CN116129362B - 一种基于坐标横向断面图的河流漂浮污染物的监测方法 - Google Patents

一种基于坐标横向断面图的河流漂浮污染物的监测方法 Download PDF

Info

Publication number
CN116129362B
CN116129362B CN202310397175.XA CN202310397175A CN116129362B CN 116129362 B CN116129362 B CN 116129362B CN 202310397175 A CN202310397175 A CN 202310397175A CN 116129362 B CN116129362 B CN 116129362B
Authority
CN
China
Prior art keywords
river
pictures
spliced
pollutants
camera
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.)
Active
Application number
CN202310397175.XA
Other languages
English (en)
Other versions
CN116129362A (zh
Inventor
郝纯
蒋先勇
李志刚
魏长江
李财
胡晓晨
税强
曹尔成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Sanside Technology Co ltd
Original Assignee
Sichuan Sanside Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Sanside Technology Co ltd filed Critical Sichuan Sanside Technology Co ltd
Priority to CN202310397175.XA priority Critical patent/CN116129362B/zh
Publication of CN116129362A publication Critical patent/CN116129362A/zh
Application granted granted Critical
Publication of CN116129362B publication Critical patent/CN116129362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于坐标横向断面图的河流漂浮污染物的监测方法，涉及河流漂浮污染物监测技术领域，应用于设置有横桥的河流上，包括：S1：获取k个河流摄像机在时间段T内拍摄的待拼接图片信息，并将其存入待拼接图片集Q中，k个河流摄像机依次设置在河流正上方的横桥底面的同一水平线上，且每个河流摄像机的焦点均位于垂直于河流平面的垂线上；S2：将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接，得到多张待识别图片，所述待识别图片为同一时间下河流摄像机采集到的河流断面图；S3：对待识别图片进行污染物识别，得到污染物的识别结果；S4：根据污染物的识别结果和河流的宽度构建一张在时间段T内的坐标横向断面图。

Description

一种基于坐标横向断面图的河流漂浮污染物的监测方法
技术领域
本发明涉及河流漂浮污染物监测技术领域，具体涉及一种基于坐标横向断面图的河流漂浮污染物的监测方法。
背景技术
随着经济的不断发展和工业化的推进，水污染日益严重，水环境的监测保护刻不容缓，目前在水环境监测领域，为了能掌握当前河流上漂浮物的分布状况，
一般采用在河流的两侧岸边各设置一个摄像机，用于监测河流上的漂浮污染物。但是摄像机的视野长度和宽度有限且视角存在近大远小的图像畸变，能很好地识别出图片中污染物种类，并且当两个污染物的距离太近时，从侧面拍摄到的图片中无法完全拍摄到整个河流的情况。
现有技术中，一般采用无人机拍摄来进行污染物的检测。但是这种检测方法也有不好的地方，无人机一般体积较轻，若遇到风力较大的时间段，就会使飞行时机身稳定性不好，导致无人机采集到的影像不够精准，使最终识别污染物的识别率不够准确，且不能很好的提供一个对水环境污染物的监测方法。
发明内容
本发明的目的是提供一种基于坐标横向断面图的河流漂浮污染物的监测方法，应用于设置有横桥的河流上，提前将k个河流摄像机依次设置在河流正上方的横桥底面的同一水平线上，且每个河流摄像机的焦点均位于垂直于河流平面的垂线上，然后获取k个河流摄像机在时间段T内拍摄的待拼接图片信息，所述待拼接图片信息包括：待拼接图片、拍摄时间、河流摄像机位置，将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接，得到多张待识别图片，接着对待识别图片进行污染物识别，得到污染物的识别结果，根据污染物的识别结果和河流的宽度构建一张在时间段T内的坐标横向断面图，根据坐标横向断面图可以直观地观察到河流中各类污染物的分布情况，实现对河流漂浮污染物的动态监测。
为解决上述技术问题，本发明采用了以下方案：
一种基于坐标横向断面图的河流漂浮污染物的监测方法，应用于设置有横桥的河流上，所述方法包括以下步骤：
S1：获取k个河流摄像机在时间段T内拍摄的待拼接图片信息，所述待拼接图片信息包括：待拼接图片、拍摄时间、河流摄像机位置，并将其存入待拼接图片集Q{Q1,Q2,…,Qn}中，k个河流摄像机依次设置在河流正上方的横桥底面的同一水平线上，且每个河流摄像机的焦点均位于垂直于河流平面的垂线上；
S2：将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接，得到多张待识别图片，所述待识别图片为同一时间下河流摄像机采集到的河流断面图；
S3：对待识别图片进行污染物识别，得到污染物的识别结果；
S4：根据污染物的识别结果和河流的宽度构建一张在时间段T内的坐标横向断面图。
进一步的，所述污染物的识别结果包括：污染物的坐标、污染物的种类，在S4中，根据污染物的坐标、污染物的种类和河流的宽度构建一张在时间段T内的坐标横向断面图的过程具体包括以下步骤：
S41：构建一个以河流宽度作为X轴且以污染物数量作为Y轴的坐标系，并将该X轴根据预设宽度区间划分为多个预设宽度区间的坐标横向断面图；
S42：将获取到的在时间段T内的污染物的坐标中的横坐标代入到X轴内，该横坐标落入到对应的预设宽度区间内，即将该污染物的种类代入到对应的预设宽度区间内；
S43：根据预设宽度区间中污染物的种类进行不同污染物种类的数量统计；
S44：当获取到下一时间段T内的污染物的识别结果，则重复上述步骤。
进一步的，k个河流摄像机的设置过程具体为：
获取横桥下对应的河流宽度H和河流摄像机的安装高度h，所述河流摄像机的安装高度为摄像机的焦点距离河流平面的高度；
根据河流摄像机的安装高度h计算河流摄像机的视野长度a和视野宽度b；
计算河流宽度H和视野宽度b的比值；
判断所述比值是否为整数，若为整数，则k=H/b；
若存在小数，则k=[H/b]+1。
进一步的，所述待拼接图片为河流断面图，在S1中，具体包括以下步骤：
S11：获取k个河流摄像机分别录制的时间段T内的视频流；
S12：获取时间段T内的河流平均流速v；
S13：根据河流平均流速v，将每个视频流进行剪切处理成多张待拼接图片。
进一步的，所述剪切处理具体包括以下步骤：
SA1：在视频流中提取一帧待拼接图片；
SA2：根据所述河流平均流速v获得剪切区域，所述剪切区域大小为河流流过的长度D与视野宽度b的乘积，其中，河流在一帧待拼接图片的时间流过的长度D=v/FR，FR为河流摄像机的帧频率，所述视野宽度b为待拼接图片的固定宽度；
SA3：根据所述剪切区域对视频流进行剪切，获得待拼接图片，将剪切时刻记为该待拼接图片的拍摄时间。
进一步的，所述河流摄像机从横桥底面的左侧到右侧依次编号为1,2,...,k，所述待拼接图片对应的摄像机位置信息即为河流摄像机的编号。
进一步的，将编号为1的河流摄像机拍摄的待拼接图片作为基准图片。
进一步的，在S2中，具体包括以下步骤：
S21：将基准图片的左上角作为原点(0,0)，以原点至左下角顶点的连线为X轴，以原点至右上角顶点的连线为Y轴建立一个拼接坐标系，则基准图片的右下角顶点的坐标为（a,b），所述基准图片对应的拍摄时间为tx，对应的摄像机编号为1；
S22：将同一时间tx的待拼接图片按照摄像机编号顺序1,2,...,k依次横向拼接，得到一张待识别图片。
进一步的，在S3中，对待识别图片进行污染物识别，得到识别结果的过程具体为：将所述待识别图片输入预先训练好的污染物识别模型中，得到标有污染物的种类和坐标的待识别图片。
进一步的，在S3中，对待识别图片进行污染物识别，得到识别结果，所述识别结果包括污染物的坐标，所述污染物的坐标为污染物的中心点在拼接坐标系中所在的坐标。
本发明的有益效果：
由于经济的不断发展和工业化的推进，水污染日益严重，水环境的监测保护刻不容缓，目前在水环境监测领域，为了能掌握当前河流上漂浮物的分布状况。在现有技术中，一般采用在河流的两侧岸边各设置一个摄像机，用于监测河流上的漂浮污染物。但是摄像机的视野长度和宽度有限且视角存在近大远小的图像畸变，能很好地识别出图片中污染物种类，并且当两个污染物的距离太近时，从侧面拍摄到的图片中无法完全拍摄到整个河流的情况。
所以本发明提供了一种基于坐标横向断面图的河流漂浮污染物的监测方法。本发明中的河流摄像机依次设置在河流正上方的横桥底面的同一水平线上，且每个河流摄像机的焦点均位于垂直于河流平面的垂线上，将该河流摄像机根据河流宽度均匀设置在横桥底面上，使河流摄像机可以拍摄到完整的河流横向断面图，并且该河流摄像机垂直拍摄河流平面，可以避免视角的图像畸变且更近清楚的拍摄到河流漂浮污染物。
接着本发明后获取k个河流摄像机在时间段T内拍摄的待拼接图片信息，所述待拼接图片信息包括：待拼接图片、拍摄时间、河流摄像机位置，将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接，得到多张待识别图片，接着对待识别图片进行污染物识别，得到污染物的识别结果，根据污染物的识别结果和河流的宽度构建一张在时间段T内的坐标横向断面图，根据坐标横向断面图可以直观地观察到河流中各类污染物的分布情况，实现对河流漂浮污染物的动态监测。根据时间段T的刷新对该坐标横向断面图进行刷新，实现对河流漂浮污染物的动态监测。
附图说明
图1为本发明的流程示意图。
图2为本发明的河流摄像机设置在横桥上的示意图。
图3为本发明的一分钟内的经过横向拼接的一张待识别图片。
图4为本发明的待识别图片1和待识别图片2的污染物的识别结果。
图5为本发明的一分钟内的坐标横向断面图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
另外，为了清楚和简洁起见，可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以对本文描述的示例进行各种改变和修改。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
下面通过参考附图并结合实施例来详细说明本发明：
实施例1
由于经济的不断发展和工业化的推进，水污染日益严重，水环境的监测保护刻不容缓，目前在水环境监测领域，为了能掌握当前河流上漂浮物的分布状况。在现有技术中，一般采用在河流的两侧岸边各设置一个摄像机，用于监测河流上的漂浮污染物。但是摄像机的视野长度和宽度有限且视角存在近大远小的图像畸变，能很好地识别出图片中污染物种类，并且当两个污染物的距离太近时，从侧面拍摄到的图片中无法完全拍摄到整个河流的情况。
所以本发明提供了一种基于坐标横向断面图的河流漂浮污染物的监测方法。
如图1所示，一种基于坐标横向断面图的河流漂浮污染物的监测方法，应用于设置有横桥的河流上，所述方法包括以下步骤：
S1：获取k个河流摄像机在时间段T内拍摄的待拼接图片信息，所述待拼接图片信息包括：待拼接图片、拍摄时间、河流摄像机位置，并将其存入待拼接图片集Q{Q1,Q2,…,Qn}中，k个河流摄像机依次设置在河流正上方的横桥底面的同一水平线上，且每个河流摄像机的焦点均位于垂直于河流平面的垂线上；
S2：将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接，得到多张待识别图片，所述待识别图片为同一时间下河流摄像机采集到的河流断面图；
S3：对待识别图片进行污染物识别，得到污染物的识别结果；
S4：根据污染物的识别结果和河流的宽度构建一张在时间段T内的坐标横向断面图。
本发明中的河流摄像机依次设置在河流正上方的横桥底面的同一水平线上，且每个河流摄像机的焦点均位于垂直于河流平面的垂线上，将该河流摄像机根据河流宽度均匀设置在横桥底面上，使河流摄像机可以拍摄到完整的河流横向断面图，并且该河流摄像机垂直拍摄河流平面，可以避免视角的图像畸变且更近清楚的拍摄到河流漂浮污染物。
在本实施例中，如图所示，若河流宽度为H，测量河流摄像机的安装高度h，所述安装高度为河流摄像机的焦点距离河流水面的高度即焦距；则可以根据焦距计算河流摄像机的视野长度a和视野宽度b；再计算至少需要安装多少摄像装置才能拍摄到完整的河流断面，计算过程为：
获取横桥下对应的河流宽度H和河流摄像机的安装高度h，所述河流摄像机的安装高度为摄像机的焦点距离河流平面的高度；
根据河流摄像机的安装高度h计算河流摄像机的视野长度a和视野宽度b；
计算河流宽度H和视野宽度b的比值；
判断所述比值是否为整数，若为整数，则k=H/b；
若存在小数，则k=[H/b]+1。
其中，[H/a]表示取比值的整数部分，若存在小数，说明此时还存在一些拍摄空白，因此，需要再设置一个摄像装置补齐视角，并合理调整各摄像装置的位置，以完全覆盖河流横断面。
接着本发明后获取k个河流摄像机在时间段T内拍摄的待拼接图片信息，所述待拼接图片信息包括：待拼接图片、拍摄时间、河流摄像机位置，将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接，得到多张待识别图片，接着对待识别图片进行污染物识别，得到污染物的识别结果，根据污染物的识别结果和河流的宽度构建一张在时间段T内的坐标横向断面图，根据坐标横向断面图可以直观地观察到河流中各类污染物的分布情况，实现对河流漂浮污染物的动态监测。根据时间段T的刷新对该坐标横向断面图进行刷新，实现对河流漂浮污染物的动态监测。
优选的，所述待拼接图片为河流断面图，在S1中，具体包括以下步骤：
S11：获取k个河流摄像机分别录制的时间段T内的视频流；
S12：获取时间段T内的河流平均流速v；
S13：根据河流平均流速v，将每个视频流进行剪切处理成多张待拼接图片。
优选的，所述剪切处理具体包括以下步骤：
SA1：在视频流中提取一帧待拼接图片；
SA2：根据所述河流平均流速v获得剪切区域，所述剪切区域大小为河流流过的长度D与视野宽度b的乘积，其中，河流在一帧待拼接图片的时间流过的长度D=v/FR，FR为河流摄像机的帧频率，所述视野宽度b为待拼接图片的固定宽度；
SA3：根据所述剪切区域对视频流进行剪切，获得待拼接图片，将剪切时刻记为该待拼接图片的拍摄时间。
优选的，所述河流摄像机从横桥底面的左侧到右侧依次编号为1,2,...,k，所述待拼接图片对应的摄像机位置信息即为河流摄像机的编号。
优选的，将编号为1的河流摄像机拍摄的待拼接图片作为基准图片。
优选的，在S2中，具体包括以下步骤：
S21：将基准图片的左上角作为原点(0,0)，以原点至左下角顶点的连线为X轴，以原点至右上角顶点的连线为Y轴建立一个拼接坐标系，则基准图片的右下角顶点的坐标为（w,h），所述基准图片对应的拍摄时间为tx，对应的摄像机编号为1；
S22：将同一时间tx的待拼接图片按照摄像机编号顺序1,2,...,k依次横向拼接，得到一张待识别图片。
优选的，在S3中，对待识别图片进行污染物识别，得到识别结果的过程具体为：将所述待识别图片输入预先训练好的污染物识别模型中，得到标有污染物的种类和坐标的待识别图片。
优选的，在S3中，对待识别图片进行污染物识别，得到识别结果，所述识别结果包括污染物的坐标，所述污染物的坐标为污染物的中心点在拼接坐标系中所在的坐标。
优选的，所述污染物的识别结果包括：污染物的坐标、污染物的种类，在S4中，根据污染物的坐标、污染物的种类和河流的宽度构建一张在时间段T内的坐标横向断面图的过程具体包括以下步骤：
S41：构建一个以河流宽度作为X轴且以污染物数量作为Y轴的坐标系，并将该X轴根据预设宽度区间划分为多个预设宽度区间的坐标横向断面图；
S42：将获取到的在时间段T内的污染物的坐标中的横坐标代入到X轴内，该横坐标落入到对应的预设宽度区间内，即将该污染物的种类代入到对应的预设宽度区间内；
S43：根据预设宽度区间中污染物的种类进行不同污染物种类的数量统计；
S44：当获取到下一时间段T内的污染物的识别结果，则重复上述步骤。
为了更好地说明本实施例的实施方法，假设一条有横桥的河流上设置了2个河流摄像机，所述河流摄像机设置在横桥的底面的同一水平线上，且垂直朝下拍摄河流平面，如图2所示。
获取2个河流摄像机录制的一分钟内的视频流，以及该一分钟内的河流平均流速v，根据河流平均流速v，将每个视频流进行剪切处理成多张待拼接图片，将所述待拼接图片信息存入待拼接图片集Q{Q1,Q2,...,Qn}中，所述待拼接图片信息包括待拼接图片、时间、河流摄像机位置。然后将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接。所述2个河流摄像机为河流摄像机1和河流摄像机2。
假设，河流摄像机1和河流摄像机2经过剪切处理后，分别得到位于同一t1时间的待拼接图片Q1和待拼接图片Q2。所以待拼接图片Q1为t1时间下位于河流摄像机1的待拼接图片Q1，所述待拼接图片Q2为t2时间下位于河流摄像机2的待拼接图片Q2。
由于在本实施例中，河流摄像机1位于横桥底面的最左侧，所以将该待拼接图片Q1作为基准图片，将基准图片的左上角作为原点(0,0)，以原点至左下角顶点的连线为X轴，以原点至右上角顶点的连线为Y轴建立一个拼接坐标系，则基准图片的右下角顶点的坐标为(a,b)，然后将同一时间t1的待拼接图片Q2的左上角与基准图片的左下角对应，将待拼接图片的右上角与基准图片的右下角对应，使待拼接图片Q2横向拼接到基准图片上，形成一张待识别图片，所述待识别图片的右下角顶点的坐标为(2a,2b)，如图3所示。
依次类推，可以得到多张不同时间下的待识别图片，将待识别图片输入预先训练好的污染物种类识别模型中，得到标有污染物的种类和坐标的待识别图片。由于，待识别图片位于拼接坐标系上，所述拼接坐标系都以基准图片建立坐标系。所以可以使多张待识别图片位于同一拼接坐标系上。
接着，如图4所示，得到标有污染物的种类和坐标的待识别图片1和待识别图片2。再构建一个以河流宽度作为X轴且以污染物数量作为Y轴的坐标系，并将该X轴根据预设宽度区间划分为多个预设宽度区间的坐标横向断面图。假设预设宽度区间为5m。所述预设宽度区间可以根据两个河流摄像机的相隔间距进行设置，也可以自定义设置。
将获取到的待识别图片1和待识别图片2中的污染物的横坐标根据X轴代入到对应的预设宽度区间内，然后对该预设宽度区间内的污染物的种类进行数量统计，并排序，如图5所示。
然后可以采取下一分钟内的待拼接图片信息，对该一分钟内的坐标横向断面图的污染物的统计数量进行刷新，实现对河流漂浮污染物的动态监测。
实施例2
本实施例提供一种计算机可读存储介质，包括：一个或多个处理器；存储单元，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，能使得所述一个或多个处理器实现实施例1或实施例2的一种基于坐标横向断面图的河流漂浮污染物的监测方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (10)

1.一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，应用于设置有横桥的河流上，所述方法包括以下步骤：
S1：获取k个河流摄像机在时间段T内拍摄的待拼接图片信息，所述待拼接图片信息包括：待拼接图片、拍摄时间、河流摄像机位置，并将其存入待拼接图片集Q{Q1,Q2,…,Qn}中，k个河流摄像机依次设置在河流正上方的横桥底面的同一水平线上，且每个河流摄像机的焦点均位于垂直于河流平面的垂线上；
S2：将拍摄时间相同且河流摄像机位置不同的待拼接图片进行横向拼接，得到多张待识别图片，所述待识别图片为同一时间下河流摄像机采集到的河流断面图；
S3：对待识别图片进行污染物识别，得到污染物的识别结果；
S4：根据污染物的识别结果和河流的宽度构建一张在时间段T内的坐标横向断面图。
2.根据权利要求1所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，所述污染物的识别结果包括：污染物的坐标、污染物的种类，在S4中，根据污染物的坐标、污染物的种类和河流的宽度构建一张在时间段T内的坐标横向断面图的过程具体包括以下步骤：
S41：构建一个以河流宽度作为X轴且以污染物数量作为Y轴的坐标系，并将该X轴根据预设宽度区间划分为多个预设宽度区间的坐标横向断面图；
S42：将获取到的在时间段T内的污染物的坐标中的横坐标代入到X轴内，该横坐标落入到对应的预设宽度区间内，即将该污染物的种类代入到对应的预设宽度区间内；
S43：根据预设宽度区间中污染物的种类进行不同污染物种类的数量统计；
S44：当获取到下一时间段T内的污染物的识别结果，则重复上述步骤。
3.根据权利要求1所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，k个河流摄像机的设置过程具体为：
获取横桥下对应的河流宽度H和河流摄像机的安装高度h，所述河流摄像机的安装高度为摄像机的焦点距离河流平面的高度；
根据河流摄像机的安装高度h计算河流摄像机的视野长度a和视野宽度b；
计算河流宽度H和视野宽度b的比值；
判断所述比值是否为整数，若为整数，则k=H/b；
若存在小数，则k=[H/b]+1。
4.根据权利要求3所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，所述待拼接图片为河流断面图，在S1中，具体包括以下步骤：
S11：获取k个河流摄像机分别录制的时间段T内的视频流；
S12：获取时间段T内的河流平均流速v；
S13：根据河流平均流速v，将每个视频流进行剪切处理成多张待拼接图片。
5.根据权利要求4所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，所述剪切处理具体包括以下步骤：
SA1：在视频流中提取一帧待拼接图片；
SA2：根据所述河流平均流速v获得剪切区域，所述剪切区域大小为河流流过的长度D与视野宽度b的乘积，其中，河流在一帧待拼接图片的时间流过的长度D=v/FR，FR为河流摄像机的帧频率，所述视野宽度b为待拼接图片的固定宽度；
SA3：根据所述剪切区域对视频流进行剪切，获得待拼接图片，将剪切时刻记为该待拼接图片的拍摄时间。
6.根据权利要求5所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，所述河流摄像机从横桥底面的左侧到右侧依次编号为1,2,...,k，所述待拼接图片对应的摄像机位置信息即为河流摄像机的编号。
7.根据权利要求6所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，将编号为1的河流摄像机拍摄的待拼接图片作为基准图片。
8.根据权利要求7所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，在S2中，具体包括以下步骤：
S21：将基准图片的左上角作为原点(0,0)，以原点至左下角顶点的连线为X轴，以原点至右上角顶点的连线为Y轴建立一个拼接坐标系，则基准图片的右下角顶点的坐标为（a,b），所述基准图片对应的拍摄时间为tx，对应的摄像机编号为1；
S22：将同一时间tx的待拼接图片按照摄像机编号顺序1,2,...,k依次横向拼接，得到一张待识别图片。
9.根据权利要求8所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，在S3中，对待识别图片进行污染物识别，得到识别结果的过程具体为：将所述待识别图片输入预先训练好的污染物识别模型中，得到标有污染物的种类和坐标的待识别图片。
10.根据权利要求9所述的一种基于坐标横向断面图的河流漂浮污染物的监测方法，其特征在于，在S3中，对待识别图片进行污染物识别，得到识别结果，所述识别结果包括污染物的坐标，所述污染物的坐标为污染物的中心点在拼接坐标系中所在的坐标。
CN202310397175.XA 2023-04-14 2023-04-14 一种基于坐标横向断面图的河流漂浮污染物的监测方法 Active CN116129362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310397175.XA CN116129362B (zh) 2023-04-14 2023-04-14 一种基于坐标横向断面图的河流漂浮污染物的监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310397175.XA CN116129362B (zh) 2023-04-14 2023-04-14 一种基于坐标横向断面图的河流漂浮污染物的监测方法

Publications (2)

Publication Number Publication Date
CN116129362A CN116129362A (zh) 2023-05-16
CN116129362B true CN116129362B (zh) 2023-06-30

Family

ID=86306644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310397175.XA Active CN116129362B (zh) 2023-04-14 2023-04-14 一种基于坐标横向断面图的河流漂浮污染物的监测方法

Country Status (1)

Country Link
CN (1) CN116129362B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102033729A (zh) * 2010-10-27 2011-04-27 广东威创视讯科技股份有限公司 一种异构图像拼接方法及其系统
CN102426804A (zh) * 2011-11-17 2012-04-25 浣石 基于远红外交叉热成像的桥梁防船撞预警系统
CN106203265A (zh) * 2016-06-28 2016-12-07 江苏大学 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法
CN108257119A (zh) * 2018-01-08 2018-07-06 浙江大学 一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法
CN109859269A (zh) * 2019-02-02 2019-06-07 重庆交通大学 岸基视频辅助定位无人机大范围流场测量方法及装置
CN110414334A (zh) * 2019-06-20 2019-11-05 浙江大学 一种基于无人机巡视的智能水质识别方法
CN114781514A (zh) * 2022-04-22 2022-07-22 山东大学 一种融合注意力机制的漂浮物目标检测方法及系统
CN115035416A (zh) * 2022-08-10 2022-09-09 广东广宇科技发展有限公司 一种污染水源快速识别方法、系统、电子设备及存储介质
CN115065782A (zh) * 2022-04-29 2022-09-16 珠海视熙科技有限公司 一种场景采集方法、采集装置、摄像设备及存储介质
CN115348247A (zh) * 2022-08-09 2022-11-15 四川科瑞源信息科技有限公司 基于天空地一体化技术的森林火灾检测预警及决策系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102033729A (zh) * 2010-10-27 2011-04-27 广东威创视讯科技股份有限公司 一种异构图像拼接方法及其系统
CN102426804A (zh) * 2011-11-17 2012-04-25 浣石 基于远红外交叉热成像的桥梁防船撞预警系统
CN106203265A (zh) * 2016-06-28 2016-12-07 江苏大学 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法
CN108257119A (zh) * 2018-01-08 2018-07-06 浙江大学 一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法
CN109859269A (zh) * 2019-02-02 2019-06-07 重庆交通大学 岸基视频辅助定位无人机大范围流场测量方法及装置
CN110414334A (zh) * 2019-06-20 2019-11-05 浙江大学 一种基于无人机巡视的智能水质识别方法
CN114781514A (zh) * 2022-04-22 2022-07-22 山东大学 一种融合注意力机制的漂浮物目标检测方法及系统
CN115065782A (zh) * 2022-04-29 2022-09-16 珠海视熙科技有限公司 一种场景采集方法、采集装置、摄像设备及存储介质
CN115348247A (zh) * 2022-08-09 2022-11-15 四川科瑞源信息科技有限公司 基于天空地一体化技术的森林火灾检测预警及决策系统
CN115035416A (zh) * 2022-08-10 2022-09-09 广东广宇科技发展有限公司 一种污染水源快速识别方法、系统、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
UAV Image Fast Splicing Correction Based on Secondary Information;Fanlong Kong等;《The Open Cybernetics & systemics journal》;1027-1032 *
基于多源遥感数据的邯郸市滏阳河水质参数反演;赵松;《中国优秀硕士学位论文全文数据库 工程科技I辑》;B027-670 *

Also Published As

Publication number Publication date
CN116129362A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN110807496B (zh) 一种密集目标检测方法
CN111242127A (zh) 基于非对称卷积的具有粒度级多尺度特性的车辆检测方法
CN106778659B (zh) 一种车牌识别方法及装置
CN107749986A (zh) 教学视频生成方法、装置、存储介质和计算机设备
CN112511767B (zh) 一种视频拼接方法及设备、存储介质
CN109146880A (zh) 一种基于深度学习的电力设备检测方法
CN112964201A (zh) 一种碳板直线度检测方法
CN113365028B (zh) 一种巡检路径的生成方法、装置及系统
CN107167296A (zh) 实验室水面溢油运动规律测定方法和装置
CN106600628A (zh) 一种基于红外热像仪的目标物识别的方法与装置
CN118071735B (zh) 一种液漏检测方法及系统
Lira et al. A computer-vision approach to traffic analysis over intersections
CN108520496B (zh) 一种基于光流法的海空背景监控视频图像拼接方法
CN116129362B (zh) 一种基于坐标横向断面图的河流漂浮污染物的监测方法
CN112330675B (zh) 基于AOD-Net的交通道路图像大气能见度检测方法
CN111639642B (zh) 一种图像处理方法、设备及装置
CN117877011A (zh) 一种基于神经网络的仪表动态追踪与识别方法和系统
CN113311507A (zh) 一种台风路径的识别方法及装置
CN112364814A (zh) 基于人工智能图像处理的光伏机器人速度检测方法及系统
CN116129363B (zh) 一种河流漂浮污染物的监测方法及存储介质
CN118314025A (zh) 处理图像的方法、装置和电子设备
CN115471773A (zh) 一种面向智慧教室的学生跟踪方法及系统
CN113326793A (zh) 一种远距离行人位置识别方法、系统及存储介质
CN104182993B (zh) 一种目标跟踪的方法
CN113315995A (zh) 提高视频质量的方法、装置、可读存储介质及电子设备

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