CN112085731A - 基于卫星图的安全预警方法、装置、设备及存储介质 - Google Patents
基于卫星图的安全预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112085731A CN112085731A CN202010986269.7A CN202010986269A CN112085731A CN 112085731 A CN112085731 A CN 112085731A CN 202010986269 A CN202010986269 A CN 202010986269A CN 112085731 A CN112085731 A CN 112085731A
- Authority
- CN
- China
- Prior art keywords
- early warning
- matrix
- satellite map
- convolution
- generate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 199
- 238000000605 extraction Methods 0.000 claims abstract description 70
- 230000004913 activation Effects 0.000 claims abstract description 60
- 238000001994 activation Methods 0.000 claims description 60
- 230000006870 function Effects 0.000 claims description 7
- 230000003213 activating effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 230000017105 transposition Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G06T5/92—
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Abstract
本发明涉及数据投屏领域,公开了一种基于卫星图的安全预警方法、装置、设备及存储介质。该方法包括:获取目标预警区域的卫星图,以及对所述卫星图进行灰度向量化,生成卫星图矩阵;获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵;根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;根据预置第二赋值矩阵,对所述卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;对所述横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对所述纵轴特征提取矩阵进行第二激活处理,得到纵轴预警标记点;将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置。
Description
技术领域
本发明涉及数据投屏领域,尤其涉及一种基于卫星图的安全预警方法、装置、设备及存储介质。
背景技术
在热带或副热带洋面上的台风经常侵扰内地沿海地区,导致人们经常在生产和生活中不得不停止下来用于应对台风到来。遇到风力较大的台风,人们就无法进行正常的活动,需要进行躲避,社会经济活动停滞,对整体的经济造成损失。为了减少经济损失,在台风到来的中心区域经济停滞,但是周围风力较小的省市则可以继续经济活动。
但是,即使风力较小的情况,危险还是比日常状态下大,需要时刻警惕风力将玻璃幕墙、墙壁杂物、隐患房屋等一系列物品破坏对人员产生威胁。因此现有的技术是台风到来之际,统一发送安全警报信息。但是安全警报信息对人的提醒不够精确,因此需要一种结合玻璃幕墙、墙壁杂物、隐患房屋、小区、学校的位置进行特定化发送安全警报信息的技术。
发明内容
本发明的主要目的在于解决在目前台风到来情况下,安全警报信息单一,报警效果不佳的技术问题。
本发明第一方面提供了一种基于卫星图的安全预警方法,所述基于卫星图的安全预警方法包括:
获取目标预警区域的卫星图,以及对所述卫星图进行灰度向量化,生成卫星图矩阵;
获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵;
根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
根据预置第二赋值矩阵,对所述卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
对所述横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对所述纵轴特征提取矩阵进行第二激活处理,得到纵轴预警标记点;
将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置。
可选的,在本发明第一方面的第一种实现方式中,所述对所述卫星图进行灰度向量化,生成卫星图矩阵包括:
获取RGB三通道对应的加权值;
根据所述加权值,对所述卫星图中的每个RGB三通道数值进行加总,得到所述卫星图中每个像素对应的灰度值;
根据每个灰度值在所述卫星图中的排序,将所有所述灰度值进行排列,生成卫星图矩阵。
可选的,在本发明第一方面的第二种实现方式中,所述获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵包括:
获取预置卷积向量,以及获取预置卷积步长;
根据所述卷积步长,使用所述卷积向量对所述卫星图矩阵,得到卷积矩阵。
可选的,在本发明第一方面的第三种实现方式中,所述根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵包括:
对所述卷积矩阵进行转置处理,得到转置卷积矩阵;
将预置第一赋值矩阵与所述转置卷积矩阵进行乘积,生成横轴特征提取矩阵。
可选的,在本发明第一方面的第四种实现方式中,所述将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置包括:
提取所有所述横轴预警标记点的向量纵向排序,生成横坐标集;
提取所有所述纵轴预警标记点的向量纵向排序,生成纵坐标集;
将所述横坐标集和所述纵坐标集进行组合,生成预警坐标集;
根据所述预警坐标集,在所述卫星图中进行标记,生成所述卫星图对应的预警位置。
可选的,在本发明第一方面的第五种实现方式中,在所述将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置之后,还包括:
与覆盖所有所述预警位置的基站服务器建立通信连接;
将预警信息发送至所有所述基站服务器,以便所有所述基站服务器直接连接的终端获得所述预警信息。
可选的,在本发明第一方面的第六种实现方式中,所述对所述横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点包括:
根据预置第一激活函数,对所述横轴特征提取矩阵进行激活,得到所述横轴特征提取矩阵中每个元素对应的激活值;
判断所述激活值是否大于预置激活阈值;
若所述激活值大于预置激活阈值,则将所述激活值对应的元素标记;
提取所述横轴特征提取矩阵中标记的元素位置,得到横轴预警标记点。
本发明第二方面提供了一种基于卫星图的安全预警装置,包括:
获取模块,用于获取目标预警区域的卫星图,以及对所述卫星图进行灰度向量化,生成卫星图矩阵;
卷积模块,用于获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵;
第一提取模块,用于根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
第二提取模块,用于根据预置第二赋值矩阵,对所述卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
激活模块,用于对横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对所述纵轴特征提取矩阵进行第二激活处理,得到纵轴预警标记点;
组合模块,用于将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置。
本发明第三方面提供了一种基于卫星图的安全预警设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于卫星图的安全预警设备执行上述的基于卫星图的安全预警方法。
本发明的第四方面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中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于卫星图的安全预警方法。
附图说明
图1为本发明实施例中基于卫星图的安全预警方法的第一个实施例示意图;
图2为本发明实施例中基于卫星图的安全预警方法的第二个实施例示意图;
图3为本发明实施例中基于卫星图的安全预警方法的第三个实施例示意图;
图4为本发明实施例中基于卫星图的安全预警装置的一个实施例示意图;
图5为本发明实施例中基于卫星图的安全预警装置的另一个实施例示意图;
图6为本发明实施例中基于卫星图的安全预警设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于卫星图的安全预警方法、装置、设备及存储介质。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于卫星图的安全预警方法的第一个实施例包括:
101、获取目标预警区域的卫星图,以及对卫星图进行灰度向量化,生成卫星图矩阵;
在本实施例中,对需要预警的卫星图,将卫星图的图像中的RGB三通道的基于公式进行灰度化,公式为:
其中,F(R,G,B)为灰度值,R、G、B分别为红、绿、蓝三个通道的亮度,基于灰度化的灰度值排列顺序,生成卫星图的基于灰度值的100000*100000矩阵A。
102、获取预置卷积向量,对卫星图矩阵进行卷积处理,得到卷积矩阵;
在本实施例中,卷积向量Q是一个横向四维向量(25,52,36,5),对卫星图矩阵A100000*100000的形状进行步长为4的卷积,生成25000*100000卷积矩阵将卫星中细节都提取。在进行实践过程中,卷积向量Q的形状和大小需要根据实际情况变化。在另一种实施例中,本发明需要提取横竖两个方向的特征,所以卷积向量Q是一个4*4的矩阵向量,将100000*100000的形状矩阵进行步长为4的卷积,生成25000*25000的卷积矩阵A。
103、根据预置第一赋值矩阵,对卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
在本实施例中,第一赋值矩阵是训练出专门针对卷积矩阵的横向特征进行提取的矩阵,第一赋值矩阵的形状可以是1*25000,卷积矩阵A形状为25000*25000,那么在与第一赋值矩阵相乘后,得到横轴特征提取矩阵1*25000的形态。
104、根据预置第二赋值矩阵,对卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
在本实施例中,卷积矩阵A进行转置得到AT,卷积矩阵A形状上是25000*25000,第二赋值矩阵是提取卷积矩阵的横向特征形状为1*25000,将第二赋值矩阵与卷积转置矩阵AT乘积,最终得到1*25000纵轴特征提取矩阵,每一步的计算都是根据矩阵相乘的规则实现。
105、对横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对纵轴特征提取矩阵进行第二激活处理,得到纵轴预警标记点;
在本实施例中,对1*25000横轴特征提取矩阵,使用Sigmoid函数对整个横轴进行激活,将25000个元素的对应的激活值得到后,设置预警值为0.023,超过预警值的就会被标记出来,则得出一系列的横轴标记点{123,562,6633}。对1*25000纵轴特征提取矩阵,使用Softmax函数对整个纵轴矩阵进行激活,将25000个元素对应的激活值得到后,设置预警值为0.0144,则得出一系列纵轴标记点{225,36551}。
106、将所有横轴预警标记点和所有纵轴预警标记点进行组合处理,生成卫星图对应的预警位置。
在本实施例中,将横轴标记点{123,562,6633}和纵轴标记点{225,36551}进行横轴与纵轴的组合,得到(123,225)、(123,36551)、(562,225)、(562,225)、(6633,225)、(6633,36551),而将(123,225)、(123,36551)、(562,225)、(562,225)、(6633,225)、(6633,36551)在卫星图中对应预警位置的基站,使用基站发送警醒信息至连接的终端。
本发明实施例中,通过对卫星图的横向与纵向特征分别组合提取,避免了同时处理二维特征的集中导致计算的警报点聚集等问题,实现了根据不同警报问题进行个性化报警,可以将报警位置推送到电子地图中,也可以基于报警位置发送报警信息。
请参阅图2,本发明实施例中基于卫星图的安全预警方法的第二个实施例包括:
201、获取目标预警区域的卫星图;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
202、获取RGB三通道对应的加权值;
在本实施例中,获取得到R、G、B的通道的加权值分别是0.3555、0.5605、0.1345。
203、根据加权值,对卫星图中的每个RGB三通道数值进行加总,得到卫星图中每个像素对应的灰度值;
在本实施例中,根据公式Gray(i,j)=0.3555*R(i,j)+0.5605*G(i,j)+0.1345*B(i,j)计算出每个像素的灰度值,其中,R(i,j)为红色通道的颜色,G(i,j)为绿色通道的颜色,B(i,j)为蓝色通道的颜色。
204、根据每个灰度值在卫星图中的排序,将所有灰度值进行排列,生成卫星图矩阵;
在本实施例中,将得到123、2000、9666、3662的灰度值根据在卫星图的排序,得到以下矩阵:
其中,实际中卫星图矩阵是100000*100000这样较大的矩阵,每个灰度值还是根据排列还是根据卫星图的排列进行。
205、获取预置卷积向量,以及获取预置卷积步长;
在本实施例中,卷积向量大小为8*8,卷积步长为1。
206、根据卷积步长,使用卷积向量对卫星图矩阵,得到卷积矩阵;
在本实施例中,卷积向量使用卷积步长1的方式对100000*100000大小的矩阵卷积最后得到99992*99992大小的卷积矩阵。
207、对卷积矩阵进行转置处理,得到转置卷积矩阵;
在本实施例中,99992*99992大小的卷积矩阵转置后,得到转置卷积矩阵Y。
208、将预置第一赋值矩阵与转置卷积矩阵进行乘积,生成横轴特征提取矩阵;
在本实施例中,第一赋值矩阵为1*99992的大小与99992*99992的转置卷积矩阵Y进行乘积得到,1*99992横轴特征提取矩阵。
209、根据预置第二赋值矩阵,对卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
210、对横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对纵轴矩阵进行第二激活处理,得到纵轴预警标记点;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
211、提取所有横轴预警标记点的向量纵向排序,生成横坐标集;
在本实施例中,将123、562、6633组合成横坐标集{123,562,6633}。
212、提取所有纵轴预警标记点的向量纵向排序,生成纵坐标集;
在本实施例中,将225、36551组合成纵坐标集{225,36551}。
213、将横坐标集和纵坐标集进行组合,生成预警坐标集;
在本实施例中,{123,562,6633}与{225,36551}使用X的运算组合,生成{(123,225),(123,36551),(562,225),(562,225),(6633,225),(6633,36551)}。
214、根据预警坐标集,在卫星图中进行标记,生成卫星图对应的预警位置。
在本实施例中,将{(123,225),(123,36551),(562,225),(562,225),(6633,225),(6633,36551)}依次在卫星图中标红,由此得到卫星图对应的预警位置。
本发明实施例中,通过对卫星图的横向与纵向特征分别组合提取,避免了同时处理二维特征的集中导致计算的警报点聚集等问题,实现了根据不同警报问题进行个性化报警,可以将报警位置推送到电子地图中,也可以基于报警位置发送报警信息。
请参阅图3,本发明实施例中基于卫星图的安全预警方法的第三个实施例包括:
301、获取目标预警区域的卫星图,以及对卫星图进行灰度向量化,生成卫星图矩阵;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
302、获取预置卷积向量,对卫星图矩阵进行卷积处理,得到卷积矩阵;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
303、根据预置第一赋值矩阵,对卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
304、根据预置第二赋值矩阵,对卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
305、根据预置第一激活函数,对横轴特征提取矩阵进行激活,得到横轴特征提取矩阵中每个元素对应的激活值;
在本实施例中,第一激活函数为:
其中,x为横轴特征提取矩阵中的元素,得到激活值。
306、判断激活值是否大于预置激活阈值;
在本实施例中,每个激活值要与激活阈值0.072进行比较。
307、若激活值大于预置激活阈值,则将激活值对应的元素标记;
在本实施例中,如果大于0.072则将横轴特征提取矩阵中对应的元素标记。
308、提取横轴特征提取矩阵中标记的元素位置,得到横轴预警标记点;
在本实施例中,横轴特征提取矩阵中123、562、6633位置元素被标记,则提取出123、562、6633数值。
309、对纵轴矩阵进行第二激活处理,得到纵轴预警标记点;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
310、将所有横轴预警标记点和所有纵轴预警标记点进行组合处理,生成卫星图对应的预警位置;
本实施例描述的方法实施例与第一个实施例类似,可以参考前述方法实施例中的对应过程,在此不再赘述。
311、与覆盖所有预警位置的基站服务器建立通信连接;
在本实施例中,与预警位置{(123,225),(123,36551),(562,225),(562,225),(6633,225),(6633,36551)}覆盖的基站建立通信连接。
312、将预警信息发送至所有基站服务器,以便所有基站服务器直接连接的终端获得预警信息。
在本实施例中,发送“请您注意台风影响,目前您处于危险高发地段”信息至预警位置的基站,基站根据预警消息发送至基站目前服务的终端。
本发明实施例中,通过对卫星图的横向与纵向特征分别组合提取,避免了同时处理二维特征的集中导致计算的警报点聚集等问题,实现了根据不同警报问题进行个性化报警,可以将报警位置推送到电子地图中,也可以基于报警位置发送报警信息。
上面对本发明实施例中基于卫星图的安全预警方法进行了描述,下面对本发明实施例中基于卫星图的安全预警装置进行描述,请参阅图4,本发明实施例中基于卫星图的安全预警装置一个实施例包括:
获取模块401,用于获取目标预警区域的卫星图,以及对所述卫星图进行灰度向量化,生成卫星图矩阵;
卷积模块402,用于获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵;
第一提取模块403,用于根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
第二提取模块404,用于根据预置第二赋值矩阵,对所述卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
激活模块405,用于对横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对所述纵轴矩阵进行第二激活处理,得到纵轴预警标记点;
组合模块406,用于将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置。
本发明实施例中,通过对卫星图的横向与纵向特征分别组合提取,避免了同时处理二维特征的集中导致计算的警报点聚集等问题,实现了根据不同警报问题进行个性化报警,可以将报警位置推送到电子地图中,也可以基于报警位置发送报警信息。
请参阅图5,本发明实施例中基于卫星图的安全预警装置的另一个实施例包括:
获取模块401,用于获取目标预警区域的卫星图,以及对所述卫星图进行灰度向量化,生成卫星图矩阵;
卷积模块402,用于获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵;
第一提取模块403,用于根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
第二提取模块404,用于根据预置第二赋值矩阵,对所述卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
激活模块405,用于对横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对所述纵轴矩阵进行第二激活处理,得到纵轴预警标记点;
组合模块406,用于将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置。
其中,所述获取模块401包括:
获取单元4011,用于获取RGB三通道对应的加权值;
加总单元4012,用于根据所述加权值,对所述卫星图中的每个RGB三通道数值进行加总,得到所述卫星图中每个像素对应的灰度值;
排序单元4013,用于根据每个灰度值在所述卫星图中的排序,将所有所述灰度值进行排列,生成卫星图矩阵。
其中,所述卷积模块402具体用于:
获取预置卷积向量,以及获取预置卷积步长;
根据所述卷积步长,使用所述卷积向量对所述卫星图矩阵,得到卷积矩阵。
其中,所述第一提取模块403具体用于:
对所述卷积矩阵进行转置处理,得到转置卷积矩阵;
将预置第一赋值矩阵与所述转置卷积矩阵进行乘积,生成横轴特征提取矩阵。
其中,所述组合模块406具体用于:
提取所有所述横轴预警标记点的向量纵向排序,生成横坐标集;
提取所有所述纵轴预警标记点的向量纵向排序,生成纵坐标集;
将所述横坐标集和所述纵坐标集进行组合,生成预警坐标集;
根据所述预警坐标集,在所述卫星图中进行标记,生成所述卫星图对应的预警位置。
其中,所述激活模块405具体用于:
根据预置第一激活函数,对所述横轴特征提取矩阵进行激活,得到所述横轴特征提取矩阵中每个元素对应的激活值;
判断所述激活值是否大于预置激活阈值;
若所述激活值大于预置激活阈值,则将所述激活值对应的元素标记;
提取所述横轴特征提取矩阵中标记的元素位置,得到横轴预警标记点。
其中,所述基于卫星图的安全预警装置包括信息发送模块407,所述信息发送模块407具体用于:
与覆盖所有所述预警位置的基站服务器建立通信连接;
将预警信息发送至所有所述基站服务器,以便所有所述基站服务器直接连接的终端获得所述预警信息。
本发明实施例中,通过对卫星图的横向与纵向特征分别组合提取,避免了同时处理二维特征的集中导致计算的警报点聚集等问题,实现了根据不同警报问题进行个性化报警,可以将报警位置推送到电子地图中,也可以基于报警位置发送报警信息。
上面图4和图5从模块化功能实体的角度对本发明实施例中的基于卫星图的安全预警装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于卫星图的安全预警设备进行详细描述。
图6是本发明实施例提供的一种基于卫星图的安全预警设备的结构示意图,该基于卫星图的安全预警设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于卫星图的安全预警设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在基于卫星图的安全预警设备600上执行存储介质630中的一系列指令操作。
基于卫星图的安全预警设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的基于卫星图的安全预警设备结构并不构成对基于卫星图的安全预警设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于卫星图的安全预警方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于卫星图的安全预警方法,其特征在于,包括步骤:
获取目标预警区域的卫星图,以及对所述卫星图进行灰度向量化,生成卫星图矩阵;
获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵;
根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
根据预置第二赋值矩阵,对所述卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
对所述横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对所述纵轴特征提取矩阵进行第二激活处理,得到纵轴预警标记点;
将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置。
2.根据权利要求1所述的基于卫星图的安全预警方法,其特征在于,所述对所述卫星图进行灰度向量化,生成卫星图矩阵包括:
获取RGB三通道对应的加权值;
根据所述加权值,对所述卫星图中的每个RGB三通道数值进行加总,得到所述卫星图中每个像素对应的灰度值;
根据每个灰度值在所述卫星图中的排序,将所有所述灰度值进行排列,生成卫星图矩阵。
3.根据权利要求1所述的基于卫星图的安全预警方法,其特征在于,所述获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵包括:
获取预置卷积向量,以及获取预置卷积步长;
根据所述卷积步长,使用所述卷积向量对所述卫星图矩阵,得到卷积矩阵。
4.根据权利要求1所述的基于卫星图的安全预警方法,其特征在于,所述根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵包括:
对所述卷积矩阵进行转置处理,得到转置卷积矩阵;
将预置第一赋值矩阵与所述转置卷积矩阵进行乘积,生成横轴特征提取矩阵。
5.根据权利要求1所述的基于卫星图的安全预警方法,其特征在于,所述将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置包括:
提取所有所述横轴预警标记点的向量纵向排序,生成横坐标集;
提取所有所述纵轴预警标记点的向量纵向排序,生成纵坐标集;
将所述横坐标集和所述纵坐标集进行组合,生成预警坐标集;
根据所述预警坐标集,在所述卫星图中进行标记,生成所述卫星图对应的预警位置。
6.根据权利要求1所述的基于卫星图的安全预警方法,其特征在于,在所述将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置之后,还包括:
与覆盖所有所述预警位置的基站服务器建立通信连接;
将预警信息发送至所有所述基站服务器,以便所有所述基站服务器直接连接的终端获得所述预警信息。
7.根据权利要求1所述的基于卫星图的安全预警方法,其特征在于,所述对所述横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点包括:
根据预置第一激活函数,对所述横轴特征提取矩阵进行激活,得到所述横轴特征提取矩阵中每个元素对应的激活值;
判断所述激活值是否大于预置激活阈值;
若所述激活值大于预置激活阈值,则将所述激活值对应的元素标记;
提取所述横轴特征提取矩阵中标记的元素位置,得到横轴预警标记点。
8.一种基于卫星图的安全预警装置,其特征在于,所述基于卫星图的安全预警装置包括:
获取模块,用于获取目标预警区域的卫星图,以及对所述卫星图进行灰度向量化,生成卫星图矩阵;
卷积模块,用于获取预置卷积向量,对所述卫星图矩阵进行卷积处理,得到卷积矩阵;
第一提取模块,用于根据预置第一赋值矩阵,对所述卷积矩阵进行横向乘积处理,生成横轴特征提取矩阵;
第二提取模块,用于根据预置第二赋值矩阵,对所述卷积矩阵进行纵向乘积处理,生成纵轴特征提取矩阵;
激活模块,用于对横轴特征提取矩阵进行第一激活处理,得到横轴预警标记点,以及对所述纵轴特征提取矩阵进行第二激活处理,得到纵轴预警标记点;
组合模块,用于将所有所述横轴预警标记点和所有所述纵轴预警标记点进行组合处理,生成所述卫星图对应的预警位置。
9.一种基于卫星图的安全预警设备,其特征在于,所述基于卫星图的安全预警设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于卫星图的安全预警设备执行如权利要求1-7中任一项所述的基于卫星图的安全预警方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于卫星图的安全预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986269.7A CN112085731A (zh) | 2020-09-18 | 2020-09-18 | 基于卫星图的安全预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986269.7A CN112085731A (zh) | 2020-09-18 | 2020-09-18 | 基于卫星图的安全预警方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112085731A true CN112085731A (zh) | 2020-12-15 |
Family
ID=73738190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010986269.7A Pending CN112085731A (zh) | 2020-09-18 | 2020-09-18 | 基于卫星图的安全预警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085731A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962899A (zh) * | 2021-11-10 | 2022-01-21 | 北京工业大学 | 眼底图像处理方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694855A (zh) * | 2012-05-21 | 2012-09-26 | 南京信息工程大学 | 基于北斗卫星的气象灾害预警信息发布系统及方法 |
CN107036545A (zh) * | 2017-06-02 | 2017-08-11 | 中国水利水电科学研究院 | 一种坝体监测预警方法和装置 |
CN108332649A (zh) * | 2018-02-07 | 2018-07-27 | 桂林电子科技大学 | 一种滑坡形变综合预警方法及系统 |
CN108427041A (zh) * | 2018-03-14 | 2018-08-21 | 南京中科九章信息技术有限公司 | 雷电预警方法、系统、电子设备和存储介质 |
CN109031352A (zh) * | 2018-05-31 | 2018-12-18 | 湖北大学 | 一种基于glonass卫星信号的低空目标预警系统及其实现方法 |
CN109031353A (zh) * | 2018-05-31 | 2018-12-18 | 湖北大学 | 一种基于gps卫星信号的低空目标预警系统及其实现方法 |
CN109766752A (zh) * | 2018-11-28 | 2019-05-17 | 西安电子科技大学 | 一种基于深度学习的目标匹配和定位方法及系统、计算机 |
CN111639699A (zh) * | 2020-05-28 | 2020-09-08 | 山东云海国创云计算装备产业创新中心有限公司 | 一种图像特征提取的方法、系统、设备及可读存储介质 |
-
2020
- 2020-09-18 CN CN202010986269.7A patent/CN112085731A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694855A (zh) * | 2012-05-21 | 2012-09-26 | 南京信息工程大学 | 基于北斗卫星的气象灾害预警信息发布系统及方法 |
CN107036545A (zh) * | 2017-06-02 | 2017-08-11 | 中国水利水电科学研究院 | 一种坝体监测预警方法和装置 |
CN108332649A (zh) * | 2018-02-07 | 2018-07-27 | 桂林电子科技大学 | 一种滑坡形变综合预警方法及系统 |
CN108427041A (zh) * | 2018-03-14 | 2018-08-21 | 南京中科九章信息技术有限公司 | 雷电预警方法、系统、电子设备和存储介质 |
CN109031352A (zh) * | 2018-05-31 | 2018-12-18 | 湖北大学 | 一种基于glonass卫星信号的低空目标预警系统及其实现方法 |
CN109031353A (zh) * | 2018-05-31 | 2018-12-18 | 湖北大学 | 一种基于gps卫星信号的低空目标预警系统及其实现方法 |
CN109766752A (zh) * | 2018-11-28 | 2019-05-17 | 西安电子科技大学 | 一种基于深度学习的目标匹配和定位方法及系统、计算机 |
CN111639699A (zh) * | 2020-05-28 | 2020-09-08 | 山东云海国创云计算装备产业创新中心有限公司 | 一种图像特征提取的方法、系统、设备及可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962899A (zh) * | 2021-11-10 | 2022-01-21 | 北京工业大学 | 眼底图像处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033453B (zh) | 基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法 | |
CN109409377B (zh) | 图像中文字的检测方法及装置 | |
CN106533899A (zh) | 一种信息显示处理的方法、装置及系统 | |
CN102509097B (zh) | 一种图像分割方法和装置 | |
CN113066002A (zh) | 对抗样本的生成方法、神经网络的训练方法、装置及设备 | |
CN110956122A (zh) | 图像处理方法及装置、处理器、电子设备、存储介质 | |
CN110866900A (zh) | 水体颜色识别方法及装置 | |
CN108764334A (zh) | 人脸图像颜值判断方法、装置、计算机设备及存储介质 | |
CN112085731A (zh) | 基于卫星图的安全预警方法、装置、设备及存储介质 | |
CN110222694A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN109785400A (zh) | 一种剪影图像制作方法、装置、电子设备及存储介质 | |
CN109117717A (zh) | 一种城市行人检测方法 | |
CN106529549B (zh) | 基于自适应特征和离散余弦变换的视觉显著性检测方法 | |
CN106445501A (zh) | 一种通知栏的显示方法和终端 | |
CN116188808B (zh) | 图像特征提取方法和系统、存储介质及电子设备 | |
CN112487929A (zh) | 儿童绘本的图像识别方法、装置、设备及存储介质 | |
CN112183269A (zh) | 一种适用于智能视频监控的目标检测方法与系统 | |
CN107563467A (zh) | 物品寻找方法和装置 | |
CN110619365A (zh) | 一种落水检测方法 | |
CN116704324A (zh) | 基于水下图像的目标检测方法、系统、设备以及存储介质 | |
CN108182426A (zh) | 彩色图像分类方法及装置 | |
CN115424134A (zh) | 一种基于遥感影像的污染入海通量预测方法以及装置 | |
CN112633158A (zh) | 一种输电线路走廊车辆识别方法、装置、设备和存储介质 | |
CN112153464A (zh) | 一种智慧城市管理系统 | |
CN111079581A (zh) | 一种人体皮肤识别的方法与装置 |
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 |