[发明专利]一种裂流监测和预警方法及系统

权利要求书

1.一种裂流监测和预警方法，其特征在于，包括：

获取监测区域的三维位置坐标和流速点云；

根据流速点云的水流流速及流向分布，判断是否存在裂流；

若不存在裂流，则重新扫描监测区域；

若存在裂流，

根据三维位置坐标标识裂流位置，根据水流流速及流向分布标识裂流最大流速和裂流范围；根据标识的裂流位置、裂流最大流速和裂流范围确定裂流的风险等级；

获取裂流区域的数字图像，将数字图像输入到预先训练好的卷积神经网络模型，判断裂流区域是否有人；若有人，发出裂流区域有人警报和裂流等级警报；若无人，则只发出裂流等级警报。

2.根据权利要求1所述的裂流监测和预警方法，其特征在于，利用三维激光雷达扫描监测区域，获取监测区域的三维位置坐标和流速点云，其中，流速点云基于多普勒效应得到。

3.根据权利要求1所述的裂流监测和预警方法，其特征在于，所述判断是否存在裂流的过程包括：

根据水流流速及流向分布判断水流是否存在垂直于岸线的剖面，同时在这些剖面上具有离岸向流速分布，若存在，则这些剖面上离岸水流形成的区域就是裂流区域，若不存在，则不存在裂流。

4.根据权利要求1所述的裂流监测和预警方法，其特征在于，所述风险等级包括高、中、低三个风险等级，所述裂流范围包括裂流长度和裂流宽度；

若裂流最大流速＞1m/s，裂流长度＞60m，裂流宽度＞20m，则裂流的风险等级为高等级；

若0.5m/s≤裂流最大流速≤1m/s，20m≤裂流长度≤60m，6m≤裂流宽度≤20m，则裂流的风险等级为中等级；

若裂流最大流速＜0.5m/s，裂流长度＜20m，裂流宽度＜6m，则裂流的风险等级为低等级。

5.根据权利要求1所述的裂流监测和预警方法，其特征在于，所述预先训练好的卷积神经网络模型的建立过程包括：

使用预先获取的利用数码相机采集的带有人像的裂流区域历史数字图片建立数据集；

将数据集随机分为训练集和验证集；

训练集输入到卷积神经网络中进行训练得到最优卷积神经网络模型；

输入验证集进行验证，满足验证的最优卷积神经网络模型即为预先训练好的卷积神经网络模型。

6.根据权利要求1所述的裂流监测和预警方法，其特征在于，所述训练集输入到卷积神经网络中进行训练得到最优卷积神经网络模型的过程包括：

训练集经过体素特征提取器得到张量化数据，将张量化数据输入卷积层，提取图像中人的基本特征；

将图像中人的基本特征输入到最大池化层，减少卷积过程产生的预测值偏移，并提取图像中人的具体特征；

将图像中人的具体特征输入到全连接层，将图像中人的各部分特征汇总输出；

输出结果与真实结果进行比较，建立损失函数，通过正向求导和反向传播修正模型参数，当损失函数值达到最小时，训练完成，模型达到最优。

7.一种裂流监测和预警系统，其特征在于，包括：

第一获取模块，用于获取监测区域的三维位置坐标和流速点云；

判断模块，用于根据流速点云的水流流速及流向分布，判断是否存在裂流；

若不存在裂流，则重新扫描监测区域；

若存在裂流，

根据三维位置坐标标识裂流位置，根据水流流速及流向分布标识裂流最大流速和裂流范围；根据标识的裂流位置、裂流最大流速和裂流范围确定裂流的风险等级；

第二获取模块，用于获取裂流区域的数字图像；

预警模块，用于将数字图像输入到预先训练好的卷积神经网络模型，判断裂流区域是否有人；若有人，发出裂流区域有人警报和裂流等级警报；若无人，则只发出裂流等级警报。

8.根据权利要求7所述的裂流监测和预警系统，其特征在于，所述判断模块包括裂流区域确定模块，

用于根据水流流速及流向分布判断水流是否存在垂直于岸线的剖面，同时在这些剖面上具有离岸向流速分布，若存在，则这些剖面上离岸水流形成的区域就是裂流区域，若不存在，则不存在裂流。