CN116260945B - 一种基于河流分区管理的智能化视频监控方法 - Google Patents

一种基于河流分区管理的智能化视频监控方法 Download PDF

Info

Publication number
CN116260945B
CN116260945B CN202310540413.8A CN202310540413A CN116260945B CN 116260945 B CN116260945 B CN 116260945B CN 202310540413 A CN202310540413 A CN 202310540413A CN 116260945 B CN116260945 B CN 116260945B
Authority
CN
China
Prior art keywords
temporary
areas
area
dissolved substance
temporary area
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
CN202310540413.8A
Other languages
English (en)
Other versions
CN116260945A (zh
Inventor
王玉娟
张俊俊
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.)
Anhui Haast Automation Technology Co ltd
Original Assignee
Anhui Haast Automation 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 Anhui Haast Automation Technology Co ltd filed Critical Anhui Haast Automation Technology Co ltd
Priority to CN202310540413.8A priority Critical patent/CN116260945B/zh
Publication of CN116260945A publication Critical patent/CN116260945A/zh
Application granted granted Critical
Publication of CN116260945B publication Critical patent/CN116260945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/85Investigating moving fluids or granular solids
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18Water
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/05Underwater scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/182Network patterns, e.g. roads or rivers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Emergency Management (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于河流分区管理的智能化视频监控方法,涉及河流分区技术领域,在河流区域上等距划分出多个临时区域,且在每个区域内安装重要的视频监控设备来采集水质参数,通过视频监控设备采集水质参数,实时对水质进行监测,可以大大减少人力和物力的投入,提高管理的效率,通过视频监控设备采集的各项参数建立区域间相似度系数,将区域间相似度系数和区域间相似度系数阈值进行比较,判断两块区域的相似情况,且通过逐次比较相邻的临时区域,实现临时区域间的合并或独立,进而快速、科学、精确地完成河流管理区域的划分,方便后期分类施策。

Description

一种基于河流分区管理的智能化视频监控方法
技术领域
本发明涉及河流分区技术领域,更具体地说,本发明涉及基于河流分区管理的智能化视频监控方法。
背景技术
河流分区管理是一种管理方法,旨在保护和管理一个特定地区的水资源,包括河流、湖泊和地下水等。这种管理方法通常由政府机构负责实施,其目的是确保该地区的水资源得到合理地利用和保护。
传统的河流分区通常是基于流域特征和行政区域进行划分,例如将一个河流的流域按照行政区域划分为多个部分。这种划分方法比较简单和易于实施,但存在以下不足之处:
这种传统的河流分区方法通常没有考虑到河流水质的特征,缺乏科学性和系统性;传统的河流分区通常是基于行政区域划分的,而行政区域与河流的水质并不完全吻合,因此这种分区方法不能反映河流的水质;缺乏灵活性和可调整性,不能适应河流水质变化的需要;不利于综合管理和跨行政区域协调,容易导致管理上的断层和协调难度。
为了解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供基于河流分区管理的智能化视频监控方法以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
步骤S1,通过采集视频监控设备的设备参数和环境参数建立贡献度系数;设置贡献度系数阈值,将贡献度系数和贡献度系数阈值进行比较,将贡献度系数小于贡献度系数阈值的视频监控设备标记为不重要程度设备,发出拆除或关闭该视频监控设备信号;
步骤S2,通过视频监控设备采集临时区域的水质参数,通过水质参数建立临时区域溶解物质浓度平均值;设置临时区域溶解物质浓度平均值阈值,将临时区域溶解物质浓度平均值与临时区域溶解物质浓度平均值阈值进行比较,若临时区域溶解物质浓度平均值大于临时区域溶解物质浓度平均值阈值,标记该临时区域为重度污染地区,发出预警信号;
步骤S3,根据临时区域溶解物质浓度平均值建立临时区域溶解物质浓度离散程度,通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数;
步骤S4,对于每个临时区域,初始化合为一个单独的集合,按照河流流向对临时区域进行排序,逐一比较相邻的临时区域之间的区域间相似度系数;
步骤S5,设置区域间相似度系数阈值,将排序第一的临时区域作为初始比较对象,且与相邻的临时区域进行比较,若与相邻的临时区域之间的区域间相似度系数小于区域间相似度系数阈值,则将他们所在的集合合并为一个新的集合,继续拿初始比较对象比较下一个相邻的临时区域,若与下一个相邻的临时区域之间的区域间相似度系数大于区域间相似度系数阈值,则保留他们原来所在的集合,将原来所在的集合相邻的临时区域作为新的初始比较对象继续比较下一个相邻的临时区域;
步骤S6,重复步骤S5,直到所有的临时区域都被比较过,最终得到的每个集合即为合并后的管理区域。
在一个优选的实施方式中,步骤S1,具体包括以下步骤:
对所需分区的河流等距划分出m个临时区域,按照河流流向从头到尾依次排序,j为临时区域排序编号库,j属于{1、2、3、……、m},m为正整数,在每个临时区域安装相同间距的视频监控设备,通过视频监控设备获取河流的各项参数;
通过采集视频监控设备的设备参数和环境参数建立贡献度系数,具体步骤如下:
设备参数包括累计故障时间占比率、拍摄视频采纳率;
将累计故障时间占比率标记为GZS、拍摄视频采纳率标记为CNS;
环境参数包括气流速度合格占比率、空气能见度占比率;
将气流速度合格占比率标记为PLS、空气能见度占比率标记为NJS;
将累计故障时间占比率、拍摄视频采纳率、气流速度合格占比率、空气能见度占比率做归一化处理,建立贡献度系数,表达式为:
式中,G为贡献度系数,k1、k2、k3、k4分别为拍摄视频采纳率、累计故障时间占比率、气流速度合格占比率、空气能见度占比率的比例系数,且k2>k1>k4>k3>0。
在一个优选的实施方式中,设置贡献度系数阈值,获取贡献度系数后,将贡献度系数和贡献度系数阈值进行比较,若贡献度系数大于贡献度系数阈值,将该视频监控设备标记为重要设备,加强对该视频监控设备的维护,若贡献度系数小于贡献度系数阈值,标记为不重要设备,发出拆除或关闭该视频监控设备信号。
在一个优选的实施方式中,步骤S2,具体包括以下步骤:
水质参数包括溶解物质浓度,将溶解物质浓度标记W;
对同属于一个临时区域内的空间划分成n块呈矩形状的零散区域,采集每个零散区域的溶解物质浓度,建立临时区域溶解物质浓度平均值,表达式为:
式中,为临时区域溶解物质浓度平均值,i为零散区域排序编号库,i属于{1、2、3、……、n},n为正整数,/>为第i个零散区域的临时区域溶解物质浓度。
在一个优选的实施方式中,设置临时区域溶解物质浓度平均值阈值,获取临时区域溶解物质浓度平均值后,将临时区域溶解物质浓度平均值与临时区域溶解物质浓度平均值阈值进行比较,若临时区域溶解物质浓度平均值大于临时区域溶解物质浓度平均值阈值,标记该临时区域为重临时区域溶解物质浓度平均值度污染地区,发出预警信号。
在一个优选的实施方式中,步骤S3,具体包括以下步骤:
通过临时区域溶解物质浓度平均值建立临时区域溶解物质浓度离散程度,表达式为:
式中,为临时区域溶解物质浓度离散程度;
通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数,表达式为:
式中,X为区域间相似度系数,为A临时区域和B临时区域的临时区域溶解物质浓度平均值的偏差绝对值,/>为A临时区域和B临时区域的临时区域溶解物质浓度离散程度偏差绝对值,f1、f2分别为A临时区域和B临时区域的临时区域溶解物质浓度平均值的偏差绝对值、A临时区域和B临时区域的临时区域溶解物质浓度离散程度偏差绝对值的比例系数,且f1>f2>0。
在一个优选的实施方式中,步骤S5中,区域间相似度系数和区域间相似度系数阈值比较包括以下内容:
设置区域间相似度系数阈值,获取区域间相似度系数后,将区域间相似度系数与区域间相似度系数阈值进行比较,若区域间相似度系数大于区域间相似度系数阈值,标记为不相似临时区域;若区域间相似度系数小于区域间相似度系数阈值,标记为相似临时区域。
本发明基于河流分区管理的智能化视频监控方法的技术效果和优点:
1.通过采集视频监控设备的设备参数和环境参数建立贡献度系数,贡献度系数和贡献度系数阈值进行对比,判断该监控设备在为河流分区提供决策信息中的重要程度,将贡献度系数小于贡献度系数阈值的视频监控设备拆除,一方面减小后期维护成本,减少不必要的资源浪费,另一方面减小此类视频监控设备对后期河流分区划分的干扰,为河流分区划分提供更科学更精准的决策,通过视频监控设备可以实时监测水质情况,及时发现问题并采取相应的措施,能够更快速地反应河流的水质情况,有利于对水质问题进行快速的处理和调整,可以根据实际情况动态调整河流管理区域的划分,使得管理更加灵活,适应性更强。如果发现某个区域的水质发生了变化,可以立即对该区域进行调整和管理,而不需要等待整个周期的检测结果,传统的河流管理方法需要投入大量的人力和物力进行检测和采样,费时费力。而采用视频监控设备监测水质的方法,可以大大减少人力和物力的投入,提高管理的效率,降低管理成本。
2.通过视频监控设备采集水质参数,建立临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度,将临时区域溶解物质浓度平均值和设置的临时区域溶解物质浓度平均值阈值进行比较,判断该临时区域的水质好坏,及时发出预警,提示相关部门治理,通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数,将区域间相似度系数和区域间相似度系数阈值进行比较,判断两块区域的相似情况,且通过逐次比较相邻的临时区域,实现临时区域间的合并或独立,进而快速、科学、精确地完成河流管理区域的划分,方便后期分类施策。
附图说明
图1为本发明一种基于河流分区管理的智能化视频监控方法的步骤流程图。
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。基于本发明中的实施例,本领域普通技术人员在没有做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。
实施例1
本发明一种基于河流分区管理的智能化视频监控方法,
图1给出了本发明一种基于河流分区管理的智能化视频监控方法,其包括如下步骤:
步骤S1,通过采集视频监控设备的设备参数和环境参数建立贡献度系数;设置贡献度系数阈值,将贡献度系数和贡献度系数阈值进行比较,将贡献度系数小于贡献度系数阈值的视频监控设备标记为不重要程度设备,发出拆除或关闭该视频监控设备信号;
步骤S2,通过视频监控设备采集临时区域的水质参数,通过水质参数建立临时区域溶解物质浓度平均值;设置临时区域溶解物质浓度平均值阈值,将临时区域溶解物质浓度平均值与临时区域溶解物质浓度平均值阈值进行比较,若临时区域溶解物质浓度平均值大于临时区域溶解物质浓度平均值阈值,标记该临时区域为重度污染地区,发出预警信号;
步骤S3,根据临时区域溶解物质浓度平均值建立临时区域溶解物质浓度离散程度,通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数;
步骤S4,对于每个临时区域,初始化合为一个单独的集合,按照河流流向对临时区域进行排序,逐一比较相邻的临时区域之间的区域间相似度系数;
步骤S5,设置区域间相似度系数阈值,将排序第一的临时区域作为初始比较对象,且与相邻的临时区域进行比较,若与相邻的临时区域之间的区域间相似度系数小于区域间相似度系数阈值,则将他们所在的集合合并为一个新的集合,继续拿初始比较对象比较下一个相邻的临时区域,若与下一个相邻的临时区域之间的区域间相似度系数大于区域间相似度系数阈值,则保留他们原来所在的集合,将原来所在的集合相邻的临时区域作为新的初始比较对象继续比较下一个相邻的临时区域;
步骤S6,重复步骤S5,直到所有的临时区域都被比较过,最终得到的每个集合即为合并后的管理区域。
步骤S1:
对所需分区的河流等距划分出m个临时区域,按照河流流向从头到尾依次排序,j为临时区域排序编号库,j属于{1、2、3、……、m},m为正整数,在每个临时区域安装相同间距的视频监控设备,通过视频监控设备获取河流的各项参数;
通过采集视频监控设备的设备参数和环境参数建立贡献度系数,具体步骤如下:
设备参数包括累计故障时间占比率、拍摄视频采纳率;
将累计故障时间占比率标记为GZS、拍摄视频采纳率标记为CNS;
环境参数包括气流速度合格占比率、空气能见度占比率;
将气流速度合格占比率标记为PLS,空气能见度占比率标记为NJS;
其中,累积故障时间占比率用于体现视频监控设备的可靠性和稳定性的一个指标。频监控设备的累计故障时间占比率可以通过以下公式进行计算:累计故障时间占比率= (累计故障时间 / 视频监控设备总运行时间) x 100%;其中,累计故障时间是指视频监控设备自投入使用以来,累计发生的故障时间,包括设备停机维修、更换零部件、排除故障等时间。视频监控设备总运行时间是指设备自投入使用以来的总运行时间这个指标通常可以用来评估设备的维护保养情况、设备的质量和寿命等方面。如果设备的累计故障时间占比率较低,说明设备比较稳定可靠,故障率较低,同时也反映出设备维护保养工作做得比较好。反之,如果设备的累计故障时间占比率较高,说明设备存在较多的故障和问题,需要加强维护保养和修理,以确保设备的稳定性和可靠性。此外,视频监控设备的累计故障时间占比率也可以用来评估设备的寿命。设备使用时间越长,故障率和维护成本也会逐渐增加,因此这个指标可以用来评估设备的剩余寿命,以便进行及时维护和更新。
拍摄视频采纳率用于体现该设备拍摄的视频是否满足使用需求,能否提供有用的信息。这个指标通常用于评估监控设备的质量和性能,并且可以用于指导后续的设备采购和升级决策。视频监控设备拍摄的视频采纳率可以通过以下公式计算:视频采纳率 = 采纳使用的视频数量 / 拍摄的视频总数量;其中,采纳使用的视频数量是指被认为可以用于监控和处理的视频数量,而拍摄的视频总数量是指所有由该设备拍摄的视频数量;
气流速度合格占比率是指在一定时间内,检测环境气流速度达到规定标准的占,对所监测的空间进行连续、周期性的气流速度测量,并记录每次测量的结果,然后统计出符合要求的次数占总次数的比例,即可得到气流速度合格占比率,表示视频监控设备监控区域的合格的空气流速合格占比大小,占比率越大,则河面的雾气会相对减少,因为风可以带走水分和悬浮物,从而减少水蒸发和其他微粒在空气中的浓度,使得雾气减少,从而减小对视频监控设备监控的影响;
空气能见度占比率是指某个时间段内,设备拍摄的视频中能够清晰展现出物体的像素点占整个视频像素点数的比例,通常用来评估空气中的雾霾程度,计算空气能见度占比率的方法的计算方法为,选取一段时间内设备拍摄的多个视频帧,进行图像处理,计算其中能够清晰展现出物体的像素点占整个视频像素点数的比例。不同的是,空气能见度占比率的计算需要考虑空气中的气溶胶浓度、湿度等因素对能见度的影响,具体计算方法可以参考国家环保标准《环境空气质量指数(AQI)技术规定》中的公式,该公式综合考虑了PM2.5、PM10、SO2、NO2、O3等污染物的浓度和空气湿度等因素,计算出空气质量指数(AQI),根据AQI的值可以判断空气质量的好坏,进而评估空气能见度的占比率,空气能见度占比率的大小会影响视频监控设备的拍摄质量。当空气中存在大量的雾霾、烟雾、沙尘等污染物时,空气能见度就会下降,影响监控画面的清晰度和鲜明度,甚至可能导致监控画面中出现模糊、虚影、色彩失真等问题,影响监控效果和结果的准确性。因此,保持空气质量良好是保障视频监控设备拍摄质量的重要因素之一;
将累计故障时间占比率、拍摄视频采纳率、气流速度合格占比率、空气能见度占比率做归一化处理,建立贡献度系数,表达式为:
式中,G为贡献度系数,k1、k2、k3、k4分别为拍摄视频采纳率、累计故障时间占比率、气流速度合格占比率、空气能见度占比率的比例系数,且k2>k1>k4>k3>0;
贡献度系数越大说明该视频监控设备采集到的信息质量越高,对于河流分区和监控效果的作用越大,
设置贡献度系数阈值,获取贡献度系数后,将贡献度系数和贡献度系数阈值进行比较,若贡献度系数大于贡献度系数阈值,将该视频监控设备标记为重要设备,加强对该视频监控设备的维护,若贡献度系数小于贡献度系数阈值,标记为不重要设备,发出拆除或关闭该视频监控设备信号,拆除此视频监控设备,减少后期维护成本,也避免采集到质量差的视频干扰整体的河流分区评估。
本申请中通过采集视频监控设备的设备参数和环境参数建立贡献度系数,贡献度系数和贡献度系数阈值进行对比,判断该监控设备在为河流分区提供决策信息中的重要程度,将贡献度系数小于贡献度系数阈值的视频监控设备拆除,一方面减小后期维护成本,减少不必要的资源浪费,另一方面减小此类视频监控设备对后期河流分区划分的干扰,为河流分区划分提供更科学更精准的决策。
步骤S2:
传统的河流管理区域划分基于行政区域划分,区域之间的水质可能存在差异,但是由于行政区域的划分比较粗糙,无法对这种差异进行准确的区分,为此通过视频监控设备实时动态监控水质,根据水质情况划分出河流管理区域。
水质参数包括溶解物质浓度,将溶解物质浓度标记W;
其中,通过视频监控设备监控水体获得溶解物质浓度具体步骤如下:
1.拍摄水体视频并提取水体颜色信息:使用摄像头对水体进行拍摄,将水体的颜色信息提取出来。可以使用颜色分析软件对视频中的水体颜色进行分析,得出水体的颜色数值;
2.将水体颜色数值与比对色卡进行对比:将颜色数值与比对色卡上的颜色进行比对,找到与颜色数值最接近的颜色块,得出水体中溶解物质的浓度;
3.根据溶解物质浓度判断水质的好坏:根据溶解物质的浓度来判断水质的好坏。如果溶解物质的浓度低于一定标准,则可认为水质较好;如果溶解物质的浓度超过一定标准,则认为水质较差;
例如,可以使用氨氮比对色卡结合拍摄到的水体视频来判断水质好坏。在对比色卡上,浅黄色的方块代表0.5毫克/升的氨氮浓度,浅绿色的方块代表1.0毫克/升的氨氮浓度,浅蓝色的方块代表2.0毫克/升的氨氮浓度,深蓝色的方块代表4.0毫克/升的氨氮浓度,紫色的方块代表10毫克/升的氨氮浓度。通过摄像头拍摄到的水体视频颜色分析软件得到水体颜色数值,将数值与氨氮比对色卡进行对比,找到与颜色数值最接近的方块,可以得出水样中氨氮的浓度。如果浓度较低,则可认为水质较好;如果浓度较高,则可认为水质较差。
水质参数包括溶解物质浓度,将溶解物质浓度标记W;
对同属于一个临时区域内的空间划分成n块呈矩形状的零散区域,采集每个零散区域的溶解物质浓度,建立临时区域溶解物质浓度平均值,表达式为:
式中,为临时区域溶解物质浓度平均值,i为零散区域排序编号库,i属于{1、2、3、……、n},n为正整数,/>为第i个零散区域的临时区域溶解物质浓度;
设置临时区域溶解物质浓度平均值阈值,获取临时区域溶解物质浓度平均值后,将临时区域溶解物质浓度平均值与临时区域溶解物质浓度平均值阈值进行比较,若临时区域溶解物质浓度平均值大于临时区域溶解物质浓度平均值阈值,标记该临时区域为重度污染地区,发出预警信号,提示相关人员治理;
步骤S3:
通过临时区域溶解物质浓度平均值建立临时区域溶解物质浓度离散程度,表达式为:
式中,为临时区域溶解物质浓度离散程度,/>、/>已经在步骤S2中做过解释,这里不再赘述;
通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数,表达式为:
式中,X为区域间相似度系数,为A临时区域和B临时区域的临时区域溶解物质浓度平均值的偏差绝对值,/>为A临时区域和B临时区域的临时区域溶解物质浓度离散程度偏差绝对值,f1、f2分别为A临时区域和B临时区域的临时区域溶解物质浓度平均值的偏差绝对值、A临时区域和B临时区域的临时区域溶解物质浓度离散程度偏差绝对值的比例系数,且f1>f2>0;
步骤S5:
设置区域间相似度系数阈值,获取区域间相似度系数后,将区域间相似度系数与区域间相似度系数阈值进行比较,若区域间相似度系数大于区域间相似度系数阈值,标记为不相似临时区域;若区域间相似度系数小于区域间相似度系数阈值,标记为相似临时区域;
步骤S4、步骤S5和步骤S6中,通过区域间相似系数和区域间相似度系数阈值比较,实现临时区域的合并或独立,具体比较方式如下面的例子,假设一共有1、2、3、4、5块临时区域,按照排序首先计算1临时区域和2临时区域之间的相似度系数,若1临时区域和2临时区域相似,则继续拿1临时区域和3临时区域比较,若1临时区域和3临时区域不相似,则将1临时区域和2临时区域合并为一块管理区域,之后拿3临时区域和4临时区域比较,若3临时区域和4临时区域相似,继续拿3临时区域和5临时区域比较,若3临时区域和5临时区域相似,继续拿3临时区域和5临时区域比较,若3临时区域和5临时区域不相似,则将3临时区域和4临时区域合并为一块管理区域,则剩下的5临时区域为单独的一块管理区域,以上只是针对一共五块临时区域,其他数量的临时区域依然合适采用此类方法,进而实现更加合理科学高效地完成河流分区管理划分。
本申请通过视频监控设备采集水质参数,建立临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度,将临时区域溶解物质浓度平均值和设置的临时区域溶解物质浓度平均值阈值进行比较,判断该临时区域的水质好坏,及时发出预警,提示相关部门治理,通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数,将区域间相似度系数和区域间相似度系数阈值进行比较,判断两块区域的相似情况,进而快速、科学、精确地完成河流管理区域的划分。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络,或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD),或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于河流分区管理的智能化视频监控方法,其特征在于,包括如下步骤:
步骤S1,首先将河流划分成多个等距的临时区域,在每个临时区域内安装多个等距的视频监控设备,通过采集视频监控设备的设备参数和环境参数建立贡献度系数;设置贡献度系数阈值,将贡献度系数和贡献度系数阈值进行比较,将贡献度系数小于贡献度系数阈值的视频监控设备标记为不重要程度设备,发出拆除或关闭该视频监控设备信号;
步骤S2,通过视频监控设备采集临时区域的水质参数,通过水质参数建立临时区域溶解物质浓度平均值;设置临时区域溶解物质浓度平均值阈值,将临时区域溶解物质浓度平均值与临时区域溶解物质浓度平均值阈值进行比较,若临时区域溶解物质浓度平均值大于临时区域溶解物质浓度平均值阈值,标记该临时区域为重度污染地区,发出预警信号;
步骤S3,根据临时区域溶解物质浓度平均值建立临时区域溶解物质浓度离散程度,通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数;
步骤S4,对于每个临时区域,初始化合为一个单独的集合,按照河流流向对临时区域进行排序,逐一比较相邻的临时区域之间的区域间相似度系数;
步骤S5,设置区域间相似度系数阈值,将排序第一的临时区域作为初始比较对象,且与相邻的临时区域进行比较,若与相邻的临时区域之间的区域间相似度系数小于区域间相似度系数阈值,则将他们所在的集合合并为一个新的集合,继续拿初始比较对象比较下一个相邻的临时区域,若与下一个相邻的临时区域之间的区域间相似度系数大于区域间相似度系数阈值,则保留他们原来所在的集合,将原来所在的集合相邻的临时区域作为新的初始比较对象继续比较下一个相邻的临时区域;
步骤S6,重复步骤S5,直到所有的临时区域都被比较过,最终得到的每个集合即为合并后的管理区域。
2.根据权利要求1所述的一种基于河流分区管理的智能化视频监控方法,其特征在于:步骤S1,具体包括以下步骤:
对所需分区的河流等距划分出m个临时区域,按照河流流向从头到尾依次排序,j为临时区域排序编号库,j属于{1、2、3、……、m},m为正整数,在每个临时区域安装相同间距的视频监控设备,通过视频监控设备获取河流的各项参数;
通过采集视频监控设备的设备参数和环境参数建立贡献度系数,具体步骤如下:
设备参数包括累计故障时间占比率、拍摄视频采纳率;
将累计故障时间占比率标记为GZS、拍摄视频采纳率标记为CNS;
环境参数包括气流速度合格占比率、空气能见度占比率;
将气流速度合格占比率标记为PLS、空气能见度占比率标记为NJS;
将累计故障时间占比率、拍摄视频采纳率、气流速度合格占比率、空气能见度占比率做归一化处理,建立贡献度系数,表达式为:
式中,G为贡献度系数,k1、k2、k3、k4分别为拍摄视频采纳率、累计故障时间占比率、气流速度合格占比率、空气能见度占比率的比例系数,且k2>k1>k4>k3>0。
3.根据权利要求2所述的一种基于河流分区管理的智能化视频监控方法,其特征在于:
设置贡献度系数阈值,获取贡献度系数后,将贡献度系数和贡献度系数阈值进行比较,若贡献度系数大于贡献度系数阈值,将该视频监控设备标记为重要设备,加强对该视频监控设备的维护,若贡献度系数小于贡献度系数阈值,标记为不重要设备,发出拆除或关闭该视频监控设备信号。
4.根据权利要求3所述的一种基于河流分区管理的智能化视频监控方法,其特征在于:步骤S2,具体包括以下步骤:
水质参数包括溶解物质浓度,将溶解物质浓度标记W;
对同属于一个临时区域内的空间划分成n块呈矩形状的零散区域,采集每个零散区域的溶解物质浓度,建立临时区域溶解物质浓度平均值,表达式为:
式中,/>为临时区域溶解物质浓度平均值,i为零散区域排序编号库,i属于{1、2、3、……、n},n为正整数,/>为第i个零散区域的临时区域溶解物质浓度。
5.根据权利要求4所述的一种基于河流分区管理的智能化视频监控方法,其特征在于:
设置临时区域溶解物质浓度平均值阈值,获取临时区域溶解物质浓度平均值后,将临时区域溶解物质浓度平均值与临时区域溶解物质浓度平均值阈值进行比较,若临时区域溶解物质浓度平均值大于临时区域溶解物质浓度平均值阈值,标记该临时区域为重度污染地区,发出预警信号。
6.根据权利要求5所述的一种基于河流分区管理的智能化视频监控方法,其特征在于:步骤S3,具体包括以下步骤:
通过临时区域溶解物质浓度平均值建立临时区域溶解物质浓度离散程度,表达式为:
式中,/>为临时区域溶解物质浓度离散程度;
通过临时区域溶解物质浓度平均值和临时区域溶解物质浓度离散程度建立区域间相似度系数,表达式为:
式中,X为区域间相似度系数,/>为A临时区域和B临时区域的临时区域溶解物质浓度平均值的偏差绝对值,/>为A临时区域和B临时区域的临时区域溶解物质浓度离散程度偏差绝对值,f1、f2分别为A临时区域和B临时区域的临时区域溶解物质浓度平均值的偏差绝对值、A临时区域和B临时区域的临时区域溶解物质浓度离散程度偏差绝对值的比例系数,且f1>f2>0。
7.根据权利要求6所述的一种基于河流分区管理的智能化视频监控方法,其特征在于:步骤S5中,区域间相似度系数和区域间相似度系数阈值比较包括以下内容:
设置区域间相似度系数阈值,获取区域间相似度系数后,将区域间相似度系数与区域间相似度系数阈值进行比较,若区域间相似度系数大于区域间相似度系数阈值,标记为不相似临时区域;若区域间相似度系数小于区域间相似度系数阈值,标记为相似临时区域。
CN202310540413.8A 2023-05-15 2023-05-15 一种基于河流分区管理的智能化视频监控方法 Active CN116260945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310540413.8A CN116260945B (zh) 2023-05-15 2023-05-15 一种基于河流分区管理的智能化视频监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310540413.8A CN116260945B (zh) 2023-05-15 2023-05-15 一种基于河流分区管理的智能化视频监控方法

Publications (2)

Publication Number Publication Date
CN116260945A CN116260945A (zh) 2023-06-13
CN116260945B true CN116260945B (zh) 2023-07-25

Family

ID=86684710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310540413.8A Active CN116260945B (zh) 2023-05-15 2023-05-15 一种基于河流分区管理的智能化视频监控方法

Country Status (1)

Country Link
CN (1) CN116260945B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003271981A (ja) * 2002-03-19 2003-09-26 Sagamihara City 河川台帳作成用システムと河川台帳作成用プログラム
JP2006234654A (ja) * 2005-02-25 2006-09-07 Hitachi Kokusai Electric Inc 河川情報提供システム
JP2008304267A (ja) * 2007-06-06 2008-12-18 Tokyo Univ Of Science 懸濁物質濃度の分布解析装置及びプログラム
CN105550477A (zh) * 2016-01-27 2016-05-04 河海大学 一种河流悬浮物物源的定量判别方法
CN106446281A (zh) * 2016-11-01 2017-02-22 北京师范大学 一种结合陆域因素和水体因素进行流域四级分区的方法
CN107563647A (zh) * 2017-09-05 2018-01-09 郑州大学 强干扰区域基于河流主导生态环境功能分区的环境流量界定方法
CN107563139A (zh) * 2017-09-06 2018-01-09 郑州大学 一种点源突发性水污染源事故溯源贡献程度计算方法
CN111693672A (zh) * 2020-06-19 2020-09-22 广东理行生态环境科技有限公司 一种流域污染物监测系统及其监测方法
CN212691331U (zh) * 2020-08-06 2021-03-12 生态环境部华南环境科学研究所 一种基于遥感影像的城市河道水质智能监控系统
CN112906313A (zh) * 2021-01-22 2021-06-04 河海大学 基于系统协同理论的生态流量计算方法
CN113556631A (zh) * 2021-08-20 2021-10-26 苏州市职业大学 用于城市观赏性地表水监测预警的半潜式水仿生机器人
CN114881373A (zh) * 2022-07-08 2022-08-09 南通仁源节能环保科技有限公司 基于河流生物活跃性的片区化污染分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107525907B (zh) * 2017-10-16 2019-12-31 中国环境科学研究院 地下水污染监测网多目标优化方法
CN113689099B (zh) * 2021-08-16 2022-05-06 河海大学 基于水量构成的环状河网水系水质考核断面污染负荷贡献率确定方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003271981A (ja) * 2002-03-19 2003-09-26 Sagamihara City 河川台帳作成用システムと河川台帳作成用プログラム
JP2006234654A (ja) * 2005-02-25 2006-09-07 Hitachi Kokusai Electric Inc 河川情報提供システム
JP2008304267A (ja) * 2007-06-06 2008-12-18 Tokyo Univ Of Science 懸濁物質濃度の分布解析装置及びプログラム
CN105550477A (zh) * 2016-01-27 2016-05-04 河海大学 一种河流悬浮物物源的定量判别方法
CN106446281A (zh) * 2016-11-01 2017-02-22 北京师范大学 一种结合陆域因素和水体因素进行流域四级分区的方法
CN107563647A (zh) * 2017-09-05 2018-01-09 郑州大学 强干扰区域基于河流主导生态环境功能分区的环境流量界定方法
CN107563139A (zh) * 2017-09-06 2018-01-09 郑州大学 一种点源突发性水污染源事故溯源贡献程度计算方法
CN111693672A (zh) * 2020-06-19 2020-09-22 广东理行生态环境科技有限公司 一种流域污染物监测系统及其监测方法
CN212691331U (zh) * 2020-08-06 2021-03-12 生态环境部华南环境科学研究所 一种基于遥感影像的城市河道水质智能监控系统
CN112906313A (zh) * 2021-01-22 2021-06-04 河海大学 基于系统协同理论的生态流量计算方法
CN113556631A (zh) * 2021-08-20 2021-10-26 苏州市职业大学 用于城市观赏性地表水监测预警的半潜式水仿生机器人
CN114881373A (zh) * 2022-07-08 2022-08-09 南通仁源节能环保科技有限公司 基于河流生物活跃性的片区化污染分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多沙河流夏季浮游植物群落结构变化及水环境因子影响分析;胡俊;胡鑫;米玮洁;琚振闯;王化儒;董方勇;;生态环境学报(第12期);全文 *

Also Published As

Publication number Publication date
CN116260945A (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
Abdel-Qader et al. Analysis of edge-detection techniques for crack identification in bridges
US20090106839A1 (en) Method for detecting network attack based on time series model using the trend filtering
CN104780361B (zh) 一种城市视频监控系统的质量评价方法
JP2016523361A (ja) 移動式くぼみ検出システム及び方法
CN109543542A (zh) 一种特定场所人员着装是否规范的判定方法
CN108268901B (zh) 一种基于动态时间弯曲距离发现环境监测异常数据的方法
CN104902218A (zh) 广域安防系统中视频监控子网性能监测系统及方法
CN113536256B (zh) 一种人口流动数据的统计分析方法、装置及电子设备
CN108574839A (zh) 一种卡口设备异常检测方法及装置
CN116260945B (zh) 一种基于河流分区管理的智能化视频监控方法
CN113297913B (zh) 一种配网现场作业人员穿衣规范的识别方法
CN116743479B (zh) 一种基于大数据的网络安全检测系统及方法
CN117291430A (zh) 一种基于机器视觉的安全生产检测方法及装置
CN117440018A (zh) 一种基于物联网的网络摄像设备运管平台
CN117274827A (zh) 一种智慧环境环保远程实时监测预警方法及系统
CN114612735A (zh) 基于深度学习的吊钩防脱装置检测方法
CN108847035B (zh) 车流量评估方法及装置
CN116546534A (zh) 一种远程esim卡数据空中运维的方法
CN113761098B (zh) 大气污染热点网格的获取方法、装置、设备及存储介质
CN114897345A (zh) 一种基于员工数据自动生成指标分的方法及装置
CN114463980A (zh) 一种交通状态检测方法、装置、存储介质及电子装置
CN108596473A (zh) 一种流域污染管理系统和新核算方法
CN107105169A (zh) 一种有效的厂区安全监测系统
CN110532893A (zh) 电竞小地图图像中的图标检测方法
CN118351659B (zh) 基于gps定位与无线传感器网络的管道堵塞预警方法及系统

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