[发明专利]一种基于深度学习的城市积水深度监测方法

权利要求书

1.一种基于深度学习的城市积水深度监测方法，其特征在于，包括如下步骤：

步骤一、将城市交通监控视频中的汽车轮胎视频作为数据源，对视频中可见部分的轮胎进行轮廓标记，将标记后的视频输入深度学习模型，检测轮胎；

步骤二、根据轮胎的规格参数计算轮胎的直径；

步骤三、将轮胎作为测量积水深度的标尺，通过勾股定理计算积水深度。

2.根据权利要求1所述的基于深度学习的城市积水深度监测方法，其特征在于，所述步骤一，采用Mask R-CNN模型进行轮胎检测。

3.根据权利要求1或2所述的基于深度学习的城市积水深度监测方法，其特征在于，所述步骤一中：

(1)采集城市交通监控视频中有积水和没有积水时的汽车轮胎的视频；对监控视频中的汽车轮胎进行标记，标记出汽车轮胎的轮廓；

(2)将标记后的视频作为输入，并将其传递给预训练后的卷积神经网络，返回该视频的特征映射；

(3)通过区域生成网络传递特征图，得到一系列轮胎的标记轮廓及其概率；

(4)对网络传递特征图进行优化，通过双线性插值得到锚框的四个顶点坐标的像素值；

(5)通过全连接层来检测视频中的轮胎。

4.根据权利要求3所述的基于深度学习的城市积水深度监测方法，其特征在于，所述步骤(5)后，还包括：通过K组交叉验证法判断探测结果与真实视频的误差，调整参数，重复步骤(1)-(5)，直到误差在精度范围内。

5.根据权利要求1所述的基于深度学习的城市积水深度监测方法，其特征在于，所述步骤二中，轮胎直径的计算方法如下：

D＝D_r+2×W_s/AR

其中，D是轮胎直径，Dr是轮毂直径，AR是扁平比，W_s是断面宽度。

6.根据权利要求1所述的基于深度学习的城市积水深度监测方法，其特征在于，所述步骤三中，城市积水深度的计算方法如下：

其中，h″为城市积水深度；W_px是轮胎露出水面部分的像素宽度；D是轮胎直径，D_px是轮胎直径的像素高度；h′_px为轮胎直径的像素高度，R_px是轮胎半径的像素高度。