(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221021716 0.6 (22)申请日 2022.03.07 (65)同一申请的已公布的文献号 申请公布号 CN 114359841 A (43)申请公布日 2022.04.15 (73)专利权人 武汉大水云科技有限公司 地址 430070 湖北省武汉市洪山区珞珈山 路19号中科开物大厦15A (72)发明人 刘炳义　刘维高　嵇莹　 (74)专利代理 机构 深圳峰诚志合知识产权代理 有限公司 4 4525 专利代理师 张腾 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/26(2022.01)G06V 10/30(2022.01) G06V 10/774(2022.01) G06V 10/776(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G01F 23/04(2006.01) (56)对比文件 CN 112985542 A,2021.0 6.18 CN 114140518 A,202 2.03.04 US 20183 56221 A1,2018.12.13 CN 110287953 A,2019.09.27 CN 102975826 A,2013.0 3.20 CN 213039490 U,2021.04.23 李厚永等.水位 流量关系单值 化分析综合模 型研究及应用. 《水文》 .201 1, 审查员 闵格 (54)发明名称 一种基于时空平均的视频水位识别方法 (57)摘要 本发明提供一种基于时空平均的视频水位 识别方法， 在标定方法上， 采用带十字中心的标 识物进行人工标定， 准确获取标定点在视频图像 中的像素尺度坐标， 提高了标定精度， 降低了像 素‑高程关系误差； 在虚拟水尺像素 ‑高程关系构 建上， 考虑空间现象的分布情况， 采用考虑距离 权重的插值方法， 降低河床底部形状、 安装点的 建筑物对插值结果的影响； 在水位值计算上， 采 用莱茵达准则进行像素尺度的异常值剔除， 减小 图像噪声误差， 同时采用考虑变幅阈值的时空平 均法进行水位值的计算， 去除水位跳变影响， 获 取高精度的可用水位 值。 权利要求书2页 说明书6页 附图4页 CN 114359841 B 2022.06.03 CN 114359841 B 1.一种基于时空平均的视频 水位识别方法， 其特 征在于， 包括以下步骤： 步骤1： 在河道监测断面的岸边固定摄 像头； 步骤2： 在视频画面中选取河床底部平整无明显起伏 的河段， 从左到右分成n个大小相 同的区域， n≥5， 每个区域的高度为视频画 面覆盖的河岸高度； 在每个区域的河岸从上到下 固定m个带十 字中心的标识 物， m≥5， 每 个区域的标识 物固定在区域的中心线上； 步骤3:记录视频画面中标识物中心点的像素坐标； 通过全站仪测量标识物中心点的高 程； 形成n组像素 ‑高程关系数据集； 利用反距离加权法对每组像素 ‑高程关系进行插值， 计 算出每个区域像素对应的高程 值； 步骤4： 根据插值结果在视频画面中生成n个， 以区域标识物中心点像素拟合的直线为 中心轴的虚拟水尺； 步骤5： 采集不同时段、 不同天气、 不同场景条件下的水面和岸线相交的视频图像， 对原 始视频图像进行模糊、 镜像、 噪声、 旋转、 随机偏斜数据增强操作， 得到视频图像集， 采用 Labelme进行水面和河岸的标注， 将标注后的数据集按照9： 0.5： 0.5的比例随机划分为训练 集、 测试机和验证集； 搭建Deeplabv3+语义分割模型， 将标注后的数据集输入模型进行训 练， 保存训练结果； 步骤6： 通过实时获取安装在监测断面岸边的摄像头拍摄到的视频图像并输入训练好 的Deeplabv3+语义分割模型中， 得到语义分割后的图像； 步骤7： 利用步骤4中构建的虚拟水尺， 计算分割后的每帧图像中落入每个区域一段水 面与岸线相交的水位线的像素对应的水位值， 采用莱茵达准则剔除异常值后计算剩余像素 对应高程的均值作为该区域的水位 值； 步骤8： 获取固定时长的视频， 划分为多个相同时长的连续时序， 每个时序包含T帧图 像， 利用步骤7对每帧图像进行计算， 得到时空序列水位值 sa(a＝1,2, …,n)为划 分的每个区域， tqv为第q(q＝1,2, …,Q)个时序的第v(v＝1,2, …,T)帧图像， 利用时空平均 法求得第q个时序的时空平均水位 值 μa。 2.根据权利要求1所述的一种基于时空平均的视频水位识别方法， 其特征在于： 标识物 大小为2cm*2cm， 垂直方向的间隔根据河岸的高度设置为10 cm‑50cm。 3.根据权利要求1所述的一种基于时空平均的视频水位识别方法， 其特征在于： 任意一 个区域的像素 ‑高程关系数据集： [{(x1,y1),Z1},{(x2,y2),Z2},…,{(xi,yi),Zi}]i∈{1, 2,…,m}， 其中(xi,yi)表示该区域第i个标识物中心点对应像素坐标， Zi表示该区域第i个标 识物中心点对应 像素点的实测高程， m为该区域标识 物的个数； 其中 式中， Z为该区域待插值像素点的高程值； Zi为该区域第i个标识物中心点对应像 素点的权　利　要　求　书 1/2 页 2 CN 114359841 B 2实测高程， λi为Zi对应的权重， di为该区域第i个标识物中心点像素(xi， yi)与待插点像素(x, y)之间的距离， m为该区域标识 物的个数。 4.根据权利要求1所述的一种基于时空平均的视频水位识别方法， 其特征在于： 虚拟水 尺的最小刻度为0.1m。 5.根据权利要求1所述的一种基于时空平均的视频水位识别方法， 其特征在于： 对于各 区域分割后图像的水面与岸线相交的水位线从左到右的像素对应的水位值Z1,Z2,…,Zj； 其 中j为区域从左到右的像素序号； 先求得算数平均值 其中k＝1,2, …,j； 计算各 水位值的剩余误差 其中k＝1,2, …,j； 均方根偏差 其中k＝1,2, …,j； 利用各水位值的剩余残差的绝对值| τk|与3σ 进行比较， 若| τk|>3σ； 其中k ＝1,2,…,j； 则认为该水位值为异常值予以剔除， 然后再重新求剩余数据的算数平均值、 残 差和标准差进 行比较， 如此循环剔除异常数据， 直到 没有为止， 对保留下来的非异常值求取 均值作为该区域的水位 值。 6.根据权利要求1所述的一种基于时空平均的视频 水位识别方法， 其特 征在于： 式中μq为第q个时序的时空平均水位值， 为第n个区域的空间平均水位值， 为q时刻第v帧图像的第n个区域的水位值， 为q时刻第v帧的水位值， λ为水位变幅阈 值， 根据实际情况进行设置， 对于风浪引起的水面小幅度的波动， 变幅阈值设为10 cm。权　利　要　求　书 2/2 页 3 CN 114359841 B 3