[发明专利]一种基于图像识别的水位监测方法

权利要求书

1.一种基于图像识别的水位监测方法，其特征在于，按照如下步骤实现：

步骤S1：通过设置于待检测水位区域的摄像装置，采集用于标注待检测水位区域水位的水尺图片，并上传至一服务器；

步骤S2：所述服务器对该水尺图片的大小进行归一化处理，并对水尺量程以及水尺关键刻度进行标定；

步骤S3：根据水尺图片的特征，所述服务器采用机器学习SVM模型进行训练分类；

步骤S4：通过所述摄像装置获取一当前待识别水尺图片，上传至所述服务器，并通过所述机器学习SVM模型选择最优算法计算该当前待识别水尺图片中当前待识别水位的Y坐标；

步骤S5：将该Y坐标转换为当前水位值；

在所述步骤S3中，将所述水尺图片按HSV颜色空间分割成3个通道，分别计算平均亮度值、均方差，并作为图片特征，采用支持向量机SVM算法进行机器学习以及训练；把处理后的图片根据预设标准判别条件进行分类，不同类型的图片采用对应的识别算法计算出水位在图片中的Y坐标；

所述根据预设标准判别条件进行分类包括：

步骤S31：根据所述水尺图片光照亮度，判断是否达到一预设光照阈值；若达到，则转至步骤S32，否则，转至步骤S35；

步骤S32：通过图片比对，判断当前待检测水位区域水质是否达到预设水质，若是，则转至步骤S33，否则，转至步骤S34；

步骤S33：所述摄像装置采集水尺旁边区域且与所述水尺图片尺寸大小一致的图像，作为第一图片，并将所述水尺图片作为第二图片；将所述第一图片以及所述第二图片分别进行伽马校正；计算所述第一图片与所述第二图片的图片矩阵的差的绝对值，并获取经HSV颜色空间分割后的亮度V通道的图片，作为第三图片；将所述第三图片进行局部自适应阈值化处理、形态学闭运算以及膨胀运算，并通过轮廓查找运算获取所述水尺图片中水尺区域，并计算出水位的Y坐标；

步骤S34：计算所述水尺图片光照的平均亮度，若平均亮度大于90，则转至所述步骤S33进行处理；否则，对所述水尺图片进行HSV颜色分割，取亮度V通道的图片，对该图片进行中值模糊、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算以及膨胀运算，并通过轮廓查找方法获取所述水尺图片中水尺区域，并计算出水位的Y坐标；

步骤S35：判断所述水尺图像中的水尺是否设置有反光膜，且所述摄像装置具备红外补光，若是，则对所述水尺图片进行HSV颜色分割，取亮度V通道图片，对该图片进行局部自适应阈值化处理、形态学闭运算处理、腐蚀运算处理以及膨胀运算处理，并通过轮廓查找运算获取所述水尺图片中水尺区域，并计算出水位的Y坐标；否则，对所述水尺图片进行HSV颜色分割，取亮度V通道图片，对该图片进行中值模糊处理、直方图均衡化处理、局部自适应阈值化处理、形态学闭运算处理、开运算处理以及膨胀运算处理，并通过轮廓查找方法获取所述水尺图片中水尺区域，并计算出水位的Y坐标。

2.根据权利要求1所述的一种基于图像识别的水位监测方法，其特征在于，在所述步骤S1中，所述摄像装置采用一网络摄像机，通过该网络摄像机对水尺图片在预定时刻进行采集，并传到所述服务器。

3.根据权利要求1所述的一种基于图像识别的水位监测方法，其特征在于，在所述水尺关键刻度进行标定采用在水尺每1/3的位置进行标定。

4.根据权利要求1所述的一种基于图像识别的水位监测方法，其特征在于，在所述步骤S4中，分别提取所述当前待识别水尺图片的HSV颜色空间3个通道的平均亮度值、均方差作为图片特征，通过所述机器学习SVM模型选择最优算法运算，获取水位在所述当前待识别水尺图片中当前待识别水位的Y坐标。

5.根据权利要求1所述的一种基于图像识别的水位监测方法，其特征在于，在所述步骤S5中，记所述水尺量程为L；所述当前待识别水位坐标为Y；水尺标定0、L/3、 2L/3、3L/3的Y坐标分别为P1、P2、P3、P4，且通过水尺标定，沿水尺从下至上形成三段水位；

若所述当前待识别水位Y坐标位于第一段水位，则第一段水位值：V1 = (P1-Y)*(L/3)/(P1-P2)；

若所述当前待识别水位Y坐标位于第二段水位，则第二段水位值：V2 = L/3 + (P2-Y)*(L/3)/(P2-P3)；

若所述当前待识别水位Y坐标位于第三段水位，则第三段水位值：V3 = L*2/3 + (P3-Y)*(L/3)/(P3-P4)。