CN112037276A - 一种二次滑坡监测方法、装置、电子设备及存储介质 - Google Patents
一种二次滑坡监测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112037276A CN112037276A CN202010802783.0A CN202010802783A CN112037276A CN 112037276 A CN112037276 A CN 112037276A CN 202010802783 A CN202010802783 A CN 202010802783A CN 112037276 A CN112037276 A CN 112037276A
- Authority
- CN
- China
- Prior art keywords
- area
- landslide
- image
- determining
- preset
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000008859 change Effects 0.000 claims abstract description 102
- 230000011218 segmentation Effects 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002093 peripheral effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 15
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 208000033748 Device issues Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种二次滑坡监测方法、装置、电子设备及存储介质,在本发明实施例中,获取到监控区域的每张第一图像之后,根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,当第一面积变化参数大于预设的第一阈值时,确定进行二次滑坡。不需要人员观察来监测是否发生二次滑坡,节省了人力物力,并且避免了对观察人员的安全威胁较大的问题,本发明实施例通过图像分析确定出滑坡区域面积变化参数,根据滑坡区域面积变化参数监测二次滑坡,相较于人员观察的方式,监测的准确性更高。
Description
技术领域
本发明涉及计算机机器视觉技术领域,尤其涉及一种二次滑坡监测方法、装置、电子设备及存储介质。
背景技术
山体滑坡发生后,容易造成山体下方的公路阻塞、河流形成堰塞湖以及村庄掩埋等灾害发生,此时需要组织人力进行灾害救援,而山体很可能会发生二次滑坡,对灾害救援带来很大的危险性,当前针对二次滑坡灾害监测没有较好的技术,只能依靠人员通过实时观察来监测是否发生二次滑坡,这种方法不但耗时耗力,对观察人员的安全威胁较大,并且通过人员观察的方法一般只能根据观察人员的经验来确定是否发生二次滑坡,这种方式监测二次滑坡的准确性也较差。
发明内容
本发明实施例提供了一种二次滑坡监测方法、装置、电子设备及存储介质,用以解决现有的二次滑坡监测消耗人力物力较大,并且监测不准确的问题。
本发明实施例提供了一种二次滑坡监测方法,所述方法包括:
按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;
根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
进一步地,如果所述第一面积变化参数不大于预设的第一阈值,所述方法还包括:
根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断所述第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡。
进一步地,所述方法还包括:
若判断所述第一面积变化参数大于预设的第一阈值,输出进行快速二次滑坡的第一提示信息;
若判断所述第二面积变化参数大于预设的第二阈值,输出进行缓慢二次滑坡的第二提示信息。
进一步地,根据两张图像中的滑坡区域的面积,确定面积变化参数,判断面积变化参数是否大于预设的阈值包括:
根据两张图像中的滑坡区域的面积,计算面积差值,根据所述面积差值确定两张图像中的滑坡区域的面积变化率,判断所述面积变化率是否大于预设的阈值。
进一步地,所述按照预设的时间间隔获取监控区域的第一图像包括:
通过系留式无人机中的摄像机采集监控区域的视频,按照预设的时间间隔从所述视频中获取监控区域的第一图像。
进一步地,所述按照预设的时间间隔获取监控区域的第一图像之后,确定每张第一图像中的滑坡区域之前,所述方法还包括:
根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。
进一步地,所述确定每张第一图像中的滑坡区域包括:
将所述每张第一图像输入预先训练完成的滑坡区域分割模型,基于所述滑坡区域分割模型,确定所述每张第一图像中的滑坡区域。
进一步地,所述滑坡区域分割模型的训练过程包括:
针对训练集中的每张第三图像,将该第三图像和该第三图像对应的标注图像,输入滑坡区域分割模型中,对所述滑坡区域分割模型进行训练;其中,所述标注图像中标注有该第三图像中滑坡区域的位置信息。
另一方面,本发明实施例提供了一种二次滑坡监测装置,所述装置包括:
第一确定模块,用于按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;
第二确定模块,用于根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
进一步地,所述装置还包括:
第三确定模块,用于根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断所述第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡。
进一步地,所述装置还包括:
输出模块,用于若判断所述第一面积变化参数大于预设的第一阈值,输出进行快速二次滑坡的第一提示信息;若判断所述第二面积变化参数大于预设的第二阈值,输出进行缓慢二次滑坡的第二提示信息。
进一步地,所述第二确定模块和第三确定模块,具体用于根据两张图像中的滑坡区域的面积,计算面积差值,根据所述面积差值确定两张图像中的滑坡区域的面积变化率,判断所述面积变化率是否大于预设的阈值。
进一步地,所述第一确定模块,具体用于通过系留式无人机中的摄像机采集监控区域的视频,按照预设的时间间隔从所述视频中获取监控区域的第一图像。
进一步地,所述装置还包括:
更新模块,用于根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。
进一步地,所述第一确定模块,具体用于将所述每张第一图像输入预先训练完成的滑坡区域分割模型,基于所述滑坡区域分割模型,确定所述每张第一图像中的滑坡区域。
进一步地,所述装置还包括:
训练模块,用于针对训练集中的每张第三图像,将该第三图像和该第三图像对应的标注图像,输入滑坡区域分割模型中,对所述滑坡区域分割模型进行训练;其中,所述标注图像中标注有该第三图像中滑坡区域的位置信息。
另一方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一项所述的方法步骤。
另一方面,本发明实施例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上述任一项所述的方法步骤。
本发明实施例提供了一种二次滑坡监测方法、装置、电子设备及存储介质,所述方法包括:按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
由于在本发明实施例中,获取到监控区域的每张第一图像之后,根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,当第一面积变化参数大于预设的第一阈值时,确定进行二次滑坡。不需要人员观察来监测是否发生二次滑坡,节省了人力物力,并且避免了对观察人员的安全威胁较大的问题,本发明实施例通过图像分析确定出滑坡区域面积变化参数,根据滑坡区域面积变化参数监测二次滑坡,相较于人员观察的方式,监测的准确性更高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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。
图1为本发明实施例1提供的二次滑坡监测过程示意图;
图2为本发明实施例6提供的二次滑坡监测过程示意图;
图3为本发明实施例7提供的二次滑坡监测装置结构示意图;
图4为本发明实施例8提供的电子设备结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述,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。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它实施例,都属于本发明保护的范围。
实施例1:
图1为本发明实施例提供的二次滑坡监测过程示意图,该过程包括以下步骤:
S101:按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域。
S102:根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
本发明实施例提供的二次滑坡监测方法应用于电子设备,该电子设备可以是布置在监控场景的摄像机,也可以是PC、平板电脑等设备。如果电子设备为布置在监控场景的摄像机,则摄像机采集到监控区域的视频之后,按照预设的时间间隔获取监控区域的第一图像,然后进行后续二次滑坡监控的过程。如果电子设备为PC、平板电脑等设备,布置在监控场景的摄像机采集到监控区域的视频之后,可以将监控区域的视频发送至电子设备,然后电子设备按照预设的时间间隔获取监控区域的第一图像,然后进行后续二次滑坡监控的过程。或者也可以布置在监控场景的摄像机采集到监控区域的视频之后,按照预设的时间间隔获取监控区域的第一图像,然后将第一图像发送至电子设备,电子设备进行后续二次滑坡监控的过程。
电子设备确定每张第一图像中的滑坡区域的面积,将当前获取的第一图像中的滑坡区域的面积称为第一面积,将上一张第一图像中的滑坡区域的面积称为第二面积。然后根据第一面积和第二面积确定第一面积变化参数。其中,可以将第一面积和第二面积的差值作为第一面积变化参数,或者可以将第一面积和第二面积的比值作为第一面积变化参数。电子设备中保存有预设的第一阈值,需要说明的是,第一面积变化参数为第一面积和第二面积的差值时的预设的第一阈值与第一面积变化参数为第一面积和第二面积的比值时的预设的第一阈值是不同的。电子设备判断第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡,如果否,确定未进行二次滑坡。
由于在本发明实施例中,获取到监控区域的每张第一图像之后,根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,当第一面积变化参数大于预设的第一阈值时,确定进行二次滑坡。不需要人员观察来监测是否发生二次滑坡,节省了人力物力,并且避免了对观察人员的安全威胁较大的问题,本发明实施例通过图像分析确定出滑坡区域面积变化参数,根据滑坡区域面积变化参数监测二次滑坡,相较于人员观察的方式,监测的准确性更高。
实施例2:
为了使二次滑坡监测更加准确,在上述实施例的基础上,在本发明实施例中,如果所述第一面积变化参数不大于预设的第一阈值,所述方法还包括:
根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断所述第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡。
在本发明实施例中,电子设备中预先保存有第二图像中的滑坡区域的第三面积,该第二图像可以是一次滑坡发生之后采集并保存的图像。电子设备根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数。同样的,可以将第一面积和第三面积的差值作为第二面积变化参数,或者可以将第一面积和第三面积的比值作为第二面积变化参数。电子设备中保存有预设的第二阈值,需要说明的是,第二面积变化参数为第一面积和第三面积的差值时的预设的第二阈值与第二面积变化参数为第一面积和第三面积的比值时的预设的第二阈值是不同的。并且,预设的第一阈值和预设的第二阈值可以相同或不同,电子设备判断第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡,如果否,确定未进行二次滑坡。
由于在本发明实施例中,如果第一面积变化参数不大于预设的第一阈值,根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡。从而使得二次滑坡监测更加准确。
为了有效提醒监测人员二次滑坡的监测情况,在本发明实施例中,所述方法还包括:
若判断所述第一面积变化参数大于预设的第一阈值,输出进行快速二次滑坡的第一提示信息;
若判断所述第二面积变化参数大于预设的第二阈值,输出进行缓慢二次滑坡的第二提示信息。
若判断所述第一面积变化参数大于预设的第一阈值,则说明相邻两张第一图像中滑坡区域的面积便发生了较大的变化,则说明正在进行快速二次滑坡,此时输出进行快速二次滑坡的第一提示信息。若第一面积变化参数不大于预设的第一阈值,但是判断第二面积变化参数大于预设的第二阈值,则说明正在进行缓慢二次滑坡,此时输出进行缓慢二次滑坡的第二提示信息。
其中,第一提示信息和第二提示信息可以是声音信息、文字信息、报警灯光信息等,在本发明实施例中不进行限定。较佳的,第一提示信息和第二提示信息不同,从而准确提示监测人员正在进行快速二次滑坡还是缓慢二次滑坡。
实施例3:
为了使二次滑坡监测更加准确,在上述实施例的基础上,在本发明实施例中,根据两张图像中的滑坡区域的面积,确定面积变化参数,判断面积变化参数是否大于预设的阈值包括:
根据两张图像中的滑坡区域的面积,计算面积差值,根据所述面积差值确定两张图像中的滑坡区域的面积变化率,判断所述面积变化率是否大于预设的阈值。
在本发明实施例中,电子设备在确定面积变化参数时,首先计算两张图像中的滑坡区域的面积的差值,然后将面积的差值与其中一张图像中的滑坡区域的面积的比值作为滑坡区域的面积变化率,将该面积变化率作为面积变化参数,然后判断面积变化率是否大于预设的阈值。
由于在本发明实施例中,根据两张图像中的滑坡区域的面积,计算面积差值,根据所述面积差值确定两张图像中的滑坡区域的面积变化率,判断所述面积变化率是否大于预设的阈值。进而确定是否进行二次滑坡。相较于直接确定两张图像中的滑坡区域的面积的差值或比值的方案,监测二次滑坡更加准确。
实施例4:
为了按照预设的时间间隔获取监控区域的第一图像,在上述各实施例的基础上,在本发明实施例中,所述按照预设的时间间隔获取监控区域的第一图像包括:
通过系留式无人机中的摄像机采集监控区域的视频,按照预设的时间间隔从所述视频中获取监控区域的第一图像。
在本发明实施例中,通过系留式无人机中的摄像机采集监控区域的视频,其中,系留式无人机停留在预设的位置并保持不动,系留式无人机中的摄像机采集监控区域的视频。摄像机采集到视频之后,可以将视频发送至电子设备,电子设备按照预设的时间间隔从所述视频中获取监控区域的第一图像。也可以是摄像机采集到视频之后,按照预设的时间间隔从所述视频中获取监控区域的第一图像,然后将第一图像发送至电子设备。其中,预设的时间间隔可以是2秒、5秒等。
本发明实施例中通过系留式无人机中的摄像机采集监控区域的视频,保证了能够按照预设的时间间隔获取监控区域的第一图像。
实施例5:
为了进一步使二次滑坡监测更加准确,在上述各实施例的基础上,在本发明实施例中,所述按照预设的时间间隔获取监控区域的第一图像之后,确定每张第一图像中的滑坡区域之前,所述方法还包括:
根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。
在本发明实施例中,电子设备中预先保存有滑坡外围标示框,该滑坡外围标示框是用于预先绘制的。滑坡外围标示框可以是二次滑坡可能到达的区域构成的标示框,在本发明实施例中,按照预设的时间间隔获取监控区域的第一图像之后,根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。这样可以滤除标示框包围的区域之外的环境干扰,从而使得确定第一图像中的滑坡区域更准确。
由于在本发明实施例中,按照预设的时间间隔获取监控区域的第一图像之后,根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。从而滤除标示框包围的区域之外的环境干扰,从而使得确定第一图像中的滑坡区域更准确。
实施例6:
为了使确定每张第一图像中的滑坡区域更准确,在上述各实施例的基础上,在本发明实施例中,所述确定每张第一图像中的滑坡区域包括:
将所述每张第一图像输入预先训练完成的滑坡区域分割模型,基于所述滑坡区域分割模型,确定所述每张第一图像中的滑坡区域。
在本发明实施例中,电子设备保存有预先训练完成的滑坡区域分割模型,将每张第一图像输入预先训练完成的滑坡区域分割模型,基于滑坡区域分割模型,确定每张第一图像中的滑坡区域。
需要说明的是,电子设备中预先保存的第二图像中的滑坡区域,可以是用户根据第二图像确定出的滑坡区域,也可以是将第二图像输入预先训练完成的滑坡区域分割模型,基于滑坡区域分割模型,确定第二图像中的滑坡区域。
所述滑坡区域分割模型的训练过程包括:
针对训练集中的每张第三图像,将该第三图像和该第三图像对应的标注图像,输入滑坡区域分割模型中,对所述滑坡区域分割模型进行训练;其中,所述标注图像中标注有该第三图像中滑坡区域的位置信息。
电子设备中保存有用于训练滑坡区域分割模型的训练集,将训练集中的每张图像称为第三图像。针对每张第三图像,保存有该第三图像对应的标注图像,其中,标注图像中标注有该第三图像中滑坡区域的位置信息。然后将每对第三图像和对应的标注图像,输入滑坡区域分割模型中,对滑坡区域分割模型进行训练。
图2为本发明实施例提供的二次滑坡监测过程示意图,包括以下步骤:
S201:通过系留式无人机中的摄像机采集监控区域的视频,按照预设的时间间隔从所述视频中获取监控区域的第一图像。
S202:根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。
S203:将所述每张第一图像输入预先训练完成的滑坡区域分割模型,基于所述滑坡区域分割模型,确定所述每张第一图像中的滑坡区域。
S204:根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡,并输出进行快速二次滑坡的第一提示信息。
S205:如果所述第一面积变化参数不大于预设的第一阈值,根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断所述第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡,并输出进行缓慢二次滑坡的第二提示信息。
下面结合图2对本发明实施例提供的二次滑坡监测方法进行说明。
当初次山体滑坡发生后,启动系留式无人机对滑坡现场进行监控,系留式无人机上架载摄像机,其中该摄像机可以是可见光高清摄像机,摄像机向电子设备实时传输现场彩色视频图像。系留式无人机通过光电线缆传输电能,使得无人机不受电池电能限制,可以长时间悬停在空中对滑坡区域进行监控。
电子设备中预先保存有滑坡外围标示框,滑坡外围标示框一般绘制为二次滑坡可能达到的区域,形成图像感兴趣区。电子设备将图像感兴趣区通过软件下发给算法后,算法在感兴趣区内利用深度学习图像语义分割技术将滑坡区域分割出来,也就是基于预先训练完成的滑坡区域分割模型确定滑坡区域,例如每隔1秒钟对感兴趣区内的图像计算一次,输出滑坡区域,记第一次分割的滑坡区域为初始滑坡区域S0,其中第一次分割的滑坡区域即为预先保存的第二图像中的滑坡区域。图像语义分割是对图像进行像素级分割,首先将各种不同滑坡的图像对滑坡区域进行标注,送入滑坡区域分割模型中进行训练,其中,滑坡区域分割模型可以采用DeepLab V3网络,模型训练完成后,将标示框内的图像输入滑坡区域分割模型,滑坡区域分割模型输出滑坡区域。
将每隔1秒钟输出的滑坡区域S1和上1秒钟输出的滑坡区域S2进行面积比对,计算出滑坡面积变化率R1,将每隔1秒钟输出的滑坡区域S1和初始滑坡区域S0进行面积比对,计算出滑坡面积变化率R2,如果面积变化率R1超过设定阈值T1,记R1>T1,则认为山体滑坡区域在以较快速度进行滑坡,上报平台山体在进行快速二次滑坡的提示信息,平台通知相关部门快速做好二次灾害准备。如果面积变化率R1小于设定阈值T1,但是R2大于设定阈值T2,记R2>T2,则认为山体滑坡速度虽然较小,但是在进行持续缓慢滑坡,同样存在较大的二次灾害警情,上报平台山体在进行缓慢二次滑坡的提示信息,平台通知相关部门做好二次灾害准备。
本发明实施例中,通过结合两种滑坡区域面积变化比率判断是否会发生二次滑坡,并且能确定出是发生快速二次滑坡还是缓慢二次滑坡,准确性更高。通过深度学习技术对滑坡区域图像进行语义分割,分割精度高,使得确定的滑坡区域更准确。通过系留式无人机对滑坡区图像监控,可以长时间24小时不间断监控,并且可以获取近距离高清彩色图像。为准确确定滑坡区域提供了基础。
实施例7:
图3为本发明实施例提供的二次滑坡监测装置结构示意图,所述装置包括:
第一确定模块31,用于按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;
第二确定模块32,用于根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
所述装置还包括:
第三确定模块33,用于根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断所述第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡。
所述装置还包括:
输出模块34,用于若判断所述第一面积变化参数大于预设的第一阈值,输出进行快速二次滑坡的第一提示信息;若判断所述第二面积变化参数大于预设的第二阈值,输出进行缓慢二次滑坡的第二提示信息。
所述第二确定模块32和第三确定模块33,具体用于根据两张图像中的滑坡区域的面积,计算面积差值,根据所述面积差值确定两张图像中的滑坡区域的面积变化率,判断所述面积变化率是否大于预设的阈值。
所述第一确定模块31,具体用于通过系留式无人机中的摄像机采集监控区域的视频,按照预设的时间间隔从所述视频中获取监控区域的第一图像。
所述装置还包括:
更新模块35,用于根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。
所述第一确定模块31,具体用于将所述每张第一图像输入预先训练完成的滑坡区域分割模型,基于所述滑坡区域分割模型,确定所述每张第一图像中的滑坡区域。
所述装置还包括:
训练模块36,用于针对训练集中的每张第三图像,将该第三图像和该第三图像对应的标注图像,输入滑坡区域分割模型中,对所述滑坡区域分割模型进行训练;其中,所述标注图像中标注有该第三图像中滑坡区域的位置信息。
实施例8:
在上述各实施例的基础上,本发明实施例中还提供了一种电子设备,如图4所示,包括:处理器301、通信接口302、存储器303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信;
所述存储器303中存储有计算机程序,当所述程序被所述处理器301执行时,使得所述处理器301执行如下步骤:
按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;
根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
基于同一发明构思,本发明实施例中还提供了一种电子设备,由于上述电子设备解决问题的原理与二次滑坡监测方法相似,因此上述电子设备的实施可以参见方法的实施,重复之处不再赘述。
本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、网络侧设备等。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口302用于上述电子设备与其他设备之间的通信。
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。可选地,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。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列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。
在本发明实施例中处理器执行存储器上所存放的程序时,实现按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。由于在本发明实施例中,获取到监控区域的每张第一图像之后,根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,当第一面积变化参数大于预设的第一阈值时,确定进行二次滑坡。不需要人员观察来监测是否发生二次滑坡,节省了人力物力,并且避免了对观察人员的安全威胁较大的问题,本发明实施例通过图像分析确定出滑坡区域面积变化参数,根据滑坡区域面积变化参数监测二次滑坡,相较于人员观察的方式,监测的准确性更高。
实施例9:
在上述各实施例的基础上,本发明实施例还提供了一种计算机存储可读存储介质,所述计算机可读存储介质内存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行时实现如下步骤:
按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;
根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
基于同一发明构思,本发明实施例中还提供了一种计算机可读存储介质,由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与二次滑坡监测方法相似,因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施,重复之处不再赘述。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序,计算机程序被处理器执行时实现按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。由于在本发明实施例中,获取到监控区域的每张第一图像之后,根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,当第一面积变化参数大于预设的第一阈值时,确定进行二次滑坡。不需要人员观察来监测是否发生二次滑坡,节省了人力物力,并且避免了对观察人员的安全威胁较大的问题,本发明实施例通过图像分析确定出滑坡区域面积变化参数,根据滑坡区域面积变化参数监测二次滑坡,相较于人员观察的方式,监测的准确性更高。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (18)
1.一种二次滑坡监测方法,其特征在于,所述方法包括:
按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;
根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
2.如权利要求1所述的方法,其特征在于,如果所述第一面积变化参数不大于预设的第一阈值,所述方法还包括:
根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断所述第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
若判断所述第一面积变化参数大于预设的第一阈值,输出进行快速二次滑坡的第一提示信息;
若判断所述第二面积变化参数大于预设的第二阈值,输出进行缓慢二次滑坡的第二提示信息。
4.如权利要求1至3任一项所述的方法,其特征在于,根据两张图像中的滑坡区域的面积,确定面积变化参数,判断面积变化参数是否大于预设的阈值包括:
根据两张图像中的滑坡区域的面积,计算面积差值,根据所述面积差值确定两张图像中的滑坡区域的面积变化率,判断所述面积变化率是否大于预设的阈值。
5.如权利要求1所述的方法,其特征在于,所述按照预设的时间间隔获取监控区域的第一图像包括:
通过系留式无人机中的摄像机采集监控区域的视频,按照预设的时间间隔从所述视频中获取监控区域的第一图像。
6.如权利要求1所述的方法,其特征在于,所述按照预设的时间间隔获取监控区域的第一图像之后,确定每张第一图像中的滑坡区域之前,所述方法还包括:
根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。
7.如权利要求1所述的方法,其特征在于,所述确定每张第一图像中的滑坡区域包括:
将所述每张第一图像输入预先训练完成的滑坡区域分割模型,基于所述滑坡区域分割模型,确定所述每张第一图像中的滑坡区域。
8.如权利要求7所述的方法,其特征在于,所述滑坡区域分割模型的训练过程包括:
针对训练集中的每张第三图像,将该第三图像和该第三图像对应的标注图像,输入滑坡区域分割模型中,对所述滑坡区域分割模型进行训练;其中,所述标注图像中标注有该第三图像中滑坡区域的位置信息。
9.一种二次滑坡监测装置,其特征在于,所述装置包括:
第一确定模块,用于按照预设的时间间隔获取监控区域的第一图像,并确定每张第一图像中的滑坡区域;
第二确定模块,用于根据当前获取的第一图像中的滑坡区域的第一面积与上一张第一图像中的滑坡区域的第二面积,确定第一面积变化参数,判断所述第一面积变化参数是否大于预设的第一阈值,如果是,确定进行二次滑坡。
10.如权利要求9所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于根据当前获取的第一图像中的滑坡区域的第一面积与预先保存的第二图像中的滑坡区域的第三面积,确定第二面积变化参数,判断所述第二面积变化参数是否大于预设的第二阈值,如果是,确定进行二次滑坡。
11.如权利要求10所述的装置,其特征在于,所述装置还包括:
输出模块,用于若判断所述第一面积变化参数大于预设的第一阈值,输出进行快速二次滑坡的第一提示信息;若判断所述第二面积变化参数大于预设的第二阈值,输出进行缓慢二次滑坡的第二提示信息。
12.如权利要求9至11任一项所述的装置,其特征在于,所述第二确定模块和第三确定模块,具体用于根据两张图像中的滑坡区域的面积,计算面积差值,根据所述面积差值确定两张图像中的滑坡区域的面积变化率,判断所述面积变化率是否大于预设的阈值。
13.如权利要求9所述的装置,其特征在于,所述第一确定模块,具体用于通过系留式无人机中的摄像机采集监控区域的视频,按照预设的时间间隔从所述视频中获取监控区域的第一图像。
14.如权利要求9所述的装置,其特征在于,所述装置还包括:
更新模块,用于根据预先保存的滑坡外围标示框,确定所述每张第一图像中所述标示框包围的区域,将所述标示框包围的区域更新为第一图像。
15.如权利要求9所述的装置,其特征在于,所述第一确定模块,具体用于将所述每张第一图像输入预先训练完成的滑坡区域分割模型,基于所述滑坡区域分割模型,确定所述每张第一图像中的滑坡区域。
16.如权利要求15所述的装置,其特征在于,所述装置还包括:
训练模块,用于针对训练集中的每张第三图像,将该第三图像和该第三图像对应的标注图像,输入滑坡区域分割模型中,对所述滑坡区域分割模型进行训练;其中,所述标注图像中标注有该第三图像中滑坡区域的位置信息。
17.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一项所述的方法步骤。
18.一种计算机可读存储介质,其特征在于,所述计算机可读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权利要求1-8任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802783.0A CN112037276A (zh) | 2020-08-11 | 2020-08-11 | 一种二次滑坡监测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010802783.0A CN112037276A (zh) | 2020-08-11 | 2020-08-11 | 一种二次滑坡监测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112037276A true CN112037276A (zh) | 2020-12-04 |
Family
ID=73577037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010802783.0A Pending CN112037276A (zh) | 2020-08-11 | 2020-08-11 | 一种二次滑坡监测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037276A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447984A (zh) * | 2018-11-14 | 2019-03-08 | 重庆交通大学 | 一种基于图像处理的抗干扰滑坡监测方法 |
CN109493569A (zh) * | 2018-12-14 | 2019-03-19 | 深圳高速工程检测有限公司 | 滑坡预警方法、装置、计算机设备和存储介质 |
CN110210774A (zh) * | 2019-06-10 | 2019-09-06 | 中国地质调查局西安地质调查中心 | 滑坡风险评价方法及系统 |
WO2020073505A1 (zh) * | 2018-10-11 | 2020-04-16 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
-
2020
- 2020-08-11 CN CN202010802783.0A patent/CN112037276A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020073505A1 (zh) * | 2018-10-11 | 2020-04-16 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
CN109447984A (zh) * | 2018-11-14 | 2019-03-08 | 重庆交通大学 | 一种基于图像处理的抗干扰滑坡监测方法 |
CN109493569A (zh) * | 2018-12-14 | 2019-03-19 | 深圳高速工程检测有限公司 | 滑坡预警方法、装置、计算机设备和存储介质 |
CN110210774A (zh) * | 2019-06-10 | 2019-09-06 | 中国地质调查局西安地质调查中心 | 滑坡风险评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3561780A1 (en) | Driving behavior determination method, device, equipment and storage medium | |
US9436997B2 (en) | Estimating rainfall precipitation amounts by applying computer vision in cameras | |
CN107036672B (zh) | 一种水位监测方法和装置 | |
US20240071215A1 (en) | Detection method and apparatus of abnormal vehicle, device, and storage medium | |
CN112330964B (zh) | 路况信息监测方法和装置 | |
CN208985386U (zh) | 一种船舶监控系统及船舶监控指挥装置 | |
CN112433539A (zh) | 一种处理高速交通事故的无人机调度方法、系统及可读存储介质 | |
CN114627394B (zh) | 一种基于无人机的渣土车套牌识别方法及系统 | |
CN112288701A (zh) | 一种智慧交通图像检测方法 | |
CN115546628A (zh) | 一种水利工程堤坝裂缝监测方法、装置、设备及介质 | |
CN115082813A (zh) | 检测方法、无人机、检测系统及介质 | |
CN112906946B (zh) | 道路信息提示方法、装置、设备、存储介质和程序产品 | |
CN112037276A (zh) | 一种二次滑坡监测方法、装置、电子设备及存储介质 | |
CN112288702A (zh) | 一种基于车联网的道路图像检测方法 | |
CN116597516A (zh) | 训练方法、分类方法、检测方法、装置、系统及设备 | |
CN111967419B (zh) | 一种坝岸险情预测方法、装置、计算机设备及存储介质 | |
CN115019511A (zh) | 基于自动驾驶车辆的识别机动车违规变道的方法和装置 | |
CN115019242A (zh) | 一种交通场景的异常事件检测方法、装置和处理设备 | |
CN114913233A (zh) | 图像处理方法、装置、设备、介质及产品 | |
Priantama et al. | The innovation development of early flash flood warning system based on digital image processing through android smartphone | |
CN113961653A (zh) | 一种异常路面信息提示方法、电子设备和存储介质 | |
Rio et al. | The Innovation Development of Early Flash Flood Warning System Based on Digital Image Processing Through Android Smartphone. | |
CN116153100B (zh) | 基于物联网的施工现场的监控方法、系统、设备及介质 | |
CN116486347B (zh) | 基于尺度不变特征变换图像识别的团雾监测捕获方法及装置 | |
CN115375978B (zh) | 行为信息的确定方法、装置、存储介质及电子装置 |
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 |