本发明涉及自然灾害检测,尤其涉及一种山体滑坡检测及预警方法和装置。
背景技术:
1、山体滑坡带来许多严重的危害,包括:1.人员伤亡:山体滑坡常常突发且速度迅猛,可能造成人员被埋压、掩埋或受伤甚至死亡。2.住房破坏:大规模的山体滑坡可以导致房屋、建筑物和基础设施的毁坏,给居民带来财产损失,并迫使他们无家可归。3.水灾风险:山体滑坡可能堵塞河道或湖泊,形成临时性的堰塞湖。一旦堰塞湖破坏,会引发洪水和泥石流,对下游地区造成进一步的灾害。4.经济损失:山体滑坡对农田、林地、道路和其他基础设施造成破坏,给当地经济带来巨大损失。恢复和重建也需要大量的资金投入。
2、目前,为了减少山体滑坡的危害,需要采取相应的预防措施,包括定期检测和监测山坡稳定性、合理规划土地利用、植被保护与恢复、构筑防护工程等措施。然而,由于山体面积大,逐步排查困难,从而导致难以及时发现山体滑坡,更难及时进行山体滑坡预警。
3、因此,现有技术中在对山体滑坡进行检测的过程中,存在由于工作量大导致难以及时发现山体滑坡和进行山体滑坡预警的问题。
技术实现思路
1、有鉴于此,有必要提供一种山体滑坡检测及预警方法和装置,用以解决现有技术中在对山体滑坡进行检测的过程中,存在的由于工作量大导致难以及时发现山体滑坡和进行山体滑坡预警的问题。
2、为了解决上述问题,本发明提供一种山体滑坡检测及预警方法,包括:
3、获取带有预设参照物的视频数据;
4、根据训练完备的目标视觉图像神经网络模型提取视频数据中的移动目标;
5、当移动目标包括预设参照物时,判定发生山体滑坡;
6、获取发生山体滑坡时的连续帧数据,通过图像分割技术提取连续帧数据对应的山体滑坡区域,并确定山体滑坡区域实际面积;
7、对连续帧数据进行边缘提取,得到对应的山体滑坡轨迹,并确定山体滑坡轨迹的曲率变化值;
8、根据山体滑坡区域实际面积和曲率变化值进行山体滑坡预警。
9、进一步地,在根据训练完备的目标视觉图像神经网络模型提取视频数据中的移动目标之前,还包括:
10、对训练样本集进行分类处理,得到多类训练样本,对多类训练样本进行权重赋值,得到赋有权重值的训练样本集;
11、基于imagenet数据集对初始视觉图像神经网络模型进行预训练,得到迁移视觉图像神经网络模型;
12、基于赋有权重值的训练样本集对迁移视觉图像神经网络模型进行训练,得到目标视觉图像神经网络模型。
13、进一步地,对训练样本集进行分类处理,得到多类训练样本,对多类训练样本进行权重赋值,得到赋有权重值的训练样本集,包括:
14、对训练样本集进行分类处理,得到多类训练样本及其对应的样本数量;
15、根据样本数量分别对多类训练样本进行权重赋值,得到赋有权重值的训练样本集;
16、其中,当样本数量大于预设样本量阈值时,对应的多类训练样本的权重设置为第一权重;当样本数量小于预设样本量阈值时,对应的多类训练样本的权重设置为第二权重;
17、第一权重小于第二权重。
18、进一步地,初始视觉图像神经网络模型包括全局池化层,设置在全局池化层之前的特征提取单元和设置在全局池化层之后的数据预测单元;基于imagenet数据集对初始视觉图像神经网络模型进行预训练,得到迁移视觉图像神经网络模型,包括:
19、基于imagenet数据集对初始视觉图像神经网络模型进行预训练,分别得到特征提取单元、全局池化层和数据预测单元的参数信息;
20、仅保存特征提取单元的参数信息至初始视觉图像神经网络模型,得到迁移视觉图像神经网络模型。
21、进一步地,基于赋有权重值的训练样本集对迁移视觉图像神经网络模型进行训练,得到目标视觉图像神经网络模型,还包括:
22、根据赋有权重值的训练样本集对迁移视觉图像神经网络模型进行迭代训练,并记录对应的训练结果;
23、确定训练结果最优值对应的迁移视觉图像神经网络模型为训练完备的目标视觉图像神经网络模型;
24、其中,训练结果包括训练准确率、验证准确率和损失值;
25、训练结果最优值为将训练准确率与验证准确率求和,再与损失值作差,得到的最大值。
26、进一步地,当移动目标包括预设参照物时,判定发生山体滑坡,包括:
27、对移动目标进行图像识别,确定移动目标是否包括预设参照物;
28、当移动目标包括预设参照物时,判断预设参照物对应的区域发生山体滑坡;
29、当移动目标不包括预设参照物时,判断未发生山体滑坡。
30、进一步地,通过图像分割技术提取连续帧数据对应的山体滑坡区域,并确定山体滑坡区域实际面积,包括:
31、通过图像分割技术提取连续帧数据的变化区域,确定山体滑坡区域;
32、根据山体滑坡区域面积计算公式和山体滑坡区域像素数,确定山体滑坡区域的实际面积。
33、进一步地,对连续帧数据进行边缘提取,得到对应的山体滑坡轨迹,并确定山体滑坡轨迹的曲率变化值,包括:
34、对山体滑坡区域进行边缘提取,得到对应的多个山体滑坡轨迹;
35、根据曲率公式,分别计算多个山体滑坡轨迹的多个曲率值;
36、对多个曲率值进行作差,确定山体滑坡轨迹的曲率变化值。
37、进一步地,根据山体滑坡区域实际面积和曲率变化值进行山体滑坡预警,包括:
38、预设山体滑坡面积阈值和曲率变化阈值;
39、当山体滑坡区域实际面积超过山体滑坡面积阈值,或,曲率变化值超过曲率变化阈值时,发出报警信号。
40、为了解决上述问题,本发明还提供一种山体滑坡检测及预警装置,包括:
41、视频数据获取模块,用于获取带有预设参照物的视频数据;
42、移动目标提取模块,用于根据训练完备的目标视觉图像神经网络模型提取视频数据中的移动目标;
43、山体滑坡检测模块,用于当移动目标包括预设参照物时,判定发生山体滑坡;
44、山体滑坡区域实际面积确定模块,用于获取发生山体滑坡时的连续帧数据,通过图像分割技术提取连续帧数据对应的山体滑坡区域,并确定山体滑坡区域实际面积;
45、曲率变化值确定模块,用于对连续帧数据进行边缘提取,得到对应的山体滑坡轨迹,并确定山体滑坡轨迹的曲率变化值;
46、山体滑坡预警模块,用于根据山体滑坡区域实际面积和曲率变化值进行山体滑坡预警。
47、采用上述实施例的有益效果是:本发明提供一种山体滑坡检测及预警方法和装置,该方法通过将山体滑坡检测的问题转化为寻求视频数据中的移动的预设参照物的问题,实现利用现有的视觉图像神经网络模型对移动物体进行捕获,再对识别到的移动目标进行细化判断,从而确定视频数据对应的区域是否发生山体滑坡,实现了自动化识别山体滑坡,提高了识别效率,保证了识别的及时性;进一步地,通过对发生山体滑坡的连续帧数据进行区域面积计算和曲率变化值计算,能够在一定程度上判定山体滑坡的影响范围,进而及时进行山体滑坡预警。