一种基于计算机视觉技术的停车场汛情积水检测系统的制作方法

本发明涉及计算机视觉，具体为一种基于计算机视觉技术的停车场汛情积水检测系统。

背景技术：

1、计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

2、专利公开号为cn114626003a中公开了一种地下停车场积水检测预警方法及系统，其通过测得进水的体积流量变化不大的时候，使用第一积水预测模型来更快地计算出结果，当测得进水的体积流量变化较大时，转而使用第二积水预测模型，之后再进行水位的预测，这种方式可以比过去的到达一定水位阈值再进行报警的方法更早的预测到积水水位的变化，更好的保证了人员和车辆的安全。

3、然而在不同地区，室内外停车场都面临着汛期及暴雨的威胁，室外停车场因积水而导致车辆无法进出甚至被淹，给车主带来不必要的损失，因此，实时汛情积水检测及预警已成为保障停车场安全的重要手段，但传统汛情积水检测及预警系统依赖于人工巡查、采集数据等方式，存在着操作复杂、数据采集时间长、准确率低等问题，并且上述技术方案中是针对地下停车场的，而针对地上停车场，水的流量无法具体统计，因而根据进水流量进行预测的模型存在局限性，因此，开发一种基于计算机视觉技术的停车场汛情积水检测系统迫在眉睫。

技术实现思路

1、本发明的目的在于提供一种基于计算机视觉技术的停车场汛情积水检测系统，包括：

2、图像采集模块，图像采集模块用于采集停车场的监控画面；

3、图像预处理模块，图像预处理模块用于对采集到的图像进行预处理，首先对图像进行去噪处理，去除图像中的噪点，然后对图像进行灰度化处理，接着对图像进行二值化处理，将图像中的前景与背景分离出来，提取出水位标尺的轮廓；

4、水位标尺区域判定模块，水位标尺区域判定模块用于判定图像中是否存在水位标尺，以及水位标尺的位置和大小；

5、水深测量模块，水深测量模块用于对水位标尺中的水深进行测量，通过对水位标尺区域内的像素点进行统计和分析，计算出水位标尺中的水深；

6、报警模块，报警模块用于对水位标尺中的水深进行监测，当水深超过预设的阈值时，触发报警机制，通过声光报警的方式提醒工作人员及时采取措施；

7、远程监控模块，远程监控模块用于将采集到的数据上传到云端，以便远程监控，随时查看汛情的实时状况，并进行管理和调度。

8、优选的，所述水深测量模块的水深测量流程如下：

9、步骤一：采用yolov5的算法实现水位标尺探测，并计算出roi值；

10、步骤二：采用水位标尺的边缘检测算法，得到标尺横线后，使用alighment算法对图像进行拉伸对其方向纠正，再使用颜色识别的算法，得到水深；

11、步骤三：计算得到水深后，记录实时水深、天气预报的实时雨量、地理位置gps、城市、仓库名、时间等信息，并对将来5分钟、10分钟、30分钟、1小时和3小时的水位进行预测。

12、优选的，所述水深测量模块对水深的预测流程中还包含有一种停车场仓库水位预测算法模型：

13、步骤一：对水位测量的流程中所采集到的数据进行记录，包括不限gps，城市，仓库名，雨量，时间戳，每小时水位的特征信息进行记录；

14、步骤二：对若干停车场仓库数据同时进行数据采集；

15、步骤三：采用预测算法对特定仓库的每小时水位进行预测；

16、步骤四：对于每个停车场仓库，单个模型根据停车场仓库数据进行微调，对于同个城市，预测模型可以级联投票，给出最终预测结果。

17、优选的，所述停车场仓库水位预测算法模型中，当输入特征后，对每小时水位进行预测，每5分钟进行一次滚动预测。

18、优选的，所述图像采集模块包含有摄像头与水位标尺，摄像头与水位标尺安装时，两者直线距离不超过5m且摄像头需要正对水位标尺。

19、优选的，所述图像采集模块需根据停车场仓库面积进行装配，每10000平方，需要安装1套水位监测模块，每个仓库至少部署1套水位监测模块。

20、优选的，所述图像采集模块的具体部署位置，须根据车辆存放的空间位置，计算停车场仓库的中心位置，将图像采集模块安装到中心位置。

21、优选的，所述停车场仓库水位预测算法模型中的预测算法包括regression、随机森林、聚类和lstm算法。

22、优选的，所述水位标尺区域判定模块可对预处理后的图像进行分类判断，判断图像中是否存在水位标尺，如果存在，则定位水位标尺的位置和大小。

23、优选的，所述水深测量模块的水深测量流程的步骤二中，标尺的浮标移动位显示为亮黄色，识别后与标尺刻度进行对比，即计算水上尺度，用减法得到水深。

24、与现有技术相比，本发明的有益效果如下：

25、本发明依托计算机视觉技术，自动化实时汛情积水检测及预警，利用深度学习技术，提高汛情积水检测准确率，并且结合报警模块，实现自动化汛情积水预警，提高检测效率和响应速度，还能够实现数据存储方便后续数据分析和处理，便于制定更加精准的汛期安全管理措施，该基于计算机视觉技术的停车场汛情积水检测系统，采用多仓库数据共享、深度学习模型训练、单仓库模型微调的方式，突破了传统的预测方法，为更高效科学的做出撤离指令，给予了强大的支撑，同时，随着历史数据的积累，水淹车全局风险概率量化也使得该问题的保险产品对冲变风险得可能，降低企业整体运营的不确定性。

技术特征：

1.一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于，包括：

2.根据权利要求1所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于，所述水深测量模块的水深测量流程如下：

3.根据权利要求2所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于，所述水深测量模块对水深的预测流程中还包含有一种停车场仓库水位预测算法模型：

4.根据权利要求3所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于：所述停车场仓库水位预测算法模型中，当输入特征后，对每小时水位进行预测，每5分钟进行一次滚动预测。

5.根据权利要求1所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于：所述图像采集模块包含有摄像头与水位标尺，摄像头与水位标尺安装时，两者直线距离不超过5m且摄像头需要正对水位标尺。

6.根据权利要求1所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于：所述图像采集模块需根据停车场仓库面积进行装配，每10000平方，需要安装1套水位监测模块，每个仓库至少部署1套水位监测模块。

7.根据权利要求1所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于：所述图像采集模块的具体部署位置，须根据车辆存放的空间位置，计算停车场仓库的中心位置，将图像采集模块安装到中心位置。

8.根据权利要求3所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于：所述停车场仓库水位预测算法模型中的预测算法包括regression、随机森林、聚类和lstm算法。

9.根据权利要求1所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于：所述水位标尺区域判定模块可对预处理后的图像进行分类判断，判断图像中是否存在水位标尺，如果存在，则定位水位标尺的位置和大小。

10.根据权利要求2所述的一种基于计算机视觉技术的停车场汛情积水检测系统，其特征在于：所述水深测量模块的水深测量流程的步骤二中，标尺的浮标移动位显示为亮黄色，识别后与标尺刻度进行对比，即计算水上尺度，用减法得到水深。

技术总结
本发明公开了一种基于计算机视觉技术的停车场汛情积水检测系统，包括图像采集模块：图像采集模块负责采集停车场的监控画面，通过高清晰度的监控摄像头进行采集，以保证采集到的图像质量，从而保证后续的处理效果。本发明依托计算机视觉技术，自动化实时汛情积水检测及预警，利用深度学习技术，提高汛情积水检测准确率，并且结合报警模块，实现自动化汛情积水预警，提高检测效率和响应速度，还能够实现数据存储方便后续数据分析和处理，该基于计算机视觉技术的停车场汛情积水检测系统，采用多仓库数据共享、深度学习模型训练、单仓库模型微调的方式，突破了传统的预测方法，为更高效科学的做出撤离指令，给予了强大的支撑。

技术研发人员：陈兴华,方阳,王才杰,王晓旭,钦戈乐,彭媛媛,张四欣
受保护的技术使用者：安吉智能物联技术有限公司
技术研发日：
技术公布日：2024/1/15