体、地形结构进行拍摄，当无线网络处于连接状态时，将同一岩土体变化过程中的各类图片、视频传送至服务器。

所述数据处理模块4对图像进行识别、分析和处理。

所述预测预警模块5从多张岩土体图像中分别提取特征数据并生成时间-位移曲线，评估土体稳定状态，设有预测和警报提醒。

工作原理：本发明的一种基于快速图像识别的地质灾害智能群防监测系统，用户可使用移动终端对地质灾害智能群防监测软件进行访问，进入图片上传模块，自行对岩土体、地质图像进行不定期拍摄，通过移动终端内的GPS定位功能对岩土体进行实时定位，整理出岩土体渐变过程中的清晰图像发送至服务器。服务器收集历史图像数据，按照定位地点进行分类并发送至数据处理模块。通过数据处理模块可以选择同一岩土体的多张历史图像，从多张图像中提取特征点并且进行匹配，进而通过几何变换将图像放置在同一尺度下对比，对梯度图像二值化得到边缘二值图像。图像在完成数字化后被传输至预测预警模块，预测预警模块从多张历史图像中选择同一定位区域和观测区域，计算两者中心坐标之间的直线距离，以观测区域的相对位移来表征岩土体的位移，生成时间-位移图像。根据岩土体变形的蠕变流变理论，判断岩土体失稳破坏时刻，在位移曲线产生突变时，通过地质灾害智能群防监测软件对危险点周边用户发出警报短信，使用户远离危险岩土体，保护人身财产安全。

本发明的有益效果：本发明的监测系统成本低廉，系统结构完整，操作简洁方便，可以加强滑坡以及地面变形等地质灾害的快速识别，能使更多的人员用户参与到地质灾害监测系统中，十分适用于普及使用，有利于海量监测信息的收集，实现对土体变形安全态势、动态变化的智能化监测，进一步实现了对地质灾害的群防群控，增强了城市公共安全功能。

附图说明

图1是本发明的功能模块示意图。

图2是本发明的几何变换示意图。

图3是岩土体蠕变曲线。

图4是警报提醒示意图。

图中：1系统服务器；2移动终端；3图片上传模块；4数据处理模块；5预测预警模块。

具体实施方式

以下结合技术方案(和附图)详细叙述本发明的具体实施方式。

一种基于快速图像识别的地质灾害智能群防监测系统，包括系统服务器1、移动终端2、图片上传模块3、数据处理模块4和预测预警模块5；其中，系统服务器1通过无线网络连接移动终端2、图片上传模块3、数据处理模块4与预测预警模块5；

以滑坡监测为例，用户使用移动终端2的摄像头对岩土体进行不定期拍摄，并通过移动终端2内置的GPS定位功能确定拍摄地点的三维位置，对危险岩土体进行定位。拍摄出岩土体渐变过程中的清晰图像，通过图片上传模块3发送至服务器。服务器将收集到的历史图像数据按照定位地点进行分类并生成大数据库，将图像发送至数据处理模块4。

数据处理模块4通过服务器1获得同一岩土体不同时刻的图像后，对多张图片进行特征点的检测和筛选，具体方法采用SIFT、ORB等算法，在尺度空间里进行多尺度特征检测。具体做法如下：选择一张图像中的某个特征点，依次比较其他时段图像中的所有特征点，采用距离函数选出最优距离的特征点对，实现图像特征匹配。

以特征点对为依据，通过几何变换对多张图像进行标准化处理，使图像产生大小、形状、位置的变换，具体包括平移变换、刚性变换、相似变换、仿射变换、投影变换等(如图2)。将所有岩土体图像标准化后，放置在同一尺度下进行对比；并用函数f(x,y)表示一幅图像，将点(x,y)处的梯度定义为一个向量：

Prewitt算子的水平方向和垂直方向上的模板如下所示：

采用Prewitt算子对图像中的每个像素点的位置都用上述模板做卷积；有如下表达式：

f_x(x,y)＝f(x-1,y+1)+f(x,y+1)-f(x+1,y+1)-f(x-1,y-1)-f(x,y-1)-f(x+1,y-1)f_y(x,y)＝f(x+1,y-1)+f(x+1,y)+f(x+1,y+1)-f(x-1,y-1)-f(x-1,y)-f(x-1,y+1)

上述式中f_x(x,y)、f_y(x,y)分别表示x,y方向的一阶微分；Grad(x,y)表示Prewitt算子的梯度，求出梯度后，对梯度图像二值化，得到边缘二值图像；选取阈值T，有：

为所求的边缘二值图像；此时整个图像呈现出只有黑和白的视觉效果，可得到清晰的局部特征，之后将边缘二值图像发送至预测预警模块5；

预测预警模块5选择边坡的坡顶等易滑坡处作为观测区域，选择边坡附近不易变化的区域(例如建筑、树木)作为定位区域，假设定位区域、观测区域的中心坐标分别为(A，B)、(a,b)，则它们直线方向上的相对距离为：

预测预警模块5从多张历史图像中选择相同的定位区域和观测区域，分别计算中心坐标并计算相对距离，绘制横坐标为时间，纵坐标为相对距离的曲线。在边坡处于稳定状态时利用上式计算出观测区域到定位区域的距离，并将其作为检测边坡稳定状态的初始数据存入数据库中。随着岩土体发生变形，观测区域相对于定位区域的位置会产生移动，相对距离S会产生变化。所以，只要S发生了变化，就可判定相应的观测区域发生了位移，也就间接反映出土体位移发生了变化，从而实现间隔性相对位移的测量。

基于岩土体变形的蠕变流变理论，滑坡变形应分为三个阶段：1.初始蠕变阶段：岩土体变形以减速发展,蠕变曲线斜率逐渐减小。2.等速蠕变阶段：岩土体变形大致以等速发展,蠕变曲线近似一倾斜直线，位移速率大体不变。3.加速蠕变阶段：岩土体变形速率开始迅速增加,变形迅速增大,岩土体很快破坏。在岩土体变形的不同阶段，通过位移-时间曲线确定变化趋势(如图3)。岩土体临滑阶段，位移变化率呈现急剧上升趋势，进入加速蠕变阶段，此时即将进入岩土体破坏失稳阶段，预测预警模块5可以及时作出预警预报，通过移动终端2及时对周边用户发出警报提醒，使用户远离危险土体，保护人身财产安全(如图4)。

Claims (1)

1.一种基于快速图像识别的地质灾害智能群防监测系统，其特征在于，所述的地质灾害智能群防监测系统包括服务器(1)、移动终端(2)、图片上传模块(3)、数据处理模块(4)和预测预警模块(5)；其中，移动终端(2)通过无线网络连接图片上传模块(3)与预测预警模块(5)，系统服务器(1)通过无线网络连接图片上传模块(3)、数据处理模块(4)与预测预警模块(5)；

所述的移动终端(2)为在移动中使用的计算机设备，具备操作系统，支持应用程序的安装和运行，具有拍照、录像、GPS定位功能；用户使用移动终端(2)的摄像头对目标物进行不定期拍摄，并通过移动终端(2)内置的GPS定位功能确定拍摄地点的三维位置，对目标物进行定位；拍摄出目标物渐变过程中的清晰图像，通过图片上传模块(3)发送至服务器(1)；服务器(1)将收集到的历史图像数据按照定位地点进行分类并生成大数据库，将图像发送至数据处理模块(4)；

数据处理模块(4)通过服务器(1)获得同一目标物不同时刻的图像后，对多张图像进行特征点的检测和筛选，在尺度空间里进行多尺度特征检测；

具体做法如下：选择一张图像中的某个特征点，依次比较其他时段图像中的所有该特征点，采用距离函数选出最优距离的特征点对，实现图像特征匹配；

以特征点对为依据，通过几何变换对多张图像进行标准化处理，使图像产生大小、形状、位置的变换，具体包括平移变换、刚性变换、相似变换、仿射变换和投影变换；将所有目标物图像标准化后，放置在同一尺度下进行对比；并用函数f(x,y)表示一幅图像，将点(x,y)处的梯度定义为一个向量：

Prewitt算子的水平方向和垂直方向上的模板如下所示：

采用Prewitt算子对图像中的每个像素点的位置都用上述模板做卷积；有如下表达式：

f_x(x,y)＝f(x-1,y+1)+f(x,y+1)-f(x+1,y+1)-f(x-1,y-1)-f(x,y-1)-f(x+1,y-1)

f_y(x,y)＝f(x+1,y-1)+f(x+1,y)+f(x+1,y+1)-f(x-1,y-1)-f(x-1,y)-f(x-1,y+1)

上述式中f_x(x,y)、f_y(x,y)分别表示x,y方向的一阶微分；Grad(x,y)表示Prewitt算子的梯度，求出梯度后，对梯度图像二值化，得到边缘二值图像；选取阈值T，有：

其中，g(x,y)为所求的边缘二值图像；此时整个图像呈现出只有黑和白的视觉效果，得到清晰的局部特征，之后将边缘二值图像发送至预测预警模块(5)；

预测预警模块(5)选择目标物变动的区域作为观测区域，选择目标物不变动的区域作为定位区域，假设定位区域、观测区域的中心坐标分别为(A，B)、(a,b)，则它们直线方向上的相对距离为：

预测预警模块(5)从多张历史图像中选择相同的定位区域和观测区域，分别计算中心坐标并计算相对距离，绘制横坐标为时间，纵坐标为相对距离的曲线；在目标物处于稳定状态时利用上式计算出观测区域到定位区域的距离，并将其作为检测目标物稳定状态的初始数据存入数据库中；随着目标物发生变形，观测区域相对于定位区域的位置产生移动，相对距离S产生变化；所以，只要S发生了变化，就判定相应的观测区域发生了位移，也就间接反映出目标物位移发生了变化，从而实现间隔性相对位移的测量。