CN112013921A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112013921A CN112013921A CN201910463089.8A CN201910463089A CN112013921A CN 112013921 A CN112013921 A CN 112013921A CN 201910463089 A CN201910463089 A CN 201910463089A CN 112013921 A CN112013921 A CN 112013921A
- Authority
- CN
- China
- Prior art keywords
- image
- scale
- water level
- area
- matrix
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 205
- 238000005259 measurement Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 123
- 238000012546 transfer Methods 0.000 claims description 35
- 238000012937 correction Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000013523 data management Methods 0.000 claims description 2
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004441 surface measurement Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing 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
- G01F23/04—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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Fluid Mechanics (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种基于水位尺测量图像获取水位信息的方法，包括，获取水位尺当前测量图像；检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，分别获取各个分割线所分割第一子区域与第二子区域的图像差异，根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。实现了水位测量的自动化。
Description
技术领域
本发明涉及图像处理领域，特别地，涉及一种基于水位尺测量图像获取水位信息的方法和系统。
背景技术
随着图像分析技术的不断发展，各行业业务场景均有自动化代替传统人力工作的趋势，自动观测水位、并获取水位信息则为节省人力成本的一种手段。
水位尺是一种在江、河、湖泊或其他水体的指定地点测定水面高程的装置。它是由金属或非金属材料制作而成，上面标有刻度，精度一般以厘米计(最小刻度1cm)，水利上一般以1米为一节，以纯红、蓝为一块，方便阅读。
目前，在对河道、水文站、水库等水位观测中，尽管都安装有清晰的摄像装置对水位尺的测量图像进行采集，但所采集的图像仅用于辅助监控，从所采集的测量图像中尚不能准确地获取定量的水位数据信息，
发明内容
本发明实施例提供了一种基于水位尺测量图像获取水位信息的方法，以自动获取当前水位测量数据信息。
本发明提供的基于水位尺测量图像获取水位信息的方法是这样实现的：
一种基于水位尺测量图像获取水位信息的方法，
获取水位尺当前测量图像；
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；
根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；
将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，
分别获取各个分割线所分割第一子区域与第二子区域的图像差异，
根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，
根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。
较佳地，所述识别出所述刻度标中的各个单位刻度该之后还包括，将有偏转的水位尺当前测量图像矫正为水位尺尺面刻度标均匀的正视图，得到矫正后的测量图像。
其中，所述将有偏转的水位尺当前测量图像矫正为水位尺尺面刻度标均匀的正视图包括，
将至少两个单位刻度图像中的至少两个特征作为标定图像特征，基于所述标定图像特征信息、以及识别出的至少两个单位刻度中与所述标定图像相同的图像特征信息，获取用于矫正的空间转移矩阵，
通过所述空间转移矩阵，将所述当前测量图像进行矫正。
其中，所述至少两个特征满足：该两个特征所形成的连线不与其所在单位刻度图像的水平方向或垂直方向平行；
所述空间转移矩阵至少为3×3的矩阵。
又，所述基于所述标定图像特征信息、以及识别出的至少两个单位刻度中与所述标定图像相同的图像特征信息，获取用于矫正的空间转移矩阵，包括，
根据所述标定图像特征信息通过与所述空间转移矩阵的对应关系而得到所述识别出的单位刻度的图像特征信息的约束关系，求解所述空间转移矩阵。
其中，所述根据所述标定图像特征信息通过与所述空间转移矩阵的对应关系可得到识别出的各个单位刻度中与所述标定图像相同的图像特征信息的约束关系，求解所述空间转移矩阵包括，
构建以所述标定图像特征信息为矩阵元素的第一矩阵，所述第一矩阵为至少m×n的矩阵；
构建以所述识别出的单位刻度图像特征信息为矩阵元素的第二矩阵，所述第二矩阵为至少m×n的矩阵；
构建所述第二矩阵等于所述空间转移矩阵与所述第一矩阵相乘的关系式，
基于所述关系式，求解出空间转移矩阵；
其中，m为大于等于3的自然数，n与所述空间转移矩阵的行数相同。
较佳地，所述单位刻度包括位于水位尺尺面第一刻度标区域的数字标识、在相邻两两数字标识之间等间距分布的三条刻度条所拼接的第一E字形、以及位于水位尺尺面第二刻度标区域等间距分布的三条刻度条所拼接的第二E字形，所述第一E字形、第二E字形以外横边上下吻合相接，以将单位刻度由5个刻度条来标示；
所述图像特征信息包括第一E字形外轮廓中心的坐标、第二E字形外轮廓中心的坐标，
所述构建以所述标定图像特征信息为矩阵元素的第一矩阵包括，构建第一矩阵的第一行元素为各个标定图像中第一E字形和第二E字形外轮廓中心的x坐标，第二行元素为各个标定图像中第一E字形和第二E字形外轮廓中心的y坐标；每一列中的x坐标和y坐标为同一个E字形图像的中心坐标，其余行为用于补齐矩阵且具有相同数值的矩阵元素，
所述构建以有所述识别出的单位刻度图像特征信息为矩阵元素的第二矩阵包括，构建第二矩阵的第一行元素为识别出的单位刻度图像中第一E字形和第二E字形外轮廓中心的x坐标，第二行元素为识别出的单位刻度图像中第一E字形和第二E字形外轮廓中心的y坐标；每一列中x坐标元素和y坐标元素为同一个E字形图像的中心坐标，其余行的元素包括为每个坐标所设定的权重，
其中，第一矩阵中每一行的坐标位序与第二矩阵中每一行的坐标位序相同。
较佳地，所述通过所述空间转移矩阵，将所述当前测量图像进行矫正包括，
将识别出的当前测量图像转换为w×H个像素点，其中，w为水位尺尺面图像宽度，H为当前测量图像的高度，
通过将矫正后图像的每个像素点坐标分别与空间转移矩阵相乘而得到当前测量图像的每个像素点的坐标的约束关系，得到矫正后图像的每个像素点所映射的矫正前图像中的坐标位置；；
将当前测量图像中每个像素点附近的像素值进行插值，得到矫正后图像上对应像素点像素值；依次将矫正后图像的各个像素点用对应插值填满，得到矫正后图像。
较佳地，所述检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度包括，基于训练后的模型，通过深度学习对当前测量图像进行检测识别，获得所述刻度标中的各个单位刻度、以及各个单位刻中所包括的数字标识、第一E字形、和第二E字形。
较佳地，所述根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置包括，
根据检测识别所获取的数字标识的最小值，或者根据所获取的各个单位刻度中第一E字形中心和/或第二E字形中心的最小坐标值，确定出具有最小数字标识的刻度在矫正后的测量图像中的第一位置；或者，
根据矫正后的图像提取各个刻度对应的字符位置，基于字符位置所在图像进行深度学习的分类，确定分类结果是否与对应位置字符一致；若不一致，则为被水淹没区域，若一致，则为水位尺位置，根据检测识别所获取的数字标识的最小值，或者根据所获取的各个单位刻度中第一E字形中心和/或第二E字形中心的最小坐标值，确定出具有最小数字标识的刻度在矫正后的测量图像中的第一位置；其中，所述字符包括数字标识、和/或第一E字形、和/或第二E字形。
较佳地，所述将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域包括，基于矫正后的测量图像，将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，该ROI区域沿水位尺尺面宽度方向的宽度至少包括一个刻度标区域，沿水位尺尺面的高程方向的高度可根据实际应用进行设置和调整，
所述在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线包括，在矫正后的测量图像中的ROI区域，沿水位尺高程方向，按照一定步长距离分别设定各个分割线位置。
较佳地，所述图像差异包括图像属性相关参数的差异值，
所述分别获取各个分割线所分割第一子区域与第二子区域的图像差异包括，
对于任一分割线:
分别计算第一子区域的图像属性相关参数均值和第二子区域的图像属性相关参数均值；
计算第一子区域的图像属性相关参数均值与第二子区域的图像属性相关参数均值的比较值，得到该分割线所分割区域的图像属性相关参数的差异值；
所述根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置包括，
比较各个分割线所分割区域的图像属性相关参数的差异值，根据最大差异值所对应的分割线在矫正后的测量图像上的位置线，确定所述第二位置。
本发明还提供了一种基于水位尺测量图像获取水位信息的装置，该装置包括，
图像获取模块，获取水位尺当前测量图像；
检测识别模块，
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；
逻辑判断模块，
将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，
分别获取各个分割线所分割第一子区域与第二子区域的图像差异，
根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，
根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。
较佳地，该装置进一步包括矫正模块，将有偏转的水位尺当前测量图像矫正为水位尺尺面刻度标均匀的正视图，得到矫正后的测量图像。
较佳地，所述矫正模块进一步包括，
将至少两个单位刻度图像中的至少两个特征作为标定图像特征，基于所述标定图像特征信息、以及识别出的至少两个单位刻度中与所述标定图像相同的图像特征信息，获取用于矫正的空间转移矩阵，
通过所述空间转移矩阵，将所述当前测量图像进行矫正。
其中，所述至少两个特征满足：该两个特征所形成的连线不与其所在单位刻度图像的水平方向或垂直方向平行；
所述空间转移矩阵至少为3×3的矩阵。
较佳地，所述矫正模块进一步包括，根据所述标定图像特征信息通过与所述空间转移矩阵的对应关系而得到所述识别出的单位刻度的图像特征信息的约束关系，求解所述空间转移矩阵。
较佳地，所述矫正模块进一步包括，
构建以所述标定图像特征信息为矩阵元素的第一矩阵，所述第一矩阵为至少m×n的矩阵；
构建以所述识别出的单位刻度图像特征信息为矩阵元素的第二矩阵，所述第二矩阵为至少m×n的矩阵；
构建所述第二矩阵等于所述空间转移矩阵与所述第一矩阵相乘的关系式，
基于所述关系式，求解出空间转移矩阵；
其中，m为大于等于3的自然数，n与空间转移矩阵的行数相同。
较佳地，所述单位刻度包括位于水位尺尺面第一刻度标区域的数字标识、在相邻两两数字标识之间等间距分布的三条刻度条所拼接的第一E字形、以及位于水位尺尺面第二刻度标区域等间距分布的三条刻度条所拼接的第二E字形，所述第一E字形、第二E字形以外横边上下吻合相接，以将单位刻度由5个刻度条来标示；
所述图像特征信息包括第一E字形外轮廓中心的坐标、第二E字形外轮廓中心的坐标，
所述矫正模块进一步包括，
构建第一矩阵的第一行元素为各个标定图像中第一E字形和第二E字形外轮廓中心的x坐标，第二行元素为各个标定图像中第一E字形和第二E字形外轮廓中心的y坐标；每一列中x坐标和y坐标为同一个E字形图像的中心坐标，其余行为用于补齐矩阵且具有相同数值的矩阵元素，
构建第二矩阵的第一行元素为识别出的单位刻度图像中第一E字形和第二E字形外轮廓中心的x坐标，第二行元素为识别出的单位刻度图像中第一E字形和第二E字形外轮廓中心的y坐标；每一列中x坐标元素和y坐标元素为同一个E字形图像的中心坐标，第三行为为每个坐标所设定的权重，
其中，第一矩阵中每一行的坐标元素位序与第二矩阵中每一行的坐标元素位序相同。
较佳地，所述矫正模块还包括，
将识别出的当前测量图像转换为w×H个像素点，其中，w为水位尺尺面图像宽度，H为当前测量图像的高度，
通过将矫正后图像的每个像素点坐标分别与空间转移矩阵相乘而得到当前测量图像的每个像素点的约束关系，得到矫正后图像的每个像素点所映射的矫正前图像中的坐标位置；；
将当前测量图像中每个像素点附近的像素值进行插值，得到矫正后图像上对应像素点像素值；依次将矫正后图像的各个像素点用对应插值填满，得到矫正后图像。
较佳地，所述检测模块进一步包括，
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度包括，基于训练后的模型，通过深度学习对当前测量图像进行检测识别，获得所述刻度标中的各个单位刻度、以及各个单位刻中所包括的数字标识、第一E字形、和第二E字形。
较佳地，所述检测模块还包括，
根据检测识别所获取的数字标识的最小值，或者根据所获取的各个单位刻度中第一E字形中心和/或第二E字形中心的最小坐标值，确定出具有最小数字标识的刻度在矫正后的测量图像中的第一位置；或者，
根据矫正后的图像提取各个刻度对应的字符位置，基于字符位置所在图像进行深度学习的分类，确定分类结果是否与对应位置字符一致；若不一致，则为被水淹没区域，若一致，则为水位尺位置，根据检测识别所获取的数字标识的最小值，或者根据所获取的各个单位刻度中第一E字形中心和/或第二E字形中心的最小坐标值，确定出具有最小数字标识的刻度在矫正后的测量图像中的第一位置；其中，所述字符包括数字标识、和/或第一E字形、和/或第二E字形。
较佳地，所述逻辑判断模块还包括，
基于矫正后的测量图像，将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，该ROI区域沿水位尺尺面宽度方向的宽度至少包括一个刻度标区域，沿水位尺尺面的高程方向的高度可根据实际应用进行设置和调整，
所述在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线包括，在矫正后的测量图像中的ROI区域，沿水位尺高程方向，按照一定步长距离分别设定各个分割线位置。
较佳地，所述图像差异包括图像属性相关参数的差异值，
所述逻辑判断模块还包括，
对于任一分割线:
分别计算第一子区域的图像属性相关参数均值和第二子区域的图像属性相关参数均值；计算第一子区域的图像属性相关参数均值与第二子区域的图像属性相关参数均值的比较值，得到该分割线所分割区域的图像属性相关参数的差异值；
所述根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置包括，
比较各个分割线所分割区域的图像属性相关参数的差异值，根据最大差异值所对应的分割线在矫正后的测量图像上的位置线，确定所述第二位置。
本发明还提供一种基于水位尺测量图像获取水位信息的系统，该系统包括，
至少一个以上摄像装置，以及为所述摄像装置提供网络接入的服务器，其中，所述摄像装置获取的至少一个水位尺的当前测量图像发送至所述服务器；
所述服务器
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；
根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；
将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，
分别获取各个分割线所分割第一子区域与第二子区域的图像差异，
根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，
根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。
较佳地，该系统还包括通过网络连接至少一个服务器的中心端设备，所述中心端设备接收各个服务器获取的水位信息，进行数据的分析和管理。
本发明还提供一种摄像装置，包括摄像头、存储器和处理器，其中，
所述摄像头，用于拍摄图像；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序，实现上述任一所述基于水位尺测量图像获取水位信息的方法。
本发明还提供一种存储介质，存储有实现上述任一所述基于水位尺测量图像获取水位信息的方法的计算机程序。
本发明实施例对水位尺当前测量图像进行识别，根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置，以此获得水线区域位置，通过对第一位置处的感兴趣区域的图像差异的分析，以此获得了水线的准确位置，从而通过实时获取的测量图像，自动获取量化的水位信息，减少了人工的工作量，通过对获取图像的矫正，使得所获取的水位信息更为准确，提高了水文检测的自动化程度。
附图说明
图1为通用标准水位尺尺面刻度标的一种示意图
图2为以通用标准水位尺测量图像为例获取水位信息的一种流程示意图。
图3为矫正前与矫正后的水位尺尺面测量图像。
图4为基于水位尺测量图像获取水位信息的装置。
图5为基于水位尺测量图像获取水位信息的系统。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白，以下结合附图对本申请做进一步详细说明。
本发明实施例提供的一种基于水位尺测量图像获取水位信息的方法，通过检测测量水位信息的水位尺尺面上的当前图像特征信息，识别出高于水线之上的第一水位尺尺面；将水位尺尺面在摄像机上有偏转的成像矫正成刻度均匀的平面正视图，基于矫正的平面正视图选择出RIO(感兴趣区域)，按照设置的阈值调整范围沿水位尺高程方向进行特征分割，根据分割位置在矫正的平面正视图上的位置线性计算出当前水位尺的尺面读数。
以下将以通用的标准水位尺为实施例来说明。
参见图1所示，图1为通用标准水位尺尺面刻度标的一种示意图。通用的标准水位尺尺面沿高程方向包括有区域大小相同的第一刻度标区域和第二刻度标区域，第一刻度标区域包括等间距分布的数字标识、以及在相邻两两数字标识之间等间距分布的刻度条，三条刻度条拼接为E字形(第一E字形)，其中，E字形的区域大小与数字标识的区域大小相同，第二刻度标区域包括等间距分布的刻度条，为读数方便，所述第二刻度标区域在与第一刻度标区域中数字标识旁侧的区域位置上等间距分布有三条刻度条，该三条刻度条拼接为与第一刻度标区域的E字形形成反向的E字形(第二E字形)，该反向E字形的区域大小与数字标识的区域大小相同，这样，每单位刻度包括了第一刻度标区域的数字标识、E字形、以及第二刻度标区域的反向E字形，一对相向的E字形以外横边上下吻合相接组成一个单位刻度，使得一个单位刻度由5个刻度条来标示。
参见图2所示，图2为以通用标准水位尺测量图像为例获取水位信息的一种流程示意图。
步骤201，以水位尺尺面的每个单位刻度为样本，对训练模型进行训练。基于训练后的模型，利用深度学习检测对获取的水位尺测量图像进行检测，以获取到高于水线之上的第一水位尺尺面的刻度标的各个单位刻度，即，识别出水位尺尺面当前可见刻度标中各个单位刻度的图像特征信息。
步骤202，由于摄像机所拍摄的图像通常难以以正视角度拍摄而得到水位尺尺面的正视图，因此，通过对图像的矫正，将有偏转的水位尺平面在摄像机上的成像(原图)矫正成刻度均匀的平面正视图。具体矫正步骤包括：
基于至少两个单位刻度的用于标定的图像特征信息、以及识别的各个单位刻度的中与用于标定图像相同的图像特征信息，获取用于矫正的空间转移矩阵。
在本申请中，用于标定的图像特征信息是同一单位刻度中一对相向的E字形，实际应用中可以是其他特征信息，只要便于检测识别即可，例如，上述单位刻度图像中也可以将除了所述相向的E字形区域之外的留白区域作为图像特征；为方便获得坐标点，较佳地，以E字形外轮廓图形的中心。实际应用中，可以选择单位刻度图像中的任意两点，只要该两点所形成的连线满足不与图像的水平方向或垂直方向平行的条件。
参见图1中单位刻度局部放大图，设水位尺尺面图像宽度为w个像素，每单位刻度的高度为h个像素，即，一个数字标识和一对相向的E字形所组成的单位刻度矫正后图像像素为w×h个。
设定单位刻度的标定信息。在以如图所示为例的坐标系中(坐标原点为第一刻度标区域的0刻度标处)，对于第i个单位刻度中，其第一刻度标区域中的E字形中心坐标为(w/4，(4ih-3h)/4)，第二刻度标区域中的反向E字形中心坐标为(3w/4，(4ih-h)/4)，其中，i为所述第一水位尺尺面中的单位刻度的数量，由此可得到i个单位刻度的标定信息。
单位刻度中，各对相向的E字形标定图像中心坐标通过与空间转移矩阵的对应关系可得到矫正前的各对相向的E字形图像中心坐标，即：
其中，A为至少为三个三维坐标点所确定的空间，即，至少为3×3的空间转移矩阵，其反映了摄像机所拍摄图像映射到平面正视图在三维空间转换；
X为标定图像中各对相向的E字形图像中心的x坐标、Y为标定图像中各对相向的E字形图像中心的y坐标；矩阵中，每一列x坐标和y坐标为同一个E字形图像的中心坐标；
x′为矫正前图像中各对相向的E字形图像中心的x坐标、y′为矫正前图像中各对相向的E字形图像中心的y坐标；矩阵中，每一列x坐标和y坐标为同一个E字形图像的中心坐标；W为权重，可根据实际情况进行设定；
并且，较佳地，标定图像矩阵中(第一矩阵)每一行的坐标X的位序与矫正前图像矩阵中(第二矩阵)每一行的坐标x′的位序相同，类似地，标定图像矩阵中每一行的坐标Y的位序与矫正前图像矩阵中每一行的坐标y′的位序相同。
上述式1的一种展开式可以表示为：
其中，x′i0表示矫正前图像第i个单位刻度中第一刻度标区域中的E字形中心的x坐标，x′i1表示矫正前图像第i个单位刻度中第二刻度标区域中的反向E字形中心的x坐标；类似地，y′i0表示矫正前图像第i个单位刻度中第一刻度标区域中的E字形中心的y坐标，y′i1表示矫正前图像第i个单位刻度中第二刻度标区域中的反向E字形中心的y坐标；xi0表示标定图像第i个单位刻度中第一刻度标区域中的E字形中心的x坐标，xi1表示标定图像第i个单位刻度中第二刻度标区域中的反向E字形中心的x坐标；类似地，yi0表示标定图像第i个单位刻度中第一刻度标区域中的E字形中心的y坐标，yi1表示标定图像第i个单位刻度中第二刻度标区域中的反向E字形中心的y坐标。
并且，标定图像矩阵中每一行的坐标X的位序与矫正前图像矩阵中每一行的坐标x′的位序相同，类似地，标定图像矩阵中每一行的坐标Y的位序与矫正前图像矩阵中每一行的坐标y′的位序相同。
例如，矫正前图像矩阵中第一行的x′坐标位序x′00 x′01 x′10 x′11.....x′i0 x′i1为：矫正前图像中，第0个单位刻度的第一刻度标区域中的E字形中心的x坐标、第二刻度标区域中的反向E字形中心的x坐标、第1个单位刻度的第一刻度标区域中的E字形中心的x坐标、第二刻度标区域中的反向E字形中心的x坐标……第i个单位刻度的第一刻度标区域中的E字形中心的x坐标、第二刻度标区域中的反向E字形中心的x坐标。
标定图像矩阵中第一行的x坐标位序x00 x01 x10 x11.....xi0 xi1为：标定图像中，第0个单位刻度的第一刻度标区域中的E字形中心的x坐标、第二刻度标区域中的反向E字形中心的x坐标、第1个单位刻度的第一刻度标区域中的E字形中心的x坐标、第二刻度标区域中的反向E字形中心的x坐标……第i个单位刻度的第一刻度标区域中的E字形中心的x坐标、第二刻度标区域中的反向E字形中心的x坐标。
即，矫正前图像矩阵中同一图像特征信息与标定图像矩阵中同一图像特征信息具有相同的列位置。
上述矫正前图像中各对相向的E字形的中心坐标在检测识别过程中可以获得，而标定图像中各对相向的E字形的中心坐标为已知的设定，则可通过式1求解而得到空间转移矩阵A。
由于A至少为3×3的空间转移矩阵，共计8个未知数，则至少需要通过8个方程来求解，这样，就需要至少任意2对相向的E字形的中心坐标，即，至少两个单位刻度的图像。在上述确定空间转移矩阵时，单位刻度的数量越多，矫正的效果越好。
步骤203，遍历矫正后图像中的每个像素点坐标位置，通过得到的空间转移矩阵与矫正后图像中的各个像素点坐标相乘而等于矫正前图像中各个像素点坐标的关系，得到矫正后图像中各个像素点所映射的矫正前图像中的坐标位置；其中，矫正前图像包括w×H个像素点，H为矫正前图像的高度，即，包括有i个单位刻度；
对于任一像素点，将矫正前的原图像中像素点附近的像素值进行插值，得到矫正后图像上该像素点像素值；
反复执行基于矫正前的原图像中各个像素点附近的像素值插值，依次将矫正后图像的各个像素点用插值填满，由此可以得到矫正后的第一水位尺尺面的图像。
参见图3所示，图3示出了矫正前与矫正后的水位尺尺面测量图像，其中，左边的水位尺尺面测量图像为矫正前的图像，右边的水位尺尺面测量图像为矫正后的图像。
步骤204，根据检测识别所获取的数字标识的最小值，或者所获取的各个单位刻度中第一刻度标区域E字形中心的最小坐标值，确定出第一水位尺尺面中的具有最小数字标识的刻度在矫正后图像中的位置。或者，根据矫正后的图像提取各个刻度对应的字符位置，所述字符包括数字标识和/或E字形；基于字符位置所在图像进行深度学习的分类，确定分类结果是否与对应位置字符一致。若一致，则为水位尺位置，然后，根据检测识别所获取的数字标识的最小值，或者所获取的各个单位刻度中第一刻度标区域E字形中心的最小坐标值，确定出第一水位尺尺面中的具有最小数字标识的刻度在矫正后图像中的位置。若不一致，则为被水淹没区域，从而实现水位粗定位的功能。
步骤205，基于矫正后的图像，将所述具有最小数字标识的刻度位置附近的尺面区域作为感兴趣区域(ROI)，所述ROI区域沿水位尺尺面宽度方向的宽度至少包括一个刻度标区域，沿水位尺尺面的高程方向的高度可根据实际应用进行设置和调整，例如，一个数字标识的高度。
步骤206，设定将ROI区域分割为第一子区域和第二子区域的分割线，其中，第一子区域包括沿水位尺高程方向分割线之上的ROI区域，第二子区域包括分割线之下的ROI区域，
步骤207，分别计算第一子区域的图像属性相关参数均值和第二子区域的图像属性相关参数均值，例如，图像的亮度均值；并计算第一子区域的图像属性相关参数均值与第二子区域的图像属性相关参数均值的比较值，得到当前分割线所分割区域的图像属性相关参数的差异值；其中，比较值可以是，例如，计算第一子区域的图像属性相关参数均值与第二子区域的图像属性相关参数均值的比值，或者，计算第二子区域的图像属性相关参数均值与第一子区域的图像属性相关参数均值的比值；
步骤208，沿水位尺高程方向调整分割线的位置，以对ROI区域进行另一分割，例如，基于上一分割线位置，沿水位尺高程方向由上至下按照一定步长距离调整下一分割线位置，例如，步长距离为刻度标的最小刻度；然后返回执行步骤207，直至获得各个分割线所分割区域的图像属性相关参数的差异值。
步骤209，由于位于水线之下的水位尺尺面图像与位于水线之上的水位尺尺面图像具有较大的差异，例如，水线之下的水位尺尺面图像的亮度均值比水线之上的水位尺尺面图像的亮度均值明显减小，以此可以判定出分割线的位置。故而，比较各个分割线所分割区域的图像属性相关参数的差异值，根据最大差异值所对应的分割线在矫正图上的位置线获取当前水位尺的水线读数，即，将最大差异值所对应的分割线在矫正图上的位置线作为水线位置，并结合确定的具有最小数字标识的刻度位置，确定当前水位尺的水线读数，从而得到更准确的水位信息。
在上述确定水线位置的步骤中，还可以的实施方式是，使用边缘文理信息来确定水线位置。
在本发明实施例中，对于每次识别，根据深度学习技术对水位尺进行检测识别，识别出水位尺的各个刻度图像，从而能够得到粗定位结果，通过对原图像的矫正，有利于提高水线位置确定的精确性，根据粗定位结果获取感兴趣区域，并在在该ROI区域中确定水线位置在图像中的位置，使得水位信息的确定更为准确。
参见图4所示，图4为基于水位尺测量图像获取水位信息的装置，包括，
图像获取模块，获取当前水位尺测量图像；
检测识别模块，通过深度学习检测出当前水位尺尺面中的数字标识和E字形，获取各个单位刻度图像的各个像素点坐标，并确定具有最小数字标识的刻度位置，
矫正模块，根据获取各个单位刻度图像的各个像素点坐标、以及至少两个以上的单位刻图图像的标定信息，求解出用于矫正有偏转水位尺尺面图像的空间转移矩阵；将当前水位尺测量图像通过所述空间转移矩阵进行矫正，得到矫正后的水位尺测量图像；
逻辑判断模块，基于矫正后的水位尺测量图像，获取水线位置在后的水位尺测量图像的位置，结合所述具有最小数字标识的刻度位置，获取水位信息。
参见图5所示，图5为基于水位尺测量图像获取水位信息的系统，该系统包括获取水位尺测量图像的图像获取模块，该模块为前端设备，可以具备白天彩色效果，夜晚红外补光等功能。对于多根水位尺进行测量的情形，可以使用球机设备作为前端设备，设置各预置点，在一定范围内以轮询的方式监控多根水尺所在水域的水位，实现多路监管，也可以通过其他形态的摄像机前端设备进行图像采集和处理。
基于水位尺测量图像获取水位信息方法的实现可以使用前端运算单元处理，所获得的水位信息以数据上报的方式上报至服务器。也可以通过网络传输获取的当前水位尺测量图像，由服务器进行基于水位尺测量图像获取水位信息方法的实现。
中心端设备可以通过网络连接多个服务器，实现数据中心监管，形成各区域水位报表，以及实时观看现场画面的能力，还可以通过网络远程控制前端设备的转动、放大等操作。中心端设备也可利用各地水位信息、河道上下游信息、温度、时间段、雨量信息、环保部门信息进行大数据的分析，实现智能分析能力。如预测下一段时间水位变化范围等水文指标。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，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。
本发明实施例还提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取水位尺当前测量图像；
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；
根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；
将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，
分别获取各个分割线所分割第一子区域与第二子区域的图像差异，
根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，
根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。
对于装置/网络侧设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，本发明所提供的水位信息获取方法的实施例，可不限于上述实施方式，例如，对于具有异形刻度标的水位尺，可结合刻度标的图案特点，选取相应的图像特征信息进行检测、矫正、逻辑判断，从而获得水位信息。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (17)
1.一种基于水位尺测量图像获取水位信息的方法，其特征在于，该方法包括，
获取水位尺当前测量图像；
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；
根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；
将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，
分别获取各个分割线所分割第一子区域与第二子区域的图像差异，
根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，
根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。
2.如权利要求1所述的方法，其特征在于，所述识别出所述刻度标中的各个单位刻度该之后还包括，将有偏转的水位尺当前测量图像矫正为水位尺尺面刻度标均匀的正视图，得到矫正后的测量图像。
3.如权利要求2所述的方法，其特征在于，所述将有偏转的水位尺当前测量图像矫正为水位尺尺面刻度标均匀的正视图包括，
将至少两个单位刻度图像中的至少两个特征作为标定图像特征，基于所述标定图像特征信息、以及识别出的至少两个单位刻度中与所述标定图像相同的图像特征信息，获取用于矫正的空间转移矩阵，
通过所述空间转移矩阵，将所述当前测量图像进行矫正。
其中，所述至少两个特征满足：该两个特征所形成的连线不与其所在单位刻度图像的水平方向或垂直方向平行；
所述空间转移矩阵至少为3×3的矩阵。
4.如权利要求3所述的方法，其特征在于，所述基于所述标定图像特征信息、以及识别出的至少两个单位刻度中与所述标定图像相同的图像特征信息，获取用于矫正的空间转移矩阵，包括，
根据所述标定图像特征信息通过与所述空间转移矩阵的对应关系而得到所述识别出的单位刻度的图像特征信息的约束关系，求解所述空间转移矩阵。
5.如权利要求4所述的方法，其特征在于，所述根据所述标定图像特征信息通过与所述空间转移矩阵的对应关系可得到识别出的各个单位刻度中与所述标定图像相同的图像特征信息的约束关系，求解所述空间转移矩阵包括，
构建以所述标定图像特征信息为矩阵元素的第一矩阵，所述第一矩阵为至少m×n的矩阵；
构建以所述识别出的单位刻度图像特征信息为矩阵元素的第二矩阵，所述第二矩阵为至少m×n的矩阵；
构建所述第二矩阵等于所述空间转移矩阵与所述第一矩阵相乘的关系式，
基于所述关系式，求解出空间转移矩阵；
其中，m为大于等于3的自然数，n与所述空间转移矩阵的行数相同。
6.如权利要求5所述的方法，其特征在于，所述单位刻度包括位于水位尺尺面第一刻度标区域的数字标识、在相邻两两数字标识之间等间距分布的三条刻度条所拼接的第一E字形、以及位于水位尺尺面第二刻度标区域等间距分布的三条刻度条所拼接的第二E字形，所述第一E字形、第二E字形以外横边上下吻合相接，以将单位刻度由5个刻度条来标示；
所述图像特征信息包括第一E字形外轮廓中心的坐标、第二E字形外轮廓中心的坐标，
所述构建以所述标定图像特征信息为矩阵元素的第一矩阵包括，构建第一矩阵的第一行元素为各个标定图像中第一E字形和第二E字形外轮廓中心的x坐标，第二行元素为各个标定图像中第一E字形和第二E字形外轮廓中心的y坐标；每一列中的x坐标和y坐标为同一个E字形图像的中心坐标，其余行为用于补齐矩阵且具有相同数值的矩阵元素，
所述构建以有所述识别出的单位刻度图像特征信息为矩阵元素的第二矩阵包括，构建第二矩阵的第一行元素为识别出的单位刻度图像中第一E字形和第二E字形外轮廓中心的x坐标，第二行元素为识别出的单位刻度图像中第一E字形和第二E字形外轮廓中心的y坐标；每一列中x坐标元素和y坐标元素为同一个E字形图像的中心坐标，其余行的元素包括为每个坐标所设定的权重，
其中，第一矩阵中每一行的坐标位序与第二矩阵中每一行的坐标位序相同。
7.如权利要求6所述的方法，其特征在于，所述通过所述空间转移矩阵，将所述当前测量图像进行矫正包括，
将识别出的当前测量图像转换为w×H个像素点，其中，w为水位尺尺面图像宽度，H为当前测量图像的高度，
通过将矫正后图像的每个像素点坐标分别与空间转移矩阵相乘而得到当前测量图像的每个像素点的坐标的约束关系，得到矫正后图像的每个像素点所映射的矫正前图像中的坐标位置；
将当前测量图像中每个像素点附近的像素值进行插值，得到矫正后图像上对应像素点像素值；依次将矫正后图像的各个像素点用对应插值填满，得到矫正后图像。
8.如权利要求7所述的方法，其特征在于，所述检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度包括，基于训练后的模型，通过深度学习对当前测量图像进行检测识别，获得所述刻度标中的各个单位刻度、以及各个单位刻中所包括的数字标识、第一E字形、和第二E字形。
9.如权利要求8所述的方法，其特征在于，所述根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置包括，
根据检测识别所获取的数字标识的最小值，或者根据所获取的各个单位刻度中第一E字形中心和/或第二E字形中心的最小坐标值，确定出具有最小数字标识的刻度在矫正后的测量图像中的第一位置；或者，
根据矫正后的图像提取各个刻度对应的字符位置，基于字符位置所在图像进行深度学习的分类，确定分类结果是否与对应位置字符一致；若不一致，则为被水淹没区域，若一致，则为水位尺位置，根据检测识别所获取的数字标识的最小值，或者根据所获取的各个单位刻度中第一E字形中心和/或第二E字形中心的最小坐标值，确定出具有最小数字标识的刻度在矫正后的测量图像中的第一位置；其中，所述字符包括数字标识、和/或第一E字形、和/或第二E字形。
10.如权利要求9所述的方法，其特征在于，所述将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域包括，基于矫正后的测量图像，将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，该ROI区域沿水位尺尺面宽度方向的宽度至少包括一个刻度标区域，沿水位尺尺面的高程方向的高度可根据实际应用进行设置和调整，
所述在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线包括，在矫正后的测量图像中的ROI区域，沿水位尺高程方向，按照一定步长距离分别设定各个分割线位置。
11.如权利要求10所述的方法，其特征在于，所述图像差异包括图像属性相关参数的差异值，
所述分别获取各个分割线所分割第一子区域与第二子区域的图像差异包括，
对于任一分割线:
分别计算第一子区域的图像属性相关参数均值和第二子区域的图像属性相关参数均值；
计算第一子区域的图像属性相关参数均值与第二子区域的图像属性相关参数均值的比较值，得到该分割线所分割区域的图像属性相关参数的差异值；
所述根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置包括，
比较各个分割线所分割区域的图像属性相关参数的差异值，根据最大差异值所对应的分割线在矫正后的测量图像上的位置线，确定所述第二位置。
12.一种基于水位尺测量图像获取水位信息的装置，其特征在于，该装置包括，
图像获取模块，获取水位尺当前测量图像；
检测识别模块，
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；
逻辑判断模块，
将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，
分别获取各个分割线所分割第一子区域与第二子区域的图像差异，
根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，
根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。
13.如权利要求11所述的装置，其特征在于，该装置进一步包括矫正模块，将有偏转的水位尺当前测量图像矫正为水位尺尺面刻度标均匀的正视图，得到矫正后的测量图像。
14.一种基于水位尺测量图像获取水位信息的系统，其特征在于，该系统包括，
至少一个以上摄像装置，以及为所述摄像装置提供网络接入的服务器，其中，所述摄像装置获取的至少一个水位尺的当前测量图像发送至所述服务器；
所述服务器
检测当前测量图像中水位尺尺面刻度标，识别出所述刻度标中的各个单位刻度；
根据识别的各个单位刻度，获取具有最小数字标识的刻度在当前测量图像中的第一位置；
将所述第一位置处的水位尺尺面刻度标区域作为感兴趣ROI区域，在所述感兴趣区域设定至少一条将ROI区域分割为第一子区域和第二子区域的分割线，
分别获取各个分割线所分割第一子区域与第二子区域的图像差异，
根据获取的各个图像差异，获取其中最大差异所对应的分割线在当前测量图像中的第二位置，
根据所述第二位置、以及第一位置区域的最小数字标识，获取当前水位信息。
15.如权利要求14所述的系统，其特征在于，该系统还包括通过网络连接至少一个服务器的中心端设备，所述中心端设备接收各个服务器获取的水位信息，进行数据的分析和管理。
16.一种摄像装置，其特征在于，包括摄像头、存储器和处理器，其中，
所述摄像头，用于拍摄图像；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序，实现权利要求1-11任一所述基于水位尺测量图像获取水位信息的方法。
17.一种存储介质，其特征在于，存储有实现权利要求1-11任一所述基于水位尺测量图像获取水位信息的方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910463089.8A CN112013921B (zh) | 2019-05-30 | 2019-05-30 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910463089.8A CN112013921B (zh) | 2019-05-30 | 2019-05-30 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112013921A true CN112013921A (zh) | 2020-12-01 |
| CN112013921B CN112013921B (zh) | 2023-06-23 |
Family
ID=73500512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910463089.8A Active CN112013921B (zh) | 2019-05-30 | 2019-05-30 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112013921B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949624A (zh) * | 2021-01-25 | 2021-06-11 | 西安电子科技大学 | 基于水尺的水位检测方法、装置、电子设备及存储介质 |
| CN113421299A (zh) * | 2021-06-25 | 2021-09-21 | 南京云创大数据科技股份有限公司 | 一种基于水位计和摄像机的水深测定系统和方法 |
| 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 |
| CN115164766A (zh) * | 2022-06-14 | 2022-10-11 | 南通黄海药械有限公司 | 一种园林不规则图形智能测量装置及其测量方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09257548A (ja) * | 1996-03-22 | 1997-10-03 | Laser Noshuku Gijutsu Kenkyu Kumiai | 液位測定装置 |
| JP2002032766A (ja) * | 2000-07-18 | 2002-01-31 | Matsushita Electric Ind Co Ltd | 画像認識装置及びその方法 |
| CN101266654A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 基于连通分量和支持向量机的图像文本定位方法和装置 |
| CN101545800A (zh) * | 2008-03-27 | 2009-09-30 | 上海树诚智能科技有限公司 | 电渣炉钢水液面探测方法 |
| CN101586956A (zh) * | 2009-06-18 | 2009-11-25 | 上海交通大学 | 基于单目摄像机的河流水位监测方法 |
| JP2012185061A (ja) * | 2011-03-07 | 2012-09-27 | Mitsubishi Electric Corp | 水位検出装置、水位検出システム、及び水位検出方法 |
| CN104848917A (zh) * | 2015-04-20 | 2015-08-19 | 大连理工大学 | 一种用于玻璃水槽内水位分析的图像测量方法 |
| CN204649763U (zh) * | 2014-10-16 | 2015-09-16 | 中国航空工业集团公司北京航空材料研究院 | 一种为容量瓶定容的自动加液装置 |
| CN105631445A (zh) * | 2014-11-06 | 2016-06-01 | 通号通信信息集团有限公司 | 中文车牌字符识别方法及系统 |
| 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 |
| CN109145830A (zh) * | 2018-08-24 | 2019-01-04 | 浙江大学 | 一种智能水尺识别方法 |
| CN109376740A (zh) * | 2018-10-19 | 2019-02-22 | 天津天地伟业投资管理有限公司 | 一种基于视频的水尺读数检测方法 |
| CN109522889A (zh) * | 2018-09-03 | 2019-03-26 | 中国人民解放军国防科技大学 | 一种基于图像分析的水文尺水位识别估算方法 |
| CN109754416A (zh) * | 2017-11-03 | 2019-05-14 | 富士通株式会社 | 图像处理装置和方法 |
| CN109764930A (zh) * | 2018-12-27 | 2019-05-17 | 河海大学 | 一种适用于复杂光照条件的水尺水位线视觉检测方法 |
-
2019
- 2019-05-30 CN CN201910463089.8A patent/CN112013921B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09257548A (ja) * | 1996-03-22 | 1997-10-03 | Laser Noshuku Gijutsu Kenkyu Kumiai | 液位測定装置 |
| JP2002032766A (ja) * | 2000-07-18 | 2002-01-31 | Matsushita Electric Ind Co Ltd | 画像認識装置及びその方法 |
| CN101266654A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 基于连通分量和支持向量机的图像文本定位方法和装置 |
| CN101545800A (zh) * | 2008-03-27 | 2009-09-30 | 上海树诚智能科技有限公司 | 电渣炉钢水液面探测方法 |
| CN101586956A (zh) * | 2009-06-18 | 2009-11-25 | 上海交通大学 | 基于单目摄像机的河流水位监测方法 |
| JP2012185061A (ja) * | 2011-03-07 | 2012-09-27 | Mitsubishi Electric Corp | 水位検出装置、水位検出システム、及び水位検出方法 |
| CN204649763U (zh) * | 2014-10-16 | 2015-09-16 | 中国航空工业集团公司北京航空材料研究院 | 一种为容量瓶定容的自动加液装置 |
| CN105631445A (zh) * | 2014-11-06 | 2016-06-01 | 通号通信信息集团有限公司 | 中文车牌字符识别方法及系统 |
| CN104848917A (zh) * | 2015-04-20 | 2015-08-19 | 大连理工大学 | 一种用于玻璃水槽内水位分析的图像测量方法 |
| 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 |
| CN109754416A (zh) * | 2017-11-03 | 2019-05-14 | 富士通株式会社 | 图像处理装置和方法 |
| CN109145830A (zh) * | 2018-08-24 | 2019-01-04 | 浙江大学 | 一种智能水尺识别方法 |
| CN109522889A (zh) * | 2018-09-03 | 2019-03-26 | 中国人民解放军国防科技大学 | 一种基于图像分析的水文尺水位识别估算方法 |
| CN109376740A (zh) * | 2018-10-19 | 2019-02-22 | 天津天地伟业投资管理有限公司 | 一种基于视频的水尺读数检测方法 |
| CN109764930A (zh) * | 2018-12-27 | 2019-05-17 | 河海大学 | 一种适用于复杂光照条件的水尺水位线视觉检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| YANG LIU，CHUANJIANG HE，YONGFEI WU: "Variational model with kernel metric-based data term for noisy image segmentation", 《DIGITAL SIGNAL PROCESSING》 * |
| YANG LIU，CHUANJIANG HE，YONGFEI WU: "Variational model with kernel metric-based data term for noisy image segmentation", 《DIGITAL SIGNAL PROCESSING》, 31 July 2018 (2018-07-31), pages 42 - 55 * |
| 徐驰，孙长库，王鹏，贾伟广: "液位实时自动跟踪测量系统", 《传感技术学报》 * |
| 徐驰，孙长库，王鹏，贾伟广: "液位实时自动跟踪测量系统", 《传感技术学报》, 30 October 2011 (2011-10-30), pages 1506 - 1510 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949624A (zh) * | 2021-01-25 | 2021-06-11 | 西安电子科技大学 | 基于水尺的水位检测方法、装置、电子设备及存储介质 |
| CN112949624B (zh) * | 2021-01-25 | 2024-02-13 | 西安电子科技大学 | 基于水尺的水位检测方法、装置、电子设备及存储介质 |
| CN113421299A (zh) * | 2021-06-25 | 2021-09-21 | 南京云创大数据科技股份有限公司 | 一种基于水位计和摄像机的水深测定系统和方法 |
| CN113421299B (zh) * | 2021-06-25 | 2024-03-29 | 南京云创大数据科技股份有限公司 | 一种基于水位计和摄像机的水深测定系统和方法 |
| 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 |
| CN115164766A (zh) * | 2022-06-14 | 2022-10-11 | 南通黄海药械有限公司 | 一种园林不规则图形智能测量装置及其测量方法 |
| CN115164766B (zh) * | 2022-06-14 | 2024-04-26 | 南通黄海药械有限公司 | 一种园林不规则图形智能测量装置及其测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112013921B (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
| CN108759973A (zh) | 一种水位测量方法 | |
| CN110223341B (zh) | 一种基于图像识别的智能水位监测方法 | |
| CN111950396B (zh) | 一种仪表读数神经网络识别方法 | |
| CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
| CN111008614A (zh) | 一种基于视频的无水尺水位读数方法 | |
| CN111007531A (zh) | 一种基于激光点云数据的道路边沿检测方法 | |
| CN102589461A (zh) | 一种基于图像的积雪深度测量方法 | |
| CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
| CN112132131A (zh) | 量筒液位识别方法和装置 | |
| CN113160223A (zh) | 轮廓的确定方法、确定装置、检测设备及存储介质 | |
| CN104848917B (zh) | 一种用于玻璃水槽内水位分析的图像测量方法 | |
| CN114812418A (zh) | 一种便携式植株密度和株距测量系统 | |
| CN112884731B (zh) | 一种基于机器视觉的水位检测方法及河道监测方法 | |
| CN113902894A (zh) | 一种基于图像处理的条式水平仪自动读数识别方法 | |
| CN116989825A (zh) | 一种路侧激光雷达-相机-utm坐标系联合标定方法及系统 | |
| CN115761468A (zh) | 一种基于图像分割和目标检测技术的水位检测系统、方法 | |
| US20230349687A1 (en) | Plant dimension measuring method | |
| CN115170551A (zh) | 一种基于视觉技术标定的产品检测和溯源方法及系统 | |
| CN108955909A (zh) | 一种基于机器视觉的油温表识别读数方法 | |
| CN111260625B (zh) | 胶印大张图像检测区域的自动提取方法 | |
| CN112070791B (zh) | 一种提升畜牧个体点数精度和效率的方法和系统 | |
| CN110378953B (zh) | 一种智能识别猪群圈内空间分布行为的方法 | |
| CN113869112A (zh) | 一种基于机器视觉的仪表自动读数方法装置 |
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 |