[发明专利]一种基于目标检测模型的水深检测方法和系统

说明书

本发明提供了一种基于目标检测模型的水深检测方法和系统，方法包括：获取待检测图像；将待检测图像输入至预先训练好的人体部位检测模型，获得特征图像；特征图像包含检测到的边界框信息和人体部位信息；人体部位信息包括检测到的人体部位的类别及其相应的实际长度；边界框信息包含人体部位对应边界框的像素高度；基于检测到的人体部位信息中人体部位的实际长度以及边界框像素高度，计算得到待检测图像中积水深度。本发明通过人体部位检测模型，获取特征图像，通过特征图像中检测到的人体部位及其实际长度以及所述边界框的像素高度，计算积水深度，相比现有技术粗略估计水深范围的技术方案，具有更高的检测精度和准确性。

技术领域

本发明涉及积水检测领域，尤其涉及一种基于目标检测模型的水深检测方法和系统。

背景技术

近年来，国内城市的洪涝灾害明显增加，损失惨重。洪水发生时，基于洪水位置和严重程度等实时信息作出迅速反映，对于减轻损失至关重要。目前，传统的积水检测是通过硬件的方式，直接与积水接触进行监测，例如水位传感器等，虽然此类方法能够精准监测水位，但是设备的安装工作量大，成本高昂。

目前，随着计算机和图像处理技术的发展，机器学习开始被逐渐应用于洪水检测和洪水严重程度评估等方面。Pereira等人在洪水检测的背景下，使用深度学习技术进行了对待测图像的分类，其通过卷积神经网络架构(EndseNet和EfficientNet模型)，将社交媒体图像分为三类，包括：无洪水、水位低于1米和水位1米以上，但是这种方法只是粗略地检测到水位的高度，其结果只是提供了一个水深范围，而不是真正检测到实际的水深，可见其存在检测精度较低的问题。

发明内容

本发明提供了一种基于目标检测模型的水深检测方法和系统，以解决如何提高水深检测精度的技术问题。

为了解决上述技术问题，本发明实施例提供了一种基于目标检测模型的水深检测方法，包括：

获取待检测图像；其中，所述待检测图像为包含人体和积水的图像；

将所述待检测图像输入至预先训练好的人体部位检测模型，获得特征图像；所述特征图像包含检测到的边界框信息和检测到的人体部位信息；所述检测到的人体部位信息包括人体部位的类别和各人体部位对应的实际长度；所述边界框信息包含各人体部位对应边界框的像素高度；

基于所述检测到的人体部位信息中人体部位的实际长度以及所述边界框的像素高度，计算得到所述待检测图像中积水深度。

作为优选方案，所述基于所述检测到的人体部位信息中人体部位的实际长度以及所述边界框的像素高度，计算得到所述待检测图像中积水深度，具体为：

当所述特征图像仅有一人时，根据第一类别和第二类别的实际长度以及所述边界框的像素高度，结合预设算法，计算得到所述待检测图像中积水深度；其中，所述第一类别为检测到的人体中位置最低的人体部位，所述第二类别为检测到的所述第一类别的相邻类；

当所述特征图像包含多人时，根据边界框的在x轴上的最小值的差，对每一所述第一类别匹配对应的第二类别；根据匹配好的第一类别和第二类别，结合所述预设算法，分别计算每一个人对应的水深数据，并将最大的水深数据作为所述积水深度。

作为优选方案，所述预设算法具体为：

所述人体部位的类别包括小腿、大腿、肩膀和头部；

根据下式计算得到所述积水深度：