CN114973605A - 一种道路山体滑坡预警的方法、装置、设备及介质 - Google Patents
一种道路山体滑坡预警的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114973605A CN114973605A CN202210552362.6A CN202210552362A CN114973605A CN 114973605 A CN114973605 A CN 114973605A CN 202210552362 A CN202210552362 A CN 202210552362A CN 114973605 A CN114973605 A CN 114973605A
- Authority
- CN
- China
- Prior art keywords
- mountain
- image
- images
- abnormal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 84
- 230000004044 response Effects 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002547 anomalous effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 abstract description 16
- 238000012423 maintenance Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Alarm Systems (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
Abstract
本发明提供了一种道路山体滑坡预警的方法、装置、设备及可读介质,方法包括:构建正常情况下山体的图像数据库;每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。通过使用本发明的方案,能够大范围布置一个监测预警网,能够及时准确的对山体滑坡进行预警,能够减少人员和财产的损失,维护时间和人力成本低。
Description
技术领域
本发明涉及计算机领域,并且更具体地涉及一种道路山体滑坡预警的方法、装置、设备及可读介质。
背景技术
山体滑坡是指在一定重力作用下,山体比较软的结构面出现剪切位移,从而向下移动的现象。通俗一点就是山体较软的地方出现塌陷或倒塌的现象。很多地区多山且山体滑坡灾害频发,频繁的地质灾害对交通运输和人们的生命财产安全带来了极大地安全隐患。而公路及铁路运输承担着陆上绝大部分的交通运输任务,因此对可能影响道路交通的山体滑坡进行监测和预警是十分重要且必要的。
山体滑坡监测预警是通过各种技术来监测山体状态,及时捕捉滑坡灾害的特征信息,以便在山体滑坡灾害发生时及时发出警报。已有的山体滑坡监测技术主要基于位移监测、物理场监测和地下水监测等,设备布置复杂且困难,人力成本高,且监测效率不高,不适合大范围推广。
发明内容
有鉴于此,本发明实施例的目的在于提出一种道路山体滑坡预警的方法、装置、设备及可读介质,通过使用本发明的技术方案,能够大范围布置一个监测预警网,能够及时准确的对山体滑坡进行预警,能够减少人员和财产的损失,维护时间和人力成本低。
基于上述目的,本发明的实施例的一个方面提供了一种道路山体滑坡预警的方法,包括以下步骤:
构建正常情况下山体的图像数据库;
每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;
响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;
监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
根据本发明的一个实施例,构建正常情况下山体的图像数据库包括:
在不同的天气环境下每间隔10分钟拍摄一张山体的图像,其中不同的天气环境包括下雨、下雪、大雾和雾霾,时间范围包括一天内的不同时段;
在图像中标注图像的天气情况和拍摄时间。
根据本发明的一个实施例,每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常包括:
每间隔3分钟采集山体图像,并获取采集山体图像的天气情况和拍摄时间;
基于采集山体图像的天气情况和拍摄时间在图像数据库中找到天气情况和拍摄时间最接近的图像;
使用预设的图像异常检测模型将采集到的图像和最接近的图像进行对比分析以判断采集到的图像是否发生异常。
根据本发明的一个实施例,还包括:
响应于确定采集到的山体图像未发生异常,将采集到的图像和图像的采集时间存储到数据库中。
根据本发明的一个实施例,还包括:
响应于确定采集到的山体图像发生异常,将采集图像的频率增加到每10秒采集一次山体图像。
根据本发明的一个实施例,监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端包括:
将山体所在地点、编号和山体滑板严重等级的信息发布到救援中心;
将山体所在地点、编号和山体滑板严重等级的信息发布到山体所在区域的手机导航APP和车载智能终端。
根据本发明的一个实施例,还包括:
使用预设的图像识别模型识别异常图像中的人和车辆以确认是否有人员车辆受灾;
响应于在异常图像中识别到人或车辆,将预警信息发送到急救中心。
本发明的实施例的另一个方面,还提供了一种道路山体滑坡预警的装置,装置包括:
构建模块,构建模块配置为构建正常情况下山体的图像数据库;
判断模块,判断模块配置为每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;
发送模块,发送模块配置为响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;
预警模块,预警模块配置为监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
本发明的实施例的另一个方面,还提供了一种计算机设备,该计算机设备包括:
至少一个处理器;以及
存储器,存储器存储有可在处理器上运行的计算机指令,指令由处理器执行时实现上述任意一项方法的步骤。
本发明的实施例的另一个方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述任意一项方法的步骤。
本发明具有以下有益技术效果:本发明实施例提供的道路山体滑坡预警的方法,通过构建正常情况下山体的图像数据库;每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端的技术方案,能够大范围布置一个监测预警网,能够及时准确的对山体滑坡进行预警,能够减少人员和财产的损失,维护时间和人力成本低。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例。
图1为根据本发明一个实施例的道路山体滑坡预警的方法的示意性流程图;
图2为根据本发明一个实施例的道路山体滑坡预警系统的示意图;
图3为根据本发明一个实施例的道路山体滑坡预警的装置的示意图;
图4为根据本发明一个实施例的计算机设备的示意图;
图5为根据本发明一个实施例的计算机可读存储介质的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
基于上述目的,本发明的实施例的第一个方面,提出了一种道路山体滑坡预警的方法的一个实施例。图1示出的是该方法的示意性流程图。
如图1中所示,该方法可以包括以下步骤:
S1构建正常情况下山体的图像数据库。
需要构建山体在未发生异常状态下的图像数据库,需要在不同的天气环境下每间隔10分钟拍摄一张山体的图像,其中不同的天气环境包括下雨、下雪、大雾和雾霾等天气情况,时间范围包括一天内的不同时段,即下雪天的24小时中,每10分钟拍摄一张山体图像,依次类推,在图像中标注图像的天气情况和拍摄时间。
S2每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常。
通过监控设备每间隔3分钟采集山体图像,并获取采集山体图像的天气情况和拍摄时间,基于采集山体图像的天气情况和拍摄时间在图像数据库中找到天气情况和拍摄时间最接近的图像,使用预设的图像异常检测模型将采集到的图像和最接近的图像进行对比分析以判断采集到的图像是否发生异常。如果确定采集到的山体图像未发生异常,则将采集到的图像和图像的采集时间存储到数据库中。
S3响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心。
将异常图像及其基本信息发送到监控中心的同时还要提高采集图像的频率,例如将采集图像的频率增加到每10秒采集一次山体图像。
S4监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
将山体所在地点、编号和山体滑板严重等级的信息发布到救援中心,同时将上述信息发布到山体所在区域的手机导航APP和车载智能终端,还可以以短信的方式将预警信息发送到范围内的人员的手机中。
通过本发明的技术方案,能够大范围布置一个监测预警网,能够及时准确的对山体滑坡进行预警,能够减少人员和财产的损失,维护时间和人力成本低。
在本发明的一个优选实施例中,构建正常情况下山体的图像数据库包括:
在不同的天气环境下每间隔10分钟拍摄一张山体的图像,其中不同的天气环境包括下雨、下雪、大雾和雾霾,时间范围包括一天内的不同时段;
在图像中标注图像的天气情况和拍摄时间。
在本发明的一个优选实施例中,每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常包括:
每间隔3分钟采集山体图像,并获取采集山体图像的天气情况和拍摄时间;
基于采集山体图像的天气情况和拍摄时间在图像数据库中找到天气情况和拍摄时间最接近的图像;
使用预设的图像异常检测模型将采集到的图像和最接近的图像进行对比分析以判断采集到的图像是否发生异常。图像异常检测模型除了给出图像是否异常即是否发生山体滑坡的分类结果以外,还需要定位异常的位置和大小。根据在模型构建阶段有无神经网络的参与,现有的图像异常检测方法可以分为基于传统方法和基于深度学习的方法两大类别。针对道路山体滑坡情景,由于预设的图像异常检测数据库是指提前采集的设备安装地点的无山体滑坡发生时的正常山体图像,一般这些图像是高度相似的,且异常图像与正常图像之间只会在小部分区域出现区别。因此,预设的图像异常检测算法是比较灵活的,且可以根据用户设置进行更新。
在本发明的一个优选实施例中,还包括:
响应于确定采集到的山体图像未发生异常,将采集到的图像和图像的采集时间存储到数据库中。
在本发明的一个优选实施例中,还包括:
响应于确定采集到的山体图像发生异常,将采集图像的频率增加到每10秒采集一次山体图像。
在本发明的一个优选实施例中,监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端包括:
将山体所在地点、编号和山体滑板严重等级的信息发布到救援中心;
将山体所在地点、编号和山体滑板严重等级的信息发布到山体所在区域的手机导航APP和车载智能终端。
在本发明的一个优选实施例中,还包括:
使用预设的图像识别模型识别异常图像中的人和车辆以确认是否有人员车辆受灾;
响应于在异常图像中识别到人或车辆,将预警信息发送到急救中心。使用预设的图像识别模型识别山体滑坡图像中的人和车辆信息,确认是否有人员车辆受灾。可以增加图像采集频率以更近实时的监控山体滑坡规模以及受灾人员和车辆状况,若有人员车辆受灾,处理器控制数据传输模块将山体滑坡图像及其时间、地点、山体滑坡规模信息、受灾人员和车辆信息发送给监控中心,监控中心接收到这些信息后,发给救援中心,以安排救援人员和医疗资源进行救援。
在一些实施例中,可以使用图2所示系统进行山体滑坡的预警,其中的常规信息采集模块用于采集设备的地点、编号、管理员信息、维护时间信息以及时间信息。图像采集模块用于以用户指定的频率如1分钟一次或3分钟一次进行图像采集,然后传输给处理模块进行处理。处理模块用于处理常规信息采集模块和图像采集模块采集的信息以及用户通过控制模块输入的指令,然后控制图像采集模块、显示模块和数据库进行相应的操作。具体如下:(1)将常规信息采集模块采集的设备的地点、编号、管理员信息、维护时间信息以及时间信息等在显示模块上进行显示,并存储至数据库中。(2)处理图像采集模块采集的图像。主要包括进行图像异常检测,即使用预设的图像异常检测模型将采集到的图像与预设的设备安装地点的图像异常检测数据库中的正常山体图像进行对比分析,如无异常,则判断为无山体滑坡发生,将图像及其时间信息存至数据库中,如有异常,则判断为有山体滑坡发生,将图像及其地点、时间和异常规模信息通过数据传输模块传输给监控中心以供监控中心及时发布预警信息,安排道路抢修,同时使用预设的图像识别模型识别图像中的人和车辆信息,然后将识别结果通过数据传输模块发送给监控中心以供监控中心及时安排救援,另外控制图像采集模块增加图像采集频率以更近实时的监控山体滑坡规模以及受灾人员和车辆状况。(3)处理用户通过控制模块输入的指令,然后控制显示模块或图像采集模块或数据库进行相应的操作,包括1)根据用户指令控制显示模块显示相应的操作选项或图像等;2)根据用户设定的图像采集频率控制图像采集模块的图像采集频率;3)根据用户指令对数据库中的图像进行删除或恢复操作或根据用户设定的频率数据库中的图像进行删除或恢复操作;4)根据用户设置对预设的图像异常检测数据库、预设的图像异常检测模型和预设的图像识别模型进行更新。数据库用于存储用户指令和常规信息采集模块、图像采集模块采集的数据和图像以及预设的图像异常检测模型、图像识别模型和预设的设备安装地点的图像异常检测数据库。其中预设的图像异常检测数据库是指提前采集的设备安装地点的无山体滑坡发生时的山体图像,包含各种天气条件下的、一天的不同时段下的山体图像。控制模块用于用户输入指令,包括用户可以修改设备的地点、编号、管理人员信息和更新维护时间等,用户可以指定图像采集模块的采集频率如每1分钟一次或每3分钟一次等,默认为每3分钟一次,当山体滑坡发生时自动增加采集频率,默认为每10秒一次,用户可以对数据库中的图像进行删除或恢复操作以及设定频率对数据库中的图像进行删除或恢复操作如每3天对过去3天采集的图像进行删除以保证设备中有充足的存储容量,用户可以指定是否自动更新预设的图像异常检测模型,用户可以指定是否自动更新预设的图像识别模型,用户可以指定是否自动更新预设的设备安装地点的图像异常检测数据库。显示模块用于显示设备的地点、编号、管理员信息、维护时间信息、时间信息、图像和用户指令选项等。数据传输模块用于进行设备和监控中心之间的数据和图像传输。监控中心用于接收设备发送的山体滑坡图像及其时间信息以及受灾人员和车辆信息,然后发布预警信息包括山体滑坡时间、地点和规模到移动终端如手机导航app和车载智能终端,同时将受灾人员和车辆状况发送给救援中心以便及时进行救援和道路抢修,监控中心可以有人工值守,也可以无人工值守。
本发明以方便快捷地对山体状态进行持续监测,能及时预警和提供救援为出发点,提供了一种山体滑坡监测预警的方法和系统,与现有技术相比,本发明的有益效果是:
(1)该系统集图像采集、处理、预警和救援于一体。
(2)该系统实用性强,成本低,方便大范围布置,以便建立一个监测预警网。
(3)该系统时效性高,能第一时间了解山体滑坡状况,以便采取相应抢修措施,同时对周围人员和车辆进行预警,另外还可以第一时间了解到山体滑坡现场有无人员和车辆受灾,以决定是否需要采取救援措施。
(4)该系统预设的图像异常检测数据库是针对设备安装地点的,包含设备安装地点各种天气条件下的、一天的不同时段下的正常山体图像,可以提升图像异常检测模型的精度和性能,而且这些正常图像采集起来难度较低,所需时间和人力成本也较低。另外,该预设的图像异常检测数据库是可以更新的。
(5)该系统预设的图像异常检测模型是可以更新的。
(6)该系统预设的图像识别模型是可以更新的。
需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关硬件来完成,上述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中存储介质可为磁碟、光盘、只读存储器(Read-Only Memory,ROM)或随机存取存储器(Random AccessMemory,RAM)等。上述计算机程序的实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外,根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时,执行本发明实施例公开的方法中限定的上述功能。
基于上述目的,本发明的实施例的第二个方面,提出了一种道路山体滑坡预警的装置,如图3所示,装置200包括:
构建模块,构建模块配置为构建正常情况下山体的图像数据库;
判断模块,判断模块配置为每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;
发送模块,发送模块配置为响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;
预警模块,预警模块配置为监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
基于上述目的,本发明实施例的第三个方面,提出了一种计算机设备。图4示出的是本发明提供的计算机设备的实施例的示意图。如图4所示,本发明实施例包括如下装置:至少一个处理器21;以及存储器22,存储器22存储有可在处理器上运行的计算机指令23,指令由处理器执行时实现以下方法:
构建正常情况下山体的图像数据库;
每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;
响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;
监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
在本发明的一个优选实施例中,构建正常情况下山体的图像数据库包括:
在不同的天气环境下每间隔10分钟拍摄一张山体的图像,其中不同的天气环境包括下雨、下雪、大雾和雾霾,时间范围包括一天内的不同时段;
在图像中标注图像的天气情况和拍摄时间。
在本发明的一个优选实施例中,每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常包括:
每间隔3分钟采集山体图像,并获取采集山体图像的天气情况和拍摄时间;
基于采集山体图像的天气情况和拍摄时间在图像数据库中找到天气情况和拍摄时间最接近的图像;
使用预设的图像异常检测模型将采集到的图像和最接近的图像进行对比分析以判断采集到的图像是否发生异常。
在本发明的一个优选实施例中,还包括:
响应于确定采集到的山体图像未发生异常,将采集到的图像和图像的采集时间存储到数据库中。
在本发明的一个优选实施例中,还包括:
响应于确定采集到的山体图像发生异常,将采集图像的频率增加到每10秒采集一次山体图像。
在本发明的一个优选实施例中,监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端包括:
将山体所在地点、编号和山体滑板严重等级的信息发布到救援中心;
将山体所在地点、编号和山体滑板严重等级的信息发布到山体所在区域的手机导航APP和车载智能终端。
在本发明的一个优选实施例中,还包括:
使用预设的图像识别模型识别异常图像中的人和车辆以确认是否有人员车辆受灾;
响应于在异常图像中识别到人或车辆,将预警信息发送到急救中心。
基于上述目的,本发明实施例的第四个方面,提出了一种计算机可读存储介质。图5示出的是本发明提供的计算机可读存储介质的实施例的示意图。如图5所示,计算机可读存储介质31存储有被处理器执行时执行如下方法的计算机程序32:
构建正常情况下山体的图像数据库;
每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;
响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;
监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
在本发明的一个优选实施例中,构建正常情况下山体的图像数据库包括:
在不同的天气环境下每间隔10分钟拍摄一张山体的图像,其中不同的天气环境包括下雨、下雪、大雾和雾霾,时间范围包括一天内的不同时段;
在图像中标注图像的天气情况和拍摄时间。
在本发明的一个优选实施例中,每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常包括:
每间隔3分钟采集山体图像,并获取采集山体图像的天气情况和拍摄时间;
基于采集山体图像的天气情况和拍摄时间在图像数据库中找到天气情况和拍摄时间最接近的图像;
使用预设的图像异常检测模型将采集到的图像和最接近的图像进行对比分析以判断采集到的图像是否发生异常。
在本发明的一个优选实施例中,还包括:
响应于确定采集到的山体图像未发生异常,将采集到的图像和图像的采集时间存储到数据库中。
在本发明的一个优选实施例中,还包括:
响应于确定采集到的山体图像发生异常,将采集图像的频率增加到每10秒采集一次山体图像。
在本发明的一个优选实施例中,监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端包括:
将山体所在地点、编号和山体滑板严重等级的信息发布到救援中心;
将山体所在地点、编号和山体滑板严重等级的信息发布到山体所在区域的手机导航APP和车载智能终端。
在本发明的一个优选实施例中,还包括:
使用预设的图像识别模型识别异常图像中的人和车辆以确认是否有人员车辆受灾;
响应于在异常图像中识别到人或车辆,将预警信息发送到急救中心。
此外,根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时,执行本发明实施例公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能,但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
在一个或多个示例性设计中,功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现,则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质,该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的,该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备,或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外,任何连接都可以适当地称为计算机可读介质。例如,如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件,则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的,磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘,其中磁盘通常磁性地再现数据,而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
Claims (10)
1.一种道路山体滑坡预警的方法,其特征在于,包括以下步骤:
构建正常情况下山体的图像数据库;
每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;
响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;
监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
2.根据权利要求1所述的方法,其特征在于,构建正常情况下山体的图像数据库包括:
在不同的天气环境下每间隔10分钟拍摄一张山体的图像,其中不同的天气环境包括下雨、下雪、大雾和雾霾,时间范围包括一天内的不同时段;
在图像中标注图像的天气情况和拍摄时间。
3.根据权利要求2所述的方法,其特征在于,每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常包括:
每间隔3分钟采集山体图像,并获取采集山体图像的天气情况和拍摄时间;
基于采集山体图像的天气情况和拍摄时间在图像数据库中找到天气情况和拍摄时间最接近的图像;
使用预设的图像异常检测模型将采集到的图像和最接近的图像进行对比分析以判断采集到的图像是否发生异常。
4.根据权利要求1所述的方法,其特征在于,还包括:
响应于确定采集到的山体图像未发生异常,将采集到的图像和图像的采集时间存储到数据库中。
5.根据权利要求1所述的方法,其特征在于,还包括:
响应于确定采集到的山体图像发生异常,将采集图像的频率增加到每10秒采集一次山体图像。
6.根据权利要求1所述的方法,其特征在于,监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端包括:
将山体所在地点、编号和山体滑板严重等级的信息发布到救援中心;
将山体所在地点、编号和山体滑板严重等级的信息发布到山体所在区域的手机导航APP和车载智能终端。
7.根据权利要求1所述的方法,其特征在于,还包括:
使用预设的图像识别模型识别异常图像中的人和车辆以确认是否有人员车辆受灾;
响应于在异常图像中识别到人或车辆,将预警信息发送到急救中心。
8.一种道路山体滑坡预警的装置,其特征在于,所述装置包括:
构建模块,所述构建模块配置为构建正常情况下山体的图像数据库;
判断模块,所述判断模块配置为每间隔预设时间采集山体图像,并基于图像数据库中的数据判断采集到的山体图像是否发生异常;
发送模块,所述发送模块配置为响应于确定采集到的山体图像发生异常,将发生异常的图像和异常图像的基本信息发送到监控中心;
预警模块,所述预警模块配置为监控中心基于异常图像的基本信息将山体滑坡的预警信息发布到救援中心和山体所在区域的移动设备接收端。
9.一种计算机设备,其特征在于,包括:
至少一个处理器;以及
存储器,所述存储器存储有可在所述处理器上运行的计算机指令,所述指令由所述处理器执行时实现权利要求1-7任意一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210552362.6A CN114973605B (zh) | 2022-05-20 | 2022-05-20 | 一种道路山体滑坡预警的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210552362.6A CN114973605B (zh) | 2022-05-20 | 2022-05-20 | 一种道路山体滑坡预警的方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114973605A true CN114973605A (zh) | 2022-08-30 |
CN114973605B CN114973605B (zh) | 2024-02-23 |
Family
ID=82986168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210552362.6A Active CN114973605B (zh) | 2022-05-20 | 2022-05-20 | 一种道路山体滑坡预警的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973605B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523299A (zh) * | 2023-11-21 | 2024-02-06 | 江苏财经职业技术学院 | 一种基于计算机网络图像识别方法、系统和存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004056443A (ja) * | 2002-07-19 | 2004-02-19 | Fujitsu Ltd | 監視撮像端末装置及び監視システム |
JP2006285644A (ja) * | 2005-03-31 | 2006-10-19 | Sogo Keibi Hosho Co Ltd | 監視装置、監視センタ、監視システムおよび監視方法 |
JP2008107941A (ja) * | 2006-10-24 | 2008-05-08 | Mitsubishi Electric Corp | 監視装置 |
CN101501524A (zh) * | 2006-08-03 | 2009-08-05 | 株式会社博思科 | 灾害对策支援方法 |
CN102098495A (zh) * | 2010-11-30 | 2011-06-15 | 姬云东 | 基于图像识别技术的山体滑坡智能监控装置及其监控方法 |
CN104916077A (zh) * | 2015-05-27 | 2015-09-16 | 江西理工大学 | 一种离子型稀土边坡稳定远程在线监测预警系统 |
CN105989697A (zh) * | 2015-01-27 | 2016-10-05 | 同济大学 | 一种基于多源传感器的滑坡监测和预警装置 |
CN111127824A (zh) * | 2019-09-17 | 2020-05-08 | 中国联合网络通信集团有限公司 | 一种预警方法、装置及系统 |
CN111473776A (zh) * | 2020-05-11 | 2020-07-31 | 中晋环境科技有限公司 | 一种基于单像近景摄影测量的滑坡裂缝监测方法 |
CN112687080A (zh) * | 2020-12-21 | 2021-04-20 | 中国地质环境监测院 | 结合气象预警的地质灾害监测设备采集上报频率调整方法 |
CN112861617A (zh) * | 2020-12-31 | 2021-05-28 | 中南大学 | 一种基于监控图像的边坡灾害识别系统 |
CN112991691A (zh) * | 2021-03-26 | 2021-06-18 | 重庆市地质灾害防治中心 | 地质灾害智能化交互式监测预警系统 |
CN113723403A (zh) * | 2021-08-26 | 2021-11-30 | 广东电网有限责任公司广州供电局 | 一种滑坡监测方法、装置、电子设备及存储介质 |
CN114092879A (zh) * | 2021-11-11 | 2022-02-25 | 中煤浙江测绘地理信息有限公司 | 一种高陡边坡视觉监测方法和系统 |
CN114333243A (zh) * | 2021-12-21 | 2022-04-12 | 长江三峡勘测研究院有限公司(武汉) | 一种滑坡监测预警方法、装置、介质、电子设备及终端 |
-
2022
- 2022-05-20 CN CN202210552362.6A patent/CN114973605B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004056443A (ja) * | 2002-07-19 | 2004-02-19 | Fujitsu Ltd | 監視撮像端末装置及び監視システム |
JP2006285644A (ja) * | 2005-03-31 | 2006-10-19 | Sogo Keibi Hosho Co Ltd | 監視装置、監視センタ、監視システムおよび監視方法 |
CN101501524A (zh) * | 2006-08-03 | 2009-08-05 | 株式会社博思科 | 灾害对策支援方法 |
JP2008107941A (ja) * | 2006-10-24 | 2008-05-08 | Mitsubishi Electric Corp | 監視装置 |
CN102098495A (zh) * | 2010-11-30 | 2011-06-15 | 姬云东 | 基于图像识别技术的山体滑坡智能监控装置及其监控方法 |
CN105989697A (zh) * | 2015-01-27 | 2016-10-05 | 同济大学 | 一种基于多源传感器的滑坡监测和预警装置 |
CN104916077A (zh) * | 2015-05-27 | 2015-09-16 | 江西理工大学 | 一种离子型稀土边坡稳定远程在线监测预警系统 |
CN111127824A (zh) * | 2019-09-17 | 2020-05-08 | 中国联合网络通信集团有限公司 | 一种预警方法、装置及系统 |
CN111473776A (zh) * | 2020-05-11 | 2020-07-31 | 中晋环境科技有限公司 | 一种基于单像近景摄影测量的滑坡裂缝监测方法 |
CN112687080A (zh) * | 2020-12-21 | 2021-04-20 | 中国地质环境监测院 | 结合气象预警的地质灾害监测设备采集上报频率调整方法 |
CN112861617A (zh) * | 2020-12-31 | 2021-05-28 | 中南大学 | 一种基于监控图像的边坡灾害识别系统 |
CN112991691A (zh) * | 2021-03-26 | 2021-06-18 | 重庆市地质灾害防治中心 | 地质灾害智能化交互式监测预警系统 |
CN113723403A (zh) * | 2021-08-26 | 2021-11-30 | 广东电网有限责任公司广州供电局 | 一种滑坡监测方法、装置、电子设备及存储介质 |
CN114092879A (zh) * | 2021-11-11 | 2022-02-25 | 中煤浙江测绘地理信息有限公司 | 一种高陡边坡视觉监测方法和系统 |
CN114333243A (zh) * | 2021-12-21 | 2022-04-12 | 长江三峡勘测研究院有限公司(武汉) | 一种滑坡监测预警方法、装置、介质、电子设备及终端 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117523299A (zh) * | 2023-11-21 | 2024-02-06 | 江苏财经职业技术学院 | 一种基于计算机网络图像识别方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114973605B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020015242A1 (zh) | 一种基于三维地图的视频应用和调度预警系统平台 | |
CN109255288A (zh) | 一种路面破损检测方法、装置及终端设备 | |
US20170278382A1 (en) | Risk early warning method and apparatus | |
KR101688218B1 (ko) | 객체 인지 기반의 실시간 영상 검지 기술을 이용한 교통 흐름 및 돌발 상황 관리 시스템 및 그 처리 방법 | |
CN110858334A (zh) | 道路安全评估方法、装置及道路安全预警系统 | |
EP3361412A1 (en) | Black ice detection system, program, and method | |
CN102493845A (zh) | 基于gis的城市轨道交通运营隧道监测预警系统 | |
CN114973605B (zh) | 一种道路山体滑坡预警的方法、装置、设备及介质 | |
CN116739245B (zh) | 一种智慧消防城市接警调度系统 | |
CN111866453A (zh) | 一种基于人工智能和bim的堰塞坝应急监测预警方法 | |
CN114783188A (zh) | 巡检方法和装置 | |
CN114662583A (zh) | 应急事件防控调度方法、装置、电子设备和存储介质 | |
CN111951390A (zh) | 一种警情显示方法、系统、装置和存储介质 | |
CN113869220A (zh) | 重大交通事故的监测方法及系统 | |
CN102629270A (zh) | 一种智慧城市地理信息三维呈现方法和装置 | |
CN110944041A (zh) | 一种基于互联网的安全小镇系统 | |
CN113822487A (zh) | 运营车辆的风险预警方法、装置、存储介质及计算机设备 | |
KR20220072783A (ko) | Cctv 영상을 이용한 실시간 침수 감지 시스템, 감시 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
CN113823071A (zh) | 应急综合管理应用平台 | |
CN103093579A (zh) | 一种基于视频的泥石流或山体滑坡报警系统 | |
KR102333955B1 (ko) | 사회적 약자를 위한 안전 지역 안내 및 경로 안내를 위한 방법, 시스템 및 애플리케이션 | |
CN110996053B (zh) | 一种环境安全检测方法、装置、终端及存储介质 | |
CN114299739A (zh) | 目标路段的通过方法、系统、存储介质及电子装置 | |
CN115311591A (zh) | 异常行为的预警方法、装置及智能摄像头 | |
CN111951508A (zh) | 一种火情分级方法、装置、介质和电子设备 |
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 |