[发明专利]一种多元异构水环境监测数据评价与预警方法

说明书

技术领域

本发明涉及一种利用支持向量机对多元异构水环境监测数据评价与预警的方法。

背景技术

水环境监测体系的建设，是保护水源地和干渠水质的重要手段，对缓解水资源危机，改善受水区生态环境，促进水源地生态文明建设具有重要战略意义。

我国水环境质量评价起步较晚，20世纪90年代后各种数学方法的广泛应用使得水质评价得到进一步发展。目前现有的水环境自动监测系统，水质评价主要以单纯的针对水质多属性值进行建模分类，BP模型是水质评价最常用的人工神经网络，利用最陡坡降法，把误差函数最小化，并调整人工神经元网格相应连接权，直到网络误差最小化。视频监控只是相对独立的监测现场环境的安全，主要是通过监测移动目标来检测当前水环境安全状况，在目标检测中关于背景的获取与更新方面，自适应背景模型估计算法适用于摄像机静止的情形，此方法是对背景图像中的每一个像素点建立分布模型，并且随着时间推移对模型参数进行更新，根据运动目标像素的分布不符合背景像素分布模型的特点，可以检测出运动目标。单高斯背景模型法是背景消减法中的一种，它是利用当前图像与背景图像的差分来检测出运动区域的一种运动目标检测方法，在背景更新的过程中，只是对被判断为背景的像素点进行了更新，而被判为前景的像素点则不参与背景模型的更新，导致对由静止变为运动或运动变为静止的物体检测有误，安全性能不高。于此同时，水质分析评价与现场环境安全彼此独立，各种数据资源没有充分整合和深度开发，不能满足当前水环境安全监测的要求。

本发明设计了一种多元异构水环境监测数据评价与预警方法，将多属性值的水质数据和视频监控数据有效融合，能够在背景剧烈变化时能很好的检测出运动目标，具有自动化和智能化的特点。

发明内容

本发明的目的在于，将以水环境视频影像数据和多属性水质数据为主的异构数据进行有效的结合，设计了适应复杂环境的运动目标提取算法，将基于支持向量机的分类算法引入异构数据的分析评价中，完成对水环境安全评估，达到智能数据处理和全面监测预警的目的。

多元异构水环境监测数据评价与预警的方法，本发明采取的技术方案为：

网络摄像机采集现场环境视频图像数据，传感器采集多属性水质监测数据，形成异构数据，从视频图像中提取移动目标特征参数，与水质各属性值组成特征向量，利用支持向量机，即Supporting Vector Machine, SVM进行分类器模型搭建，建立异构数据与水环境安全等级对应关系，对当前水环境安全等级进行预判。

在本发明所述的移动目标特征参数提取，其特征在于，包括下述步骤：

步骤一：读取前M帧图像F_T(x,y) (T=1,2,……，M)，(x,y)表示图像中像素点的坐标，F_T(x,y)表示像素点的灰度值。

步骤二：为滤除高频噪声，对前M帧图像F_T(x,y) (T=1,2,……，M)进行中值滤波处理，采用二维方形窗口，运算如下所示：

FT′(x,y)=MedianFT(x,y)---(1)]]>

Median()函数将窗口中的每一个像素点的灰度值进行排序，位于中间的数值作为输出

步骤三：计算该M帧图像中每一像素点的平均亮度μ₀(x,y)和亮度方差，计算如下所示：