CN110849444A - 一种基于机器视觉的视频水位测量方法 - Google Patents
一种基于机器视觉的视频水位测量方法 Download PDFInfo
- Publication number
- CN110849444A CN110849444A CN201911142787.4A CN201911142787A CN110849444A CN 110849444 A CN110849444 A CN 110849444A CN 201911142787 A CN201911142787 A CN 201911142787A CN 110849444 A CN110849444 A CN 110849444A
- Authority
- CN
- China
- Prior art keywords
- module
- water level
- signal connection
- water
- sample
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims description 17
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
Images
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
- G01F23/22—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 by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—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 by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
- G01F23/292—Light, e.g. infrared or ultraviolet
-
- 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
- G01F23/04—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 by dip members, e.g. dip-sticks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Abstract
本发明涉及图像处理技术领域，尤其是一种基于机器视觉的视频水位测量系统，包括水面线识别模块，所述水面线识别模块信号连接有样本提取模块，所述样本提取模块信号连接有样本分类模块，所述样本分类模块信号连接有SVM模型建立模块，所述SVM模型建立模块信号连接有上传模块，所述上传模块信号连接有多项式拟合模块，所述多项式拟合模块信号连接有参考对象选取模块，所述参考对象选取模块信号连接有基准点选取模块，所述基准点选取模块信号连接有水位计算模块，本发明还提供了一种基于机器视觉的视频水位测量方法。本发明具有提高水位识别的可靠性和稳定性的特点。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于机器视觉的视频水位测量方法。
背景技术
目前，随着图像处理和机器视觉技术的进步和提高，视频识别从最早的文字识别，逐渐发展到车牌识别、人脸识别，这些自动识别技术已经遍布我们生活的每个角落。然而，在水位测量这一块领域上，还没有一种视频识别方法能够达到水位测量95％的要求。已有的水位识别方法主要是基于图像边缘检测方法，利用对基础图像的阈值处理，腐蚀，利用统计学进行累加得到水位信息，这种处理方式一方面会丢失图像信息，无法做到自率定和校正；另一方面，在面对光源条件不足、水面倒影、水尺反光、水面漂浮物遮挡、水尺污损等不利情况下，这类算法的识别精度大大下降。
基于机器视觉发展和原有水位识别方法的不足，本发明提出一种全新的视频水位测量方法，利用高精摄像头解决水位测量精度问题，同时保证适用于多种野外环境。
发明内容
本发明的目的是为了解决现有技术中存在的识别精度低、无法做到自率定和校正的缺点，而提出的一种基于机器视觉的视频水位测量方法。
为了实现上述目的，本发明采用了如下技术方案：
设计一种基于机器视觉的视频水位测量系统，包括水面线识别模块，所述水面线识别模块信号连接有样本提取模块，所述样本提取模块信号连接有样本分类模块，所述样本分类模块信号连接有SVM模型建立模块，所述SVM模型建立模块信号连接有上传模块，所述上传模块信号连接有多项式拟合模块，所述多项式拟合模块信号连接有参考对象选取模块，所述参考对象选取模块信号连接有基准点选取模块，所述基准点选取模块信号连接有水位计算模块。
本发明还提供了一种基于机器视觉的视频水位测量方法，包括以下步骤：
S1、利用Visual Studio的视频流获取算法得到现场水位视频，根据图像中水文水尺位置和测量范围，确定测量区域的像素位置，然后从水面线识别模块和水位计算模块进行水位识别方法建立；
S2、通过样本提取模块截取水尺图片和水面图片，然后样本分类模块将图片分为正样本和负样本，利用固定像素块进行步进筛分，得到对应的图像RGB向量信息，采用SVM模型建立模块进行SVM分类训练，得到水位线识别模型，利用模型得到视频图像的水位线像素位置；
S3、采用基准点选取模块选定水尺顶部为像素基准点，通过参考对象选取模块根据量程选定参考点，确定参考点像素值和实际长度值，再利用多项式拟合模块进行多项式拟合，得到实际水位和像素位置的映射关系；
S4、利用映射关系和水面线位置，可以准确的得到水位值，然后通过上传模块对数据进行上传。
本发明提出的一种基于机器视觉的视频水位测量方法，有益效果在于：本发明的优势在于能够较为迅速的处理视频流信息，在不损失图像数据的情况下，做到对水位实时识别；同时，能够适应多种野外环境，针对小样本建立生成适合的SVM模型，鲁棒性较高；此外，本发明在目前实验和野外测量情况下，能够达到95％的识别精度，且误码率较低，提高水位识别的可靠性和稳定性；最后，本方法能够结合实时视频和图像进行自率定，即使是恶劣天气情况下也能及时做出调整，保障水文测量的安全性。
附图说明
图1为本发明提出的一种基于机器视觉的视频水位测量系统框图。
具体实施方式
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实施例，而不是全部的实施例。
参照图1，一种基于机器视觉的视频水位测量系统，包括水面线识别模块，所述水面线识别模块信号连接有样本提取模块，所述样本提取模块信号连接有样本分类模块，所述样本分类模块信号连接有SVM模型建立模块，利用SVM将问题转化为分类问题，提高识别效率和精度，能够对特殊情况进行小样本处理。
所述SVM模型建立模块信号连接有上传模块，所述上传模块信号连接有多项式拟合模块，所述多项式拟合模块信号连接有参考对象选取模块，所述参考对象选取模块信号连接有基准点选取模块，所述基准点选取模块信号连接有水位计算模块，利用多项式拟合建立映射，解决镜头畸变和水尺水面接触弧面的问题，进一步提高测量精度。
本发明还提供了一种基于机器视觉的视频水位测量方法，包括以下步骤：
S1、利用Visual Studio的视频流获取算法得到现场水位视频，根据图像中水文水尺位置和测量范围，确定测量区域的像素位置，然后从水面线识别模块和水位计算模块进行水位识别方法建立；
S2、通过根据识别区域的划分，通过样本提取模块截取水尺图片和水面图片，然后样本分类模块将图片分为正样本和负样本，利用固定像素块进行步进筛分，得到对应的图像RGB向量信息，采用SVM模型建立模块进行SVM分类训练，得到水位线识别模型，利用模型得到视频图像的水位线像素位置，针对小样本建立生成适合的SVM模型，鲁棒性较高，误码率较低，提高水位识别的可靠性和稳定性；
S3、采用基准点选取模块选定水尺顶部为像素基准点，通过参考对象选取模块根据量程选定参考点，确定参考点像素值和实际长度值，再利用多项式拟合模块进行多项式拟合，得到实际水位和像素位置的映射关系，结合实时视频和图像进行自率定，即使是恶劣天气情况下也能及时做出调整，保障水文测量的安全性；
S4、利用映射关系和水面线位置，可以准确的得到水位值，然后通过上传模块对数据进行上传。
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 (2)
1.一种基于机器视觉的视频水位测量系统，包括水面线识别模块，其特征在于，所述水面线识别模块信号连接有样本提取模块，所述样本提取模块信号连接有样本分类模块，所述样本分类模块信号连接有SVM模型建立模块，所述SVM模型建立模块信号连接有上传模块，所述上传模块信号连接有多项式拟合模块，所述多项式拟合模块信号连接有参考对象选取模块，所述参考对象选取模块信号连接有基准点选取模块，所述基准点选取模块信号连接有水位计算模块。
2.根据权利要求1所述的一种基于机器视觉的视频水位测量方法，其特征在于，包括以下步骤：
S1、利用Visual Studio的视频流获取算法得到现场水位视频，根据图像中水文水尺位置和测量范围，确定测量区域的像素位置，然后从水面线识别模块和水位计算模块进行水位识别方法建立；
S2、通过样本提取模块截取水尺图片和水面图片，然后样本分类模块将图片分为正样本和负样本，利用固定像素块进行步进筛分，得到对应的图像RGB向量信息，采用SVM模型建立模块进行SVM分类训练，得到水位线识别模型，利用模型得到视频图像的水位线像素位置；
S3、采用基准点选取模块选定水尺顶部为像素基准点，通过参考对象选取模块根据量程选定参考点，确定参考点像素值和实际长度值，再利用多项式拟合模块进行多项式拟合，得到实际水位和像素位置的映射关系；
S4、利用映射关系和水面线位置，可以准确的得到水位值，然后通过上传模块对数据进行上传。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911142787.4A CN110849444A (zh) | 2019-11-20 | 2019-11-20 | 一种基于机器视觉的视频水位测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911142787.4A CN110849444A (zh) | 2019-11-20 | 2019-11-20 | 一种基于机器视觉的视频水位测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110849444A true CN110849444A (zh) | 2020-02-28 |
Family
ID=69603182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911142787.4A Pending CN110849444A (zh) | 2019-11-20 | 2019-11-20 | 一种基于机器视觉的视频水位测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110849444A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215125A (zh) * | 2020-10-09 | 2021-01-12 | 武汉科技大学 | 一种基于YOLOv3的水位识别方法 |
| CN113819971A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于水、标尺和漂浮物语义分割的人工智能水位监测系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046321A (zh) * | 2015-06-25 | 2015-11-11 | 河海大学 | 一种基于相似性搜索的组合模型预测水位的方法 |
| WO2016147804A1 (ja) * | 2015-03-17 | 2016-09-22 | Dmg森精機株式会社 | 液位検出方法及び液位検出装置、並びにこの液位検出装置を備えた工作機械 |
| CN106796747A (zh) * | 2014-11-05 | 2017-05-31 | 英特尔公司 | 用于确定传感器状况的系统 |
| 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 |
| CN107588823A (zh) * | 2017-09-18 | 2018-01-16 | 河海大学 | 基于双波段成像的水尺水位测量方法 |
| CN108759973A (zh) * | 2018-04-28 | 2018-11-06 | 南京昊控软件技术有限公司 | 一种水位测量方法 |
| WO2019044040A1 (ja) * | 2017-08-30 | 2019-03-07 | 三菱電機株式会社 | 水位計測装置および水際線抽出方法 |
-
2019
- 2019-11-20 CN CN201911142787.4A patent/CN110849444A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106796747A (zh) * | 2014-11-05 | 2017-05-31 | 英特尔公司 | 用于确定传感器状况的系统 |
| WO2016147804A1 (ja) * | 2015-03-17 | 2016-09-22 | Dmg森精機株式会社 | 液位検出方法及び液位検出装置、並びにこの液位検出装置を備えた工作機械 |
| CN105046321A (zh) * | 2015-06-25 | 2015-11-11 | 河海大学 | 一种基于相似性搜索的组合模型预测水位的方法 |
| 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 |
| WO2019044040A1 (ja) * | 2017-08-30 | 2019-03-07 | 三菱電機株式会社 | 水位計測装置および水際線抽出方法 |
| 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 |
| CN107588823A (zh) * | 2017-09-18 | 2018-01-16 | 河海大学 | 基于双波段成像的水尺水位测量方法 |
| CN108759973A (zh) * | 2018-04-28 | 2018-11-06 | 南京昊控软件技术有限公司 | 一种水位测量方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113819971A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于水、标尺和漂浮物语义分割的人工智能水位监测系统 |
| CN112215125A (zh) * | 2020-10-09 | 2021-01-12 | 武汉科技大学 | 一种基于YOLOv3的水位识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107506798B (zh) | 一种基于图像识别的水位监测方法 | |
| CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
| US8031941B2 (en) | Image display apparatus, image display method, and image display program | |
| CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
| CN104168478B (zh) | 基于Lab空间及相关性函数的视频图像偏色检测方法 | |
| CN109766886B (zh) | 一种基于图像识别的水位识别方法 | |
| CN102542552B (zh) | 视频图像的顺逆光判断和拍摄时间检测方法 | |
| CN110849444A (zh) | 一种基于机器视觉的视频水位测量方法 | |
| CN114565848B (zh) | 一种复杂场景的药液液位检测方法及系统 | |
| CN110889874B (zh) | 一种双目相机标定结果的误差评估方法 | |
| CN114627461A (zh) | 一种基于人工智能高精度识别水尺数据的方法及系统 | |
| CN108416790A (zh) | 一种用于工件破损率的检测方法 | |
| CN115880683B (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 | |
| JP2008269218A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| CN204789392U (zh) | 一种视觉检测倒角面的光路系统 | |
| CN116310263A (zh) | 一种指针式航空地平仪示数自动读取实现方法 | |
| CN110400320A (zh) | 一种电润湿缺陷像素的分割方法 | |
| CN102306292A (zh) | 一种复合式倾斜校正方法 | |
| TWI465699B (zh) | 水位量測方法 | |
| CN115082504A (zh) | 一种太阳能光伏板光斑识别方法 | |
| CN113822104B (zh) | 基于多候选虚拟标尺的人工智能水面检测系统 | |
| CN113962921A (zh) | 一种光伏电池片的栅线检测方法 | |
| CN114596437A (zh) | 一种图像背景分割方法及系统 | |
| CN110081828B (zh) | 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法 | |
| CN108871224B (zh) | 一种用于led玻璃灯杯的凹槽深度检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |
|
| RJ01 | Rejection of invention patent application after publication |