[发明专利]城市积涝智能检测方法及系统

说明书

本发明公开了一种城市积涝智能检测方法及系统，涉及影像分析领域，用于实现：通过获取城市监控图像数据并对进行预处理及标记，对卷积网络模型进行训练，根据结果进行参数修正，得到积涝区检测模型，将待检测图像数据进行预处理后作为积涝区检测模型的输入源，所述积涝区检测模型输出检测结果。本发明的有益效果为：克服了现有方法需提前获取未发生积涝时图像的局限性，可迅速适用于各个监控场景，适用性强，利用深度学习的方法对积涝区进行识别，识别精度高，效果好，可进行实时检测，计算速度快，为城市暴雨积涝快速检测提供技术支持，易用于实践中。

技术领域

本发明涉及影像分析领域，特别涉及一种城市积涝智能检测方法及系统。

背景技术

随着城市规模的不断扩大，城市排水系统的压力剧增，道路积涝现象时有发生，对百姓出行造成不便，严重时甚至会造成人民生命、财产的重大损失。如何利用海量城市监控视频数据及时对城市内涝进行监测，快速获取城区积水状况，进行及时排水调度，及时进行预警，做好防护措施，避免人员、车辆误入积水区而造成更大的损失，是保护人们生命、财产安全的重要内容，它的实现具有很大的经济价值和现实意义。

南京信息科技大学在其申请的专利文献“基于监控视频的暴雨积涝区积水深度的计算方法”(专利申请号：201611234930.9，授权公告号：CN 106780514 B)中提出一种基于监控视频的暴雨积涝区积水深度的计算方法，该方法首次利用监控视频数据进行积涝区积水区域检测，该方法存在不足之处是，该方法在检测前需获取检测监控视频数据对应区域未发生积涝时的视频图像，局限性高，无法迅速运用于城市各个摄像头场景，且该方法使用灰度背景差分运算，再将差分图像进行滤波及所有像元计算，才能得到积涝区域，效率低下，需大量计算时间且判定计算精度较低。

发明内容

为至少解决现有技术中存在的技术问题之一，本发明的目的在于提供一种城市积涝智能检测方法，通过获取城市监控图像数据并对进行预处理及标记，对卷积网络模型进行训练，根据结果进行参数修正，得到积涝区检测模型，将待检测图像数据进行预处理后作为积涝区检测模型的输入源，所述积涝区检测模型输出检测结果。

本发明解决其问题所采用的技术方案第一方面是：一种城市积涝智能检测方法，其特征在于，包括以下步骤：数据采集步骤，获取城市监控图像数据并对进行预处理；样本构建步骤，对所述图像数据的指定区域进行标记，得到样本数据集；模型建立步骤，基于所述样本数据集进行卷积网络模型训练，将模型进行拟合得到积涝区检测模型；检测输出步骤，将待检测图像数据进行预处理后作为所述积涝区检测模型的输入源，所述积涝区检测模型输出检测结果。

有益效果：提高了对城市积涝区的检测能力，能够客观、快速且精确的地监测城市积涝区发生范围和受灾程度，从而定量评估积涝造成的影响，为后续市政工作提供可靠的技术数据支撑，克服了现有方法需提前获取未发生积涝时图像的局限性，可迅速适用于各个监控场景，适用性强，利用深度学习的方法对积涝区进行识别，识别精度高，效果好，可进行实时检测，计算速度快，为城市暴雨积涝快速检测提供技术支持，易用于实践中。

根据本发明第一方面所述的，数据采集步骤具体包括：基于指定时间间隔对所述图像数据进行抽帧处理，得到多帧处理后的图像数据。

根据本发明第一方面所述的，样本构建步骤具体包括：对预处理后的所述图像数据中的积涝区进行标记处理，生成对应的标签文件；对所述标签文件进行处理得到掩膜文件，基于所述掩膜文件得到样本数据集。

根据本发明第一方面所述的，模型建立步骤具体包括：S1、将所述样本数据集作为所述积涝区检测模型的输入源，通过多层卷积网络的计算得到对应的预测标签；S2、将所述预测标签与所述样本数据集中对应的样本标签进行计算，获得对应预测损失值；S3、基于所述损失值修正所述多层卷积网络中各层网络的模型参数，并判断所述积涝区检测模型是否拟合，若是则结束流程输出所述积涝区检测模型，否则返回执行步骤S1。