[发明专利]一种基于图像智能识别的城市内涝积水深度检测方法

说明书

本发明涉及一种基于图像智能识别的城市内涝积水深度检测方法，首先获取道路上摄像头拍摄的视频；然后采用人工神经网络，对视频单帧图片中的轮胎进行检测，输出所有车辆的外接矩形框坐标以及车辆类型；接着使用人工神经网络，对轮胎积水进行识别，输出每个轮胎的外接矩形框、轮胎位置坐标以及淹没等级；最后过滤掉误检数据，将步骤S2与步骤S3的信息相关联，根据这些关联关系以及内置的车型轮胎尺寸，计算积水的深度。本发明能够直接使用现在道路上的摄像头拍摄的图像进行积水识别。

技术领域

本发明涉及城市内涝规划领域，特别是一种基于图像智能识别的城市内涝积水深度检测方法。

背景技术

城市内涝是指由于强降水或连续性降水超过城市排水能力致使城市内产生积水灾害的现象。近来，随着城市的高速发展，以及强降雨的频发，引起的城市内涝日益加剧。城市内涝灾害严重影响了人们的正常生活，给社会造成巨大的经济损失。及时、准确地预报城市内涝不仅可以有效降低损失，同时也能在建设部门治理城市内涝时提供重要的依据。

传统的积水检测方式往往是通过硬件方式进行检测，常见的有埋入式积水检测仪(如图1)、接触式积水检测器(如图2)、超声波水位监测仪(如图3)等。这类方法可以做到水位精准检测，但是有一个共同的毛病，那就是需要投入大量资金进行基础设施建设。据粗略了解一个积水检测站点的费用在1万元人民币以上。这在很大程度上限制了这种办法的普及。

发明内容

有鉴于此，本发明的目的是提出一种基于图像智能识别的城市内涝积水深度检测方法，能够直接使用现在道路上的摄像头拍摄的图像进行积水识别。

本发明采用以下方案实现：一种基于图像智能识别的城市内涝积水深度检测方法，具体包括以下步骤：

步骤S1：获取道路上摄像头拍摄的视频；

步骤S2：采用人工神经网络，对视频单帧图片中的轮胎进行检测，输出所有车辆的外接矩形框坐标以及车辆类型；

步骤S3：使用人工神经网络，对轮胎积水进行识别，输出每个轮胎的外接矩形框、轮胎位置坐标以及淹没等级；

步骤S4：过滤掉误检数据，将步骤S2与步骤S3的信息相关联，根据这些关联关系以及内置的车型轮胎尺寸，计算积水的深度。

进一步地，步骤S2中，采用经典目标检测网络架构Faster R-CNN进行车辆检测。

进一步地，所述车辆类型包括但不限于轿车、SUV、小型货车、越野车、公交车或大巴车、大型货车、中型客车或中巴车。

进一步地，步骤S3中，采用经典目标检测网络架构Faster R-CNN作为检测用的神经网络。

进一步地，步骤S3中，所述淹没等级分为十级，分级的依据为轮胎的淹没程度。

进一步地，步骤S4中，误检数据的特征包括但不限于：轮胎在图片中不位于车辆矩形框的下方位置；一个车辆能够看到的轮胎大于两个；轮胎的外接矩形框与车辆的外接矩形框没有重复，或者重复部分的面积小于百分七十。

进一步地，步骤S4中，根据这些关联关系以及内置的车型轮胎尺寸，计算积水的深度具体为：

步骤S41：构建轮胎与车辆识别结果的关联关系：用Rw代表轮胎外接矩形框，Rc代表车辆外接矩形框；并且每个矩形框都用(l,t,w,h)来代表它们在图片中的位置，其中l表示到左侧距离，t表示到顶端距离，w表示矩形框宽度，h表示矩形框高度；

步骤S42：计算每个轮胎外接矩形框与所有车辆外接矩形框的交并比IoU：

经过计算得到与每个轮胎交并比最大的车辆矩形框，由此构建关联关系；