CN110207783A - 一种基于视频识别的检测水位方法 - Google Patents
一种基于视频识别的检测水位方法 Download PDFInfo
- Publication number
- CN110207783A CN110207783A CN201910571109.3A CN201910571109A CN110207783A CN 110207783 A CN110207783 A CN 110207783A CN 201910571109 A CN201910571109 A CN 201910571109A CN 110207783 A CN110207783 A CN 110207783A
- Authority
- CN
- China
- Prior art keywords
- water level
- image
- video identification
- method based
- check
- 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
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于视频识别的检测水位方法,涉及检测水位技术领域,该方法包括如下步骤:对实时视频提取帧数据,对帧数据进行解码,获取实际场景图片,对图像进行二值化,腐蚀,膨胀等形态学处理,抑制图像噪点以及其他干扰因素,获取更容易分析的二值化图像数据,判断背景模型是否建立,用来实时提取前景,将图像进行背景建模,判断是否满足更新策略,对后续的图像数据,进行前景提取操作,缓存一定时间内的前景图像数据,用以判断图像变化,对需要检查水位和需要检查的虚拟线归一到同一个水平面,对检查图像进行逐行扫描,是否满足水位越界策略,产生告警,完成一次轮询检查,且该基于视频识别的检测水位方法极大程度抑制外界因素的干扰。
Description
技术领域
本发明涉及检测水位技术领域,具体为一种基于视频识别的检测水位方法。
背景技术
这些年,基于计算机的智能化技术,自动控制技术,视频视觉技术,深度学习(神经网络)技术等软件技术在我国迅猛发展。视频监控类产品硬件,价格越来越低,效果越来越好,普及程度很高。然而,智能化的安全防范技术尚未得到完全推广,不少与安全相关的科技单位,由于各种因素困扰,难以实施科技的手段,去更加有效的保障生命和财产安全。
在工业现场存在很多关于水位检测的应用场景,一旦发生水位溢出,可能造成不可估量的损失,如水电厂的集水井,水位溢出会带来电子设备的损坏,并且严重威胁到值守人员的生命安全。现有水位智能化识别一般有以下几类方法:1、传统类的检测方法:通过压力式、超声波式、光电式等自动水位传感器读取水位实时高度,检测水位是否越界,2、一般视频类的检测方法:通过视频图像读取目标水尺的读数。
使用传统的检测方法安装相对复杂,需要特定的运行环境,安装位置和布线要求较高,施工难度较大,设备功能辐射范围小,无法检测较远距离的水位情况,后期维护难,设备易损坏,且一般视频类的检测方法,需要通过特定的摄像头,对特定的水尺进行水位读数,此法缺点有对水尺本身和摄像头本身有一定的要求,水质对读数的准确性有一定影响,长时间的浸泡和氧化带来水尺褪色,粘附污垢,腐蚀等影响后导致无法读数。
发明内容
针对现有技术的不足,本发明提供了一种基于视频识别的检测水位方法,解决了上述背景技术中提出使用传统的检测方法安装相对复杂,需要特定的运行环境,安装位置和布线要求较高,施工难度较大,设备功能辐射范围小,无法检测较远距离的水位情况,后期维护难,设备易损坏,且一般视频类的检测方法,需要通过特定的摄像头,对特定的水尺进行水位读数,此法缺点有对水尺本身和摄像头本身有一定的要求,水质对读数的准确性有一定影响,长时间的浸泡和氧化带来水尺褪色,粘附污垢,腐蚀等影响后导致无法读数的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种基于视频识别的检测水位方法,该方法包括如下步骤:
(11)对实时视频提取帧数据;
(12)对帧数据进行解码,获取实际场景图片;
(13)对图像进行二值化,腐蚀,膨胀等形态学处理,抑制图像噪点以及其他干扰因素,获取更容易分析的二值化图像数据;
(14)判断背景模型是否建立,用来实时提取前景;
(15)将图像进行背景建模;
(16)判断是否满足更新策略,对后续的图像数据,进行前景提取操作;
(17)缓存一定时间内的前景图像数据,用以观察图像变化;
(18)对需要检查水位和需要检查的虚拟线归一到同一个水平面,对检查图像进行逐行扫描;
(19)是否满足水位越界策略;
(20)产生告警;
(21)完成一次轮询检查。
可选的,所述建模采用像素级样本建模,对每个像素点建立一个多顶点N的样本库,样本集记作M,那么M为1-n的集合即M={v1,v2...vn}。
可选的,所述图像每个像素点与样本库进行比较,匹配度很低即差值大于L,进行前景点计数。对于前景点计数,当满足一定数量N时更新到前景点图像,同时如果一个像素点连续K次被检测为前景点,那么则认为是背景点,如果匹配度很高即差值小于L,且计数次数小于N,那么则每个像素点按照一定概率1/ρ去更新样本集。这样,算法本身的运算量将大大减少,并且随机的策略只受到图像数据本身的影响。
可选的,所述一种基于视频识别的检测水位越界的简单策略,其特征在于:所述包括以下步骤:
(22)获取当前预处理的图片;
(23)、(26)维护一定时间内的前景缓存集;
(24)、(27)保存当前前景,并对水位数据进行低通滤波用来消除数据波动影响低通滤波公式Y(n)=kY(n-1)+(1-k)X(n)其中K是信任系数,x(n)为当前值,Y(n-1)为上一次滤波值;
(25)如果当前Δt(当前图片产生的时间-之前图片产生的时间)超过预设的值T,清除久远的数据;
(28)、(27)、(33)对其Δt的滤波结果进行二阶差分判断其趋势属于上升还是下降;
(34)判断当前水平面的位置是否越过预设的警戒水位线位置;
(35)产生告警信息。
可选的,所述极少值采集可能由于外界因素影响导致波动范围较大或来自水位本身波动影响产生的锯齿。
可选的,所述一阶差分ΔY(n)=Y(n+1)-Y(n),Y(n)为上一次滤波值,Y(n+1)为当前滤波值。
可选的,所述二阶差分Δ(ΔY(n))=Y(n+2)-2Y(n+1)+Y(n),这样可以得到一个正负值,即水位方向势能的拐点。
可选的,所述在工业现场如需检查水位越界,都是可流动的水,当水产生流动通过一定的算法,能捕获到水面波动情况,判断其水位波动趋势,并将水面与墙壁交汇产生的水线当作直线来提取(水的弧度和曲率等于地球表面的弧度和曲率),即可获取到当前水位,并可通过程序动态预设警戒水位线,动态分析水位是否越界。
本发明提供了一种基于视频识别的检测水位方法,具备以下有益效果:
1、本检测方法旨在没有水位计,或与水位计组成双告警通道(当传统类设备失效或其他故障,本方法依然能提供稳定的水位越界告警),提高安全检测的能力。对比传统类的检测方法,此方法施工难度小,检测范围大。对比视频类的检测方法,此方法无需安装特定的水尺和特定摄像头,安装难度更低,对水质不敏感,只要监控画面能看到水位,即可识别水位,具备鲁棒性好的优点。
2、像素级动态建模,实时前景提取,获取水面波动和提取水平面位置,结合虚拟越界线位置对比,从而识别水位越界和水位当前趋势(上升/下降)。
3、本视频识别方法使用形态学图像处理和水位数据滤波处理,极大程度抑制外界因素的干扰,同时保持了很高的及时性。
附图说明
图1为本发明检测水位的流程示意图;
图2为本发明检查水位越界的简单策略示意图。
具体实施方式
下面将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实施例,而不是全部的实施例。
请参阅图1至图2,本发明提供一种技术方案:一种基于视频识别的检测水位方法,该方法包括如下步骤:
(11)对实时视频提取帧数据;
(12)对帧数据进行解码,获取实际场景图片;
(13)对图像进行二值化,腐蚀,膨胀等形态学处理,抑制图像噪点以及其他干扰因素,获取更容易分析的二值化图像数据;
(14)判断背景模型是否建立,用来实时提取前景,建模采用像素级样本建模,对每个像素点建立一个多顶点N的样本库,样本集记作M,那么M为1-n的集合即M={v1,v2...vn};
(15)将图像进行背景建模;
(16)判断是否满足更新策略,对后续的图像数据,进行前景提取操作,图像每个像素点与样本库进行比较,匹配度很低即差值大于L,进行前景点计数。对于前景点计数,当满足一定数量N时更新到前景点图像,同时如果一个像素点连续K次被检测为前景点,那么则认为是背景点,如果匹配度很高即差值小于L,且计数次数小于N,那么则每个像素点按照一定概率1/ρ去更新样本集。这样,算法本身的运算量将大大减少,并且随机的策略只受到图像数据本身的影响;
(17)缓存一定时间内的前景图像数据,用以观察图像变化;
(18)对需要检查水位和需要检查的虚拟线归一到同一个水平面,对检查图像进行逐行扫描;
(19)是否满足水位越界策略;
(20)产生告警;
(21)完成一次轮询检查。
一种基于视频识别的检测水位越界的简单策略,所述包括以下步骤:
(22)获取当前预处理的图片;
(23)、(26)维护一定时间内的前景缓存集;
(24)、(27)保存当前前景,并对水位数据进行(极少值采集可能由于外界因素影响导致波动范围较大或来自水位本身波动影响产生的锯齿)低通滤波用来消除数据波动影响低通滤波公式Y(n)=kY(n-1)+(1-k)X(n)其中K是信任系数,x(n)为当前值,Y(n-1)为上一次滤波值;
(25)如果当前Δt(当前图片产生的时间-之前图片产生的时间)超过预设的值T,清除久远的数据;
(28)、(27)、(33)对其Δt的滤波结果进行二阶差分判断其趋势属于上升还是下降,一阶差分ΔY(n)=Y(n+1)-Y(n),Y(n)为上一次滤波值,Y(n+1)为当前滤波值,二阶差分Δ(ΔY(n))=Y(n+2)-2Y(n+1)+Y(n),这样可以得到一个正负值,即水位方向势能的拐点;
(34)判断当前水平面的位置是否越过预设的警戒水位线位置;
(35)产生告警信息,
在工业现场如需检查水位越界,都是可流动的水,当水产生流动通过一定的算法,能捕获到水面波动情况,判断其水位波动趋势,并将水面与墙壁交汇产生的水线当作直线来提取(水的弧度和曲率等于地球表面的弧度和曲率),即可获取到当前水位,并可通过程序动态预设警戒水位线,动态分析水位是否越界。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于视频识别的检测水位方法,特征在于,该方法包括如下步骤:
(11)对实时视频提取帧数据;
(12)对帧数据进行解码,获取实际场景图片;
(13)对图像进行二值化,腐蚀,膨胀等形态学处理,抑制图像噪点以及其他干扰因素,获取更容易分析的二值化图像数据;
(14)判断背景模型是否建立,用来实时提取前景;
(15)将图像进行背景建模;
(16)判断是否满足更新策略,对后续的图像数据,进行前景提取操作;
(17)缓存一定时间内的前景图像数据,用以观察图像变化;
(18)对需要检查水位和需要检查的虚拟线归一到同一个水平面,对检查图像进行逐行扫描;
(19)是否满足水位越界策略;
(20)产生告警;
(21)完成一次轮询检查。
2.根据权利要求1所述的一种基于视频识别的检测水位方法,其特征在于:所述建模采用像素级样本建模,对每个像素点建立一个多顶点N的样本库,样本集记作M,那么M为1-n的集合即M={v1,v2...vn}。
3.根据权利要求2所述的一种基于视频识别的检测水位方法,其特征在于:所述图像每个像素点与样本库进行比较,匹配度很低即差值大于L,进行前景点计数。对于前景点计数,当满足一定数量N时更新到前景点图像,同时如果一个像素点连续K次被检测为前景点,那么则认为是背景点,如果匹配度很高即差值小于L,且计数次数小于N,那么则每个像素点按照一定概率1/ρ去更新样本集。这样,算法本身的运算量将大大减少,并且随机的策略只受到图像数据本身的影响。
4.根据权利要求1-3任一项所述的一种基于视频识别的检测水位越界的简单策略,其特征在于:所述包括以下步骤:
(22)获取当前预处理的图片;
(23)、(26)维护一定时间内的前景缓存集;
(24)、(27)保存当前前景,并对水位数据进行低通滤波用来消除数据波动影响低通滤波公式Y(n)=kY(n-1)+(1-k)X(n)其中K是信任系数,x(n)为当前值,Y(n-1)为上一次滤波值;
(25)如果当前Δt(当前图片产生的时间-之前图片产生的时间)超过预设的值T,清除久远的数据;
(28)、(27)、(33)对其Δt的滤波结果进行二阶差分判断其趋势属于上升还是下降;
(34)判断当前水平面的位置是否越过预设的警戒水位线位置;
(35)产生告警信息。
5.根据权利要求4所述的一种基于视频识别的检测水位方法,其特征在于:所述极少值采集可能由于外界因素影响导致波动范围较大或来自水位本身波动影响产生的锯齿。
6.根据权利要求4所述的一种基于视频识别的检测水位方法,其特征在于:所述一阶差分ΔY(n)=Y(n+1)-Y(n),Y(n)为上一次滤波值,Y(n+1)为当前滤波值。
7.根据权利要求4所述的一种基于视频识别的检测水位方法,其特征在于:所述二阶差分Δ(ΔY(n))=Y(n+2)-2Y(n+1)+Y(n),这样可以得到一个正负值,即水位方向势能的拐点。
8.根据权利要求1-7任一项所述的一种基于视频识别的检测水位方法,其特征在于:在工业现场如需检查水位越界,都是可流动的水,当水产生流动通过一定的算法,能捕获到水面波动情况,判断其水位波动趋势,并将水面与墙壁交汇产生的水线当作直线来提取(水的弧度和曲率等于地球表面的弧度和曲率),即可获取到当前水位,并可通过程序动态预设警戒水位线,动态分析水位是否越界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910571109.3A CN110207783A (zh) | 2019-06-28 | 2019-06-28 | 一种基于视频识别的检测水位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910571109.3A CN110207783A (zh) | 2019-06-28 | 2019-06-28 | 一种基于视频识别的检测水位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110207783A true CN110207783A (zh) | 2019-09-06 |
Family
ID=67795137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910571109.3A Pending CN110207783A (zh) | 2019-06-28 | 2019-06-28 | 一种基于视频识别的检测水位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110207783A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516081A (zh) * | 2021-07-16 | 2021-10-19 | 廖佳庆 | 一种通过深度学习图像识别技术实现虚拟水尺识别水位的方法 |
CN114550037A (zh) * | 2022-02-18 | 2022-05-27 | 福建水口发电集团有限公司 | 一种水电站视频数据数字化安全预警方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102116664A (zh) * | 2009-12-30 | 2011-07-06 | 捷达世软件(深圳)有限公司 | 水位监测系统及方法 |
CN104165668A (zh) * | 2014-08-18 | 2014-11-26 | 深圳市亿维锐创科技有限公司 | 一种自动预警水利险情的水利监测方法及其系统 |
CN106650600A (zh) * | 2016-10-17 | 2017-05-10 | 东南大学 | 一种基于视频图像分析的森林烟火检测方法 |
CN107204006A (zh) * | 2017-06-01 | 2017-09-26 | 大连海事大学 | 一种基于双背景差分的静止目标检测方法 |
CN108648211A (zh) * | 2018-05-16 | 2018-10-12 | 思百达物联网科技(北京)有限公司 | 一种基于深度学习的小目标检测方法、装置、设备和介质 |
CN109670404A (zh) * | 2018-11-23 | 2019-04-23 | 江苏理工学院 | 一种基于混合模型的道路积水图像检测预警方法 |
-
2019
- 2019-06-28 CN CN201910571109.3A patent/CN110207783A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102116664A (zh) * | 2009-12-30 | 2011-07-06 | 捷达世软件(深圳)有限公司 | 水位监测系统及方法 |
CN104165668A (zh) * | 2014-08-18 | 2014-11-26 | 深圳市亿维锐创科技有限公司 | 一种自动预警水利险情的水利监测方法及其系统 |
CN106650600A (zh) * | 2016-10-17 | 2017-05-10 | 东南大学 | 一种基于视频图像分析的森林烟火检测方法 |
CN107204006A (zh) * | 2017-06-01 | 2017-09-26 | 大连海事大学 | 一种基于双背景差分的静止目标检测方法 |
CN108648211A (zh) * | 2018-05-16 | 2018-10-12 | 思百达物联网科技(北京)有限公司 | 一种基于深度学习的小目标检测方法、装置、设备和介质 |
CN109670404A (zh) * | 2018-11-23 | 2019-04-23 | 江苏理工学院 | 一种基于混合模型的道路积水图像检测预警方法 |
Non-Patent Citations (2)
Title |
---|
侯建国 等: "《变形监测理论与应用》", 30 June 2008, 测绘出版社 * |
郭速学: "《图解单片机编程与应用》", 31 January 2013, 中国电力出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516081A (zh) * | 2021-07-16 | 2021-10-19 | 廖佳庆 | 一种通过深度学习图像识别技术实现虚拟水尺识别水位的方法 |
CN114550037A (zh) * | 2022-02-18 | 2022-05-27 | 福建水口发电集团有限公司 | 一种水电站视频数据数字化安全预警方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN111967394B (zh) | 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法 | |
CN110207783A (zh) | 一种基于视频识别的检测水位方法 | |
CN108009574B (zh) | 一种轨道扣件检测方法 | |
CN104282011A (zh) | 一种检测视频图像中干扰条纹的方法及装置 | |
CN102831472A (zh) | 一种基于视频流图像处理的人数统计方法 | |
CN113012383B (zh) | 火灾检测报警方法、相关系统、相关设备及存储介质 | |
CN106682665A (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
CN110929608A (zh) | 安全帽佩带检测方法及系统 | |
CN105241679A (zh) | 一种动车组隐蔽故障检测方法 | |
CN110146520A (zh) | 一种印制线路板的检测设备及其检测方法 | |
CN110728212B (zh) | 一种基于计算机视觉的道路井盖监控装置及监控方法 | |
CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警系统及方法 | |
CN103093197A (zh) | 一种识别上吊行为的监控方法和系统 | |
CN110782411A (zh) | 一种基于图像处理的防震锤滑移识别方法 | |
CN111274872B (zh) | 基于模板匹配的视频监控动态不规则多监管区域判别方法 | |
CN112351247A (zh) | 一种基于图像处理的水电厂内电光闪光检测方法 | |
CN103956013A (zh) | 一种风雨扰动信号实时判定方法 | |
CN114266719B (zh) | 一种基于霍夫变换的产品检测方法 | |
CN110197131A (zh) | 一种基于机器视觉远程监测避雷器放电动作次数的方法 | |
CN109472192A (zh) | 一种变电站室外具备抗干扰能力的火焰图像识别方法 | |
CN115761644A (zh) | 基于深度学习和帧差法的输电导线异物检测方法 | |
CN113781513B (zh) | 一种电厂供水管道泄漏检测方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190906 |