一种基于视频的水灾检测装置及方法与流程

文档序号：12627801阅读：248来源：国知局

本发明涉及图像处理及智能识别技术领域，更具体的说，是涉及一种基于视频的水灾检测装置及方法。

背景技术：

当今社会科学技术高速发展，人工智能、计算机机器视觉技术、自动化技术变得越来越成熟，因此视频监控的要求也越来越高，不仅仅是之前的单纯的视频监控，还要具备基本的智能识别、自动处理等功能。现在很多城市夏季强降雨之后道路或社区路面会产生积水，甚至产生水灾情况，对于这种情况一般的城市视频监控可以监控到，但是需要人员逐个摄像头进行检查，因此自动检测水灾更是尤为重要，不仅仅要能计算这些场景是否存在积水，还要求对积水区域的人员、车辆等信息进行识别，检测出是否有水灾情况，是否有人员车辆被困现象。

水灾事故发生存在突发性，危险性，甚至可能危机到人员的生命安全，因此如果能通过某种方法有效的检测出事故的发生，可以更好的完成监控，更早的提醒相关人员进行救助。

申请号为CN201110364891.5的中国发明专利《一种基于射频信号衰减的铁道水灾检测及预警装置》，其主要特点是利用射频单元接收的信号强度值的变化来检测和预警铁道上的水灾的发生；本发明与其主要区别是，本发明主要以图像识别为依据，可自动识别区域内的车道信息，并辅以水位信息，可判断是否产生水灾告警，且当水灾发生时，可继续识别存在人员和车辆滞留情况，并识别出是否产生人员被困和车辆被困的告警；不但水灾识别的方法不同，而且识别出水灾产生还可检测出是否存在人员和车辆被困的信息。

技术实现要素：

有鉴于此，有必要针对上述问题，提供一种基于视频的水灾检测装置及方法，实现水灾事故信息的监测和警报，并通过网络将警情信息发送出去的装置。本发明实现了通过视频分析并检测水灾信息是否发生，保证视频监控的同时能提供更智能的信息，从而提高视频监控的准确性和安全性。

为了实现上述目的，本发明的技术方案如下：

一种基于视频的水灾检测系统，包括水位采集模块、视频采集模块和图像分析模块；所述视频采集模块用于采集现场视频数据，并将视频数据发送到图像分析模块；所述图像分析模块用于根据DRR算法、DWD算法和DFD算法对视频数据中的视频帧进行处理，对每个视频帧进行分析处理，根据每个视频帧中物体的边缘信息和色彩信息，判断路面是否存在积水，并判断是否产生水灾信息；所述水位采集模块用于采集水位信息。

作为优选的，所述视频采集模块包括镜头、视频传感器和视频处理器；所述镜头用于采集现场视频画面信息；所述视频传感器用于将视频画面转换为数字信息，所述视频处理器用于接收并处理视频传感器采集的视频数据。

作为优选的，所述水位采集模块包括超声波水位计，用于采集水位信息。

如图2所示，所述图像分析模块包括图像预处理单元、监控区域自识别单元、积水检测单元和水灾检测单元；

所述图像预处理单元用于获取视频数据，对每一个视频帧进行处理，得到视频帧画面中物体边缘信息和色彩信息；

所述监控区域自识别单元用于根据边缘信息和色彩信息自动识别道路边缘信息，自动设定检测区域的相关目标信息；

所述积水检测模块用于检测积水信息；

所述水灾检测模块用于根据视频和积水信息，检测是否发生水灾，是否有人员和车辆被困的信息。

作为优选的，还包括视频编码模块和视频传输模块，所述视频编码模块用于对视频进行压缩编码处理，所述视频传输模块用于将编码模块后视频数据通过网络发送出去。

一种基于视频的水灾检测的方法，包括以下步骤：

S1、采集视频数据，并实时采集水位信息；

S2、对视频数据的图像进行机器视觉处理，主要包括灰度处理，二值化处理，边缘检测，色彩转换；

S3、使用DRR算法进行自动识别画面范围内的道路边缘信息，并设置检测范围；

S4、使用DWD算法分析设定范围内是否存在积水，积水范围、积水的颜色；

S5、使用DFD算法分析，根据步骤S4的结果分析水灾中是否产生水灾，是否存在被困人员或车辆，如果存在则产生告警信息；

S6、将数据及告警信息通过网络发送出去，主要包括水灾产生、水灾困人、水灾困车的告警信息。

作为优选的，所述步骤S2具体包括：

S21、对视频数据中的视频帧图像做灰度处理，得到灰度数据；

S22、对灰度数据进行二值化处理；

S23、对二值化处理后的数据进行Canny算法处理，得到图像中的物体边缘；

S24、对得到的物体边缘数据进行HoughLines直线检测，检测画面中是否存在直线信息；

S25、对图像进行色彩转换，从YUV数据转为RGB，保存画面的图像色彩信息，得到每一个像素点的RGB色彩信息。

作为优选的，所述步骤S3具体包括：

S31、对得到的数据进行分类，去掉其他干扰信息，只保留画面中间部分的斜线，这些斜线是道路的边缘的信息；

S32、提取其中间的色彩信息，综合得到斜线中间的部分的RGB信息，与已知的路面的色彩信息进行比对，判断其是否为路面，如果没有检测到路面信息，则返回重新检测新的视频帧；

S33、若检测出路面，统计连续检测出路面的次数是否大于N；若是则判断自动检测标志，若否且M分钟内未识别出道路，则确定没有检测到车道信息，需要手动设置车道线，修改自动检测标志为否；

S34、判断自动检测标志，若是则将路面边缘直线信息保存为目标监控区域，若否则手动设置路面边缘信息并保存为目标监控区域。

作为优选的，所述步骤S4具体包括：

S41、获取监控区域水位信息，根据水位的高度判断是否存在积水；若无积水则将无积水信息汇总，若有积水则检测监控区域是否存在边缘信息

S42、若积水未覆盖到道路两边边线，则当前积水未覆盖到整个道路，需要将判断积水的深度；若积水覆盖了整个道路，则需要判断道路上的积水区域是否存在水流特征，判断其色彩信息是否同原始的道路路面色彩信息一致；

S43、若画面中识别的积水区域的色彩信息仍然与原始路面的色彩信息一致，认为当前画面中无流水特征，需判断积水深度；根据水位信息判断是否水位超过Hcm，如果超过则判断为有积水，没有超过则认为无积水，再将有无积水信息汇总。

作为优选的，所述步骤S5具体包括：

S51、若检测到积水，记录检测到的时间T10，并仅记录第一次，记录检测到的次数C1；继续检测，若检测到C1的次数大于M1次，记录此时的时间T11，若T11-T10大于N1分钟，则判断发生水灾；若没有检测到积水，则需要判断是否已发生过水灾；

S52、若已发生水灾，则记录未检测到积水的时间T20，统计未检测到积水的次数C2，继续检测，若检测到C2的次数大于M2次，记录此时的时间T21，T21-T20大于N2分钟时，判断水灾恢复；

S53、若已发生水灾，则判断水灾区域是否有人员存在、是否已发生人员被困警告，并判断是否存在车辆滞留情况、是否已发生车辆被困告警；

S54、根据二值化后图像中是否存在人形轮廓来判断是否有人员滞留情况，检测到人员滞留时，记录检测到的时间T30，并仅记录第一次，记录检测到的次数C3，继续记录，若检测到C3的次数大于M3次，记录时间T31，若T31-T30大于N3分钟，则判断发生人员被困告警；当判断已产生过人员被困告警，且当前有检测到没有人员滞留情况，则记录当前时间T40，仅记录第一次的时间，记录检测到的次数C4；继续检测，若C4的次数大于M4次，记录时间T41，T41-T40大于N4分钟，则判断人员被困解除；

S55、根据二值化后图像中是否存在车形轮廓来判断积水区域是否有车辆滞留情况；判断当前区域是否发生过车辆被困告警，如果已发生过则对告警信息汇总；检测到车辆滞留时，记录检测到的时间T50，并仅记录第一次，记录检测到的次数C5，继续检测，C5的次数大于M5次，且记录时间T51，T51-T50大于N5分钟，则判断发生车辆被困告警；检测到没有车辆滞留情况，则记录当前时间T60，仅记录第一次的时间，记录检测到的次数C6，继续检测到C6的次数大于M6次，且记录时间T61，T61-T60大于N6分钟，则判断车辆被困解除。

与现有技术相比，本发明的有益效果在于：

1、通过分析摄像头获取到的图像，可将城市视频监控中摄像机的功能扩展，不仅仅局限于视频输出，还可以智能识别水灾等隐患，并将相关告警信息上告，丰富了视频监控中的摄像机的功能。

2、通过计算机机器视觉技术，自动识别相关情况，避免人工频繁的检查各个摄像头的视频。

3、能有效的发现水灾隐患和相关情况，及时提醒相关人员，远离相关区域，避免事故发生。

附图说明

图1为本发明实施例的系统原理框图；

图2为本发明实施例的图像分析模块的流程图；

图3为本发明实施例的监控区域自识别模块DRR算法流程图；

图4为本发明实施例的积水检测模块DWD算法流程图；

图5为本发明实施例的水灾检测模块DFD算法流程图。

图6为本发明实施例的一个具体实施步骤图。

具体实施方式

下面结合附图和实施例对本发明所述的一种基于视频的水灾检测装置及方法作进一步说明。

以下是本发明所述的一种基于视频的水灾检测装置及方法的最佳实例，并不因此限定本发明的保护范围。

图1至图5示出了一种基于视频的水灾检测系统，包括水位采集模块、视频采集模块和图像分析模块；所述视频采集模块用于采集现场视频数据，并将视频数据发送到图像分析模块；所述图像分析模块用于根据DRR算法、DWD算法和DFD算法对视频数据中的视频帧进行处理，对每个视频帧进行分析处理，根据每个视频帧中物体的边缘信息和色彩信息，判断路面是否存在积水，并判断是否产生水灾信息；所述水位采集模块用于采集水位信息。

作为优选的，所述水位采集模块包括超声波水位计，用于采集水位信息。

如图2所示，所述图像分析模块包括图像预处理单元、监控区域自识别单元、积水检测单元和水灾检测单元；

所述图像预处理单元用于获取视频数据，对每一个视频帧进行处理，得到视频帧画面中物体边缘信息和色彩信息；

所述监控区域自识别单元用于根据边缘信息和色彩信息自动识别道路边缘信息，自动设定检测区域的相关目标信息；

所述积水检测模块用于检测积水信息；

所述水灾检测模块用于根据视频和积水信息，检测是否发生水灾，是否有人员和车辆被困的信息。

具体的，所述图像分析模块处理流程包括：图像采集模块，获取实时视频数据，对图像进行灰度处理，对视频数据进行灰度处理，对图像进行边缘检测，检测图像中的物体轮廓及边缘，对图像进行二值化，并进行边缘检测，检测物体边缘轮廓信息对图像进行色彩转换，提取相关区域的色彩信息，对视频数据进行色彩转换并保存相关区域的色彩信息；综合图像的物体边缘信息和色彩信息，对数据进行综合并保存；判断待检测区域是否存在，检查待检测区域是否已设置；对图像中道路边缘进行识别，并自动设定待检测区域，当待检测区域不能自动识别出来时，需要手动设置并保存待检测区域；

水位采集模块，水位采集模块采集到水位信息，并给积水检测单元；

根据DWD算法，检测是否存在积水，本过程属于积水检测单元，综合以上的信息，检测当前视频中是否存在积水；

DFD算法分析，检测是否产生水灾等信息，本过程属于水灾检测单元，根据图像的物体边缘信息和色彩信息及积水信息等数据信息检测是否发生水灾情况；

检测无水灾发生时，判断是否发生过水灾，当检测结果为未发生水灾时，需检测之前是否发生过水灾，如果没有发生，则可以重新检测新的数据；

曾发生过水灾，应提示水灾信息恢复，当判断已发生水灾，则要判断水灾恢复；汇总水灾告警信息，汇总水灾信息，并重新检测新数据。

本实施中还包括告警传输模块，用于水灾信息通过网络发生出去。

具体的，如图3所示，区域自识别模块的工作流程具体包括：

301，输入需分析的图像数据，从视频采集模块获取视频数据，并输入到视频预处理模块；

302，对图像灰度化，对从301得到输入的图像作灰度处理，得到灰度数据；

303，对灰度数据进行二值化，对从302得到的灰度数据进行二值化处理；

304，Canny算法进行边缘提取，对从303得到的二值化数据进行canny算法处理，得到物体边缘；

305，HoughLines直线检测，对从304得到的物体边缘数据进行直线检测，检测画面中是否存在直线信息；

306，对图像进行色彩转换，从YUV数据转为RGB，对从301获取的视频数据进行转换，得到RGB数据；

307，保存画面的图像色彩信息，保存从306中得到每一个像素点的RGB色彩信息；

308，排除道路两边的垂直直线和其他形状，仅保留画面中间的斜形直线，对从307得到的数据进行分类，去掉其他干扰信息，只保留画面中间部分的斜线，这些斜线是道路的边缘的信息；

309，综合检测出的直线，提起其中间的色彩信息，对从308得到的直线信息和306得到的RGB信息，综合得到斜线中间的部分的RGB信息；

310，检测直线中色彩信息是否属于道路路面，根据309得到的色彩信息，与已知的路面的色彩信息进行比对，判断其是否为路面；

311，判断非路面信息，重新检测新图像中数据，根据310的结果，如果没有检测到路面信息，则返回重新检测新的帧；

312，统计检测出路面的次数，是否连续识别N次，根据310的结果，如果检测出路面，则统计检测出路面的次数是否大于N；

313，判断M分钟内仍然未识别出道路，如果312得到的结论为否，则等待M分钟，如果仍然找不到道路信息，则需手动设置参数；

314，判断自动检测标志，对312得到的结果进行判断如果得到路面信息，则需要判断当前的自动检测标志；

315，将路面边缘直线信息保存为目标区域，对314的结果进行判断，如果是自动检测状态，则保存当前检测出的路面直线边缘信息；

316，确定没有检测到车道信息，提示用户手动设置车道线，根据313的结果，如果没有检测到车道信息，则需提示用户进行手动设置车道线；

317，修改标志，接受手动设置的信息，接316的步骤，修改标志为手动设置方式，同时要能接受手动设置的信息；

318，目标区域手动设置模块，接受用户设置的参数，并将参数传递到算法中；

319，接收手动设置路面边缘信息，对314的判断，标志为手动设置时，接收来318设置的目标区域信息；

320，水灾检测模块，对315中的数据进行保存，并设置到水灾检测模块中。积水检测模块如图4所示：

401，图像预处理单元，获取视频数据，并对其进行处理，得到画面物体边缘信息和其色彩信息；

402，监控区域自识别单元，支持自动检测监控区域的识别和标定，支持手动设置监控区域的参数；

403，水位采集模块，主要通过超声波水位计采集水位信息；

404，获取图像预处理单元检测出的边缘信息及中间的色彩信息，从401步骤中获取其检测出来的物体边缘信息和色彩信息；

405，获取监控区域及区域内目标色彩信息；从402步骤中获取需要监控的区域及需要监控的区域内的目标色彩信息；

406，获取水位采集模块的水位信息，从403步骤中获取水位信息；

407，根据水位采集模块的数据判断是否存在积水，从406步骤中获取水位信息，根据水位的高度判断是否存在积水；

408，判断无积水，当407的结论为否时，则判断当前无积水，需将无积水的信息给积水汇总模块；

409，检测数据中是否存在目标道路的边线，检测404的边缘信息，是否存在405中的监控区域的边线信息；

410，积水未覆盖道路两边边线，409的结论为是时，则认为当前积水未覆盖到整个道路，需要将判断积水的深度；

411，检测数据色彩信息是否为水流特征，检测409的结论为否时，则认为当前积水覆盖了整个道路，这时需判断道路上的积水区域是否存在水流特征，判断其色彩信息是否同原始的道路路面色彩信息一致；

412，积水色彩信息与原始路面色彩信息相似，当411的结果为否时，即画面中识别的积水区域的色彩信息仍然与原始路面的色彩信息一致，认为当前画面中无流水特征，需判断积水深度；

413，判断水位是否超过Hcm，当410和412的步骤识别到无积水需重新检测时，在根据水位信息判断是否水位超过Hcm，如果超过则判断为有积水，没有超过则认为无积水，再将有无积水信息给积水汇总模块；

414，汇总是否产生积水现象，汇总411、413和408的判断结果，判断最终是否产生了积水现象；

415，水灾检测模块，把414的检测结果传给水灾检测模块，处理完之后重新检测新数据。

水灾检测模块如图5所示：

501，图像预处理模块，获取视频数据，并对其进行处理，得到画面物体边缘信息和其色彩信息；

502，监控区域自识别模块，支持自动检测监控区域的识别和标定，支持手动设置监控区域的参数；

503，水位采集模块，主要通过超声波水位计采集水位信息；

504，积水检测模块，主要是汇总501、502和503的信息判断是否产生了积水及积水情况；

505，判断积水检测模块的结果，是否存在积水及积水情况，主要判断504积水检测模块的结果；

506，判断是否已产生水灾告警，如果已产生应直接进入检测是否发生人员被困和车辆被困检测中；

507，记录检测到积水的时间T10，并统计检测到的次数C1，清空T20和C2，当505的结果为检测到积水时，记录检测到的时间T10，并仅记录第一次，记录检测到的次数C1，同时需要清空T20和C2的值；

508，判断C1的次数大于M1次，且记录时间T11，T11-T10大于N1分钟，则判断发生水灾，通过连续检测到的积水的时长N1和次数M1来判断是否产生水灾，N1和M1的值可设定；

509，判断是否已产生水灾警告，清空T10和C1的值，当505的检测结果为否时，认为当前无积水，则需判断是否已经发生水灾情况，清空T10和C1的值，如果没有发生水灾，直接返回重新检测新的数据；

510，如已发生水灾情况，记录时间T20，统计次数C2，当判断已产生过水灾告警，且当前有检测到没有积水，则记录当前时间T20，仅记录第一次的时间，记录检测到的次数C2；

511，判断C2的次数大于M2次，且记录时间T21，T21-T20大于N2分钟，则判断水灾恢复，通过连续未检测积水的时长N2和次数M2来判断是否产生水灾恢复，N2和M2的值可设定；

512，判断积水区域是否有人员滞留情况，当已发生水灾后，需判断水灾区域是否有人员存在，主要根据二值化后图像中是否存在人形轮廓来判断；

513，判断积水区域是否已发生人员被困告警，当512判断存在人员滞留情况时，需要判断当前区域是否发生过人员被困告警，如果已发生过则直接将告警信息给告警汇总模块；

514，记录人员滞留的时间T30，并统计检测到的次数C3，清空T40和C4，当513的结果为检测到人员滞留时，记录检测到的时间T30，并仅记录第一次，记录检测到的次数C3，同时需要清空T40和C4的值；

515，判断C3的次数大于M3次，且记录时间T31，T31-T30大于N3分钟，则判断发生人员被困告警，通过连续检测到人员滞留的时长N3和次数M3来判断是否产生人员被困，N3和M3的值可设定；

516，判断是否已产生人员被困，清空T30和C3的值，当512的检测结果为否时，认为当前无人员滞留，则需判断是否已经发生人员被困情况，清空T30和C3的值，如果没有发生人员被困，直接返回重新检测新的数据；

517，记录时间T40，并统计检测到的次数C4，当判断已产生过人员被困告警，且当前有检测到没有人员滞留情况，则记录当前时间T40，仅记录第一次的时间，记录检测到的次数C4；

518，判断C4的次数大于M4次，且记录时间T41，T41-T40大于N4分钟，则判断人员被困解除，通过连续未检测人员滞留的时长N4和次数M4来判断是否产生人员被困恢复，N4和M4的值可设定；

519，判断积水区域是否有车辆滞留情况，当已发生水灾后，需判断水灾区域是否有车辆存在，主要根据二值化后图像中是否存在车形轮廓来判断；

520，判断积水区域是否已发生车辆被困告警，当519判断存在车辆滞留情况时，需要判断当前区域是否发生过车辆被困告警，如果已发生过则直接将告警信息给告警汇总模块；

521，记录车辆滞留的时间T50，并统计检测到的次数C5，清空T60和C6，当520的结果为检测到车辆滞留时，记录检测到的时间T50，并仅记录第一次，记录检测到的次数C5，同时需要清空T60和C6的值；

522，判断C5的次数大于M5次，且记录时间T51，T51-T50大于N5分钟，则判断发生车辆被困告警，通过连续检测到车辆滞留的时长N5和次数M5来判断是否产生车辆被困，N5和M5的值可设定；

523，判断是否已产生车辆被困，清空T50和C5的值，当519的检测结果为否时，认为当前无车辆滞留，则需判断是否已经发生车辆被困情况，清空T50和C5的值，如果没有发生车辆被困，直接返回重新检测新的数据；

524，记录时间T60，并统计检测到的次数C6，当判断已产生过车辆被困告警，且当前有检测到没有车辆滞留情况，则记录当前时间T60，仅记录第一次的时间，记录检测到的次数C6；

525，判断C6的次数大于M6次，且记录时间T61，T61-T60大于N6分钟，则判断车辆被困解除，通过连续未检测车辆滞留的时长N6和次数M6来判断是否产生车辆被困恢复，N6和M6的值可设定；

526，综合水灾发生，人员被困，车辆被困，水位等警情，综合515，518，522，525，513，520，511的结果，判断是否发生水灾情况，水灾恢复，人员被困，人员被困解除，车辆被困，车辆被困解除，以及水位情况；

527，将检测的水灾信息发送给传输模块，并重新检测新数据。作为优选的，还包括视频编码模块和视频传输模块，所述视频编码模块用于对视频进行压缩编码处理，所述视频传输模块用于将编码模块后视频数据通过网络发送出去。

图6示出了一种基于视频的水灾检测的方法，包括以下步骤：