CN115345854A - 一种基于多区域搜索的水位识别方法 - Google Patents
一种基于多区域搜索的水位识别方法 Download PDFInfo
- Publication number
- CN115345854A CN115345854A CN202210979869.XA CN202210979869A CN115345854A CN 115345854 A CN115345854 A CN 115345854A CN 202210979869 A CN202210979869 A CN 202210979869A CN 115345854 A CN115345854 A CN 115345854A
- Authority
- CN
- China
- Prior art keywords
- water level
- adhesive tape
- frame image
- light absorption
- image
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000002390 adhesive tape Substances 0.000 claims abstract description 54
- 230000031700 light absorption Effects 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000003628 erosive effect Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000006740 morphological transformation Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多区域搜索的水位识别方法,包括如下步骤,S1、在待识别水位现场粘贴已知宽度的吸光胶带;S2、对图像进行预处理,获取二值图像;S3、根据二值图像的水平投影曲线,利用选定的吸光胶带搜索区域和多个水面线搜索区域动态检测吸光胶带的上、下边缘及水面线的像素坐标;S4、根据吸光胶带上、下边缘像素坐标以及实际宽度,获取图像中每个像素点表示的实际距离;S5、根据水面线像素坐标、吸光胶带的上边缘像素坐标及像素点表示的实际距离,并通过异常抖动阈值结合上一帧图像的水位高程确定当前帧图像的最终水位高程。优点是:本发明方法有效提升了水位识别的精确度和抗干扰能力,有效抑制了异常水位值的产生。
Description
技术领域
本发明涉及水位测量技术领域,尤其涉及一种基于多区域搜索的水位识别方法。
背景技术
随着计算机视觉与图像处理理论和技术的发展以及视频、图像等多媒体数据的大量增长,充分学习利用这些视频图像,进一步为制定决策提供重要依据。
现有基于视频图像的水位测量方法主要识别现场的水位标尺刻度获取水位数据。然而,有些地域受到地理条件的限制,现场无法安装水位标尺,基于水位标尺的水位识别方法就会失效。
发明内容
本发明的目的在于提供一种基于多区域搜索的水位识别方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种基于多区域搜索的水位识别方法,包括如下步骤,
S1、在待识别水位现场寻找合适的位置粘贴已知宽度的吸光胶带作为高程参照物;
S2、对拍摄到的图像进行预处理,获取预处理后的二值图像;
S3、根据预处理后的二值图像的水平投影曲线,利用选定的吸光胶带搜索区域动态检测吸光胶带的上、下边缘像素坐标,利用选定的多个水面线搜索区域检测水面线的像素坐标;
S4、根据检测到的吸光胶带上、下边缘像素坐标以及吸光胶带的实际宽度,获取图像中每个像素点表示的实际距离;
S5、根据水面线像素坐标、吸光胶带的上边缘像素坐标及图像中每个像素点表示的实际距离,获取当前帧图像的水位高程,并通过设置异常抖动阈值结合上一帧图像的水位高程确定当前帧图像的最终水位高程。
优选的,步骤S1具体为,在待识别水位现场的摄像机视域范围内的寻找平整或近似平整的垂直面,并在垂直面上选定合适的水平位置粘贴宽度为T米的黑色的吸光胶带。
优选的,步骤S2具体包括如下内容,
S21、利用灰度化、固定阈值二值化和图像去噪技术对拍摄到的图像进行处理;
S22、利用腐蚀、膨胀形态学变换操作对步骤S21处理后的图像进行处理,在不明显改变其面积的情况下平滑其边界,获取预处理后的二值图像。
优选的,步骤S3具体包括如下内容,
S31、在二值图像中垂直面的水面线附近选定多个矩形的水面线搜索区域,各所述水面线搜索区域的高度和宽度对应相等,并在水面线上方划定一个矩形的吸光胶带搜索区域;
S32、分别计算吸光胶带搜索区域和多个水面线搜索区域内各行灰度值的和,并分别进行水平投影,自上而下扫描水平投影曲线;
S33、设定预设阈值,在扫描吸光胶带搜索区域时,当首次出现某一位置灰度值总和小于预设阈值,则将该位置作为吸光胶带上边缘的像素坐标h1,并开始计数;继续向下扫描,当再次出现某一位置灰度值总和大于预设阈值,停止计数,并将该位置作为吸光胶带下边缘的像素坐标h2,利用吸光胶带上、下边缘的像素坐标,获取吸光胶带的像素宽度;计算公式为,
count=h2-h1
其中,count为吸光胶带的像素宽度;h1为吸光胶带上边缘的像素坐标;h2为吸光胶带下边缘的像素坐标;
S34、在扫描各个水面线搜索区域的水平投影曲线时,当出现某一位置灰度值总和小于预设阈值,则以该位置作为水面线的像素坐标,得到的各个水面线搜索区域的水面线像素坐标l1,l2,…,ln,n为水面线搜索区域的个数。
优选的,步骤S4具体为,根据检测到的吸光胶带上、下边缘的像素坐标以及吸光胶带的实际宽度,获取图像中每个像素点表示的实际距离,计算公式如下,
其中,pixel_dis为图像中每个像素点表示的实际距离;T为吸光胶带的实际宽度。
优选的,步骤S5具体包括如下内容,
S51、通过对吸光胶带上边缘与水面线之间的像素差的转换计算,获取各个水面线搜索区域的水位高程,转换计算公式如下,
WLi=h1-(h1-li)×pixel_dis
其中,WLi为第i个水面线搜索区域的水位高程,i=1,2,…,n。
S52、以所有水面线搜索区域的水位高程均值作为当前帧图像的水位高程;计算公式为,
WLsite=(WL1+WL2+…+WLn)/n
其中,WLsite为当前帧图像的水位高程;WL1,WL2,…,WLn分别为第1,2,…,n个水面线搜索区域的水位高程;
S53、判断当前帧图像是否为第一帧图像,若是,则直接将当前帧图像的水位高程记录为上一帧图像的水位高程,并将当前帧图像的水位高程作为当前帧图像的最终水位高程;
若否,设定异常抖动阈值δ,计算当前帧图像的水位高程与上一帧图像的水位高程的绝对值,若该绝对值大于δ,则判定当前帧图像的水位高程为异常值,并丢弃该值,以记录的上一帧图像的水位高程作为当前帧图像的最终水位高程,否则,将当前帧图像的水位高程记录为上一帧图像的水位高程,并将当前帧图像的水位高程作为当前帧图像的最终水位高程。
本发明的有益效果是:1、本发明通过动态检测指定宽度的吸光胶带、对多个水面线扫描区域搜索、设定抖动阈值和联系上帧的改进策略,有效提升了水位识别的精确度和抗干扰能力,有效抑制了异常水位值的产生。2、本发明相对于传统的人工观测读数,提升了精确度与鲁棒性,实现了水位数据的非接触式、24小时持续监测,极大提升了监测效率。3、本发明仅需在摄像机的视域中选定较为平整的垂直面,比如桥墩、混凝土墙等,通过对图像进行分析,自动得到水位数据,方便快捷。4、本发明的识别精度误差在2cm以内,识别精度高,满足实际的业务需求。
附图说明
图1是本发明实施例中水位识别方法的原理流程图;
图2是本发明实施例中搜索区域分布示意图;
图3是本发明实施例中最终水位高程确定策略的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本实施例中,提供了一种基于多区域搜索的水位识别方法,包括如下步骤,
S1、在待识别水位现场寻找合适的位置粘贴已知宽度的吸光胶带作为高程参照物;
S2、对拍摄到的图像进行预处理,获取预处理后的二值图像;
S3、根据预处理后的二值图像的水平投影曲线,利用选定的吸光胶带搜索区域动态检测吸光胶带的上、下边缘像素坐标,利用选定的多个水面线搜索区域检测水面线的像素坐标;
S4、根据检测到的吸光胶带上、下边缘像素坐标以及吸光胶带的实际宽度,获取图像中每个像素点表示的实际距离;
S5、根据水面线像素坐标、吸光胶带的上边缘像素坐标及图像中每个像素点表示的实际距离,获取当前帧图像的水位高程,并通过设置异常抖动阈值结合上一帧图像的水位高程确定当前帧图像的最终水位高程。
下面分别对上述各个步骤,进行详细说明:
本实施例中,步骤S1具体为,在待识别水位现场的摄像机视域范围内的寻找平整或近似平整的垂直面,并在垂直面上选定合适的水平位置粘贴宽度为T米的黑色的吸光胶带。
如图2所示,在粘贴吸光胶带时,应当在摄像机视域内选择较好的背景,在现场寻找较为平整的垂直面,通常选择桥墩、混凝土墙,或者可以自行选择合适的位置建立起一个垂直的杆或平板;再在垂直面上选定合适的水平位置粘贴宽度为0.03米的吸光胶带。
本实施例中,步骤S2具体包括如下内容,
S21、利用灰度化、固定阈值二值化和图像去噪技术对拍摄到的图像进行处理;由于水面线一般较暗,因此,固定阈值二值化的阈值设置为50。
S22、二值化后的图像仍存在不少的细小噪声,为了消除其中亮度较高的细小区域;因此,利用腐蚀、膨胀形态学变换操作对步骤S21处理后的图像进行处理,在不明显改变其面积的情况下平滑其边界,获取预处理后的二值图像。
本实施例中,水面线搜索区域的数量可以根据实际情况进行选择,参考图3,选定三个矩形的水面线搜索区域。则步骤S3具体包括如下内容,
S31、为了避免摄像机抖动带来的误差,在二值图像中垂直面的水面线附近选定三个矩形的水面线搜索区域,各所述水面线搜索区域的高度和宽度对应相等,并在水面线上方划定一个矩形的吸光胶带搜索区域;。
S32、分别计算吸光胶带搜索区域和三个水面线搜索区域内各行灰度值的和,并分别进行水平投影,自上而下扫描水平投影曲线;
S33、由于处理后的二值图像可能仍然存在细小噪声,设定一个预设阈值(本实施例中采用0.1,即一行全白像素值的百分之十),在扫描吸光胶带搜索区域时,当首次出现某一位置灰度值总和小于预设阈值,则将该位置作为吸光胶带上边缘的像素坐标h1,并开始计数;继续向下扫描,当再次出现某一位置灰度值总和大于预设阈值,停止计数,并将该位置作为吸光胶带下边缘的像素坐标h2,利用吸光胶带上、下边缘的像素坐标,获取吸光胶带的像素宽度;计算公式为,
count=h2-h1
其中,count为吸光胶带的像素宽度;h1为吸光胶带上边缘的像素坐标;h2为吸光胶带下边缘的像素坐标;
S34、在扫描三个水面线搜索区域的水平投影曲线时,当出现某一位置灰度值总和小于预设阈值,则以该位置作为水面线的像素坐标,得到的第1、2、3个水面线搜索区域的水面线像素坐标l1,l2,l3。
本实施例中,步骤S4具体为,由于吸光胶带的实际宽度是已知的,则根据检测到的吸光胶带上、下边缘的像素坐标以及吸光胶带的实际宽度,获取图像中每个像素点表示的实际距离,计算公式如下,
其中,pixel_dis为图像中每个像素点表示的实际距离;T为吸光胶带的实际宽度,单位为米。
本实施例中,步骤S5具体包括如下内容,
S51、通过对吸光胶带上边缘与水面线之间的像素差的一系列转换计算,获取三个水面线搜索区域的水位高程,转换计算公式如下,
WL1=h1-(h1-l1)×pixel_dis
WL2=h1-(h1-l2)×pixel_dis
WL3=h1-(h1-l3)×pixel_dis
其中,WL1、WL2、WL3为第1、2、3个水面线搜索区域的水位高程。
S52、以三个水面线搜索区域的水位高程均值作为当前帧图像的水位高程;计算公式为,
WLsite=(WL1+WL2+WL3)/3
其中,WLsite为当前帧图像的水位高程;
S53、为了消除水位数据序列中的异常值,采用将上帧识别的水位数据作为当前帧的水位数据的策略,参见图3,具体为:判断当前帧图像是否为第一帧图像,若是,则直接将当前帧图像的水位高程记录为上一帧图像的水位高程,并将当前帧图像的水位高程作为当前帧图像的最终水位高程;
若否,设定异常抖动阈值δ,计算当前帧图像的水位高程与上一帧图像的水位高程的绝对值,若该绝对值大于δ,则判定当前帧图像的水位高程为异常值,并丢弃该值,以记录的上一帧图像的水位高程作为当前帧图像的最终水位高程,否则,将当前帧图像的水位高程记录为上一帧图像的水位高程,并将当前帧图像的水位高程作为当前帧图像的最终水位高程。
本实施例中,在试验基地开展了相应的实例研究,在基地建设了1处视频监控站,并且在现场分别以自然的巨石和人工建立的光滑垂直杆作为背景,开展了验证工作。搭载本发明方法的***投入运行后,该水位识别方法运行平稳,误差在2厘米以内,处理速度大约为900ms/帧,能够较为流畅地可视化在***页面,且在大风天气下,能够有效消除视频杆上摄像机晃动带来的误差,实现24小时持续监测。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:
本发明提供了一种基于多区域搜索的水位识别方法,本发明通过动态检测指定宽度的吸光胶带、对多个水面线扫描区域搜索、设定抖动阈值和联系上帧的改进策略,有效提升了水位识别的精确度和抗干扰能力,有效抑制了异常水位值的产生。本发明相对于传统的人工观测读数,提升了精确度与鲁棒性,实现了水位数据的非接触式、24小时持续监测,极大提升了监测效率。本发明仅需在摄像机的视域中选定较为平整的垂直面,比如桥墩、混凝土墙等,通过对图像进行分析,自动得到水位数据,方便快捷。本发明的识别精度误差在2cm以内,识别精度高,满足实际的业务需求。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (6)
1.一种基于多区域搜索的水位识别方法,其特征在于:包括如下步骤,
S1、在待识别水位现场寻找合适的位置粘贴已知宽度的吸光胶带作为高程参照物;
S2、对拍摄到的图像进行预处理,获取预处理后的二值图像;
S3、根据预处理后的二值图像的水平投影曲线,利用选定的吸光胶带搜索区域动态检测吸光胶带的上、下边缘像素坐标,利用选定的多个水面线搜索区域检测水面线的像素坐标;
S4、根据检测到的吸光胶带上、下边缘像素坐标以及吸光胶带的实际宽度,获取图像中每个像素点表示的实际距离;
S5、根据水面线像素坐标、吸光胶带的上边缘像素坐标及图像中每个像素点表示的实际距离,获取当前帧图像的水位高程,并通过设置异常抖动阈值结合上一帧图像的水位高程确定当前帧图像的最终水位高程。
2.根据权利要求1所述的基于多区域搜索的水位识别方法,其特征在于:步骤S1具体为,在待识别水位现场的摄像机视域范围内的寻找平整或近似平整的垂直面,并在垂直面上选定合适的水平位置粘贴宽度为T米的黑色的吸光胶带。
3.根据权利要求1所述的基于多区域搜索的水位识别方法,其特征在于:步骤S2具体包括如下内容,
S21、利用灰度化、固定阈值二值化和图像去噪技术对拍摄到的图像进行处理;
S22、利用腐蚀、膨胀形态学变换操作对步骤S21处理后的图像进行处理,在不明显改变其面积的情况下平滑其边界,获取预处理后的二值图像。
4.根据权利要求1所述的基于多区域搜索的水位识别方法,其特征在于:步骤S3具体包括如下内容,
S31、在二值图像中垂直面的水面线附近选定多个矩形的水面线搜索区域,各所述水面线搜索区域的高度和宽度对应相等,并在水面线上方划定一个矩形的吸光胶带搜索区域;
S32、分别计算吸光胶带搜索区域和多个水面线搜索区域内各行灰度值的和,并分别进行水平投影,自上而下扫描水平投影曲线;
S33、设定预设阈值,在扫描吸光胶带搜索区域时,当首次出现某一位置灰度值总和小于预设阈值,则将该位置作为吸光胶带上边缘的像素坐标h1,并开始计数;继续向下扫描,当再次出现某一位置灰度值总和大于预设阈值,停止计数,并将该位置作为吸光胶带下边缘的像素坐标h2,利用吸光胶带上、下边缘的像素坐标,获取吸光胶带的像素宽度;计算公式为,
count=h2-h1
其中,count为吸光胶带的像素宽度;h1为吸光胶带上边缘的像素坐标;h2为吸光胶带下边缘的像素坐标;
S34、在扫描各个水面线搜索区域的水平投影曲线时,当出现某一位置灰度值总和小于预设阈值,则以该位置作为水面线的像素坐标,得到的各个水面线搜索区域的水面线像素坐标l1,l2,…,ln,n为水面线搜索区域的个数。
6.根据权利要求5所述的基于多区域搜索的水位识别方法,其特征在于:步骤S5具体包括如下内容,
S51、通过对吸光胶带上边缘与水面线之间的像素差的转换计算,获取各个水面线搜索区域的水位高程,转换计算公式如下,
WLi=h1-(h1-li)×pixel_dis
其中,WLi为第i个水面线搜索区域的水位高程,i=1,2,…,n。
S52、以所有水面线搜索区域的水位高程均值作为当前帧图像的水位高程;计算公式为,
WLsite=(WL1+WL2+…+WLn)/n
其中,WLsite为当前帧图像的水位高程;WL1,WL2,…,WLn分别为第1,2,…,n个水面线搜索区域的水位高程;
S53、判断当前帧图像是否为第一帧图像,若是,则直接将当前帧图像的水位高程记录为上一帧图像的水位高程,并将当前帧图像的水位高程作为当前帧图像的最终水位高程;
若否,设定异常抖动阈值δ,计算当前帧图像的水位高程与上一帧图像的水位高程的绝对值,若该绝对值大于δ,则判定当前帧图像的水位高程为异常值,并丢弃该值,以记录的上一帧图像的水位高程作为当前帧图像的最终水位高程,否则,将当前帧图像的水位高程记录为上一帧图像的水位高程,并将当前帧图像的水位高程作为当前帧图像的最终水位高程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210979869.XA CN115345854B (zh) | 2022-08-16 | 2022-08-16 | 一种基于多区域搜索的水位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210979869.XA CN115345854B (zh) | 2022-08-16 | 2022-08-16 | 一种基于多区域搜索的水位识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115345854A true CN115345854A (zh) | 2022-11-15 |
CN115345854B CN115345854B (zh) | 2023-04-18 |
Family
ID=83951080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210979869.XA Active CN115345854B (zh) | 2022-08-16 | 2022-08-16 | 一种基于多区域搜索的水位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345854B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103017869A (zh) * | 2012-11-28 | 2013-04-03 | 华南农业大学 | 一种基于数字图像处理的水位测定***及方法 |
CN107704814A (zh) * | 2017-09-26 | 2018-02-16 | 中国船舶重工集团公司第七〇九研究所 | 一种基于视频的振动目标监测方法 |
CN107833203A (zh) * | 2017-10-19 | 2018-03-23 | 南京邮电大学 | 一种基于图像处理的水平面识别及水位实时测量方法 |
CN108196729A (zh) * | 2018-01-16 | 2018-06-22 | 安徽慧视金瞳科技有限公司 | 一种基于红外视频的指尖点快速检测方法 |
CN108470338A (zh) * | 2018-02-12 | 2018-08-31 | 南京邮电大学 | 一种水位监测方法 |
CN109443476A (zh) * | 2018-10-17 | 2019-03-08 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水位波动过程非接触量测装置及方法 |
WO2020188692A1 (ja) * | 2019-03-18 | 2020-09-24 | 三菱電機株式会社 | 水位計測装置、水位計測方法および水位計測プログラム |
CN112907506A (zh) * | 2021-01-11 | 2021-06-04 | 昆明理工大学 | 一种基于水尺颜色信息的不定长水尺水位检测方法、装置及存储介质 |
WO2021238030A1 (zh) * | 2020-05-26 | 2021-12-02 | 浙江大学 | 基于聚类分区进行刻度识别的水位监测方法 |
CN113971779A (zh) * | 2021-10-29 | 2022-01-25 | 中国水利水电科学研究院 | 一种基于深度学习的水尺自动读数方法 |
CN114359841A (zh) * | 2022-03-07 | 2022-04-15 | 武汉大水云科技有限公司 | 一种基于时空平均的视频水位识别方法 |
-
2022
- 2022-08-16 CN CN202210979869.XA patent/CN115345854B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103017869A (zh) * | 2012-11-28 | 2013-04-03 | 华南农业大学 | 一种基于数字图像处理的水位测定***及方法 |
CN107704814A (zh) * | 2017-09-26 | 2018-02-16 | 中国船舶重工集团公司第七〇九研究所 | 一种基于视频的振动目标监测方法 |
CN107833203A (zh) * | 2017-10-19 | 2018-03-23 | 南京邮电大学 | 一种基于图像处理的水平面识别及水位实时测量方法 |
CN108196729A (zh) * | 2018-01-16 | 2018-06-22 | 安徽慧视金瞳科技有限公司 | 一种基于红外视频的指尖点快速检测方法 |
CN108470338A (zh) * | 2018-02-12 | 2018-08-31 | 南京邮电大学 | 一种水位监测方法 |
CN109443476A (zh) * | 2018-10-17 | 2019-03-08 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水位波动过程非接触量测装置及方法 |
WO2020188692A1 (ja) * | 2019-03-18 | 2020-09-24 | 三菱電機株式会社 | 水位計測装置、水位計測方法および水位計測プログラム |
WO2021238030A1 (zh) * | 2020-05-26 | 2021-12-02 | 浙江大学 | 基于聚类分区进行刻度识别的水位监测方法 |
CN112907506A (zh) * | 2021-01-11 | 2021-06-04 | 昆明理工大学 | 一种基于水尺颜色信息的不定长水尺水位检测方法、装置及存储介质 |
CN113971779A (zh) * | 2021-10-29 | 2022-01-25 | 中国水利水电科学研究院 | 一种基于深度学习的水尺自动读数方法 |
CN114359841A (zh) * | 2022-03-07 | 2022-04-15 | 武汉大水云科技有限公司 | 一种基于时空平均的视频水位识别方法 |
Non-Patent Citations (1)
Title |
---|
夏平等: "基于超像素和图割算法的智能视觉水位识别" * |
Also Published As
Publication number | Publication date |
---|---|
CN115345854B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766274B (zh) | 一种基于Mask RCNN算法的水尺图像水位自动读数方法及*** | |
CN108759973B (zh) | 一种水位测量方法 | |
CN106952260B (zh) | 一种基于cis图像采集的太阳能电池片缺陷检测***和方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
US20100322462A1 (en) | Liquid Level Detection Method | |
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN115439481A (zh) | 基于图像处理的除氧器焊接质量检测方法 | |
TWI673686B (zh) | 影像式水尺刻度偵測辨識系統及其方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及*** | |
CN112215125A (zh) | 一种基于YOLOv3的水位识别方法 | |
CN114332233B (zh) | 一种激光slam回环检测方法和*** | |
CN114494179A (zh) | 一种基于图像识别的手机背部破损点检测方法及*** | |
CN114549440A (zh) | 接触网动态几何参数检测方法、装置及电子设备 | |
CN114627461A (zh) | 一种基于人工智能高精度识别水尺数据的方法及*** | |
CN117037132A (zh) | 一种基于机器视觉的船舶水尺读数检测和识别方法 | |
CN110849444A (zh) | 一种基于机器视觉的视频水位测量方法 | |
CN114529555A (zh) | 一种基于图像识别的烟箱高效进出库检测方法 | |
CN115345854B (zh) | 一种基于多区域搜索的水位识别方法 | |
CN113807238A (zh) | 一种河道水面漂浮物面积的视觉测量方法 | |
CN112950562A (zh) | 一种基于线结构光的扣件检测算法 | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及*** | |
CN117523573A (zh) | 基于多阶段视觉检测融合故障预警的水表读数方法、*** | |
CN115082504B (zh) | 一种太阳能光伏板光斑识别方法 | |
CN111598177A (zh) | 面向低重叠图像匹配的自适应最大滑动窗口匹配方法 | |
CN116486212A (zh) | 一种基于计算机视觉的水尺识别方法、***及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |