CN109977829A - 基于图像识别分析技术的流速检测方法及装置 - Google Patents
基于图像识别分析技术的流速检测方法及装置 Download PDFInfo
- Publication number
- CN109977829A CN109977829A CN201910202201.2A CN201910202201A CN109977829A CN 109977829 A CN109977829 A CN 109977829A CN 201910202201 A CN201910202201 A CN 201910202201A CN 109977829 A CN109977829 A CN 109977829A
- Authority
- CN
- China
- Prior art keywords
- speed
- line
- tests
- water flow
- space
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/002—Measuring the movement of open water
-
- 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
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明公开了一种基于图像识别分析技术的流速检测方法及装置,该方法包括:提取预设水流监测区域的监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图;根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向;根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速;根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。本发明解决了现有流速测量方法准确性较低、测量成本高、应用条件复杂的技术问题。
Description
技术领域
本发明涉及一种流速检测方法,具体而言,涉及一种基于图像识别分析技术的流速检测方法及装置。
背景技术
随着计算机视觉与信息技术的发展以及视频、图像等多媒体数据的大量增长。人们可以通过挖掘视频、图像中的信息,进一步为决策做出依据。河流速度不仅是河流动力学以及水文学研究的重要方向,同时也是山洪等地质灾害防治的重要组成成分。洪涝与水旱灾害的频繁发生使得河流测速方法研究变得越来越紧迫,河流测速是水文监测站的主要工作之一,但目前河流测速方法在实际应用中具有一定的局限性,如接触式河流流速仪测量方法、基于示踪剂的图像测量方法以及非接触式的声学多普勒或雷达速测方法等,在野外山洪及复杂条件下的监测任务中普遍存在施测安全性差和系统布设困难问题。
基于示踪物检测跟踪的河流测速方法,该算法使用基于深度神经网络的目标检测及跟踪算法,提取示踪物特征及位置,通过计算水面上示踪物运动距离及时间进行河流测速。该方法需要大量的数据进行模型训练,当目标示踪物很小时,可能出现目标检测模型漏检而导致的河流测速失败问题,且不能够很好的适应各种示踪物的类型及复杂环境(如光照、角度等)的变化,另外需要较高的硬件配置才可达到任务需求。
基于大尺度粒子图像测速方法,该算法采用普通数码相机等非专业量测相机获取大面积表面水域图像数据,实现了平面多点测量及瞬时的二维平面流场分布计算,一般通过追踪可见示踪物或紊流引起的水面特征模式进行测算灰度梯度变化。这种方法的缺点在于不能很好的适应场景多变的复杂环境,当河流形状及地势较为复杂时,会出现河流测速不准问题,使算法的准确度明显降低。
发明内容
本发明的主要目的在于提供一种基于图像识别分析技术的流速检测方法及装置,以解决现有流速测量方法准确性较低、测量成本高、应用条件复杂的技术问题。
为了实现上述目的,根据本发明的一个方面,提供了一种基于图像识别分析技术的流速检测方法,该方法包括:
提取预设水流监测区域的监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图;
根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向;
根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速;
根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。
可选的,在所述提取预设水流监测区域的监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图之前,还包括:
根据检测到的水流视频的帧序列以及所述预设水流监测区域生成所述监测帧序列。
可选的,所述监测图像为矩形,测速线为所述监测图像的行像素值。
可选的,所述生成该测速线对应的时空图,包括:
将所述监测帧序列中每帧监测图像的同一测速线纵向拼接生成该测速线对应的时空图。
可选的,在所述根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向之前,还包括:
对所述时空图进行灰度变换以及canny边缘检测处理,以增强所述时空图中的边缘信息的显著性。
可选的,所述根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向,包括:
对所述时空图进行快速傅里叶变换生成频谱图,以将所述时空图中的边缘信息转换到频率域;
根据霍夫变换检测出所述频谱图中直线的平均斜率;
根据所述平均斜率确定出所述时空图的纹理主方向。
可选的,所述根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速,包括:
根据所述纹理主方向以及该测速线的长度计算出水流在该测速线上的流动帧差;
根据所述流动帧差以及视频流帧率计算出流动时间;
根据所述流动时间以及该测速线的长度对应的实际距离计算出水流在该测速线上的流速。
为了实现上述目的,根据本发明的另一方面,提供了一种基于图像识别分析技术的流速检测装置,该装置包括:
监测帧序列生成单元,用于根据检测到的水流视频的帧序列以及预设水流监测区域生成监测帧序列;
测速线时空图生成单元,用于提取所述监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图;
时空图处理单元,用于对所述时空图进行灰度变换以及canny边缘检测处理,以增强所述时空图中的边缘信息的显著性;
纹理主方向确定单元,用于根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向;
测速线流速计算单元,用于根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速;
区域流速计算单元,用于根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。
为了实现上述目的,根据本发明的另一方面,还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于图像识别分析技术的流速检测方法中的步骤。
为了实现上述目的,根据本发明的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序在计算机处理器中执行时实现上述基于图像识别分析技术的流速检测方法中的步骤。
本发明的有益效果为:本发明为流速测量提供一种新的技术方法,可与传统测流速方式互相校验应用,提升流速测量的准确性。本发明使用非接触式的测量方式取代传统接触式仪器河流测速,能够大幅度的减少测量成本投入。此外,本发明的基于图像识别技术的流速检测方法不需要布设额外的检测设备,适用范围更广应用条件比传统测流方式更加简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明第一实施例基于图像识别分析技术的流速检测方法的流程图;
图2是本发明实施例确定时空图纹理主方向的方法的流程图;
图3是本发明实施例计算测速线的流速的方法的流程图;
图4是本发明第二实施例基于图像识别分析技术的流速检测方法的流程图;
图5是本发明实施例基于图像识别分析技术的流速检测装置的结构框图;
图6是本发明实施例监测区域的示意图;
图7是本发明实施例监测帧的示意图;
图8是本发明实施例监测帧序列以及测速线的示意图;
图9是本发明实施例测速线对应的时空图的示意图;
图10是本发明实施例经过灰度变换后的时空图的示意图;
图11是本发明实施例对经过灰度变换后的时空图进行canny边缘检测后的时空图的示意图;
图12是本发明实施例对经过canny边缘检测后的时空图进行快速傅里叶变换生成的频谱图的示意图;
图13是本发明实施例对频谱图进行霍夫变换得到的直线的示意图;
图14是本发明实施例流动帧差的示意图;
图15是本发明实施例计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明提供了一种基于图像识别分析技术的流速检测方法,利用计算机视觉技术自动检测水行业自然场景中河流流速,以使用非接触式的测量方式取代传统接触式仪器河流测速,具有检测准确性高,检测成本低等优点。
图1是本发明实施例基于图像识别分析技术的流速检测方法的第一流程图,如图1所示,本实施例的基于图像识别分析技术的流速检测方法包括步骤S101至步骤S104。
步骤S101,提取预设水流监测区域的监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图。
在本发明的实施例中,上述监测帧序列可以由检测的河流视频信息以及预设的水流监测区域来确定出。
水流监测区域为预先在视频站点中定义的河流的检测区域位置。图6是本发明实施例监测区域的示意图,如图6所示,水流监测区域为事先在视频图像中标定出的用于检测水流流速的区域。在本发明的实施例中,该水流监测区域为一矩形框,其坐标可以用(pt1,pt2,pt3,pt4)来表示,水流监测区域在实际中的高度为H、宽度W。为了更准确的检测河流的流速,该水流监测区域主方向设置的与河流流向大致相同。
在确定出水流监测区域后,就可以根据实时检测到的河流的视频信息生成监测帧序列。具体可以为:先提取检测到的河流视频中每帧图像组成帧序列,进而根据定义的水流监测区域对每帧视频图像进行透视变换,生成河流水平流向的监测帧序列(D1,D2,D3…DM)。该透视变换用于将视角转换到水流监测区域,便于检测水流流速。
图7是本发明实施例监测帧的示意图,该监测帧即为监测帧序列中一帧的监测图像。如图7所示,经透视变换后生成监测帧(每帧监测图像)的高度为Hdet像素、宽度为Wdet像素。
图8是本发明实施例监测帧序列以及测速线的示意图,如图8所示,该检测帧序列中共有M个监测帧,即包括M张监测图像。测速线为监测图像中的横向线性区域,该测速线的长度与检测图像的宽度相同,即为Wdet像素,该测速线的宽度为一个或多个像素,监测图像中包括多条测速线。
在本发明的实施例中,测速线为监测图像中的行像素值。监测图像中的第i行像素值即为第i条测速线Li。由于监测图像的高度为Hdet像素,因此监测图像中共有Hdet行像素值,即监测图像中有Hdet条测速线。
本步骤的生成测速线对应的时空图的具体步骤为:先提取出监测帧序列中每帧监测图像的同一测速线,进而将提取的测速线按照监测帧序列中监测图像的顺序进行依次拼接得到该测速线对应的时空图,以此得到监测图像中每条测速线对应的时空图。
在本发明的实施例中,可以将提取的测速线按照监测帧序列中的顺序进行依次纵向拼接得到该测速线对应的时空图。图9是本发明实施例测速线对应的时空图的示意图,如图9所示,由于时空图是由测速线依次纵向拼接得出,时空图的高度即为监测帧序列中监测图像的数量M个像素,时空图的宽度即为测速线的长度Wdet像素。
步骤S102,根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向。
在本发明的实施例中,在得到每条测速线对应的时空图后,可以分别针对每个时空图求出时空图的纹理主方向,该纹理主方向反映在测速线上时均光流运动矢量的大小。
在本发明的实施例中,为了提高计算准确性,在根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向之前,还可以对时空图进行灰度变换以及canny边缘检测处理,以增强时空图中的边缘信息的显著性。
图10是本发明实施例经过灰度变换后的时空图的示意图,图11是本发明实施例对经过灰度变换后的时空图进行canny边缘检测后的时空图的示意图,由图10和图11可以看出经过灰度变换以及canny边缘检测处理后,时空图中边缘信息的特征显著的加强了。进而显著的提高了后续根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向的准确性。
步骤S103,根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速。
在本发明的实施例中,纹理主方向可以用θi来表示,由于测速线为监测图像中的行像素值,因此测速线的长度即为监测图像的宽度Wdet像素。本步骤的计算水流在测速线上的流速具体可以为:先根据纹理主方向θi以及测速线长度Wdet计算出流动帧差,进而根据流动帧差计算出流动时间,最后根据流动时间以及测速线的长度的实际距离计算出水流在测速线上的流速。
步骤S104,根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。
在本发明的实施例中,在经过上述步骤S101至步骤S103,求出水流经过每条测速线上的流速后,通过计算平均值的方式得出水流监测区域的水流流速。在本发明实施例中,由于测速线为监测图像中的行像素值,因此共有Hdet条测速线,在分别计算出水流经过每条测速线上的流速后,通过加和然后除以总数量Hdet即可得到水流监测区域的平均流速。
由以上描述可以看出,本发明为流速测量提供一种新的技术方法,可与传统测流速方式互相校验应用,提升流速测量的准确性。本发明使用非接触式的测量方式取代传统接触式仪器河流测速,能够大幅度的减少测量成本投入。此外,本发明的基于图像识别技术的流速检测方法不需要布设额外的检测设备,适用范围更广应用条件比传统测流方式更加简单。
图2是本发明实施例确定时空图纹理主方向的方法的流程图,如图2所示,本发明实施例确定时空图纹理主方向的方法包括步骤S201至步骤S203。
步骤S201,对所述时空图进行快速傅里叶变换生成频谱图,以将所述时空图中的边缘信息转换到频率域。
在本发明的实施例中,为了提高计算准确性,在对所述时空图进行快速傅里叶变换之前,还可以对时空图进行灰度变换以及canny边缘检测处理,以增强时空图中的边缘信息的显著性。图11是本发明实施例对经过灰度变换后的时空图进行canny边缘检测后的时空图的示意图,由图11可以看出经过灰度变换以及canny边缘检测处理后,时空图中边缘信息的特征显著的加强了。进而对canny边缘检测后的时空图进行快速傅里叶变换生成频谱图,将时空图中的边缘信息从空间域转到频率域。图12是本发明实施例对经过canny边缘检测后的时空图进行快速傅里叶变换生成的频谱图的示意图。
步骤S202,根据霍夫变换检测出所述频谱图中直线的平均斜率。
在本发明实施例中,在生成频谱图后,可以利用霍夫变换检测出频谱图中直线的平均斜率Km。图13是本发明实施例对频谱图进行霍夫变换得到的直线的示意图,图13中直线的斜率即为频谱图中直线的平均斜率Km。
步骤S203,根据所述平均斜率确定出所述时空图的纹理主方向。
在本发明实施例中,可由以下公式计算得出时空图的纹理主方向:
θi=π/2-arctanKm
其中,θi为第i条测速线的时空图的纹理主方向,Km为频谱图中直线的平均斜率。
图3是本发明实施例计算测速线的流速的方法的流程图,如图3所示,本发明实施例计算测速线的流速的方法包括步骤S301至步骤S303。
步骤S301,根据所述纹理主方向以及该测速线的长度计算出水流在该测速线上的流动帧差。
在本发明的实施例中,由于测速线为监测图像中的行像素值,因此测速线的长度即为监测图像的宽度Wdet像素。图14是本发明实施例流动帧差的示意图,如图14所示,水流在测速线上的流动帧差可由以下公式计算得出:
Fi=Wdet*tan(θi)
其中,Fi为水流在第i条测速线上的流动帧差,Wdet为监测图像的宽度即为测速线的长度,θi为第i条测速线的时空图的纹理主方向。
步骤S303,根据所述流动帧差以及视频流帧率计算出流动时间。
在本发明的实施例中,水流流过测速线的流动时间可由流动帧差以及视频流帧率计算得出,具体公式为:
Ti=Fi/fps
其中,Ti为第i条测速线对应的流动时间,Fi为水流在第i条测速线上的流动帧差,fps为视频流帧率。
步骤S303,根据所述流动时间以及该测速线的长度对应的实际距离计算出水流在该测速线上的流速。
在本发明的实施例中,由于测速线为监测图像中的行像素值,因此测速线的长度对应的实际距离即为水流检测区域的实际宽度W。水流在测速线上的流速可以由以下公式计算得出:
Vi=W/Ti
其中,Ti为第i条测速线对应的流动时间,Vi水流在第i条测速线上的流速。
图4是本发明第二实施例基于图像识别分析技术的流速检测方法的流程图,如图4所示,本发明另一实施例的基于图像识别分析技术的流速检测方法包括步骤S401至步骤S406。
步骤S401,根据检测到的水流视频的帧序列以及预设水流监测区域生成监测帧序列。
在本发明实施例中,水流监测区域为预先在视频站点中定义的河流的检测区域位置。在确定出水流监测区域后,就可以根据实时检测到的河流的视频信息生成监测帧序列。具体可以为:先提取检测到的河流视频中每帧图像组成帧序列,进而根据定义的水流监测区域对每帧视频图像进行透视变换,生成河流水平流向的监测帧序列(D1,D2,D3…DM)。该透视变换用于将视角转换到水流监测区域,便于检测水流流速。
图7是本发明实施例监测帧的示意图,该监测帧即为监测帧序列中一帧的监测图像。如图7所示,经透视变换后生成监测帧(每帧监测图像)的高度为Hdet像素、宽度为Wdet像素。
步骤S402,提取所述监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图。
在本发明的实施例中,测速线为监测图像中的行像素值。监测图像中的第i行像素值即为第i条测速线Li。由于监测图像的高度为Hdet像素,因此监测图像中共有Hdet行像素值,即监测图像中有Hdet条测速线。
本步骤的生成测速线对应的时空图的具体步骤为:先提取出监测帧序列中每帧监测图像的同一测速线,进而将提取的测速线按照监测帧序列中监测图像的顺序进行依次纵向拼接得到该测速线对应的时空图,以此得到监测图像中每条测速线对应的时空图。图9是本发明实施例测速线对应的时空图的示意图,如图9所示,由于时空图是由测速线依次纵向拼接得出,时空图的高度即为监测帧序列中监测图像的数量M个像素,时空图的宽度即为测速线的长度Wdet像素。
步骤S403,对所述时空图进行灰度变换以及canny边缘检测处理,以增强所述时空图中的边缘信息的显著性。
在本发明的实施例中,为了提高计算准确性,在根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向之前,还可以对时空图进行灰度变换以及canny边缘检测处理,以增强时空图中的边缘信息的显著性。
图10是本发明实施例经过灰度变换后的时空图的示意图,图11是本发明实施例对经过灰度变换后的时空图进行canny边缘检测后的时空图的示意图,由图10和图11可以看出经过灰度变换以及canny边缘检测处理后,时空图中边缘信息的特征显著的加强了。进而显著的提高了后续根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向的准确性。
步骤S404,根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向。
在本发明的实施例中,根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向的具体方法可以采用上述步骤S201至步骤S203的方法。
步骤S405,根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速。
在本发明的实施例中,纹理主方向可以用θi来表示,由于测速线为监测图像中的行像素值,因此测速线的长度即为监测图像的宽度Wdet像素。本步骤的计算水流在测速线上的流速具体可以为:先根据纹理主方向θi以及测速线长度Wdet计算出流动帧差,进而根据流动帧差计算出流动时间,最后根据流动时间以及测速线的长度的实际距离计算出水流在测速线上的流速。
在本发明的实施例中,求出水流在测速线上的流速可以采用上述步骤S301至步骤S303的方法。
步骤S406,根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。
在本发明的实施例中,在求出水流经过每条测速线上的流速后,通过计算平均值的方式得出水流监测区域的水流流速。在本发明实施例中,由于测速线为监测图像中的行像素值,因此共有Hdet条测速线,在分别计算出水流经过每条测速线上的流速后,通过加和然后除以总数量Hdet即可得到水流监测区域的平均流速。
本发明还具有计算结果分析预警功能,其用于针对检测的水流监测区域的水流流速读数,通过设定预警阈值,自动判断是否超阈值,超阈值后能够自动产生预警信息,并通过例如微信、短信等方式发送给相关人员。
此外,本发明检测的水流监测区域的水流流速读数还可以实时在监视后台或者前端中显示,便于操作人员了解水流情况或查询。
由以上描述可以看出,本发明至少包括如下有益效果;
1、为流速测量提供一种新的技术方法,可与传统测流速方式互相校验应用,提升流速测量的准确性。
2、本发明使用非接触式的测量方式取代传统接触式仪器河流测速,能够大幅度的减少测量成本投入。
3、本发明的基于图像识别技术的流速检测方法不需要布设额外的检测设备,适用范围更广应用条件比传统测流方式更加简单。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
基于同一发明构思,本发明实施例还提供了一种基于图像识别分析技术的流速检测装置,可以用于实现上述实施例所描述的基于图像识别分析技术的流速检测方法,如下面的实施例所述。由于基于图像识别分析技术的流速检测装置解决问题的原理与基于图像识别分析技术的流速检测方法相似,因此基于图像识别分析技术的流速检测装置的实施例可以参见基于图像识别分析技术的流速检测方法的实施例,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是本发明实施例基于图像识别分析技术的流速检测装置的结构框图,如图5所示,本发明实施例基于图像识别分析技术的流速检测装置包括:监测帧序列生成单元1、测速线时空图生成单元2、时空图处理单元3、纹理主方向确定单元4、测速线流速计算单元5以及区域流速计算单元6。
监测帧序列生成单元1,用于根据检测到的水流视频的帧序列以及预设水流监测区域生成监测帧序列。
在本发明实施例中,水流监测区域为预先在视频站点中定义的河流的检测区域位置。在确定出水流监测区域后,就可以根据实时检测到的河流的视频信息生成监测帧序列。具体可以为:监测帧序列生成单元1先提取检测到的河流视频中每帧图像组成帧序列,进而根据定义的水流监测区域对每帧视频图像进行透视变换,生成河流水平流向的监测帧序列(D1,D2,D3…DM)。该透视变换用于将视角转换到水流监测区域,便于检测水流流速。
测速线时空图生成单元2,用于提取所述监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图。
在本发明的实施例中,测速线为监测图像中的行像素值。监测图像中的第i行像素值即为第i条测速线Li。由于监测图像的高度为Hdet像素,因此监测图像中共有Hdet行像素值,即监测图像中有Hdet条测速线。
生成测速线对应的时空图的具体步骤为:测速线时空图生成单元2先提取出监测帧序列中每帧监测图像的同一测速线,进而将提取的测速线按照监测帧序列中的顺序进行依次纵向拼接得到该测速线对应的时空图,以此得到监测图像中每条测速线对应的时空图。图9是本发明实施例测速线对应的时空图的示意图,如图9所示,由于时空图是由测速线依次纵向拼接得出,时空图的高度即为监测帧序列中监测图像的数量M个像素,时空图的宽度即为测速线的长度Wdet像素。
时空图处理单元3,用于对所述时空图进行灰度变换以及canny边缘检测处理,以增强所述时空图中的边缘信息的显著性。
在本发明的实施例中,为了提高计算准确性,在根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向之前,还可以通过时空图处理单元3对时空图进行灰度变换以及canny边缘检测处理,以增强时空图中的边缘信息的显著性。
纹理主方向确定单元4,用于根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向。
在本发明的实施例中,纹理主方向确定单元4可以采用上述步骤S201至步骤S203的计算方法求出所述时空图的纹理主方向。
测速线流速计算单元5,用于根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速。
在本发明的实施例中,测速线流速计算单元5可以采用上述步骤S301至步骤S303的计算方法求出水流在测速线上的流速。
区域流速计算单元6,用于根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。
在本发明的实施例中,在求出水流经过每条测速线上的流速后,区域流速计算单元6采用计算平均值的方式得出水流监测区域的水流流速。在本发明实施例中,由于测速线为监测图像中的行像素值,因此共有Hdet条测速线,在分别计算出水流经过每条测速线上的流速后,通过加和然后除以总数量Hdet即可得到水流监测区域的平均流速。
为了实现上述目的,根据本申请的另一方面,还提供了一种计算机设备。如图15所示,本发明实施例的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于图像识别分析技术的流速检测方法中的步骤。
处理器可以为中央处理器(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及单元,如本发明上述方法实施例中对应的程序单元。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及作品数据处理,即实现上述方法实施例中的方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器中,当被所述处理器执行时,执行上述实施例中的方法。
上述计算机设备具体细节可以对应参阅上述实施例中对应的相关描述和效果进行理解,此处不再赘述。
为了实现上述目的,根据本申请的另一方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序在计算机处理器中执行时实现上述基于图像识别分析技术的流速检测方法中的步骤。本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)、随机存储记忆体(RandomAccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像识别分析技术的流速检测方法,其特征在于,包括:
提取预设水流监测区域的监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图;
根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向;
根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速;
根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。
2.根据权利要求1所述的基于图像识别分析技术的流速检测方法,其特征在于,在所述提取预设水流监测区域的监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图之前,还包括:
根据检测到的水流视频的帧序列以及所述预设水流监测区域生成所述监测帧序列。
3.根据权利要求1所述的基于图像识别分析技术的流速检测方法,其特征在于,所述监测图像为矩形,测速线为所述监测图像的行像素值。
4.根据权利要求1或3所述的基于图像识别分析技术的流速检测方法,其特征在于,所述生成该测速线对应的时空图,包括:
将所述监测帧序列中每帧监测图像的同一测速线纵向拼接生成该测速线对应的时空图。
5.根据权利要求1所述的基于图像识别分析技术的流速检测方法,其特征在于,在所述根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向之前,还包括:
对所述时空图进行灰度变换以及canny边缘检测处理,以增强所述时空图中的边缘信息的显著性。
6.根据权利要求1或5所述的基于图像识别分析技术的流速检测方法,其特征在于,所述根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向,包括:
对所述时空图进行快速傅里叶变换生成频谱图,以将所述时空图中的边缘信息转换到频率域;
根据霍夫变换检测出所述频谱图中直线的平均斜率;
根据所述平均斜率确定出所述时空图的纹理主方向。
7.根据权利要求1或3所述的基于图像识别分析技术的流速检测方法,其特征在于,所述根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速,包括:
根据所述纹理主方向以及该测速线的长度计算出水流在该测速线上的流动帧差;
根据所述流动帧差以及视频流帧率计算出流动时间;
根据所述流动时间以及该测速线的长度对应的实际距离计算出水流在该测速线上的流速。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项方法中的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序在计算机处理器中执行时实现如权利要求1至7任意一项方法中的步骤。
10.一种基于图像识别分析技术的流速检测装置,其特征在于,包括:
监测帧序列生成单元,用于根据检测到的水流视频的帧序列以及预设水流监测区域生成监测帧序列;
测速线时空图生成单元,用于提取所述监测帧序列中每帧监测图像的同一测速线并生成该测速线对应的时空图;
时空图处理单元,用于对所述时空图进行灰度变换以及canny边缘检测处理,以增强所述时空图中的边缘信息的显著性;
纹理主方向确定单元,用于根据快速傅里叶变换以及霍夫变换计算所述时空图的纹理主方向;
测速线流速计算单元,用于根据所述纹理主方向以及该测速线的长度求出水流在该测速线上的流速;
区域流速计算单元,用于根据水流在每条测速线上的流速确定所述预设水流监测区域的水流流速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910202201.2A CN109977829A (zh) | 2019-03-18 | 2019-03-18 | 基于图像识别分析技术的流速检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910202201.2A CN109977829A (zh) | 2019-03-18 | 2019-03-18 | 基于图像识别分析技术的流速检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977829A true CN109977829A (zh) | 2019-07-05 |
Family
ID=67079214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910202201.2A Pending CN109977829A (zh) | 2019-03-18 | 2019-03-18 | 基于图像识别分析技术的流速检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977829A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798386A (zh) * | 2020-06-24 | 2020-10-20 | 武汉大学 | 一种基于边缘识别与最大序列密度估计的河道流速测量方法 |
CN113077488A (zh) * | 2021-04-02 | 2021-07-06 | 昆明理工大学 | 一种河流表面流速检测方法和装置 |
CN113887412A (zh) * | 2021-09-30 | 2022-01-04 | 中国科学院过程工程研究所 | 污染排放的检测方法、检测终端、监控系统及存储介质 |
CN114892556A (zh) * | 2021-08-16 | 2022-08-12 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
CN116342656A (zh) * | 2023-03-29 | 2023-06-27 | 华北电力大学 | 一种基于自适应边缘检测的时空图像测速方法和装置 |
CN114892556B (zh) * | 2021-08-16 | 2024-04-26 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698553A (zh) * | 2013-12-26 | 2014-04-02 | 天津大学 | 基于红外摄像的新型表面流场测速系统和测速方法 |
CN103996171A (zh) * | 2014-05-05 | 2014-08-20 | 河海大学 | 基于时空图像的流体运动矢量估计方法 |
CN104777327A (zh) * | 2015-03-17 | 2015-07-15 | 河海大学 | 基于激光辅助标定的时空图像测速系统和方法 |
CN106092061A (zh) * | 2016-05-31 | 2016-11-09 | 河海大学 | 基于倾斜视角下透镜成像模型的河流水面流场定标方法 |
-
2019
- 2019-03-18 CN CN201910202201.2A patent/CN109977829A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698553A (zh) * | 2013-12-26 | 2014-04-02 | 天津大学 | 基于红外摄像的新型表面流场测速系统和测速方法 |
CN103698553B (zh) * | 2013-12-26 | 2017-06-23 | 天津大学 | 基于红外摄像的新型表面流场测速系统和测速方法 |
CN103996171A (zh) * | 2014-05-05 | 2014-08-20 | 河海大学 | 基于时空图像的流体运动矢量估计方法 |
CN104777327A (zh) * | 2015-03-17 | 2015-07-15 | 河海大学 | 基于激光辅助标定的时空图像测速系统和方法 |
CN106092061A (zh) * | 2016-05-31 | 2016-11-09 | 河海大学 | 基于倾斜视角下透镜成像模型的河流水面流场定标方法 |
Non-Patent Citations (1)
Title |
---|
张振等: ""图像法测流系统开发与应用"", 《水利信息化》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798386A (zh) * | 2020-06-24 | 2020-10-20 | 武汉大学 | 一种基于边缘识别与最大序列密度估计的河道流速测量方法 |
CN111798386B (zh) * | 2020-06-24 | 2022-03-22 | 武汉大学 | 一种基于边缘识别与最大序列密度估计的河道流速测量方法 |
CN113077488A (zh) * | 2021-04-02 | 2021-07-06 | 昆明理工大学 | 一种河流表面流速检测方法和装置 |
CN114892556A (zh) * | 2021-08-16 | 2022-08-12 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
CN114892556B (zh) * | 2021-08-16 | 2024-04-26 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
CN113887412A (zh) * | 2021-09-30 | 2022-01-04 | 中国科学院过程工程研究所 | 污染排放的检测方法、检测终端、监控系统及存储介质 |
CN113887412B (zh) * | 2021-09-30 | 2022-06-07 | 中国科学院过程工程研究所 | 污染排放的检测方法、检测终端、监控系统及存储介质 |
CN116342656A (zh) * | 2023-03-29 | 2023-06-27 | 华北电力大学 | 一种基于自适应边缘检测的时空图像测速方法和装置 |
CN116342656B (zh) * | 2023-03-29 | 2024-04-26 | 华北电力大学 | 一种基于自适应边缘检测的时空图像测速方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Le Coz et al. | Performance of image-based velocimetry (LSPIV) applied to flash-flood discharge measurements in Mediterranean rivers | |
CN109977829A (zh) | 基于图像识别分析技术的流速检测方法及装置 | |
Tauro et al. | Flow monitoring with a camera: a case study on a flood event in the Tiber river | |
CN107727364B (zh) | 测试3d成像系统 | |
Furnans et al. | Hydrographic survey methods for determining reservoir volume | |
CN108596221A (zh) | 标尺读数的图像识别方法及设备 | |
KR101602471B1 (ko) | 하천 수위 측정 및 경고시스템 | |
Royem et al. | Proposing a low-tech, affordable, accurate stream stage monitoring system | |
CN110133637A (zh) | 目标定位方法、装置及系统 | |
CN108957024A (zh) | 一种速度测量的方法、装置以及电子设备 | |
Eltner et al. | Hydro‐morphological mapping of river reaches using videos captured with UAS | |
CN109948683A (zh) | 点云数据的难易度划分方法、装置及其相关设备 | |
Höffken et al. | Effects of the temporal variability of storm surges on coastal flooding | |
CN107301649A (zh) | 一种基于超像素的区域合并sar图像海岸线检测算法 | |
Liu et al. | Concrete surface damage volume measurement based on three-dimensional reconstruction by smartphones | |
Cao et al. | Airborne Feature Matching Velocimetry for surface flow measurements in rivers | |
CN109782355A (zh) | Obs检波点漂移的检测方法及装置 | |
CN105182089B (zh) | 一种自修正的雷云轨迹预测方法 | |
Alongi et al. | An automatic ANN-based procedure for detecting optimal image sequences supporting LS-PIV applications for rivers monitoring | |
IOLI | Evaluation of Airborne Image Velocimetry approaches using low-cost UAVs in riverine environments | |
Wells et al. | Evaluation of ground plane detection for estimating breast height in stereo images | |
Szulwic et al. | Combined Method of Surface Flow Measurement Using Terrestrial Laser Scanning and Synchronous Photogrammetry | |
Janowski et al. | Combined method of surface flow measurement using terrestrial laser scanning and synchronous photogrammetry | |
Chmelař et al. | The optical measuring device for the autonomous exploration and mapping of unknown environments | |
KR101513592B1 (ko) | 장주기 파랑 모니터링 기능을 포함하는 해양 정보 제공 시스템 |
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 |