【技术实现步骤摘要】
本专利技术涉及计算机视觉，更具体的说是涉及一种河道违建识别方法、系统、装置及可读存储介质。
技术介绍
1、在河道管理这一关键领域，确保河道的生态环境平衡与行洪安全是至关重要的。河道周边的违法建筑不仅破坏了自然景观，还可能对河道的自然流向和水质造成严重影响，进而威胁到周边居民的生活安全与生态环境的可持续发展。长期以来，管理人员依赖于传统的人工巡检方式来发现和处置这些违法建筑，但这种方法面临着诸多挑战。
2、随着科技的进步，无人机技术和计算机视觉技术的融合为河道管理带来了新的解决方案。无人机以其高机动性和广阔的视野，能够迅速覆盖大片区域，进行高效、低成本的巡检。而深度学习算法的引入，则进一步提高了违建识别的智能化水平，有望实现从数据收集到违建识别的全自动化流程。
3、然而，尽管这一技术前景广阔，但现有的针对河道违建的智能识别方法仍存在一定的局限性。识别精度不高可能导致误报或漏报，增加了后续处理的难度和成本。同时，不同地区的河道环境和违建类型千差万别，现有技术的适应性不强，难以满足不同场景下的识别需求。因此，如何进一步提升智能识别方法的精度和适应性，是当前河道管理领域亟待解决的关键问题。
技术实现思路
1、针对以上问题，本专利技术的目的在于提供一种河道违建识别方法、系统、装置及可读存储介质，基于sipmaskv2网络和改进的yolov8模型实现了河道违建的智能识别，为河道四乱检测提供有力的技术支持。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、第一方面，本专利技术公开了一种河道违建识别方法，包括：
4、利用无人机沿河道的预设巡检路线采集视频信息；
5、对采集的视频信息进行筛选处理和扩充处理，生成河道图像数据集和建筑图像数据集；
6、基于河道图像数据集，使用sipmaskv2网络进行模型训练，生成河道分割模型；
7、基于建筑图像数据集，使用改进的yolov8模型进行训练，生成违建房屋识别模型；
8、利用无人机沿河道的预设巡检路线执行预巡检，采集预巡检视频信息，并根据无人机的设备参数和位置信息计算出坐标系转换矩阵h；
9、基于初次巡检视频信息，利用河道分割模型识别出河道边缘像素坐标信息；
10、使用转换矩阵h将河道边缘像素坐标信息转换到飞行坐标系，并进行距离扩充处理，生成转换后的河道边缘坐标信息；
11、当无人机实时采集的巡检视频信息被裁剪并确认包含转换后的河道边缘坐标信息时，利用违建房屋识别模型识别违建房屋，并将识别到的违建房屋位置信息从像素坐标系转换到飞行坐标系。
12、进一步，所述利用无人机沿河道的预设巡检路线采集视频信息，包括：
13、确定无人机的定点回收位置，并以此为原点建立无人机飞行坐标系；
14、设定巡检路线，利用无人机根据巡检路线执行巡检；
15、当无人机到达预设高度后，采集视频信息。
16、进一步，所述对采集的视频信息进行筛选处理和扩充处理，生成河道图像数据集和建筑图像数据集，包括：
17、对视频信息进行抽帧处理，提取关键帧，并裁剪出关键帧中的有效区域，生成数据图片；
18、根据数据图片中的河道图像，去除重复的数据图片；
19、当数据图片的数量低于预设阈值时，采用生成对抗网络gan进行数据扩充；
20、扩充完成后，生成图像数据集；
21、基于图像数据集，使用x-anylabeling工具对河道图像进行标注，生成河道图像数据集；
22、基于图像数据集，使用x-anylabeling工具对建筑图像进行旋转框标注，生成建筑图像数据集。
23、进一步，所述采集预巡检视频信息，并根据无人机的设备参数和位置信息计算出坐标系转换矩阵h，包括：
24、采集预巡检视频信息，提取其中960×960的像素区域为有效区域，作为待识别视频信息；
25、获取无人机的摄像头参数、相机距离地面的高度和无人机位置信息；
26、根据所述摄像头参数、相机高度和无人机位置，计算摄像头像素坐标系到无人机飞行坐标系的转换矩阵，作为坐标系转换矩阵h。
27、进一步，所述基于初次巡检视频信息，利用河道分割模型识别出河道边缘像素坐标信息，包括：
28、将待识别视频信息导入河道分割模型，得到河流识别掩膜mask；
29、对河流识别掩膜mask进行图像处理，提取出河道边缘像素坐标信息。
30、进一步，所述使用转换矩阵h将河道边缘像素坐标信息转换到飞行坐标系，并进行距离扩充处理，生成转换后的河道边缘坐标信息，包括：
31、使用转换矩阵h将河道的边缘像素坐标信息转换到飞行坐标系中，生成转换后的图像；
32、通过比较任意两帧转换后的图像的河道边缘坐标，找到图像的重叠区域；
33、对于图像的重叠区域，计算相关两个河道边缘所围成的共同区域面积；
34、选择面积较大的那个河道作为重叠区域的最终表示，并更新相应的河道边缘坐标；
35、根据实际需求，将河道边缘坐标向外扩充预设的距离，生成转换后的河道边缘坐标信息。
36、进一步，所述当无人机实时采集的巡检视频信息被裁剪并确认包含转换后的河道边缘坐标信息时，利用违建房屋识别模型识别违建房屋，并将识别到的违建房屋位置信息从像素坐标系转换到飞行坐标系，包括：
37、将无人机实时采集的巡检视频信息采集为960×960窗口大小；
38、判断窗口中是否包含转换后的河道边缘坐标信息；
39、若是，则将该窗口的图像信息导入违建房屋识别模型进行识别，得到违建房屋的位置信息；
40、使用坐标系转换矩阵h将识别到的违建房屋位置信息转换到飞行坐标系中，生成相应的位置信息，并作为告警信息进行输出。
41、第二方面，本专利技术还公开了一种河道违建识别系统，包括：
42、数据采集模块，用于利用无人机沿河道的预设巡检路线采集视频信息；
43、数据集建立模块，用于对采集的视频信息进行筛选处理和扩充处理，生成河道图像数据集和建筑图像数据集；
44、第一模型训练模块，用于基于河道图像数据集，使用sipmaskv2网络进行模型训练，生成河道分割模型；
45、第二模型训练模块，用于基于建筑图像数据集，使用改进的yolov8模型进行训练，生成违建房屋识别模型；
46、转换矩阵生成模块，用于利用无人机沿河道的预设巡检路线执行预巡检，采集预巡检视频信息，并根据无人机的设备参数和位置信息计算出坐标系转换矩阵h；
47、边缘识别模块，用于基于初次巡检视频信息，利用河道分割模型识别出河道边缘像素坐标信息；
48、坐标转换模块，用于使用转换矩阵h将河道边缘像素坐标信息转换到飞行坐标系，并进行距离扩充处理，本文档来自技高网...
【技术保护点】
1.一种河道违建识别方法，其特征在于，包括：
2.根据权利要求1所述的河道违建识别方法，其特征在于， 所述利用无人机沿河道的预设巡检路线采集视频信息，包括：
3.根据权利要求1所述的河道违建识别方法，其特征在于，所述对采集的视频信息进行筛选处理和扩充处理，生成河道图像数据集和建筑图像数据集，包括：
4.根据权利要求3所述的河道违建识别方法，其特征在于，所述采集预巡检视频信息，并根据无人机的设备参数和位置信息计算出坐标系转换矩阵H，包括：
5.根据权利要求4所述的河道违建识别方法，其特征在于，所述基于初次巡检视频信息，利用河道分割模型识别出河道边缘像素坐标信息，包括：
6.根据权利要求5所述的河道违建识别方法，其特征在于，所述使用转换矩阵H将河道边缘像素坐标信息转换到飞行坐标系，并进行距离扩充处理，生成转换后的河道边缘坐标信息，包括：
7.根据权利要求6所述的河道违建识别方法，其特征在于，所述当无人机实时采集的巡检视频信息被裁剪并确认包含转换后的河道边缘坐标信息时，利用违建房屋识别模型识别违建房屋，并将识别到的
8.一种河道违建识别系统，其特征在于，所述系统采用如权利要求1至7任一项所述的河道违建识别方法；
9.一种河道违建识别装置，其特征在于，包括：
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有河道违建识别程序，所述河道违建识别程序被处理器执行时实现如权利要求1至7任一项所述的河道违建识别方法的步骤。
...【技术特征摘要】
1.一种河道违建识别方法，其特征在于，包括：
2.根据权利要求1所述的河道违建识别方法，其特征在于， 所述利用无人机沿河道的预设巡检路线采集视频信息，包括：
3.根据权利要求1所述的河道违建识别方法，其特征在于，所述对采集的视频信息进行筛选处理和扩充处理，生成河道图像数据集和建筑图像数据集，包括：
4.根据权利要求3所述的河道违建识别方法，其特征在于，所述采集预巡检视频信息，并根据无人机的设备参数和位置信息计算出坐标系转换矩阵h，包括：
5.根据权利要求4所述的河道违建识别方法，其特征在于，所述基于初次巡检视频信息，利用河道分割模型识别出河道边缘像素坐标信息，包括：
6.根据权利要求5所述的河道违建识别方法，其特征在于，所述使用转...
【专利技术属性】
技术研发人员：郑志国，张惠潼，李春俊，周恒，赵瑞涛，宋晓燕，张铭进，
申请(专利权)人：山东浪潮智水数字科技有限公司，
类型：发明
国别省市：
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。