CN109376740A - 一种基于视频的水尺读数检测方法 - Google Patents
一种基于视频的水尺读数检测方法 Download PDFInfo
- Publication number
- CN109376740A CN109376740A CN201811222855.3A CN201811222855A CN109376740A CN 109376740 A CN109376740 A CN 109376740A CN 201811222855 A CN201811222855 A CN 201811222855A CN 109376740 A CN109376740 A CN 109376740A
- Authority
- CN
- China
- Prior art keywords
- water gauge
- water
- image
- digital
- gauge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于视频的水尺读数检测方法。该方法首先获取视频图像,对图像进行预处理,去除图像噪点,使用模型检测的方法确定水尺位置,并在水尺区域对水尺上的数字进行分割识别,再检测水位线位置,综合数字分割识别结果和水位线检测结果推算出水尺读数,该方法不易受相机角度、视野变化影响而检测出正确的结果。本发明使用模型检测技术,能够快速定位水尺位置;使用分割识别技术,能够有效检测出水尺数字的位置并准确识别出数字读数;使用梯度二值化图像水平投影技术,能够准确定位水位线位置,从而有效提高了水尺读数的准确率。
Description
技术领域
本发明创造属于视频检测技术领域,尤其是涉及一种基于视频的水尺读数检测方法及装置。
背景技术
在水利监测领域中,通过人眼观察水尺并确定水位读数,往往会耗费大量的人力成本和时间成本,并且读数会存在较大误差,从而无法实现对水位读数的实时准确的监控。
发明内容
本发明的目的是提供一种基于视频的水尺读数检测方法,以用于全天候监测水尺读数,并判断水位读数是否在预设水位范围内,达到对水位监控的效果。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于视频的水尺读数检测方法,包括:
(1)对视频图像进行预处理,去除图像噪点;
(2)利用训练模型检测图像中水尺的位置,确定水尺的区域;
(3)在确定的水尺区域对数字分割和识别;
(4)用二值化梯度图像水平投影的方法,确定水位线位置;
(5)利用(3)中的数字分割识别结果与(4)中的水位线检测结果,确定当前水位读数。
进一步的,所述步骤(1)中,图像预处理主要是用高斯滤波的方法对获得的视频图像进行滤波降噪处理。
进一步的,所述步骤(2)中具体包括,采集水尺样本,训练基于LBP特征级联分类器,对视频图像中的水尺进行检测,再将检测到的水尺作为正样本,误检作为负样本,反复对模型进行迭代训练;最后用检测效果最好的分类器模型对水尺进行检测,从而确定水尺在图像中的具***置。
进一步的,所述步骤(3)中,使用检测出的水尺区域,根据水尺上数字与水尺的相对位置,推算出水尺数字区域在图像中的具***置,将水尺数字区域进行二值化操作,并进行水平与垂直投影确定水尺上各数字的精确位置,再采用Gabor特征和神经网络进行数字识别,得出水尺上数字的具***置与数字识别结果。
本发明的另一方面,还提供了一种基于视频的水尺读数检测装置,包括:
预处理模块:对视频图像进行预处理,去除图像噪点;
训练检测模块:利用训练模型检测图像中水尺的位置,确定水尺的区域;
分割识别模块:在确定的水尺区域对数字分割和识别;
水位线检测模块:用二值化梯度图像水平投影的方法,确定水位线位置;
水位读数模块:利用分割识别模块的数字分割识别结果与水位线检测模块中的水位线检测结果,确定当前水位读数。
进一步的,所述预处理模块包括高斯滤波单元:用高斯滤波的方法对获得的视频图像进行滤波降噪处理。
进一步的,所述训练检测模块包括:
分类器训练单元:采集水尺样本,训练基于LBP特征级联分类器,对视频图像中的水尺进行检测;
迭代训练单元:将检测到的水尺作为正样本,误检作为负样本,反复对模型进行迭代训练;
检测单元:用检测效果最好的分类器模型对水尺进行检测,从而确定水尺在图像中的具***置。
进一步的,所述分割识别模块包括:
推算单元:使用检测出的水尺区域,根据水尺上数字与水尺的相对位置,推算出水尺数字区域在图像中的具***置;
二值化单元:将水尺数字区域进行二值化操作,并进行水平与垂直投影确定水尺上各数字的精确位置;
识别单元:采用Gabor特征和神经网络进行数字识别,得出水尺上数字的具***置与数字识别结果。
与现有技术相比,本发明具有如下的有益效果:
本发明提供的一种基于视频的水尺读数检测方法,通过对输入图像进行预处理去除噪点;利用训练模型检测水尺,确定水尺位置;在水尺区域对数字进行分割识别确定水尺数字的位置及读数;用梯度图像的二值化图像进行水平投影求出水位线位置;根据水位线位置及水尺上数字的分割识别结果,求出水尺读数的技术方法,实现了水尺读数的自动化,不仅省去了大量的人力成本和时间成本,而且提高了水尺读数的准确性和实时性,本发明具有多种场景的适用性。
附图说明
图1为本发明创造实施例所述的水尺读数检测的整体流程图;
图2为本发明创造实施例所述的数字识别网络结构。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
本发明提出一种基于视频的水尺读数检测方法,整体流程图如图1所示。
1、对视频图像进行预处理,去除图像噪点。
本发明中使用高斯滤波对图像进行预处理,能够有效的抑制噪声,平滑图像。
2、利用训练模型检测图像中水尺的位置,确定水尺的区域。
本发明中使用基于LBP特征的级联分类器,在整幅图像中对水尺进行检测。LBP特征的计算以邻域中心像素为阈值,相邻的8个像素的灰度值与邻域中心的像素值进行比较,若周围像素大于中心像素值,则该像素点的位置被标记为1,否则为0。这样中心像素的LBP值反映了该像素周围区域的纹理信息。
公式(1)中心像素LBP值计算的方法,其中(xc,yc)为中心像素的坐标,p为邻域的第p个像素,ip为邻域像素的灰度值,ic为中心像素的灰度值,s(x)为符号函数。
根据公式(1)计算LBP特征的计算方法,通过SVM的级联分类器进行训练和检测,根据检测结果确定水尺在图像中的位置。
3、在确定的水尺区域对数字分割和识别。
本发明中使用水平和垂直方向垂直投影的方法对水尺上的数字进行分割,得出水尺上数字的位置,再用基于Gabor方向特征及神经网络的图像识别方法对各个数字进行识别。
水尺数字的分割,首先根据数字占水尺的比例,确定数字所在列在水尺区域的位置,用基于纹理特征的二值化方法对数字所在列区域的图像进行二值化处理,再对二值化分别进行水平和垂直方向投影,得到水平和垂直方向像素统计直方图,根据直方图得出每个数字的左右边界和上下边界,从而得出数字在图像中的位置。
利用基于Gabor方向特征及神经网络的图像识别方法对数字进行识别。利用Gabor变换提取特征,设f(x,y)代表大小为M×N的二维水尺数字字符图像灰度值,定义(xm,ym)为采样点,则采样点的Gabor特征可以表示为:
公式(2)中,k=1,2,3...D-1,波长l值选择在(3.2,3.8)之间,方向参数θk选取了4个方向值:这4个值分别代表了水平、垂直、左右对角线4个方向上的特征信息。
针对提取出的4个方向上的Gabor特征进行神经网络训练,网络结构如图2所示,网络包括四个子网络和一个综合网络,四个子网络分别对四个方向的特征进行识别,总网络针对四个子网络的输出进行综合的识别。利用BP算法对网络进行训练,先训练4个子网络,再以4个子网络的输出作为最后一级神经网络的输入来训练集成网络。
4、用二值化梯度图像水平投影的方法,确定水位线位置。
本发明中利用水面与水尺所在背景墙面区域纹理的差异,进行水位线的检测。求取整幅图像的梯度图像,再将梯度图像二值化处理,然后对二值化图像进行水平投影,求出水位线位置。
5、利用数字分割识别结果与水位线检测结果,确定当前水位读数
利用分割出的水尺上数字的位置和检测出的水位线位置,以及距离水位线最近的数字的识别结果,综合推算出当前水位的读数。
以上所述仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明创造的保护范围之内。
Claims (8)
1.一种基于视频的水尺读数检测方法,其特征在于,包括:
(1)对视频图像进行预处理,去除图像噪点;
(2)利用训练模型检测图像中水尺的位置,确定水尺的区域;
(3)在确定的水尺区域对数字分割和识别;
(4)用二值化梯度图像水平投影的方法,确定水位线位置;
(5)利用(3)中的数字分割识别结果与(4)中的水位线检测结果,确定当前水位读数。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)中,图像预处理主要是用高斯滤波的方法对获得的视频图像进行滤波降噪处理。
3.根据权利要求1所述的方法,其特征在于,所述步骤(2)中具体包括,采集水尺样本,训练基于LBP特征级联分类器,对视频图像中的水尺进行检测,再将检测到的水尺作为正样本,误检作为负样本,反复对模型进行迭代训练;最后用检测效果最好的分类器模型对水尺进行检测,从而确定水尺在图像中的具***置。
4.根据权利要求1所述的方法,其特征在于,所述步骤(3)中,使用检测出的水尺区域,根据水尺上数字与水尺的相对位置,推算出水尺数字区域在图像中的具***置,将水尺数字区域进行二值化操作,并进行水平与垂直投影确定水尺上各数字的精确位置,再采用Gabor特征和神经网络进行数字识别,得出水尺上数字的具***置与数字识别结果。
5.一种基于视频的水尺读数检测装置,其特征在于,包括:
预处理模块:对视频图像进行预处理,去除图像噪点;
训练检测模块:利用训练模型检测图像中水尺的位置,确定水尺的区域;
分割识别模块:在确定的水尺区域对数字分割和识别;
水位线检测模块:用二值化梯度图像水平投影的方法,确定水位线位置;
水位读数模块:利用分割识别模块的数字分割识别结果与水位线检测模块中的水位线检测结果,确定当前水位读数。
6.根据权利要求5所述的装置,其特征在于,所述预处理模块包括高斯滤波单元:用高斯滤波的方法对获得的视频图像进行滤波降噪处理。
7.根据权利要求5所述的装置,其特征在于,所述训练检测模块包括:
分类器训练单元:采集水尺样本,训练基于LBP特征级联分类器,对视频图像中的水尺进行检测;
迭代训练单元:将检测到的水尺作为正样本,误检作为负样本,反复对模型进行迭代训练;
检测单元:用检测效果最好的分类器模型对水尺进行检测,从而确定水尺在图像中的具***置。
8.根据权利要求5所述的装置,其特征在于,所述分割识别模块包括:
推算单元:使用检测出的水尺区域,根据水尺上数字与水尺的相对位置,推算出水尺数字区域在图像中的具***置;
二值化单元:将水尺数字区域进行二值化操作,并进行水平与垂直投影确定水尺上各数字的精确位置;
识别单元:采用Gabor特征和神经网络进行数字识别,得出水尺上数字的具***置与数字识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811222855.3A CN109376740A (zh) | 2018-10-19 | 2018-10-19 | 一种基于视频的水尺读数检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811222855.3A CN109376740A (zh) | 2018-10-19 | 2018-10-19 | 一种基于视频的水尺读数检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376740A true CN109376740A (zh) | 2019-02-22 |
Family
ID=65401038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811222855.3A Pending CN109376740A (zh) | 2018-10-19 | 2018-10-19 | 一种基于视频的水尺读数检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376740A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287953A (zh) * | 2019-05-20 | 2019-09-27 | 湖北九感科技有限公司 | 水位自动识别方法及装置 |
CN110427933A (zh) * | 2019-06-20 | 2019-11-08 | 浙江大学 | 一种基于深度学习的水尺识别方法 |
CN111024181A (zh) * | 2019-11-20 | 2020-04-17 | 武汉世纪水元科技股份有限公司 | 针对复杂环境的视觉传感水位测量*** |
CN111160210A (zh) * | 2019-12-24 | 2020-05-15 | 天津天地伟业机器人技术有限公司 | 一种基于视频的水流速检测方法及*** |
CN112013921A (zh) * | 2019-05-30 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 一种基于水位尺测量图像获取水位信息的方法、装置和*** |
CN112362900A (zh) * | 2020-10-30 | 2021-02-12 | 天地伟业技术有限公司 | 一种无人值守的水位流速监测摄像机及监测方法 |
CN113822105A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于svm水标尺在线二分类器的人工智能水位监测*** |
CN113819971A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于水、标尺和漂浮物语义分割的人工智能水位监测*** |
CN113822104A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于多候选虚拟标尺的人工智能水面检测*** |
CN115439861A (zh) * | 2022-09-30 | 2022-12-06 | 北京中盛益华科技有限公司 | 一种基于ocr的水尺识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957920A (zh) * | 2010-09-08 | 2011-01-26 | 中国人民解放军国防科学技术大学 | 基于数字视频的车牌查找方法 |
CN104680375A (zh) * | 2015-02-28 | 2015-06-03 | 优化科技(苏州)有限公司 | 电子支付真人活体身份验证*** |
CN108073905A (zh) * | 2017-12-21 | 2018-05-25 | 北京邮电大学 | 一种智能水尺读数的方法、***和设备 |
CN108256493A (zh) * | 2018-01-26 | 2018-07-06 | 中国电子科技集团公司第三十八研究所 | 一种基于车载视频的交通场景文字识别***及识别方法 |
CN108364010A (zh) * | 2018-03-08 | 2018-08-03 | 广东工业大学 | 一种车牌识别方法、装置、设备及计算机可读存储介质 |
-
2018
- 2018-10-19 CN CN201811222855.3A patent/CN109376740A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957920A (zh) * | 2010-09-08 | 2011-01-26 | 中国人民解放军国防科学技术大学 | 基于数字视频的车牌查找方法 |
CN104680375A (zh) * | 2015-02-28 | 2015-06-03 | 优化科技(苏州)有限公司 | 电子支付真人活体身份验证*** |
CN108073905A (zh) * | 2017-12-21 | 2018-05-25 | 北京邮电大学 | 一种智能水尺读数的方法、***和设备 |
CN108256493A (zh) * | 2018-01-26 | 2018-07-06 | 中国电子科技集团公司第三十八研究所 | 一种基于车载视频的交通场景文字识别***及识别方法 |
CN108364010A (zh) * | 2018-03-08 | 2018-08-03 | 广东工业大学 | 一种车牌识别方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
金连文和覃剑钊: "基于Gabor方向特征及神经网络的车牌灰度字符图像识别", 《计算机工程》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287953A (zh) * | 2019-05-20 | 2019-09-27 | 湖北九感科技有限公司 | 水位自动识别方法及装置 |
CN112013921A (zh) * | 2019-05-30 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 一种基于水位尺测量图像获取水位信息的方法、装置和*** |
CN110427933A (zh) * | 2019-06-20 | 2019-11-08 | 浙江大学 | 一种基于深度学习的水尺识别方法 |
CN111024181A (zh) * | 2019-11-20 | 2020-04-17 | 武汉世纪水元科技股份有限公司 | 针对复杂环境的视觉传感水位测量*** |
CN111160210A (zh) * | 2019-12-24 | 2020-05-15 | 天津天地伟业机器人技术有限公司 | 一种基于视频的水流速检测方法及*** |
CN111160210B (zh) * | 2019-12-24 | 2023-09-26 | 天地伟业技术有限公司 | 一种基于视频的水流速检测方法及*** |
CN113822105A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于svm水标尺在线二分类器的人工智能水位监测*** |
CN113819971A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于水、标尺和漂浮物语义分割的人工智能水位监测*** |
CN113822104A (zh) * | 2020-07-07 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于多候选虚拟标尺的人工智能水面检测*** |
CN113822104B (zh) * | 2020-07-07 | 2023-11-03 | 湖北亿立能科技股份有限公司 | 基于多候选虚拟标尺的人工智能水面检测*** |
CN113822105B (zh) * | 2020-07-07 | 2024-04-19 | 湖北亿立能科技股份有限公司 | 基于svm水标尺在线二分类器的人工智能水位监测*** |
CN112362900A (zh) * | 2020-10-30 | 2021-02-12 | 天地伟业技术有限公司 | 一种无人值守的水位流速监测摄像机及监测方法 |
CN115439861A (zh) * | 2022-09-30 | 2022-12-06 | 北京中盛益华科技有限公司 | 一种基于ocr的水尺识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN106557764B (zh) | 一种基于二进制编码字符水尺和图像处理的水位识别方法 | |
Shi et al. | Automatic road crack detection using random structured forests | |
CN107292310B (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN113592845A (zh) | 一种电池涂布的缺陷检测方法及装置、存储介质 | |
CN109255350B (zh) | 一种基于视频监控的新能源车牌检测方法 | |
CN110866430B (zh) | 一种车牌识别方法及装置 | |
CN111738342B (zh) | 一种受电弓异物检测方法、存储介质及计算机设备 | |
CN104268505A (zh) | 基于机器视觉的布匹疵点自动检测识别装置及方法 | |
CN108564814A (zh) | 一种基于图像的停车场车位检测方法及装置 | |
CN109840483B (zh) | 一种滑坡裂缝检测与识别的方法及装置 | |
CN109685766A (zh) | 一种基于区域融合特征的布匹瑕疵检测方法 | |
CN111539330B (zh) | 一种基于双svm多分类器的变电站数显仪表识别方法 | |
CN113240623B (zh) | 一种路面病害检测方法及装置 | |
CN108009574B (zh) | 一种轨道扣件检测方法 | |
CN105787912A (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN115841633A (zh) | 一种电力塔和电力线关联矫正的电力塔和电力线检测方法 | |
CN108961262A (zh) | 一种复杂场景下的条码定位方法 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 | |
CN110580697B (zh) | 一种从超声视频图像中测量胎儿颈背透明物厚度的视频图像处理方法及*** | |
Ying et al. | Research on an automatic counting method for steel bars' image | |
CN106548195A (zh) | 一种基于改进型hog‑ulbp特征算子的目标检测方法 | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
CN104299005A (zh) | 一种人头检测方法及*** | |
CN115880683A (zh) | 一种基于深度学习的城市内涝积水智能水位检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |