[发明专利]一种基于图像识别的水位监测方法

说明书

本发明涉及一种基于图像识别的水位监测方法，通过设置于待检测水位区域的摄像装置，采集用于标注待检测水位区域水位的水尺的水尺图片，并上传至服务器；服务器对该水尺图片的大小进行归一化处理，并对水尺量程以及水尺关键刻度进行标定；根据水尺图片的类型，服务器采用机器学习SVM模型进行训练分类；通过摄像装置获取当前待识别水尺图片，上传至服务器，并通过机器学习SVM模型选择最优算法计算该当前待识别水尺图片中当前待识别水位的Y坐标；将该Y坐标转换为当前水位值。本发明所提出的一种基于图像识别的水位监测方法，采用非接触式水位测算方法，可高精度直接识别当前水位高度。具有改造工程量小、稳定性强、适用范围广等特点。

技术领域

本发明涉及计算机图像识别技术领域，特别是一种基于图像识别的水位监测方法。

背景技术

现有的水位监控系统安装复杂，应用场景不灵活，配置繁琐，有的难以适应特大洪水过程，且建设成本高。而且现有的水位监测方法中大多采用本身准确度依赖对识别结果影响极大的参照物，如照物以及知道参照物高度、坡面角度、摄像头水平距离和高度，导致不能准确对水位进行监测。同时，现有的水位监测方法中没有考虑以及解决倒影、折射和水尺脏污对水位的影响，进一步造成了监测方法适用性不强等问题。

发明内容

本发明的目的在于提供一种基于图像识别的水位监测方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种基于图像识别的水位监测方法，按照如下步骤实现：

步骤S1：通过设置于待检测水位区域的摄像装置，采集用于标注待检测水位区域水位的水尺图片，并上传至一服务器；

步骤S2：所述服务器对该水尺图片的大小进行归一化处理，并对水尺量程以及水尺关键刻度进行标定；

步骤S3：根据水尺图片的特征，所述服务器采用机器学习SVM模型进行训练分类；

步骤S4：通过所述摄像装置获取一当前待识别水尺图片，上传至所述服务器，并通过所述机器学习SVM模型选择最优算法计算该当前待识别水尺图片中当前待识别水位的Y坐标；

步骤S5：将该Y坐标转换为当前水位值。

在本发明一实施例中，在所述步骤S1中，所述摄像装置采用一网络摄像机，通过该网络摄像机对水尺图片在预定时刻进行采集，并传到所述服务器。

在本发明一实施例中，在所述水尺关键刻度进行标定采用在水尺每1/3的位置进行标定。

在本发明一实施例中，在所述步骤S3中，将所述水尺图片按HSV颜色空间分割成3个通道，分别计算平均亮度值、均方差，并作为图片特征，采用支持向量机SVM算法进行机器学习以及训练；把处理后的图片根据预设标准判别条件进行分类，不同类型的图片采用对应的识别算法计算出水位在图片中的Y坐标。

在本发明一实施例中，所述根据预设标准判别条件进行分类包括：

步骤S31：根据所述水尺图片光照亮度，判断是否达到一预设光照阈值；若达到，则转至步骤S32，否则，转至步骤S35；

步骤S32：通过图片比对，判断当前待检测水位区域水质是否达到预设水质，若是，则转至步骤S33，否则，转至步骤S34；

步骤S33：所述摄像装置采集水尺旁边区域且与所述水尺图片尺寸大小一致的图像，作为第一图片，并将所述水尺图片作为第二图片；将所述第一图片以及所述第二图片分别进行伽马校正；计算所述第一图片与所述第二图片的图片矩阵的差的绝对值，并获取经HSV颜色空间分割后的亮度V通道的图片，作为第三图片；将所述第三图片进行局部自适应阈值化处理、形态学闭运算以及膨胀运算，并通过轮廓查找运算获取所述水尺图片中水尺区域，并计算出水位的Y坐标；