CN111008614A - 一种基于视频的无水尺水位读数方法 - Google Patents
一种基于视频的无水尺水位读数方法 Download PDFInfo
- Publication number
- CN111008614A CN111008614A CN201911349545.2A CN201911349545A CN111008614A CN 111008614 A CN111008614 A CN 111008614A CN 201911349545 A CN201911349545 A CN 201911349545A CN 111008614 A CN111008614 A CN 111008614A
- Authority
- CN
- China
- Prior art keywords
- water level
- water
- line
- video
- points
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
-
- 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
- G01F23/0007—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 for discrete indicating and measuring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Abstract
本发明提供一种基于视频的无水尺水位读数方法,包括人工标定,工作人员使用激光仪在水位线到岸之间进行激光打点,将所打激光散点的位置在视频图像上画点标记;构建虚拟水尺,以当前水位线处所打的激光散点为基准点,在视频图像中以基准点为中心,左右外扩视频图像,得到虚拟水尺的边界;进行水位线区域检测,将虚拟水尺从视频图像中抠出,使用深度学习模型进行水位线区域检测,获得水位线区域;对水位线进行回归,将得到的水位线区域从视频图像中抠出,使用深度学习回归模型进行回归;计算水位线读数。该发明的有益效果是:提出了不使用水尺,即可有效检测水位的方法,该方法对外界环境变化具有较强的鲁棒性。
Description
技术领域
本发明涉及视频检测技术领域,尤其是涉及一种基于视频的无水尺水位读数方法。
背景技术
随着社会的进步与发展,视频水利监测系统应用的越来越广泛,其中,基于视频的水位读数技术尤为重要。通过人眼观察确定水位读数,往往会耗费大量的人力成本和时间成本,并且读数会存在较大误差,也无法实现对水位读数的实时准确的监控。
现有的水位读数技术,都是检测水位线在水尺上的读数,需要提前对水尺上的刻度值进行检测,这存在两个弊端:一、某些水位监控场景不具备安装实际水尺的条件;二、水尺在水中长时间浸泡或受自然环境的影响,会出现严重的挂污,即使水尺没有挂污,也会很容易受到光照的影响,出现刻度值显示不清晰的问题,最终导致水位读数偏差较大,无法正确的对水位进行监测。
发明内容
有鉴于此,本发明旨在提出一种基于视频的无水尺水位读数方法,排除自然环境和光照的影响,不需要安装水尺,即可进行全天候监测水位读数,并判断水位读数是否在预设水位范围内,达到对水位实时正确监控的效果。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于视频的无水尺水位读数方法,包括步骤:
S1.人工标定;
S2.构建虚拟水尺;
S3.进行水位线区域检测;
S4.对水位线进行回归;
S5.计算水位线读数。
进一步的,人工标定过程为工作人员使用激光仪在水位线到岸之间进行激光打点,将所打激光散点的位置在视频图像上画点标记。
进一步的,所打激光散点个数为多个,将第一个点打在当前水位线处,作为基准点,其余点按顺序从下到上,均匀分散在水位线到岸之间。
进一步的,步骤S2中虚拟水尺的构建过程为:以当前水位线处所打的激光散点为基准点,在视频图像中以基准点为中心,左右外扩视频图像宽度,得到虚拟水尺的左右边界,将视频图像的上下边作为虚拟水尺的上下边界。
进一步的,构建虚拟水尺时,将所打的激光散点在虚拟水尺上的投影点作为虚拟水尺的刻度点。
进一步的,进行水位线区域检测时,将步骤S2中构建的虚拟水尺从视频图像中抠出,使用深度学习模型进行水位线区域检测,获得水位线区域。
进一步的,对水位线进行回归时,将步骤S3中得到的水位线区域从视频图像中抠出,使用深度学习回归模型进行回归。
进一步的,对水位线进行回归时,在步骤S3中检测的水位线区域上获取多个点,多个点的纵坐标取平均值,得到水位线的回归值,即为水位线的纵坐标。
进一步的,计算水位线读数时,利用步骤S4中得到的水位线回归值和步骤S2中构建的虚拟水尺,计算水位线的读数,计算公式为
其中,n表示所打散点个数;hn表示激光散点在虚拟水尺上的投影点的海拔,且h1<…<hn;y表示激光散点的纵坐标;y′n表示投影点的中坐标,y′1>…>y′n;m表示在回归水位线上获取的点数;y′m表示在回归水位线上获取的点的中坐标。
相对于现有技术,本发明所述的一种基于视频的无水尺水位读数方法具有以下优势:
本发明对原始yolo网络进行了裁剪,达到了效果和性能上的指标平衡,更加具有实用性,解决了原始网络性能差的问题;提出了不使用水尺,即可有效检测水位的方法,该方法对外界环境变化具有较强的鲁棒性。可应用于河道水位监测、水库水位监测和水池水位监测等。使用此方法,排除自然环境和光照的影响,不需要安装水尺,即可进行全天候监测水位读数,并判断水位读数是否在预设水位范围内,达到对水位实时正确监控的效果
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的一种基于视频的无水尺水位读数方法流程图;
图2为激光散点视频图像标记示意图;
图3为激光散点剖面投影示意图;
图4为虚拟水尺投影点海拔计算示意图;
图5为水位线区域检测模型及水位线回归模型训练样本对照图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。
如图1至图5所示,一种基于视频的无水尺水位读数方法,包括步骤:
S1.人工标定;
S2.构建虚拟水尺;
S3.进行水位线区域检测;
S4.对水位线进行回归;
S5.计算水位线读数。
人工标定过程为工作人员使用激光仪在水位线到岸之间进行激光打点,将所打激光散点的位置在视频图像上画点标记。
所打激光散点个数为多个,将第一个点打在当前水位线处,作为基准点,其余点按顺序从下到上,均匀分散在水位线到岸之间。
步骤S2中虚拟水尺构建过程为:以当前水位线处所打的激光散点为基准点,在视频图像中以基准点为中心,左右外扩视频图像宽度,得到虚拟水尺的左右边界,将视频图像的上下边作为虚拟水尺的上下边界。
构建虚拟水尺时,将所打的激光散点在虚拟水尺上的投影点作为虚拟水尺的刻度点。
进行水位线区域检测时,将步骤S2中构建的虚拟水尺从视频图像中抠出,使用深度学习模型进行水位线区域检测,获得水位线区域。
对水位线进行回归时,将步骤S3中得到的水位线区域从视频图像中抠出,使用深度学习回归模型进行回归。
对水位线进行回归时,在步骤S3中检测的水位线区域上获取多个点,多个点的纵坐标取平均值,得到水位线的回归值,即为水位线的纵坐标。
计算水位线读数时,利用步骤S4中得到的水位线回归值和步骤S2中构建的虚拟水尺,计算水位线的读数。
本实施例的工作过程如下:
步骤1:人工标定。借助激光仪进行激光打点,激光仪的高程h已知。一共打5个点,将第1个点打在当前水位线处,作为基准点,剩余4个点按顺序从下到上打在水位线以上,尽量均匀分散在水位线到岸之间,将5个点在视频图像上画点标记,如图2所示。每个点的坐标输入形式为:P1(x1,y1,α1,s1)、P2(x2,y2,α2,s2)…P5(x5,y5,α5,s5),其中x与y代表视频图像上的坐标,可从视频图像上读到,α代表激光线与垂直方向上的夹角,s代表激光仪到激光点的距离,α与s可从激光仪获得。
步骤2:构建虚拟水尺。如图3,黑色垂直线条代表需要构建的虚拟水尺,构建虚拟水尺时,使基准点在虚拟水尺上,激光散点在虚拟水尺上的投影点为虚拟水尺上的刻度点。首先,计算激光散点在虚拟水尺上的投影点的海拔hn,计算公式为
hn=h-sncosαn,
计算坐标示意图如图4所示,其中黑色圆点为激光散点在虚拟水尺上的投影点,投影点的纵坐标y′n与其对应的激光散点相同,即y′n=yn,5个激光散点在虚拟水尺上的投影点即为5个刻度点p′1(x1,y′1,h1)、p′2(x1,y′2,h2)…p′5(x1,y′5,h5),5个点的横坐标与基准点的横坐标相同,都为x1。
步骤3:进行水位线区域检测。使用深度学习模型检测水位线区域,该模型训练过程如下:(1)对yolov3网络进行裁剪,使模型检测效果和检测速度达到一个平衡;(2)收集训练样本,对样本进行水位线区域的标注,标注样本如图5中左边图所示;(3)迭代训练得到模型。得到模型后,在图中以基准点为中心,左右外扩视频图像宽度的6%得到虚拟水尺的左右边界,上下边界直接使用视频图像的上下边,获得虚拟水尺的边界后,将虚拟水尺从图中抠出,送给模型去检测,获得水位线区域。
步骤4:对水位线进行回归。利用深度学习回归模型,回归水位线上的4个点,回归网络的基础网络使用的是ResNet-12,训练该模型训练过程如下:(1)收集训练样本,在样本的水位线上标注4个点,该4个点均匀分布开,标注样本如图5中右边图所示;(2)迭代训练得到模型。得到模型后,将步骤4中得到的水位线区域从视频图像中抠出,再送给模型进行回归,得到4个水位线上的点,计算4个点的纵坐标的平均值,为最终获得的水位线的纵坐标y。
步骤5:利用步骤4得到的y和步骤2获得的虚拟水尺,计算水位线的最终读数。水位线读数计算方法如下:
其中,n表示所打散点个数;hn表示激光散点在虚拟水尺上的投影点的海拔,且h1<…<h5;y表示激光散点的纵坐标;y′n表示投影点的中坐标,y′1>…>y′5;m表示在回归水位线上获取的点数;y′m表示在回归水位线上获取的点的中坐标。
此基于视频的无水尺水位读数方法可应用于河道水位监测、水库水位监测和水池水位监测等。使用此方法,可排除自然环境和光照的影响,不需要安装水尺,即可进行全天候监测水位读数,并判断水位读数是否在预设水位范围内,达到对水位实时正确监控的效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (9)
1.一种基于视频的无水尺水位读数方法,其特征在于,包括步骤:
S1.人工标定;
S2.构建虚拟水尺;
S3.进行水位线区域检测;
S4.对水位线进行回归;
S5.计算水位线读数。
2.根据权利要求1所述的一种基于视频的无水尺水位读数方法,其特征在于:人工标定过程为工作人员使用激光仪在水位线到岸之间进行激光打点,将所打激光散点的位置在视频图像上画点标记。
3.根据权利要求2所述的一种基于视频的无水尺水位读数方法,其特征在于:所打激光散点个数为多个,将第一个点打在当前水位线处,作为基准点,其余点按顺序从下到上,均匀分散在水位线到岸之间。
4.根据权利要求3所述的一种基于视频的无水尺水位读数方法,其特征在于,步骤S2中虚拟水尺的构建过程为:以当前水位线处所打的激光散点为基准点,在视频图像中以基准点为中心,左右外扩视频图像宽度,得到虚拟水尺的左右边界,将视频图像的上下边作为虚拟水尺的上下边界。
5.根据权利要求3所述的一种基于视频的无水尺水位读数方法,其特征在于:构建虚拟水尺时,将所打的激光散点在虚拟水尺上的投影点作为虚拟水尺的刻度点。
6.根据权利要求1所述的一种基于视频的无水尺水位读数方法,其特征在于:进行水位线区域检测时,将步骤S2中构建的虚拟水尺从视频图像中抠出,使用深度学习模型进行水位线区域检测,获得水位线区域。
7.根据权利要求1所述的一种基于视频的无水尺水位读数方法,其特征在于:对水位线进行回归时,将步骤S3中得到的水位线区域从视频图像中抠出,使用深度学习回归模型进行回归。
8.根据权利要求7所述的一种基于视频的无水尺水位读数方法,其特征在于:对水位线进行回归时,在步骤S3中检测的水位线区域上获取多个点,多个点的纵坐标取平均值,得到水位线的回归值,即为水位线的纵坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911349545.2A CN111008614A (zh) | 2019-12-24 | 2019-12-24 | 一种基于视频的无水尺水位读数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911349545.2A CN111008614A (zh) | 2019-12-24 | 2019-12-24 | 一种基于视频的无水尺水位读数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111008614A true CN111008614A (zh) | 2020-04-14 |
Family
ID=70116261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911349545.2A Withdrawn CN111008614A (zh) | 2019-12-24 | 2019-12-24 | 一种基于视频的无水尺水位读数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008614A (zh) |
Cited By (8)
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 |
CN112212935A (zh) * | 2020-09-28 | 2021-01-12 | 北京艾克斯智能科技有限公司 | 基于数字图像处理的水体水位测量方法 |
CN112985542A (zh) * | 2021-02-23 | 2021-06-18 | 天地伟业技术有限公司 | 无水尺水位监测仪 |
CN113074797A (zh) * | 2021-02-20 | 2021-07-06 | 武汉依迅北斗时空技术股份有限公司 | 一种无水尺测量水位装置及水位标定方法 |
CN113819974A (zh) * | 2021-09-17 | 2021-12-21 | 河海大学 | 一种免水尺的河流水位视觉测量方法 |
CN113822104A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于多候选虚拟标尺的人工智能水面检测系统 |
CN114494695A (zh) * | 2022-01-13 | 2022-05-13 | 广州数鹏通科技有限公司 | 一种智慧水利城乡积涝水位监测预警方法及装置 |
WO2023045058A1 (zh) * | 2021-09-26 | 2023-03-30 | 金睛兽数字科技(重庆)有限公司 | 一种基于水位与角度同步测量的船舶计重系统及方法 |
-
2019
- 2019-12-24 CN CN201911349545.2A patent/CN111008614A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822104A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于多候选虚拟标尺的人工智能水面检测系统 |
CN113822104B (zh) * | 2020-07-07 | 2023-11-03 | 湖北亿立能科技股份有限公司 | 基于多候选虚拟标尺的人工智能水面检测系统 |
CN112212935A (zh) * | 2020-09-28 | 2021-01-12 | 北京艾克斯智能科技有限公司 | 基于数字图像处理的水体水位测量方法 |
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 |
CN113074797A (zh) * | 2021-02-20 | 2021-07-06 | 武汉依迅北斗时空技术股份有限公司 | 一种无水尺测量水位装置及水位标定方法 |
CN112985542A (zh) * | 2021-02-23 | 2021-06-18 | 天地伟业技术有限公司 | 无水尺水位监测仪 |
CN113819974A (zh) * | 2021-09-17 | 2021-12-21 | 河海大学 | 一种免水尺的河流水位视觉测量方法 |
WO2023045058A1 (zh) * | 2021-09-26 | 2023-03-30 | 金睛兽数字科技(重庆)有限公司 | 一种基于水位与角度同步测量的船舶计重系统及方法 |
CN114494695A (zh) * | 2022-01-13 | 2022-05-13 | 广州数鹏通科技有限公司 | 一种智慧水利城乡积涝水位监测预警方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008614A (zh) | 一种基于视频的无水尺水位读数方法 | |
CN108759973B (zh) | 一种水位测量方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN105054936B (zh) | 基于Kinect景深图像的快速身高和体重测量方法 | |
CN113252700B (zh) | 一种结构裂缝检测方法、设备及系统 | |
CN105700525B (zh) | 基于Kinect传感器深度图机器人工作环境不确定性地图构建法 | |
CN100443856C (zh) | 一种平面叶片面积无损测量系统及其方法 | |
CN101512551A (zh) | 用于测量动物身高的方法和系统 | |
CN108875794A (zh) | 一种基于迁移学习的图像能见度检测方法 | |
CN112013921B (zh) | 一种基于水位尺测量图像获取水位信息的方法、装置和系统 | |
CN113198166B (zh) | 一种跳远检测方法与检测装置 | |
CN109060290A (zh) | 基于视频和亚像素技术对风洞密度场进行测量的方法 | |
CN110975270A (zh) | 一种基于标记和计算机视觉的立定跳远检测方法 | |
CN103837537B (zh) | 一种无砂目金属喷墨印版网点面积率测量方法 | |
CN109740654A (zh) | 一种基于深度学习的舌体自动检测方法 | |
CN102621154A (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法及装置 | |
CN115060343A (zh) | 一种基于点云的河流水位检测系统、检测方法及程序产品 | |
CN112212935A (zh) | 基于数字图像处理的水体水位测量方法 | |
CN109458990B (zh) | 一种基于免标记锚点检测的仪器设备位姿测量及误差补偿方法 | |
CN113435442B (zh) | 水位测量方法、装置、水尺及电子设备 | |
CN105488788B (zh) | 汽车液体余量检测方法 | |
CN108682000B (zh) | 基于Kinect视频的猪体长体宽检测方法 | |
JP2011069797A (ja) | 変位量測定装置及び変位量測定方法 | |
CN105740832B (zh) | 一种应用于智能驾驶的停止线检测与测距方法 | |
CN117131671A (zh) | 一种基于数字孪生的水利工程智能监测方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200414 |