(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211299943.X (22)申请日 2022.10.24 (71)申请人 江西省大气探测技 术中心 地址 330096 江西省南昌市高新区艾溪湖2 路323号 (72)发明人 李芬　冯祥胜　唐传师　何瑶　 魏明明　胡沁　 (74)专利代理 机构 南昌旭瑞知识产权代理事务 所(普通合伙) 36150 专利代理师 刘红伟 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/136(2017.01) G06T 7/155(2017.01) G06T 7/73(2017.01)G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06T 5/30(2006.01) (54)发明名称 基于图像处理的涝点检测方法、 系统、 存储 介质及设备 (57)摘要 本发明提供了一种基于图像处理的涝点检 测方法、 系统、 存储介质及设备， 由于现在手机的 普及率很高， 而且手机都配置有拍摄功能， 通过 人们手中的手机作为涝点监测设备， 获取手机拍 摄的涝点照片， 并对涝点照片中的积水进行识 别， 使得涝点检测方式更为智能、 高效， 不再需要 依赖于观测站对城市道路中的内涝点进行监测， 具体的， 通过获取用户上传的拍摄图片， 当判断 该拍摄图片为预设区域中的涝点位置时， 将拍摄 图片输入图像处理模型， 并进行后处理处理， 得 到后处理图像， 最后判断该后处理图像是否属于 内涝类别， 若是， 则发出内涝预警信息， 该方法有 效解决了搭建和维护观测站成本较高， 且观测站 出现故障的期间， 无法及时给用户提供内涝点数 据的问题。 权利要求书3页 说明书11页 附图4页 CN 115375683 A 2022.11.22 CN 115375683 A 1.一种基于图像处 理的涝点检测方法， 其特 征在于， 所述方法包括： 预先获取预设区域中的各涝点位置以及各所述涝点位置的特征参照物， 并预先建立所 述涝点位置与对应的所述特征参照物的映射模型， 并根据所有所述特征参照物， 建立特征 参照物库； 获取用户上传的拍摄图片， 识别所述拍摄图片中的目标参照物， 并判断所述目标参照 物是否存在于所述特 征参照物库中； 若是， 则将所述目标参照物输入所述映射模型中， 得到对应的目标涝点位置， 并将所述 拍摄图片输入图像处 理模型， 输出涝点分割图像； 将所述涝点分割图像进行后处理， 得到后处理图像， 并判断所述后处理图像是否属于 内涝类别； 若是， 则发出内涝预警信息， 所述内涝预警信息至少包括所述内涝类别和所述目标涝 点位置。 2.根据权利要求1所述的基于图像处理 的涝点检测方法， 其特征在于， 所述将所述目标 参照物输入所述映射模型中， 得到对应的目标涝点位置， 并将所述拍摄图片输入图像处理 模型， 输出涝点分割图像的步骤之前包括： 获取历史涝点图像， 并对所述历史涝点图像中的第一积水类区域、 第二积水类区域和 非积水区域进 行标记和划分， 得到训练集数据， 其中， 所述第一积水类区域的积水深度大于 第一阈值且小于等于第二阈值， 所述第二积水类区域的积水深度大于等于第二阈值； 将所述训练集数据输入到图像分割网络 中进行训练， 其中， 训练过程为， 将所述训练集 数据输入主干网络， 得到特 征图； 将所述特征图依次输入位置网络和路径网络， 得到对应的位置特征图和路径特征图， 并将所述位置特征图和所述路径特征图融合， 得到历史涝点分割图像， 以完成所述图像处 理模型的建立。 3.根据权利要求2所述的基于图像处理 的涝点检测方法， 其特征在于， 所述位置网络可 以表示为： 其中， Sji表示第 （j， i） 个格点的预测概率图， Aj表示尺寸为C ×H×W的第j行的特征图， Bi 表示由Aj经过变换得到尺 寸为N×C的第i列的特征图， Cj表示由Aj经过变换得到尺 寸为C×N 的第j行的特征图， Di表示由Aj经过变换得到尺寸为C ×N的第i列的特征图， E表示位置特征 图， α表示位置特征参数， C表示为特征图的路径数， H表示特征图的高度， W表示特征图的长 度， N表示特 征图中像素的总列数。 4.根据权利要求2所述的基于图像处理 的涝点检测方法， 其特征在于， 所述路径网络可 以表示为：权　利　要　求　书 1/3 页 2 CN 115375683 A 2其中， Xji表示第 （j， i） 个路径的权重值， Aj表示尺寸为C ×H×W的第j行的特征图， Bi表示 由Aj经过变换得到尺 寸为N×C的第i列的特征图， Cj表示由Aj经过变换得到尺 寸为C×N的第 j行的特征图， Di表示由Aj经过变换得到尺寸为C ×N的第i列的特征图， F表示路径特征图， β 表示路径特 征参数， C表示 为特征图的路径数， H表示特 征图的高度， W表示特 征图的长度。 5.根据权利要求2所述的基于图像处理 的涝点检测方法， 其特征在于， 所述将所述涝点 分割图像进行后处理， 得到后处理图像， 并判断所述后处理图像是否属于内涝类别的步骤 包括： 根据所述历史涝点分割图像， 确定像素点 区域阈值， 并根据 所述像素点区域阈值， 将所 述涝点分割图像中的干扰区域滤除， 得到目标图像； 将所述目标图像进行 数学形态学运 算， 得到边界清晰的后处 理图像。 6.根据权利要求2所述的基于图像处理 的涝点检测方法， 其特征在于， 所述获取用户上 传的拍摄图片， 识别所述拍摄图片 中的目标参照物， 并判断所述 目标参照物是否存在于所 述特征参照物库中的步骤之后包括： 当判断所述目标参照物存在于所述特征参照物库中时， 获取所述拍摄图片的拍摄时 间， 以及所述拍摄时间的预设时间段内的气象数据， 并根据所述气象数据， 判断是否存在雨 水天气； 若是， 则执行所述将所述目标参照物输入所述映射模型中， 得到对应的目标涝点位置， 并将所述拍摄图片输入图像处 理模型， 输出涝点分割图像的步骤。 7.根据权利要求6所述的基于图像处理 的涝点检测方法， 其特征在于， 所述当判断所述 目标参照物存在于所述特征参照物库中时， 获取所述拍摄图片的拍摄时间， 以及所述拍摄 时间的预设时间段内的气象数据， 并根据所述气象数据， 判断是否存在雨水天气的步骤包 括： 获取所述拍摄时间和用户上传所述拍摄图片的上传时间， 判断所述拍摄时间与所述上 传时间的间隔时间是否超过 预设时间； 若否， 则获取所述拍摄时间的预设时间段内的气象数据， 并根据 所述气象数据， 判断是 否存在雨水天气。 8.一种基于图像处 理的涝点检测系统， 其特 征在于， 所述系统包括： 获取模块， 用于预先获取预设区域中的各涝点位置以及各所述涝点位置的特征参照 物， 并预先建立所述涝点位置与对应的所述特征参照物的映射模型， 并根据所有所述特征 参照物， 建立特 征参照物库； 参照物判断模块， 用于获取用户上传的拍摄图片， 识别所述拍摄图片中的目标参照物， 并判断所述目标参照物是否存在于所述特 征参照物库中；权　利　要　求　书 2/3 页 3 CN 115375683 A 3