CN113673632A - 边坡视频监测方法及装置 - Google Patents
边坡视频监测方法及装置 Download PDFInfo
- Publication number
- CN113673632A CN113673632A CN202111229939.1A CN202111229939A CN113673632A CN 113673632 A CN113673632 A CN 113673632A CN 202111229939 A CN202111229939 A CN 202111229939A CN 113673632 A CN113673632 A CN 113673632A
- Authority
- CN
- China
- Prior art keywords
- image
- slope
- edge
- frame
- protection
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 229910003460 diamond Inorganic materials 0.000 description 5
- 239000010432 diamond Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000001681 protective effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明是关于一种边坡视频监测方法及装置,方法包括:获取原始的框格防护边坡图像;从框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,其中,工程特征集中包括关键点特征集和边缘特征集;确定框格防护边坡图像对应的基准视频帧,将框格防护边坡图像的视频帧与基准视频帧进行特征关联,以确定基准视频帧对应的关联工程特征;将基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果;根据比对结果确定边坡的表观特征状态。通过该技术方案,可以实现对边坡风险的非接触监测。
Description
技术领域
本发明涉及边坡变化监测技术领域,尤其涉及一种边坡视频监测方法及装置。
背景技术
现有高速公路中,由于自然地质条件的限制,许多西部山区的线路都要开挖山体形成高填方和高边坡。其中有些处在地质条件不利于稳定的山体上,这些边坡虽然经过了防护,仍需随时观测不利气象时的滑坡风险,以保障公路运营安全。
目前对于坡体潜在危害的监测,多是对区域性的大面积的山脉或山体的稳定性进行监测。主要以各种类型的接触式感知设备、通过传感器实时监测数据进行监测和预报。如何在灾害监测和预报同时,及时有效的减缓公路边坡灾害对人身安全的威胁,是目前急需解决的问题。
目前边坡监测的常用方法中非视频技术监测方法有:变形观测,观测边坡的倾斜、水平位移、沉降变形或微动位移等情况;应力观测,观测边坡结构物、防护结构的拉力、倾角加速度等;气象水文观测,观测降雨量;渗流观测,监测边坡的渗流、地下水位、泥水位,土壤含水率等,监测泥石流、山洪等灾害的可能性。主要仪器有传统的裂缝计、测斜管、压力计、位移计等,上述方法均是在边坡内部埋置测量计或传感等装置,通过相关计算机软件等辅助手段检测边坡的稳定性指标,都在不同程度上存在专业化程度高、成本高、危险性大等缺点。新兴出现的多种监测技术,如GNSS一体机,INSAR 监测,GPS、北斗光传感器、TDR等虽然可以实现远程监测,安全性好,但专业化程度更高、成本高也不便于公路工程中普及应用。
现有边坡视频技术监测方法有:边坡位移量测法。先在边坡设立观测靶点,利用双目相机成像原理,测算靶点的三维坐标变化,来判断边坡是否有形变。或者边坡外设立基准点,建立观测相机坐标系。然后边坡上设定一个标识目标,观测标识目标与基准点的位移变化关系。对位移变化量精准量测,得到边坡位移变化量。
现有技术存在以下缺陷:
(1)非视频技术边坡稳定监测缺陷:
1)现场操作,风险性高;
2)专业技术强,需了解全站仪、水文仪等专业设备,及专业监测知识;
3)成本高,专业设备的购买、维护、使用培训等所需费用较高。
(2)现有视频技术的边坡检测方法缺陷:虽然能远程自动化监测、实时数据上报查看,但仅对特定观测点进行监测,对特定点的选取要求极高。特定点的选取失误,会加大漏报的机率。
发明内容
为克服相关技术中存在的问题,本发明提供一种边坡视频监测方法及装置。
根据本发明实施例的第一方面,提供一种边坡视频监测方法,方法包括:
获取原始的框格防护边坡图像,包括但不限于方形、拱形和菱形框格图像;
从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,其中,所述工程特征集中包括关键点特征集和边缘特征集;
确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征;
将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果;
根据所述比对结果确定边坡的表观特征状态。
在一个实施例中,优选地,从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,包括:
对所述框格防护边坡图像进行预处理,以得到处理后的框格防护边坡图像,其中,预处理包括滤波去噪处理、灰度化处理和去除干扰处理;
对所述处理后的框格防护边坡图像进行边缘监测,以得到边缘二值化图像;
对所述边缘二值化图像进行闭运算,以得到连续的边缘;
根据边缘搜索算法搜索边缘二值化图像中每帧图像的每个边坡防护格栅区域的边缘,以得到边缘搜索结果,并提取边缘特征,组成边缘特征集,其中,第i帧图像的边缘特征集表示为:
根据所述边缘搜索结果计算每帧图像的每个边坡防护格栅区域的像素坐标范围;
则所述工程特征集表示为:
在一个实施例中,优选地,确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征,包括:
搜索框格防护边坡图像的视频帧中每帧图像的每个边坡防护格栅区域中与所述基准视频帧中每个边坡防护格栅区域相交的区域集,并从中获取面积最大的目标防护格栅区域,在所述目标防护格栅区域中提取对应的关联边缘特征和关联关键点特征。
在一个实施例中,优选地,将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果,包括:
将框格防护边坡图像的每帧图像的所述关联边缘特征和基准视频帧中边坡防护格栅区域的边缘特征按照边缘特征匹配算法进行特征匹配计算,以得到边缘特征匹配度;
采用以下公式确定每个边坡防护格栅区域是否发生变化:
在一个实施例中,优选地,根据所述比对结果确定边坡的表观特征状态,包括:
当确定图像未发生变化时,判定边坡的表观特征状态处于稳态状态;
当确定图像发生变化时,判定边坡的表观特征状态处于非稳态状态;
当边坡的表观特征状态持续处于稳态状态下,按预设频率截取稳态图像,并将截取的第一帧稳态图像作为目标基准视频帧,后续截取的稳态图像作为对比帧;
根据所述目标基准视频帧和所述对比帧进行特征对比,确定稳态图像是否发生变化;
当所述稳态图像发生变化时,提示边坡发生了表观特征的变形。
根据本发明实施例的第二方面,提供一种边坡视频监测装置,所述装置包括:
获取模块,用于获取原始的框格防护边坡图像,包括但不限于方形、拱形和菱形框格图像;
提取模块,用于从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,其中,所述工程特征集中包括关键点特征集和边缘特征集;
第一确定模块,用于确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征;
比对模块,用于将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果;
第二确定模块,用于根据所述比对结果确定边坡的表观特征状态。
在一个实施例中,优选地,所述提取模块包括:
预处理单元,用于对所述框格防护边坡图像进行预处理,以得到处理后的框格防护边坡图像,其中,预处理包括滤波去噪处理、灰度化处理和去除干扰处理;
监测单元,用于对所述处理后的框格防护边坡图像进行边缘监测,以得到边缘二值化图像;
运算单元,用于对所述边缘二值化图像进行闭运算,以得到连续的边缘;
搜索单元,用于根据边缘搜索算法搜索边缘二值化图像中每帧图像的每个边坡防护格栅区域的边缘,以得到边缘搜索结果,并提取边缘特征,组成边缘特征集,其中,第i帧图像的边缘特征集表示为:
计算单元,用于根据所述边缘搜索结果计算每帧图像的每个边坡防护格栅区域的像素坐标范围;
提取单元,用于根据所述像素坐标范围定位栅格区域,从所述处理后的框格防护边坡图像中提取出对应的栅格区域图像,并利用算法提取出栅格区域图像中的关键点特征,以组成关键点特征集,其中,第i帧图像的关键点特征集表示为:
则所述工程特征集表示为:
在一个实施例中,优选地,第一确定模块用于:
搜索框格防护边坡图像的视频帧中每帧图像的每个边坡防护格栅区域中与所述基准视频帧中每个边坡防护格栅区域相交的区域集,并从中获取面积最大的目标防护格栅区域,在所述目标防护格栅区域中提取对应的关联边缘特征和关联关键点特征。
在一个实施例中,优选地,所述比对模块包括:
第一匹配单元,用于将框格防护边坡图像的每帧图像的所述关联边缘特征和基准视频帧中边坡防护格栅区域的边缘特征按照边缘特征匹配算法进行特征匹配计算,以得到边缘特征匹配度;
采用以下公式确定每个边坡防护格栅区域是否发生变化:
在一个实施例中,优选地,所述第二确定模块包括:
第一判定单元,用于当确定图像未发生变化时,判定边坡的表观特征状态处于稳态状态;
第二判定单元,用于当确定图像发生变化时,判定边坡的表观特征状态处于非稳态状态;
截取单元,用于当边坡的表观特征状态持续处于稳态状态下,按预设频率截取稳态图像,并将截取的第一帧稳态图像作为目标基准视频帧,后续截取的稳态图像作为对比帧;
第二确定单元,用于根据所述目标基准视频帧和所述对比帧进行特征对比,确定稳态图像是否发生变化;
提示单元,用于当所述稳态图像发生变化时,提示边坡发生了表观特征的变形。
根据本发明实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现第一方面中任一项方法的步骤。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明实施例中,通过视频监测可以在边坡外与潜在风险的边坡实现非接触监测,一来可避免灾害来临时给边坡上直接接触式布设的监测带来的人员伤害,二来可以减少灾害监测所需要的大量人员和设备带来的成本投入。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种边坡视频监测方法的流程图。
图2是根据一示例性实施例示出的一种边坡视频监测方法中步骤S102的流程图。
图3A是根据一示例性实施例示出的一种边坡视频监测方法中步骤S103的流程图。
图3B是根据一示例性实施例示出的一种目标防护格栅区域的示意图。
图4是根据一示例性实施例示出的一种边坡视频监测方法中步骤S104的流程图。
图5是根据一示例性实施例示出的一种边坡视频监测方法中步骤S105的流程图。
图6是根据一示例性实施例示出的一种边坡视频监测装置的框图。
图7是根据一示例性实施例示出的一种边坡视频监测装置中提取模块的框图。
图8是根据一示例性实施例示出的一种边坡视频监测装置中比对模块的框图。
图9是根据一示例性实施例示出的一种边坡视频监测装置中比对模块的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种边坡视频监测方法的流程图,如图1所示,该方法包括:
步骤S101,获取原始的框格防护边坡图像,包括但不限于方形、拱形和菱形框格图像;
步骤S102,从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,其中,所述工程特征集中包括关键点特征集和边缘特征集;
步骤S103,确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征;
步骤S104,将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果;
步骤S105,根据所述比对结果确定边坡的表观特征状态。
在该实施例中,通过视频监测可以在边坡外与潜在风险的边坡实现非接触监测,一来可避免灾害来临时给边坡上直接接触式布设的监测带来的人员伤害,二来可以减少灾害监测所需要的大量人员和设备带来的成本投入。
图2是根据一示例性实施例示出的一种边坡视频监测方法中步骤S102的流程图。
在一个实施例中,优选地,上述步骤S102包括:
步骤S201,对所述框格防护边坡图像进行预处理,以得到处理后的框格防护边坡图像,其中,预处理包括滤波去噪处理、灰度化处理和去除干扰处理;
原始的框格防护边坡图像中存在大量噪点,影响后续处理,加入滤波去噪处理,可以提升边缘检测效果。对图像进行灰度化处理,便于后续的边缘检测。去除干扰,利用图像中运动物体的特征,抠除如鸟类、树叶、植物阴影等物体的干扰,用邻近无干扰视频帧中图像代替抠除部分。
步骤S202,对所述处理后的框格防护边坡图像进行边缘监测,以得到边缘二值化图像;具体地,可以挑选边缘检测滤波器,执行梯度检测,得出边缘二值化图像。
步骤S203,对所述边缘二值化图像进行闭运算,以得到连续的边缘;
步骤S204,根据边缘搜索算法搜索边缘二值化图像中每帧图像的每个边坡防护格栅区域的边缘,以得到边缘搜索结果,并提取边缘特征,组成边缘特征集,其中,第i帧图像的边缘特征集表示为:
步骤S205,根据所述边缘搜索结果计算每帧图像的每个边坡防护格栅区域的像素坐标范围;
步骤S206,根据所述像素坐标范围定位栅格区域,从所述处理后的框格防护边坡图像中提取出对应的栅格区域图像,并利用算法提取出栅格区域图像中的关键点特征,以组成关键点特征集,其中,第i帧图像的关键点特征集表示为:
则所述工程特征集表示为:
图3A是根据一示例性实施例示出的一种边坡视频监测方法中步骤S103的流程图。
如图3A所示,在一个实施例中,优选地,步骤S103包括:
步骤S301,如图3B所示,搜索框格防护边坡图像的视频帧中每帧图像的每个边坡防护格栅区域311中与所述基准视频帧中每个边坡防护格栅区域312相交的区域集,并从中获取面积最大的目标防护格栅区域313,在所述目标防护格栅区域313中提取对应的关联边缘特征和关联关键点特征。由图3B可知,区域B的面积大于区域A的面积,因此,将区域B作为目标防护格栅区域。
确定边坡视频监测基准视频帧,并将采样视频帧与基准视频帧进行特征关联。假设布设摄像机是静止不动的,视频每个防护格栅在s秒视频帧内相对位置保持稳定。基准视频帧中第个边坡防护格栅区域的关键点特征和边缘特征为。
图4是根据一示例性实施例示出的一种边坡视频监测方法中步骤S104的流程图。
如图4所示,在一个实施例中,优选地,步骤S104包括:
步骤S401,将框格防护边坡图像的每帧图像的所述关联边缘特征和基准视频帧中边坡防护格栅区域的边缘特征按照边缘特征匹配算法进行特征匹配计算,以得到边缘特征匹配度;
采用以下公式确定每个边坡防护格栅区域是否发生变化:
图5是根据一示例性实施例示出的一种边坡视频监测方法中步骤S105的流程图。
如图5所示,在一个实施例中,优选地,上述步骤S105包括:
步骤S501,当确定图像未发生变化时,判定边坡的表观特征状态处于稳态状态;
步骤S502,当确定图像发生变化时,判定边坡的表观特征状态处于非稳态状态;
步骤S503,当边坡的表观特征状态持续处于稳态状态下,按预设频率截取稳态图像,并将截取的第一帧稳态图像作为目标基准视频帧,后续截取的稳态图像作为对比帧;
步骤S504,根据所述目标基准视频帧和所述对比帧进行特征对比,确定稳态图像是否发生变化;
步骤S505,当所述稳态图像发生变化时,提示边坡发生了表观特征的变形。
边坡的表观特征状态包含稳态和非稳态两种。稳态表示在排除鸟类、树叶、植物阴影等快速运动物体的干扰下边坡的表观特征没有大幅变化的状态;非稳态表示边坡表观特征正在持续遭受外部客观因素的影响,包括雨雪天气、光线变化、摄像头抖动等影响。
图6是根据一示例性实施例示出的一种边坡视频监测装置的框图。
如图6所示,根据本发明实施例的第二方面,提供一种边坡视频监测装置,所述装置包括:
获取模块61,用于获取原始的框格防护边坡图像,包括但不限于方形、拱形和菱形框格图像;
提取模块62,用于从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,其中,所述工程特征集中包括关键点特征集和边缘特征集;
第一确定模块63,用于确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征;
比对模块64,用于将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果;
第二确定模块65,用于根据所述比对结果确定边坡的表观特征状态。
图7是根据一示例性实施例示出的一种边坡视频监测装置中提取模块的框图。
如图7所示,在一个实施例中,优选地,所述提取模块62包括:
预处理单元71,用于对所述框格防护边坡图像进行预处理,以得到处理后的框格防护边坡图像,其中,预处理包括滤波去噪处理、灰度化处理和去除干扰处理;
监测单元72,用于对所述处理后的框格防护边坡图像进行边缘监测,以得到边缘二值化图像;
运算单元73,用于对所述边缘二值化图像进行闭运算,以得到连续的边缘;
搜索单元74,用于根据边缘搜索算法搜索边缘二值化图像中每帧图像的每个边坡防护格栅区域的边缘,以得到边缘搜索结果,并提取边缘特征,组成边缘特征集,其中,第i帧图像的边缘特征集表示为:
计算单元75,用于根据所述边缘搜索结果计算每帧图像的每个边坡防护格栅区域的像素坐标范围;
提取单元76,用于根据所述像素坐标范围定位栅格区域,从所述处理后的框格防护边坡图像中提取出对应的栅格区域图像,并利用算法提取出栅格区域图像中的关键点特征,以组成关键点特征集,其中,第i帧图像的关键点特征集表示为:
则所述工程特征集表示为:
在一个实施例中,优选地,第一确定模块63用于:
搜索框格防护边坡图像的视频帧中每帧图像的每个边坡防护格栅区域中与所述基准视频帧中每个边坡防护格栅区域相交的区域集,并从中获取面积最大的目标防护格栅区域,在所述目标防护格栅区域中提取对应的关联边缘特征和关联关键点特征。
图8是根据一示例性实施例示出的一种边坡视频监测装置中比对模块的框图。
如图8所示,在一个实施例中,优选地,所述比对模块64包括:
第一匹配单元81,用于将框格防护边坡图像的每帧图像的所述关联边缘特征和基准视频帧中边坡防护格栅区域的边缘特征按照边缘特征匹配算法进行特征匹配计算,以得到边缘特征匹配度;
采用以下公式确定每个边坡防护格栅区域是否发生变化:
图9是根据一示例性实施例示出的一种边坡视频监测装置中比对模块的框图。
如图9所示,在一个实施例中,优选地,所述第二确定模块65包括:
第一判定单元91,用于当确定图像未发生变化时,判定边坡的表观特征状态处于稳态状态;
第二判定单元92,用于当确定图像发生变化时,判定边坡的表观特征状态处于非稳态状态;
截取单元93,用于当边坡的表观特征状态持续处于稳态状态下,按预设频率截取稳态图像,并将截取的第一帧稳态图像作为目标基准视频帧,后续截取的稳态图像作为对比帧;
第二确定单元94,用于根据所述目标基准视频帧和所述对比帧进行特征对比,确定稳态图像是否发生变化;
提示单元95,用于当所述稳态图像发生变化时,提示边坡发生了表观特征的变形。
根据本发明实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现第一方面中任一项方法的步骤。
本发明实施例中,抓取了实际工程中的边坡表观特征,边坡防护中常用的菱形格栅、方形格栅、拱形格栅等。分析了高速公路边坡随时间而呈现出来的表观变化特点,总结了表观监测的干扰因素,如鸟、落叶、植物阴影等干扰。利用视频图像分析技术,清洗干扰元素,还原边坡结构格栅的轮廓区域。在深入实地调研格栅类边坡形变特点的基础上定义表观特征状态,利用该特征状态剔除非稳定性影响因素,针对稳定性状态下的边坡变形特征进行识别。实施方式易操作。利用公路既有的线形设计和光缆、电力铺设条件,放杆架设视频设备,监测条件齐全稳定,相比较设计生产自带电源的其他监测设备而言,具有好架设、好维护特点。视频监测可以在边坡外与潜在风险的边坡实现非接触监测,一来可避免灾害来临时给边坡上直接接触式布设的监测带来的人员伤害,二来可以减少灾害监测所需要的大量人员和设备带来的成本投入。
进一步可以理解的是,本发明中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,本发明实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种边坡视频监测方法,其特征在于,所述方法包括:
获取原始的框格防护边坡图像;
从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,其中,所述工程特征集中包括关键点特征集和边缘特征集;
确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征;
将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果;
根据所述比对结果确定边坡的表观特征状态。
2.根据权利要求1所述的方法,其特征在于,从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,包括:
对所述框格防护边坡图像进行预处理,以得到处理后的框格防护边坡图像,其中,预处理包括滤波去噪处理、灰度化处理和去除干扰处理;
对所述处理后的框格防护边坡图像进行边缘监测,以得到边缘二值化图像;
对所述边缘二值化图像进行闭运算,以得到连续的边缘;
根据边缘搜索算法搜索边缘二值化图像中每帧图像的每个边坡防护格栅区域的边缘,以得到边缘搜索结果,并提取边缘特征,组成边缘特征集,其中,第i帧图像的边缘特征集表示为:
根据所述边缘搜索结果计算每帧图像的每个边坡防护格栅区域的像素坐标范围;
3.根据权利要求2所述的方法,其特征在于,确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征,包括:
搜索框格防护边坡图像的视频帧中每帧图像的每个边坡防护格栅区域中与所述基准视频帧中每个边坡防护格栅区域相交的区域集,并从中获取面积最大的目标防护格栅区域,在所述目标防护格栅区域中提取对应的关联边缘特征和关联关键点特征。
4.根据权利要求3所述的方法,其特征在于,将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果,包括:
将框格防护边坡图像的每帧图像的所述关联边缘特征和基准视频帧中边坡防护格栅区域的边缘特征按照边缘特征匹配算法进行特征匹配计算,以得到边缘特征匹配度;
采用以下公式确定每个边坡防护格栅区域是否发生变化:
5.根据权利要求4所述的方法,其特征在于,根据所述比对结果确定边坡的表观特征状态,包括:
当确定图像未发生变化时,判定边坡的表观特征状态处于稳态状态;
当确定图像发生变化时,判定边坡的表观特征状态处于非稳态状态;
当边坡的表观特征状态持续处于稳态状态下,按预设频率截取稳态图像,并将截取的第一帧稳态图像作为目标基准视频帧,后续截取的稳态图像作为对比帧;
根据所述目标基准视频帧和所述对比帧进行特征对比,确定稳态图像是否发生变化;
当所述稳态图像发生变化时,提示边坡发生了表观特征的变形。
6.一种边坡视频监测装置,其特征在于,所述装置包括:
获取模块,用于获取原始的框格防护边坡图像;
提取模块,用于从所述框格防护边坡图像中提取出每帧图像的工程特征,组成工程特征集,其中,所述工程特征集中包括关键点特征集和边缘特征集;
第一确定模块,用于确定所述框格防护边坡图像对应的基准视频帧,将所述框格防护边坡图像的视频帧与所述基准视频帧进行特征关联,以确定所述基准视频帧对应的关联工程特征;
比对模块,用于将所述基准视频帧的工程特征和与其对应的关联工程特征进行比对,以得到比对结果;
第二确定模块,用于根据所述比对结果确定边坡的表观特征状态。
7.根据权利要求6所述的装置,其特征在于,所述提取模块包括:
预处理单元,用于对所述框格防护边坡图像进行预处理,以得到处理后的框格防护边坡图像,其中,预处理包括滤波去噪处理、灰度化处理和去除干扰处理;
监测单元,用于对所述处理后的框格防护边坡图像进行边缘监测,以得到边缘二值化图像;
运算单元,用于对所述边缘二值化图像进行闭运算,以得到连续的边缘;
搜索单元,用于根据边缘搜索算法搜索边缘二值化图像中每帧图像的每个边坡防护格栅区域的边缘,以得到边缘搜索结果,并提取边缘特征,组成边缘特征集,其中,第i帧图像的边缘特征集表示为:
计算单元,用于根据所述边缘搜索结果计算每帧图像的每个边坡防护格栅区域的像素坐标范围;
提取单元,用于根据所述像素坐标范围定位栅格区域,从所述处理后的框格防护边坡图像中提取出对应的栅格区域图像,并利用算法提取出栅格区域图像中的关键点特征,以组成关键点特征集,其中,第i帧图像的关键点特征集表示为:
8.根据权利要求7所述的装置,其特征在于,第一确定模块用于:
搜索框格防护边坡图像的视频帧中每帧图像的每个边坡防护格栅区域中与所述基准视频帧中每个边坡防护格栅区域相交的区域集,并从中获取面积最大的目标防护格栅区域,在所述目标防护格栅区域中提取对应的关联边缘特征和关联关键点特征。
9.根据权利要求8所述的装置,其特征在于,所述比对模块包括:
第一匹配单元,用于将框格防护边坡图像的每帧图像的所述关联边缘特征和基准视频帧中边坡防护格栅区域的边缘特征按照边缘特征匹配算法进行特征匹配计算,以得到边缘特征匹配度;
采用以下公式确定每个边坡防护格栅区域是否发生变化:
10.根据权利要求9所述的装置,其特征在于,所述第二确定模块包括:
第一判定单元,用于当确定图像未发生变化时,判定边坡的表观特征状态处于稳态状态;
第二判定单元,用于当确定图像发生变化时,判定边坡的表观特征状态处于非稳态状态;
截取单元,用于当边坡的表观特征状态持续处于稳态状态下,按预设频率截取稳态图像,并将截取的第一帧稳态图像作为目标基准视频帧,后续截取的稳态图像作为对比帧;
第二确定单元,用于根据所述目标基准视频帧和所述对比帧进行特征对比,确定稳态图像是否发生变化;
提示单元,用于当所述稳态图像发生变化时,提示边坡发生了表观特征的变形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229939.1A CN113673632B (zh) | 2021-10-22 | 2021-10-22 | 边坡视频监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229939.1A CN113673632B (zh) | 2021-10-22 | 2021-10-22 | 边坡视频监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113673632A true CN113673632A (zh) | 2021-11-19 |
CN113673632B CN113673632B (zh) | 2022-02-01 |
Family
ID=78550888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111229939.1A Active CN113673632B (zh) | 2021-10-22 | 2021-10-22 | 边坡视频监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673632B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150098607A1 (en) * | 2013-10-07 | 2015-04-09 | Hong Kong Applied Science and Technology Research Institute Company Limited | Deformable Surface Tracking in Augmented Reality Applications |
CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
CN112593583A (zh) * | 2020-12-22 | 2021-04-02 | 南京宥安传感科技有限公司 | 一种基于混凝土框格的边坡监测系统 |
CN112857246A (zh) * | 2021-02-05 | 2021-05-28 | 中国矿业大学(北京) | 一种利用地面三目视频匹配的露天矿边坡形变在线监测方法 |
CN113240735A (zh) * | 2021-02-01 | 2021-08-10 | 北方工业大学 | 一种边坡位移活动性监测方法 |
-
2021
- 2021-10-22 CN CN202111229939.1A patent/CN113673632B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150098607A1 (en) * | 2013-10-07 | 2015-04-09 | Hong Kong Applied Science and Technology Research Institute Company Limited | Deformable Surface Tracking in Augmented Reality Applications |
CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
CN112593583A (zh) * | 2020-12-22 | 2021-04-02 | 南京宥安传感科技有限公司 | 一种基于混凝土框格的边坡监测系统 |
CN113240735A (zh) * | 2021-02-01 | 2021-08-10 | 北方工业大学 | 一种边坡位移活动性监测方法 |
CN112857246A (zh) * | 2021-02-05 | 2021-05-28 | 中国矿业大学(北京) | 一种利用地面三目视频匹配的露天矿边坡形变在线监测方法 |
Non-Patent Citations (2)
Title |
---|
王扬: "基于目标检测与跟踪算法的边坡危岩监测系统设计", 《中国优秀硕士学位论文全文数据库》 * |
许薛军 等: "基于双目视觉的公路边坡表面位移识别方法", 《中国公路学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113673632B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Weidner et al. | Classification methods for point clouds in rock slope monitoring: A novel machine learning approach and comparative analysis | |
KR102112046B1 (ko) | 시설물 안전진단 및 유지관리 방법 | |
Sofia et al. | High‐resolution topography and anthropogenic feature extraction: Testing geomorphometric parameters in floodplains | |
Mondini et al. | Semi-automatic recognition and mapping of rainfall induced shallow landslides using optical satellite images | |
Beaton et al. | Identifying historic river ice breakup timing using MODIS and Google Earth Engine in support of operational flood monitoring in Northern Ontario | |
Castillo et al. | The normalized topographic method: an automated procedure for gully mapping using GIS | |
Kashani et al. | Automated tornado damage assessment and wind speed estimation based on terrestrial laser scanning | |
CN107341586A (zh) | 一种基于降雨的地质灾害发生频率的计算方法 | |
CN111721361A (zh) | 一种堤防监测系统、方法及设备 | |
Lubin et al. | Remote sensing-based mapping of the destruction to Aleppo during the Syrian Civil War between 2011 and 2017 | |
CN114565313A (zh) | 一种地质灾害隐患判识以及分析评估方法及系统 | |
Mora et al. | Small landslide susceptibility and hazard assessment based on airborne lidar data | |
Shakya et al. | Statistical quantification of texture visual features for pattern recognition by analyzing pre-and post-multispectral Landsat satellite imagery | |
Yang et al. | Bank gully extraction from DEMs utilizing the geomorphologic features of a loess hilly area in China | |
CN115471980B (zh) | 泥石流灾害预警方法 | |
Tseng et al. | Scale and spatial distribution assessment of rainfall-induced landslides in a catchment with mountain roads | |
KR101793264B1 (ko) | 균열의 발생 및 진행 분석 방법 | |
CN113823088A (zh) | 基于视觉识别技术的城市道路积水深度预测及预警方法 | |
Sunny et al. | Performance study of imageries from MODIS, Landsat 8 and Sentinel-2 on measuring shoreline change at a regional scale | |
CN113744393B (zh) | 一种多层级边坡滑坡变化监测方法 | |
CN117171533B (zh) | 一种地理测绘作业数据实时采集处理方法及系统 | |
Bescoby | Detecting Roman land boundaries in aerial photographs using Radon transforms | |
CN113673632B (zh) | 边坡视频监测方法及装置 | |
CN114816775B (zh) | 一种陡坡防滑坡危险勘测方法 | |
CN116045903A (zh) | 一种采煤区地面形变识别与评价方法 |
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 |