[发明专利]深度残差网络的城市内涝积水智能识别方法

说明书

本发明涉及科学排涝调度决策技术领域，具体涉及深度残差网络的城市内涝积水智能识别方法，包括以下步骤：S1、数据准备；S2、数据处理；S3、模型搭建；S4、模型调用，综合路面、行人、车辆等参照物信息，并对设置标签后的图片做预处理，包括将所有图片大小进行重新设置和做归一化处理，使用PyTorch模型的框架和ResNet‑18(残差网络)的神经网络，进行学习，训练模型，模型均匀地学习到了各种内涝级别的特征，利用Javacv从监控摄像头的视频流传中获取图片，综合路面、行人、车辆等参照物信息进行内涝等级的识别，利用RESNET‑18网络对图片进行内涝等级识别。

技术领域

本发明涉及科学排涝调度决策技术领域，具体涉及深度残差网络的城市内涝积水智能识别方法。

背景技术

在全球气候变化和快速城镇化背景下，中国城市内涝问题日益严重，成为制约经济社会持续健康发展的突出瓶颈。近年来，每逢雨季，各地城市轮番上演“城市看海”的景象，频发的内涝灾害造成严重的人员伤亡及财产损失，对城市形象也造成极为负面的影响，且随着人口、社会财富向城市积聚，城市内涝风险越来越产生叠加和放大效应。开发城市内涝积水监测系统，实现内涝实时监控和快速告警显得非常重要，有助于相关职能部门进行科学排涝调度决策，尽可能降低内涝灾害及其产生的影响，提升城市防灾减灾能力。

现有技术方案：如专利公开号为：CN109632037B

一种基于图像智能识别的城市内涝积水深度检测方法，首先获取道路上摄像头拍摄的视频；然后采用人工神经网络，对视频单帧图片中的轮胎进行检测，输出所有车辆的外接矩形框坐标以及车辆类型；接着使用人工神经网络，对轮胎积水进行识别，输出每个轮胎的外接矩形框、轮胎位置坐标以及淹没等级；最后过滤掉误检数据，将上述的信息相关联，根据这些关联关系以及内置的车型轮胎尺寸，计算积水的深度。直接使用现在道路上的摄像头拍摄的图像进行积水识别，需要人工进行判断，不能自动进行判断。

发明内容

针对现有技术所存在的上述缺点，本发明的第一目的在于提供深度残差网络的城市内涝积水智能识别方法，参照物信息进行内涝等级的识别，利用RESNET-18网络对图片进行内涝等级识别。

为实现上述目的，本发明提供了如下技术方案：

深度残差网络的城市内涝积水智能识别方法，包括以下步骤：

S1、数据准备；

S2、数据处理；

S3、模型搭建；

S4、模型调用。

本发明进一步设置为：所述步骤S1中，通过收集城市公共摄像头拍摄的城市路面精细化实时图像，采集的图片数据涵盖不同背景、不同时间、不同雨强、不同积水的路面情况。

本发明进一步设置为：所述步骤S2中，包括以下步骤：

S201、综合路面、行人、车辆等参照物信息，人工为采集的图片设置类别标签分别为：特别严重内涝、严重内涝、中度内涝、一般性内涝、干路面；

S202、并对设置标签后的图片做预处理，包括将所有图片大小进行重新设置和做归一化处理。

本发明进一步设置为：所述步骤S3中，包括以下步骤：

S301、使用PyTorch模型的框架和ResNet-18(残差网络)的神经网络，进行学习，为了提高识别精度，模型搭建时采用双模型形式；

S302、在对图片集进行五分类之前，首先对图片进行二分类，将图片分为干湿两种类别进行训练，从而完成地面上有无积水的区分识别；

S303、再进行四分类模型训练，训练时一次迭代只学习几张图片，且图片随机从每种内涝级别的图片库中挑选，并设置挑选到各类图片的概率一致。