[发明专利]一种卷积神经网络边坡裂缝变化的动态预警方法及系统

说明书

本发明公开了一种卷积神经网络边坡裂缝变化的动态预警方法及系统，包括，在边坡对侧安装视频监控设备；对所述视频监控设备拍摄的图片进行定时处理；利用卷积神经网络图像识别算法判断处理后的所述图片中边坡是否存在新增裂缝，对多张图片进行深度学习，识别出所述裂缝开展的位置和变化情况；结合测距和三角函数关系，确定所述边坡发生滑移的范围和初步估算的变形情况并进行预警。本发明提高对同一边坡数据的采集范围和采集效率，在精准的数据识别方法下，可以对边坡发生变形的范围进行标定，从而自动向管理人员预警，确保边坡运营期的安全。

技术领域

本发明涉及运营期边坡裂缝监测预警的技术领域，尤其涉及一种卷积神经网络边坡裂缝变化的动态预警方法及系统。

背景技术

众所周知，已经建成一段时间的边坡可能出现安全备下降、边坡安全隐患逐渐加剧的情况，然而，现有的监测体系中，主要通过在边坡可能存在滑移的区域布设变形监测点，通过光学或北斗卫星定位技术进行变形监测，从而进行监测预警。

虽然现有方法可以精准的获得边坡滑移的相对变化量，并通过测点关系分析出滑移区域，但该方法仍然存在监测成本高，监测范围有限的情况，对于多山地区的大型、超大型边坡而言，这种方法的成本会随着监测范围的增大而显著增大；同时，由于监测设备大多位于野外，其设备防护、设备寿命都难以保证多年稳定，因此虽然目前在地质灾害监测、市政边坡监测方面已经有大量应用成果，但利用既有方法的代价仍然高昂，对于承担安全管控责任的单位而言，压力颇重，近年来，随着高清、超高清摄像技术以及基于神经网络的深度学习技术的飞速发展，基于图像识别技术的边坡裂缝识别预警系统的设计也成为了可能。

为了解决上述问题，本发明提出了基于卷积神经网络的边坡裂缝变化的动态预警系统，通过对边坡观测视频的定期取图，结合卷积神经网络分析系统进行分析和识别，从而动态掌握既有边坡裂缝的新增情况和开展情况，从而判断出边坡的危险区域和危险程度，在出现异常和预警后，及时预警，确保邻近边坡人员、建筑、道路的安全。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种卷积神经网络边坡裂缝变化的动态预警方法及系统，能够实时观测边坡裂缝的新增和滑移变化。

为解决上述技术问题，本发明提供如下技术方案：包括，在边坡对侧安装视频监控设备；对所述视频监控设备拍摄的图片进行定时处理；利用卷积神经网络图像识别算法判断处理后的所述图片中边坡是否存在新增裂缝，对多张图片进行深度学习，识别出所述裂缝开展的位置和变化情况；结合测距和三角函数关系，确定所述边坡发生滑移的范围和初步估算的变形情况并进行预警。

作为本发明所述的卷积神经网络边坡裂缝变化的动态预警方法的一种优选方案，其中：包括，获取所述拍摄图片1080*1080像素区域内各点的R、G、B值，将其转化为灰度图像，转化公式如下：

R_g＝(R_h+G_h+B_h)/3；

G_g＝(R_h+G_h+B_h)/3

B_g＝(R_h+G_h+B_h)/3