CN109558881B - 一种基于计算机视觉的危岩崩塌监控方法 - Google Patents

一种基于计算机视觉的危岩崩塌监控方法 Download PDF

Info

Publication number
CN109558881B
CN109558881B CN201811394781.1A CN201811394781A CN109558881B CN 109558881 B CN109558881 B CN 109558881B CN 201811394781 A CN201811394781 A CN 201811394781A CN 109558881 B CN109558881 B CN 109558881B
Authority
CN
China
Prior art keywords
moving
moving object
dangerous rock
image
rock collapse
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
CN201811394781.1A
Other languages
English (en)
Other versions
CN109558881A (zh
Inventor
蒲勇
游传远
严旭
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.)
Grand Science & Technology Co ltd
Original Assignee
Grand Science & Technology Co ltd
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 Grand Science & Technology Co ltd filed Critical Grand Science & Technology Co ltd
Priority to CN201811394781.1A priority Critical patent/CN109558881B/zh
Publication of CN109558881A publication Critical patent/CN109558881A/zh
Application granted granted Critical
Publication of CN109558881B publication Critical patent/CN109558881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/23—Dune restoration or creation; Cliff stabilisation

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于计算机视觉的危岩崩塌监控方法，包括：采集待监控岩体的实时图像信息；判断采集的图像信息中是否存在产生位移的运动物体；对所述运动物体进行检测，获取所述运动物体的运动参数，所述运动参数包括运动方向和/或运动速度；对所述运动物体进行第一次排除处理，排除运动参数不符合危岩崩塌特征的运动物体；根据排除处理的结果，获取待监控岩体的危岩坍塌特征；本发明可以排除非危岩崩塌运动干扰，从而准确的判断危岩的发生和发生的位置，本发明监控方式简单，无需大范围的布置传感器组，节约了人力成本，提高了工作效率。

Description

一种基于计算机视觉的危岩崩塌监控方法
技术领域
本发明涉及计算机应用领域，尤其涉及一种基于计算机视觉的危岩崩塌监控方法。
背景技术
危岩体是岩体虽然还没有发生崩塌，但具备发生崩塌的主要条件，而且已出现崩塌前兆现象，预示不久可能发生崩塌的岩体。危岩体是潜在的崩塌体，一旦发生危岩崩塌，会对人民的生命财产安全造成很大的威胁，
目前，针对危岩崩塌，现有技术中的解决方式通常是利用多个固定桩之间布置的专用位移量传感器并通过特殊导线传递信息，掌握山体的位移、裂缝、扩展等动态情况，感知位移程度，但这种采用铺设各种传感器的方式一般难以大面积的通过安装铺设地表传感器去检测危岩崩塌，其成本较高，我国地域广阔，需要监控危岩坍塌的地域较多，而目前的这种监控方式，显然难以满足范围上的需求。因此，需要一种新的技术手段，能够实时监控山区危岩场景，精确的判断危岩的发生和发生的位置，同时又有能具有监控范围广，实时性高的特点，以满足实际的需求。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种基于计算机视觉的危岩崩塌监控方法，以解决上述技术问题。
本发明提供的基于计算机视觉的危岩崩塌监控方法，包括：
采集待监控岩体的实时图像信息；
判断采集的图像信息中是否存在产生位移的运动物体；
对所述运动物体进行检测，获取所述运动物体的运动参数，所述运动参数包括运动方向和/或运动速度；
对所述运动物体进行第一次排除处理，排除运动参数不符合危岩崩塌特征的运动物体；
根据排除处理的结果，获取待监控岩体的危岩坍塌特征。
进一步，在对第一次排除处理后，还包括第二次排除处理，所述第二次排除处理包括将运动物体区域内的直方图特征，以及运动物体周围区域的直方图特征进行比较，获取特征相似度，并将所述特征相似度与预设的相似度阈值进行比较，将低于所述相似度阈值的特征相似度所对应的运动物体进行排除。
进一步，建立混合高斯模型，将采集待监控岩体的实时图像信息输入所述混合高斯模型，获取运动物体的前景图像掩模。
进一步，对前景图像掩模和采集的原始图像分别进行预处理，将预处理后的前景图像掩模进行连通区域标记，并将其进行分割，获取若干独立的运动目标。
进一步，针对分割得到的运动目标的区域，在采集的原始图像中提取特征点，并计算该特征点在前一帧中的位置，通过计算对应的特征点的前后帧位置变化，获取特征点的运动方向和运动速度。
进一步，预先分别设置方向比较阈值和速度比较阈值，根据所述特征点的运动方向和运动速度与比较阈值的对比结果，判断运动目标的运动方向和运动速度是否符合危岩坍塌特征，将不符合危岩崩塌特征的运动物体排除，完成第一次排除处理。
进一步，对前景图像掩模的预处理包括所述前景图像掩模进行图像腐蚀和膨胀处理；对采集的原始图像的预处理包括将采集的原始图像进行颜色特征滤波，获取与岩体颜色相近的图像，并对所述与岩体颜色相近的图像进行腐蚀和膨胀处理，获取颜色滤波的连通区域图像。
进一步，将经过预处理的前景图像掩模和所述颜色滤波的连通区域图像进行与操作，获取去除颜色干扰后的运动目标区域。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述中任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上述中任一项所述方法。
本发明的有益效果：本发明中的基于计算机视觉的危岩崩塌监控方法，判断实时视频中是否有大面积的向下运动的物体，再对该物体区域进行一定的特征相似性统计判断是否危岩崩塌导致的岩石、土壤下落，可以排除非危岩崩塌运动干扰，从而准确的判断危岩的发生和发生的位置，本发明监控方式简单，无需大范围的布置传感器组，节约了人力成本，提高了工作效率，本发明具有监控范围广，实时性高的特点。
附图说明
图1是本发明实施例中基于计算机视觉的危岩崩塌监控方法的原理示意图。
图2是本发明实施例中基于计算机视觉的危岩崩塌监控方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
如图1所示，本实施例中的基于计算机视觉的危岩崩塌监控方法，包括：
采集待监控岩体的实时图像信息；
判断采集的图像信息中是否存在产生位移的运动物体；
对所述运动物体进行检测，获取所述运动物体的运动参数，所述运动参数包括运动方向和/或运动速度；
对所述运动物体进行第一次排除处理，排除运动参数不符合危岩崩塌特征的运动物体；
根据排除处理的结果，获取待监控岩体的危岩坍塌特征。
本实施例基于计算机视觉捕获危岩场景的实时视频来判断危岩崩塌是否发生，通过判断实时视频中是否有大面积的向下运动的物体，再对该物体区域进行一定的特征相似性统计判断是否危岩崩塌导致的岩石、土壤下落。
在本实施例中，第一次排除处理主要是通过判断运动物体的运动方向和运动速度，排除非竖直向下方向的运动物体，以及运动的太慢或者太快的物体，这些运动物体不是崩塌的危岩，将其排除之后在经过第二次排除处理，如果竖直运动的物体和背景差异太大，一般判断为不是危岩，则可以排除该区域，经过两次排除之后，输出最后的运动区域就是检测到的危岩崩塌区域。
本实施例中的第一次排除处理的过程中，首先需要建立混合高斯模型，对于输入的静止摄像头的视频连续帧，运用混合高斯模型估计场景的背景信息，同时检测得到运动物体的前景图像掩模(mask)，再对前景图像掩模和采集的原始图像分别进行预处理，其中对前景图像掩模的预处理包括所述前景图像掩模进行图像腐蚀和膨胀处理，通过对前景图像掩模进行图像腐蚀再膨胀，可以消除图像噪声和细微运动的影响，然后对前景图像掩模进行连通区域标记，分割得到一个个独立的运动目标。对采集的原始图像的预处理包括将采集的原始图像进行颜色特征滤波，获取与岩体颜色相近的图像，并对所述与岩体颜色相近的图像进行腐蚀和膨胀处理，获取颜色滤波的连通区域图像，通过将原始图片进行颜色特征的滤波，将绿色部分去除，只留下和岩体颜色相近图像，并对颜色滤波后图像进行腐蚀再膨胀，得到颜色滤波的连通区域图像。通过混合高斯模型对前景图像掩膜连通区域和颜色滤波得到的连通区域进行与操作，得到去除绿色树叶干扰后的运动目标区域。
在本实施例中，针对分割得到的运动目标的区域，在采集的原始图像中提取特征点，并计算该特征点在前一帧中的位置，通过计算对应的特征点的前后帧位置变化，获取特征点的运动方向和运动速度，预先分别设置方向比较阈值和速度比较阈值，根据所述特征点的运动方向和运动速度与比较阈值的对比结果，判断运动目标的运动方向和运动速度是否符合危岩坍塌特征，将不符合危岩崩塌特征的运动物体排除，完成第一次排除处理。
在本实施例中，在对第一次排除处理后，还包括第二次排除处理，所述第二次排除处理包括将运动物体区域内的直方图特征，以及运动物体周围区域的直方图特征进行比较，获取特征相似度，并将所述特征相似度与预设的相似度阈值进行比较，将低于所述相似度阈值的特征相似度所对应的运动物体进行排除。
下面结合附图2中的具体实施例进行详细说明:
步骤1：对于输入的静止摄像头的视频连续帧，运用混合高斯模型估计场景的背景信息，同时检测得到运动物体的前景mask。
步骤2：对前景mask进行图像腐蚀再膨胀，消除图像噪声和细微运动的影响，然后对前景mask进行连通区域标记，分割得到一个个独立的运动目标。
步骤3：将原始图片进行颜色特征的滤波，将绿色部分去除，只留下和岩体颜色相近图像，并对颜色滤波后图像进行腐蚀再膨胀，得到颜色滤波的连通区域图像。
步骤4：对高斯模型前景mask连通区域和颜色滤波得到的连通区域进行与操作，得到去除绿色树叶干扰后的运动目标区域。
步骤:5：对分割得到的运动目标的区域，在原始图像中提取特征点(X,Y)，然后通过光流计算该特征点在前一帧中的位置(pre_X,pre_Y)，通过计算对应的特征点的前后帧位置的x和y方向变化，得到特征点的运动方向和运动速度，统计所有特征点的平均运动方向avg_angle和运动速度avg_speed。
步骤6：当avg_angle<270+thr1并且avg_angle>270-thr1，则判定该分割块对应的物体的运动方向为竖直向下，其他不满足条件的分割块排除，这个的thr1是一个较小的角度，可以设置小于20°的角度。对于运动速度avg_speed<thr2或者avg_speed>thr3的运动物体，表示运动的太慢或者太快的物体也不是崩塌的危岩，也进行排除，这里阈值thr1、thr2和thr3也是根据视频场景进行调节。
步骤7：对步骤4提取得到的向下的运动物体区域，提取直方图向量hist_obj,同时提取该物体区域周围相同面积的直方图向量hist_background，如果hist_obj和hist_background的距离(欧式距离或者cosine距离)大于一定阈值thr4，则判断该竖直运动的物体和背景差异太大，一般判断为不是危岩，排除该区域。
步骤8：输出最后的运动区域就是检测到的危岩崩塌区域。
相应地，本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
注意，在实施例的对应附图中，用线来表示信号，一些线比较粗，以表示更多的构成信号路径(constituent_signal path)和/或一些线的一个或多个末端具有箭头，以表示主要信息流向，这些标识不是想要进行限制，事实上，结合一个或多个事例性实施例使用这些线有助于更容易地接电路或逻辑单元，任何所代表的信号(由设计需求或偏好所决定)实际上可以包括可以在任意一个方向传送的并且可以以任何适当类型的信号方案实现的一个或多个信号。
除非另外规定，否则使用序数形容词“第一”、“第二”等来描述共同的对象，仅表示指代相同对象的不同实例，而并不是要暗示这样描述的对象必须采用给定的顺序，无论是时间地、空间地、排序地或任何其他方式。
说明书对“实施例”、“一个实施例”、“一些实施例”、或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“实施例”、“一个实施例”、“一些实施例”的多次出现不一定全部都指代相同的实施例。如果说明书描述了部件、特征、结构或特性“可以”、“或许”或“能够”被包括，则该特定部件、特征、结构或特性“可以”、“或许”或“能够”被包括，则该特定部件、特征、结构或特性不是必须被包括的。如果说明书或权利要求提及“一”元件，并非表示仅有一个元件。如果说明书或权利要求提及“一另外的”元件，并不排除存在多于一个的另外的元件。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (9)

1.一种基于计算机视觉的危岩崩塌监控方法，其特征在于，包括：
采集待监控岩体的实时图像信息；
判断采集的图像信息中是否存在产生位移的运动物体；
对所述运动物体进行检测，获取所述运动物体的运动参数，所述运动参数包括运动方向和/或运动速度；
对所述运动物体进行第一次排除处理，排除运动参数不符合危岩崩塌特征的运动物体；
在对第一次排除处理后，还包括第二次排除处理，所述第二次排除处理包括将运动物体区域内的直方图特征，以及运动物体周围区域的直方图特征进行比较，获取特征相似度，并将所述特征相似度与预设的相似度阈值进行比较，将低于所述相似度阈值的特征相似度所对应的运动物体进行排除；提取运动物体周围相同面积图像的直方图向量，计算其与运动物体区域的直方图向量的距离，以得到特征相似度，并与预设阈值进行比较，以排除低于所述阈值的相速度特征对应的运动物体；
根据排除处理的结果，获取待监控岩体的危岩坍塌特征。
2.根据权利要求1所述的基于计算机视觉的危岩崩塌监控方法，其特征在于，建立混合高斯模型，将采集待监控岩体的实时图像信息输入所述混合高斯模型，获取运动物体的前景图像掩模。
3.根据权利要求2所述的基于计算机视觉的危岩崩塌监控方法，其特征在于，对前景图像掩模和采集的原始图像分别进行预处理，将预处理后的前景图像掩模进行连通区域标记，并将其进行分割，获取若干独立的运动目标。
4.根据权利要求3所述的基于计算机视觉的危岩崩塌监控方法，其特征在于，针对分割得到的运动目标的区域，在采集的原始图像中提取特征点，并计算该特征点在前一帧中的位置，通过计算对应的特征点的前后帧位置变化，获取特征点的运动方向和运动速度。
5.根据权利要求4所述的基于计算机视觉的危岩崩塌监控方法，其特征在于，预先分别设置方向比较阈值和速度比较阈值，根据所述特征点的运动方向和运动速度与比较阈值的对比结果，判断运动目标的运动方向和运动速度是否符合危岩坍塌特征，将不符合危岩崩塌特征的运动物体排除，完成第一次排除处理。
6.根据权利要求3所述的基于计算机视觉的危岩崩塌监控方法，其特征在于，对前景图像掩模的预处理包括所述前景图像掩模进行图像腐蚀和膨胀处理；对采集的原始图像的预处理包括将采集的原始图像进行颜色特征滤波，获取与岩体颜色相近的图像，并对所述与岩体颜色相近的图像进行腐蚀和膨胀处理，获取颜色滤波的连通区域图像。
7.根据权利要求6所述的基于计算机视觉的危岩崩塌监控方法，其特征在于，将经过预处理的前景图像掩模和所述颜色滤波的连通区域图像进行与操作，获取去除颜色干扰后的运动目标区域。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至7中任一项所述方法。
9.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述方法。
CN201811394781.1A 2018-11-22 2018-11-22 一种基于计算机视觉的危岩崩塌监控方法 Active CN109558881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811394781.1A CN109558881B (zh) 2018-11-22 2018-11-22 一种基于计算机视觉的危岩崩塌监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811394781.1A CN109558881B (zh) 2018-11-22 2018-11-22 一种基于计算机视觉的危岩崩塌监控方法

Publications (2)

Publication Number Publication Date
CN109558881A CN109558881A (zh) 2019-04-02
CN109558881B true CN109558881B (zh) 2023-05-23

Family

ID=65866888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811394781.1A Active CN109558881B (zh) 2018-11-22 2018-11-22 一种基于计算机视觉的危岩崩塌监控方法

Country Status (1)

Country Link
CN (1) CN109558881B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378327B (zh) * 2019-07-09 2021-05-18 浙江大学 添加辅助性显著特征的目标检测装置及方法
CN116543018B (zh) * 2023-05-08 2023-12-19 重庆市二零八地质环境研究院有限公司 基于视频特征点动态追踪的高陡危岩崩塌运动分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284538A (ja) * 2004-03-29 2005-10-13 Remoto Sensing Technology Center Of Japan 被害域自動抽出システム
CN102254174A (zh) * 2011-07-08 2011-11-23 中铁第四勘察设计院集团有限公司 崩滑体中裸地信息的自动提取方法
JP2014007498A (ja) * 2012-06-22 2014-01-16 Hitachi Kokusai Electric Inc 災害検知システム
CN105809679A (zh) * 2016-03-04 2016-07-27 李云栋 一种基于视觉分析的山区铁路边坡落石检测方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003219398A (ja) * 2002-01-18 2003-07-31 Fujitsu Ltd 災害監視装置
JP2003240613A (ja) * 2002-02-20 2003-08-27 Tamu Tec:Kk 遠隔監視装置
JP2005166054A (ja) * 2003-12-02 2005-06-23 Takashi Gomi 動画像処理装置、及び映像監視システム
US7603254B2 (en) * 2004-01-30 2009-10-13 Weber James S Method and system for determining histogram appearances from small data samples
CN102005104B (zh) * 2009-09-02 2013-05-01 吴立新 滑坡体位移和姿态远距离快速监测报警装置及方法
US9036861B2 (en) * 2010-04-22 2015-05-19 The University Of North Carolina At Charlotte Method and system for remotely inspecting bridges and other structures
CN104134080B (zh) * 2014-08-01 2018-09-11 重庆大学 一种道路路基塌陷和边坡坍塌的自动检测方法及系统
CN104615999B (zh) * 2015-02-15 2017-11-07 北京师范大学 基于稀疏表示分类的滑坡泥石流区域检测方法
CN104751603B (zh) * 2015-04-10 2017-07-18 招商局重庆交通科研设计院有限公司 危岩崩塌监测预警系统及方法
CN204496658U (zh) * 2015-04-10 2015-07-22 招商局重庆交通科研设计院有限公司 危岩崩塌监测预警装置
CN104853154B (zh) * 2015-04-29 2017-11-28 同济大学 一种基于运动图像的危岩变形信息提取及报警方法
EP3236440B1 (de) * 2016-04-18 2021-03-03 Hesotech GmbH automatisieren - visualisieren Vorrichtung, system und verfahren zur markierungsfreien hangüberwachung und/oder bauüberwachung
CN108304881B (zh) * 2018-02-06 2020-04-03 中国地质科学院矿产资源研究所 一种基于遥感图像的相似岩性区分方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284538A (ja) * 2004-03-29 2005-10-13 Remoto Sensing Technology Center Of Japan 被害域自動抽出システム
CN102254174A (zh) * 2011-07-08 2011-11-23 中铁第四勘察设计院集团有限公司 崩滑体中裸地信息的自动提取方法
JP2014007498A (ja) * 2012-06-22 2014-01-16 Hitachi Kokusai Electric Inc 災害検知システム
CN105809679A (zh) * 2016-03-04 2016-07-27 李云栋 一种基于视觉分析的山区铁路边坡落石检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡晨阳."基于数字图像处理的嵌入式山体滑坡监测系统设计与实现".《中国优秀硕士学位论文全文数据库基础科学辑》.2017,(第07期),全文. *

Also Published As

Publication number Publication date
CN109558881A (zh) 2019-04-02

Similar Documents

Publication Publication Date Title
US11443437B2 (en) Vibe-based three-dimensional sonar point cloud image segmentation method
Tripathi et al. Video post processing: low-latency spatiotemporal approach for detection and removal of rain
CN113109368B (zh) 玻璃裂纹检测方法、装置、设备及介质
CN108280386B (zh) 监控场景检测方法及装置
CA2910965A1 (en) Tracker assisted image capture
CN109447117B (zh) 双层车牌识别方法、装置、计算机设备及存储介质
CN112417955B (zh) 巡检视频流处理方法及装置
Sridevi et al. A survey on monochrome image segmentation methods
CN109558881B (zh) 一种基于计算机视觉的危岩崩塌监控方法
CN110114801B (zh) 图像前景检测装置及方法、电子设备
CN109850518B (zh) 一种基于红外图像的实时矿用胶带预警撕裂检测方法
CN112580447B (zh) 一种基于边缘二阶统计与融合的电力线检测方法
JP2020061127A (ja) 車線変更車両の検出装置、方法及びビデオ監視装置
WO2017028047A1 (zh) 背景模型的提取方法、装置以及图像处理设备
CN114998317A (zh) 镜头遮挡检测方法、装置、摄像装置和存储介质
JP2020119250A (ja) オブジェクト抽出方法および装置
CN106778822B (zh) 基于漏斗变换的图像直线检测方法
Cheng Highway traffic flow estimation for surveillance scenes damaged by rain
CN109547777B (zh) 一种复杂场景的视频噪声快速检测方法
CN112581489A (zh) 一种视频压缩方法、装置及存储介质
CN109426770B (zh) 虹膜识别方法
CN114550060A (zh) 周界入侵识别方法、系统及电子设备
Bai et al. Infrared small target detection and tracking under the conditions of dim target intensity and clutter background
Zemčík et al. Performance evaluation of CNN based pedestrian and cyclist detectors on degraded images
CN111105433A (zh) 一种基于团块的运动目标轨迹提取方法

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