CN118049972A - 一种用于波浪水槽模型实验的视频测波方法和系统 - Google Patents

Abstract

本发明公开了一种用于波浪水槽模型实验的视频测波方法和系统，所述方法包括：获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线，通过水面波动线计算波要素。所述系统包括：识别模块、观测线模块、计算模块。实现波浪水槽模型实验的视频测波。

Description

一种用于波浪水槽模型实验的视频测波方法和系统

技术领域

本发明涉及测波技术领域，尤其涉及一种用于波浪水槽模型实验的视频测波方法和系统。

背景技术

港口、海洋工程建筑物一般位于近海地区，经常受到波浪、水流等海岸动力因素的破坏作用，需要经常开展波浪水槽物理模型试验。根据相似原理，通过比尺的缩小，使原型有关现象在模型中复演，比较直观，以便进行研究。

根据实验需要首先通过造波机生成规则波或者不规则波，波浪通过水槽后波高周期发生变化，通常采用电容式波高仪来测量变化后的波高和周期等要素。

电容式波高传感器为接触式观测方法，其缺点是可能会受到电磁干扰的影响，且在海水盐度高的水中更容易被腐蚀损坏，而且只能观测到传感器所在位置的水面波动变化，若要观测多个位置的波高变化情况，则需配置多台电容式波高传感器。观测成本高，且观测数据误差较大。

针对上述的现有技术存在的问题设计一种用于波浪水槽模型实验的视频测波方法和系统是本发明研究的目的。

发明内容

有鉴于此，本发明的目的在于提出一种用于波浪水槽模型实验的视频测波方法和系统，能够解决上述的问题。

本发明提供一种用于波浪水槽模型实验的视频测波方法，包括：

获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；

在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；

将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线，通过水面波动线计算波要素。

进一步，所述识别所述视频图像中的水体，得到水体上方与空气的边界线包括：

通过YOLO系列模型构建所述图像分割模型；

采集波浪水槽的水面波动视频图像及其对应水体和空气边界线位置作为训练集和验证集；

将所述波浪水槽的水面波动视频图像作为所述图像分割模型的输入，所述边界线位置作为所述图像分割模型的输出，训练所述图像分割模型，得到所述图像分割模型的参数；

通过训练后的所述图像分割模型识别所述视频图像中的水体，得到水体上方与空气的边界线。

进一步，所述在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线包括：

每条所述观测线之间等距间隔排列。

进一步，所述将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线包括：

每条所述水面波动线对应一个所述交点的波动过程，每条所述水面波动线包含若干个波。

进一步，所述通过水面波动线计算波要素包括：

计算所述水面波动线的实际高度；

根据所述水面波动线的实际高度计算波要素。

进一步，所述计算所述水面波动线的实际高度包括：

根据所述水槽底部和顶部的高度差和所述视频图像中的水槽底部和顶部的像素点数量计算出对应比例；

根据所述对应比例和所述水面波动线的像素点数量换算得到所述实际高度。

进一步，所述根据所述水面波动线的实际高度计算波要素包括：

计算所述水面波动线上每个波的波高和周期；

根据所述水面波动线上每个波的波高和周期计算最大波高、最大波周期、十分之一大波波高、十分之一大波周期、有效波波高、有效波周期。

进一步，所述计算所述水面波动线上每个波的波高和周期包括：

量取相邻两上跨或下跨零点间一个显著波峰与一个显著波谷间的铅直距离作为一个波的所述波高H；

量取相邻两个显著波峰或两个上跨零点的时间间隔作为一个波的所述周期。

进一步，所述根据所述水面波动线上每个波的波高和周期计算最大波高、最大波周期、1/10大波波高、有效波波高：

对所述水面波动线上的所有波根据所述波高进行排序，选取前100个所述波；

选取所有波高中的最大值为最大波高，最大波高的波对应的周期为最大波周期；

选取前1/10个所述波高的平均值得到1/10大波波高；

选取前1/3个所述波高的平均值得到有效波高。

本发明提供一种用于波浪水槽模型实验的视频测波系统，包括：

识别模块，用于获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；

观测线模块，用于在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；

计算模块，用于将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线，通过水面波动线计算波要素。

本发明的有益效果：

一是通过获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；无需在水槽中另外设置各类传感器采集数据，节约实验成本，仅需要在水槽侧边设置摄像头进行拍摄录制，即可获取波浪水槽的水面波动视频图像，利用视频图像得到水体和空气的边界线，方便后续水面波动线的确定和计算波要素。

二是在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；利用观测线和边界线的交点可以快速和准确得到水面波动线，可以直接得到水面波动线上的若干观测点，无需另外设置传感器收集波浪数据。

三是将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线，通过水面波动线计算波要素；根据水面波动线上的信息，可以快速计算不同时间不同观测位置的波要素数据，统计出的波要素数据可用来验证和分析波浪在传播过程中的变化情况和规律。

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附图。

图1是本实施例的方法流程图。

图2是本实施例的水槽和视频架设示意图。

图3是本实施例的波浪水槽的水面波动视频图像示意图。

图4是本实施例的观测线及观测线与水面线交点示意图。

图5是本实施例的波要素的统计方法示意图。

图6是本实施例的系统模块图。

具体实施方式

为了便于本领域技术人员理解，现将实施例结合附图对本发明的结构作进一步详细描述，应了解到，在本实施例中所提及的步骤，除特别说明其顺序的，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行。

如图1所示，本发明实施例提供一种用于波浪水槽模型实验的视频测波方法，包括：

S1获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；

在本步骤中，在进行波浪水槽模型实验过程中，如图2所示，造波机设置在水槽的一边，在波浪水槽侧面选择合适位置（可以拍摄到整个所述波浪水槽的位置），水平固定架设一个高清视频摄像头，拍摄所述波浪水槽的水面波动视频图像，将视频信号传输到计算机并保存到计算机中。为提高视频清晰度和观测效果，高清视频摄像头选用800万像素以上。

S101通过YOLO系列模型构建所述图像分割模型；

S102采集波浪水槽的水面波动视频图像及其对应水体和空气边界线位置作为训练集和验证集；

S103将所述波浪水槽的水面波动视频图像作为所述图像分割模型的输入，所述边界线位置作为所述图像分割模型的输出，训练所述图像分割模型，得到所述图像分割模型的参数；

S104通过训练后的所述图像分割模型识别所述视频图像中的水体，得到水体上方与空气的边界线。

在本步骤中，如图3所示，对采集到所述波浪水槽的水面波动视频图像标注所述水体和空气边界线位置，作为所述图像分割模型的训练集和验证集，所述YOLO系列模型为YOLOv8深度学习模型，进行快速准确的模拟训练。所述训练集和验证集中的不少于100个，训练周期不少于400次，本实施例中的所述水体和空气边界线位置识别的准确率超过98%，使用YOLOv8深度学习模型可大大提高图像识别的精度，降低训练和部署的门槛。

使用训练成功的所述图像分割模型对所述视频图像中的水体，得到水体上方与空气的边界线。使用深度学习模型对水体进行识别的方法，相对传统的仅使用R、G、B三通道颜色分离、灰度处理、二值化运算、高斯核滤波等方法对图像进行简单的处理识别水体，在处理透明水体、水槽玻璃反光水体、图像背景颜色复杂水体等场景具有更高效准确的优点，而且无需在水体中加入颜色指示剂。

S2在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；

在本步骤中，如图4所示，由于水体和空气的交界线是某一个时刻的不同位置的水面高度的连线。计算波浪要素需要的是同一位置水面在不同时刻的高度的连线。因此在视频图像中需要观测波浪的位置设置多条竖直观测线，每条观测线等距间隔排列，根据实际采样的需要来设置观测线的数量。例如：水槽长度为5m，可以每间隔1m设置一根观测线，可以研究波浪在5m的范围的变化情况。观测线与上述边界线的交点，对其编号为：P₀,P₁,P₂...P_n。

S3将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线，通过水面波动线计算波要素。

在本步骤中，由于水体和空气的交界线是某一个时刻的不同位置的水面高度的连线。计算波浪要素需要的是同一位置水面在不同时刻的高度的连线，每条观测线与边界线的交点Pi位置随时间变化，因此按照时间顺序将所述视频图像上的所述交点P₀,P₁,P₂...P_n依次连接得到水面波动线L₀,L₁,L₂...L_n，每条所述水面波动线L_i对应一个所述交点P_i的波动过程，每条所述水面波动线L_i包含若干个波。

具体的，所述通过水面波动线计算波要素包括：

S301计算所述水面波动线的实际高度；

S3011根据所述水槽底部和顶部的高度差和所述视频图像中的水槽底部和顶部的像素点数量计算出对应比例；

S3012根据所述对应比例和所述水面波动线的像素点数量换算得到所述实际高度。

在本步骤中，根据实测的水槽底部和顶部的高度差数据与视频图像中的水槽顶底之间的像素点形成对应关系，将水面波动线的位置高度换算成距离水槽底部的实际高度，以cm单位。本实例中的水槽底部和顶部高度差为1000mm，对应图像上的像素点数量为500，则相应的换算关系为1个像素点代表2mm。深度学习模型算法分辨率和误差达到像素级，意味着实例中水面波动线的识别误差为2mm。若采用更高分辨率的摄像设备，水槽在图像上的像素点数量若能达到1000，在光线良好，视频质量高的情况下，则分辨率和误差可达到1mm。可以实现水面波动线的每个波的实际高度的精准计算。

S302根据所述水面波动线的实际高度计算波要素。

S3021计算所述水面波动线上每个波的波高和周期；

S30211量取相邻两上跨或下跨零点间一个显著波峰与一个显著波谷间的铅直距离作为一个波的波高H；

S30212量取相邻两个显著波峰或两个上跨零点的时间间隔作为一个波的周期。

S3022根据所述水面波动线上每个波的波高和周期计算最大波高、最大波周期、十分之一大波波高、有效波波高。

S30221对所述水面波动线上的所有波根据所述波高进行排序，选取前100个所述波；

S30222选取所有波高中的最大值为最大波高，最大波高的波对应的周期为最大波周期；

S30223选取前1/10个所述波高的平均值得到1/10大波波高；

S30224选取前1/3个所述波高的平均值得到有效波高。

在本步骤中，由于计算波要素需要至少100个波的数据，因此需要从水面波动线上获取不少于100个波的数据，视频记录的时间长度视平均周期大小而定。在本实施例中，若平均波周期为5秒，100个波至少需要500秒，约8.33分钟，实际取10分钟视频数据。

按照规范《GB/T 12763.2-2007海洋调查规范 第2部分》中波高、周期等波要素统计方法计算出最大波高、最大波周期、十分之一大波波高、有效波波高、平均波高、波长等波要素。具体计算过程如下：

自水面波动线的波浪连续记录中量取相邻两上跨(或下跨)零点(图5中的A1、A2为上跨零点)间一个显著波峰与一个显著波谷间的铅直距离作为一个波的波高H；量取相邻两个显著波峰(图5中的C1、C2)或两个上跨零点的时间间隔作为一个波的周期。

获取到水面波动线上所有的波的波高，对每个波高H从大到小排序，选择前100个，然后根据最大波高、最大波周期、十分之一大波波高、有效波波高，来计算这些波要素结果。具体的，选取所有波高中的最大值为最大波高，其所对应的周期为最大波周期；选取前1/10个波高的平均值，即得到1/10大波波高；选取前1/3个波高的平均值，即得到有效波高。

另外，平均波高、波长等其余波要素，通过规范《GB/T 12763.2-2007海洋调查规范第2部分》中的统计方法可以计算得到，此处不进行赘述。

最终得到从水槽顶端造波机到水槽末端的多个观测位置的波要素，可用来验证和分析波浪在传播过程中的变化情况和规律。波浪水槽实验通常观测有效波高的变化情况，根据距离造波机从近到远排序，对所有观测位置的有效波高绘制变化过程线，即可看到有效波高在水槽内传播的变化情况。

下表为利用电容式测波仪测波方法获得波要素数据和本实施例中视频测波方法获取的波要素数据对比：

由此可见，本实施例中的视频测波方法和通过电容式测波仪测波方法计算得到波要素Hs和Ts的结果基本一致，相差很小。视频的优势在于方便，可一次性测多个点，电容一次只能测一个点，要测多个点需要布设多个电容测波仪。

如图6所示，本发明实施例提供一种用于波浪水槽模型实验的视频测波系统，包括：

识别模块，用于获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；

观测线模块，用于在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；

计算模块，用于将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线。

一种用于波浪水槽模型实验的视频测波系统与上述的一种用于波浪水槽模型实验的视频测波方法的工作原理相同。

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，使得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。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

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应理解为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。

Claims (10)

1.一种用于波浪水槽模型实验的视频测波方法，其特征在于，包括：

获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；

在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；

将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线，通过水面波动线计算波要素。

2.根据权利要求1所述的用于波浪水槽模型实验的视频测波方法，其特征在于，所述识别所述视频图像中的水体，得到水体上方与空气的边界线包括：

通过YOLO系列模型构建所述图像分割模型；

采集波浪水槽的水面波动视频图像及其对应水体和空气边界线位置作为训练集和验证集；

将所述波浪水槽的水面波动视频图像作为所述图像分割模型的输入，所述边界线位置作为所述图像分割模型的输出，训练所述图像分割模型，得到所述图像分割模型的参数；

通过训练后的所述图像分割模型识别所述视频图像中的水体，得到水体上方与空气的边界线。

3.根据权利要求1所述的用于波浪水槽模型实验的视频测波方法，其特征在于，所述在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线包括：

每条所述观测线之间等距间隔排列。

4.根据权利要求1所述的用于波浪水槽模型实验的视频测波方法，其特征在于，所述将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线包括：

每条所述水面波动线对应一个所述交点的波动过程，每条所述水面波动线包含若干个波。

5.根据权利要求1所述的用于波浪水槽模型实验的视频测波方法，其特征在于，所述通过水面波动线计算波要素包括：

计算所述水面波动线的实际高度；

根据所述水面波动线的实际高度计算波要素。

6.根据权利要求5所述的用于波浪水槽模型实验的视频测波的方法，其特征在于，所述计算所述水面波动线的实际高度包括：

根据所述水槽底部和顶部的高度差和所述视频图像中的水槽底部和顶部的像素点数量计算出对应比例；

根据所述对应比例和所述水面波动线的像素点数量换算得到所述实际高度。

7.根据权利要求5所述的用于波浪水槽模型实验的视频测波的方法，其特征在于，所述根据所述水面波动线的实际高度计算波要素包括：

计算所述水面波动线上每个波的波高和周期；

根据所述水面波动线上每个波的波高和周期计算最大波高、最大波周期、十分之一大波波高、有效波波高。

8.根据权利要求7所述的用于波浪水槽模型实验的视频测波的方法，其特征在于，所述计算所述水面波动线上每个波的波高和周期包括：

量取相邻两上跨或下跨零点间一个显著波峰与一个显著波谷间的铅直距离作为一个波的所述波高H；

量取相邻两个显著波峰或两个上跨零点的时间间隔作为一个波的所述周期。

9.根据权利要求7所述的用于波浪水槽模型实验的视频测波的方法，其特征在于，所述根据所述水面波动线上每个波的波高和周期计算最大波高、最大波周期、1/10大波波高、有效波波高包括：

对所述水面波动线上的所有波根据所述波高进行排序，选取前100个所述波；

选取所有波高中的最大值为最大波高，最大波高的波对应的周期为最大波周期；

选取前1/10个所述波高的平均值得到1/10大波波高；

选取前1/3个所述波高的平均值得到有效波高。

10.一种用于波浪水槽模型实验的视频测波系统，其特征在于，用于实现权利要求1-9任意一项所述的用于波浪水槽模型实验的视频测波方法，包括：

识别模块，用于获取波浪水槽的水面波动视频图像，识别所述视频图像中的水体，得到水体上方与空气的边界线；

观测线模块，用于在所述视频图像中设置若干条垂直于所述波浪水槽底部的观测线，得到每条观测线与边界线的交点；

计算模块，用于将每条观测线与边界线的交点在时间轴上依次连接得到水面波动线，通过水面波动线计算波要素。