本技术涉及信息处理技术,特别涉及房屋顶部遮挡物的垮塌预测方法、设备及系统。
背景技术:
1、在冬季,很多罩棚和/或屋顶等房屋顶部遮挡物上会出现积雪和/或积冰的现象,而这些存在于罩棚和/或屋顶上的积雪和/或积冰,容易积累并造成罩棚和/或屋顶垮塌而变成高空坠物,进而造成人员伤亡或财产损失等严重后果。
2、当前针对这种房屋顶部遮挡物的垮塌检测方法主要为两类:1、通过安保人员进行巡检和/或在监控室查看实时监控画面的方式,采用肉眼和经验判断是否存在形成房屋顶部遮挡物的垮塌的可能性;2、通过智能平台分析监控视频并进行判断,这种方法主要通过对房屋顶部遮挡物垮塌的数据进行采集、标注和清洗后,进行深度学习模型的训练,在训练完成后再进行部署运行。
3、上述两类方法主要问题在于:1)人力成本较高,无论是安保人员还是训练深度学习模型所需要的数据采集、标注及清洗都需要大量人力;2)时间成本较高,安保人员需要不定期的去检查是否存在房屋顶部遮挡物的垮塌的可能性,只要出现极端的天气情况就需要进行检查,这样的检查方式需要消耗较长的时间;而训练深度学习模型的方式中,所需要的数据准备、标注、清洗及深度学习模型的训练也需要耗费较长时间;3)目前的智能平台分析只能检测房屋顶部遮挡物的垮塌,并不能对其进行预测,且无论人工排查还是利用当前深度学习模型训练的方式都无法做到准确的预测;4)目前的智能平台分析所耗费的计算资源较高,无论是深度学习模型的训练还是线上运行,均存在大量计算资源消耗的问题。
4、根据上述现有房屋顶部遮挡物的垮塌的检测方法可见,目前的房屋顶部遮挡物的垮塌检测方式较为落后,其采用人工进行巡检或智能平台进行检测,不具备准确预测的功能,且采用智能平台时所耗费的人力和时间成本都较高。
5、因此,现有房屋顶部遮挡物的垮塌检测方法存在无法准确预测及成本较高的问题。
技术实现思路
1、本技术的目的是要解决目前现有房屋顶部遮挡物的垮塌检测方法存在无法准确预测的问题,提供了一种房屋顶部遮挡物的垮塌预测方法、设备及系统。
2、本技术解决上述技术问题采用的技术方案中,第一方面提供了一种房屋顶部遮挡物的垮塌预测方法,包括以下步骤:
3、步骤1、对当前监控视频数据的图片进行元素分割,至少提取其中覆盖物所在区域,并判断各区域所属覆盖物类型,所述覆盖物类型包括积雪类型和/或积冰类型;
4、步骤2、实时计算得出各区域覆盖物质量;
5、步骤3、根据总覆盖物质量及预设的房屋顶部遮挡物负荷能力计算当前安全系数;
6、步骤4、当当前安全系数不满足预设条件时,发出垮塌预测提醒。
7、具体的,为方便后续计算,则步骤1包括以下具体步骤:
8、步骤101、对当前监控视频数据的图片进行元素分割,至少提取其中覆盖物所在区域的图像;
9、步骤102、根据提取出的覆盖物所在区域的图像判断各区域所属覆盖物类型,所述覆盖物类型包括积雪类型和/或积冰类型。
10、进一步的,为提供一种根据提取出的覆盖物所在区域的图像判断各区域所属覆盖物类型的方法,则步骤102包括以下具体步骤:
11、步骤102a、预先进行覆盖物特征概率分布预学习,获取预设的各类型覆盖物对应的聚类中心,所述聚类中心被建模成高斯分布;
12、步骤102b、对所提取出的覆盖物所在区域的图像进行k均值聚类,得到当前覆盖物的聚类中心;
13、步骤102c、将当前覆盖物的聚类中心与预设的各类型覆盖物对应的聚类中心进行对比,根据对比结果判断当前覆盖物的覆盖物类型。
14、具体的,为进一步细化步骤102a,则步骤102a,包括以下具体步骤:
15、选取一定数量的已分割完成的已知积雪和积冰图像,针对任一已分割完成的已知积雪和积冰图像,将其所有像素点合并后进行k均值聚类,获得至多三个聚类中心,每个聚类中心为三维向量,记为cs=(bs,gs,rs);
16、根据每个像素点所属的聚类中心标签,计算该类别的均值μs和方差σs,将每一个聚类中心建模成高斯分布ns~(μs,σs)。
17、进一步的,为进一步细化步骤102b,则步骤102b,包括以下具体步骤:
18、对所提取出的覆盖物所在区域的图像进行k均值聚类,获得至多三个聚类中心;
19、根据每个像素点所属的聚类中心标签,计算该类别的均值μp和方差σp,将每一个聚类中心建模成高斯分布np~(μp,σp)。
20、具体的,为进一步细化步骤102c,则步骤102c,包括以下具体步骤:
21、计算当前覆盖物的聚类中心np与预设的各类型覆盖物对应的聚类中心ns之间的kl散度,若任一kl散度小于设定的阈值,则判定当前覆盖物为对应类型覆盖物,否则判定为无相关类型的覆盖物。
22、为提供一种实时计算得出各区域覆盖物质量的方法,则步骤2包括以下具体步骤:
23、针对任一所划分出的覆盖物所在区域的图像:
24、采用图像缩放因子还原覆盖物实际覆盖长与宽,计算覆盖物面积;
25、采用图像缩放因子还原覆盖物实际厚度;
26、根据覆盖物类型选择覆盖物的密度;
27、通过覆盖物面积、覆盖物实际厚度及覆盖物的密度计算得到覆盖物质量。
28、再进一步的,为了提供一种根据覆盖物类型选择覆盖物的密度的方法,则所述根据覆盖物类型选择覆盖物的密度,包括:
29、根据覆盖物类型通过查询预设密度表获取对应的覆盖物的密度,所述预设密度表中设置有各覆盖物类型及对应的覆盖物的密度。
30、具体的,为进一步对覆盖物类型进行细分,以便计算更加精准,则步骤1中,所述覆盖物类型中的积雪类型,包括根据当前温度和/或当前湿度和/或当前降雪类型划分出的至少两种积雪类型;
31、所述覆盖物类型中的积冰类型,包括根据冰的形态划分出至少两种积冰类型。
32、再进一步的,由于预设的房屋顶部遮挡物负荷能力针对不同的结构有所不同,因此针对不同的房屋顶部遮挡物需提前进行测量及计算,则所述预设的房屋顶部遮挡物负荷能力的获取方法为:针对任一房屋顶部遮挡物,根据房屋顶部遮挡物所属结构的设计规格与参数计算得到房屋顶部遮挡物的负荷能力,获取到预设的房屋顶部遮挡物负荷能力。
33、具体的,为提供一种根据总覆盖物质量及预设的房屋顶部遮挡物负荷能力计算当前安全系数的方法,则步骤3包括以下步骤:
34、对当前房屋顶部遮挡物顶部进行检测,获取当前房屋顶部遮挡物顶部的荷载;
35、根据当前房屋顶部遮挡物顶部的荷载及覆盖物质量获取当前房屋顶部遮挡物顶部的实际受力;
36、根据当前房屋顶部遮挡物顶部的实际受力与预设的房屋顶部遮挡物负荷能力计算安全系数。
37、再进一步的,为提供一种安全系数的计算方法及预设条件,则所述安全系数的计算方法为:当前房屋顶部遮挡物顶部的实际受力与预设的房屋顶部遮挡物负荷能力之间的比值;
38、步骤4中,所述预设条件,包括:
39、所述当前房屋顶部遮挡物顶部的实际受力与预设的房屋顶部遮挡物负荷能力之间的比值是否大于等于第一预设值;
40、或,所述安全系数的计算方法为:预设的房屋顶部遮挡物负荷能力与当前房屋顶部遮挡物顶部的实际受力之间的比值;
41、步骤4中,所述预设条件,包括:
42、所述预设的房屋顶部遮挡物负荷能力与当前房屋顶部遮挡物顶部的实际受力之间的比值是否小于等于第二预设值;
43、或,所述安全系数的计算方法为:预设的房屋顶部遮挡物负荷能力与当前房屋顶部遮挡物顶部的实际受力之间的差值;
44、步骤4中,所述预设条件,包括:
45、所述预设的房屋顶部遮挡物负荷能力与当前房屋顶部遮挡物顶部的实际受力之间的差值是否小于等于第三预设值;
46、或,所述安全系数的计算方法为:当前房屋顶部遮挡物顶部的实际受力与预设的房屋顶部遮挡物负荷能力之间的差值;
47、步骤4中,所述预设条件,包括:
48、所述预设的房屋顶部遮挡物负荷能力与当前房屋顶部遮挡物顶部的实际受力之间的差值是否大于等于第四预设值。
49、本技术解决上述技术问题采用的技术方案中,第二方面提供了一种房屋顶部遮挡物的垮塌预测装置,包括:
50、分割提取模块,用于对当前监控视频数据的图片进行元素分割,至少提取其中覆盖物所在区域,并判断各区域所属覆盖物类型,所述覆盖物类型包括积雪类型和/或积冰类型;
51、覆盖物质量计算模块,用于实时计算得出各区域覆盖物质量;
52、安全系数计算模块,用于根据总覆盖物质量及预设的房屋顶部遮挡物负荷能力计算当前安全系数;
53、预测提醒模块,用于当当前安全系数不满足预设条件时,发出垮塌预测提醒。
54、本技术解决上述技术问题采用的技术方案中,第三方面提供了一种房屋顶部遮挡物的垮塌预测设备,包括:提醒单元、存储单元及处理单元;所述提醒单元及存储单元分别与处理单元连接;
55、所述提醒单元用于根据处理单元的控制发出提醒;
56、所述存储单元上存储有在处理单元上运行的计算机程序;
57、所述处理单元用于执行所述计算机程序时实现如上述的房屋顶部遮挡物的垮塌预测方法。
58、本技术解决上述技术问题采用的技术方案中,第四方面提供了一种房屋顶部遮挡物的垮塌预测系统,包括监控视频设备及如上述的房屋顶部遮挡物的垮塌预测设备,所述监控视频设备与房屋顶部遮挡物的垮塌预测设备连接;
59、所述监控视频设备能够拍摄欲预测的房屋顶部遮挡物的顶部,并将拍摄所得到的监控视频数据实时发送给房屋顶部遮挡物预测设备。
60、本技术解决上述技术问题采用的技术方案中,第五方面提供了一种可读存储介质,所述可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述房屋顶部遮挡物的垮塌预测方法。
61、本技术的有益效果是,在本技术方案中,采用元素分割,计算覆盖物质量,并根据总覆盖物质量及预设的房屋顶部遮挡物负荷能力计算安全系数并预测的方式,提供了一种房屋顶部遮挡物的垮塌预测方法、设备及系统,实现较为简单,且并不需要进行大量计算或训练即可实现房屋顶部遮挡物的垮塌预测,方便用户。