[发明专利]一种水利行业的边缘预警方法

说明书

本发明涉及智能水文领域，具体提供了一种水利行业的边缘预警方法，具有以下步骤：S1、抓取想要预警地的图像进行数字化处理；S2、利用卷积神经网络对样本进行训练形成有效算法；S3、近景摄像测量加工处理，确定目标的外形和运动状态及获取目标瞬时信息。与现有技术相比，本发明提高图像视频分析的效率，有效降低误报和漏报现象，减少无用数据量，提高响应速度。

技术领域

本发明涉及智能水文领域，具体提供一种水利行业的边缘预警方法。

背景技术

目前主要依赖人工巡查、群众举报和传统监控三种方式来发现涉水事件后再处理。其中，

人工巡查为：巡查人员通过手工抄录数据的模式来记录巡查项。在巡查完成后将异常情况上报，并汇总成巡查报告。这样的方式简单易学，对于操作工的要求不高，但是需要牢记巡查路线，当抄录数据错误时，修改不便。同时人工巡查容易出现错误，造成误报。同时人工巡查无法做到24小时不间断巡查，而且人工巡查成本巨大，巡查安全系数低且效率偏低。

群众举报为：群众可通过信访、电话、网站等方式对身边涉水违法、违规行为等进行举报，举报人在举报时，需提供被举报对象的名称、发现时间、具体位置(最好有定位)，照片和录像等有必要的佐证材料，以及举报人的真实姓名、联系方式。相关部门对上报情况进行核查，然后根据责任分工对该事件进行整改。这种方式耗时较长且完全依赖人力，效率较低。

传统监控为：值班人员需要长期盯着监视屏幕，很容易产生疲劳感，降低注意力，从而错过重要画面信息，延误警情。水事影像监视点数量很大，难以按照1:1的比例为监控摄像机配置监视器，因此大多采用分屏排列的方式显示在监视器上，很可能一时疏忽就错过异常现象。因传统视频不具备智能分析功能，只是简单将录像数据打上时间标签并进行存储。当需要调查某段异常时，需要大量时间进行查找、分析，工作效率非常低。

可见，现有技术中对于涉水事件存在智能化手段低、依赖人力，效率不高的问题。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的水利行业的边缘预警方法。

本发明解决其技术问题所采用的技术方案是：

一种水利行业的边缘预警方法，具有以下步骤：

S1、抓取想要预警地的图像进行数字化处理；

S2、利用卷积神经网络对样本进行训练形成有效算法；

S3、近景摄像测量加工处理，确定目标的外形和运动状态及获取目标瞬时信息。

进一步的，在步骤S1中，通过图像摄取装置将图像抓取到，然后将所述图像传送至处理单元，进行数字化处理。

进一步的，数字化处理之后，对图像进行预处理操作，根据像素的基本信息，来进行样本种类、尺寸、形状和颜色的判别。

作为优选，预处理操作包括对图像进行类型变换、去燥滤波、叠加平滑和二值化，根据像素分布、亮度和颜色，进行样本种类、尺寸、形状和颜色的判别。

进一步的，在步骤S2中，利用卷积神经网络对样本特征进行训练，输入原始数据，经过卷积、激活函数及池化操作，将原始数据中的高层语义概念剥离出来。

进一步的，将高层语义概念剥离出来之后，通过误差函数计算真实值和输出值之间的误差值，反向逐层反馈，更新每层参数，通过前馈运算与反馈运算，最终使模型收敛，完成训练。

作为优选，利用卷积神经网络对样本特征进行训练时，选取噪声少的样本用来进行训练卷积神经网络。

进一步的，在步骤S3中，近距离拍摄目标图像，经过加工处理，确定目标的外形和运动状态，可瞬间获取被测目标的大量几何和物理信息，同时测定多点在某一瞬间的空间位置，像片资料可随时进行比较。