[发明专利]一种灾害实时预警方法、系统及设备

权利要求书

1.一种灾害实时预警方法，其特征在于，所述灾害实时预警方法包括：

获取当前时刻拍摄的待检测区域的第一图像和历史时刻拍摄的所述待检测区域的第二图像；

确定所述第一图像的第一位移检测区域和所述第二图像的第二位移检测区域；其中，所述第一位移检测区域为所述第一图像中预设的人工靶标区域，所述第二位移检测区域为所述第二图像中预设的人工靶标区域；

寻找所述第一位移检测区域的第一所有轮廓和所述第二位移检测区域的第二所有轮廓；

将所述第一所有轮廓、所述第二所有轮廓分别与预设的代表性轮廓进行变形匹配，得到所述第一位移检测区域的第一轮廓匹配结果和所述第二位移检测区域的第二轮廓匹配结果，具体为：

分别计算所述第一所有轮廓的第一归一化中心矩和所述第二所有轮廓的第二归一化中心矩，其中，计算所有轮廓的归一化中心矩的计算公式为：

其中，为第i+j阶的矩，f(x,y)为图像的灰度分布，为第i+j阶的中心距，为第i+j阶的归一化中心矩，r为第i+j阶的中间数，x,y为像素点坐标；

根据所述第一归一化中心矩计算得到第一轮廓特征；并根据所述第二归一化中心矩计算得到第二轮廓特征；其中，所述第一轮廓特征和第二轮廓特征均包括中心、弧长与面积；

根据所述第一归一化中心矩和所述第一轮廓特征计算所述第一所有轮廓与所述代表性轮廓的第一相似度；并根据所述第二归一化中心矩和所述第二轮廓特征计算所述第二所有轮廓与所述代表性轮廓的第二相似度；

根据所述第一相似度得到所述第一位移检测区域的第一轮廓匹配结果，根据所述第二相似度得到第二位移检测区域的第二轮廓匹配结果；

将所述第一轮廓匹配结果和所述第二轮廓匹配结果进行局部特征匹配，得到所述第一轮廓匹配结果相较于所述第二轮廓匹配结果的位移值，具体为：

通过黑塞矩阵生成所述第一轮廓匹配结果的第一所有特征点和所述第二轮廓匹配结果的第二所有特征点；

通过不同尺寸的盒状滤波器分别对第一轮廓匹配结果和所述第二轮廓匹配结果进行卷积，得到第一轮廓匹配结果的第一尺度空间和第二轮廓匹配结果的第二尺度空间；

根据所述第一轮廓匹配结果的第一所有特征点与第一轮廓匹配结果的第一尺度空间进行特征点定位，得到第一稳定特征点集合；并根据所述第二轮廓匹配结果的第二所有特征点与第二轮廓匹配结果的第二尺度空间进行特征点定位，得到第二稳定特征点集合；

分别以第一稳定特征点集合和第二稳定特征点集合为圆心统计预设半径内的harr小波特征，得到第一稳定特征点集合的第一主方向集合和第二稳定特征点集合的第二主方向集合；

根据所述第一主方向集合生成第一特征点描述子集合，并根据第二主方向集合生成第二特征点描述子集合；

根据所述第一特征点描述子集合和所述第二特征点描述子集合，并利用最小二乘法计算第一稳定特征点集合中的任一点与第二稳定特征点集合中所有点的匹配度，根据所述匹配度得到第一稳定特征点集合中的任一点在所述第二稳定特征点中的对应点；

根据所述第一稳定特征点集合中的任一点与所述第一稳定特征点集合中的任一点在所述第二稳定特征点中的对应点组成匹配点对；

根据所述匹配点对计算所述第一轮廓匹配结果相较于所述第二轮廓匹配结果的位移值；

将所述第一图像转换成掩膜图像，并将所述掩膜图像输入混合高斯背景模型，得到所述混合高斯背景模型输出的所述待检测区域中的运动物体的类别，具体为：

将所述掩膜图像输入混合高斯背景模型，以使得通过所述掩膜图像的像素值更新所述混合高斯背景模型，其中，所述混合高斯背景模型使用K个高斯模型来表征每一个像素点的特征；K为大于1的正整数；所述高斯模型构成所述混合高斯背景模型；每一高斯模型包括均值、方差和权重；所述将所述掩膜图像输入混合高斯背景模型，以使得通过所述掩膜图像的像素值更新所述混合高斯背景模型具体为：

步骤S701、将所述掩膜图像的任一像素点的像素值与对应的多个高斯模型进行匹配，其中，为任一像素点在t时刻的像素值；

步骤S702、判断是否存在与所述相匹配的高斯模型，若是，进入步骤S706，否则进入步骤S703；

步骤S703、判断所述任一像素点对应的高斯模型的个数是否小于K，若是，进入步骤S704，否则进入步骤S705；

步骤S704、为所述任一像素点建立新高斯模型，所建立的新高斯模型的均值等于所述，所述新高斯模型的方差和权重为默认的初始值；

步骤S705、使用新高斯模型替换K个高斯模型中的权重最小的高斯模型，所述新高斯模型的均值等于所述，所述新高斯模型的方差和权重为默认的初始值；

步骤S706、使用权重公式，更新上述像素点所对应的多个高斯模型的权重,其中，为所述任一像素点对应的第K个高斯模型在t时刻的权重，a为0到1的系数，为所述任一像素点对应的第K个高斯模型与的匹配参数，若第K个高斯模型与匹配，取值为1,否则取值为0；

步骤S707、使用该像素点的像素值更新上述像素点所对应的多个高斯模型的均值和方差；

通过更新后的混合高斯背景模型，分离出所述掩膜图像的前景区域，具体为：

将当前时刻所述掩膜图像的任一像素点对应的多个高斯模型按重要性进行降序排列，其中，所述重要性的计算方式为：

其中，为所述任一像素点对应的第K个高斯模型在t时刻的标准差，sort_background为所述重要性；

若最小的重要性大于预设阈值T，判定所述任一像素点在当前帧为前景点；若最小的重要性小于预设阈值T，判定所述任一像素点在当前帧为背景点；

通过所述前景区域确定所述图像上的运动物体的类别；

根据所述位移值和所述运动物体的类别，预测所述待检测区域的灾害类型，具体为：

如果只有靶标位移，则是滑坡预警；

如果靶标位移和目标检测同时有结果，则是塌方、泥石流预警；

如果只有目标检测有结果，则是落石预警。