CN114494680A - 积水检测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明提供了积水检测方法、装置、设备及存储介质，该方法包括：以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡；根据各所述荧光贴纸是否被遮挡，计算待检测区域的积水水位高度。本发明能够解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

Description

积水检测方法、装置、设备及存储介质

技术领域

本发明涉及图像处理领域，具体地说，涉及积水检测方法、装置、设备及存储介质。

背景技术

社区物业和一些特殊行业企业因为实际生产和使用的需求，会拥有数量庞大的地下室，常常被用来存贮货物或其他重要物品。此类地下室一般光照条件有限，常态下为黑暗环境。由于雨季或是水管破裂等不可控因素，一旦地下室发生积水常常会给业主带来不可挽回的损失。

现阶段，在智能视频算法领域中未找到在黑暗环境下检测地下室积水的相关技术。目前的积水检测都是针对光照条件下的路面积水进行检测。

目前的路面积水检测方法除了市面上常见的部署传感设备等，智能视频领域主要有以下两种。第一种是使用预先训练好的目标检测或语义分割模型对图像进行检测，此方法逻辑简单，但是由于积水形状差异巨大无法穷尽，且由于积水颜色会随着背景和光照的改变而变化，会导致模型检测精确率很低。第二种，则是使用图像空间转换+目标检测或语义分割模型，将图像中符合积水颜色阈值的部分特征提取后再使用预先训练好的模型进行推理。同样，此种方法对于积水颜色很敏感，对于不同的光照和环境必须频繁调整阈值，且同样因为积水形状无法穷尽而会导致预先训练的模型效果不佳。在光线不足的黑暗环境下，实际情况更为复杂。

由此，如何解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等是本领域技术人员亟待解决的技术问题。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

针对现有技术中的问题，本发明的目的在于提供积水检测方法、装置、设备及存储介质，克服了现有技术的困难，解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

本发明的实施例提供一种积水检测方法，包括：

以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；

在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；

根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡；

根据各所述荧光贴纸是否被遮挡，计算待检测区域的积水水位高度。

在本发明的一些实施例中，所述在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块包括：

对所获取的多个图像块进行颜色空间转换。

在本发明的一些实施例中，所述在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块包括如下遍历方式中的一种：

按所述荧光贴纸的刻度，由大至小在所述图像中，遍历所述荧光贴纸的位置信息；

按所述荧光贴纸的刻度，由小至大在所述图像中，遍历所述荧光贴纸的位置信息；

按所述荧光贴纸的刻度，由设定位置处开始，遍历所述荧光贴纸的位置信息，其中，遍历方向根据所述设定位置处的所述荧光贴纸是否被遮挡确定。

在本发明的一些实施例中，所述遍历方向根据如下步骤确定：

若所述设定位置处的所述荧光贴纸被遮挡，则将自设定位置处向小刻度的方向作为所述遍历方向；

若所述设定位置处的所述荧光贴纸未被遮挡，则将自设定位置处向大刻度的方向作为所述遍历方向。

在本发明的一些实施例中，所述根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡：

计算所述图像块中目标像素点的数量，所述目标像素点为像素值在第一颜色阈值范围内的像素点；

计算所述目标像素点的数量与所述图像块中像素点总数量的比值；

当所计算的比值大于等于第二比例阈值时，确定所述图像块未被遮挡；

当所计算的比值小于第二比例阈值时，确定所述图像块被遮挡。

在本发明的一些实施例中，所述待检测区域的积水水位高度等于刻度总数减去被遮挡的荧光贴纸的最大刻度。

在本发明的一些实施例中，还包括：

若所述待检测区域的当前积水水位高度与所述待检测区域的前一积水水位高度之差大于第三设定阈值，则生成积水告警信息。

根据本发明的又一方面，还提供一种积水检测装置，包括：

采集模块，配置成以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；

图像块获取模块，配置成在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；

遮挡确定模块，配置成根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡；

积水水位计算模块，配置成根据各所述荧光贴纸是否被遮挡，计算待检测区域的积水水位高度。

根据本发明的又一方面，还提供一种积水检测处理设备，包括：

处理器；

存储器，其中存储有所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行如上所述积水检测方法的步骤。

本发明的实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现上述积水检测方法的步骤。

相比现有技术，本发明的目的在于：

一方面，利用荧光条在黑暗中反光的特性，使得本发明可在黑暗环境中使用；另一方面，利用相同荧光条在摄像头红外模式下颜色范围一定的特性，无需频繁修改模型颜色阈值，受背景环境颜色影响小；再一方面，使用对荧光条的检测代替深度学习，节省制作数据集的步骤，避免了因积水形态各异而导致深度学习模型推理效果不佳，缩短开发周期，节约开发资源，降本增效；又一方面，利用单次水位上涨深度检验方法，来计算积水上涨速度，从而判断是否是真的存在积水还是刻度线被遮挡等情况，增加了检测方法的稳定性，还可以计算水位高度；又一方面，无需部署大量额外的物联网传感器装置。由此，解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1是一种积水检测方法的流程图。

图2是本发明的积水检测方法的一种实施例的流程图。

图3是本发明的积水检测方法的又一种实施例的流程图。

图4是本发明的积水检测方法的具体实施例的流程图。

图5是本发明的积水检测装置的一种实施例的模块示意图。

图6是本发明的积水检测装置的另一种实施例的模块示意图。

图7是本发明的积水检测设备的结构示意图。

图8是本发明一实施例的计算机可读存储介质的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。

下面参见图1，图1是一种积水检测方法的流程图。其使用图像空间转换结合目标检测或语义分割模型，来将图像中符合积水颜色阈值的部分特征提取后再使用预先训练好的模型进行推理。首先，步骤S101采集图像，然后步骤S102进行图像校正，步骤S103对校正后的图像进行颜色空间变换，步骤S104对像素点颜色特性和饱和度进行分析，步骤S105 保留符合设定阈值的像素点，步骤S106对保留的像素点进行形态学操作，步骤S107在形态学操作后进行联通区域分析，步骤S108去除面积小于阈值的图像块，步骤S109对剩余的图像块做轮廓复杂度分析，步骤S110 利用白天光照条件的预训练模型进行推理。然而，该种方法对于积水颜色很敏感，对于不同的光照和环境必须频繁调整阈值，且同样因为积水形状无法穷尽而会导致预先训练的模型效果不佳。在光线不足的黑暗环境下，实际情况更为复杂。

参见图2，图2是本发明的积水检测方法的一种实施例的流程图。本发明的实施例提供一种积水检测方法，包括以下步骤：

步骤S210：以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息。

具体而言，荧光贴纸在待检测区域用作长度的标尺，沿积水的上涨方向，以此排列，以由大至小表示对应标尺处的刻度。在一些实施例中，各荧光贴纸之间的距离可以相同，从而各贴纸标识可以按贴纸的位置由大至小均匀增长。在又一些实施例中，各荧光贴纸之间的距离可以不同，从而各贴纸标识可以按贴纸的位置由大至小进行增长，增长的幅度与贴纸之间的距离正相关。本申请可以实现更多的荧光贴纸的使用方式，在此不予赘述。

具体而言，荧光贴纸可以为长条型或其它形状。具体而言，按荧光贴纸的形状，可以提供对应的位置信息。例如，对于长条型的荧光贴纸，可以提供荧光贴纸的各个顶点(或者设定顶点)的横纵坐标信息。在一些实施例中，可以将矩形的左上角和右下角在图像中的横纵坐标作为该荧光贴纸的位置信息。若荧光贴纸为其它多边形，则可以获取多边形的每个顶点的横纵坐标为位置信息。本申请并非以此为限制。

在一些实施例中，位置信息例如可以指示荧光贴纸在待检测区域的位置。在另一些实施例中，位置信息也可以指示荧光贴纸在拍摄待检测区域的图像中的位置。例如，可以在待检测区域未积水时，通过采集模块，采集待检测区域的图像，以获得荧光贴纸在该图像中的位置。进一步地，积水检测时，可以采用同一拍摄视野的采集模块，采集待检测区域的图像，从而能够获得对应一致的图像，以便于进行积水检测。

步骤S220：在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块。

具体而言，步骤S220可以按如下遍历方式中的一种进行遍历：按所述荧光贴纸的刻度，由大至小在所述图像中，遍历所述荧光贴纸的位置信息；按所述荧光贴纸的刻度，由小至大在所述图像中，遍历所述荧光贴纸的位置信息；按所述荧光贴纸的刻度，由设定位置处开始，遍历所述荧光贴纸的位置信息，其中，遍历方向根据所述设定位置处的所述荧光贴纸是否被遮挡确定。

具体而言，在由小至大遍历的场景中，若当前荧光贴纸未被遮挡，则向大刻度的方向获取下一荧光贴纸，以判断下一荧光贴纸是否被遮挡；若当前荧光贴纸被遮挡，且根据由小至大的遍历方式，当前荧光贴纸为刚好被遮挡的荧光贴纸，积水水位大致在当前荧光贴纸/上一荧光贴纸处。

具体而言，在由大至小遍历的场景中，若当前荧光贴纸被遮挡，则向小刻度的方向获取下一荧光贴纸，以判断下一荧光贴纸是否被遮挡；若当前荧光贴纸未被遮挡，且根据由大至小的遍历方式，当前荧光贴纸为刚未好被遮挡的荧光贴纸，积水水位大致在当前荧光贴纸/上一荧光贴纸处。

具体而言，在按所述荧光贴纸的刻度，由设定位置处开始，遍历所述荧光贴纸的位置信息的实施例中，所述遍历方向根据如下步骤确定：若所述设定位置处的所述荧光贴纸被遮挡，则将自设定位置处向小刻度的方向作为所述遍历方向；若所述设定位置处的所述荧光贴纸未被遮挡，则将自设定位置处向大刻度的方向作为所述遍历方向。

步骤S230：根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡。

步骤S240：根据各所述荧光贴纸是否被遮挡，计算待检测区域的积水水位高度。

本发明一方面，利用荧光条在黑暗中反光的特性，使得本发明可在黑暗环境中使用；另一方面，利用相同荧光条在摄像头红外模式下颜色范围一定的特性，无需频繁修改模型颜色阈值，受背景环境颜色影响小；再一方面，使用对荧光条的检测代替深度学习，节省制作数据集的步骤，避免了因积水形态各异而导致深度学习模型推理效果不佳，缩短开发周期，节约开发资源，降本增效；又一方面，利用单次水位上涨深度检验方法，来计算积水上涨速度，从而判断是否是真的存在积水还是刻度线被遮挡等情况，增加了检测方法的稳定性，还可以计算水位高度；又一方面，无需部署大量额外的物联网传感器装置。由此，解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

下面参见图3，图3是本发明的积水检测方法的另一种实施例的流程图。如图3所示，该积水检测方法，包括：

步骤S310：以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；

步骤S320：在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；

步骤S330：对所获取的多个图像块进行颜色空间转换。

步骤S340：计算所述图像块中目标像素点的数量，所述目标像素点为像素值在第一颜色阈值范围内的像素点；

步骤S350：计算所述目标像素点的数量与所述图像块中像素点总数量的比值；

步骤S360：当所计算的比值大于等于第二比例阈值时，确定所述图像块未被遮挡；

步骤S370：当所计算的比值小于第二比例阈值时，确定所述图像块被遮挡；

步骤S380：使所述待检测区域的积水水位高度等于刻度总数减去被遮挡的荧光贴纸的最大刻度；

步骤S390：若所述待检测区域的当前积水水位高度与所述待检测区域的前一积水水位高度之差大于第三设定阈值，则生成积水告警信息。

由此，针对上述路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度的缺点，本发明提出了一种在摄像头红外模式下利用荧光条贴纸的反光条纹作为刻度线标尺，再结合视觉图像颜色空间转换、图像形态学操作以及单次水位上涨深度检验方法来判断黑暗环境中地下室是否存在积水并输出积水深度的方法。具体而言，步骤S330的颜色空间转换中的颜色空间是指使用不同的度量来描述颜色，常见的有RGB。颜色空间转换是指对S320中获取到的多个图像块改变其原来的颜色空间，使得在S330中能够更好地区分出荧光条像素和其他像素，以便于计算荧光条像素的数量。步骤S340中可以执行形态学操作。形态学操作是指在经过S330提取荧光条像素之后，可能存在荧光像素点大面积聚集但是零星像素点周边分布的情况。此时需要使用形态学操作，对所提取的所有荧光像素点进行腐蚀或膨胀(视情况而定)，即对零星荧光像素进行去除或扩张荧光像素数量使得所有像素联接在一起。

本实施例采用荧光条贴纸的反光条纹作为刻度线标尺，由于相同荧光条在红外模式下的颜色是一定的，所以无需频繁修改颜色空间转换阈值。另外，本发明未使用深度学习模型，而是检测荧光条刻度是否消失，避免了因积水形态各异而导致深度学习模型推理效果不佳，缩短开发周期，节约开发资源，降本增效。最后，本发明使用首创的单次水位上涨深度检验方法，来计算积水上涨速度，从而判断是否是真的存在积水还是刻度线被遮挡等情况，增加了检测方法的稳定性。

下面参见图4，图4是本发明的积水检测方法的具体实施例的流程图。以4共示出如下步骤：

步骤S401：图像输入。

具体而言，输入的图像可以是未积水时待检测区域的图像。

步骤S402：预先标记处图像中荧光条可读像素块区域位置集合T作为标尺。

步骤S403：按标尺由小至大遍历图像中的荧光条对应的像素块区域。

步骤S404：在待检测图像中按上述遍历方向，取出下一个标尺tk区域位置所对应的图像块。

步骤S405：对此图像块进行颜色空间转换。

步骤S406：统计符合第一颜色阈值(此阈值可以根据实际场景测算实验得到)的像素点个数Sk。

步骤S407：计算Sk和图像快像素点总数之比。

步骤S408：判断所计算的比值是否大于等于第二阈值(此阈值可以设置为0.5，可以根据实际调整)。

若步骤S408判断为是，则说明当前刻度tk可以被检测出并未被积水覆盖，因此，回到步骤S404，以取出下一个标尺的图像块进行判断。

若步骤S408判断为否，则说明当前标尺tk无法被检测出，可能存在积水情况，因此，执行步骤S409：计算标尺T的总数n与当前标尺下标 k的差值Rk作为当前的水位高度。

步骤S410：计算当前水位高度与上次水位高度之差。

步骤S411：判断所计算的差值是否小于第三阈值。

若步骤S411判断为是，则执行步骤S412：将当前水位高度赋值给上次水位高度。步骤S413：进行积水告警，并输出积水高度。

若步骤S411判断为否，则执行步骤S414：输出积水上涨告警。

在一些实施例中，若步骤S411判断为否，则可能说明水位上涨速度过快，与实际情况不符，可能存在刻度标尺tk被遮挡的情况，未发生积水。由此，当收到积水上涨告警时，可以通过进一步的图像处理算法/人工的方式进行积水高度的判断。

以上仅仅是示意性地描述本发明的具体实现方式，本发明并非也以此为限制，步骤的拆分、合并、执行顺序的变化、模块的拆分、合并、信息传输的变化皆在本发明的保护范围之内。

图5是本发明的积水检测装置的一种实施例的模块示意图。本发明的积水检测装置500，如图5所示，包括但不限于：采集模块510、图像块获取模块520、遮挡确定模块530以及积水水位计算模块540。

采集模块510配置成以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；

图像块获取模块520配置成在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；

遮挡确定模块530配置成根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡；

积水水位计算模块540配置成根据各所述荧光贴纸是否被遮挡，计算待检测区域的积水水位高度。

上述模块的实现原理参见积水检测方法中的相关介绍，此处不再赘述。

本发明的积水检测装置一方面，利用荧光条在黑暗中反光的特性，使得本发明可在黑暗环境中使用；另一方面，利用相同荧光条在摄像头红外模式下颜色范围一定的特性，无需频繁修改模型颜色阈值，受背景环境颜色影响小；再一方面，使用对荧光条的检测代替深度学习，节省制作数据集的步骤，避免了因积水形态各异而导致深度学习模型推理效果不佳，缩短开发周期，节约开发资源，降本增效；又一方面，利用单次水位上涨深度检验方法，来计算积水上涨速度，从而判断是否是真的存在积水还是刻度线被遮挡等情况，增加了检测方法的稳定性，还可以计算水位高度；又一方面，无需部署大量额外的物联网传感器装置。由此，解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

图6是本发明的积水检测装置的另一种实施例的模块示意图。本发明的积水检测装置600包括但不限于：。

采集模块601，用于以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；

图像块获取模块602，用于在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；

转换模块603，用于对所获取的多个图像块进行颜色空间转换。

第一计算模块604，用于计算所述图像块中目标像素点的数量，所述目标像素点为像素值在第一颜色阈值范围内的像素点；

第二计算模块605，用于计算所述目标像素点的数量与所述图像块中像素点总数量的比值；

遮挡确定模块606，用于当所计算的比值大于等于第二比例阈值时，确定所述图像块未被遮挡；

未遮挡确定模块607，用于当所计算的比值小于第二比例阈值时，确定所述图像块被遮挡；

水位计算模块608，用于使所述待检测区域的积水水位高度等于刻度总数减去被遮挡的荧光贴纸的最大刻度；

告警模块609，用于当所述待检测区域的当前积水水位高度与所述待检测区域的前一积水水位高度之差大于第三设定阈值，则生成积水告警信息。

上述模块的实现原理参见积水检测方法中的相关介绍，此处不再赘述。

图5和图6仅仅是示意性的分别示出本发明提供的积水检测装置500 以及600，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的积水检测装置500以及600可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。

本发明实施例还提供一种积水检测处理设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的积水检测方法的步骤。

如上所示，该实施例本发明的积水检测处理设备一方面，利用荧光条在黑暗中反光的特性，使得本发明可在黑暗环境中使用；另一方面，利用相同荧光条在摄像头红外模式下颜色范围一定的特性，无需频繁修改模型颜色阈值，受背景环境颜色影响小；再一方面，使用对荧光条的检测代替深度学习，节省制作数据集的步骤，避免了因积水形态各异而导致深度学习模型推理效果不佳，缩短开发周期，节约开发资源，降本增效；又一方面，利用单次水位上涨深度检验方法，来计算积水上涨速度，从而判断是否是真的存在积水还是刻度线被遮挡等情况，增加了检测方法的稳定性，还可以计算水位高度；又一方面，无需部署大量额外的物联网传感器装置。由此，解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。

图7是本发明的积水检测处理设备的结构示意图。下面参照图7来描述根据本发明的这种实施方式的电子设备700。图7显示的电子设备700 仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备 700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同平台组件(包括存储单元720和处理单元710)的总线 730、显示单元740等。

其中，存储单元存储有程序代码，程序代码可以被处理单元710执行，使得处理单元710执行本说明书上述积水检测方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元710可以执行如图2中所示的步骤。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备7001(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备 700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器960可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。

本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的积水检测方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述积水检测方法部分中描述的根据本发明各种示例性实施方式的步骤。

如上所示，该实施例的用以执行积水检测的计算机可读存储介质一方面，利用荧光条在黑暗中反光的特性，使得本发明可在黑暗环境中使用；另一方面，利用相同荧光条在摄像头红外模式下颜色范围一定的特性，无需频繁修改模型颜色阈值，受背景环境颜色影响小；再一方面，使用对荧光条的检测代替深度学习，节省制作数据集的步骤，避免了因积水形态各异而导致深度学习模型推理效果不佳，缩短开发周期，节约开发资源，降本增效；又一方面，利用单次水位上涨深度检验方法，来计算积水上涨速度，从而判断是否是真的存在积水还是刻度线被遮挡等情况，增加了检测方法的稳定性，还可以计算水位高度；又一方面，无需部署大量额外的物联网传感器装置。由此，解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

图8是本发明的计算机可读存储介质的结构示意图。参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如 Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

综上，本申请一方面，利用荧光条在黑暗中反光的特性，使得本发明可在黑暗环境中使用；另一方面，利用相同荧光条在摄像头红外模式下颜色范围一定的特性，无需频繁修改模型颜色阈值，受背景环境颜色影响小；再一方面，使用对荧光条的检测代替深度学习，节省制作数据集的步骤，避免了因积水形态各异而导致深度学习模型推理效果不佳，缩短开发周期，节约开发资源，降本增效；又一方面，利用单次水位上涨深度检验方法，来计算积水上涨速度，从而判断是否是真的存在积水还是刻度线被遮挡等情况，增加了检测方法的稳定性，还可以计算水位高度；又一方面，无需部署大量额外的物联网传感器装置。由此，解决路面积水检测无法在黑暗中检测积水、积水颜色会随着背景和光照改变而要频繁调整模型阈值、积水形态差异巨大无法穷尽而导致深度学习模型学习效果不佳且无法检测积水深度等问题。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种积水检测方法，其特征在于，包括：

以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；

在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；

根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡；

根据各所述荧光贴纸是否被遮挡，计算待检测区域的积水水位高度。

2.根据权利要求1所述的积水检测方法，其特征在于，所述在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块包括：

对所获取的多个图像块进行颜色空间转换。

3.根据权利要求1所述的积水检测方法，其特征在于，所述在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块包括如下遍历方式中的一种：

按所述荧光贴纸的刻度，由大至小在所述图像中，遍历所述荧光贴纸的位置信息；

按所述荧光贴纸的刻度，由小至大在所述图像中，遍历所述荧光贴纸的位置信息；

按所述荧光贴纸的刻度，由设定位置处开始，遍历所述荧光贴纸的位置信息，其中，遍历方向根据所述设定位置处的所述荧光贴纸是否被遮挡确定。

4.根据权利要求3所述的积水检测方法，其特征在于，所述遍历方向根据如下步骤确定：

若所述设定位置处的所述荧光贴纸被遮挡，则将自设定位置处向小刻度的方向作为所述遍历方向；

若所述设定位置处的所述荧光贴纸未被遮挡，则将自设定位置处向大刻度的方向作为所述遍历方向。

5.根据权利要求1所述的积水检测方法，其特征在于，所述根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡：

计算所述图像块中目标像素点的数量，所述目标像素点为像素值在第一颜色阈值范围内的像素点；

计算所述目标像素点的数量与所述图像块中像素点总数量的比值；

当所计算的比值大于等于第二比例阈值时，确定所述图像块未被遮挡；

当所计算的比值小于第二比例阈值时，确定所述图像块被遮挡。

6.根据权利要求1所述的积水检测方法，其特征在于，所述待检测区域的积水水位高度等于刻度总数减去被遮挡的荧光贴纸的最大刻度。

7.根据权利要求1所述的积水检测方法，其特征在于，还包括：

若所述待检测区域的当前积水水位高度与所述待检测区域的前一积水水位高度之差大于第三设定阈值，则生成积水告警信息。

8.一种积水检测装置，其特征在于，包括：

采集模块，配置成以红外线模式，采集待检测区域的图像，所述待检测区域贴附有用作刻度的荧光贴纸，各所述荧光贴纸关联有贴纸标识以及位置信息；

图像块获取模块，配置成在所述图像中，遍历所述荧光贴纸的位置信息，以获取多个图像块；

遮挡确定模块，配置成根据所获取的图像块的各像素点的像素值，确定各所述图像块对应的荧光贴纸是否被遮挡；

积水水位计算模块，配置成根据各所述荧光贴纸是否被遮挡，计算待检测区域的积水水位高度。

9.一种积水检测处理设备，其特征在于，包括：

处理器；

存储器，其中存储有所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任意一项所述积水检测方法的步骤。

10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至7任意一项所述积水检测方法的步骤。

Images