CN116129363B - 一种河流漂浮污染物的监测方法及存储介质 - Google Patents
一种河流漂浮污染物的监测方法及存储介质 Download PDFInfo
- Publication number
- CN116129363B CN116129363B CN202310397187.2A CN202310397187A CN116129363B CN 116129363 B CN116129363 B CN 116129363B CN 202310397187 A CN202310397187 A CN 202310397187A CN 116129363 B CN116129363 B CN 116129363B
- Authority
- CN
- China
- Prior art keywords
- river
- section
- picture
- complete
- river section
- 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
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 82
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 73
- 238000009877 rendering Methods 0.000 claims abstract description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000010008 shearing Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims description 10
- 239000000356 contaminant Substances 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 6
- 230000000007 visual effect Effects 0.000 abstract 1
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 208000034699 Vitreous floaters Diseases 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001364889 Helius Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种河流漂浮污染物的监测方法及存储介质,涉及河流治理技术领域,包括:分别获取n个摄像装置同时拍摄的河流断面图并存入河流断面图集Q;按垂直水流的方向拼接Q中的断面图,得到完整河流断面图;将完整河流断面图输入预先训练好的污染物识别模型中得到标有污染物标签的图片;根据污染物标签分类统计,得到各类污染物的数量;并将各类污染物的数量分区域渲染在完整河流断面图中;得到河流断面渲染图;创建与完整河流断面图对应的河流场景模板,循环上述步骤;将得到的各个时刻的河流断面渲染图拼接在河流场景模板中。可以从河流场景模板中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。
Description
技术领域
本发明涉及河流治理技术领域,具体涉及一种河流漂浮污染物的监测方法及存储介质。
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中,为了能掌握当前河流上漂浮物的分布状况,一般采用在河流一岸安装一个广角视频监控装置,用于监测河流上是否存在漂浮物,但是这种方法中,一方面,安装在河流岸边的摄影装置的摄像范围有限,另一方面,拍摄的图片中由于视角存在近大远小的图像畸变,不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。现有技术中也存在采用无人机拍摄来进行污染物的检测。但是这种检测方法中,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。
发明内容
本发明的目的在于提供一种河流漂浮污染物的监测方法及存储介质,通过在架设在河流正上方的桥梁上安装n个摄像装置,其中,每个摄像装置的拍摄焦点位于河流横断面的正上方,这样能保证拍摄到完整的河流断面,对于n个摄像装置同一时刻拍摄到的图片进行纵向拼接,得到当前时刻下的完整河流断面图,统计当前时刻拍摄到的各类污染物的数量,并通过渲染将各类污染物的数量渲染在完整河流断面图中,最后通过构建与完整河流断面图对应的河流场景模板,将各个时刻下的河流断面渲染图依次拼接在河流场景模板中,从而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。
一方面,本申请提供一种河流漂浮污染物的监测方法,具体包括以下步骤:
S1、分别获取当前时刻下n个摄像装置同时拍摄的河流断面图并存入河流断面图集Q中(Q1,Q2,…,Qn);n个摄像装置分别安装在河流正上方的桥梁上,且每个摄像装置的焦点均位于垂直于河流横断面的垂线上;
S2、将Q中的河流断面图按垂直水流的方向进行纵向拼接,得到当前时刻的完整河流断面图;
S3、将所述完整的河流断面图输入预先训练好的污染物识别模型中,得到标有污染物标签的标识图片;
S4、根据图片中的污染物标签分类别进行统计,得到各类污染物的数量;并将各类污染物的数量分区域渲染在完整河流断面图中;得到当前时刻的河流断面渲染图;
S5、创建与完整河流断面图对应的河流场景模板,循环步骤S1-S4;将得到的各个时刻的河流断面渲染图拼接在河流场景模板中。
进一步地,摄像装置的个数n的确定方法为:
获取桥梁下对应河流的宽度H和摄像装置的安装高度,所述安装高度为摄像装置的焦点距离河流水面的高度;
根据摄像装置的安装高度计算摄像装置的拍摄长度L和拍摄宽度a;
计算河流宽度与拍摄宽带的比值H/a;
判断所述比值是否为整数,若为整数,则n=H/a;
若存在小数,则n=[ H/a]+1。
进一步地,每个摄像装置按照相同的定时拍摄间隔定时拍摄河流断面图,对各个拍摄时刻下的河流断面渲染图,按拍摄时间顺序将各个拍摄时刻下的河流断面渲染图依次拼接在河流场景模板中。
进一步地,定时拍摄间隔△t的确定方法为:
获取河流的平均流速v和摄像装置拍摄一次所需的拍摄时间t,
计算河流流过长度为L所需的时间T=L/v;
则摄像装置的定时拍摄间隔为:△t=T-t。
进一步地,步骤S6中创建河流场景模板的具体过程包括:
创建宽为H的河流场景图;并将河流场景模板划分为多个长为L宽为H的待显示区域;
将各个拍摄时刻下的河流断面渲染图按时间顺序依次填入到待显示区域中。
进一步地,得到河流断面渲染图的过程为:
将完整河流断面图划分为与污染物种类的数量对应的若干个区域;
分别构建各类污染物的数量与RGB的映射关系,根据各类污染物的数量设置各类污染物对应的RGB值;
将各类污染物对应的RGB值渲染在完整河流断面图对应的区域中。
进一步地,每个摄像装置同时开始录制河流视频流;
根据河流流速,对每个河流视频流均进行剪切处理,得到各剪切时刻对应的河流断面图,并将同一时刻的河流断面图存入河流断面图集Q中。
进一步地,步骤S2中得到一张完整河流断面图的具体过程为:
基于图片左上角为原点建立以像素为单位的直角坐标系x-y,像素的横坐标x与纵坐标y分别是在其图像数组中所在的列数与所在行数;
以图片集Q中第一张河流断面图作为基准图片,计算图片集Q中其他河流断面图的拼接坐标信息;
根据每张河流断面图左上角的拼接坐标信息,按垂直水流的方向,将Q中所有河流断面图依次拼接,得到一张完整河流断面图。
进一步地,计算图片集Q中各河流断面图的拼接坐标信息的过程包括:
分别记录图片集Q中的每张河流断面图对应的各个像素点的初始坐标信息;
以存入图片集Q的第一张河流断面图Q1作为基准图片,将Q1对应的各个像素点的初始坐标信息作为Q1的拼接坐标信息;
将Q2对应的各个像素点的初始坐标信息的纵坐标分别加上Q1对应的最后一行各个像素点的纵坐标值,得到Q2对应的各个像素点的拼接坐标信息;将Q3对应的各个像素点的初始坐标信息的纵坐标分别加上Q2对应的最后一行各个像素点的纵坐标值,得到Q3对应的各个像素点的拼接坐标信息;以此类推,得到图片集Q中所有河流断面图的拼接坐标信息。
第二方面,本申请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根据第一方面所述的一种河流漂浮污染物的监测方法。
本发明具有的有益效果:
与现有技术中仅在河岸上安装监控摄像装置不能获得完整的河流断面相比,本申请中将摄像装置安装在架设在河流上的桥梁上,且将摄像视角调整为河流横断面的正上方,并且根据河流的宽度将n个摄影装置均匀安装在桥梁下方,且这些摄像装置的拍摄视角均为河流断面的正上方,从而保证能拍摄到完整的河流断面;
而相对于现有技术中不能动态监测河流漂浮物的分布情况,本申请通过对多个摄像装置拍摄到的多个图像处理,具体地,将每个摄像装置同一时刻下同时拍摄到的河流断面图沿垂直水流方向(即纵向)拼接成一张纵向河流断面图,再将n个摄像装置拍摄到的n张纵向河流断面图拼接为一张完整河流断面图,通过预先训练好的污染物识别模型分别统计当前时刻各类污染物的数量,将各类污染物的数量渲染在完整河流断面图中,创建与完整河流断面图对应的河流场景模板,并将各个时刻的河流断面渲染图拼接在河流场景模板中,从而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。
附图说明
图1为本发明实施例1摄像装置采用定时拍摄模式下河流漂浮污染物的监测方法流程图;
图2为本发明一种实施方式中摄像装置安装示意图;
图3为本发明一种实施方式中某个时刻下河流断面图拼接成的完整河流断面图示意;
图4为本发明一种实施方式中根据污染物种类和数量渲染得到的河流断面渲染图示意;
图5为本发明一种实施方式中拼接后的河流场景模板图示意;
图6为本发明一种实施例2摄像装置采用不间断录像模式下河流漂浮污染物的监测方法流程图。
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。
实施例1
如图1所示,本实施例提供一种河流漂浮污染物的监测方法,其中,摄像装置设置为定时拍摄模式,则具体过程包括:
S1、分别获取当前拍摄时刻下n个摄像装置同时拍摄的河流断面图并存入河流断面图集Q中(Q1,Q2,…,Qn);其中,n个摄像装置分别安装在河流正上方的桥梁上,且每个摄像装置的焦点均位于垂直于河流横断面的垂线上;所述n个摄像装置安装在同一直线上,且该直线平行于河流宽度方向,n个摄像装置设置为同时启动,同时拍摄河流断面图。
为了保证安装的摄像装置能拍摄到完整的河流横断面,首先需要保证摄像装置的拍摄视角在河流横断面的正上方,并且其能拍摄的范围尽可能覆盖河流横断面,对于比较宽的河流需要设置多个摄像装置,此时,需要合理安装摄像装置的位置,以使多个摄像装置的配合能得到完整的河流横断面。在本实施例中,如图所示,若河流的宽度为H,测量摄像装置的安装高度,所述安装高度为摄像装置的焦点距离河流水面的高度即焦距;则可以根据焦距计算摄像装置的拍摄长度L和拍摄宽度a;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:
计算河流宽度与拍摄宽带的比值H/a;
判断所述比值是否为整数,若为整数,则n=H/a;
若存在小数,则n=[H/a]+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。
S2、将Q中的河流断面图按垂直水流的方向进行纵向拼接,得到当前拍摄时刻的完整河流断面图;
具体地,在一种实施方式中,步骤S2中得到一张纵向河流断面图的具体过程为:
S21、基于图片左上角为原点建立以像素为单位的直角坐标系x-y,像素的横坐标x与纵坐标y分别是在其图像数组中所在的列数与所在行数;
S22、以图片集Q中第一张河流断面图作为基准图片,计算图片集Q中其他河流断面图的拼接坐标信息;
具体地,在一种实施方式中,得到其他河流断面图的拼接坐标信息的过程为:
S221、分别记录图片集Q中的每张河流断面图对应的各个像素点的初始坐标信息;
S222、以存入图片集Q的第一张河流断面图Q1作为基准图片,将Q1对应的各个像素点的初始坐标信息作为Q1的拼接坐标信息;
S223、将Q2对应的各个像素点的初始坐标信息的纵坐标分别加上Q1对应的最后一行各个像素点的纵坐标值,得到Q2对应的各个像素点的拼接坐标信息;将Q3对应的各个像素点的初始坐标信息的纵坐标分别加上Q2对应的最后一行各个像素点的纵坐标值,得到Q3对应的各个像素点的拼接坐标信息;以此类推,得到图片集Q中所有河流断面图的拼接坐标信息;
S23、根据每张河流断面图左上角的拼接坐标信息,按垂直水流的方向,将Q中所有河流断面图依次拼接,得到一张完整河流断面图。
S3、将所述完整的河流断面图输入预先训练好的污染物识别模型中,得到标有污染物标签的标识图片;
S4、根据标识图片中的污染物标签分类别进行统计,得到当前拍摄时刻下各类污染物的数量;并将当前拍摄时刻下各类污染物的数量分区域渲染在完整河流断面图中;得到当前拍摄时刻的河流断面渲染图;
具体地,在一种实施方式中,得到河流断面渲染图的过程为:
S41、将完整河流断面图划分为与污染物种类的数量对应的若干个区域;
S42、分别构建各类污染物的数量与RGB的映射关系,根据各类污染物的数量设置各类污染物对应的RGB值;
S43、将各类污染物对应的RGB值渲染在完整河流断面图对应的区域中。
S5、创建与完整河流断面图对应的河流场景模板,按照事先设置的定时拍摄间隔获取下一拍摄时刻的河流断面图,并循环步骤S1-S4;得到各个拍摄时刻下的河流断面渲染图;将得到的各个时刻的河流断面渲染图拼接在河流场景模板中。
河流场景模板与完整河流断面图对应,具体地,河流场景模板的宽与河流的宽度H一致,而河流场景模板的长不做限制,但是需要将河流场景模板划分为多个显示区域,创建宽为H的河流场景图;并将河流场景模板划分为多个长为L宽为H的待显示区域;这样就可以将各个拍摄时刻下的河流断面渲染图按时间顺序依次填入到对应地待显示区域中。
具体地,在一种具体实施方式中,摄像装置的定时拍摄间隔△t可以通过下述方法确定:
步骤1、获取河流的平均流速v和摄像装置拍摄一次所需的拍摄时间t,
步骤2、计算河流流过长度为L所需的时间T=L/v;
步骤3、计算摄像装置的定时拍摄间隔为:△t=T-t。
为了更好地说明本实施的实施方法,假设一条河流上方安装了3个摄像装置,其安装位置如图2所示,在桥梁上,且其拍摄角度正对河流,在本实施例中设置每个摄像装置的拍摄间隔△t,即每隔△t同时拍摄一次,将每次拍摄到的河流断面图按照相机编号依次存入河流断面集Q中(Q1,Q2,…,Qn);根据构建的像素点的直角坐标系,记录Q1、Q2、Q3对应的各个像素点的初始坐标信息;例如为Q1:{(0,0),(1,0),…,(7, 0),…,(7,5)};为了得到每个拍摄时刻后完整的河流断面图,则需要将Q中的所有河流断面图按垂直水流的方向进行纵向拼接,但由于每张图片在存储时均是按照左上点为原点坐标的方式进行存储的,Q1、Q2、Q3在存储时的坐标信息一致,因此,需要以其中一张图片为基准,将其他河流断面图的坐标换算后再进行拼接,本实施例以Q1的初始坐标信息为基准,计算Q2的拼接坐标时,Q2的初始坐标信息的横坐标值不变,纵坐标均加上Q1对应像素点的最后一行像素坐标的纵坐标值,得到Q2各个像素点的拼接坐标Q2{(0,5),(1,5),…,(7, 5),…,(7,10)};相同地,得到Q3各个像素点的拼接坐标Q3{(0,10),(1,10),…,(7, 10),…,(7,15)};
按照左上角的坐标信息将Q1、Q2、Q3填入拼接模板的对应位置,如图3所示,得到一张完整河流断面图;完整河流断面图中各个像素点对应的坐标为{(0,0),(1,0),…,(7,0),…,(7,15)},将完整河流断面图输入预先训练好的污染物识别模型中,得到标有污染物标签的标识图片;根据标识图片中的污染物标签分类别进行统计,得到当前拍摄时刻下各类污染物的数量;并将当前拍摄时刻下各类污染物的数量分区域渲染在完整河流断面图中;得到当前拍摄时刻的河流断面渲染图,例如,当前时刻的河流断面图中存在4种污染物,污染物1为6个,污染物2为10个,污染物3为16个,污染物4为20个,则创建一个与完整河流断面图的尺寸大小一致的空白画布,将这个空白画布划分为与污染物种类数量对应地4个区域,将各类污染物对应的RGB值按大小依次渲染区域,得到具有4个色块的河流断面渲染图P1,如图4所示。
相似地,对每个拍摄时刻下的河流断面图均做上述处理,得到各个拍摄时刻下的河流断面渲染图P1,P2,P3,…,并且将河流断面渲染图P1,P2,P3,…,按照时间顺序依次填入河流场景模板的各个待显示区域中,为了使后一时刻的河流断面渲染图能定位到河流场景模板中对应的位置,可以按照P1,P2,P3,…,的拼接方法将各河流断面渲染图填入各待显示区域中,例如可以按照与上述集合Q的拼接方法相似的方法,计算后一时刻的像素坐标值,不同的是,计算P2的拼接坐标时使P2的初始坐标信息的纵坐标值不变,所有横坐标值均加上P1对应像素点的最后一列像素坐标的横坐标值即可。这样可以得到一张模拟河流流速无限延伸的河流场景模板,如图5所示,在河流场景模板中可以直观地观察到每一拍摄时刻下各污染物的分布情况。
实施例2
如图6所示,本实施例提供一种监测河流漂浮污染物的监测方法,其中,摄像装置设置为录制视频流模式,与实施例1的区别为获取河流断面集的方法不同,具体过程为:
Sa、获取n个摄像装置分别同时录制的视频流并存入视频集M(M1,M2,…,Mn);n个摄像装置分别安装在河流正上方的桥梁上,录制角度为河流横断面;
Sb、获取河流的平均流速v,根据v,对每个视频流进行剪切处理,得到同一剪切时刻下的河流断面图,将同一剪切时刻的河流断面图存入图片集Q(Q1,Q2,…Qn)中;
所述剪切处理具体包括以下步骤: Sb1、在视频流M1中提取一帧待剪切的河流断面图; Sb2、根据所述河流的平均流速v获得剪切区域;
剪切区域为以河流的平均流速v,以摄像装置的帧频率FR,以待剪切的河流断面图的固定侧边长为a,根据包裹的移动速度V、帧频率FR,计算河流在一帧图片的时间内流过的长度D=v/FR,所述剪切区域大小为河流流过的长度D与固定侧边长a的乘积;其中,所述待剪切的河流断面图中与运动方向平行的侧边为运动侧边,与运动方向垂直的侧边为固定侧边。
Sb3、根据所述剪切区域对视频流进行剪切,获得当前时刻的河流断面图Q1;
Sb4、对每个视频流均执行步骤Sb1-Sb3,将每个视频流中得到的同一剪切时刻的河流断面图Q1(M1视频流截取),Q2(M2视频流截取),Q3(M3视频流截取),…,Qn(Mn视频流截取);
Sc、将Q中的河流断面图按垂直水流的方向进行纵向拼接,得到当前剪切时刻的完整河流断面图;
Sd、将所述完整的河流断面图输入预先训练好的污染物识别模型中,得到标有污染物标签的标识图片;
Se、根据标识图片中的污染物标签分类别进行统计,得到当前剪切时刻下各类污染物的数量;并将当前剪切时刻下各类污染物的数量分区域渲染在完整河流断面图中;得到当前剪切时刻的河流断面渲染图;
Sf、创建与完整河流断面图对应的河流场景模板,按照上述剪切方法对每个视频流依次进行剪切,对于每个摄像装置在同一剪切时刻获得的n张河流断面图执行步骤Sa-Se;得到各个剪切时刻下的河流断面渲染图;将得到的各个剪切时刻的河流断面渲染图拼接在河流场景模板中。
其中,河流断面图的渲染方法以及拼接在河流场景模板中的拼接方法均与实施例1相同,在本实施例中不做赘述。不同的是,本申请中河流场景模板的待显示区域为长为D,宽为H。
实施例3
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 (8)
1.一种河流漂浮污染物的监测方法,其特征在于,具体包括以下步骤:
S1、分别获取当前时刻下n个摄像装置同时拍摄的河流断面图并存入河流断面图集Q中(Q1,Q2,…,Qn);n个摄像装置分别安装在河流正上方的桥梁上,且每个摄像装置的焦点均位于垂直于河流横断面的垂线上;
S2、将Q中的河流断面图按垂直水流的方向进行纵向拼接,得到当前时刻的完整河流断面图;
S3、将所述完整河流断面图输入预先训练好的污染物识别模型中,得到标有污染物标签的标识图片;
S4、根据标识图片中的污染物标签分类别进行统计,得到各类污染物的数量;并将各类污染物的数量分区域渲染在完整河流断面图中;得到当前时刻的河流断面渲染图;
S5、创建与完整河流断面图对应的河流场景模板,循环步骤S1-S4;将得到的各个时刻的河流断面渲染图拼接在河流场景模板中;
创建河流场景模板的具体过程包括:
创建宽为H的河流场景图;将河流场景模板划分为多个长为L宽为H的待显示区域;
将各个拍摄时刻下的河流断面渲染图按时间顺序依次填入到待显示区域中;
得到河流断面渲染图的过程为:
将完整河流断面图划分为与污染物种类的数量对应的若干个区域;
分别构建各类污染物的数量与RGB的映射关系,根据各类污染物的数量设置各类污染物对应的RGB值;
将各类污染物对应的RGB值渲染在完整河流断面图对应的区域中。
2.根据权利要求1所述的一种河流漂浮污染物的监测方法,其特征在于,摄像装置的个数n的确定方法为:
获取桥梁下对应河流的宽度H和摄像装置的安装高度,所述安装高度为摄像装置的焦点距离河流水面的高度;
根据摄像装置的安装高度计算摄像装置的拍摄长度L和拍摄宽度a;
计算河流宽度与拍摄宽度的比值H/a;
判断所述比值是否为整数,若为整数,则n=H/a;
若存在小数,则n=[ H/a]+1。
3.根据权利要求2所述的一种河流漂浮污染物的监测方法,其特征在于,每个摄像装置按照相同的定时拍摄间隔定时拍摄河流断面图,对各个拍摄时刻下的河流断面渲染图,按拍摄时间顺序将各个拍摄时刻下的河流断面渲染图依次拼接在河流场景模板中。
4.根据权利要求3所述的一种河流漂浮污染物的监测方法,其特征在于,定时拍摄间隔△t的确定方法为:
获取河流的平均流速v和摄像装置拍摄一次所需的拍摄时间t,
计算河流流过长度L所需的时间T=L/v;
则摄像装置的定时拍摄间隔为:△t=T-t。
5.根据权利要求1所述的一种河流漂浮污染物的监测方法,其特征在于,每个摄像装置同时开始录制河流视频流;
根据河流流速,对每个河流视频流均进行剪切处理,得到各剪切时刻对应的河流断面图,并将同一时刻的河流断面图存入河流断面图集Q中。
6.根据权利要求1所述的一种河流漂浮污染物的监测方法,其特征在于,步骤S2中得到一张完整河流断面图的具体过程为:
基于图片左上角为原点建立以像素为单位的直角坐标系x-y,像素的横坐标x与纵坐标y分别是在其图像数组中所在的列数与所在行数;
以图片集Q中第一张河流断面图作为基准图片,计算图片集Q中其他河流断面图的拼接坐标信息;
根据每张河流断面图左上角的拼接坐标信息,按垂直水流的方向,将Q中所有河流断面图依次拼接,得到一张完整河流断面图。
7.根据权利要求1所述的一种河流漂浮污染物的监测方法,其特征在于,计算图片集Q中各河流断面图的拼接坐标信息的过程包括:
分别记录图片集Q中的每张河流断面图对应的各个像素点的初始坐标信息;
以存入图片集Q的第一张河流断面图Q1作为基准图片,将Q1对应的各个像素点的初始坐标信息作为Q1的拼接坐标信息;
将Q2对应的各个像素点的初始坐标信息的纵坐标分别加上Q1对应的最后一行各个像素点的纵坐标值,得到Q2对应的各个像素点的拼接坐标信息;将Q3对应的各个像素点的初始坐标信息的纵坐标分别加上Q2对应的最后一行各个像素点的纵坐标值,得到Q3对应的各个像素点的拼接坐标信息;以此类推,得到图片集Q中所有河流断面图的拼接坐标信息。
8.一种计算机可读存储介质,其特征在于,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根据权利要求1至7中任意一项所述的一种河流漂浮污染物的监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310397187.2A CN116129363B (zh) | 2023-04-14 | 2023-04-14 | 一种河流漂浮污染物的监测方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310397187.2A CN116129363B (zh) | 2023-04-14 | 2023-04-14 | 一种河流漂浮污染物的监测方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116129363A CN116129363A (zh) | 2023-05-16 |
CN116129363B true CN116129363B (zh) | 2023-06-30 |
Family
ID=86306646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310397187.2A Active CN116129363B (zh) | 2023-04-14 | 2023-04-14 | 一种河流漂浮污染物的监测方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116129363B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2961702A1 (en) * | 2016-03-23 | 2017-09-23 | River Analyzer Inc. D/B/A/ Fresh Water Map | Granular river attributes and predictions using acoustic doppler current profiler data from river floats |
CN108038450A (zh) * | 2017-12-14 | 2018-05-15 | 海安常州大学高新技术研发中心 | 基于无人机和图像识别的水面污染物检测方法 |
CN110713324A (zh) * | 2019-11-22 | 2020-01-21 | 中国科学院水生生物研究所 | 一种基于污染物高效原位拦截的生态滤坝及其应用 |
CN111089625A (zh) * | 2019-12-13 | 2020-05-01 | 国网浙江省电力有限公司紧水滩水力发电厂 | 一种模拟双目视觉的河流流量实时监测系统及方法 |
CN112067839A (zh) * | 2020-09-18 | 2020-12-11 | 重庆交通大学 | 无控制点条件下的无人机超宽河流表面流场快速测量方法 |
CN114936664A (zh) * | 2022-03-18 | 2022-08-23 | 桂林电子科技大学 | 基于混合深度学习模型的流域非点源污染预测方法 |
CN114994275A (zh) * | 2022-07-15 | 2022-09-02 | 杭州石炭纪环保科技有限公司 | 一种基于浮标站的水质污染物通量监测方法及系统 |
CN115497015A (zh) * | 2021-06-16 | 2022-12-20 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于卷积神经网络的河流漂浮污染物识别方法 |
CN115909133A (zh) * | 2022-10-24 | 2023-04-04 | 无锡高德环境科技有限公司 | 一种对平原河网中城市区域河流水体污染物预警的识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170277815A1 (en) * | 2016-03-23 | 2017-09-28 | River Analyzer Inc. d/b/a Fresh Water Map | Granular river attributes and predictions using acoustic doppler current profiler data from river floats |
-
2023
- 2023-04-14 CN CN202310397187.2A patent/CN116129363B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2961702A1 (en) * | 2016-03-23 | 2017-09-23 | River Analyzer Inc. D/B/A/ Fresh Water Map | Granular river attributes and predictions using acoustic doppler current profiler data from river floats |
CN108038450A (zh) * | 2017-12-14 | 2018-05-15 | 海安常州大学高新技术研发中心 | 基于无人机和图像识别的水面污染物检测方法 |
CN110713324A (zh) * | 2019-11-22 | 2020-01-21 | 中国科学院水生生物研究所 | 一种基于污染物高效原位拦截的生态滤坝及其应用 |
CN111089625A (zh) * | 2019-12-13 | 2020-05-01 | 国网浙江省电力有限公司紧水滩水力发电厂 | 一种模拟双目视觉的河流流量实时监测系统及方法 |
CN112067839A (zh) * | 2020-09-18 | 2020-12-11 | 重庆交通大学 | 无控制点条件下的无人机超宽河流表面流场快速测量方法 |
CN115497015A (zh) * | 2021-06-16 | 2022-12-20 | 中国科学院沈阳计算技术研究所有限公司 | 一种基于卷积神经网络的河流漂浮污染物识别方法 |
CN114936664A (zh) * | 2022-03-18 | 2022-08-23 | 桂林电子科技大学 | 基于混合深度学习模型的流域非点源污染预测方法 |
CN114994275A (zh) * | 2022-07-15 | 2022-09-02 | 杭州石炭纪环保科技有限公司 | 一种基于浮标站的水质污染物通量监测方法及系统 |
CN115909133A (zh) * | 2022-10-24 | 2023-04-04 | 无锡高德环境科技有限公司 | 一种对平原河网中城市区域河流水体污染物预警的识别方法 |
Non-Patent Citations (3)
Title |
---|
river groundwater interaction and recharge effects on microplastics contamination of groundwater in confined alluvial aquifers;Edoardo Severini等;water;第14卷(第12期);1-16 * |
一种基于SOM的水面污染物智能监控系统;吴有富;左建军;吴晶;;环保科技;第18卷(第02期);1-4+9 * |
水面漂浮物智能监控技术;左建军;吴有富;;软件导刊;第12卷(第04期);150-152 * |
Also Published As
Publication number | Publication date |
---|---|
CN116129363A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Changzhen et al. | A traffic sign detection algorithm based on deep convolutional neural network | |
CN111462503B (zh) | 车辆测速方法、装置及计算机可读存储介质 | |
CN110633610B (zh) | 一种基于yolo的学员状态检测方法 | |
CN103517041A (zh) | 基于多相机旋转扫描的实时全景监控方法和装置 | |
CN106447608B (zh) | 一种视频图像拼接方法及装置 | |
CN113365028B (zh) | 一种巡检路径的生成方法、装置及系统 | |
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 | |
CN106447602A (zh) | 一种图像拼接方法及装置 | |
KR102052833B1 (ko) | 영상 추적을 이용한 차량 속도 검출 장치 및 방법 | |
CN106530328A (zh) | 一种基于视频图像对运动目标检测和平滑跟随的方法 | |
CN110114801B (zh) | 图像前景检测装置及方法、电子设备 | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
CN103208125A (zh) | 视频帧图像中颜色和运动全局对比度的视觉显著性算法 | |
JP2007068041A (ja) | 広域監視パノラマシステム | |
CN116129363B (zh) | 一种河流漂浮污染物的监测方法及存储介质 | |
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 | |
CN105791655A (zh) | 一种计算摄像模组的镜头畸变的方法 | |
CN115249345A (zh) | 一种基于倾斜摄影三维实景地图的交通拥堵检测方法 | |
CN114913470A (zh) | 一种事件检测方法及装置 | |
CN104182993B (zh) | 一种目标跟踪的方法 | |
CN114612775A (zh) | 一种基于机器视觉的棒材全线跟踪方法及装置 | |
US8340353B2 (en) | Close-up shot detecting apparatus and method, electronic apparatus and computer program | |
CN104572792B (zh) | 影像索引方法、影像索引装置及电脑可读取媒体 | |
JP7103975B2 (ja) | 構造物検出装置、構造物検出方法及び構造物検出プログラム | |
CN110674778B (zh) | 一种高分辨视频图像目标检测方法及装置 |
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 |