[发明专利]基于深度学习的城市内涝水深检测的方法

摘要

本发明涉及一种基于深度学习的城市内涝水深检测的方法。首先，制作数据集：一、制作城市内涝积水车辆数据集：二、残缺‑完整车辆数据集：其次，模型训练：一、使用城市内涝积水车辆数据集，使用经过自然环境普通对象数据集预训练的带掩膜区域的卷积神经网络，进行微调操作以实现迁移学习，让其具备检测在城市内涝积水环境下的车辆，输出其掩膜以及对应的车型的功能；二、使用残缺‑完整车辆数据集，对生成对抗网络进行训练，让其具备将残缺的车辆图像生成对应的完整车辆图像的功能；最后，检测、生成使用：通过上述数据集得出内涝积水的深度。本发明可以很好的克服传统积水检测方式的缺点，且只需要普通摄像头，搭配后台算法，即可实现城市内涝水深的检测，安装便利，配置简单。

主权项

1.一种基于深度学习的城市内涝水深检测的方法，其特征在于，包括如下步骤：步骤S1、制作数据集：S11、城市内涝积水车辆数据集：采集车辆类型数据，并进行标注制作城市内涝积水车辆数据集；S12、残缺‑完整车辆数据集：制作残缺‑完整车辆数据集，该数据集包含两部分：第一部分为各类型车辆的完整车辆图片，该部分数据集中的图片，车辆没有被其他物体所遮挡或超出图片边界，制作完整车辆数据集；第二部分为各类型车辆的残缺车辆图片，该部分数据集中的图片是以第一部分数据集中的图片为基础，结合包括计算机代码合成、3D制作、实际拍摄中的一种或多种方法，制作残缺车辆数据集；步骤S2、模型训练：S21、使用城市内涝积水车辆数据集，使用经过自然环境普通对象数据集预训练的带掩膜区域的卷积神经网络，进行微调操作以实现迁移学习，让其具备检测在城市内涝积水环境下的车辆，输出其掩膜以及对应的车型的功能；S22、使用残缺‑完整车辆数据集，对生成对抗网络进行训练，让其具备将残缺的车辆图像生成对应的完整车辆图像的功能；步骤S3、检测、生成使用：S31、使用带掩膜区域的卷积神经网络对图像进行检测，若图像中有被水遮挡的车辆，将会得到图像中被水遮挡的车辆的可见部分的掩膜及其车辆类型；S32、使用带掩膜区域的卷积神经网络输出的车辆掩膜，结合原图，可得到在城市内涝积水环境中的车辆图像，将该图像输入到生成对抗网络中，得到完整的车辆图像；S33、对比残缺车辆图像高度h_o与生成的完整车辆图像高度h_g，计算生成部分高度和整体车辆高度的比值再结合带掩膜区域的卷积神经网络输出的车辆类型，通过车型找到该车型所对应的通常高度H，由此可得到被水淹没的车辆部分的高度，即为内涝积水的深度