[发明专利]灾情评估方法和灾情评估装置在审

专利信息
申请号: 201710541952.8 申请日: 2017-07-05
公开(公告)号: CN107451198A 公开(公告)日: 2017-12-08
发明(设计)人: 陈涛;孙占辉;苏国锋;袁宏永;黄全义;陈建国;陈思成;邓振林 申请(专利权)人: 北京辰安信息科技有限公司;清华大学;北京辰安科技股份有限公司
主分类号: G06F17/30 分类号: G06F17/30;G06K9/00;G06Q50/26
代理公司: 北京汇思诚业知识产权代理有限公司11444 代理人: 王刚,龚敏
地址: 100090 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 灾情 评估 方法 装置
【权利要求书】:

1.一种灾情评估方法,其特征在于,包括:

获取受灾区域的图像信息;

通过建筑物识别和处理模型确定所述图像信息中建筑物的受损等级;

根据所述建筑物的受损等级和区域灾情等级评估模型,确定所述受灾区域的灾情等级。

2.根据权利要求1所述的灾情评估方法,其特征在于,所述建筑物识别和处理模型包括建筑物灾损库,所述建筑物灾损库中存储有历史灾损建筑物和所述历史灾损建筑物对应的特征;

所述通过建筑物识别和处理模型确定所述图像信息中建筑物的受损等级的步骤,具体包括:

检测每一帧所述图像信息中是否具有建筑物;

当检测到任一帧所述图像信息中具有建筑物时,提取所述建筑物的特征;

轮询所述建筑物灾损库中的历史灾损建筑物是否有与所述建筑物的特征相匹配的特征;

将具有所述相匹配的特征的历史灾损建筑物的受损等级设置为所述建筑物的受损等级。

3.根据权利要求1或2所述的灾情评估方法,其特征在于,在所述通过建筑物识别和处理模型确定所述图像信息中建筑物的受损等级的步骤之前,还包括:

通过建筑物识别算法对建筑物样本库中的建筑物样本和非建筑物样本库中的非建筑物样本进行训练,得到所述建筑物识别和处理模型,以供根据所述建筑物识别和处理模型检测每一帧所述图像信息中是否具有建筑物。

4.根据权利要求1或2所述的灾情评估方法,其特征在于,当检测到任一帧所述图像信息中具有建筑物时,在所述提取所述建筑物的特征的步骤之前,还包括:

获取所述建筑物在所述图像信息中的坐标信息,并在所述图像信息中将所述坐标信息对应的建筑物图像信息提取出来;以及

对所述建筑物图像信息进行灰度化、平滑化、降噪、联通、二值化和边缘检测中的一项或多项处理。

5.根据权利要求3所述的灾情评估方法,其特征在于,还包括:

根据本次灾情事件中所述受灾区域的图像信息和确定的所述建筑物的受损等级,修正所述建筑物识别和处理模型。

6.根据权利要求1或2所述的灾情评估方法,其特征在于,所述根据所述建筑物的受损等级和区域灾情等级评估模型,确定所述受灾区域的灾情等级的步骤,具体包括:

确定所述建筑物的类型;

根据所述建筑物的类型、灾损发生时间和所述受损等级,在所述区域灾情等级评估模型中为所述建筑物匹配对应的人口伤亡分布信息,其中,所述人口伤亡分布信息包括:人口伤残总量和/或各个伤残等级的人口数量;

将所述人口伤亡分布信息对应的区域灾情等级确定为所述建筑物所在区域的区域灾情等级。

7.根据权利要求6所述的灾情评估方法,其特征在于,在所述根据所述建筑物的受损等级和区域灾情等级评估模型,确定所述受灾区域的灾情等级的步骤之前,还包括:

根据历史灾情事件中的建筑物的受损等级、灾损发生时间、人口伤亡分布信息和区域灾情等级,训练得到所述区域灾情等级评估模型;

所述灾情评估方法还包括:

根据本次灾情事件中的建筑物的受损等级、灾损发生时间、人口伤亡分布信息和区域灾情等级,修正所述区域灾情等级评估模型。

8.一种灾情评估装置,其特征在于,包括:

图像获取单元,获取受灾区域的图像信息;

建筑物受损等级确定单元,通过建筑物识别和处理模型确定所述图像信息中建筑物的受损等级;

区域灾情等级确定单元,根据所述建筑物的受损等级和区域灾情等级评估模型,确定所述受灾区域的灾情等级。

9.根据权利要求8所述的灾情评估装置,其特征在于,所述建筑物识别和处理模型包括建筑物灾损库,所述建筑物灾损库中存储有历史灾损建筑物和所述历史灾损建筑物对应的特征;

所述建筑物受损等级确定单元具体用于:

检测每一帧所述图像信息中是否具有建筑物,当检测到任一帧所述图像信息中具有建筑物时,提取所述建筑物的特征,并轮询所述建筑物灾损库中的历史灾损建筑物是否有与所述建筑物的特征相匹配的特征,其中,将具有所述相匹配的特征的历史灾损建筑物的受损等级设置为所述建筑物的受损等级。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京辰安信息科技有限公司;清华大学;北京辰安科技股份有限公司,未经北京辰安信息科技有限公司;清华大学;北京辰安科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710541952.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top