CN114677641B - 一种基于监控摄像头的积水深度估计方法和*** - Google Patents

Abstract

本申请公开了一种基于监控摄像头的积水深度估计方法和***，该方法包括：获取监控摄像头拍摄得到的图像，其中，所述监控摄像头设置在城市道路上；从所述图像判断所述图像中的道路存在积水之后，获取所述画面中的对比对象，其中，所述对比对象包括：车辆和/或行人；对图像中的对比对象在水中的部分进行识别，确定所述对比对象在水中的部分占所述对比对象总体高度的比例；根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围。通过本申请解决了现有技术中依靠积水深度尺来标识积水深度所带来的问题，从而提高了积水探测的广度，从而保证了城市路网的安全。

Description

一种基于监控摄像头的积水深度估计方法和***

技术领域

本申请涉及到视频监控领域，具体而言，涉及一种基于监控摄像头的积水深度估计方法和***。

背景技术

城市道路积水对车辆的行驶会造成问题，一般情况下会在容易积水的桥洞设置积水深度尺，但是，这种积水深度尺并不是所有的桥洞都设置，对于没有设置该积水深度尺的位置无法得到其积水的大概深度，容易发生危险。

发明内容

本申请实施例提供了一种基于监控摄像头的积水深度估计方法和***，以至少解决现有技术中依靠积水深度尺来标识积水深度所带来的问题。

根据本申请的一个方面，提供了一种基于监控摄像头的积水深度估计方法，包括：获取监控摄像头拍摄得到的图像，其中，所述监控摄像头设置在城市道路上；从所述图像判断所述图像中的道路存在积水之后，获取所述画面中的对比对象，其中，所述对比对象包括：车辆和/或行人；对图像中的对比对象在水中的部分进行识别，确定所述对比对象在水中的部分占所述对比对象总体高度的比例；根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围。

进一步地，判断所述道路存在积水包括：将所述道路的图像输入到机器学习模型中，其中，所述机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括一张道路的照片以及标识该照片是否存在积水的标签；从所述机器学习模型中获取结果，其中，所述结果用于指示所述道路是否存在积水。

进一步地，还包括：获取所述道路的标识信息；获取第三方地图应用的软件接口；通过所述软件接口将所述标识信息和所述积水的深度范围发送给所述第三方地图应用，其中，所述第三方地图应用用于将所述积水的深度范围公布给正在通过所述道路的车辆和/或行人。

进一步地，在所述对比对象为行人的情况下，根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围包括：获取所述行人的性别；根据所述比例以及所述行人的性别对应的高度范围确定所述道路上的积水的深度范围。

进一步地，还包括：在所述积水的深度范围中的最小值超过阈值的情况下，向预先配置的联系方式发送预警信息，其中，所述预警信息用于指示所述道路存在积水。

根据本申请的另一个方面，还提供了一种基于监控摄像头的积水深度估计***，包括：第一获取模块，用于获取监控摄像头拍摄得到的图像，其中，所述监控摄像头设置在城市道路上；第二获取模块，用于从所述图像判断所述图像中的道路存在积水之后，获取所述画面中的对比对象，其中，所述对比对象包括：车辆和/或行人；第一确定模块，用于对图像中的对比对象在水中的部分进行识别，确定所述对比对象在水中的部分占所述对比对象总体高度的比例；第二确定模块，用于根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围。

进一步地，所述第二获取模块用于：将所述道路的图像输入到机器学习模型中，其中，所述机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括一张道路的照片以及标识该照片是否存在积水的标签；从所述机器学习模型中获取结果，其中，所述结果用于指示所述道路是否存在积水。

进一步地，还包括：第一发送模块，用于获取所述道路的标识信息；获取第三方地图应用的软件接口；通过所述软件接口将所述标识信息和所述积水的深度范围发送给所述第三方地图应用，其中，所述第三方地图应用用于将所述积水的深度范围公布给正在通过所述道路的车辆和/或行人。

进一步地，在所述对比对象为行人的情况下，所述第二确定模块用于：获取所述行人的性别；根据所述比例以及所述行人的性别对应的高度范围确定所述道路上的积水的深度范围。

进一步地，还包括：第二发送模块，用于在所述积水的深度范围中的最小值超过阈值的情况下，向预先配置的联系方式发送预警信息，其中，所述预警信息用于指示所述道路存在积水。

在本申请实施例中，采用了获取监控摄像头拍摄得到的图像，其中，所述监控摄像头设置在城市道路上；从所述图像判断所述图像中的道路存在积水之后，获取所述画面中的对比对象，其中，所述对比对象包括：车辆和/或行人；对图像中的对比对象在水中的部分进行识别，确定所述对比对象在水中的部分占所述对比对象总体高度的比例；根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围。通过本申请解决了现有技术中依靠积水深度尺来标识积水深度所带来的问题，从而提高了积水探测的广度，从而保证了城市路网的安全。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的基于监控摄像头的积水深度估计方法的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在相关技术中，提供了一种车载终端用于探测水深度，该车载终端包括无线通信模块、控制模块、传感模块、雷达模块以及摄像模块，所述无线通信模块、所述传感模块、所述摄像模块和所述雷达模块均与所述控制模块电性相连，其中，所述传感模块用于实时检测车辆所处路面积水的水深距离，生成水深距离信息，并将所述水深距离信息传输给所述控制模块，所述控制模块基于所述水深距离信息开启所述雷达模块和所述摄像模块进行工作；所述摄像模块用于实时采集车辆所处路面的车辆现场情况的图像信息，并将所述图像信息传输给所述控制模块；所述雷达模块用于实时监测车辆所处路面的积水深度，生成相应的积水深度信息，并将所述积水深度信息传输给所述控制模块；所述控制模块用于接收所述雷达模块传输的积水深度信息以及所述摄像模块传输的图像信息，并将所述积水深度信息以及所述图像信息进行处理后传输给所述无线通信模块；所述无线通信模块用于对实时获取车辆的位置信息，并将所述积水深度信息、所述图像信息和所述车辆的位置信息发送至后台服务终端。

上述车载终端中，在车辆存在浸水危险时，所述传感模块能够及时检测车辆所处路面的水深距离，并在水深距离达到预设高度时触发控制模块启动所述雷达模块和摄像模块，实现了低功耗的功能。所述雷达模块监测和测量车辆所处路面的积水深度，摄像模块实时采集车辆所处路面的车辆现场情况的图像信息，当雷达模块监测到车辆所处路面的积水深度达到危险程度时，所述车载终端可以通过无线通信***及时将车辆状况、车辆现场情况和车辆的位置信息发送给所述后台服务终端，该后台服务终端经过判断将车辆状况和车辆现场情况反馈给用户终端，使得事故车辆的车主或其他车辆的车主可以根据车辆周围情况及时进行处理。

可选地，所述车载终端还包括电源模块，所述电源模块用于给整个所述车载终端提供电源。可选地，所述车载终端还包括有线通信模块，所述有线通信模块与所述控制模块电性相连，用于传输所述控制模块输出的信息，并将接收到的信息传送给所述控制模块，以实现信息交互。可选地，所述无线通信模块包括定位***，所述定位***包括高精度全球导航卫星***和辅助定位***，所述车载终端通过所述高精度全球导航卫星***和所述辅助定位***对所述车辆进行实时定位，以获取所述车辆的位置信息。 可选地，所述无线通信模块还包括天线单元，所述天线单元用于实时接收车辆的位置信息，并将接收到的所述车辆的位置信息实时传送给无线通信***。可选地，所述无线通信模块还包括无线网络单元和射频单元，所述无线网络单元用于所述车载终端与其他终端设备进行短距离信号交互，所述射频单元用于将接收到的所述积水深度信息以及所述图像信息传输给无线通信***。可选地，所述传感模块安装于车辆轮胎中心位置处，所述摄像模块和所述雷达模块均安装于所述车辆的左右后视镜中至少一个的位置处。上述车载终端中，由于车载终端设置了双定位***，即使是车辆停放地点在城市高楼密集区、山林间等隐蔽区域，本申请的水深探测预警***也可以精确定位，以便于准确快速定位，而且车主还可以根据车辆周围情况及时采取措施保护车辆。

该车载终端需要每个车辆上均安装探测水深的装置，这增加了成本，并且要求不同厂商均进行安装可能实现起来存在一定难度。

在本实施例中提供了一种基于监控摄像头的积水深度估计方法，图1是根据本申请实施例的基于监控摄像头的积水深度估计方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取监控摄像头拍摄得到的图像，其中，所述监控摄像头设置在城市道路上；

步骤S104，从所述图像判断所述图像中的道路存在积水之后，获取所述画面中的对比对象，其中，所述对比对象包括：车辆和/或行人；

判断道路是否存在积水的方式有很多种，例如，将所述道路的图像输入到机器学习模型中，其中，所述机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括一张道路的照片以及标识该照片是否存在积水的标签；从所述机器学习模型中获取结果，其中，所述结果用于指示所述道路是否存在积水。

作为一个可选的实施方式，为了节约计算资源，可以获取天气信息，并且根据天气信息中的降水信息确定是否判断所述道路存在积水，其中，在预定时间长度内降水信息中的降水量超过阈值的情况下，判断所述道路是否存在积水。

步骤S106，对图像中的对比对象在水中的部分进行识别，确定所述对比对象在水中的部分占所述对比对象总体高度的比例；

步骤S108，根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围。

例如，在所述对比对象为行人的情况下，根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围包括：获取所述行人的性别；根据所述比例以及所述行人的性别对应的高度范围确定所述道路上的积水的深度范围。

作为一个可以增加的实施方式，将车辆作为对比对象，根据车辆在水中的所述比例和预先配置的所述车辆的高度范围确定所述道路上的积水的第一深度范围，将识别出性别的行人作为对比对象，根据行人在水中的所述比例和预先配置的所述行人的高度范围确定所述道路上的积水的第二深度范围，判断所述第一深度范围和所述第二深度范围的差距是否在预定范围之内，如果在预定范围之内，则选择第一深度范围和第二深度范围中下限中的最大值，选择第一深度范围和第二深度范围上限中的最大值，将所述下限的最大值和所述上限的最大值构成的范围作为所述道路上的积水的深度范围。

作为另一个可以增加的实施方式，如果所述第一深度范围和所述第二深度范围的差距超过预定范围，则对所述图像中的车牌号进行识别，根据识别出的车牌号确定所述车辆的类型，根据所述车辆的类型得到所述车辆的高度，根据车辆在水中的所述比例和所述车辆的高度确定所述道路上的积水的深度。

对比对象中的行人和车辆的高度可以是预先配置的，作为另一个可以增加的实施方式，可以实时获取行人和车辆的高度，例如，将行人和车辆跟路边的设置的固定道路设施的高度进行比较，该固定道路设施的高度为预先确定的，根据所述行人和车辆跟固定道路设施的比较确定所述行人和车辆的高度范围，其中，将行人和车辆与多个固定道路设施进行比较，将得到的所有高度中的最小值作为所述高度范围的下限，将所有高度中的最大值作为所述高度范围的上限。

通过本申请解决了现有技术中依靠积水深度尺来标识积水深度所带来的问题，从而提高了积水探测的广度，从而保证了城市路网的安全。

在本实施例中还可以提供相应的预警功能，例如，获取所述道路的标识信息；获取第三方地图应用的软件接口；通过所述软件接口将所述标识信息和所述积水的深度范围发送给所述第三方地图应用，其中，所述第三方地图应用用于将所述积水的深度范围公布给正在通过所述道路的车辆和/或行人。

又例如，在所述积水的深度范围中的最小值超过阈值的情况下，向预先配置的联系方式发送预警信息，其中，所述预警信息用于指示所述道路存在积水。

在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。

上述程序可以运行在处理器中，或者也可以存储在存储器中（或称为计算机可读介质），计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。

该本实施例中就提供了这样的一种装置或***。该***被称为一种基于监控摄像头的积水深度估计***，包括：第一获取模块，用于获取监控摄像头拍摄得到的图像，其中，所述监控摄像头设置在城市道路上；第二获取模块，用于从所述图像判断所述图像中的道路存在积水之后，获取所述画面中的对比对象，其中，所述对比对象包括：车辆和/或行人；第一确定模块，用于对图像中的对比对象在水中的部分进行识别，确定所述对比对象在水中的部分占所述对比对象总体高度的比例；第二确定模块，用于根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围。

该***或者装置用于实现上述的实施例中的方法的功能，该***或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。

例如，所述第二获取模块用于：将所述道路的图像输入到机器学习模型中，其中，所述机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括一张道路的照片以及标识该照片是否存在积水的标签；从所述机器学习模型中获取结果，其中，所述结果用于指示所述道路是否存在积水。

例如，还包括：第一发送模块，用于获取所述道路的标识信息；获取第三方地图应用的软件接口；通过所述软件接口将所述标识信息和所述积水的深度范围发送给所述第三方地图应用，其中，所述第三方地图应用用于将所述积水的深度范围公布给正在通过所述道路的车辆和/或行人。

又例如，在所述对比对象为行人的情况下，所述第二确定模块用于：获取所述行人的性别；根据所述比例以及所述行人的性别对应的高度范围确定所述道路上的积水的深度范围。

又例如，还包括：第二发送模块，用于在所述积水的深度范围中的最小值超过阈值的情况下，向预先配置的联系方式发送预警信息，其中，所述预警信息用于指示所述道路存在积水。

通过上述实施例解决了现有技术中依靠积水深度尺来标识积水深度所带来的问题，从而提高了积水探测的广度，从而保证了城市路网的安全。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (4)

1.一种基于监控摄像头的积水深度估计方法，其特征在于，包括：

获取监控摄像头拍摄得到的图像，其中，所述监控摄像头设置在城市道路上；

从所述图像判断所述图像中的道路存在积水之后，获取画面中的对比对象，其中，所述对比对象包括：车辆和行人；

对图像中的对比对象在水中的部分进行识别，确定所述对比对象在水中的部分占所述对比对象总体高度的比例；

根据所述比例和预先配置的所述对比对象的高度范围确定所述道路上的积水的深度范围；其中，将车辆作为对比对象，根据车辆在水中的所述比例和预先配置的所述车辆的高度范围确定所述道路上的积水的第一深度范围；获取所述行人的性别；根据所述比例以及所述行人的性别对应的高度范围确定所述道路上的积水的深度范围；将识别出性别的行人作为对比对象，根据行人在水中的所述比例和预先配置的所述行人的高度范围确定所述道路上的积水的第二深度范围，判断所述第一深度范围和所述第二深度范围的差距是否在预定范围之内，如果在预定范围之内，则选择第一深度范围和第二深度范围中下限中的最大值，选择第一深度范围和第二深度范围上限中的最大值，将所述下限的最大值和所述上限的最大值构成的范围作为所述道路上的积水的深度范围。

2.根据权利要求1所述的方法，其特征在于，判断所述道路存在积水包括：

将所述道路的图像输入到机器学习模型中，其中，所述机器学习模型是使用多组训练数据训练得到的，所述多组训练数据中的每组训练数据均包括一张道路的照片以及标识该照片是否存在积水的标签；

从所述机器学习模型中获取结果，其中，所述结果用于指示所述道路是否存在积水。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取所述道路的标识信息；

获取第三方地图应用的软件接口；

通过所述软件接口将所述标识信息和所述积水的深度范围发送给所述第三方地图应用，其中，所述第三方地图应用用于将所述积水的深度范围公布给正在通过所述道路的车辆和/或行人。

4.根据权利要求1至3中任一项所述的方法，其特征在于，还包括：

在所述积水的深度范围中的最小值超过阈值的情况下，向预先配置的联系方式发送预警信息，其中，所述预警信息用于指示所述道路存在积水。

Images