CN116935328A - 一种图像识别方法、装置、存储介质及电子设备 - Google Patents
一种图像识别方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116935328A CN116935328A CN202311185307.9A CN202311185307A CN116935328A CN 116935328 A CN116935328 A CN 116935328A CN 202311185307 A CN202311185307 A CN 202311185307A CN 116935328 A CN116935328 A CN 116935328A
- Authority
- CN
- China
- Prior art keywords
- value
- frame image
- pixel
- observation point
- moving distance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000007613 environmental effect Effects 0.000 claims abstract description 31
- 230000001276 controlling effect Effects 0.000 claims abstract description 12
- 230000002596 correlated effect Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000000875 corresponding effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001556 precipitation Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 abstract description 15
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像识别方法、装置、存储介质及电子设备,涉及图像处理技术领域,方法包括:先控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,预设拍摄频率与当前环境因素的危险值呈正相关;再在多帧图像中定位观测点位;然后识别观测点位在多帧图像中的移动距离值;最终根据移动距离值,确认多帧图像中的坡体滑坡情况。通过应用本申请的技术方案,使用在控制摄像头以与前环境因素的危险值相适应的预设拍摄频率拍摄多帧图像的前提下,并对图像中的坡体变化情况进行准确识别的前提下,能在不应用机械设备的前提下,及时对坡体进行拍摄,并识别变化情况,有效降低对机械设备的依赖性,并与环境因素相适应,提高对坡体滑坡现象的检测可靠性。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像识别方法、装置、存储介质及电子设备。
背景技术
在一些植被覆盖较差的坡体,受天气的影响,极易产生山体滑坡现象,对周边的环境造成影响。
现有的监控坡体的相关设备,需要布设于产生滑坡的坡体的预设位置,并在滑坡发生时产生相应的数据,以提醒用户滑坡现象的出现。但是,上述的相关设备往往是机械设备,而在滑坡现象产生时,复杂的自然环境容易导致机械不可靠,从而无法通过机械设备获得准确的数据。
发明内容
有鉴于此,本申请提供了一种图像识别方法、装置、存储介质及电子设备,主要目的在于解决现有技术中利用机械设备实现对坡体的滑坡现象的数据采集,但是在滑坡现象出现时,机械设备极易受到影响而导致的数据不准确的问题。
第一方面,本申请提供了一种图像识别方法,包括:
控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,所述预设拍摄频率与当前环境因素的危险值呈正相关;
在所述多帧图像中定位观测点位;
识别所述观测点位在所述多帧图像中的移动距离值;
根据所述移动距离值,确认所述多帧图像中的坡体滑坡情况。
第二方面,本申请提供了一种图像处理装置,包括:
拍摄模块,用于控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,所述预设拍摄频率与当前环境因素的危险值呈正相关;
定位模块,用于在所述多帧图像中定位观测点位;
识别模块,用于识别所述观测点位在所述多帧图像中的移动距离值;
确认模块,用于根据所述移动距离值,确认所述多帧图像中的坡体滑坡情况。
第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的图像识别方法。
第四方面,本申请提供了一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的图像识别方法。
借由上述技术方案,本申请提供的一种图像识别方法、装置、存储介质及电子设备,与目前现有的机械设备实现对坡体的滑坡现象的数据采集相比,本申请可使用通过摄像头对坡体进行拍摄,生成多帧图像,并进一步通过对图像的识别实现对坡体的滑坡现象的识别,不会因为机械设备的不可靠性,保证了识别结果的准确性。具体的,可首先控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,预设拍摄频率与当前环境因素的危险值呈正相关;再在多帧图像中定位观测点位;然后识别观测点位在多帧图像中的移动距离值;最终根据移动距离值,确认多帧图像中的坡体滑坡情况。通过应用本申请的技术方案,使用在控制摄像头以与前环境因素的危险值相适应的预设拍摄频率拍摄多帧图像的前提下,并对图像中的坡体变化情况进行准确识别的前提下,能在不应用机械设备的前提下,及时对坡体进行拍摄,并识别变化情况,有效降低对机械设备的依赖性,并与环境因素相适应,提高对坡体滑坡现象的检测可靠性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请实施例提供的一种图像识别方法的流程示意图;
图2示出了本申请实施例提供的像素深度值计算流程示意图;
图3示出了本申请实施例提供的一种图像识别方法的整体流程图;
图4示出了本申请实施例提供的一种图像识别装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。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。
为了解决现有技术中利用机械设备实现对坡体的滑坡现象的数据采集,但是在滑坡现象出现时,机械设备极易受到影响而导致的数据不准确的问题。本实施例提供了一种图像识别方法,如图1所示,可应用于图像识别设备(如智能手机、平板电脑、无人机、智能机器人等智能终端)端侧,该方法包括:
步骤101、控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,预设拍摄频率与当前环境因素的危险值呈正相关。
在本实施例中,在实现对坡体的滑坡现象进行检测之前,需要获取坡体的预设位置相关的多帧图像。具体的,通过摄像头拍摄多帧图像的拍摄频率是可调的,即坡体的当前环境因素的危险值越高,预设拍摄频率越高。可以理解的,在当前环境因素较为恶劣的情况下,当前坡体发生山体滑坡的概率越大,需要对坡体进行严密的监控,因此,需要更加高频的拍摄频率,从而及时发现坡体的山体滑坡现象。
步骤102、在多帧图像中定位观测点位。
在摄像头拍摄的多帧图像中,图像对应的现实场景中需要配置有相关的观测点位。其中,观测点位可以为人工配置的靶位,也可以为自然的标识位,例如固定位置的石头、树木等。观测点位与坡体之间为相对固定的,因此可以通过对观测点位的位置的识别可以实现对整体坡体滑坡现象的识别,而在识别观测点位的位置时,需要分别在多帧图像中分别确定观测点位的位置。
步骤103、识别观测点位在多帧图像中的移动距离值。
在坡体发生滑坡现象时,受坡体的土壤的整体产生位移的影响,预设的观测点位也会出现移动,因此,其在多帧图像中的位置会产生的变动。基于上述原理,本实施例内容在于分别识别观测点位在各个帧图像中的分布位置,并进一步随着图像帧的变动,获取观测点位的移动轨迹和移动距离值。
步骤104、根据移动距离值,确认多帧图像中的坡体滑坡情况。
在确认多帧图像中的观测点位的移动距离值之后,进一步根据移动距离值实现坡体的滑坡现象的判断。示例性的,当坡体中布设的所有靶位或者巨石古树等不同的固定物,全部产生移动距离值时,可以确认当前坡体处产生山体滑坡现象,需要及时产生自然灾害应对措施。
在本实施例内容中,提出一种图像识别方法,可以实现对坡体的滑坡现象的及时监控。可首先控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,预设拍摄频率与当前环境因素的危险值呈正相关;再在多帧图像中定位观测点位;然后识别观测点位在多帧图像中的移动距离值;最终根据移动距离值,确认多帧图像中的坡体滑坡情况。通过应用本申请的技术方案,使用在控制摄像头以与前环境因素的危险值相适应的预设拍摄频率拍摄多帧图像的前提下,并对图像中的坡体变化情况进行准确识别的前提下,能在不应用机械设备的前提下,及时对坡体进行拍摄,并识别变化情况,有效降低对机械设备的依赖性,并与环境因素相适应,提高对坡体滑坡现象的检测可靠性。
进一步的,在一种可能的实施例中,预设拍摄频率的确定过程,包括:
确认当前的时间信息;识别坡体的降水信息;将时间信息和降水信息作为当前环境因素的危险值,确认预设拍摄频率。
需要了解的是,坡体出现滑坡的自然原因包括:降雨、降雪或地震等,在本实施例内容中,将降水作为主要的环境因素,其中,降水信息包括降雨信息和降雪信息。同时,受人类主要活动时间的影响,若滑坡现象出现在白天,则滑坡现象更易被发觉,而若滑坡现象出现在夜晚,受视觉的影响,滑坡现象容易被忽视或延迟发觉,因此,需要在夜晚相比于白天,进行更高频率的图像拍摄和识别。在本实施例的内容提出,预设拍摄频率是于当前环境因素的危险值相关的,而当前环境因素的危险值的主要因变量包括时间信息和降水信息,通过识别时间信息和降水信息自动调整预设拍摄频率,可以分别对较高频的多帧图像进行识别,在环境因素的危险值较高时,更易出现滑坡现象时,及时发现滑坡情况,缩短自然灾害的反应时间。
示例性的,上述当前环境因素的危险值可以K值进行表示,K值可通过降水量和当前时间进行确认,具体计算方式可如下所示:
K=∑(Rain+Snow+Time)(1)
Rain代表降雨信息,可以根据无雨,小雨,中雨,大雨,暴雨,特大暴雨,分别取值为0,1,2,5,8,11。Snow代表降雪信息,可以根据无雪,小雪,中雪,大雪,暴雪,特大暴雪,分别取值0,1,2,5,8,11。Time代表当前的时间信息,人员的警惕性会随着时间的变化而变化,因此根据对时间段进行了划分0点~7点,7点~19点,19点~24点,分别对应取值为11,0,5,若K值大于11则取K的取值为11。
而在确认上述的环境因素的危险值之后,进一步确认预设拍摄频率时,可以依据以下方式实现对预设拍摄频率的计算:
(2)
其中,F(k)表示预设拍摄频率,K的取值范围为根据上述的当前的时间信息和降水信息的取值信息进行相应的设计,需要了解的是,上述K值、降雨信息、降雪信息和当前的时间信息可以被本领域技术人员修改,采用本实施例技术方案的相关数据配置都在本实施例的保护范围内。
在一种可能的实施例中,在多帧图像中定位观测点位,包括:
对当前帧图像进行像素化处理,生成当前帧像素,当前帧图像为多帧图像中的任一图像;在当前帧像素中定位与观测点位对应的目标像素。
获取到多帧图像之后,在多帧图像中提取当前帧图像,并对当前帧图像进行像素化处理,并在当前帧图像进行观测点位的定位,确认观测点位对应的目标像素。
在一种可能的实施例中,识别观测点位在多帧图像中的移动距离值,包括:
计算目标像素在当前帧图像中的像素深度值;识别多帧图像中的像素深度值差值,确认观测点位的移动距离值。
在本实施例内容中,为了实现对观测点位的识别,进一步提出通过目标像素实现对像素深度值的识别。可以知道的是,在实现像素深度值的识别过程中,需要通过双目摄像头拍摄生成当前两帧图像,并分别针对同一观测点位对应的目标像素在当前两帧图像中的不同位置进行识别,从而分别根据当前两帧图像确定像素深度值,像素深度值用于表示观测点位与摄像头之间的实际距离值。在确认当前帧的像素深度值的基础上,通过综合连续多帧的像素深度值,可以还原观测点位的移动距离值,实现对观测点位的实际移动距离值的计算。
采用本实施例内容进一步公开移动距离值的计算方式,即通过对当前帧图像进行双目识别的深度值计算,进一步确认多帧图像中的移动距离值。采用本实施例方式,可实现对观测点位的移动距离值的计算,并进一步实现对观测点位的位移的还原,保证坡体滑坡情况识别的准确性。
在一种可能的实施例中,计算目标像素在当前帧图像中的像素深度值,包括:
对当前帧像素进行十字型像素数据选择,生成待计算数据;基于待计算数据和预设拍摄频率,获得当前帧图像的灰度阈值;根据灰度阈值,对当前帧像素进行二值化处理,生成二值化像素值;根据目标像素对应的二值化像素值,计算目标像素在当前帧图像中的像素深度值。
本实施例提供具体的像素深度值的计算过程,是在多帧图像进行预处理之后,对已降低噪音的多帧图像进一步的目标像素深度值识别。具体的,通过预设的十字型像素数据进行像素值的提取,并根据所提取的十字型像素进行灰度阈值的计算,从而根据灰度阈值对当前帧像素进行二值化划分,并实现像素深度值的计算。
示例性的,像素深度值的计算过程可以如下所示:
当前帧图像IM*N的各个像素分布如下所示:
IM*N=(3)
在对数组(3)表示的像素分布进行十字型像素的数据选择之后,所获得的待计算数据如下所示:
(4)
其中,在数组(4)中的各个像素呈十字型排布。
在确定待计算数据w(i,j)之后,进一步根据待计算数据和预设拍摄频率,共同确认灰度阈值,具体确认方法如公式(5)所示:
(5)
其中,表示灰度阈值,F(k)表示预设拍摄频率。
在确认灰度阈值之后,对个=当前帧图像的各个像素进行二值化划分:
(6)
其中,为当前帧图像在像素点(i,j)处的灰度值;g为二值分割后的图像,g(i,j)为原图像的像素点(i,j)经二值化划分的结果。
在实现像素深度值的计算过程中,本实施例提出以像素值的阈值的方式对像素值进行互划分的方式,并根据划分后的像素值实现像素深度值的计算。进一步的,依靠选择的十字型像素实现对灰度阈值的计算,其中,十字型像素的选择是可以调节的,可以为通过模型训练或依靠人工配置使所选择的十字型像素更为准确。采用本实施例技术方案可以快速将当前帧像素中的像素进行划分,并依据划分后提取观测点位对应像素的像素深度值,能够快速输出坡体滑坡现象的检测结果。
在一种更具体的实施例中,本实施例的像素深度值计算流程可以如图3所示。响应于开始计算之后,将当前帧像素进行灰度转换,即将彩色图像转换为单通道的灰度像素,并对当前帧图像进行中值滤波,对图像中的噪声进行滤除,降低图像噪音对当前帧图像造成的影响。在获得灰度阈值之后,对图像中当前帧像素进行二值化分割处理,并依据分割后的像素进行形态学膨胀处理。从而输出像素深度值。
在一种可能的实施例中,识别多帧图像中的像素深度值差值,确认观测点位的移动距离值,包括:
识别多帧图像中的多个像素深度值差值,确认多个观测点位的整体移动距离值。
可以知道的是,在建立观测点位时,观测点位可以有多个。在分别对多个观测点位进行监测时,可能由于特殊因素导致某一个观测点位出现距离变动,而其它观测点位的距离没有发生变动。例如,某一观测点位为一块石头,若石头发生正常滑动时,不能认为坡体此时出现了滑坡现象。针对此种情况,本实施例内容提出整体考虑观测点位的移动距离值,即确认多个观测点位的整体移动距离值,并根据整体移动距离值实现对滑坡现象的判断。
本实施例内容提出,在设立多个观测点位时,综合考虑各个观测点位分别产生的移动距离值,并综合整体移动距离值,从而实现对坡体的滑坡现象的准确判断,提高滑坡现象的准确性,减少错误判断的概率。
在一种可能的实施例中,识别多帧图像中的多个像素深度值差值,确认多个观测点位的整体移动距离值,包括:
识别多帧图像中的多个像素深度值差值,建立移动距离值的分布区间值;根据多个像素深度值差值对应的已移动观测点位;确认已移动观测点位与预设观测点位之间的移动概率值;基于分布区间值和移动概率值,确认多个观测点位的整体移动距离值。
确定多帧图像中多个观测点位对应的像素深度值差值,提取对应的移动距离值的区间值[0,m],确认多帧图像中产生移动距离值的移动概率值:
(7)
其中,为移动距离值为k值时的概率值,其中k∈[0,m],N为观测点位数量,T (*)为判断函数,其中的条件为真,则函数值为1,否则为0,上述条件为观测点位的移动距离值是否与k值相同。
利用灰度阈值t将观测点位是否进行过移动进行划分,其中已移动点位记为事件E0,未移动点位记为事件E1,已移动点位的出现概率为:
(8)
与将已移动点位对应的移动距离值在代入全部的预设观测点位时,整体移动距离M(*)为:
(9)
在确认存在观测点位产生移动距离值时,将产生移动距离值的观测点位与全部的预设观测点位进行整体移动距离值的计算,实现对整体移动距离值的计算,可以从整体移动距离值的角度实现对坡体滑坡现象的判断,排除单一观测点位异常时的干扰,提高对滑坡现象判断的准确性。
在一种可能的实施例中,根据移动距离值,确认多帧图像中的坡体滑坡情况,包括:
根据整体移动距离值与移动阈值比较结果,确认多帧图像中的坡体滑坡情况。
在去确定整体移动距离之后,可以依据整体移动距离与移动阈值实现对滑坡现象的判断,当整体移动距离大于阈值时,可以确认当前坡体出现滑坡现象,需要立即发布险情信息。
示例性的,此实施例步骤还可以进一步包括,依据不同的移动阈值,实现对滑坡等级的判断。示例性的,当整体移动距离大于第一移动阈值,可以确定当前坡体的滑坡情况处于第一等级,发布第一等级的滑坡险情信息;当整体移动距离大于第二移动阈值,可以确定当前坡体的滑坡情况处于第二等级,发布第二等级的滑坡险情信息。
在本实施例内容中,实现对坡体滑坡现象的具体判断,在计算整体移动距离之后,根据整体移动距离值实现对坡体滑坡情况的判断,并进一步实现对滑坡险情的输出。采用本实施例内容,能够以整体移动距离值实现对滑坡情况的判断,准确输出险情信息。
综合上述方法实施例内容,本实施例提出一种图像识别方法的整体流程图,如图3所示:
双目左右摄像头进行摄像头标定,分别以预设拍摄频率拍摄坡体,获得多帧图像,并将多帧图像对应的图像信息上传至边缘云数据中心,利用边缘云时延低,算力强的优势,实现对图像的识别。对双目多帧图像进行图像校正,示例性的,图像校正方法可以采用OpenCV(跨平台计算机视觉库)的双目校正函数stereoRectify进行双目校正。进行双目定位,即在双目多帧图像中定位观测点位,跟踪观测点位因在多帧图像中的位置变化而产生的移动距离值,确认坡体滑坡情况,并将监测地段信息上传指挥中心并对险情信息进行预测和播报。通过应用本申请的技术方案,使用在控制摄像头以与前环境因素的危险值相适应的预设拍摄频率拍摄多帧图像的前提下,并对图像中的坡体变化情况进行准确识别的前提下,能在不应用机械设备的前提下,及时对坡体进行拍摄,并识别变化情况,有效降低对机械设备的依赖性,并与环境因素相适应,提高对坡体滑坡现象的检测可靠性。
进一步的,作为图1所示方法的具体实现,本实施例提供了一种图像识别装置,如图4所示,该装置包括:拍摄模块41、定位模块42、识别模块43、确认模块44。
拍摄模块41,用于控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,所述预设拍摄频率与当前环境因素的危险值呈正相关;
定位模块42,用于在所述多帧图像中定位观测点位;
识别模块43,用于识别所述观测点位在所述多帧图像中的移动距离值;
确认模块44,用于根据所述移动距离值,确认所述多帧图像中的坡体滑坡情况。
在具体的应用场景中,预设拍摄频率的确定过程,包括:
确认当前的时间信息;
识别坡体的降水信息;
将所述时间信息和所述降水信息作为所述当前环境因素的危险值,确认所述预设拍摄频率。
在具体的应用场景中,定位模块42,具体用于:
对当前帧图像进行像素化处理,生成当前帧像素,所述当前帧图像为所述多帧图像中的任一图像;
在所述当前帧像素中定位与观测点位对应的目标像素。
在具体的应用场景中,识别模块43,具体用于:
计算所述目标像素在所述当前帧图像中的像素深度值;
识别所述多帧图像中的像素深度值差值,确认所述观测点位的移动距离值。
在具体的应用场景中,识别模块43,具体用于:
对所述当前帧像素进行十字型像素数据选择,生成待计算数据;
基于所述待计算数据和所述预设拍摄频率,获得所述当前帧图像的灰度阈值;
根据所述灰度阈值,对所述当前帧像素进行二值化处理,生成二值化像素值;
根据所述目标像素对应的二值化像素值,计算所述目标像素在所述当前帧图像中的像素深度值。
在具体的应用场景中,识别模块43,具体用于:
识别所述多帧图像中的多个像素深度值差值,确认多个所述观测点位的整体移动距离值。
在具体的应用场景中,识别模块43,具体用于:
识别所述多帧图像中的多个像素深度值差值,建立移动距离值的分布区间值;
根据所述多个像素深度值差值对应的已移动观测点位;
确认所述已移动观测点位与预设观测点位之间的移动概率值;
基于所述分布区间值和所述移动概率值,确认多个所述观测点位的整体移动距离值。
在具体的应用场景中,确认模块44,具体用于:
根据所述整体移动距离值与所述移动阈值比较结果,确认所述多帧图像中的坡体滑坡情况。
需要说明的是,本实施例提供的一种图像处理装置所涉及各功能单元的其它相应描述,可以参考图1中的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述如图1所示的方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景的方法。
基于上述如图1所示的方法,以及图4所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种电子设备,如智能手机、平板电脑、无人机、智能机器人等智能终端,该设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1所示的方法。
可选的,上述实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的上述实体设备结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作***、网络通信模块。操作***是管理上述实体设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本实施例的方案,可首先控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,预设拍摄频率与当前环境因素的危险值呈正相关;再在多帧图像中定位观测点位;然后识别观测点位在多帧图像中的移动距离值;最终根据移动距离值,确认多帧图像中的坡体滑坡情况。通过应用本申请的技术方案,使用在控制摄像头以与前环境因素的危险值相适应的预设拍摄频率拍摄多帧图像的前提下,并对图像中的坡体变化情况进行准确识别的前提下,能在不应用机械设备的前提下,及时对坡体进行拍摄,并识别变化情况,有效降低对机械设备的依赖性,并与环境因素相适应,提高对坡体滑坡现象的检测可靠性。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所述的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种图像识别方法,其特征在于,包括:
控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,所述预设拍摄频率与当前环境因素的危险值呈正相关;
在所述多帧图像中定位观测点位;
识别所述观测点位在所述多帧图像中的移动距离值;
根据所述移动距离值,确认所述多帧图像中的坡体滑坡情况。
2.根据权利要求1所述的方法,其特征在于,所述预设拍摄频率的确定过程,包括:
确认当前的时间信息;
识别坡体的降水信息;
将所述时间信息和所述降水信息作为所述当前环境因素的危险值,确认所述预设拍摄频率。
3.根据权利要求1所述的方法,其特征在于,所述在所述多帧图像中定位观测点位,包括:
对当前帧图像进行像素化处理,生成当前帧像素,所述当前帧图像为所述多帧图像中的任一图像;
在所述当前帧像素中定位与观测点位对应的目标像素。
4.根据权利要求3所述的方法,其特征在于,所述识别所述观测点位在所述多帧图像中的移动距离值,包括:
计算所述目标像素在所述当前帧图像中的像素深度值;
识别所述多帧图像中的像素深度值差值,确认所述观测点位的移动距离值。
5.根据权利要求3所述的方法,其特征在于,所述计算所述目标像素在所述当前帧图像中的像素深度值,包括:
对所述当前帧像素进行十字型像素数据选择,生成待计算数据;
基于所述待计算数据和所述预设拍摄频率,获得所述当前帧图像的灰度阈值;
根据所述灰度阈值,对所述当前帧像素进行二值化处理,生成二值化像素值;
根据所述目标像素对应的二值化像素值,计算所述目标像素在所述当前帧图像中的像素深度值。
6.根据权利要求4所述的方法,其特征在于,所述识别所述多帧图像中的像素深度值差值,确认所述观测点位的移动距离值,包括:
识别所述多帧图像中的多个像素深度值差值,确认多个所述观测点位的整体移动距离值。
7.根据权利要求6所述的方法,其特征在于,所述识别所述多帧图像中的多个像素深度值差值,确认多个所述观测点位的整体移动距离值,包括:
识别所述多帧图像中的多个像素深度值差值,建立移动距离值的分布区间值;
根据所述多个像素深度值差值对应的已移动观测点位;
确认所述已移动观测点位与预设观测点位之间的移动概率值;
基于所述分布区间值和所述移动概率值,确认多个所述观测点位的整体移动距离值。
8.根据权利要求7所述的方法,其特征在于,所述根据所述移动距离值,确认所述多帧图像中的坡体滑坡情况,包括:
根据所述整体移动距离值与所述移动阈值比较结果,确认所述多帧图像中的坡体滑坡情况。
9.一种图像识别装置,其特征在于,包括:
拍摄模块,用于控制摄像头以预设拍摄频率拍摄坡体,获得多帧图像,所述预设拍摄频率与当前环境因素的危险值呈正相关;
定位模块,用于在所述多帧图像中定位观测点位;
识别模块,用于识别所述观测点位在所述多帧图像中的移动距离值;
确认模块,用于根据所述移动距离值,确认所述多帧图像中的坡体滑坡情况。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法。
11.一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185307.9A CN116935328B (zh) | 2023-09-14 | 2023-09-14 | 一种图像识别方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311185307.9A CN116935328B (zh) | 2023-09-14 | 2023-09-14 | 一种图像识别方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116935328A true CN116935328A (zh) | 2023-10-24 |
CN116935328B CN116935328B (zh) | 2023-12-29 |
Family
ID=88386347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311185307.9A Active CN116935328B (zh) | 2023-09-14 | 2023-09-14 | 一种图像识别方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116935328B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409549A (zh) * | 2021-06-11 | 2021-09-17 | 中铁西南科学研究院有限公司 | 一种高山峡谷地区的滑坡监测预警*** |
CN113869258A (zh) * | 2021-10-08 | 2021-12-31 | 重庆紫光华山智安科技有限公司 | 交通事件检测方法、装置、电子设备及可读存储介质 |
CN115082852A (zh) * | 2022-06-09 | 2022-09-20 | 中国银行股份有限公司 | 一种周围环境监测方法、装置及计算机设备 |
CN116343436A (zh) * | 2022-12-28 | 2023-06-27 | 浙江大华技术股份有限公司 | 一种山体滑坡检测的方法、装置、设备及介质 |
CN116631158A (zh) * | 2023-06-12 | 2023-08-22 | 云南电网有限责任公司昭通供电局 | 一种基于图像识别和计算机视觉的滑坡预警装置 |
-
2023
- 2023-09-14 CN CN202311185307.9A patent/CN116935328B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409549A (zh) * | 2021-06-11 | 2021-09-17 | 中铁西南科学研究院有限公司 | 一种高山峡谷地区的滑坡监测预警*** |
CN113869258A (zh) * | 2021-10-08 | 2021-12-31 | 重庆紫光华山智安科技有限公司 | 交通事件检测方法、装置、电子设备及可读存储介质 |
CN115082852A (zh) * | 2022-06-09 | 2022-09-20 | 中国银行股份有限公司 | 一种周围环境监测方法、装置及计算机设备 |
CN116343436A (zh) * | 2022-12-28 | 2023-06-27 | 浙江大华技术股份有限公司 | 一种山体滑坡检测的方法、装置、设备及介质 |
CN116631158A (zh) * | 2023-06-12 | 2023-08-22 | 云南电网有限责任公司昭通供电局 | 一种基于图像识别和计算机视觉的滑坡预警装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116935328B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6726932B2 (ja) | 走行路メタデータを用いた空中写真/映像におけるコンテキスト・アウェア物体検出 | |
US11205284B2 (en) | Vehicle-mounted camera pose estimation method, apparatus, and system, and electronic device | |
KR101613740B1 (ko) | 활주로 감시 시스템 및 방법 | |
US8446468B1 (en) | Moving object detection using a mobile infrared camera | |
CN108108697B (zh) | 一种实时无人机视频目标检测与跟踪方法 | |
US20100141806A1 (en) | Moving Object Noise Elimination Processing Device and Moving Object Noise Elimination Processing Program | |
CN108038415B (zh) | 一种基于机器视觉的无人机自动检测与跟踪方法 | |
EP2555163B1 (en) | Image processing apparatus, image processing method, and program | |
CN110930428B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
KR20110072426A (ko) | 실시간 카메라 모션 추정을 이용한 물체 검출/추적 방법 및 단말 | |
CN104881650A (zh) | 一种基于无人机动平台的车辆跟踪方法 | |
CN110675426B (zh) | 人体跟踪方法、装置、设备及存储介质 | |
Ahmad et al. | A novel method for vegetation encroachment monitoring of transmission lines using a single 2D camera | |
US20200143177A1 (en) | Systems and methods of detecting moving obstacles | |
CN109254271B (zh) | 一种用于地面监视雷达***的静止目标抑制方法 | |
CN112800846A (zh) | 高空抛物的监测方法、装置、电子设备及存储介质 | |
CN113743151A (zh) | 一种检测路面抛洒物的方法、装置及存储介质 | |
CN116935328B (zh) | 一种图像识别方法、装置、存储介质及电子设备 | |
JP2020021368A (ja) | 画像解析システム、画像解析方法及び画像解析プログラム | |
CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
CN115908475A (zh) | 一种机载光电侦察吊舱图像预跟踪功能的实现方法及*** | |
WO2018110377A1 (ja) | 映像監視装置 | |
WO2023275544A1 (en) | Methods and systems for detecting vessels | |
CN112906495B (zh) | 一种目标检测方法、装置、电子设备及存储介质 | |
CN112837343A (zh) | 基于相机阵列的低空无人机防控光电预警识别方法及*** |
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 |