CN115657580A - 基于组合算法的隧道消防水池监控方法及系统 - Google Patents

Abstract

本发明属于隧道水池的监控领域，尤其是涉及一种基于组合算法的隧道消防水池监控方法及系统。隧道消防水池监控方法，包括：S1、通过物联网获取传感器数据及水体的视频序列，其中传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；S2、对传感器数据进行第一阈值判断得到水体特征；S3、根据视频序列获取水体运动图像；S4、通过预建立的训练图像和事故场景的映射库，根据水体运动图像和训练图像的相似度预测当前的事故场景；S5、将水体特征和事故场景进行回归计算得到预测结果。相比现有技术的单向传输，本发明实施例所提供的监控方法将数据集中上位机进行算力处理，实现监控过程中的可预测、可视化，可极大减少维护检修的周期。

Description

基于组合算法的隧道消防水池监控方法及系统

技术领域

本发明属于隧道水池的监控领域，具体属于适用于通过对隧道水池的数据进行处理的方法和系统领域，尤其是涉及一种基于组合算法的隧道消防水池监控方法及系统。

背景技术

对于公路隧道的消防水池，尤其是偏远山岭隧道的战略性消防水池，采用监控措施是必要行为。现有技术目前停留在人工定期检查，或者通过数据采集设备将水池数据传至管理中心（如图1所示），通过液位仪进行高/低液位判断，通过传输层至服务器、监控电脑或者责任人移动端等监控层，在监控层显示液位仪的状态信号，实现消防水池的监控。

但是现有的监控方式仅仅只能单向传递数据，仅仅提供水位报警功能，即出现问题就报警，存在以下技术缺陷：

1、所监控的维度不全且不存在预警功能；

根据隧道消防水池的特性，其地理位置通常在偏远或者高海拔地区，消防水池日常养护、维修，在人力、时间成本上消耗较大，如水滞空、解冻时需要等待人工补水、解冻，其维护周期长容易造成维护的滞后，且所需临时消防水池的输运和使用成本高，在该期间也具备消防救援隐患；

2、问题出现后无法提供解决问题的分析数据；

隧道消防水池依照地形需求可以采用半埋式的高位消防水池或者低位消防水池，根据设计规范，高位水池的埋置深度在原地面以下不得低于2000mm且在池壁应考虑到覆土；低位消防水池的池顶及池壁均考虑覆土，池顶的覆土总厚度不得小于300mm，运维人员需要从规格Φ1000的检修口下至底部检测，那么意味着在出现问题检修时对水池结构主体的技术问题判别难度极大，如发生漏振、混凝土兼容性问题，目前都根据国内隧道先进水平所积累的经验进行推断，对发生问题的时间、具体情况均不可获知，导致检修周期漫长。

因此，对于消防水池监控及养护亟需提供一种具备可预测、可视化的监控手段，来解决管养周期中的长期痛点。

发明内容

为解决现有技术中提出的技术问题，本发明提供了一种基于组合算法的隧道消防水池监控方法及系统，可更优的应用于偏远消防水池的监控。

本申请第一方面提供了一种基于组合算法的隧道消防水池监控方法，该隧道消防水池监控方法包括：S1、通过物联网获取传感器数据及水体的视频序列，其中传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；S2、对传感器数据进行第一阈值判断得到水体特征；S3、根据视频序列获取水体运动图像；S4、通过预建立的训练图像和事故场景的映射库，根据水体运动图像和训练图像的相似度预测当前的事故场景；S5、将水体特征和事故场景进行回归计算得到预测结果。

在本申请进一步的方案中，S4中包括：S41、预建立仿真模拟模型，其中仿真模拟模型为消防水池结构的应力模型、水体流动模型的组合模型；S42、在仿真模拟模型中仿真不同事故场景，记载水体流动模型所模拟的水体的动态行为图像作为训练图像，并建立训练图像关联对应的目标事故区域的映射库；S43、计算水体运动图像和训练图像的相似度；S44、根据相似度排序在映射库中获得事故场景及对应的目标事故区域；S45、将目标图像所关联的事故场景输出。

在本申请可选的方案中，S3中包括：S3中包括：S31、在视频序列中连续收集多帧水体的视频序列；S32、对视频序列的多帧图像进行差分运算得到水体运动图像。

在本申请进一步的方案中，S31包括：S311、在视频序列中分别获取连续帧的第一图像、第二图像及第三图像；S32、对视频序列的多帧图像进行差分运算得到水体运动图像包括：S321、将第一图像、第二图像及第三图像进行灰度化处理得到第一灰度图像、第二灰度图像、第三灰度图像；S322、将第二灰度图像分别和第一灰度图像和第二灰度图像进行差分运算得到第一差分图像和第二差分图像；S323、对第一差分图像和第二差分图像进行交集运算得到前景目标图像；S324、对前景目标图像进行形态学处理，最终提取出水体运动图像。

在本申请进一步地方案中，S324中还包括：S3241、对前景目标图像进行像素阈值判断，提取水体运动图像；其中，阈值判断中的阈值进行添加项，以抑制了光线变化对提取水体运动图像的影响。

在本申请进一步地方案中，隧道消防水池监控方法还包括：S6、根据预测结果映射对应的主动干预指令和/或报警指令，并将主动干预指令发送至执行端；执行端包括：上位机、除冻装置、进水泵、出水泵。

在本申请进一步地方案中，S5包括：S51、通过决策树模型对水体特征和事故场景进行分类回归计算得到预测结果。

本发明第二方面提供一种隧道消防水池监控系统，包括：传感器组，用于获取传感器数据，其中传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；图像采集设备，用于获取水体的视频序列；上位机，传感器组、图像采集设备、上位机及执行端形成控制闭环，上位机通过无线模块和传感器组及图像采集设备进行通信，上位机被配置成：通过物联网获取传感器数据及水体的视频序列，其中传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；对传感器数据进行第一阈值判断得到水体特征；根据视频序列获取水体运动图像；通过预建立的训练图像和事故场景的映射库，根据水体运动图像和训练图像的相似度预测当前的事故场景；将水体特征和事故场景进行回归计算得到预测结果。

在本申请可选的方案中，还包括：执行端，执行端包括上位机、除冻装置、进水泵、出水泵；上位机还被配置成：根据预测结果映射对应的主动干预指令和/或报警指令，并将主动干预指令发送至执行端。

在本申请可选的方案中，上位机还被配置成：根据提取到水体运动图像的时间节点提取视频序列中的视频段并在上位机处显示。

有益效果：

本发明实施例通过提供一种隧道消防水池监控方法和系统；

1、本发明实施例提供了一种隧道消防水池监控方法，该方法提供多个维度的传感数据，并通过视频序列获取水体运动图像，根据仿真所得到的训练图像和水体运动图像的相似度，来预测当前的事故场景，最终进行回归计算得到预测结果。相比现有技术的单向传输，本发明实施例所提供的监控方法将数据集中上位机进行算力处理，实现监控过程中的可预测、可视化，可极大减少维护检修的周期，提高运维效率和隧道消防水池的可靠性和安全性。

2、本发明实施例所提供的隧道消防水池监控系统可以实现通过收集多维度的数据，发挥数据的作用。提取有用信息并形成控制指令，并通过执行端在控制指令下实现自动预警、集中管理、自动调度、主动干预的监控管理，对于普通的养护可节省人力和成本，当消防水池出现问题时，操作人员可根据数据技术识别潜在的目标事故区域，并更好的进行事故判别和事故分析追踪，极大缩短解决问题的周期。

本发明实施例的其他特征和优点将在随后的具体实施方式部分予以说明。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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附图。

图1是本发明实施例所提供的现有技术的消防水池监控系统的示意图；

图2示例性的展示本发明实施例所提供的隧道消防水池监控系统的连接拓扑图；

图3为本发明实施例所提供的基于组合算法的隧道消防水池监控方法的总流程图；

图4为本发明实施例所提供的基于组合算法的隧道消防水池监控方法中步骤S3的流程图；

图5为本发明实施例所提供的基于组合算法的隧道消防水池监控方法中步骤S3的一具体流程图；

图6为本发明实施例所提供的基于组合算法的隧道消防水池监控方法中步骤S4的流程图；

图7为本发明实施例示例性的展示一种简易的应力模型和流体模型；

图8为本发明实施例对图7的仿真模拟模型进行水体提取的灰度图。

图9为本发明实施例实施例所提供的事故场景的示意图；

图10为本发明实施例实施例所提供对应图9的水体灰度图；

图11为本发明实施例所提供的对应图10的水体运动图像；

图12为本发明实施例所提供消防水池倾斜时水体的动态示意图；

图13为本发明实施例所提供对应图12的水体运动图像。

附图标记

100、隧道消防水池监控系统； 101、传感器组；

101、图像采集设备； 103、上位机；

104、执行端。

具体实施方式

为了使本发明的上述以及其他特征和优点更加清楚，下面结合附图进一步描述本发明。应当理解，本文给出的具体实施例是出于向本领域技术人员解释的目的，仅是示例性的，而非限制性的。

承前，基于现有技术所存在的问题，本发明实施例提供一种所期望能使得运维人员在监控过程中具备可预测、可视化的方案，一者在于解决减少维护周期，另一者在于给予运维人员一个可参考的预测信息，使其对发生问题的时间、具体情况可视化。

【隧道消防水池监控系统】

请参阅图2，图2示例性的展示本发明实施例所提供的隧道消防水池监控系统100的连接拓扑图。

为更清楚表述该方案，本发明实施例首先提供一种隧道消防水池监控系统100。

隧道消防水池监控系统100同样包括三个层次，即采集层、传输层及上位机。

在该系统中采集层设置有：传感器组101、图像采集设备102及执行端104。

传输层采用物联网智能网关（未标注）；

上位机103可以是服务器、监控电脑或者移动端，用于编译并下达相关指令；

进一步地，传感器组101、图像采集设备102、上位机103及执行端104形成控制闭环；所采集数据的输出和控制信号的输入之间存在反馈回路，从而可实现远程控制和主动干预。

可以理解，传感器组101用于获取传感器数据，传感器数据的维度至少包括液位值、温度值、HP值、水压值、渗漏值；图像采集设备102采用工业级相机，用于获取水体的视频序列，其可设置在消防水池的轴侧方向或者顶部；上位机103通过传输层的物联网无线模块和传感器组101及图像采集设备102进行通信；执行端包括上位机、除冻装置、进水泵、出水泵等，用于实现主动干预。

在本发明实施例的一具体方案中，传感器组101包括液位传感器，温度传感器、HP传感器、水压传感器、渗漏传感器，将传感器组根据其功能特性合理部署在消防水池内部，进行相应的数据采集，形成传感数据的基础，不同的传感器负责监控内容不同，从而进行多维度的监控。

针对传感器组101可选的方案中，液位传感器采用激光液位传感器，检测水池内部水位情况，可提供液位过高或者过低时进行主动干预的条件。

温度传感器所采用负温度系数 (NTC) 热敏电阻传感器，确保其能够在-50℃~250℃环境中工作且测温准确，可用于测量水池内水温及环境温度的变化，避免出现水体冻结或者过量蒸发的情况，可提供特定情况进行预判评估或者主动干预的条件；

HP值传感器使用组合HP传感器，配备有两个不同的电极，包括参考电极和测量电极。参考电极专注于保持信号稳定，而测量电极将识别HP值是否最近有变化，主要用于检测水池内水体酸碱度，避免腐蚀进排水管道情况的发生，对于水池本体，给进排水管道保护维修提供预判性条件。

水压传感器用于检测水池内部水压，首先保证消防水池内部水体可以顺利流出到消防管道，其次保证水池内部水体压力在标准范围内。

渗漏传感器设置于水池连接处或者焊接点位，以确保是否有液体渗漏情况，可智能提醒到维修养护团队进行维护。

在本发明实施例的方案中的传输层采用区域联网关理，使用物联网智能网关进行数据交互，通过cat.4/5G模式进行上传数据和下发指令，cat.4模式用于传输传感器数据，5G模式用于传输视频序列，可在云端避免数据修改及数据丢失，进一步可利用区块链技术作为支撑。

执行端104设置在消防水池内部，用于实现主动干预，上位机103根据所检测的传感器数据以及视频序列，通过闭环控制下发主动干预指令至执行端104，实现针对消防水池的实际情况进行除冻、高位排水、低位进水等。

通过上述，隧道消防水池监控系统100具备以下技术特征：

Features1、传感器组101提供多个维度的传感器数据，如液位值、温度值、HP值、水压值、渗漏值等，可以根据具体的需求增加维度或者减少维度；

Features2、图像采集设备102可获取消防水池中的水体的视频序列；

Features3、传感器组101、图像采集设备102和执行端104通过物联网智能网关形成闭环控制链。

基于以上的特征，上位机103可以获得多维度的传感器数据及视频序列，上位机103一方面接收传感器数据进行数据分析预判水体特征，另一方面通过视频序列反应水体实时的动静态行为，水体作为分子其在消防水池的固定有限空间的动态行为具备规律性，根据其规律性可以反映射处事故场景及事故区域。继而通过水体特征、事故区域及事故场景多个数据进行回归分类可得到预测结果。从而上位机103根据预判结果可以对消防水池进行自动/人工干预，实现监控的智能化。

隧道消防水池监控系统100在采集层增加了多个维度的传感器数据以及视频序列，同时将传感器组101、图像采集设备102、上位机103及执行端104形成控制闭环，对比现有技术的系统仅将采集层的数据通过监控层进行查看，本发明实施例所提供的隧道消防水池监控系统100可以实现通过收集多维度的数据，发挥数据的作用。提取有用信息并形成控制指令，并通过执行端在控制指令下实现自动预警、集中管理、自动调度、主动干预的监控管理，对于普通的养护可节省人力和成本，当消防水池出现问题时，操作人员可根据数据技术识别潜在的目标事故区域，并更好的进行事故判别和事故分析追踪，极大缩短解决问题的周期。

【隧道消防水池监控方法】

请参阅图3，图3为本发明实施例所提供的基于组合算法的隧道消防水池监控方法的总流程图。

基于以上的监控方法实施例，本发明实施例还提供基于组合算法的隧道消防水池监控方法，该监控方法包括：

S1、通过物联网获取传感器数据及水体的视频序列，其中传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；

S2、对传感器数据进行第一阈值判断得到水体特征；

S3、根据视频序列获取水体运动图像；

S4、通过预建立的训练图像和事故场景的映射库，根据水体运动图像和训练图像的相似度预测当前的事故场景；

S5、将水体特征和事故场景进行回归计算得到预测结果。

具体地，该监控方法主要以上位机作为控制主体，获取传感器数据及视频序列后，同步进行S2及S3-S4；

步骤S1为物联网的信号传输，对于长距离通常利用GPRS传输，本方案中不予阐述。

步骤S2中进行第一阈值判断，通过多个来限值确定水体特征；如液位的高液位阈值和低液位阈值判断液位情况；通过温度高于第一温度阈值和第二温度阈值判断是否水体温度过高或者出现冻结；第一HP阈值和第二HP阈值可以判断水体是否位于强酸或者强碱环境；第一水压阈值和第二水压阈值可判断水体是否位于高水压或者低水压环境下等等，以上的“第一”和“第二”仅仅为示例性阐述，通常在某一维度设置多个判断阈值来精确水体特征。

进一步在步骤S3中，由于该方案中图景保持不变，且视频序列具有连续性帧的特点，利用消防水池中的水体在正常情况下一定完全处于静止，场景中的背景不变，且除了水体之外无其他活动的干扰运动项；那么当场景内没有运动目标，即水体没有发生运动，则连续帧的变化很微弱，如果存在运动目标，此时水体发生了异常动静，则连续的帧和帧之间会有明显地变化。依靠该特点可提取水体运动目标。

步骤S4为本发明实施例核心点，其在于利用在发生事故时水体的动态行为具备规律性，通过消防水池的不同区域模拟仿真事故，记录水体的动态行为，建立训练图像和目标事故区域、事故原因的映射库，并所提取的水体运动图像进行相似度比较，实现事故原因和目标事故区域的预测。

步骤S5中将水体特征和事故场景进行回归计算，根据水体特征联合目标事故区域进行分类回归，最终得到预测结果，预测结果为反应消防水池当前的情况，如正常情况或者异常情况下可能发生的事故、发生的区域等。

该步骤S1~步骤S5均在上位机中执行，通过计算可以远程得知多个维度的数据，以及对应可能出现的事故原因和事故区域，从而运维人员可以针对该情况进行充分的准备，减少现场探查和检验的时间，极大的缩小维护的周期。

以下对上述的关键步骤进行详细的阐述。

在步骤S2中，以液位值为例，通过传感探头投入消防水池底部，将AH.AL点（AH.AL：液位传感器的报警点）为高低水位报警输出点，假定高水位为第一液位阈值i₁，低水位为第二液位阈值i₂，通过定义处理数据与阈值的关系为：

当前的液位值大于第一液位阈值i₁，返回1，即文本“高水位”；

当前的液位值低于第一液位阈值i₂，返回0，即文本“低水位”（在代码中用特征值代替，如1代表高水位、0代表低水位）。

上述的“高水位”、“低水位”即为步骤S2中所提到的“水体特征”。那么根据温度值、HP值、水压值、渗漏值分别进行对应的阈值判断，可以获得多个水体特征，如“高水温”、“冰冻水温”、“强碱环境”等，将不同维度的水体特征置于不同矩阵中予以区分，形成特征矩阵图。

可以理解的是，步骤S2中的“第一阈值判断”可以更加细化，从而增加预测的精准程度，如液位值可以分为：“低水位”、“中低水位”、“正常水位”、“中高水位”、“高水位”等。

特征矩阵图中将某一维度的特征矩阵A₁通过特征值 λ和特征向量V₁代表，A₁= λV₁；则当前的水体特征可以用{A_1，A_2，A_3。。。A_n}表示。

请参阅4，图4为本发明实施例所提供的基于组合算法的隧道消防水池监控方法中步骤S3的流程图。

S3中包括：

S31、在视频序列中连续收集多帧水体的图像；

S32、对多帧图像进行差分运算得到水体运动图像。

可以理解的是，本发明实施例优选差分法，首先读取图像采集设备实时拍摄的视频文件，设置按帧读取视频文件，即从文件中读取图像帧（示例性的如matlab的VideoReader和imwrite函数），使其变成多帧以jpg结尾或者png的图像保存在指定的文件夹；获取连续多帧的图像后，执行差分运算提取运动目标。

请参阅5，图5为本发明实施例所提供的基于组合算法的隧道消防水池监控方法中步骤S3的一具体流程图。

具体地，S31中在视频序列中连续收集多帧水体的图像包括：

S311、在视频序列中分别获取连续帧的第一图像、第二图像及第三图像；

可以理解，即步骤S31中可选地提取连续的三帧图像；

S32中对视频序列的多帧图像进行差分运算得到水体运动图像包括：

S321、将第一图像、第二图像及第三图像进行灰度化处理得到第一灰度图像、第二灰度图像、第三灰度图像；

如采用Matlab的imread函数，使得第一图像、第二图像及第三图像灰度化后，减小图像原始数据量，便于后续处理时计算量更少。记视频序列中第n+1帧、第n帧和第n-1帧的图像分别为f_n+1、f_n和f_n-1，三帧对应像素点的灰度值（第一灰度图像、第二灰度图像、第三灰度图像）记为f_n+1（x,y）、f_n（x,y）和f_n-1（x,y）。

S322、将第二灰度图像分别和第一灰度图像和第二灰度图像进行差分运算得到第一差分图像和第二差分图像；

将f_n（x,y）分别和f_n-1（x,y）、以及f_n+1（x,y）进行差分运算，得到第一差分图像和第二差分图像，记为D_n和D_n+1。

S323、对第一差分图像和第二差分图像进行交集运算得到前景目标图像；

随后进行如下公式1得到前景目标图像Dn'；

公式1

S324、对前景目标图像进行像素阈值判断及形态学处理，最终提取出水体运动图像。

可以理解，像素阈值判断即阈值分割，以一个合适的像素阈值作为界限将图像处理成高对比度、容易识别的图像；

在本发明实施例中，前景目标图像Dn'为二值图像，将前景目标图像进行像素阈值判断，示例性的如：像素值如果大于像素阈值T，则把像素值变成255，否则，变成0；这样以来，就把前景目标图像Dn'从原图变成黑白两色，对比度明显，从而清晰的提取出水体运动区域，继而进行形态学处理，如膨胀/腐蚀/连通性分析等，从前景目标图像中分离出水体运动图像。

进一步地，在形态学处理中，对于像素阈值T的选择非常重要。如果像素阈值T选取的值太小，则无法抑制差分图像中的噪声；如果像素阈值T选取的值太大，又有可能掩盖差分图像中目标的部分信息；而且固定的像素阈值T无法适应场景中光线变化等情况。

对此，S324中还包括：

S3241、对像素阈值判断的像素阈值T进行添加项，以抑制了光线变化对提取水体运动图像的影响。

具体地，通过以下公式二实现：

公式二

其中，上述公式二中T后面所增加的代表添加项，NA为待检测区域中像素的总数目，λ为光照的抑制系数，A可设为视频序列中的整帧图像。其添加项表征出整帧图像中光照的变化情况。如果场景中的光照变化较小，则该添加项的值趋向于零；如果场景中的光照变化明显，则该添加项的值明显增大，导致上式右侧判决条件自适应地增大，最终的判决结果为没有运动目标，这样就有效地抑制了光线变化对运动目标检测结果的影响。

可以理解，由于本发明实施例中其通过在消防水池中识别水体运动图像，水体具备对光照敏感度强的特性，通过以上的对阈值增加添加项，可减少光线变化的影响，使得提取水体运动图像更为准确。

请参阅图6，图6为本发明实施例所提供的基于组合算法的隧道消防水池监控方法中步骤S4的流程图。

在S4中包括：

S41、预建立仿真模拟模型，其中仿真模拟模型为消防水池结构的应力模型、水体流动模型的组合模型；

S42、在仿真模拟模型中仿真不同事故场景，记载水体流动模型所模拟的水体的动态行为图像作为训练图像，并建立训练图像关联对应的目标事故区域的映射库；

S43、计算水体运动图像和训练图像的相似度；

S44、根据相似度排序在映射库中获得事故场景及对应的目标事故区域；

S45、将目标图像所关联的事故场景输出。

预建立仿真模拟模型，其中仿真模拟模型为消防水池结构的应力模型、水体流动模型的组合模型

请参阅7，图7为本发明实施例示例性的展示一种简易的应力模型和流体模型。（为方便展示图形进行了简化，结构已经省略，应力模型应当根据实际的消防水池模型搭建，可参考矩形钢筋混凝土蓄水池》05S804）

具体地，搭建应力模型可在三维建模软件中执行：

消防水池内部长度为15.45m、宽为9.25m、高度5.4m，其支撑柱为35mm；底板顶层、顶板和池壁为30mm；底板下层为40mm；

材料可自适应变化，使其满足砼强度等级要求即可，即垫层强度等级为C10；池体强度等级为C25；池体抗渗等级为S6，钢筋直径d≤8的采用HP235钢，直径d≥10采用HRB335钢。钢梯应采用不锈钢梯、预埋件采用Q235B钢；消防池内壁部采用环氧树脂层进行隔水层，采用玻璃丝步作为加强层；

在仿真软件中搭建水体流动模型，示例性的为：

制造一个长、宽和消防水池相等，高度在5.25m的分子流体模型，其介质cell zonepatch（仿真软件中的介质填充）全部都为水，模型类型采用用多相流模型。

到此即搭建完成仿真模拟模型，该仿真模拟模型可反应真实情况事故场景下水体的动态行为；

进一步地，在步骤S42种在仿真模拟模型中仿真不同事故场景，记载水体流动模型所模拟的水体的动态行为图像作为训练图像，并建立训练图像关联对应的目标事故区域的映射库；

示例性质的如：

请参阅8，图8为本发明实施例对图7的仿真模拟模型进行水体提取的灰度图。

图8为对应图7的水体特征提取图像；提取水体可采用边缘检测过滤，在消防水池中的水体正常情况下，连续多帧图像中的水体均和图8相同，此时将多帧图8进行差分运算时基本保持一致；即水体保持正常状态。

为了获取训练图像，将应力模型分为多个区域，在应力模型上不同区域制造事故场景，示例性如：

请参阅9，图9为本发明实施例实施例所提供的事故场景的示意图；图10为本发明实施例实施例所提供对应图9的水体灰度图；图11为本发明实施例实施例所提供对应图10的水体运动图像。

事故场景模拟底部连接处渗漏，如图9在消防水池的底部边缘处制造多个渗漏点，即在应力模型中将该部分区域的结构进行格网划分并对渗漏点进行边界命名。

此时模拟仿真流体模型的流动，在Fluent设置选择“瞬态”并考虑重力，多相流和湍流模型，从材料库中添加“水”材料，设置相，将渗漏点设置为出口1、出口2、出口3以及出口4，水相边界条件，体积分数可设置为1；此时水体流动模型开始仿真流动。

对水体的流态进行图像检测，得到图10的灰度图；

请参阅图11，此时执行如上述步骤S3的操作，将图10和图8进行差分后去噪、阈值分割，则得到图11，即上述所提到的“水体运动图像”；

此时图11即可视为一张模拟仿真出来的训练图像，可以建立训练图像关联对应的目标事故区域的映射库；

假定图11为image1，即pg1→目标事故区域1（底部边缘A/B/C/D）→事故原因1（渗漏）；

通过模拟多种事故场景，从而建立训练图像关联对应的目标事故区域的映射库，即完成步骤S42。

随后执行步骤S43~步骤S44：

请参阅图12，图12为本发明实施例所提供消防水池倾斜时水体的动态示意图；图13为本发明实施例所提供对应图12的水体运动图像。

提取图12的水体运动图像（图13），以image2表示；

继而通过计算当前水体运动图像image2和训练图像image1的相似度，可以采用结构相似性度量、余弦相似度、基于直方图等；

基于本发明实施例的需求可不考虑亮度，且为了准确率优选采用余弦相似度，将训练图像image1和当前的水体运动图像image2进行分割，并表示成向量，通过计算向量之间的余弦距离来表征两张图片的相似度；

得到不同区域的cosin相似度，根据映射关系，可推断该水体64%的几率发生了右侧倾斜、30%几率发生了水体震荡，并在对应的底部边缘（输出所推断的目标事故区域）处有41%、42%、51%的几率发生了渗漏。

根据相似度排序输出水体可能发生的所有事故场景，此时运维人员可以参考其发生的几率进行远程判别。由此可知，本发明实施例所提供的方式可在上位机处给予技术问题的参考，减少现场探查和检验的时间、缩小维护的周期。

在本发明实施例中S5包括：

S51、通过决策树模型对水体特征和目标事故区域进行分类回归计算得到预测结果。

由上可知，在步骤S5时上位机获得了“水体特征”、“事故场景”及“目标事故区域”等多个量化的数据，在步骤S5开始分类回归计算，具体如下：

具体地，通过建立决策树模型，其模型包括多个决策树，其中决策树的输出分别为多种预测结果；预测结果可以为“底部内壁塌陷”、“支撑体热胀”、“液位低”、“水体冰冻”等等。

决策树具备多个筛选特征，筛选特征通过多个条件判别过程将以上量化的数据集分类，最终获取需要的结果。

将“事故场景”作为根节点，“水体特征”作为叶子节点，通过将多个量化的数据输入到决策树模型中，最终输出预测结果。

示例性的如，假定20颗决策树，其中14颗输出了“液位低”、另外6颗输出了“底部内壁塌陷导致水体倾斜”，此时则70%的概率发生了液位偏低，有30%的概率发生了底部内壁塌陷，此时工作人员在上位机看到该消息后，即可人工推断该消防水池由于底部内壁，导致水体倾斜从而某一侧的液位传感器的液位值偏低。

在本发明实施例中，隧道消防水池监控方法还包括：S6、根据预测结果映射对应的主动干预指令和/或报警指令，并将主动干预指令发送至执行端；

执行端包括：上位机、除冻装置、进水泵、出水泵。

具体地，由于预测结果一部分是可主动干预的，如当20颗决策树其中8颗输出了“水体冰冻”或者“高液位”，而其他均输出error，此时则证明当前并无事故场景发生，其他数据也在正常空间，仅仅为发生水体冰冻或者液位过高。

为了节省人力成本和时间，在未发生事故场景时，对于可采用主动干预的项目可无需人员到场，可直接利用执行端的除冻装置释放除冻液体进行去冻，或者控制出水泵将液位控制在合理范围内等等。

进一步地，上位机还被配置成：

根据提取到水体运动图像的时间节点提取视频序列中的视频段并在上位机处显示。

可以理解，当上位机检测到水体运动图像出现时，则证明消防水池中的水体发生了异常，此时系统自动保存提取到水体运动图像的时间节点处的前n帧和后n帧视频序列，上位机的后台人员可更直观的观测事故发生时刻的现象，从而更快速的判断事故场景预先给出决策。

综上，本发明实施例提供了一种隧道消防水池监控方法，该方法提供多个维度的传感数据，并通过视频序列获取水体运动图像，根据仿真所得到的训练图像和水体运动图像的相似度，来预测当前的事故场景，最终进行回归计算得到预测结果。相比现有技术的单向传输，本发明实施例所提供的监控方法将数据集中上位机进行算力处理，实现监控过程中的可预测、可视化，可极大减少维护检修的周期，提高运维效率和隧道消防水池的可靠性和安全性。

进一步，本领域技术人员应当理解，如果将本发明实施例所提供的隧道消防水池监控系统100各产品所涉及到的全部或部分子模块通过稠合、简单变化、互相变换等方式进行组合、替换，如各组件摆放移动位置；或者将其所构成的产品一体设置；或者可拆卸设计；凡组合后的组件可以组成具有特定功能的设备／装置／系统，用这样的设备／装置／系统代替本发明相应组件同样落在本发明的保护范围内。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于组合算法的隧道消防水池监控方法，其特征在于，包括：

S1、通过物联网获取传感器数据及水体的视频序列，其中所述传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；

S2、对所述传感器数据进行第一阈值判断得到水体特征；

S3、根据所述视频序列获取水体运动图像；

S4、通过预建立的训练图像和事故场景的映射库，根据所述水体运动图像和所述训练图像的相似度预测当前的事故场景；

S5、将所述水体特征和所述事故场景进行回归计算得到预测结果。

2.根据权利要求1所述的隧道消防水池监控方法，其特征在于，S4中包括：

S41、预建立仿真模拟模型，其中仿真模拟模型为消防水池结构的应力模型、水体流动模型的组合模型；

S42、在所述仿真模拟模型中仿真不同事故场景，记载所述水体流动模型所模拟的水体的动态行为图像作为训练图像，并建立训练图像关联对应的目标事故区域的映射库；

S43、计算所述水体运动图像和所述训练图像的相似度；

S44、根据相似度排序在所述映射库中获得事故场景及对应的目标事故区域；

S45、将目标图像所关联的事故场景输出。

3.根据权利要求1所述的隧道消防水池监控方法，其特征在于，S3中包括：

S31、在视频序列中连续收集多帧水体的视频序列；

S32、对所述视频序列的多帧图像进行差分运算得到水体运动图像。

4.根据权利要求3所述的隧道消防水池监控方法，其特征在于，S31包括：

S311、在视频序列中分别获取连续帧的第一图像、第二图像及第三图像；

S32、对所述视频序列的多帧图像进行差分运算得到水体运动图像包括：

S321、将所述第一图像、第二图像及第三图像进行灰度化处理得到第一灰度图像、第二灰度图像、第三灰度图像；

S322、将第二灰度图像分别和第一灰度图像和第二灰度图像进行差分运算得到第一差分图像和第二差分图像；

S323、对所述第一差分图像和所述第二差分图像进行交集运算得到前景目标图像；

S324、对所述前景目标图像进行形态学处理，最终提取出水体运动图像。

5.根据权利要求4所述的隧道消防水池监控方法，其特征在于，所述S324中还包括：

S3241、对所述前景目标图像进行像素阈值判断，提取水体运动图像；其中，所述阈值判断中的阈值进行添加项，以抑制了光线变化对提取水体运动图像的影响。

6.根据权利要求1所述的隧道消防水池监控方法，其特征在于，所述隧道消防水池监控方法还包括：

S6、根据预测结果映射对应的主动干预指令和/或报警指令，并将所述主动干预指令发送至执行端；

所述执行端包括：上位机、除冻装置、进水泵、出水泵。

7.根据权利要求6所述的隧道消防水池监控方法，其特征在于，所述S5包括：

S51、通过决策树模型对所述水体特征和所述事故场景进行分类回归计算得到所述预测结果。

8.一种隧道消防水池监控系统，其特征在于，包括：

传感器组，用于获取传感器数据，其中所述传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；

图像采集设备，用于获取水体的视频序列；

上位机，所述传感器组、图像采集设备、上位机及执行端形成控制闭环，所述上位机通过无线模块和所述传感器组及所述图像采集设备进行通信，所述上位机被配置成：

通过物联网获取传感器数据及水体的视频序列，其中所述传感器数据至少包括液位值、温度值、HP值、水压值、渗漏值；

对所述传感器数据进行第一阈值判断得到水体特征；

根据所述视频序列获取水体运动图像；

通过预建立的训练图像和事故场景的映射库，根据所述水体运动图像和所述训练图像的相似度预测当前的事故场景；

将所述水体特征和所述事故场景进行回归计算得到预测结果。

9.根据权利要求8所述的隧道消防水池监控系统，其特征在于，还包括：

执行端，所述执行端包括上位机、除冻装置、进水泵、出水泵；

所述上位机还被配置成：

根据预测结果映射对应的主动干预指令和/或报警指令，并将所述主动干预指令发送至执行端。

10.根据权利要求8所述的隧道消防水池监控系统，其特征在于，所述上位机还被配置成：

根据提取到水体运动图像的时间节点提取所述视频序列中的视频段并在上位机处显示。

Images