CN112327698B - 一种基于物联网的洪水灾害预警系统及方法 - Google Patents

Abstract

本发明涉及物联网气象技术领域，具体公开了一种基于物联网的洪水灾害预警系统及方法，该预警系统包括风险评估模块、洪水灾害监测模块、营救管理模块、信息预警模块和主控模块，所述风险评估模块用于对今年是否会发生洪灾进行提前预估，所述洪水灾害监测模块用于对不同区域的水位线进行实时监测，判断是否会造成洪水等严重灾害，所述营救管理模块用于使用无人机对人所在位置进行确定并营救，所述信息预警模块用于对水位线超过最高预警值时及时发送预警信息，所述信息预警模块内的信息都会及时发送给主控模块，本发明科学合理，使用洪水灾害监测模块，能够识别出山体维护人员在对山体进行维护工作时的安全。

Description

一种基于物联网的洪水灾害预警系统及方法

技术领域

本发明涉及物联网气象技术领域，具体为一种基于物联网的洪水灾害预警系统及方法。

背景技术

不同地域的形状、气候都不相同，因此只要降雨量增加，就会导致洪水的发生，临近山的地域，甚至会引发泥石流，泥石流通常具有爆发突然、来势凶猛的特点，并兼有山体崩塌、滑坡和洪水破坏的多重作用，其危害程度往往比单一的山体滑坡、崩塌和洪水的危害更为广泛和严重，泥石流能够对居民点造成危害，泥石流冲进乡村、城镇，摧毁房屋、工厂等其它设施，对公路、铁路也造成了危害，泥石流可直接埋没车站、公路等设施，其次还能冲毁电站、引水渠道及过沟桥梁；

在此过程中，对洪水或者泥石流的防御、预警是极为重要的，根据往年的降雨量来预测今年的降雨量，可以预测得知今年的降雨量是多少，同时能够有效地防止洪水摧毁村庄，并且在营救人员对受到洪水或者泥石流灾害的群众进行营救时，往往因为营救人数较为分散导致营救人员无法核对每个人是否皆被营救，从而导致有部分受灾群众没有被营救出来，同时，在灾害结束后，往往山上的石头或者树木经过洪水或者泥石流的冲刷之后，山坡可能会因为危险因素导致继续滑坡，山体维护人员维护时往往是十分危险的；

因此，需要一种基于物联网的洪水灾害预警系统及方法来解决上述问题。

发明内容

本发明的目的在于提供一种基于物联网的洪水灾害预警系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的洪水灾害预警系统，该预警系统包括风险评估模块、洪水灾害监测模块、营救管理模块、信息预警模块和主控模块，所述风险评估模块用于对今年是否会发生洪灾进行提前预估，使得用户能够根据预估结果提前做好准备，使得经济损失损害不会过于严重，所述洪水灾害监测模块用于对不同区域的水位线进行实时监测，判断是否会造成洪水等严重灾害，从而保证不同区域内用户的安全，所述营救管理模块用于使用无人机对人所在位置进行确定并营救，确保受灾群众能够被全部救出，所述信息预警模块用于对水位线超过最高预警值时及时发送预警信息，使得用户能够及时作出防护，所述信息预警模块内的信息都会及时发送给主控模块从而使得该区域内其他用户能够及时了解灾害信息，确保用户安全，所述主控模块与风险评估模块、洪水灾害监测模块、营救管理模块和信息预警模块相连接。

优选的，所述风险评估模块包括时间预估单元、农作物保护单元、洪水防护单元，所述时间预估单元用于根据今年降水量和往年发生洪水的次数和往年降水量预估今年发生洪水的次数，使得不同区域的居民能够做好准备抵抗洪水带来的巨大损失，所述农作物保护单元用于对去年农作物的受灾面积所占比重进行统计计算，从而能够对今年的农作物做好防护准备，经济损失不会过于严重，所述洪水防护单元用于根据洪水的流动走向实时计算洪水到地势低洼区域的流动时间，使得用户能够在流动时间到来时做好人、物转移，所述时间预估单元的输出端与农作物保护单元和洪水防护单元的输入端相连接。

优选的，所述洪水灾害监测模块包括危险区域设定单元、水位监测单元和山体维护单元和警示单元，所述危险区域设定单元用于根据泥石流滚降的速度、山坡与平原的倾斜角度判断危险区域，从而使得居民在逃离时能够避免危险区域进行逃离，增大居民的逃生强度，所述水位监测单元用于对上升的水位进行实时监测，对水势每次冲破的水位线高度和周边位置进行判断是否会造成洪水或泥石流，从而使得用户能够根据预测的结果向大众及时播报并采取措施进行防护，所述山体维护单元用于在泥石流停止流动后，对山体上的降雨量是否会导致石块继续掉落进行评估，并在山体维护人员对山体进行修复维护时，实时判断山体维护人员的下一步是否会进入危险区域，从而保证在泥石流结束之后，山体上不会有泥石滚落伤害居民安全，所述警示单元用于在山体维护人员进入危险区域时进行通报，从而保证山体维护人员的安全，所述水位监测单元的输出端与危险区域设定单元、山体维护单元和警示单元的输入端相连接。

优选的，所述营救管理模块包括GPRS定位单元、二维平面模型单元、人脸录入单元、人数检测单元、路线营救单元和人数对比单元，所述GPRS定位单元用于对人所在位置进行定位，所述二维平面模型单元用于将人所在位置在平面模型中进行显示，所述人脸录入单元用于将失踪人口的人脸样本图像录入样本集中，从而能够根据失踪人口的样本集对失踪人数进行搜索，所述人数检测单元用于使用多架无人机对人所在位置进行拍照，同时使用MASK-R-CNN方法对照片里的每个人进行识别，判断多架无人机所拍照片且识别的人数是否相同，从而能够保证每位被困居民都能够被解救且无人遗漏，所述路线营救单元用于根据人群所聚集的位置和与洪水流动相垂直的方向制定方案，将居民在设定时间内解救出来，从而能够保证每位居民的安全，所述人数对比单元用于将所解救的居民人数与在照片里所识别的人数进行对比，判断数量是否一致，所述GPRS定位单元的输出端与二维平面模型单元、人数检测单元、路线营救单元和人数对比单元的输入端相连接。

利用MASK-R-CNN对照片里人数的处理步骤如下：

C1:将各失踪人口的样本图像进行录入，同时将样本图像所对应的标签信息录入；

C2：将失踪人口的样本图像和相对应的标签录入MASK-R-CNN中；

C3：对每个样本图像中的人脸五官进行识别，获取每个样本对应的面部特征；

C4：将无人机所拍的面部特征图与人脸五官进行对应识别检测；

C5：将失踪人口的样本图像放置在所述RPN网络中，生成相应的预选框，并将RPN网络中的图像和预选框放置在ROL-Align层，生成特征图；

C6：将特征图输入至FCN网络中，并对特征图中的各个像素点进行预测，得出样本图像的预测结果，并将预测结果和标签信息进行匹配，判断最终的输出结果。

所述信息预警模块包括无干扰传输单元和预警单元，所述无干扰传输单元用于当检测到发生洪水事故时，将此信息作为一级预警信息，无干扰的传输给发生洪水的所在区域，使得所在区域用户能够根据所听到的信息及时作出反馈，从而不会对经济损失造成过多影响，所述预警单元用于将信息发送给主控模块，从而保证该区域的人对此次灾害的重视程度，所述无干扰传输单元的输出端与预警单元的输入端相连接；

所述主控模块用于处理信息预警模块中的信息、将样本图像与图片中的图像进行核对，并将最终对比的结果进行显示。

一种基于物联网的洪水灾害预警方法，该预警方法包括如下步骤：

S1：使用风险评估模块，对今年降水量、往年发生洪水的次数和往年降水量预估今年发生洪水的次数，使得用户能够提前做好预防准备；

S2：使用洪水灾害监测模块，对泥石流滚降的速度、山坡与平原的倾斜角度对危险区域进行判定，并在山体维护人员对山体进行修复时，判断山体维护人员的下一步是否会进入危险区域；

S3：使用营救管理模块，使用无人机对人所聚集的位置进行定位并营救，使用MASK-R-CNN方法将所拍人脸样本图像与利用无人机所拍照片中的人脸图像进行识别，并在预设时间内对聚集的人员进行营救，判断核对结果是否正确；

所述预设时间表示在下次洪水或者泥石流到来之前的时间；

S4：使用信息预警模块，将洪水等级、降水速度和事故多发地带信息发送给各个区域，从而使得该区域的人对此引起重视。

在所述步骤S1中，根据检测得知，不同年份降水量的集合为Q＝{q₁,q₂…q_m}，不同年份发生洪水的次数集合为W＝{w₁,w₂…w_m}；

根据公式：

其中：

是指降水量的平均值，

是指对降水量的预测值，

是不同年份发生洪水的次数，

是今年洪水发生的预测值，当

高于设定的降水量预设值和

高于设定的预设次数时，进行报警。

在所述步骤S2中：根据检测得知，该区域发生洪水的次数较多，在二维平面模型中，设定山体危险区域位置坐标的集合为Z＝{(m₁,n₁),(m₂,n₂),(m₃,n₃),(m₄,n₄)}，在发生洪水或者泥石流之后，对山体进行维护，对山体维护人员的位置进行实时监测，山体维护人员的坐标集合为F＝{(x₁,y₁),(x₂,y₂)…(x_m,y_m)}，山体维护人员的第一步与危险区域的最大标准夹角为β，山体维护人员的第二步与危险区域的实际夹角为θ；

根据公式：

其中：M是山体维护人员从第一步到下一步之间的距离，当β＞θ时，山体维护人员不会走入危险区域，当β＜θ时，山体维护人员会进入危险区域。

在所述步骤S3中，根据待营救人员的位置和洪水流动的方向，营救人员按照垂直方向营救，在所安排的路线中，在二维平面模型中，营救人员和待营救人员的位置坐标为L(a,b)和H(a′,b′)，营救人员的平均速度为V，营救时间t需控制在洪水或者泥石流下次流动之前t′,因此

与现有技术相比，本发明所达到的有益效果是：

1.使用风险评估模块，可以根据今年降水量、往年发生洪水的次数和往年降水量预估今年发生洪水的次数，从而保证居民可以提前做好防护，提前保护农作物，减少经济损失；

2.使用洪水灾害监测模块，可以根据泥石流滚降的速度、山坡与平原的倾斜角度对危险区域进行判定，在洪水或者泥石流流动结束后，山体维护人员对山坡进行维护，根据山体维护人员的实时坐标，判断山体维护人员是否进入危险区域，保证了山体维护人员的安全；

3.使用营救管理模块，能够使用无人机对人所聚集的位置进行拍照搜查，使用MASK-R-CNN方法将人脸样本集与所拍照片中的人脸进行识别，根据所记录的失踪人脸照片与无人机所拍人脸样本集判断每位失踪人员是否被营救，使得能够在确定时间内将待营救人员营救出来，从而能够保证每位失踪人员的安全。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于物联网的洪水灾害预警系统及方法的模块组成示意图；

图2是本发明一种基于物联网的洪水灾害预警系统及方法的步骤示意图。

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。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他实施例，都属于本发明保护的范围。

请参阅图1-2，本发明提供技术方案：

一种基于物联网的洪水灾害预警系统，该预警系统包括风险评估模块、洪水灾害监测模块、营救管理模块、信息预警模块和主控模块，所述风险评估模块用于对今年是否会发生洪灾进行提前预估，使得用户能够根据预估结果提前做好准备，使得经济损失损害不会过于严重，所述洪水灾害监测模块用于对不同区域的水位线进行实时监测，判断是否会造成洪水等严重灾害，从而保证不同区域内用户的安全，所述营救管理模块用于使用无人机对人所在位置进行确定并营救，确保受灾群众能够被全部救出，所述信息预警模块用于对水位线超过最高预警值时及时发送预警信息，使得用户能够及时作出防护，所述信息预警模块内的信息都会及时发送给主控模块从而使得该区域内其他用户能够及时了解灾害信息，确保用户安全，所述主控模块与风险评估模块、洪水灾害监测模块、营救管理模块和信息预警模块相连接。

优选的，所述风险评估模块包括时间预估单元、农作物保护单元、洪水防护单元，所述时间预估单元用于根据今年降水量和往年发生洪水的次数和往年降水量预估今年发生洪水的次数，使得不同区域的居民能够做好准备抵抗洪水带来的巨大损失，所述农作物保护单元用于对去年农作物的受灾面积所占比重进行统计计算，从而能够对今年的农作物做好防护准备，使得经济损失不会过于严重，所述洪水防护单元用于根据洪水的流动走向实时计算洪水到地势低洼区域的流动时间，使得用户能够在流动时间到来时做好人、物转移，所述时间预估单元的输出端与农作物保护单元和洪水防护单元的输入端相连接。

优选的，所述洪水灾害监测模块包括危险区域设定单元、水位监测单元和山体维护单元和警示单元，所述危险区域设定单元用于根据泥石流滚降的速度、山坡与平原的倾斜角度判断危险区域，从而使得居民在逃离时能够避免危险区域进行逃离，增大居民的逃生强度，所述水位监测单元用于对上升的水位进行实时监测，对水势每次冲破的水位线高度和周边位置进行判断是否会造成洪水或泥石流，从而使得用户能够根据预测的结果向大众及时播报并采取措施进行防护，所述山体维护单元用于在泥石流停止流动后，对山体上的降雨量是否会导致石块继续掉落进行评估，并在山体维护人员对山体进行修复维护时，实时判断山体维护人员的下一步是否会进入危险区域，从而保证在泥石流结束之后，山体上不会有泥石滚落伤害居民安全，所述警示单元用于在山体维护人员进入危险区域时进行通报，从而保证山体维护人员的安全，所述水位监测单元的输出端与危险区域设定单元、山体维护单元和警示单元的输入端相连接。

优选的，所述营救管理模块包括GPRS定位单元、二维平面模型单元、人脸录入单元、人数检测单元、路线营救单元和人数对比单元，所述GPRS定位单元用于对人所在位置进行定位，所述二维平面模型单元用于将人所在位置在平面模型中进行显示，所述人脸录入单元用于将失踪人口的人脸样本图像录入样本集中，从而能够根据失踪人口的样本集对失踪人数进行搜索，所述人数检测单元用于使用多架无人机对人所在位置进行拍照，同时使用MASK-R-CNN方法对照片里的每个人进行识别，判断多架无人机所拍照片且识别的人数是否相同，从而能够保证每位被困居民都能够被解救且无人遗漏，所述路线营救单元用于根据人群所聚集的位置和与洪水流动相垂直的方向制定方案，将居民在设定时间内解救出来，从而能够保证每位居民的安全，所述人数对比单元用于将所解救的居民人数与在照片里所识别的人数进行对比，判断数量是否一致，所述GPRS定位单元的输出端与二维平面模型单元、人数检测单元、路线营救单元和人数对比单元的输入端相连接。

利用MASK-R-CNN对照片里人数的步骤如下：

C1:将各失踪人口的样本图像进行录入，同时将样本图像所对应的标签信息录入；

C2：将失踪人口的样本图像和相对应的标签录入MASK-R-CNN中；

C3：对每个样本图像中的人脸五官进行识别，获取每个样本对应的面部特征；

C4：将无人机所拍的面部特征图与人脸五官进行对应识别检测；

C5：将失踪人口的样本图像放置在RPN网络中，生成相应的预选框，并将RPN网络中的图像和预选框放置在ROL-Align层，生成特征图；

C6：将特征图输入至FCN网络中，并对特征图中的各个像素点进行预测，得出样本图像的预测结果，并将预测结果和标签信息进行匹配，判断最终的输出结果；

其中,MASK-R-CNN是一个实例分割模型，它能确定图片中各个目标的位置和类别，给出像素级预测,它可以应用到人体姿势识别，可以从街景视频中识别车辆、人员等单个目标，MASK-R-CNN分为两种分割方法：实例分割和语义分割，实例分割相比于语义分割更为复杂，RPN网络是指局域生成网络，提取候选框的网络，是把物体检测整个融入到神经网络中，使用ROLAlign可以实现输出与输入的像素一一对应，可以避免任何ROL边界量化，使得输入法特征更加精确，FCN是一种流行的语义分割算法，能够将机器自动从图像中分割出对象区域，识别其中内容，该模型可以通过卷积和最大池化层把输入图像压缩到原始大小的1/32，能够在这个细粒度级别进行分类预测；

所述信息预警模块包括无干扰传输单元和预警单元，所述无干扰传输单元用于当检测到发生洪水事故时，将此信息作为一级预警信息，无干扰的传输给发生洪水的所在区域，使得所在区域用户能够根据所听到的信息及时作出反馈，从而不会对经济损失造成过多影响，所述预警单元用于将信息发送给主控模块，从而保证该区域的人对此次灾害的重视程度，所述无干扰传输单元的输出端与预警单元的输入端相连接；

所述无干扰的传输信息是指优先传输信息，将其他无效信息排出。

所述主控模块用于处理信息预警模块中的信息、将样本图像与图片中的图像进行核对，并将最终对比的结果进行显示。

一种基于物联网的洪水灾害预警方法，该预警方法包括如下步骤：

S1：使用风险评估模块，对今年降水量、往年发生洪水的次数和往年降水量预估今年发生洪水的次数，使得用户能够提前做好预防准备；

S2：使用洪水灾害监测模块，对泥石流滚降的速度、山坡与平原的倾斜角度对危险区域进行判定，并在山体维护人员对山体进行修复时，判断山体维护人员的下一步是否会进入危险区域；

S3：使用营救管理模块，使用无人机对人所聚集的位置进行定位并营救，使用MASK-R-CNN方法将所拍人脸样本图像与利用无人机所拍照片中的人脸图像进行识别，并在预设时间内对聚集的人员进行营救，判断核对结果是否正确；

S4：使用信息预警模块，将洪水等级、降水速度和事故多发地带信息发送给各个区域，从而使得该区域的人对此引起重视。

在所述步骤S1中，根据检测得知，不同年份降水量的集合为Q＝{q₁,q₂…q_m}，不同年份发生洪水的次数集合为W＝{w₁,w₂…w_m}；

根据公式：

其中：

是指降水量的平均值，

是指对降水量的预测值，

是不同年份发生洪水的次数，

是今年洪水发生的预测值，当

高于设定的降水量预设值和

高于设定的预设次数时，进行报警。

在所述步骤S2中：根据检测得知，该区域发生洪水的次数较多，在二维平面模型中，设定山体危险区域位置坐标的集合为Z＝{(m₁,n₁),(m₂,n₂),(m₃,n₃),(m₄,n₄)}，在发生洪水或者泥石流之后，对山体进行维护，对山体维护人员的位置进行实时监测，山体维护人员的坐标集合为F＝{(x₁,y₁),(x₂,y₂)…(x_m,y_m)}，山体维护人员的第一步与危险区域的最大标准夹角为β，山体维护人员的第二步与危险区域的实际夹角为θ；

根据公式：

其中：M是山体维护人员从第一步到下一步之间的距离，当β＞θ时，山体维护人员不会走入危险区域，当β＜θ时，山体维护人员会进入危险区域。

在所述步骤S3中，根据待营救人员的位置和洪水流动的方向，营救人员按照垂直方向营救，在所安排的路线中，在二维平面模型中，营救人员和待营救人员的位置坐标为L(a,b)和H(a′,b′)，营救人员的平均速度为V，营救时间t需控制在洪水或者泥石流下次流动时间t′之前,因此

实施例1：在所述步骤S1中，根据气象局检测得知，不同年份降水量的集合为Q＝{200,180,230.195,247}，不同年份的集合为N＝{2015，2016，2017，2018，2019}发生洪水的次数集合为W＝{3,3,6,4,4}，设定最高降水量为240，发生洪水的最高次数为5次；

根据公式：

可以预测得知：2020年的降水量为225ml，225<240,属于正常值，不报警；

可以预测得知：2020年发生洪水的次数为5次，报警提示；

其中：

是指降水量的平均值，

是指对降水量的预测值，

是不同年份发生洪水的次数，

是今年洪水发生的预测值，当

高于设定的降水量预设值和

高于设定的预设次数时，进行报警

实施例2：根据检测得知，该区域发生洪水的次数较多，在二维平面模型中，设定山体危险区域位置坐标的集合为Z＝{(100,150),(600,150),(100,500),(600,500)}，在发生洪水或者泥石流之后，对山体进行维护，对山体维护人员的位置进行实时监测，当检测到：山体维护人员与危险区域位置的(600,500)较近，山体维护人员的坐标集合为F＝{(150,200),(70,220)}，山体维护人员与危险区域的最大标准夹角为β，山体维护人员的第二步与危险区域的实际夹角为θ；

根据公式：

由此得知：β＞θ，山体维护人员不会走入危险区域；

其中：M是山体维护人员从第一步到下一步之间的距离，当β＞θ时，山体维护人员不会走入危险区域，当β＜θ时，山体维护人员会进入危险区域。

需要说明的是，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，或者是还包括这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。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 (1)

1.一种基于物联网的洪水灾害预警系统，其特征在于：该预警系统包括风险评估模块、洪水灾害监测模块、营救管理模块、信息预警模块和主控模块，所述风险评估模块用于对今年是否会发生洪灾进行提前预估，所述洪水灾害监测模块用于对不同区域的水位线进行实时监测，判断是否会造成洪水严重灾害，所述营救管理模块用于使用无人机对人所在位置进行确定并营救，所述信息预警模块用于对水位线超过最高预警值时及时发送预警信息，所述信息预警模块内的信息都会及时发送给主控模块，所述主控模块与风险评估模块、洪水灾害监测模块、营救管理模块和信息预警模块相连接；

所述风险评估模块包括时间预估单元、农作物保护单元、洪水防护单元，所述时间预估单元用于根据今年降水量和往年发生洪水的次数和往年降水量预估今年发生洪水的次数，所述农作物保护单元用于对去年农作物的受灾面积所占比重进行统计计算，所述洪水防护单元用于根据洪水的流动走向实时计算洪水到地势低洼区域的流动时间，所述时间预估单元的输出端与农作物保护单元和洪水防护单元的输入端相连接；

所述洪水灾害监测模块包括危险区域设定单元、水位监测单元和山体维护单元和警示单元，所述危险区域设定单元用于根据泥石流滚降的速度、山坡与平原的倾斜角度判断危险区域，所述水位监测单元用于对上升的水位进行实时监测，对水势每次冲破的水位线高度和周边位置进行判断是否会造成洪水或泥石流，所述山体维护单元用于在泥石流停止流动后，对山体上的降雨量是否会导致石块继续掉落进行评估，并在山体维护人员对山体进行修复维护时，实时判断山体维护人员的下一步是否会进入危险区域，所述警示单元用于在山体维护人员进入危险区域时进行通报，所述水位监测单元的输出端与危险区域设定单元、山体维护单元和警示单元的输入端相连接；

所述营救管理模块包括GPRS定位单元、二维平面模型单元、人脸录入单元、人数检测单元、路线营救单元和人数对比单元，所述GPRS定位单元用于对人所在位置进行定位，所述二维平面模型单元用于将人所在位置在平面模型中进行显示，所述人脸录入单元用于将失踪人口的人脸样本图像录入样本集中，所述人数检测单元用于使用多架无人机对人所在位置进行拍照，同时使用MASK-R-CNN方法对照片里的每个人进行识别，判断多架无人机所拍照片且识别的人数是否相同，所述路线营救单元用于根据人群所聚集的位置和与洪水流动相垂直的方向制定方案，将居民在设定时间内解救出来，所述人数对比单元用于将所解救的居民人数与在照片里所识别的人数进行对比，所述GPRS定位单元的输出端与二维平面模型单元、人数检测单元、路线营救单元和人数对比单元的输入端相连接；

利用MASK-R-CNN对照片里人数的处理步骤如下：

C1:将各失踪人口的样本图像进行录入，同时将样本图像所对应的标签信息录入；

C2：将失踪人口的样本图像和相对应的标签录入MASK-R-CNN中；

C3：对每个样本图像中的人脸五官进行识别，获取每个样本对应的面部特征；

C4：将无人机所拍的面部特征图与人脸五官进行对应识别检测；

C5：将失踪人口的样本图像放置在RPN网络中，生成相应的预选框，并将RPN网络中的图像和预选框放置在ROL-Align层，生成特征图；

C6：将特征图输入至FCN网络中，并对特征图中的各个像素点进行预测，得出样本图像的预测结果，并将预测结果和标签信息进行匹配，判断最终的输出结果；

所述信息预警模块包括无干扰传输单元和预警单元，所述无干扰传输单元用于当检测到发生洪水事故时，将此信息作为一级预警信息，无干扰的传输给发生洪水的所在区域，所述预警单元用于将信息发送给主控模块；

所述主控模块用于处理信息预警模块中的信息、将样本图像与图片中的图像进行核对，并将最终对比的结果进行显示；

所述洪水灾害预警系统包括如下步骤：

S1：使用风险评估模块，对今年降水量、往年发生洪水的次数和往年降水量预估今年发生洪水的次数；

S2：使用洪水灾害监测模块，对泥石流滚降的速度、山坡与平原的倾斜角度对危险区域进行判定，并在山体维护人员对山体进行修复时，判断山体维护人员的下一步是否会进入危险区域；

S3：使用营救管理模块，使用无人机对人所聚集的位置进行定位并营救，使用MASK-R-CNN方法将所拍人脸样本图像与利用无人机所拍照片中的人脸图像进行识别，并在预设时间内对聚集的人员进行营救，判断核对结果是否正确；

S4：使用信息预警模块，将洪水等级、降水速度和事故多发地带信息发送给各个区域；

在所述步骤S1中，根据检测得知，不同年份降水量的集合为Q＝{q₁,q₂…q_m}，不同年份发生洪水的次数集合为W＝{w₁,w₂…w_m}；

根据公式：

其中：

是指降水量的平均值，

是指对降水量的预测值，

是不同年份发生洪水的次数，

是今年洪水发生次数的预测值，当

高于设定的降水量预设值和

高于设定的预设次数时，进行报警；

在所述步骤S2中：根据检测得知，该区域发生洪水的次数较多，在二维平面模型中，设定山体危险区域位置坐标的集合为Z＝{(m₁,n₁),(m₂,n₂),(m₃,n₃),(m₄,n₄)}，在发生洪水或者泥石流之后，对山体进行维护，对山体维护人员的位置进行实时监测，山体维护人员的坐标集合为F＝{(x₁,y₁),(x₂,y₂)…(x_m,y_m)}，山体维护人员的第一步与危险区域的最大标准夹角为β，山体维护人员的第二步与危险区域的实际夹角为θ；

根据公式：

其中：M是山体维护人员从第一步到下一步之间的距离，当β＞θ时，山体维护人员不会走入危险区域，当β＜θ时，山体维护人员会进入危险区域；

在所述步骤S3中，根据待营救人员的位置和洪水流动的方向，营救人员按照垂直方向营救，在所安排的路线中，在二维平面模型中，营救人员和待营救人员的位置坐标为L(a,b)和H(a′,b′)，营救人员的平均速度为V，营救时间t需控制在洪水或者泥石流下次流动之前t′,因此

Images