System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能水岸监测,具体为一种智能水岸监测与自动应急响应方法及系统。
技术介绍
1、智能水岸检测是指利用先进的技术和设备,对水域边缘或水岸线进行智能化监测和识别的过程。智能水岸检测涉及多个方向包括环境监测、水资源管理、生态监测和防溺水监测等等。其中,防溺水监测一直是智能水岸检测中一个非常重要的方面。
2、随着水域休闲活动的增加,对溺水事故的防范需求日益凸显,尤其是对于公开的户外水域。相比于室内的游泳馆来说,户外水域的危险性更高,涉及自然水域,如湖泊、河流、海洋和游泳池等,这些水域通常具有更大的面积、变化更为复杂,可能受到天气、潮汐和季节性变化等因素的影响。
3、对于户外水域中的防溺水管理,不仅要预防水岸上的人意外落入水域中造成溺水,同时还要预防水域中正在游泳的人由于各种情况造成的溺水。因此,需要对水岸上的人和水域内的人进行行为监测,并及时对可能出现溺水行为发生的人采取相应的应急措施,来保护人们的人身安全。
4、现有技术中对于溺水监测大多是根据水域中的监控图像对溺水人员进行识别,但是这种情况达不到预防的效果,并且无法对溺水人员和正常游泳人员进行准确地区分。例如申请号为cn202211398674.2的中国专利公布了一种多功能户外游泳智能监测方法及装置,对监控摄像头拍摄的双鱼眼图像进行处理,获得全景视频流,并对全景视频流进行识别。但是此方法仅仅依靠当前的图像进行识别,容易发生监测错误。如果把溺水人员识别为正常游泳人员会使得溺水人员无法得到及时救护,使得溺水人员的人身安全受到威胁;如果把正常
5、为了提高水域中和水岸上的人溺水风险等级判断的准确性,提出了一种智能水岸监测与自动应急响应方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种智能水岸监测与自动应急响应方法及系统,通过采集水域周围监控摄像头中拍摄到的实时图像,构建水域水岸交错图像集;其次,将所述水域水岸交错图像集中的实时图像输入至水域水岸分割模型中,获得水岸实时图像和水域实时图像;之后,本专利技术计算所述水岸实时图像和水域实时图像中每个人的水岸溺水风险值和水域溺水风险值;接着,本专利技术根据所述水岸溺水风险值和所述水域溺水风险值,计算水岸上每个人的所述水岸溺水风险等级和水域中每个人的所述水域溺水风险等级。最后,根据不同的溺水风险等级,采取不同的应急措施。
2、为实现上述目的,本专利技术提供一种智能水岸监测与自动应急响应方法,包括:
3、采集水域周围监控摄像头中拍摄到的实时图像,并记录拍摄时间t,构建水域水岸交错图像集。
4、进一步地,所述采集水域周围监控摄像头中的拍摄到的实时图像包括:在所述水域周围设有n个监控摄像头,n个所述监控摄像头拍摄的画面有重叠部分;n个所述监控摄像头拍摄的范围含有水域和水岸的交界,并将拍摄到的n个实时图像存储在水域水岸交错图像集中。
5、将所述水域水岸交错图像集中的实时图像输入至水域水岸分割模型中,获得水岸实时图像和水域实时图像。
6、进一步地,所述水域水岸分割模型包括:
7、所述水域水岸分割模型包括输入层、水域特征提取层、水域和水岸识别层、水域和水岸图像分割层和图像输出层;所述输入层用于将水域水岸交错图像集中的实时图像输入至水域水岸分割模型中;所述水域特征提取层用于提取所述实时图像中的水域特征,生成水域特征向量,具体步骤包括:
8、将所述实时图像进行上采样,获得上采样实时图像;
9、将所述实时图像和所述上采样实时图像分别输入至一个1×1,卷积核大小为16的卷积层中,获得第一水域特征图和第二水域特征图;将所述第一水域特征图和所述第二水域特征图分别输入至两个3×3,卷积核大小为32的卷积层中,获得第三水域特征图、第四水域特征图、第五水域特征图和第六水域特征图;将所述第三水域特征图和所述第五水域特征图输入至一个1×1,卷积核大小为32的卷积层中,获得第七水域特征图;将所述第四水域特征图、所述第六水域特征图和所述第七水域特征图输入至一个金字塔特征池化模块,获得第一水域池化图、第二水域池化图和第三水域池化图;将所述第一水域池化图、所述第二水域池化图和所述第三水域池化图输入至特征融合模块,获得水域特征向量;所述水域特征向量包括水域颜色特征和水域纹理特征;
10、所述水域和水岸识别层用于根据所述水域特征向量识别水域区域和水岸区域;
11、所述水域和水岸图像分割层用于根据识别出来的所述水域区域和所述水岸区域进行分割,获得水域实时图像和水岸实时图像;所述水岸实时图像和所述水域实时图像均包括水域边界线;
12、所述图像输出层用于输出所述水域实时图像和所述水岸实时图像。
13、采用水岸溺水风险监测模型,识别水岸实时图像中的水岸区域是否存在人,并计算每个人的水岸溺水风险值。
14、进一步地,如果不存在则继续采集监控摄像头中的实时图像;如果存在则识别所述水岸图像中人的自身特征属性和周围环境特征属性;所述自身特征属性包括人的身高、年龄和人与水域边界线最近的距离;所述周围环境特征属性包括以人为中心,半径为r的第一区域内包含人的个数,和所述第一区域内每个人的身高和年龄;同时,采集第一水域信息,所述第一水域信息包括所述水域的流速、距离所述水岸图像中所述水域边界线为l以内的水域平均深度和坡度;将人的所述自身特征属性和所述周围环境特征属性,结合第一水域信息计算所述水岸图像中每个人的水岸溺水风险值,计算公式为:
15、danj=α1*zsj+α2*hjj+α3*syj;
16、其中,danj表示为所述水岸图像中第j个人的水岸溺水风险值;zsj表示为所述水岸图像中第j个人的自身风险值;hjj表示为所述水岸图像中第j个人的周围环境风险值;syj表示为所述水岸图像中第j个人的水域环境风险值;α1、α2和α3表示为水岸风险值权重参数;
17、所述自身风险值的计算公式为:
18、
19、其中,sd表示为距离水域边界线为l以内的边界水域平均深度;sgj表示为所述水岸图像中第j个人的身高;nlj表示为所述水岸图像中第j个人的年龄标示值;当所述第j个人的年龄值小于等于10岁或大于等于80岁时,nlj=1;当识别出第j个人的年龄值在10岁至20岁之间或在60岁至80岁之间时,nlj=0.6;当识别出第j个人的年龄值在20岁本文档来自技高网...
【技术保护点】
1.一种智能水岸监测与自动应急响应方法,其特征在于,包括:
2.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述采集水域周围监控摄像头拍摄到的实时图像包括:在所述水域周围设有N个监控摄像头,N个所述监控摄像头拍摄的画面有重叠部分;N个所述监控摄像头拍摄的范围含有水域和水岸的交界,并将拍摄到的N个实时图像存储在所述水域水岸交错图像集中。
3.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水域水岸分割模型包括:
4.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水岸溺水风险监测模型包括:
5.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水岸溺水风险等级包括:设定第一阈值集合当所述水岸溺水风险值小于f1时,对应的水岸溺水风险等级为一级;当所述水岸溺水风险值在区间[f1,f2]时,对应的水岸溺水风险等级为二级;以此类推,当所述水岸溺水风险值在区间[fF-1,fF]时,对应的水岸溺水风险等级为F级;当所述水岸溺水风险值大于fF时,对应的水岸
6.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水域溺水风险监测模型包括:
7.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水域溺水风险等级包括:设定第二阈值集合当所述水域溺水风险值小于时,对应的水域溺水风险等级为一级;当所述水域溺水风险值在区间时,对应的水域溺水风险等级为二级;以此类推,当所述水域溺水风险值在区间时,对应的水域溺水风险等级为F级;当所述水域溺水风险值大于时,对应的水域溺水风险等级为F+1级。
8.一种智能水岸监测与自动应急响应系统,其特征在于,包括:
9.根据权利要求8所述的一种智能水岸监测与自动应急响应系统,其特征在于,所述采集水域周围监控摄像头拍摄到的实时图像包括:
10.根据权利要求8所述的一种智能水岸监测与自动应急响应系统,其特征在于,所述水域水岸分割模型包括:
...【技术特征摘要】
1.一种智能水岸监测与自动应急响应方法,其特征在于,包括:
2.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述采集水域周围监控摄像头拍摄到的实时图像包括:在所述水域周围设有n个监控摄像头,n个所述监控摄像头拍摄的画面有重叠部分;n个所述监控摄像头拍摄的范围含有水域和水岸的交界,并将拍摄到的n个实时图像存储在所述水域水岸交错图像集中。
3.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水域水岸分割模型包括:
4.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水岸溺水风险监测模型包括:
5.根据权利要求1所述的一种智能水岸监测与自动应急响应方法,其特征在于,所述水岸溺水风险等级包括:设定第一阈值集合当所述水岸溺水风险值小于f1时,对应的水岸溺水风险等级为一级;当所述水岸溺水风险值在区间[f1,f2]时,对应的水岸溺水风险等级为二级;以此类推,当所述水岸溺水风险值在区间[ff-1,ff...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。