CN114332487A - 基于图像的积水预警方法、装置、设备、存储介质及产品 - Google Patents
基于图像的积水预警方法、装置、设备、存储介质及产品 Download PDFInfo
- Publication number
- CN114332487A CN114332487A CN202111668158.2A CN202111668158A CN114332487A CN 114332487 A CN114332487 A CN 114332487A CN 202111668158 A CN202111668158 A CN 202111668158A CN 114332487 A CN114332487 A CN 114332487A
- Authority
- CN
- China
- Prior art keywords
- calibration
- image
- target object
- accumulated water
- area
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例提供一种基于图像的积水预警方法、装置、设备、存储介质及产品,涉及智能交通技术领域,尤其涉及计算机视觉领域。具体实现方案为:获取预定位置的摄像头采集的待识别图像;确定所述待识别图像的积水标定对象;所述积水标定对象为所述待识别图像中的积水检测参照物;基于图像识别算法,确定所述待识别图像中的积水检测信息;所述积水检测信息为对所述待识别图像中的积水进行数据量化获得;在根据所述积水标定对象以及所述积水检测信息,确定所述待识别图像满足积水预警条件的情况下,输出所述摄像头位置出现积水的积水预警信息。本公开实施例的技术方案提高了积水预警效率以及准确度。
Description
技术领域
本公开涉及智能交通技术领域。尤其涉及一种基于计算机视觉技术的基于图像的积水预警方法、装置、设备、存储介质及产品。
背景技术
近年来,城市内涝问题尤为严重,对市民生活产生重大影响。因此,对城市积水位置进行准确识别,并及时预警,通知市政人员及时对积水进行处理,可以有效避免城市内涝问题。
现有技术中,城市中积水多是通过传感器等进行感应识别,但是这种方式的识别及时性以及受到设备配置影响,识别范围也不够,因此,积水识别效率不高,效果不好。
发明内容
本公开提供了一种用于城镇道路中积水预警的基于图像的积水预警方法、装置、设备、存储介质及产品。
根据本公开的第一方面,提供了一种基于图像的积水预警方法,包括:
获取预定位置的摄像头采集的待识别图像;
确定待识别图像的积水标定对象;积水标定对象为待识别图像中的积水检测参照物;
基于图像识别算法,确定待识别图像中的积水检测信息;积水检测信息为对待识别图像中的积水进行数据量化获得;
在根据积水标定对象以及积水检测信息,确定待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息。
根据本公开的第二方面,提供了一种基于图像的积水预警装置,包括:
图像获取单元,用于获取预定位置的摄像头采集的待识别图像;
标定确定单元,用于确定待识别图像的积水标定对象;积水标定对象为待识别图像中的积水检测参照物;
积水检测单元,用于基于图像识别算法,确定待识别图像中的积水检测信息;积水检测信息为对待识别图像中的积水进行数据量化获得;
积水预警单元,用于在根据积水标定对象以及积水检测信息,确定待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行第一方面的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行第一方面的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本公开的技术解决了通过传感器等方法出现的积水预警准确度不高的问题,通过确定积水标定对象对具有预定位置的摄像头采集的待识别图像进行积水检测,在待识别图像满足积水预警条件的情况下,可以输出摄像头位置出现积水的积水预警信息,实现对积水的快速而准确地预警。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的基于图像的积水预警方法的一个应用示意图;
图2是本公开实施例提供的一种基于图像的积水预警方法的一个实施例的流程图;
图3是本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图;
图4是本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图;
图5是根据本公开实施例提供的目标物体的目标物体区域的标定示意图;
图6是根据本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图;
图7是根据本公开实施例提供的目标物体的积水高度阈值的标定示意图;
图8是根据本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图;
图9是根据本公开实施例提供的一种基于图像的积水预警装置的一个实施例的结构示意图;
图10是用来实现本公开实施例的基于图像的积水预警方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开的技术方案可以应用于城镇的积水预警场景中,通过确定积水标定对象对具有预定位置的摄像头采集的待识别图像进行积水检测,在待识别图像满足积水预警条件的情况下,可以输出摄像头位置出现积水的积水预警信息,实现对积水的快速而准确地预警。
相关技术中,为了解决城市积水问题,对城市积水进行预检测,以在确定存在积水的情况下进行积水预警。为了实现积水预警,通常可以采用在路面放置传感器,以检测放置位置处的积水情况。例如,在路面或者路沿放置超声波传感器。但是通过波传感器只能对是否存在积水进行检测,并不能获取积水的深度。在实际应用中,若积水深度不高,则不会发生城市内涝,此时也不需要进行积水预警。以上方式存在积水检测结果不准确的问题。此外,由于需要额外放置传感器,可能会导致积水预警成本过高,积水检测范围较小,也不利于积水的准确预警。
为了解决上述技术问题,本公开实施例中,可以获取预定位置的摄像头采集的待识别图像,确定待识别图像中的积水标定对象。积水标定对象可以为待识别图像中积水检测的参照物。在基于图像识别算法,确定待识别图像的积水检测信息,在根据积水标定对象以及积水检测信息,确定待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息。由于积水检测信息是对待识别图像中的积水进行数据量化获得,通过积水检测信息以及积水标定对象,可以对积水进行准确预警,提高积水预警效率以及准确度。
下面将结合附图对本公开的技术方案进行详细介绍。
本公开实施例提供一种基于图像的积水预警方法、装置、设备、存储介质及产品,本公开涉及智能交通技术领域,尤其涉及计算机视觉技术领域,以达到对待识别图像进行快速而准确的积水预警的目标。
为了便于理解,参考图1,为用于实现根据本公开实施例提供的基于图像的积水预警方法的一个应用示意图,该示意图中,可以包括:位置已知的摄像头1,与摄像头1通过无线或有线方式建立通信连接的电子设备2,例如为云服务器2。该示意图中还可以包括位于摄像头1采集范围内的积水标定对象3。积水标定对象3例如可以为位于摄像头1附近的消防栓31、垃圾桶32、车辆33或者树木34等。摄像头1可以将采集的待识别图像发送至云服务器2,云服务器2可以根据本公开实施例提供的基于图像的积水预警方法对待识别图像进行积水预警,以在待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息。
此外,该示意图中还可以包括与云服务器2通过无线或者有线方式建立通信连接的用户设备4,此时,云服务器2输出摄像头位置出现积水的积水预警信息可以是将该积水预警信息发送至用户设备4,由用户设备4为维护摄像头1所在位置的市政人员展示,以便于市政人员及时对积水进行清除。
如图2所示,为本公开实施例提供的一种基于图像的积水预警方法的一个实施例的流程图,该基于图像的积水预警方法可以配置为基于图像的积水预警装置,此积水预警装置可以配置于电子设备中,该方法可以包括以下几个步骤:
201:获取预定位置的摄像头采集的待识别图像。
可选地,摄像头位置是已知的。在实际应用中,由于各个交限路口大量设置摄像头,为了达到节约社会资源,提高摄像头利用率的目的,摄像偶可以与道路中设置的用于采集车辆信息的摄像头复用。
待识别图像可以为摄像头采集的图像。可选地,在某些实施例中,摄像头通常可以采集视频,待识别图像可以为从摄像头采集的视频中截取的图像帧。例如,可以从第三方应用程序获取天气预报,以利用天气预报中的降水时间,获取降水时间对应的待识别图像,以提高积水预警的预警效率。
电子设备可以接收摄像头采集的待识别图像。电子设备例如可以为计算机、云服务器、超级个人计算机等,本公开实施例中对电子设备的具体类型并不作出过多限定。
202:确定待识别图像的积水标定对象。
积水标定对象为待识别图像中的积水检测参照物。
积水标定对象可以包括:高度标定对象或者面积标定对象。
通过积水标定对象可以对待识别图像中的积水状况进行准确识别。
203:基于图像识别算法,确定待识别图像中的积水检测信息。积水检测信息为对待识别图像中的积水进行数据量化获得。
可选地,图像识别算法可以包括至少一个,例如可以包括区域检测算法、轮廓识别算法等,可以根据实际的图像识别需求,确定相应的算法类型。
积水检测信息可以为对待识别图像中的积水进行数据量化获得的信息,例如可以包括积水高度或者积水面积。
204:在根据积水标定对象以及积水检测信息,确定待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息。
可选地,在根据积水标定对象以及积水检测信息,确定待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息可以包括:根据积水标定对象以及积水检测信息,确定待识别图像是否满足积水预警条件,若是,则输出摄像头位置出现积水的积水预警信息;若否,则继续确定待识别图像,继续进行积水预警。
在输出摄像头位置出现积水的积水预警信息之后,可以返回至获取确定预定位置的摄像头采集的待识别图像的步骤继续执行。
在实际应用中,摄像头可以包括一个或多个,可以针对每个摄像头进行积水预警。
可选地,输出摄像头位置出现积水的积水预警信息可以包括:将积水预警信息发送至用户设备,由用户设备为用户展示积水预警信息。积水预警信息可以包括:积水高度或者积水面积、积水位置等。积水位置可以为摄像头的位置。
本公开实施例中,可以获取预定位置的摄像头采集的待识别图像,确定待识别图像中的积水标定对象。积水标定对象可以为待识别图像中积水检测的参照物。在基于图像识别算法,确定待识别图像的积水检测信息,在根据积水标定对象以及积水检测信息,确定待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息。由于积水检测信息是对待识别图像中的积水进行数据量化获得,通过积水检测信息以及积水标定对象,可以对积水进行准确预警,提高积水预警效率以及准确度。
如图3所示,为本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图,该基于图像的积水预警方法可以配置为基于图像的积水预警装置,此积水预警装置可以配置于电子设备中,该方法可以包括以下几个步骤:
301:获取预定位置的摄像头采集的待识别图像。
本公开实施例中部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
302:确定待识别图像的高度标定对象。
积水标定对象为待识别图像中的积水检测参照物。具体地,积水标定对象为高度标定对象,高度标定对象可以为待识别图像中积水高度的检测参照物。
高度标定对象可以关联有基准高度信息。
303:基于图像识别算法,确定待识别图像中的积水检测信息。
积水检测信息可以为对待识别图像中的积水进行数据量化获得。具体地,积水检测信息可以为对待识别图像中的积水高度进行数据量化获得。
304:若确定积水检测信息满足高度标定对象的基准高度信息,则输出摄像头位置出现积水的积水预警信息。
本公开实施例中,以高度标定对象作为积水标定对象,可以以高度标定对象关联的基准高度信息,对积水检测信息进行准确的积水预警条件判断,提高积水判断准确度。
高度标定对象可以包括标定的目标物体,为了提高积水检测准确度,如图4所示,为本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图,该基于图像的积水预警方法可以配置为基于图像的积水预警装置,此积水预警装置可以配置于电子设备中,该方法可以包括以下几个步骤:
401:获取预定位置的摄像头采集的待识别图像。
本公开实施例中,部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
402:确定待识别图像对应的标定的目标物体。
积水标定对象为待识别图像中的积水检测参照物。
高度标定对象关联有基准高度信息。高度标定对象关联的基准高度信息包括:目标物体关联的积水预警线。
积水标定对象为目标物体,目标物体可以为待识别图像中积水高度的检测参照物。
403:基于目标检测算法,检测待识别图像中的目标物体。
可选地,目标检测算法例如可以为卷积神经网络算法(简称:CNN,全称:Convolutional Neural Networks)、局部二值检测算法(简称:LBP,全称:Local BinaryPattern)等相关技术中较为常见的目标检测算法,本公开实施例中对目标检测算法的算法类型并不做出过多限定。
其中,基于目标检测算法,检测待识别图像中的目标物体可以包括:基于目标检测算法,检测待识别图像中的目标物体的物体位置或者轮廓。
404:获取目标物体预先标定的目标物体区域。
目标物体区域可以为目标物体对应的相机成像区域。目标物体区域可以包括矩形区域。矩形区域可以包括矩形的底边与顶边。
405:从待识别图像中确定目标物体区域对应的物体局部图像。
可选地,从待识别图像中确定目标物体区域对应的物体局部图像可以包括:根据目标物体的物体位置或者轮廓,结合目标物体区域,确定目标物体对应的图像裁剪区域。从待识别图像中确定图像裁剪区域对应的物体局部图像。
406:识别物体局部图像中的水面线段,获得积水检测信息。
积水检测信息为对待识别图像中的积水高度进行数据量化获得。
可选地,识别物体局部图像中的水面线段,获得积水检测信息,可以包括:通过随机抽样一致(简称:RANSAC,全称:Random Sample Consensus)算法拟合物体局部图像中的水面线段,获得积水检测信息。将水面线段作为积水检测。
407:若确定水面线段高于目标物体关联的积水预警线,则输出摄像头位置出现积水的积水预警信息。
可选地,水面线段是否目标物体关联的积水预警线可以通过以下步骤确定:计算水面线段相对于目标矩形区域中的底边的第一距离,计算积水预警线相对于目标矩形区域中底边的第二距离;若第一距离大于第二距离,则确定水面线段高于目标物体关联的积水预警线;若第一距离小于第二距离,则确定水面限定低于目标物体关联的积水预警线。
本公开实施例中,获取预定位置的摄像头采集的待识别图像,可以确定待识别图像对应的标定的目标物体。基于目标检测算法可以检测待识别图像中的目标物体,以从待识别图像中确定目标物体区域对应的物体局部图像,识别物体局部图像中的水平线段,获得积水检测信息。积水预警线可以作为积水高度检测参照物,通过将水面线段与积水预警线进行比较,可以快速而准确地对水面线段是否高于积水预警线进行判断,获得准确的预警判断结果。提高积水预警效率以及准确度。
作为一种可选方式,目标物体的目标物体区域的标定步骤如下:
确定存在目标物体的标定图像,标定图像无积水;
检测用户针对标定图像设置的目标物体所在的区域;
将设置的目标物体所在的区域标定为目标物体区域;目标物体区域包括目标物体的高度以及宽度。
可选地,标定图像可以为采集待识别图像的摄像头,以与待识别图像相同的采集方式,在无积水的情况下采集的图像。与待识别图像相同的采集方式可以指相机参数、相机采集高度、角度均相同。
本公开实施例中,可以通过与用户交互,实现目标物体所在区域的标定,以将标定的区域作为目标物体区域。通过用户标定可以对目标物体进行准确标定。
作为又一种可选方式,目标物体的目标物体区域的标定步骤如下:
确定存在目标物体的标定图像,标定图像无积水;
将标定图像输入训练获得的区域检测模型,检测获得目标物体的所在的区域;
将目标物体的所在的区域标定为目标物体区域。
为了便于理解,如图5所示,为对目标物体的目标物体区域的标定示意图,目标物体的目标物体区域501可以为矩形。目标物体区域501可以采用上述标定方式标定获得。
区域检测模型可以为上述实施例中采用的目标检测算法。区域检测模型可以训练获得,具体可以确定至少一个训练图像,每个训练图像对应有目标物体所在区域;利用至少一个训练图像对参数位置的区域检测模型进行训练获得。
本公开实施例中,可以通过区域检测模型,对目标物体所在区域进行自动检测,将检测获得的区域标定为目标物体区域。通过区域检测模型可以对目标物体的目标物体区域进行自动检测,提高区域标定效率。
如图6所示,为本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图,该基于图像的积水预警方法可以配置为基于图像的积水预警装置,此积水预警装置可以配置于电子设备中,该方法可以包括以下几个步骤:
601:获取预定位置的摄像头采集的待识别图像。
需要说明的是,本公开实施例中部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
602:确定待识别图像对应的标定的目标物体。
积水标定对象为待识别图像中的积水检测参照物。目标物体为积水标定对象,目标物体为待识别图像中的积水高度的检测参照物。
高度标定对象关联有基准高度信息。高度标定对象关联的基准高度信息包括:目标物体关联的积水高度阈值。
603:基于轮廓检测算法,检测获得待识别图像中的目标物体在待识别图像中的轮廓。
可选地,轮廓检测算法可以包括:精明(Canny)边缘检测算法、机器人(Robert)边缘检测算法等,本公开实施例中对边缘检测算法的具体类型并不做出过多限定。
604:根据轮廓,确定目标物体在待识别图像中的检测顶部位置以及检测底部位置。
可选地,可以通过随机抽样一致(简称:RANSAC,全称:Random Sample Consensus)算法,对轮廓进行拟合,获得待识别图像中的检测顶部位置以及检测底部位置。
其中,根据轮廓,确定目标物体在待识别图像中的检测顶部位置以及检测底部位置,可以包括:根据轮廓,将待识别图像进行分割,获得目标对象对应的对象区域图像,以及水面区域图像。可以通过随机抽样一致算法你还水面区域图像中的检测顶部位置以及检测底部位置。
检测顶部位置可以指检测获得的目标物体的顶部线段在待识别图像中的位置。检测底部位置可以指检测获得的目标物体的底部线段在待识别图像中的位置。
605:获取目标物体预先标定的标定顶部位置以及标定底部位置。
标定顶部位置可以指目标物体在标定图像中的顶部线段对应的位置。标定底部位置可以指目标物体在标定图像中的底部线段对应的位置。
由于标定图像中不存在积水,标定顶部位置以及标定底部位置之间的相对距离即与目标物体的物体高度对应。
606:基于检测顶部位置与标定顶部位置的高度对等关系,计算检测底部位置相对标定底部位置的底部距离。
可选地,检测顶部位置与标定顶部位置具有高度对象关系,也即在实际应用中,检测顶部位置实际对应目标物体的顶部,标定顶部位置也实际对应目标物体的顶部。且,积水基于从底至顶的上升方向,目标物体的顶部被淹没可能性较低。因此,基于检测顶部位置与标定顶部位置的高度对等关系,计算检测底部位置相对标定底部位置的底部距离,可以包括:将检测顶部位置与标定顶部位置进行坐标映射,使二者处于同一坐标系中,之后,通过检测顶部位置与标定顶部位置之间的映射关系,将检测底部位置以及标定底部位置同样映射到该坐标系中,以在坐标系中计算处于同一坐标系的检测底部位置以及标定底部位置之间的底部距离。
607:根据底部距离,结合标定顶部位置以及标定底部位置,确定检测底部位置的检测底部高度。
可选地,在实际应用中,目标物体可以包括多个,可以对多个目标物体分别计算对应的检测底部高度。计算多个目标物体分别对应的检测底部高度的高度均值,可以对水面高度进行更准确的预测,获得相应的预测结果。
608:确定检测底部高度为待识别图像的积水检测信息。
积水检测信息为对待识别图像中的积水进行数据量化获得。
609:若确定检测底部高度高于积水高度阈值,则输出摄像头位置出现积水的积水预警信息。
积水高度阈值可以通过目标物体的高度确定。
本公开实施例中,在确定预定位置的摄像头采集的待识别图像,可以确定待识别图像对应的标定的目标物体。之后,可以通过轮廓检测算法,检测待识别图像中的目标物体的轮廓,以根据该轮廓,确定目标物体在待识别图像中的检测顶部位置以及检测底部位置。此时还可以获取目标物体预先标定的标定顶部位置以及标定底部位置,基于检测顶部位置与标定顶部位置的高度对等关系,计算检测底部位置相对标定底部位置的底部距离。以根据底部距离,结合标定顶部位置以及标定底部位置,确定检测底部位置的检测底部高度,该检测底部高度即可以为待识别图像的积水检测信息。而目标物体关联有积水高度阈值,若检测底部高度高于积水高度阈值,则输出摄像头位置出现积水的积水预警信息。通过检测高度方式可以对水面相对于目标物体的高度进行准确确定,同时使用积水高度阈值对检测的底部高度进行准确比较,获得的比较结果准确度较高,可以实现积水的准确预警。
作为一种可选方式,目标物体关联的积水高度阈值标定步骤如下:
确定存在目标物体的标定图像,标定图像无积水。
检测用户针对标定图像设置的标定底部位置以及标定顶部位置。
建立标定底部位置以及标定顶部位置与目标物体的物体高度的关联关系。
根据标定底部位置以及标定顶部位置,获得用户设置的积水高度阈值。
可选地,根据标定底部位置以及标定顶部位置,获得用户设置的积水高度阈值,可以包括:确定目标物体的标定高度;根据预设的高度阈值设置条件,结合标定顶部位置、标定底部位置以及目标物体的物体高度,确定目标物体的积水高度阈值。
可选地,检测用户针对标定图像设置的标定底部位置以及标定顶部位置可以包括:检测用户使用三点标定、四点标定或者多点标定方式,对标定图像设置的标定底部位置以及标定顶部位置。
其中,三点标定可以指在标定图像中的目标物体顶端或者底端中一端设置同一高度的两个标定点,另一端设置一个标定点,并给出同一高度的标定点的高度信息。
四点标定可以指在标定图像中的目标物体的顶端或者底端中的任一端设置同一高度的两个标定点,另一端设置同一高度的两个标定点,并给出同一高度的标定点的高度信息。
多点标定可以指在标定图像中的目标物体的顶端或者底端中的任一端设置同一高度的多个标定点,另一端设置同一高度的多个标定点,并给出同一高度的标定点的高度信息。
可选地,高度信息例如可以为在图像坐标系或者现实坐标的纵向坐标、经纬度数据等。
本公开实施例中,对目标关联物体进行积水高度阈值的标定,可以采用与用户交互的方式完成。通过与用户交互,可以快速而准确地完成目标物体关联的积水高度阈值的标定。
作为又一种可选方式,目标物体关联的积水高度阈值标定步骤如下:
确定存在目标物体的标定图像,标定图像无积水;
将标定图像输入高度检测模型,检测获得目标物体在标定图像中的标定顶部位置以及标定底部位置;
利用标定顶部位置、标定底部位置以及目标物体的物体高度,结合高度阈值设置条件,确定目标物体的积水高度阈值。
为了便于理解,如图7所示,为对目标物体的积水高度阈值的标定示意图,目标物体的标定底部位置701以及标定顶部位置702。积水高度标定阈值703可以通过相对于标定底部位置701的距离或者相对于标定顶部位置702确定。
可选地,高度阈值设置条件例如可以包括:积水高度不高于目标物体的物体高度的指定比例,例如可以为10%或者5%。利用标定顶部位置、标定底部位置以及目标物体的物体高度,结合高度阈值设置条件,确定目标物体的积水高度阈值可以包括:计算物体高度与高度阈值设置条件中的指定比例的乘积,获得标定阈值高度;基于标定底部位置以及标定阈值高度,确定目标物体的积水高度阈值。具体可以将标定底部位置与标定阈值高度相加,获得目标物体的积水高度阈值。
可选地,高度检测模型可以对标定图像中进行分割模型训练,利用获得的分割模型分割标定图像中的目标物体区域以及非目标物体区域。和/或进行关键点检测模型训练,利用关键点检测模型,检测标定图像中的关键点,获得目标物体的标定顶部位置、标定底部位置。也即标定物体的最低水平线和最高水平线,而标定物体的高度已知,因此可以确定积水高度阈值。
本公开实施例中,对目标关联物体进行积水高度阈值的标定,可以采用高度检测模型,对目标物体在标定图像中的标定顶部位置以及标定底部位置,实现对目标物体的标定顶部位置以及标定底部位置的自动标定。之后,可以利用标定顶部位置、标定底部位置以及目标物体的物体高度,结合高度阈值设置条件,确定目标物体的积水高度阈值。通过对目标物体进行顶部以及底部位置的自动标定,可以实现目标物体的快速而准确的标定,整个标定过程自动执行,标定效率较高。
在实际应用中,除采用高度标定之外,还可以采用面积标定。
如图8所示,为本公开实施例提供的一种基于图像的积水预警方法的又一个实施例的流程图,该基于图像的积水预警方法可以配置为基于图像的积水预警装置,此积水预警装置可以配置于电子设备中,该方法可以包括以下几个步骤:
801:获取预定位置的摄像头采集的待识别图像。
本公开实施例中部分步骤与前述实施例中部分步骤相同,为了描述的简洁性考虑,在此不再赘述。
802:确定待识别图像的面积标定对象。
面积标定对象关联有面积转换矩阵以及积水面积阈值。
积水标定对象可以为待识别图像中的积水检测参照物。具体地,积水标定对象为面积标定对象,面积标定对象可以为待识别图像中的积水面积的检测参照物。
803:基于图像轮廓检测算法,检测待识别图像中的积水轮廓信息,获得积水检测信息。
积水检测信息为对待识别图像中的积水进行数据量化获得。具体地,积水轮廓信息为对待标识图像中的积水面积进行数据量化获得。
图像轮廓检测算法可以参考上述实施例中的轮廓检测算法,在此不再赘述。
804:根据积水标定对象关联的面积转换矩阵,计算积水轮廓对应的积水面积。
805:若积水面积大于或等于积水面积阈值,则输出摄像头位置出现积水的积水预警信息。
本公开实施例中,获取预定位置的摄像头采集的待识别图像,可以确定待识别图像的面积标定对象。之后,基于图像轮廓检测算法,可检测待识别图像中的积水轮廓信息,以积水轮廓信息作为积水检测信息。根据积水标定对象关联的面积转换矩阵,可以计算积水轮廓对应的积水面积,若积水面积大于面积标定对象关联的积水面积标定阈值,则输出摄像头位置出现积水的积水预警信息。通过积水面积的检测可以对积水的范围进行准确预估,实现以积水面积作为标量进行准确的积水预警,提高积水预警效率以及准确度。
作为一个实施例,面积标定对象关联有面积转换矩阵以及积水面积阈值,通过以下方式确定:
确定存在目标物体的标定图像,标定图像无积水;
检测标定图像中目标物体的标定物体轮廓;
计算标定物体轮廓的轮廓面积并获取被标定物体轮廓实际对应的物理面积;
根据实际物理面积与轮廓面积,计算面积标定对象关联的面积转换矩阵;
根据摄像头对应的采集范围,计算标定图像的图像面积;
计算图像面积与面积阈值的设置比例的乘积,获得标定图像对应的积水面积阈值;
建立面积标定对象与面积转换矩阵与积水面积阈值的关联关系。
作为一种可选方式,检测标定图像中的目标物体的标定物体轮廓可以包括:检测用户针对标定图像中用户为目标物体设置的标定物体轮廓。
标定物体轮廓可以采用三点标定、四点标定或者多点标定等。
其中,三点标定可以指在标定图像中目标对象上标定任意三个不共线的点,三个点连接形成三角形,每个点对应有像素坐标系的像素坐标。
四点标定可以指在标定图像中目标对象上标定任意四个不共线的点,四个点连接形成四边形,每个点对应有像素坐标系的像素坐标。
多点标定可以指标定图像中目标对象上标定任意多个不共线的点,多个点连接形成多边形,每个点对应有像素坐标系的像素坐标。
作为又一种可选方式,检测标定图像中的目标物体的标定物体轮廓可以包括:根据关键点检测算法,检测标定图像目标物体的关键点;利用关键点确定目标物体的标定物体轮廓。
其中,根据实际物理面积与轮廓面积,计算面积标定对象关联的面积转换矩阵,可以包括:确定被标定的物体轮廓的实际物理面积,利用标定物体轮廓在像素坐标系的坐标,计算像素面积,获得轮廓面积;通过轮廓面积与真实的物体面积进行面积转换计算,获得面积转换矩阵。
实际物理面积可以根据被标定对象的对象大小数据确定,对象大小数据可以包括:对象高度、宽度、长度等数据。例如可以确定物体轮廓在实际应用中映射的物理轮廓,计算物理轮廓的面积。物理轮廓的面积可以根据被标定的物体轮廓在实际物理物体上映射的长度、高度和/或宽度确定。
本公开实施例中,在确定存在目标物体的标定图像的情况下,可以从无积水的标定图像中获取目标物体的物体轮廓,以计算物体轮廓的轮廓面积以及被标定物体轮廓实际对应的物理面积,通过实际物理面积以及轮廓面积,可以计算面积标定对象关联的面积转换矩阵。之后,根据摄像头的采集范围,计算计算标定图像的图像面积,通过计算图像面积与面积阈值的设置比例的乘积,可以获得标定图像对应的积水面积阈值。通过对标定图像进行面积标定对象的面积转换矩阵以及积水面积阈值的乘积的准确确定,可以提高以面积作为预警标准的预警准确度以及效率。
如图9所示,为本公开实施例提供的一种基于图像的积水预警装置的一个实施例的结构示意图,积水预警装置可以位于电子设备中,积水预警装置900可以包括以下几个单元:
图像获取单元901:用于获取预定位置的摄像头采集的待识别图像;
标定确定单元902:用于确定待识别图像的积水标定对象;积水标定对象为待识别图像中的积水检测参照物;
积水检测单元903:用于基于图像识别算法,确定待识别图像中的积水检测信息;积水检测信息为对待识别图像中的积水进行数据量化获得;
积水预警单元904:用于在根据积水标定对象以及积水检测信息,确定待识别图像满足积水预警条件的情况下,输出摄像头位置出现积水的积水预警信息。
作为一个实施例,积水标定对象为高度标定对象,高度标定对象关联有基准高度信息。
积水预警单元,包括:
第一预警模块,用于若确定积水检测信息满足高度标定对象的基准高度信息,则输出摄像头位置出现积水的积水预警信息。
在某些实施例中,高度标定对象包括标定的目标物体;高度标定对象关联的基准高度信息包括:目标物体关联的积水预警线;
积水检测单元,包括:
物体检测模块,用于基于目标检测算法,检测待识别图像中的目标物体;
区域获取模块,用于获取目标物体预先标定的目标物体区域;
局部获取模块,用于从待识别图像中确定目标物体区域对应的物体局部图像;
线段识别模块,用于识别物体局部图像中的水面线段,获得积水检测信息;
第一预警模块,包括:
第一预警子模块,用于若确定水面线段高于目标物体关联的积水预警线,则输出摄像头位置出现积水的积水预警信息。
作为一种可选方式,还包括:
第一确定单元,用于确定存在目标物体的标定图像,标定图像无积水;
第一检测单元,用于检测用户针对标定图像设置的目标物体所在的区域;
第一设置单元,用于将设置的目标物体所在的区域标定为目标物体区域;目标物体区域包括目标物体的高度以及宽度;
作为又一种可选方式,还包括:
第二确定单元,用于确定存在目标物体的标定图像,标定图像无积水;
第二检测单元,用于将标定图像输入训练获得的区域检测模型,检测获得目标物体所在的区域。
第二设置单元,用于将目标物体的所在的区域标定为目标物体区域。
作为又一个实施例,高度标定对象包括标定的目标物体;高度标定对象关联的基准高度信息,包括:目标物体关联的积水高度阈值;
积水检测单元,包括:
轮廓检测模块,用于基于轮廓检测算法,检测获得待识别图像中的目标物体在待识别图像中的轮廓;
位置检测模块,用于根据轮廓,确定目标物体在待识别图像中的检测顶部位置以及检测底部位置;
位置标定模块,用于获取目标物体预先标定的标定顶部位置以及标定底部位置;
距离确定模块,用于基于检测顶部位置与标定顶部位置的高度对等关系,计算检测底部位置相对标定底部位置的底部距离;
高度确定模块,用于根据底部距离,结合标定顶部位置以及标定底部位置,确定检测底部位置的检测底部高度;
信息确定模块,用于确定检测底部高度为待识别图像的积水检测信息;
第一预警模块,包括:
第二预警子单元,用于若确定检测底部高度高于积水高度阈值,则输出摄像头位置出现积水的积水预警信息。
在某些实施例中,还包括:
第三确定单元,用于确定存在目标物体的标定图像;标定图像无积水;
位置检测单元,用于检测用户针对标定图像设置的标定底部位置以及标定顶部位置;
第一关联单元,用于建立标定底部位置以及标定顶部位置与目标物体的物体高度的关联关系;
阈值确定单元,用于检测用户,结合物体高度,针对标定底部位置以及标定顶部位置之间设置的积水高度阈值。
作为一种可选方式,还包括:
第四确定单元,用于确定存在目标物体的标定图像;标定图像无积水;
模型检测单元,用于将标定图像输入高度检测模型,检测获得目标物体在标定图像中的标定顶部位置以及标定底部位置;
高度阈值单元,用于利用标定顶部位置、标定底部位置以及目标物体的物体高度,结合高度阈值设置条件,确定目标物体的积水高度阈值。
作为又一个实施例,积水标定对象为面积标定对象,面积标定对象关联有面积转换矩阵以及积水面积阈值。
积水检测单元,包括:
轮廓检测模块,用于基于图像轮廓检测算法,检测待识别图像中的积水轮廓信息,获得积水检测信息;
积水预警单元,包括:
面积计算模块,用于根据积水标定对象关联的面积转换矩阵,计算积水轮廓对应的积水面积;
面积预警模块,用于若积水面积大于或等于积水面积阈值,则输出摄像头位置出现积水的积水预警信息。
作为一种可选方式,还包括:
第五确定单元,用于确定存在目标物体的标定图像,标定图像无积水;
轮廓检测单元,用于检测标定图像中目标物体的标定物体轮廓;
实际面积单元,用于计算标定物体轮廓的轮廓面积并获取被标定物体轮廓实际对应的物理面积;
矩阵计算单元,用于根据实际物理面积与轮廓面积,计算面积标定对象关联有面积转换矩阵;
面积计算单元,用于根据摄像头对应的采集范围,计算标定图像的图像面积;
面积阈值单元,用于根据图像面积与面积阈值的设置比例的乘积,获得标定图像对应的积水面积阈值;
第二关联单元,用于建立面积标定对象与面积转换矩阵与积水面积阈值的关联关系。
需要说明的是,本公开实施例的基于图像的积水预警装置可以执行上述实施例中的基于图像的积水预警方法,关于各个模块、单元、子单元的具体执行步骤,在此不再赘述。
需要说明的是,本实施例中的图像识别算法并不是针对某一特定用户的识别模型,并不能反映出某一特定用户的个人信息。需要说明的是,本实施例中的待识别图像来自于公开数据集。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如基于图像的积水预警方法。例如,在一些实施例中,基于图像的积水预警方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的基于图像的积水预警方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于图像的积水预警方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (23)
1.一种基于图像的积水预警方法,包括:
获取预定位置的摄像头采集的待识别图像;
确定所述待识别图像的积水标定对象;所述积水标定对象为所述待识别图像中的积水检测参照物;
基于图像识别算法,确定所述待识别图像中的积水检测信息;所述积水检测信息为对所述待识别图像中的积水进行数据量化获得;
在根据所述积水标定对象以及所述积水检测信息,确定所述待识别图像满足积水预警条件的情况下,输出所述摄像头位置出现积水的积水预警信息。
2.根据权利要求1所述的方法,其中,所述积水标定对象为高度标定对象,所述高度标定对象关联有基准高度信息;
所述在根据所述积水标定对象以及所述积水检测信息,确定所述待识别图像满足积水预警条件的情况下,输出所述摄像头位置出现积水的积水预警信息,包括:
若确定所述积水检测信息满足所述高度标定对象的基准高度信息,则输出所述摄像头位置出现积水的积水预警信息。
3.根据权利要求2所述的方法,其中,所述高度标定对象包括标定的目标物体;所述高度标定对象关联的基准高度信息包括:所述目标物体关联的积水预警线;
所述基于图像识别算法,确定所述待识别图像中的积水检测信息,包括:
基于目标检测算法,检测所述待识别图像中的目标物体;
获取所述目标物体预先标定的目标物体区域;
从所述待识别图像中确定所述目标物体区域对应的物体局部图像;
识别所述物体局部图像中的水面线段,获得所述积水检测信息;
所述若确定所述积水检测信息满足所述高度标定对象的基准高度信息,则输出所述摄像头位置出现积水的积水预警信息,包括:
若确定所述水面线段高于所述目标物体关联的积水预警线,则输出所述摄像头位置出现积水的积水预警信息。
4.根据权利要求3所述的方法,其中,所述目标物体的目标物体区域的标定步骤如下:
确定存在所述目标物体的标定图像,所述标定图像无积水;
检测所述用户针对所述标定图像设置的所述目标物体所在的区域;
将所述设置的所述目标物体所在的区域标定为所述目标物体区域;所述目标物体区域包括所述目标物体的高度以及宽度。
5.根据权利要求3所述的方法,其中,所述目标物体的目标物体区域的标定步骤如下:
确定存在所述目标物体的标定图像,所述标定图像无积水;
将所述标定图像输入训练获得的区域检测模型,检测获得所述目标物体的所在的区域;
将所述目标物体的所在的区域标定为所述目标物体区域。
6.根据权利要求2所述的方法,其中,所述高度标定对象包括标定的目标物体;所述高度标定对象关联的基准高度信息包括:所述目标物体关联的积水高度阈值;
所述基于图像识别算法,确定所述待识别图像中的积水检测信息,包括:
基于轮廓检测算法,检测获得所述待识别图像中的目标物体在所述待识别图像中的轮廓;
根据所述轮廓,确定所述目标物体在所述待识别图像中的检测顶部位置以及检测底部位置;
获取所述目标物体预先标定的标定顶部位置以及标定底部位置;
基于所述检测顶部位置与所述标定顶部位置的高度对等关系,计算所述检测底部位置相对所述标定底部位置的底部距离;
根据所述底部距离,结合所述标定顶部位置以及标定底部位置,确定所述检测底部位置的检测底部高度;
确定所述检测底部高度为所述待识别图像的积水检测信息;
所述若确定所述积水检测信息满足所述高度标定对象的基准高度信息,则输出所述摄像头位置出现积水的积水预警信息,包括:
若确定所述检测底部高度高于所述积水高度阈值,则输出所述摄像头位置出现积水的积水预警信息。
7.根据权利要求6所述的方法,其中,所述目标物体关联的积水高度阈值标定步骤如下:
确定存在所述目标物体的标定图像,所述标定图像无积水;
检测用户针对所述标定图像设置的标定底部位置以及标定顶部位置;
建立所述标定底部位置以及所述标定顶部位置与所述目标物体的物体高度的关联关系;
根据所述标定底部位置以及所述标定顶部位置,获得所述用户设置的积水高度阈值。
8.根据权利要求6所述的方法,其中,所述目标物体关联的积水高度阈值标定步骤如下:
确定存在所述目标物体的标定图像,所述标定图像无积水;
将所述标定图像输入高度检测模型,检测获得所述目标物体在所述标定图像中的标定顶部位置以及标定底部位置;
利用所述标定顶部位置、所述标定底部位置以及所述目标物体的物体高度,结合高度阈值设置条件,确定所述目标物体的积水高度阈值。
9.根据权利要求1所述的方法,其中,所述积水标定对象为面积标定对象,所述面积标定对象关联有面积转换矩阵以及积水面积阈值;
所述基于图像识别算法,确定所述待识别图像中的积水检测信息,包括:
基于图像轮廓检测算法,检测所述待识别图像中的积水轮廓信息,获得所述积水检测信息;
所述在根据所述积水标定对象以及所述积水检测信息,确定所述待识别图像满足积水预警条件的情况下,输出所述摄像头位置出现积水的积水预警信息,包括:
根据所述积水标定对象关联的面积转换矩阵,计算所述积水轮廓对应的积水面积;
若所述积水面积大于或等于所述积水面积阈值,则输出所述摄像头位置出现积水的积水预警信息。
10.根据权利要求9所述的方法,其中,所述面积标定对象关联有面积转换矩阵以及积水面积阈值,通过以下方式确定:
确定存在所述目标物体的标定图像,所述标定图像无积水;
检测所述标定图像中所述目标物体的标定物体轮廓;
计算所述标定物体轮廓的轮廓面积并获取所述被标定物体轮廓实际对应的物理面积;
根据所述实际物理面积与所述轮廓面积,计算所述面积标定对象关联有面积转换矩阵;
根据所述摄像头对应的采集范围,计算所述标定图像的图像面积;
根据所述图像面积与面积阈值的设置比例的乘积,获得所述标定图像对应的积水面积阈值;
建立所述面积标定对象与所述面积转换矩阵与所述积水面积阈值的关联关系。
11.一种基于图像的积水预警装置,包括:
图像获取单元,用于获取预定位置的摄像头采集的待识别图像;
标定确定单元,用于确定所述待识别图像的积水标定对象;所述积水标定对象为所述待识别图像中的积水检测参照物;
积水检测单元,用于基于图像识别算法,确定所述待识别图像中的积水检测信息;所述积水检测信息为对所述待识别图像中的积水进行数据量化获得;
积水预警单元,用于在根据所述积水标定对象以及所述积水检测信息,确定所述待识别图像满足积水预警条件的情况下,输出所述摄像头位置出现积水的积水预警信息。
12.根据权利要求11所述的装置,其中,所述积水标定对象为高度标定对象,所述高度标定对象关联有基准高度信息;
所述积水预警单元,包括:
第一预警模块,用于若确定所述积水检测信息满足所述高度标定对象的基准高度信息,则输出所述摄像头位置出现积水的积水预警信息。
13.根据权利要求12所述的装置,其中,所述高度标定对象包括标定的目标物体;所述高度标定对象关联的基准高度信息包括:所述目标物体关联的积水预警线;
所述积水检测单元,包括:
物体检测模块,用于基于目标检测算法,检测所述待识别图像中的目标物体;
区域获取模块,用于获取所述目标物体预先标定的目标物体区域;
局部获取模块,用于从所述待识别图像中确定所述目标物体区域对应的物体局部图像;
线段识别模块,用于识别所述物体局部图像中的水面线段,获得所述积水检测信息;
所述第一预警模块,包括:
第一预警子模块,用于若确定所述水面线段高于所述目标物体关联的积水预警线,则输出所述摄像头位置出现积水的积水预警信息。
14.根据权利要求13所述的装置,还包括:
第一确定单元,用于确定存在所述目标物体的标定图像,所述标定图像无积水;
第一检测单元,用于检测所述用户针对所述标定图像设置的所述目标物体所在的区域;
第一设置单元,用于将所述设置的所述目标物体所在的区域标定为所述目标物体区域;所述目标物体区域包括所述目标物体的高度以及宽度。
15.根据权利要求13所述的装置,还包括:
第二确定单元,用于确定存在所述目标物体的标定图像,所述标定图像无积水;
第二检测单元,用于将所述标定图像输入训练获得的区域检测模型,检测获得所述目标物体所在的区域;
第二设置单元,用于将所述目标物体的所在的区域标定为所述目标物体区域。
16.根据权利要求12所述的装置,其中,所述高度标定对象包括标定的目标物体;所述高度标定对象关联的基准高度信息,包括:所述目标物体关联的积水高度阈值;
所述积水检测单元,包括:
轮廓检测模块,用于基于轮廓检测算法,检测获得所述待识别图像中的目标物体在所述待识别图像中的轮廓;
位置检测模块,用于根据所述轮廓,确定所述目标物体在所述待识别图像中的检测顶部位置以及检测底部位置;
位置标定模块,用于获取所述目标物体预先标定的标定顶部位置以及标定底部位置;
距离确定模块,用于基于所述检测顶部位置与所述标定顶部位置的高度对等关系,计算所述检测底部位置相对所述标定底部位置的底部距离;
高度确定模块,用于根据所述底部距离,结合所述标定顶部位置以及标定底部位置,确定所述检测底部位置的检测底部高度;
信息确定模块,用于确定所述检测底部高度为所述待识别图像的积水检测信息;
所述第一预警模块,包括:
第二预警子单元,用于若确定所述检测底部高度高于所述积水高度阈值,则输出所述摄像头位置出现积水的积水预警信息。
17.根据权利要求16所述的装置,还包括:
第三确定单元,用于确定存在所述目标物体的标定图像,所述标定图像无积水;
位置检测单元,用于检测用户针对所述标定图像设置的标定底部位置以及标定顶部位置;
第一关联单元,用于建立所述标定底部位置以及所述标定顶部位置与所述目标物体的物体高度的关联关系;
阈值确定单元,用于检测所述用户,结合所述物体高度,针对所述标定底部位置以及所述标定顶部位置之间设置的积水高度阈值。
18.根据权利要求16所述的装置,还包括:
第四确定单元,用于确定存在所述目标物体的标定图像;所述标定图像无积水;
模型检测单元,用于将所述标定图像输入高度检测模型,检测获得所述目标物体在所述标定图像中的标定顶部位置以及标定底部位置;
高度阈值单元,用于利用所述标定顶部位置、所述标定底部位置以及所述目标物体的物体高度,结合高度阈值设置条件,确定所述目标物体的积水高度阈值。
19.根据权利要求11所述的装置,其中,所述积水标定对象为面积标定对象,所述面积标定对象关联有面积转换矩阵以及积水面积阈值;
所述积水检测单元,包括:
轮廓检测模块,用于基于图像轮廓检测算法,检测所述待识别图像中的积水轮廓信息,获得所述积水检测信息;
所述积水预警单元,包括:
面积计算模块,用于根据所述积水标定对象关联的面积转换矩阵,计算所述积水轮廓对应的积水面积;
面积预警模块,用于若所述积水面积大于或等于所述积水面积阈值,则输出所述摄像头位置出现积水的积水预警信息。
20.根据权利要求19所述的装置,还包括:
第五确定单元,用于确定存在所述目标物体的标定图像,所述标定图像无积水;
轮廓检测单元,用于检测所述标定图像中所述目标物体的标定物体轮廓;
实际面积单元,用于计算所述标定物体轮廓的轮廓面积并获取所述被标定物体轮廓实际对应的物理面积;
矩阵计算单元,用于根据所述实际物理面积与所述轮廓面积,计算所述面积标定对象关联有面积转换矩阵;
面积计算单元,用于根据所述摄像头对应的采集范围,计算所述标定图像的图像面积;
面积阈值单元,用于根据所述图像面积与面积阈值的设置比例的乘积,获得所述标定图像对应的积水面积阈值;
第二关联单元,用于建立所述面积标定对象与所述面积转换矩阵与所述积水面积阈值的关联关系。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
23.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-10中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111668158.2A CN114332487A (zh) | 2021-12-31 | 2021-12-31 | 基于图像的积水预警方法、装置、设备、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111668158.2A CN114332487A (zh) | 2021-12-31 | 2021-12-31 | 基于图像的积水预警方法、装置、设备、存储介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332487A true CN114332487A (zh) | 2022-04-12 |
Family
ID=81021166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111668158.2A Pending CN114332487A (zh) | 2021-12-31 | 2021-12-31 | 基于图像的积水预警方法、装置、设备、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332487A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375683A (zh) * | 2022-10-24 | 2022-11-22 | 江西省大气探测技术中心 | 基于图像处理的涝点检测方法、系统、存储介质及设备 |
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
- 2021-12-31 CN CN202111668158.2A patent/CN114332487A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375683A (zh) * | 2022-10-24 | 2022-11-22 | 江西省大气探测技术中心 | 基于图像处理的涝点检测方法、系统、存储介质及设备 |
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 |
---|---|---|
CN114332487A (zh) | 基于图像的积水预警方法、装置、设备、存储介质及产品 | |
CN110472580B (zh) | 基于全景影像的检测车位的方法、装置、存储介质 | |
CN113205037B (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
CN112507956A (zh) | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 | |
CN117036457A (zh) | 一种屋顶面积的测量方法、装置、设备及存储介质 | |
CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN112902911A (zh) | 基于单目相机的测距方法、装置、设备及存储介质 | |
CN113011316B (zh) | 一种镜头状态的检测方法、装置、电子设备和介质 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115526837A (zh) | 一种异常行车检测方法、装置、电子设备以及介质 | |
CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
CN115239700A (zh) | 一种脊椎Cobb角测量方法、装置、设备及存储介质 | |
CN113989300A (zh) | 车道线分割的方法、装置、电子设备和存储介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
CN114882461B (zh) | 设备环境识别方法、装置、电子设备和自动驾驶车辆 | |
CN112507951B (zh) | 指示灯识别方法、装置、设备、路侧设备和云控平台 | |
CN117853614A (zh) | 高精地图元素变更情况的检测方法、装置和车辆 | |
CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
CN113378850B (zh) | 模型训练方法、路面损伤分割方法、装置和电子设备 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 |
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 |