CN114219788A - 一种基于视频的积水检测方法 - Google Patents
一种基于视频的积水检测方法 Download PDFInfo
- Publication number
- CN114219788A CN114219788A CN202111548987.7A CN202111548987A CN114219788A CN 114219788 A CN114219788 A CN 114219788A CN 202111548987 A CN202111548987 A CN 202111548987A CN 114219788 A CN114219788 A CN 114219788A
- Authority
- CN
- China
- Prior art keywords
- road
- video
- water accumulation
- ponding
- sample
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
一种基于视频的积水检测方法,首先采集带有大量道路积水的样本图片,而后通过标注工具对样本图片进行标注,再基于SSD目标检测算法对标注后的样本图片进行训练,构建积水检测模型;最后获取道路摄像头视频流数据,利用构建的积水检测模型对获取的道路摄像头视频流数据进行积水检测。本发明将样本采集、样本标注、目标检测及深度学习技术与实际道路场景有效结合,精准识别道路积水状态,大幅度提高识别准确率,借助已构建的视频监控网络,可进行大规模应用,能够创造一定的经济效益和使用价值。
Description
技术领域
本发明涉及视频智能监控技术领域,尤其涉及一种基于视频的积水检测方法。
背景技术
城市中因道路积水严重影响交通秩序,存在安全隐患,危及人民安全,需要耗费大量人力财力对积水进行清理,如果能够及时发现道路积水并积极应对,可以最大程度的降低损失。目前,常用的检测方法有:1.采用道路安装积水检测装置,此方法安装成本高,难以全面推广;2.通过分析摄像头视频图像,基于积水纹理特征及SVM分类的方式对积水进行检测,特征选择单一。
发明内容
本发明所解决的技术问题在于提供一种基于视频的积水检测方法,以解决上述背景技术中的问题。
本发明所解决的技术问题采用以下技术方案来实现:
一种基于视频的积水检测方法,首先采集带有大量道路积水的样本图片,而后通过标注工具对样本图片进行标注,再基于SSD目标检测算法对标注后的样本图片进行训练,构建积水检测模型;最后获取道路摄像头视频流数据,利用构建的积水检测模型对获取的道路摄像头视频流数据进行积水检测,具体步骤如下:
1)采集样本图片
采集多张带有大量道路积水的样本图片;
2)标注样本图片
通过标注工具LabelImag对步骤1)采集的样本图片中的道路积水进行标注;
3)构建积水检测模型
基于SSD目标检测算法,对步骤2)中标注后的样本图片进行训练,参照SSD目标检测算法模型训练过程,目标类别设置为2类(积水、背景),最终构建积水目标检测模型;
4)解码视频图片
利用ffmpeg+cuda工具对安装在道路上的摄像头拍摄的视频流进行解码;
5)预测图片
将步骤4)中解码后的视频图片输入至步骤3)构建的积水检测模型进行积水检测,其中,根据道路积水的大面积特性,设置最小框检测像素大于100*100,以提高检测效率;如发现道路积水,则将积水图片进行保存,而后结合道路摄像头具体经纬度坐标,对道路积水具体地理位置及状态进行实时预警。
有益效果:本发明将样本采集、样本标注、目标检测及深度学习技术与实际道路场景有效结合,精准识别道路积水状态,大幅度提高识别准确率,借助已构建的视频监控网络,可进行大规模应用,能够创造一定的经济效益和使用价值。
附图说明
图1为本发明的较佳实施例中的积水检测模型构建流程图。
图2为本发明的较佳实施例中的道路积水检测流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
参见图1~2的一种基于视频的积水检测方法,首先采集带有大量道路积水的样本图片,而后通过标注工具对样本图片进行标注,再基于SSD目标检测算法对标注后的样本图片进行训练,构建积水检测模型;最后获取道路摄像头视频流数据,利用构建的积水检测模型对获取的道路摄像头视频流数据进行积水检测,具体步骤如下:
1)采集样本图片
采集1000张带有大量道路积水的样本图片;
2)标注样本图片
通过标注工具LabelImag对步骤1)采集的样本图片中的道路积水进行标注;
3)构建积水检测模型
基于SSD目标检测算法,对步骤2)中标注后的样本图片进行训练,参照SSD目标检测算法模型训练过程,目标类别设置为2类(积水、背景),最终构建积水目标检测模型;
4)解码视频图片
利用ffmpeg+cuda工具对安装在道路上的摄像头拍摄的视频流进行解码;
5)预测图片
将步骤4)中解码后的视频图片输入至步骤3)构建的积水检测模型进行积水检测,其中,根据道路积水的大面积特性,设置最小框检测像素大于100*100,以提高检测效率;如发现道路积水,则将积水图片进行保存,而后结合道路摄像头具体经纬度坐标,对道路积水具体地理位置及状态进行实时预警。
在本实施例中,系统环境需求:使用工作站,在ubuntu16.04LTS系统下,硬件显卡英伟达titan x,需配置caffe、cuda、opencv等环境。
Claims (7)
1.一种基于视频的积水检测方法,其特征在于,首先采集带有大量道路积水的样本图片,而后通过标注工具对样本图片进行标注,再基于SSD目标检测算法对标注后的样本图片进行训练,构建积水检测模型;最后获取道路摄像头视频流数据,利用构建的积水检测模型对获取的道路摄像头视频流数据进行积水检测。
2. 根据权利要求1所述的一种基于视频的积水检测方法,其特征在于,具体步骤如下:
1)采集样本图片
采集多张带有大量道路积水的样本图片;
2)标注样本图片
对步骤1)采集的样本图片中的道路积水进行标注;
3)构建积水检测模型
基于SSD目标检测算法,对步骤2)中标注后的样本图片进行训练,构建积水检测模型;
4)解码视频图片
对安装在道路上的摄像头拍摄的视频流进行解码;
5)预测图片
将步骤4)中解码后的视频图片输入至步骤3)构建的积水检测模型进行积水检测,并对积水图片进行保存。
3.根据权利要求2所述的一种基于视频的积水检测方法,其特征在于,步骤2)中,通过标注工具对步骤1)采集的样本图片中的道路积水进行标注。
4.根据权利要求3所述的一种基于视频的积水检测方法,其特征在于,所述标注工具为LabelImag。
5.根据权利要求2所述的一种基于视频的积水检测方法,其特征在于,步骤4)中,利用ffmpeg+cuda工具对安装在道路上的摄像头拍摄的视频流进行解码。
6.根据权利要求2所述的一种基于视频的积水检测方法,其特征在于,步骤5)中,视频图片的最小框检测像素大于100*100。
7.根据权利要求2所述的一种基于视频的积水检测方法,其特征在于,步骤5)中,对积水图片进行保存后结合道路摄像头具体经纬度坐标,对道路积水具体地理位置及状态进行实时预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111548987.7A CN114219788A (zh) | 2021-12-17 | 2021-12-17 | 一种基于视频的积水检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111548987.7A CN114219788A (zh) | 2021-12-17 | 2021-12-17 | 一种基于视频的积水检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114219788A true CN114219788A (zh) | 2022-03-22 |
Family
ID=80703420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111548987.7A Pending CN114219788A (zh) | 2021-12-17 | 2021-12-17 | 一种基于视频的积水检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219788A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071656A (zh) * | 2023-03-06 | 2023-05-05 | 河北工业大学 | 地下变电站红外图像积水检测智能报警方法及系统 |
-
2021
- 2021-12-17 CN CN202111548987.7A patent/CN114219788A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071656A (zh) * | 2023-03-06 | 2023-05-05 | 河北工业大学 | 地下变电站红外图像积水检测智能报警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103208190B (zh) | 基于对象检测的交通流量检测方法 | |
CN108229352B (zh) | 一种基于深度学习的站立检测方法 | |
CN112836657B (zh) | 一种基于轻量化YOLOv3的行人检测方法及系统 | |
CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
CN112668375B (zh) | 景区内游客分布分析系统及方法 | |
CN104268525A (zh) | 一种基于人脸识别的车辆监控方法及系统 | |
CN113096158A (zh) | 运动对象的识别方法、装置、电子设备及可读存储介质 | |
CN108471497A (zh) | 一种基于云台摄像机的船目标实时检测方法 | |
CN113011280A (zh) | 人员接触距离的检测方法、装置、计算机设备和存储介质 | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
CN112465854A (zh) | 基于无锚点检测算法的无人机跟踪方法 | |
CN114882440A (zh) | 一种人头检测方法和系统 | |
CN111897993A (zh) | 一种基于行人再识别的高效目标人物轨迹生成方法 | |
CN114219788A (zh) | 一种基于视频的积水检测方法 | |
Chen et al. | Real-time garbage object detection with data augmentation and feature fusion using SUAV low-altitude remote sensing images | |
CN111723656A (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN115272222A (zh) | 道路检测信息的处理方法、装置、设备及存储介质 | |
CN110930384A (zh) | 基于密度信息的人群计数方法、装置、设备以及介质 | |
CN114067396A (zh) | 基于视觉学习的居配工程现场试验数字化管理系统及方法 | |
CN105335758A (zh) | 一种基于视频费舍尔向量描述符的车型识别方法 | |
CN110427911B (zh) | 一种道路检测方法、装置、设备及存储介质 | |
CN111008601A (zh) | 一种基于视频的打架斗殴检测方法 | |
CN115311591A (zh) | 异常行为的预警方法、装置及智能摄像头 | |
CN114592411A (zh) | 一种载体寄生式公路损坏智能巡查方法 | |
CN113887420A (zh) | 一种基于ai的城市公共车位智能化检测识别系统 |
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 |