CN114022765A - 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 - Google Patents
一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 Download PDFInfo
- Publication number
- CN114022765A CN114022765A CN202111295332.3A CN202111295332A CN114022765A CN 114022765 A CN114022765 A CN 114022765A CN 202111295332 A CN202111295332 A CN 202111295332A CN 114022765 A CN114022765 A CN 114022765A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- analysis
- obtaining
- early warning
- 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 68
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 227
- 238000010191 image analysis Methods 0.000 claims abstract description 39
- 239000011435 rock Substances 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 239000000203 mixture Substances 0.000 claims description 11
- 230000005484 gravity Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000004575 stone Substances 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
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Emergency Management (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了一种采用图像识别滑坡崩塌落石智能监测预警方法及系统，根据第一山体的基础信息获得第一公路信息；获得第一公路位置，定位第一车辆；根据第一图像调用指令对第一车辆进行图像调用，获得第一图像集合；将第一图像集合输入初步解析模型，基于初步解析模型对山体进行初步解析，获得第一位置解析结果；根据第一位置解析结果，获得第二图像集合；将第二图像集合输入智能图像分析系统，通过智能图像分析系统对第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；通过第一稳定性解析结果对山体进行智能监测预警。解决了现有技术中对山体的滑坡落石进行监测不够智能化，且对滑坡落石的监测不够准确的技术问题。
Description
技术领域
本发明涉及图像智能监测相关领域，尤其涉及一种采用图像识别滑坡崩塌落石智能监测预警方法及系统。
背景技术
滑坡崩塌落石是指山体或其它高处上大小不一的若干块石头从陡崖或沿着斜坡快速滚落至地面或低洼处。落石的规模大小不一，且时刻都在发生，是很平常的地质现象，也是地形地貌变化的常态，但同时也长期对人类的生产生活造成威胁。落石是山崩的简单形态，超大数量规模或体积规模的落石会朝着泥石流、滑坡等程度演变。山体的滑坡、崩塌落石对道路安全产生了严重的威胁。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中对山体的滑坡落石进行监测不够智能化，且对滑坡落石的监测不够准确的技术问题。
发明内容
本申请实施例通过提供一种采用图像识别滑坡崩塌落石智能监测预警方法及系统，解决了现有技术中对山体的滑坡落石进行监测不够智能化，且对滑坡落石的监测不够准确的技术问题，达到通过智能化的图像获取和图像分析，对山体的滑坡落石进行智能化、准确化的监测和预警的技术效果。
鉴于上述问题，提出了本申请实施例提供一种采用图像识别滑坡崩塌落石智能监测预警方法及系统。
第一方面，本申请提供了一种采用图像识别滑坡崩塌落石智能监测预警方法，其中，所述方法应用于一智能图像分析系统，所述方法包括：获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；根据所述第一位置解析结果，获得第二图像集合；将所述第二图像集合输入所述智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；通过所述第一稳定性解析结果对山体进行智能监测预警。
另一方面，本申请还提供了一种采用图像识别滑坡崩塌落石智能监测预警系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；第一定位单元，所述第一定位单元用于根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；第二获得单元，所述第二获得单元用于获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；第三获得单元，所述第三获得单元用于将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；第四获得单元，所述第四获得单元用于根据所述第一位置解析结果，获得第二图像集合；第五获得单元，所述第五获得单元用于将所述第二图像集合输入智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；第一预警单元，所述第一预警单元用于通过所述第一稳定性解析结果对山体进行智能监测预警。
第三方面，本发明提供了一种采用图像识别滑坡崩塌落石智能监测预警系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；根据所述第一位置解析结果，获得第二图像集合；将所述第二图像集合输入所述智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；通过所述第一稳定性解析结果对山体进行智能监测预警，通过定位山体位置，通过过往车辆的行车记录仪获得山体图像特征，对山体的图像特征进行解析和分析，根据所述智能图像分析结果对所述第一山体进行目标部位的稳定性解析，基于所述稳定性解析结果进行智能化预警，达到通过智能化的图像获取和图像分析，对山体的滑坡落石进行智能化、准确化的监测和预警的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警方法的流程示意图；
图2为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警方法的重心确定的流程示意图；
图3为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警方法的稳定性解析结果的深度分析的流程示意图；
图4为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警方法的附加力分析的流程示意图；
图5为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警方法的预警等级分析的流程示意图；
图6为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警方法的预警等级的进一步分析的流程示意图；
图7为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警方法的位置解析的进一步分析的流程示意图；
图8为本申请实施例一种采用图像识别滑坡崩塌落石智能监测预警系统的结构示意图；
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一定位单元12，第二获得单元13，第三获得单元14，第四获得单元15，第五获得单元16，第一预警单元17，电子设备50，处理器51，存储器52，输入装置53，输出装置54。
具体实施方式
本申请实施例通过提供一种采用图像识别滑坡崩塌落石智能监测预警方法及系统，解决了现有技术中对山体的滑坡落石进行监测不够智能化，且对滑坡落石的监测不够准确的技术问题，达到通过智能化的图像获取和图像分析，对山体的滑坡落石进行智能化、准确化的监测和预警的技术效果。下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、第二”等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术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，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单元。
申请概述
滑坡崩塌落石是指山体或其它高处上大小不一的若干块石头从陡崖或沿着斜坡快速滚落至地面或低洼处。落石的规模大小不一，且时刻都在发生，是很平常的地质现象，也是地形地貌变化的常态，但同时也长期对人类的生产生活造成威胁。落石是山崩的简单形态，超大数量规模或体积规模的落石会朝着泥石流、滑坡等程度演变。山体的滑坡、崩塌落石对道路安全产生了严重的威胁。现有技术中对山体的滑坡落石进行监测不够智能化，且对滑坡落石的监测不够准确的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种采用图像识别滑坡崩塌落石智能监测预警方法，其中，所述方法应用于一智能图像分析系统，所述方法包括：获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；根据所述第一位置解析结果，获得第二图像集合；将所述第二图像集合输入所述智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；通过所述第一稳定性解析结果对山体进行智能监测预警。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种采用图像识别滑坡崩塌落石智能监测预警方法，其中，所述方法应用于一智能图像分析系统，所述方法包括：
步骤S100：获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；
具体而言，所述智能图像分析系统为可对图像进行智能化分析处理的系统，所述系统可进行信息交互，即获取信息和传输信息，进一步的，所述智能图像分析系统可对图像进行多角度的目标解析，所述第一山体为要进行分析的目标山体，获取所述第一山体的基础信息，所述基础信息包括所述第一山体的位置信息，山体的组成成分信息等，根据所述第一山体的基础信息，获取第一公路信息，其中，所述第一公路为临近所述第一山体的公路，且所述第一公路的车辆可对所述第一山体进行图像捕捉。
步骤S200：根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；
步骤S300：获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；
具体而言，根据所述第一山体的信息，对所述第一公路的公路进行路段分析，基于所述公路的路段分析结果，确定可对所述第一山体进行观测的各个位置点信息，根据所述位置点信息，对所述第一公路的过往车辆进行信息获取，定位第一车辆信息，在所述第一车辆的车主许可的前提下，对所述第一车辆的行车记录仪信息进行信息调用，根据所述行车记录仪在所述确定的各个位置点的图像信息的获取，构建所述第一图像集合。
步骤S400：将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；
具体而言，所述第一位置解析结果为对所述第一图像集合进行初步解析后获得的结果，所述初步解析包括对所述第一图像集合中包括所述山体的位置进行图像的截取，根据所述图像的截取结果对所述山体的各个位置进行分析，获得所述山体中可能存在落石或者滑坡风险的位置。即所述第一位置解析结果为所述山体的滑坡风险的初步评分结果，根据所述初步评分结果获得所述山体需要进行深度分析的各个位置信息。
步骤S500：根据所述第一位置解析结果，获得第二图像集合；
具体而言，所述第二图像集合为针对性的位置的图像集合。即根据所述第一位置解析结果中确定的位置信息，对所述第一图像集合中的包括所述确定的位置的图像进行筛选，根据所述图像的筛选结果获得所述第第二图像集合。
步骤S600：将所述第二图像集合输入所述智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；
步骤S700：通过所述第一稳定性解析结果对山体进行智能监测预警。
具体而言，将所述第二图像集合的图像输入所述智能图像分析系统，根据所述智能图像分析系统对所述第二图像集合进行进一步的解析。具体的，首先根据所述第一位置解析结果确定第一分析目标，通过所述第二图像集合，对所述第一分析目标的形状、尺寸、质量、重心、连接点信息、运动的趋势等信息进行分析，根据所述分析的信息，获得所述第一分析目标的稳定性分析结果，即所述第一稳定性解析结果，通过所述第一稳定性解析结果对山体进行智能的监测预警。达到通过智能化的图像获取和图像分析，对山体的滑坡落石进行智能化、准确化的监测和预警的技术效果。
进一步而言，如图2所示，本申请实施例步骤S600还包括：
步骤S610：根据所述第一位置解析结果确定第一分析目标，通过所述第二图像集合获得所述第一分析目标的尺寸信息；
步骤S620：获得第一成分特征集合，通过所述第一成分特征集合对所述第二图像集合进行特征比对，获得第一分析目标的成分信息；
步骤S630：根据所述尺寸信息和所述成分信息获得所述第一分析目标的第一重心位置信息；
步骤S640：基于所述第一重心位置信息获得所述第一稳定性解析结果。
具体而言，所述第一分析目标为根据所述第一位置解析结果中的山体各个连接的部位进行的目标的选择。一般而言，所述第一分析目标为裸露连带的山体岩石，当确定所述第一分析目标后，通过所述第二图像集合获得所述第一分析目标的尺寸信息，所述尺寸信息为根据车辆拍摄位置与岩石的相对距离，结合行车记录仪的拍摄参数，对岩石的尺寸形状还原获得的信息。根据岩石的成分的组成的不同，根据山体的整体成分组成，获得第一成分特征集合，通过所述第一成分特征集合对所述第二图像集合进行特征的比对，基于所述特征的比对结果，获得所述第一分析目标的成分信息，通过所述成分信息和所述尺寸信息，对所述第一分析目标的重心位置进行分析，获得所述第一重心位置信息，通过所述第一重心位置信息和所述尺寸信息，对所述岩石的稳定性进行评估，获得所述第一稳定性解析结果。通过对目标岩石的图像进行图像的特征解析，获得岩石的尺寸、形状、成分信息，进而根据岩石的重心位置，对岩石的稳定性进行深度的解析，进而获得更加准确的稳定性解析结果，进而达到进行准确的检测预警的技术效果。
进一步的，如图3所示，本申请实施例步骤S640还包括：
步骤S641：根据所述第二图像集合获得所述第一分析目标的连接点特征，其中，所述连接点特征包括连接点数量、连接点面积；
步骤S642：对所述连接点特征进行稳定性评估，获得所述连接点特征的稳定性系数；
步骤S643：通过所述第一重心位置信息、所述连接点特征、所述稳定性系数对所述第一分析目标进行受力分析，获得所述第一稳定性解析结果。
具体而言，对所述第一分析目标进行连接点特征的分析，所述连接点特征为所述第一分析目标与山体的连接部位的特征，根据所述第二图像集合，获得所述第一分析目标的各个连接点信息，所述连接点信息包括连接点的数量信息，连接点的面积信息，进一步来说，获得所述连接点部位的组成成分信息，根据连接点的位置、连接点的数量、连接点的组成成分信息，对连接点的特征的稳定性进行评估，根据所述连接点的稳定性评估结果，获得连接点的稳定性系数。根据所述重心位置信息、所述连接点的特征信息，所述稳定性系数，对所述第一分析目标进行受力的分析，基于所述受力分析结果，获得所述第一稳定性解析结果。
进一步的，如图4所示，本申请实施例步骤S640还包括：
步骤S644：获得所述第一山体的第一历史天气信息，其中，所述第一历史天气信息包括降雨信息、风力等级信息；
步骤S645：获得第一预险等级指令，根据所述第一预险等级指令对所述第一历史天气信息进行调整，获得第二天气信息；
步骤S646：根据所述第二天气信息和所述尺寸信息，获得所述第一分析目标的第一附加受力信息；
步骤S647：根据所述第一附加受力信息对所述第一稳定性解析解结果进行调整，获得第二稳定性解析结果；
步骤S648：通过所述第二稳定性解析结果对山体进行智能监测预警。
具体而言，所述第一历史天气信息为所述第一山体位置处的历史的天气信息集合，其中，所述历史天气信息集合至少包括降雨信息集合、风力等级信息集合。根据所述第一山体位置的天气信息集合，对所述历史天气信息进行筛选，获得所述第一山体位置处的历史天气中降雨信息和风力等级信息最大的信息，将其作为所述第一历史天气信息，所述第一预险等级指令为对所述第一历史天气信息进行等级扩充的指令。即为了保证岩石的稳定，因此对所述外加因素，即天气因素进行适应性扩充，一般而言，所述第一预险等级指令将所述天气信息扩充至1.2倍，获得第二天气信息。根据所述第二天气信息，结合所述第一分析目标的尺寸信息，获得第一附加受力信息，基于所述第一附加受力信息对所述第一稳定性解析结果进行调整，获得第二稳定性解析结果。通过所述第二稳定性解析结果对所述山体进行智能化的监测预警。通过考虑天气因素对目标的影响，将历史天气因素进行适当的扩充，使得所述稳定性的解析结果更加的保守，即所述目标可更容易被检测，进而达到保障生命财产安全的技术效果。
进一步而言，如图5所示，本申请实施例步骤S660还包括：
步骤S661：根据所述第一稳定性解析结果获得第一预警等级信息；
步骤S662：判断所述第一预警等级信息是否满足第一预设预警等级阈值；
步骤S663：当所述第一预警等级信息满足所述第一预设预警等级阈值时，则根据所述第一预警等级信息进行抢修处理。
具体而言，所述第一预设预警等级阈值为根据大数据预设的稳定性分析结果的阈值，当山体的稳定性解析结果满足所述第一预设预警阈值时，此时表明分析位置处的稳定性不能满足预定需求，需要进行紧急的岩石处理，所述处理包括但不限于构建落石平台、落石槽、防护网、拦石堤。根据所述第一稳定性解析结果，获得第一预警等级信息，对所述山体进行智能化的监测预警，当所述第一预警等级信息满足所述第一预设预警等级阈值时，此时表明所述目标的山体不能满足预设的稳定值，当出现极端天气/受其他外力，容易产生落石危险，此时根据所述第一预警等级信息的紧急程度，获得不同的预警指令，基于所述预警指令对所述目标山体进行抢修处理。
进一步的，如图6所示，所述判断所述第一预警等级信息是否满足第一预设预警等级阈值，本申请实施例步骤S662还包括：
步骤S6621：当所述第一预警等级信息不满足所述第一预设预警等级阈值时，获得第一持续观测指令；
步骤S6622：根据所述第一持续观测指令对所述第一山体进行持续的图像采集，其中，所述图像采集的途径包括对途经所述第一公路位置的车辆进行图像获取。
具体而言，当所述第一预警信息不满足所述第一预设预警等级阈值时，根据计算获得的已有预警等级信息进行预警等级分类，获得第一分类结果。基于所述第一分类结果将所述第一分析目标进行存储，且生成持续监测指令，根据所述等级信息，进行不同频次下的图像持续采集和分析。即根据途径所述第一公路位置处的车辆进行持续的山体图像信息的获取，基于所述获取图像，持续对山体的进行观测和分析。
进一步的，如图7所示，本申请实施例步骤S400还包括：
步骤S410：构建初步解析模型，其中，所述初步解析模型为对山体进行位置稳定性初步分析的模型，所述初步解析模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：图像集合和标识初步解析结果的标识信息；
步骤S420：将所述第一图像集合输入所述初步解析模型，基于所述初步解析模型对山体进行初步解析，获得所述第一位置解析结果。
具体而言，所述初步解析模型为机器学习中的神经网络模型，所述初步解析模型通过大量的训练数据训练获得，所述训练数据包括但不限于图像集合和标识初步解析结果的标识信息，进一步来说，所述初步解析模型的训练过程实质为监督学习的过程，通过所述训练数据对所述初步解析模型进行监督训练，使得所述初步解析模型的解析结果更加的准确。当所述初步解析模型的解析结果与标识信息一致时，则结束监督学习。当所述初步解析模型训练完成后，将所述第一图像集合输入所述初步解析模型，基于所述初步解析模型对山体进行初步解析，获得所述第一位置解析结果。通过模型的构建，使得所述第一位置解析结果更加准确，进而为后续进行进一步的山体解析夯实了基础。
综上所述，本申请实施例所提供的一种采用图像识别滑坡崩塌落石智能监测预警方法及系统具有如下技术效果：
1、由于采用了获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；根据所述第一位置解析结果，获得第二图像集合；将所述第二图像集合输入所述智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；通过所述第一稳定性解析结果对山体进行智能监测预警，通过定位山体位置，通过过往车辆的行车记录仪获得山体图像特征，对山体的图像特征进行解析和分析，根据所述智能图像分析结果对所述第一山体进行目标部位的稳定性解析，基于所述稳定性解析结果进行智能化预警，达到通过智能化的图像获取和图像分析，对山体的滑坡落石进行智能化、准确化的监测和预警的技术效果。
2、由于采用了通过对目标岩石的图像进行图像的特征解析的方式，获得岩石的尺寸、形状、成分信息，进而根据岩石的重心位置，对岩石的稳定性进行深度的解析，进而获得更加准确的稳定性解析结果，进而达到进行准确的检测预警的技术效果。
实施例二
基于与前述实施例中一种采用图像识别滑坡崩塌落石智能监测预警方法同样发明构思，本发明还提供了一种采用图像识别滑坡崩塌落石智能监测预警系统，如图8所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；
第一定位单元12，所述第一定位单元12用于根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；
第二获得单元13，所述第二获得单元13用于获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；
第三获得单元14，所述第三获得单元14用于将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；
第四获得单元15，所述第四获得单元15用于根据所述第一位置解析结果，获得第二图像集合；
第五获得单元16，所述第五获得单元16用于将所述第二图像集合输入智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；
第一预警单元17，所述第一预警单元17用于通过所述第一稳定性解析结果对山体进行智能监测预警。
进一步的，所述系统还包括：
第六获得单元，所述第六获得单元用于根据所述第一位置解析结果确定第一分析目标，通过所述第二图像集合获得所述第一分析目标的尺寸信息；
第七获得单元，所述第七获得单元用于获得第一成分特征集合，通过所述第一成分特征集合对所述第二图像集合进行特征比对，获得第一分析目标的成分信息；
第八获得单元，所述第八获得单元用于根据所述尺寸信息和所述成分信息获得所述第一分析目标的第一重心位置信息；
第九获得单元，所述第九获得单元用于基于所述第一重心位置信息获得所述第一稳定性解析结果。
进一步的，所述系统还包括：
第十获得单元，所述第十获得单元用于根据所述第二图像集合获得所述第一分析目标的连接点特征，其中，所述连接点特征包括连接点数量、连接点面积；
第十一获得单元，所述第十一获得单元用于对所述连接点特征进行稳定性评估，获得所述连接点特征的稳定性系数；
第十二获得单元，所述第十二获得单元用于通过所述第一重心位置信息、所述连接点特征、所述稳定性系数对所述第一分析目标进行受力分析，获得所述第一稳定性解析结果。
进一步的，所述系统还包括：
第十三获得单元，所述第十三获得单元用于获得所述第一山体的第一历史天气信息，其中，所述第一历史天气信息包括降雨信息、风力等级信息；
第十四获得单元，所述第十四获得单元用于获得第一预险等级指令，根据所述第一预险等级指令对所述第一历史天气信息进行调整，获得第二天气信息；
第十五获得单元，所述第十五获得单元用于根据所述第二天气信息和所述尺寸信息，获得所述第一分析目标的第一附加受力信息；
第十六获得单元，所述第十六获得单元用于根据所述第一附加受力信息对所述第一稳定性解析解结果进行调整，获得第二稳定性解析结果；
第二预警单元，所述第二预警单元用于通过所述第二稳定性解析结果对山体进行智能监测预警。
进一步的，所述系统还包括：
第十七获得单元，所述第十七获得单元用于根据所述第一稳定性解析结果获得第一预警等级信息；
第一判断单元，所述第一判断单元用于判断所述第一预警等级信息是否满足第一预设预警等级阈值；
第一处理单元，所述第一处理单元用于当所述第一预警等级信息满足所述第一预设预警等级阈值时，则根据所述第一预警等级信息进行抢修处理。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于当所述第一预警等级信息不满足所述第一预设预警等级阈值时，获得第一持续观测指令；
第十九获得单元，所述第十九获得单元用于根据所述第一持续观测指令对所述第一山体进行持续的图像采集，其中，所述图像采集的途径包括对途经所述第一公路位置的车辆进行图像获取。
进一步的，所述系统还包括：
第一构建单元，所述第一构建单元用于构建初步解析模型，其中，所述初步解析模型为对山体进行位置稳定性初步分析的模型，所述初步解析模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：图像集合和标识初步解析结果的标识信息；
第二十获得单元，所述第二十获得单元用于将所述第一图像集合输入所述初步解析模型，基于所述初步解析模型对山体进行初步解析，获得所述第一位置解析结果。
前述图1实施例一中的一种采用图像识别滑坡崩塌落石智能监测预警方法的各种变化方式和具体实例同样适用于本实施例的一种采用图像识别滑坡崩塌落石智能监测预警系统，通过前述对一种采用图像识别滑坡崩塌落石智能监测预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种采用图像识别滑坡崩塌落石智能监测预警系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图9来描述本申请实施例的电子设备。
图9图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种采用图像识别滑坡崩塌落石智能监测预警方法的发明构思，本发明还提供一种采用图像识别滑坡崩塌落石智能监测预警系统，下面，参考图9来描述根据本申请实施例的电子设备。该电子设备可以是可移动设备本身，或与其独立的单机设备，其上存储有计算机程序，该程序被处理器执行时实现前文所述方法的任一方法的步骤。
如图9所示，电子设备50包括一个或多个处理器51和存储器52。
处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。
存储器52可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器51可以运行所述程序指令，以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。
在一个示例中，电子设备50还可以包括：输入装置53和输出装置54，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
本发明实施例提供的一种采用图像识别滑坡崩塌落石智能监测预警方法，其中，所述方法应用于一智能图像分析系统，所述方法包括：获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；根据所述第一位置解析结果，获得第二图像集合；将所述第二图像集合输入所述智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；通过所述第一稳定性解析结果对山体进行智能监测预警。解决了现有技术中对山体的滑坡落石进行监测不够智能化，且对滑坡落石的监测不够准确的技术问题，达到通过智能化的图像获取和图像分析，对山体的滑坡落石进行智能化、准确化的监测和预警的技术效果。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从计算机可读存储介质向另计算机可读存储介质传输，所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应理解，在本申请实施例中，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
总之，以上所述仅为本申请技术方案的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (9)
1.一种采用图像识别滑坡崩塌落石智能监测预警方法，其中，所述方法应用于一智能图像分析系统，所述方法包括：
获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；
根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；
获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；
将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；
根据所述第一位置解析结果，获得第二图像集合；
将所述第二图像集合输入所述智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；
通过所述第一稳定性解析结果对山体进行智能监测预警。
2.如权利要求1所述的方法，其中，所述方法还包括：
根据所述第一位置解析结果确定第一分析目标，通过所述第二图像集合获得所述第一分析目标的尺寸信息；
获得第一成分特征集合，通过所述第一成分特征集合对所述第二图像集合进行特征比对，获得第一分析目标的成分信息；
根据所述尺寸信息和所述成分信息获得所述第一分析目标的第一重心位置信息；
基于所述第一重心位置信息获得所述第一稳定性解析结果。
3.如权利要求2所述的方法，其中，所述方法还包括：
根据所述第二图像集合获得所述第一分析目标的连接点特征，其中，所述连接点特征包括连接点数量、连接点面积；
对所述连接点特征进行稳定性评估，获得所述连接点特征的稳定性系数；
通过所述第一重心位置信息、所述连接点特征、所述稳定性系数对所述第一分析目标进行受力分析，获得所述第一稳定性解析结果。
4.如权利要求3所述的方法，其中，所述方法还包括：
获得所述第一山体的第一历史天气信息，其中，所述第一历史天气信息包括降雨信息、风力等级信息；
获得第一预险等级指令，根据所述第一预险等级指令对所述第一历史天气信息进行调整，获得第二天气信息；
根据所述第二天气信息和所述尺寸信息，获得所述第一分析目标的第一附加受力信息；
根据所述第一附加受力信息对所述第一稳定性解析解结果进行调整，获得第二稳定性解析结果；
通过所述第二稳定性解析结果对山体进行智能监测预警。
5.如权利要求1所述的方法，其中，所述方法还包括：
根据所述第一稳定性解析结果获得第一预警等级信息；
判断所述第一预警等级信息是否满足第一预设预警等级阈值；
当所述第一预警等级信息满足所述第一预设预警等级阈值时，则根据所述第一预警等级信息进行抢修处理。
6.如权利要求5所述的方法，其中，所述判断所述第一预警等级信息是否满足第一预设预警等级阈值，还包括：
当所述第一预警等级信息不满足所述第一预设预警等级阈值时，获得第一持续观测指令；
根据所述第一持续观测指令对所述第一山体进行持续的图像采集，其中，所述图像采集的途径包括对途经所述第一公路位置的车辆进行图像获取。
7.如权利要求1所述的方法，其中，所述方法还包括：
构建初步解析模型，其中，所述初步解析模型为对山体进行位置稳定性初步分析的模型，所述初步解析模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：图像集合和标识初步解析结果的标识信息；
将所述第一图像集合输入所述初步解析模型，基于所述初步解析模型对山体进行初步解析，获得所述第一位置解析结果。
8.一种采用图像识别滑坡崩塌落石智能监测预警系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一山体的基础信息，根据所述第一山体的基础信息获得第一公路信息；
第一定位单元，所述第一定位单元用于根据所述第一公路信息获得第一公路位置，依据所述第一公路位置定位第一车辆；
第二获得单元，所述第二获得单元用于获得第一图像调用指令，根据所述第一图像调用指令对所述第一车辆进行图像调用，获得第一图像集合；
第三获得单元，所述第三获得单元用于将所述第一图像集合输入初步解析模型，基于所述初步解析模型对山体进行初步解析，获得第一位置解析结果；
第四获得单元，所述第四获得单元用于根据所述第一位置解析结果，获得第二图像集合；
第五获得单元，所述第五获得单元用于将所述第二图像集合输入智能图像分析系统，通过所述智能图像分析系统对所述第一位置解析结果进行多角度的稳定性解析，获得第一稳定性解析结果；
第一预警单元，所述第一预警单元用于通过所述第一稳定性解析结果对山体进行智能监测预警。
9.一种采用图像识别滑坡崩塌落石智能监测预警系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111295332.3A CN114022765B (zh) | 2021-11-03 | 2021-11-03 | 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111295332.3A CN114022765B (zh) | 2021-11-03 | 2021-11-03 | 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114022765A true CN114022765A (zh) | 2022-02-08 |
| CN114022765B CN114022765B (zh) | 2022-07-08 |
Family
ID=80060419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111295332.3A Active CN114022765B (zh) | 2021-11-03 | 2021-11-03 | 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114022765B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115148346A (zh) * | 2022-09-02 | 2022-10-04 | 张家港市欧凯医疗器械有限公司 | 一次性使用内窥镜取石网篮的智能化管理方法及系统 |
| CN116612609A (zh) * | 2023-07-21 | 2023-08-18 | 湖北通达数科科技有限公司 | 一种基于山体滑坡危害度预测的灾害预警方法及系统 |
| CN116882754A (zh) * | 2023-07-25 | 2023-10-13 | 杭州慧政软件开发有限公司 | 一种矿山砂石行业全闭环监管预警方法和系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030154009A1 (en) * | 2002-01-25 | 2003-08-14 | Basir Otman A. | Vehicle visual and non-visual data recording system |
| JP2015210713A (ja) * | 2014-04-28 | 2015-11-24 | 大樹 谷口 | ドライブレコーダおよびこれを用いたクラウド型道路情報等運用システム |
| CN106448163A (zh) * | 2016-09-30 | 2017-02-22 | 广东中星微电子有限公司 | 道路监控方法及道路监控装置 |
| US20170129496A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd | Method and vehicle terminal thereof for vehicle data processing |
| CN108416985A (zh) * | 2018-04-20 | 2018-08-17 | 北京航天控制仪器研究所 | 一种基于图像识别的地质灾害监测预警系统及预警方法 |
| CN109345776A (zh) * | 2018-09-26 | 2019-02-15 | 安徽磐岳科技有限公司 | 一种基于雷达的山体落石实时监控系统 |
| CN209087137U (zh) * | 2018-11-29 | 2019-07-09 | 上海市城市建设设计研究总院（集团）有限公司 | 基于行车记录仪的交通信息采集及分析系统 |
| WO2019183752A1 (zh) * | 2018-03-26 | 2019-10-03 | 深圳市锐明技术股份有限公司 | 一种车前积雪与结冰的检测报警方法、存储介质和服务器 |
| CN110542708A (zh) * | 2019-09-29 | 2019-12-06 | 长江勘测规划设计研究有限责任公司 | 一种滑坡预警系统及方法 |
| CN110570689A (zh) * | 2019-09-05 | 2019-12-13 | 成都亿盟恒信科技有限公司 | 一种基于行车记录和防碰撞预警的车辆监控系统 |
| CN211043226U (zh) * | 2019-09-29 | 2020-07-17 | 长江勘测规划设计研究有限责任公司 | 一种滑坡预警系统 |
| WO2020215690A1 (zh) * | 2019-04-23 | 2020-10-29 | 平安科技（深圳）有限公司 | 行车数据分析方法、装置、计算机设备和存储介质 |
| CN112284263A (zh) * | 2020-10-16 | 2021-01-29 | 上海同禾工程科技股份有限公司 | 一种基于机器视觉的山体灾害预警监测装置及预警监测方法 |
| CN113409549A (zh) * | 2021-06-11 | 2021-09-17 | 中铁西南科学研究院有限公司 | 一种高山峡谷地区的滑坡监测预警系统 |
| CN214475445U (zh) * | 2021-03-25 | 2021-10-22 | 四川蜀都地质工程勘察有限公司 | 一种地质灾害多发路段监测防控系统 |
-
2021
- 2021-11-03 CN CN202111295332.3A patent/CN114022765B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030154009A1 (en) * | 2002-01-25 | 2003-08-14 | Basir Otman A. | Vehicle visual and non-visual data recording system |
| JP2015210713A (ja) * | 2014-04-28 | 2015-11-24 | 大樹 谷口 | ドライブレコーダおよびこれを用いたクラウド型道路情報等運用システム |
| US20170129496A1 (en) * | 2015-11-06 | 2017-05-11 | Leauto Intelligent Technology (Beijing) Co. Ltd | Method and vehicle terminal thereof for vehicle data processing |
| CN106448163A (zh) * | 2016-09-30 | 2017-02-22 | 广东中星微电子有限公司 | 道路监控方法及道路监控装置 |
| WO2019183752A1 (zh) * | 2018-03-26 | 2019-10-03 | 深圳市锐明技术股份有限公司 | 一种车前积雪与结冰的检测报警方法、存储介质和服务器 |
| CN108416985A (zh) * | 2018-04-20 | 2018-08-17 | 北京航天控制仪器研究所 | 一种基于图像识别的地质灾害监测预警系统及预警方法 |
| CN109345776A (zh) * | 2018-09-26 | 2019-02-15 | 安徽磐岳科技有限公司 | 一种基于雷达的山体落石实时监控系统 |
| CN209087137U (zh) * | 2018-11-29 | 2019-07-09 | 上海市城市建设设计研究总院（集团）有限公司 | 基于行车记录仪的交通信息采集及分析系统 |
| WO2020215690A1 (zh) * | 2019-04-23 | 2020-10-29 | 平安科技（深圳）有限公司 | 行车数据分析方法、装置、计算机设备和存储介质 |
| CN110570689A (zh) * | 2019-09-05 | 2019-12-13 | 成都亿盟恒信科技有限公司 | 一种基于行车记录和防碰撞预警的车辆监控系统 |
| CN110542708A (zh) * | 2019-09-29 | 2019-12-06 | 长江勘测规划设计研究有限责任公司 | 一种滑坡预警系统及方法 |
| CN211043226U (zh) * | 2019-09-29 | 2020-07-17 | 长江勘测规划设计研究有限责任公司 | 一种滑坡预警系统 |
| CN112284263A (zh) * | 2020-10-16 | 2021-01-29 | 上海同禾工程科技股份有限公司 | 一种基于机器视觉的山体灾害预警监测装置及预警监测方法 |
| CN214475445U (zh) * | 2021-03-25 | 2021-10-22 | 四川蜀都地质工程勘察有限公司 | 一种地质灾害多发路段监测防控系统 |
| CN113409549A (zh) * | 2021-06-11 | 2021-09-17 | 中铁西南科学研究院有限公司 | 一种高山峡谷地区的滑坡监测预警系统 |
Non-Patent Citations (4)
| Title |
|---|
| 丁军等: "多角度监控技术构建高速公路智慧监控系统", 《公路交通科技 应用技术版》, 30 November 2017 (2017-11-30), pages 277 - 279 * |
| 王杰等: "基于视频图像识别的崩塌落石监测预警系统设计与实现", 《应用基础与工程科学学报》, 31 October 2014 (2014-10-31), pages 952 - 963 * |
| 郑春明等: "山区滑坡、崩塌、泥石流成因分析及防治对策", 《浙江水利科技》 * |
| 郑春明等: "山区滑坡、崩塌、泥石流成因分析及防治对策", 《浙江水利科技》, no. 02, 25 February 2000 (2000-02-25), pages 30 - 32 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115148346A (zh) * | 2022-09-02 | 2022-10-04 | 张家港市欧凯医疗器械有限公司 | 一次性使用内窥镜取石网篮的智能化管理方法及系统 |
| CN116612609A (zh) * | 2023-07-21 | 2023-08-18 | 湖北通达数科科技有限公司 | 一种基于山体滑坡危害度预测的灾害预警方法及系统 |
| CN116612609B (zh) * | 2023-07-21 | 2023-11-03 | 湖北通达数科科技有限公司 | 一种基于山体滑坡危害度预测的灾害预警方法及系统 |
| CN116882754A (zh) * | 2023-07-25 | 2023-10-13 | 杭州慧政软件开发有限公司 | 一种矿山砂石行业全闭环监管预警方法和系统 |
| CN116882754B (zh) * | 2023-07-25 | 2024-04-16 | 杭州慧政软件开发有限公司 | 一种矿山砂石行业全闭环监管预警方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114022765B (zh) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114022765B (zh) | 一种采用图像识别滑坡崩塌落石智能监测预警方法及系统 | |
| CN106952303A (zh) | 车距检测方法、装置和系统 | |
| Corsini et al. | Use of ROC curves for early warning of landslide displacement rates in response to precipitation (Piagneto landslide, Northern Apennines, Italy) | |
| CN111626170B (zh) | 一种铁路边坡落石侵限检测的图像识别方法 | |
| CN105405150A (zh) | 基于融合特征的异常行为检测方法和装置 | |
| CN105225227A (zh) | 遥感影像变化检测的方法及系统 | |
| CN112411371A (zh) | 基于移动传感和视觉的公路桥梁综合检测方法和系统 | |
| CN116612609B (zh) | 一种基于山体滑坡危害度预测的灾害预警方法及系统 | |
| Ge et al. | Building damage assessment using intensity SAR data with different incidence angles and longtime interval | |
| Sharma et al. | S-road assist: Road surface conditions and driving behavior analysis using smartphones | |
| CN114332749A (zh) | 一种基于深度学习的采砂船采砂监控方法 | |
| Chai et al. | An uncertainty method for probabilistic analysis of buildings impacted by rockfall in a limestone quarry in Fengshan, Southwestern China | |
| Rahman et al. | Real-time pothole detection and localization using convolutional neural network | |
| CN110275896B (zh) | 光缆入侵施工事件识别方法、装置、设备及可读存储介质 | |
| Menk et al. | Towards an improved rapid assessment tool for rockfall protection forests using field-mapped deposited rocks | |
| CN115187048B (zh) | 轨道线路多域限界异物侵限事件状况识别方法及系统 | |
| KR102519715B1 (ko) | 도로 정보 제공 시스템 및 도로 정보 제공 방법 | |
| CN115343757A (zh) | 地压风险预警方法、装置、电子设备及介质 | |
| CN115171031A (zh) | 一种基于车辆参照物的路面积水检测方法、装置及应用 | |
| CN109612670B (zh) | 一种防护网监测方法、系统及终端设备 | |
| CN111382631B (zh) | 识别方法、识别装置、终端、服务器和存储介质 | |
| CN114170498A (zh) | 遗洒物检测方法、装置、计算机设备和存储介质 | |
| CN112071009A (zh) | 光纤管道预警系统及其方法 | |
| CN117172123B (zh) | 用于矿山自动驾驶的传感器数据处理方法及系统 | |
| Wendeler et al. | Smart Barrier Box for Monitoring and State Conditions Evaluation of Rockfall Barrier Systems |
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 |