CN114034348A - 一种基于多信源信息的生态流量监测系统及其监测方法 - Google Patents

一种基于多信源信息的生态流量监测系统及其监测方法 Download PDF

Info

Publication number
CN114034348A
CN114034348A CN202111263784.3A CN202111263784A CN114034348A CN 114034348 A CN114034348 A CN 114034348A CN 202111263784 A CN202111263784 A CN 202111263784A CN 114034348 A CN114034348 A CN 114034348A
Authority
CN
China
Prior art keywords
river
information
section flow
flow velocity
pixel point
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
Application number
CN202111263784.3A
Other languages
English (en)
Other versions
CN114034348B (zh
Inventor
黄伟
王卓微
宋思敏
谢秋俊
王士勇
吴雷祥
曾小姣
段光福
向晨光
王立康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202111263784.3A priority Critical patent/CN114034348B/zh
Publication of CN114034348A publication Critical patent/CN114034348A/zh
Application granted granted Critical
Publication of CN114034348B publication Critical patent/CN114034348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
    • G01C13/002—Measuring the movement of open water
    • G01C13/006—Measuring the movement of open water horizontal movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus
    • G01F15/06—Indicating or recording devices
    • G01F15/061—Indicating or recording devices for remote indication
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Abstract

本发明公开了一种基于多信源信息的生态流量监测系统及其监测方法，包括测量模块，用于实时采集河流水文信息，并实时拍摄河流表面视频信息，将河流水文信息和河流表面视频信息传送至数据处理模块；数据处理模块，用于接收测量模块传送的河流水文信息和河流表面视频信息，并根据河流水文信息和河流表面视频信息计算河流水断面流量；无线通信模块，用于将计算得到的河流水断面流量信息传送至监控端；监控端，用于实时接收无线通信模块传送的河流水断面流量信息，并将河流水断面流量信息进行实时展示。本发明采用多种方法计算河流断面流速，并基于模型构建得到准确的河流断面流速，进而计算得到河流断面流量。

Description

一种基于多信源信息的生态流量监测系统及其监测方法
技术领域
本发明属于流量监测的技术领域，具体涉及一种基于多信源信息的生态流量监测系统及其监测方法。
背景技术
人类社会诞生发展于河流生态系统，河流与人类的生活和发展息息相关，为人类提供了丰富的生态服务。然而近年来，由于河流流域经济的快速发展和人类不合理的资源开发和利用，河流生态系统承受的外部压力不断增加，生态系统呈现逐渐退化的趋势，环境问题日益突出。河流流域环境问题在一定程度上已经严重威胁到人类的身体健康和社会经济的可持续发展。
在河流生态系统中，其核心影响因素之一为河流的生态流量，生态流量用于维持河流生态系统一定程度的健康状态，并能为人类提供赖以生存的水生态服务所需要的流量和流量过程。
而现有河流生态流量的测量，往往是在需要时，采用仪器直接进行测量，如此需要耗费大量的人力，且在河流的同一断面处，河流的深度并不相同，而测量只能选择有限的采样点进行测量，测量结果并不准确，且不具备代表性。
发明内容
本发明的目的在于针对现有技术中的上述不足，提供一种基于多信源信息的生态流量监测系统及其监测方法，以解决或改善上述的问题。
为达到上述目的，本发明采取的技术方案是：
一方面，一种基于多信源信息的生态流量监测系统及其监测方法，其包括：
测量模块，用于实时采集河流水文信息，并实时拍摄河流表面视频信息，将河流水文信息和河流表面视频信息传送至数据处理模块；
数据处理模块，用于接收测量模块传送的河流水文信息和河流表面视频信息，并根据河流水文信息和河流表面视频信息计算河流水断面流量；
无线通信模块，用于将计算得到的河流水断面流量信息传送至监控端；
监控端，用于实时接收无线通信模块传送的河流水断面流量信息，并将河流水断面流量信息进行实时展示；
电源模块，用于为测量模块、数据处理模块和无线通信模块提供电源。
进一步地，测量模块包括用于采集河流水文信息的流量计和水位计；以及用于实时采集拍摄河流表面信息的高速相机和补光光源，补光光源均匀分布于河流两岸。
一方面，一种基于多信源信息的生态流量监测系统的监测方法，包括以下步骤：
S1、实时拍摄河流表面视频信息，提取视频帧信息，将每一帧图像拉伸为横向量，并将若干个横向量组成视频向量矩阵D：
S2、将视频向量矩阵D划分为动景向量矩阵A和背景向量E，并构建向量模型：
Figure BDA0003322653910000021
subject to rank(A)≤r D＝A+E
其中，F为矢量域；
S3、采用近似求解，优化求解向量模型：
Figure BDA0003322653910000022
subject to D＝A+E
其中，λ为范数系数；
S4、基于求解的向量模型，区分每一帧图像中的动景部分和背景部分，并对动景部分进行目标检测分割，并对分割后的目标进行标注，并将动景部分进行网格划分；
S5、基于高斯混合函数对分割出来后的动景部分进行概率计算，并构建概率模型，得到动景部分的像素点概率密度分布；
S6、t0时刻，在动景部分随机标注像素点A0，并基于概率模型计算像素点A0的概率密度；
S7、t1时刻，遍历所有像素点，计算得到与A0像素点相同概率密度的像素点A1，并基于标注信息确认A1点与A0像素点为同一像素点；
S8、根据像素点A0和像素点A1所在网格位置，得到像素点A0和像素点A1之间的位置距离S1，并计算得到河流断面流速V1；
S9、将动景部分图像进行坐标标注，并基于概率模型，绘制动景部分图像灰度直方图，选取灰度值相同的相邻两个波峰，并根据坐标位置计算河流断面流速V2；
S10、基于河流断面流速V1和河流断面流速V2计算平均河流断面流速V：
V＝M1V1+M2V2
其中，M1和M2为权重系数；
S11、采用流速仪实际测量多组河流断面流速V实，计算与河流断面流速V实时刻对应的多个不同像素点的河流断面流速V1和河流断面流速V2，并将时间相同的河流断面流速V实、河流断面流速V1和河流断面流速V2带入S10计算公式中，计算得到权重系数M1和M2；
S12、根据河流断面流速V计算河流垂线流量Q：
S1＝H*d
Q＝S1*V
其中，S1为相邻垂线间的面积，H为垂线对应的水深，d为水宽。
进一步地，S5中基于高斯混合函数对分割出来后的动景部分进行概率计算，并构建概率模型，得到动景部分的像素点概率密度分布，包括：
Figure BDA0003322653910000041
其中，P(x)为像素点x的概率密度，k为分量，πk为分量N(x|μk,∑k)的权重，π、μ、β为待定系数；
求解的最大似然函数：
Figure BDA0003322653910000042
得到：
Figure BDA0003322653910000043
Figure BDA0003322653910000044
Figure BDA0003322653910000045
Figure BDA0003322653910000046
进一步地，S8中根据像素点A0和像素点A1所在网格位置，得到像素点A0和像素点A1之间的位置距离S1，并计算得到河流断面流速V1，包括：
V1＝S1/(t1-t0)。
进一步地，S9中将动景部分图像进行坐标标注，并基于概率模型，绘制动景部分图像灰度直方图，选取灰度值相同的相邻两个波峰，并根据坐标位置计算河流断面流速V2，包括：
确定相邻两个波峰对应的像素点的坐标位置W1和W2，其中，W1为第一个波峰对应的像素点的位置坐标，W2为与第一个波峰相邻的波峰对应的像素点的位置坐标，根据坐标位置关系计算得到W1和W2的直线距离S2；
并根据两个波峰对应的时间差ΔT，计算河流断面流速V2：
V2＝S2/ΔT。
本发明提供的基于多信源信息的生态流量监测系统及其监测方法，具有以下有益效果：
本发明获取拍摄的视频信息，将视频信息中的每一帧进行矩阵化，在河流运动的检测过程中，利用时间信息，通过比较图像中若干连续帧获得对应像素点的灰度差值，若差值均大于一定的阈值，则判断对应区域的位置存在运动的目标，为河流，进而区分出动景部分和静景部分。
随后，基于区分出的动景部分，采用高斯混合函数计算像素点的概率密度，并配合网格和标注的相同像素点的移动，计算得到河流断面流速V1。
同时，根据灰度直方图中相邻像素的两个波峰点，以及两个波峰点对应的坐标位置，计算出两个坐标位置的距离，并根据波峰点的频次(时间)计算得到河流断面流速V2。
上述两种不同方法计算得到的两个河流断面流速均具有一定的准确性，但任然会有一定的偶然性，所以本发明引入两个权重系数M1和M2，通过引入实际测量数据作为结果，并在实际测量的同时，在对应时间的基础上，采用上述两种方法计算得到对应的河流断面流速V1和河流断面流速V2作为输入，反复多次迭代，直至找到误差在允许范围内的两个权重系数M1和M2，进而得到较为准确的河流断面流速V。
根据河流断面流速V、垂线水深和水宽等水动力参数，计算得到河流垂线流量Q。
本发明采用两种方法计算河流断面流速，并采用权重占比，构建河流断面流速模型，并采用多组输入和输出进行迭代，最后得到误差较小的权重系数，并得到河流断面流速的一般模型表达式，便于后期流量的计算。
附图说明
图1为基于多信源信息的生态流量监测系统及其监测方法的原理框图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例，参考图1，本方案的基于多信源信息的生态流量监测系统，包括：
测量模块，用于实时采集河流水文信息，并实时拍摄河流表面视频信息，将河流水文信息和河流表面视频信息传送至数据处理模块。
数据处理模块，用于接收测量模块传送的河流水文信息和河流表面视频信息，并根据河流水文信息和河流表面视频信息计算河流水断面流量。
无线通信模块，用于将计算得到的河流水断面流量信息传送至监控端。
无线通信模块可以为4G网络或者5G网络，用于将计算得到的河流水断面流量信息传送至监控端。
同时，无线通信模块可以将信息同时传送至云端，云端与APP信号相连，使用者可以在远程通过APP实时查看当前河流水断面流量信息。
监控端，用于实时接收无线通信模块传送的河流水断面流量信息，并将河流水断面流量信息进行实时展示。
监控端将接收的河流水断面流量信息在网页或者其它平台进行信息的及时展示。
电源模块，用于为测量模块、数据处理模块和无线通信模块提供电源。
测量模块包括用于采集河流水文信息的流量计和水位计，流量计用于测量河流的流量，水位计用于测量水深、水宽等河流参数。
高速相机和补光光源，补光光源均匀分布于河流两岸，用于为高速相机补光，高速相机用于实时采集河流的视频信息。
根据本申请的一个实施例，一种基于多信源信息的生态流量监测系统的监测方法，包括以下步骤：
S1、实时拍摄河流表面视频信息，提取视频帧信息，将每一帧图像拉伸为横向量，并将若干个横向量组成视频向量矩阵D：
S2、将视频向量矩阵D划分为动景向量矩阵A和背景向量E，并构建向量模型：
Figure BDA0003322653910000071
subject to rank(A)≤r D＝A+E
其中，F为矢量域；
S3、采用近似求解，优化求解向量模型：
Figure BDA0003322653910000072
subject to D＝A+E
其中，λ为范数系数。
求解方法主要为，在河流运动的检测过程中，利用时间信息，通过比较图像中若干连续帧获得对应像素点的灰度差值，若差值均大于一定的阈值，则判断对应区域的位置存在运动的目标，为河流，进而区分出动景部分和静景部分。
S4、基于求解的向量模型，区分每一帧图像中的动景部分和背景部分，并对动景部分进行目标检测分割，独立出动景部分，即河流部分，并对分割后的目标进行标注，并将动景部分进行网格划分。
标注可以为人工标注，对目标像素点进行标注，标注的数量不限制，且像素点的标注是服务于河流断面流速的计算。
网格划分通像素标注一样，服务于后期河流断面的计算，用于直接计算得到像素点移动的位移距离。
网格划分与坐标划分并不相同，首先网格划分对于位移的计算更为直接，但网格划分的精度并没有坐标设置的高，但网格划分计算复杂度和算法相对简单。
后期的坐标位移的计算，精度高，且更契合于波峰点的计算，由于相邻的波峰点的位移并不大，所以需要精度更高的坐标进行位移计算。
S5、基于高斯混合函数对分割出来后的动景部分进行概率计算，并构建概率模型，得到动景部分的像素点概率密度分布，其具体步骤包括：
Figure BDA0003322653910000081
其中，P(x)为像素点x的概率密度，k为分量，πk为分量N(x|μk,∑k)的权重，π、μ、β为待定系数；
求解的最大似然函数：
Figure BDA0003322653910000082
得到：
Figure BDA0003322653910000083
Figure BDA0003322653910000084
Figure BDA0003322653910000091
Figure BDA0003322653910000092
即通过上述公式的计算，得到待定系数π、μ、β的值，反带回概率密度函数中，得到像素点概率密度的一般表达式。
S6、t0时刻，在动景部分随机标注像素点A0，并基于概率模型计算像素点A0的概率密度。
S7、t1时刻，遍历所有像素点，计算得到与A0像素点相同概率密度的像素点A1，并基于标注信息确认A1点与A0像素点为同一像素点。
遍历所有像素点，由于采用模型计算，该过程并不需要耗费大量的计算时间，但在遍历计算的所有像素点中，可能会存在多个相同的概率密度，在概率密度相同的所有点中，寻找与像素点A0相同的标注，则记该像素点为像素点A1。
S8、根据像素点A0和像素点A1所在网格位置，得到像素点A0和像素点A1之间的位置距离S1，并计算得到河流断面流速V1。
由于河流的流动性，t0时刻的像素点A0在t1时刻移动到另一位置，记为像素点A1。
S8中根据像素点A0和像素点A1所在网格位置，得到像素点A0和像素点A1之间的位置距离S1，并计算得到河流断面流速V1，包括：
V1＝S1/(t1-t0)。
S9、将动景部分图像进行坐标标注，即将动景部分进行坐标化，具体为二维坐标设计。
基于概率模型，绘制动景部分图像灰度直方图，选取灰度值相同的相邻两个波峰，并根据坐标位置计算河流断面流速V2。
根据灰度直方图中相邻像素的两个波峰点，以及两个波峰点对应的坐标位置，计算出两个坐标位置的距离，并根据波峰点的频次(时间)计算得到河流断面流速V2。
具体为：
确定相邻两个波峰对应的像素点的坐标位置W1和W2，其中，W1为第一个波峰对应的像素点的位置坐标，W2为与第一个波峰相邻的波峰对应的像素点的位置坐标，根据坐标位置关系计算得到W1和W2的直线距离S2；
并根据两个波峰对应的时间差ΔT，计算河流断面流速V2：
V2＝S2/ΔT。
S10、基于河流断面流速V1和河流断面流速V2计算平均河流断面流速V：
V＝M1V1+M2V2
其中，M1和M2为权重系数；
S11、采用流速仪实际测量多组河流断面流速V实，计算与河流断面流速V实时刻对应的多个不同像素点的河流断面流速V1和河流断面流速V2，并将时间相同的河流断面流速V实、河流断面流速V1和河流断面流速V2带入S10计算公式中，计算得到权重系数M1和M2；
S12、根据河流断面流速V计算河流垂线流量Q：
S1＝H*d
Q＝S1*V
其中，S1为相邻垂线间的面积，H为垂线对应的水深，d为水宽。
本发明获取拍摄的视频信息，将视频信息中的每一帧进行矩阵化，在河流运动的检测过程中，利用时间信息，通过比较图像中若干连续帧获得对应像素点的灰度差值，若差值均大于一定的阈值，则判断对应区域的位置存在运动的目标，为河流，进而区分出动景部分和静景部分。
随后，基于区分出的动景部分，采用高斯混合函数计算像素点的概率密度，并配合网格和标注的相同像素点的移动，计算得到河流断面流速V1。
同时，根据灰度直方图中相邻像素的两个波峰点，以及两个波峰点对应的坐标位置，计算出两个坐标位置的距离，并根据波峰点的频次(时间)计算得到河流断面流速V2。
上述两种不同方法计算得到的两个河流断面流速均具有一定的准确性，但任然会有一定的偶然性，所以本发明引入两个权重系数M1和M2，通过引入实际测量数据作为结果，并在实际测量的同时，在对应时间的基础上，采用上述两种方法计算得到对应的河流断面流速V1和河流断面流速V2作为输入，反复多次迭代，直至找到误差在允许范围内的两个权重系数M1和M2，进而得到较为准确的河流断面流速V。
根据河流断面流速V、垂线水深和水宽等水动力参数，计算得到河流垂线流量Q。
虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (6)

1.一种基于多信源信息的生态流量监测系统，其特征在于，包括：
测量模块，用于实时采集河流水文信息，并实时拍摄河流表面视频信息，将河流水文信息和河流表面视频信息传送至数据处理模块；
数据处理模块，用于接收测量模块传送的河流水文信息和河流表面视频信息，并根据河流水文信息和河流表面视频信息计算河流水断面流量；
无线通信模块，用于将计算得到的河流水断面流量信息传送至监控端；
监控端，用于实时接收无线通信模块传送的河流水断面流量信息，并将河流水断面流量信息进行实时展示；
电源模块，用于为测量模块、数据处理模块和无线通信模块提供电源。
2.根据权利要求1所述的基于多信源信息的生态流量监测系统，其特征在于：所述测量模块包括用于采集河流水文信息的流量计和水位计；以及用于实时采集拍摄河流表面信息的高速相机和补光光源，补光光源均匀分布于河流两岸。
3.一种根据权利要求1-2任一所述的基于多信源信息的生态流量监测系统的监测方法，其特征在于，包括以下步骤：
S1、实时拍摄河流表面视频信息，提取视频帧信息，将每一帧图像拉伸为横向量，并将若干个横向量组成视频向量矩阵D：
S2、将视频向量矩阵D划分为动景向量矩阵A和背景向量E，并构建向量模型：
Figure FDA0003322653900000011
其中，F为矢量域；
S3、采用近似求解，优化求解向量模型：
Figure FDA0003322653900000012
其中，λ为范数系数；
S4、基于求解的向量模型，区分每一帧图像中的动景部分和背景部分，并对动景部分进行目标检测分割，并对分割后的目标进行标注，并将动景部分进行网格划分；
S5、基于高斯混合函数对分割出来后的动景部分进行概率计算，并构建概率模型，得到动景部分的像素点概率密度分布；
S6、t0时刻，在动景部分随机标注像素点A0，并基于概率模型计算像素点A0的概率密度；
S7、t1时刻，遍历所有像素点，计算得到与A0像素点相同概率密度的像素点A1，并基于标注信息确认A1点与A0像素点为同一像素点；
S8、根据像素点A0和像素点A1所在网格位置，得到像素点A0和像素点A1之间的位置距离S1，并计算得到河流断面流速V1；
S9、将动景部分图像进行坐标标注，并基于概率模型，绘制动景部分图像灰度直方图，选取灰度值相同的相邻两个波峰，并根据坐标位置计算河流断面流速V2；
S10、基于河流断面流速V1和河流断面流速V2计算平均河流断面流速V：
V＝M1V1+M2V2
其中，M1和M2为权重系数；
S11、采用流速仪实际测量多组河流断面流速V实，计算与河流断面流速V实时刻对应的多个不同像素点的河流断面流速V1和河流断面流速V2，并将时间相同的河流断面流速V实、河流断面流速V1和河流断面流速V2带入S10计算公式中，计算得到权重系数M1和M2；
S12、根据河流断面流速V计算河流垂线流量Q：
S1＝H*d
Q＝S1*V
其中，S1为相邻垂线间的面积，H为垂线对应的水深，d为水宽。
4.根据权利要求3所述的基于多信源信息的生态流量监测系统的监测方法，其特征在于：所述S5中基于高斯混合函数对分割出来后的动景部分进行概率计算，并构建概率模型，得到动景部分的像素点概率密度分布，包括：
Figure FDA0003322653900000031
其中，P(x)为像素点x的概率密度，k为分量，πk为分量N(x|μk,∑k)的权重，π、μ、β为待定系数；
求解的最大似然函数：
Figure FDA0003322653900000032
得到：
Figure FDA0003322653900000033
Figure FDA0003322653900000034
Figure FDA0003322653900000035
Figure FDA0003322653900000036
5.根据权利要求3所述的基于多信源信息的生态流量监测系统的监测方法，其特征在于：所述S8中根据像素点A0和像素点A1所在网格位置，得到像素点A0和像素点A1之间的位置距离S1，并计算得到河流断面流速V1，包括：
V1＝S1/(t1-t0)。
6.根据权利要求3所述的基于多信源信息的生态流量监测系统的监测方法，其特征在于：所述S9中将动景部分图像进行坐标标注，并基于概率模型，绘制动景部分图像灰度直方图，选取灰度值相同的相邻两个波峰，并根据坐标位置计算河流断面流速V2，包括：
确定相邻两个波峰对应的像素点的坐标位置W1和W2，其中，W1为第一个波峰对应的像素点的位置坐标，W2为与第一个波峰相邻的波峰对应的像素点的位置坐标，根据坐标位置关系计算得到W1和W2的直线距离S2；
并根据两个波峰对应的时间差ΔT，计算河流断面流速V2：
V2＝S2/ΔT。
CN202111263784.3A 2021-10-27 2021-10-27 一种基于多信源信息的生态流量监测系统及其监测方法 Active CN114034348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111263784.3A CN114034348B (zh) 2021-10-27 2021-10-27 一种基于多信源信息的生态流量监测系统及其监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111263784.3A CN114034348B (zh) 2021-10-27 2021-10-27 一种基于多信源信息的生态流量监测系统及其监测方法

Publications (2)

Publication Number Publication Date
CN114034348A true CN114034348A (zh) 2022-02-11
CN114034348B CN114034348B (zh) 2022-07-12

Family

ID=80142263

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111263784.3A Active CN114034348B (zh) 2021-10-27 2021-10-27 一种基于多信源信息的生态流量监测系统及其监测方法

Country Status (1)

Country Link
CN (1) CN114034348B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107590819A (zh) * 2017-08-03 2018-01-16 浙江工业大学 一种基于压缩感知图像分析的河流表面流速估计方法
JPWO2019107528A1 (ja) * 2017-12-01 2020-12-17 日本電気株式会社 河川危険度判定装置、河川危険度判定方法、及びプログラム
CN112560595A (zh) * 2020-11-30 2021-03-26 武汉大学 基于河流表面流速的河道断面流量计算方法
CN113155102A (zh) * 2021-02-24 2021-07-23 时代云英(深圳)科技有限公司 一种河流综合治理系统
US20210327075A1 (en) * 2018-11-13 2021-10-21 Hydrosem Apparatus and method for measuring flow velocity of stream using optical flow image processing

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107590819A (zh) * 2017-08-03 2018-01-16 浙江工业大学 一种基于压缩感知图像分析的河流表面流速估计方法
JPWO2019107528A1 (ja) * 2017-12-01 2020-12-17 日本電気株式会社 河川危険度判定装置、河川危険度判定方法、及びプログラム
US20200410838A1 (en) * 2017-12-01 2020-12-31 Nec Corporation River risk level determining device, river risk level determining method, and storage medium
US20210327075A1 (en) * 2018-11-13 2021-10-21 Hydrosem Apparatus and method for measuring flow velocity of stream using optical flow image processing
CN112560595A (zh) * 2020-11-30 2021-03-26 武汉大学 基于河流表面流速的河道断面流量计算方法
CN113155102A (zh) * 2021-02-24 2021-07-23 时代云英(深圳)科技有限公司 一种河流综合治理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵晓刚等: "一种基于帧间差分与模板匹配的河水表面流速测量方法", 《计算机应用与软件》, no. 09, 15 September 2017 (2017-09-15), pages 75 - 78 *
高文静等: "基于视频的河流流量监测系统设计", 《电子设计工程》, no. 10, 20 May 2020 (2020-05-20), pages 176 - 180 *

Also Published As

Publication number Publication date
CN114034348B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN110276264B (zh) 一种基于前景分割图的人群密度估计方法
CN108875794B (zh) 一种基于迁移学习的图像能见度检测方法
CN102800107B (zh) 一种基于改进最小交叉熵的运动目标检测方法
CN109447008A (zh) 基于注意力机制和可变形卷积神经网络的人群分析方法
CN109993095A (zh) 一种面向视频目标检测的帧级别特征聚合方法
KR101305305B1 (ko) 시공간 영상의 상관 분석을 이용한 표면 유속 측정 시스템 및 방법
CN103679193A (zh) 一种基于freak的高速高密度封装元器件快速定位方法
Yeh et al. Applying adaptive LS-PIV with dynamically adjusting detection region approach on the surface velocity measurement of river flow
CN103745463A (zh) 基于梯度信息的新颖多源图像快速配准方法
Cao et al. Airborne Feature Matching Velocimetry for surface flow measurements in rivers
CN114034348B (zh) 一种基于多信源信息的生态流量监测系统及其监测方法
CN104596484A (zh) 一种黄河凌汛期流凌密度测量方法
CN104597286A (zh) 一种黄河凌汛期流凌速度测量方法
CN116222500B (zh) 一种基于遥感数据的全河段河道断面面积动态监测方法
CN103411562B (zh) 一种基于动态规划和均值漂移的结构光光条中心提取方法
CN116170746B (zh) 基于深度注意力机制和几何信息的超宽带室内定位方法
Ray Computation of fluid and particle motion from a time-sequenced image pair: A global outlier identification approach
CN112686204B (zh) 一种基于稀疏像素点跟踪的视频测流方法及装置
CN113012158B (zh) 基于深度稠密网络与边缘距离图加权的图像协同分割方法
CN112164065B (zh) 一种基于轻量化卷积神经网络的实时图像语义分割方法
CN113283278B (zh) 一种抗干扰的激光水下目标识别仪
CN111145344B (zh) 一种用于雪雕3d重建的结构光测量方法
Hou et al. Adaptive large-scale particle image velocimetry method for physical model experiments of flood propagation with complex flow patterns
CN102930526B (zh) 基于空间极坐标的粒子三维运动匹配方法
Yang et al. Crowd-based velocimetry for surface flows

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