本發(fā)明涉及城市水位監(jiān)控，特別是涉及一種基于動(dòng)態(tài)交互設(shè)備管理機(jī)制的城市內(nèi)澇監(jiān)控告警方法。

背景技術(shù)：

1、隨著城市化進(jìn)程的不斷推進(jìn)，城市內(nèi)澇問題日益嚴(yán)重。特別是在季風(fēng)雨季或者突發(fā)性暴雨期間，城市道路和地下空間常常被積水覆蓋，導(dǎo)致居民出行受阻、建筑物受損以及電力設(shè)備故障等問題，給城市的正常運(yùn)行和居民生活帶來巨大困擾。此外，內(nèi)澇問題還可能造成環(huán)境污染和衛(wèi)生隱患。近年來，全球氣候變化加劇，極端天氣事件頻發(fā)，城市內(nèi)澇問題變得更加普遍和嚴(yán)重，迫切需要有效的監(jiān)控和預(yù)警手段來減輕其影響。

2、目前用于城市內(nèi)澇監(jiān)測(cè)的技術(shù)主要包括物理設(shè)備監(jiān)測(cè)和遙感技術(shù)監(jiān)測(cè)兩大類，這種方法存在安裝成本和維護(hù)成本高、覆蓋范圍有限等問題，難以實(shí)現(xiàn)大范圍的實(shí)時(shí)監(jiān)測(cè)，并且實(shí)時(shí)性差，數(shù)據(jù)采集和傳輸存在滯后性，近年來，隨著計(jì)算機(jī)視覺和深度學(xué)習(xí)技術(shù)的快速發(fā)展，基于視頻圖像處理的內(nèi)澇監(jiān)測(cè)方法開始興起。這些方法利用城市道路上的監(jiān)控?cái)z像頭獲取視頻數(shù)據(jù)，通過圖像處理和深度學(xué)習(xí)算法，實(shí)現(xiàn)對(duì)積水區(qū)域的自動(dòng)識(shí)別和監(jiān)測(cè)，具備實(shí)時(shí)性強(qiáng)、成本低、覆蓋面廣等優(yōu)勢(shì)，但是存在以下問題

3、(1)內(nèi)澇積水區(qū)域在時(shí)間和空間上都會(huì)發(fā)生動(dòng)態(tài)變化，區(qū)域往往呈現(xiàn)不規(guī)則形狀，且從潮濕、積水到內(nèi)澇的幾種程度的邊界模糊，給分割模型增大了難度；

4、(2)由于網(wǎng)路傳輸原因?qū)е乱曨l流頻繁中斷、未知編碼錯(cuò)誤、rtsp地址無(wú)法獲取等，經(jīng)常使得監(jiān)控告警系統(tǒng)出現(xiàn)不穩(wěn)定性和非連續(xù)性現(xiàn)象，進(jìn)而導(dǎo)致監(jiān)測(cè)系統(tǒng)無(wú)法及時(shí)響應(yīng)并提供準(zhǔn)確的預(yù)警信息；

5、(3)在應(yīng)對(duì)大規(guī)模視頻監(jiān)控系統(tǒng)時(shí)，由于硬件資源(如顯存、網(wǎng)絡(luò)帶寬、cpu處理能力)的有限性，對(duì)成百上千路攝像頭實(shí)施實(shí)時(shí)并發(fā)推理往往會(huì)超出系統(tǒng)承載能力；

6、(4)積水區(qū)域可能與道路、低洼地等具有相似外觀的區(qū)域混淆，導(dǎo)致模型難以準(zhǔn)確區(qū)分；還可能包含雜物、垃圾等遮擋物，這些遮擋物會(huì)干擾模型的分割過程。監(jiān)測(cè)系統(tǒng)需要在各種復(fù)雜條件下保持高準(zhǔn)確率和穩(wěn)定性，避免誤報(bào)和漏報(bào)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述現(xiàn)有技術(shù)的不足，本專利申請(qǐng)所要解決的技術(shù)問題是如何提供一種高實(shí)時(shí)性和準(zhǔn)確性、網(wǎng)絡(luò)傳輸穩(wěn)定，預(yù)警自動(dòng)化的基于動(dòng)態(tài)交互設(shè)備管理機(jī)制的城市內(nèi)澇監(jiān)控告警方法。

2、為了解決上述技術(shù)問題，本發(fā)明采用了如下的技術(shù)方案：

3、一種基于動(dòng)態(tài)交互設(shè)備管理機(jī)制的城市內(nèi)澇監(jiān)控告警方法，包括以下步驟：s1：建立pgsql數(shù)據(jù)庫(kù)對(duì)城市內(nèi)澇的設(shè)備信息、告警事件信息、告警事件的軌跡信息進(jìn)行高效管理；s2：建立動(dòng)態(tài)設(shè)備管理機(jī)制，針對(duì)視頻流頻繁中斷或rtsp地址無(wú)法獲取導(dǎo)致的系統(tǒng)不穩(wěn)定性問題；s3：建立智能輪循推理機(jī)制，針對(duì)大規(guī)模視頻監(jiān)控時(shí)，存在的硬件資源有限性問題；s4：建立基于resnet的畫面異常分類模型，確保能夠準(zhǔn)確抓取正常的監(jiān)控畫面；s5：建立積水分割模型，實(shí)現(xiàn)對(duì)城市道路積水區(qū)域和水位標(biāo)尺的高精度實(shí)時(shí)監(jiān)測(cè)；s6：建立數(shù)據(jù)采集策略，對(duì)每個(gè)當(dāng)前處于使用狀態(tài)的監(jiān)控設(shè)備進(jìn)行數(shù)據(jù)采集；s7：建立內(nèi)澇事件告警策略，實(shí)現(xiàn)及時(shí)預(yù)警。

4、作為優(yōu)化，步驟s2中所述動(dòng)態(tài)設(shè)備管理機(jī)制的核心在于當(dāng)前未獲取到可用的rtsp地址、捕獲到任意設(shè)備連接中斷異常、系統(tǒng)負(fù)載較大導(dǎo)致系統(tǒng)中斷重啟時(shí)，能夠迅速且自動(dòng)切換到下一組可用的設(shè)備繼續(xù)識(shí)別，并通過數(shù)據(jù)庫(kù)相關(guān)字段更新，高效管理設(shè)備狀態(tài)。

5、作為優(yōu)化，步驟s3中，建立智能輪循推理機(jī)制，高效利用有限資源，確保監(jiān)控系統(tǒng)的持續(xù)穩(wěn)定運(yùn)行；包括計(jì)時(shí)器系統(tǒng)，所述計(jì)時(shí)器系統(tǒng)負(fù)責(zé)監(jiān)控每批當(dāng)前被分配用于推理的rtsp設(shè)備的使用時(shí)長(zhǎng)，達(dá)到閾值將觸發(fā)一個(gè)資源重置信號(hào)，捕捉到所述重置信號(hào)后，立即“開始輪循下一批設(shè)備”。

6、作為優(yōu)化，步驟s4中建立基于resnet的畫面異常分類模型，所述模型為基于resnet殘差網(wǎng)絡(luò)的畫面異常分類模型，實(shí)現(xiàn)預(yù)處理數(shù)據(jù)、優(yōu)化模型訓(xùn)練過程，能夠?qū)崟r(shí)處理視頻流，對(duì)每一幀或關(guān)鍵幀進(jìn)行快速異常分類，以排除因網(wǎng)絡(luò)傳輸卡頓、攝像頭模糊而導(dǎo)致的異常視頻幀畫面，確保只有正常清晰的視頻幀畫面被納入后續(xù)的數(shù)據(jù)采集和積水分析流程。

7、作為優(yōu)化，步驟s5中所述積水分割模型為基于改進(jìn)版yolov8實(shí)例分割模型，其訓(xùn)練包括如下步驟：a1：數(shù)據(jù)采集：通過安裝在城市道路的監(jiān)控?cái)z像頭采集視頻數(shù)據(jù)，攝像頭需安裝在合適的高度和角度，并具備夜視功能以確保全天候監(jiān)測(cè)效果，采集到的視頻數(shù)據(jù)通過網(wǎng)絡(luò)實(shí)時(shí)傳輸?shù)綌?shù)據(jù)處理中心進(jìn)行分析；a2：數(shù)據(jù)預(yù)處理：對(duì)采集的視頻數(shù)據(jù)進(jìn)行幀提取、去噪、色彩校正等預(yù)處理操作，以確保輸入數(shù)據(jù)的質(zhì)量和一致性，視頻幀被轉(zhuǎn)換為圖像序列后，輸入到y(tǒng)olov8模型進(jìn)行進(jìn)一步處理；a3：模型訓(xùn)練與優(yōu)化：構(gòu)建高質(zhì)量的訓(xùn)練集和測(cè)試集，這些數(shù)據(jù)集包括多種場(chǎng)景下的積水圖像，覆蓋不同的天氣條件、光照變化及攝像頭角度，利用標(biāo)注的數(shù)據(jù)對(duì)yolov8模型進(jìn)行訓(xùn)練，并不斷調(diào)優(yōu)模型參數(shù)，以提高其對(duì)積水區(qū)域和水位標(biāo)尺的檢測(cè)精度和穩(wěn)定性。

8、作為優(yōu)化，步驟s5中建立的積水分割模型對(duì)城市道路積水區(qū)域和水位標(biāo)尺的高精度實(shí)時(shí)監(jiān)測(cè)的過程如下：b1：通過優(yōu)化改進(jìn)的yolov8實(shí)例分割模型對(duì)視頻幀進(jìn)行實(shí)時(shí)處理，識(shí)別出積水區(qū)域并進(jìn)行分割，利用圖像處理技術(shù)，計(jì)算積水區(qū)域的面積和位置，從而確定積水范圍；b2：通過優(yōu)化改進(jìn)的yolov8實(shí)例分割模型識(shí)別標(biāo)尺上不同顏色，包括綠色、黃色、紅色區(qū)域，并確定其位置和大小，通過分析顏色區(qū)域的高度比例，計(jì)算積水深度；b3：在存在多個(gè)水位標(biāo)尺的場(chǎng)景下，優(yōu)化改進(jìn)的yolov8實(shí)例分割模型識(shí)別出所有標(biāo)尺，并通過幾何分析確定標(biāo)尺的坐標(biāo)以及標(biāo)尺之間的相對(duì)位置和高度，根據(jù)各標(biāo)尺的識(shí)別結(jié)果，通過加權(quán)平均算法綜合計(jì)算積水深度；b4：在物理標(biāo)尺長(zhǎng)時(shí)間被遮擋或不可見的情況下，使用虛擬標(biāo)尺來判斷積水深度。

9、作為優(yōu)化，步驟s6中，建立的數(shù)據(jù)采集策略，對(duì)當(dāng)前處于使用狀態(tài)的監(jiān)控設(shè)備進(jìn)行數(shù)據(jù)采集，無(wú)論設(shè)備是否即時(shí)檢測(cè)到積水情況，均設(shè)定為每10分鐘自動(dòng)捕獲并保存當(dāng)前攝像頭的原始圖像幀至專用的存儲(chǔ)服務(wù)器上。

10、作為優(yōu)化，步驟s7中建立的內(nèi)澇事件告警策略，其告警過程分為開始積水、持續(xù)積水和結(jié)束積水；其告警方法依賴于上述模型推理結(jié)果和事件告警計(jì)時(shí)器，在每次輪循推理設(shè)備時(shí)，為每個(gè)設(shè)備編碼均分配一個(gè)專有的事件告警計(jì)時(shí)器，計(jì)時(shí)器記錄對(duì)應(yīng)的設(shè)備編碼、上一次發(fā)現(xiàn)積水時(shí)間、上一次未發(fā)現(xiàn)積水時(shí)間、當(dāng)前設(shè)備是否確認(rèn)發(fā)現(xiàn)積水狀態(tài)、持續(xù)積水期間的漏檢數(shù)、未積水期間的錯(cuò)檢積水?dāng)?shù)、事件推理次數(shù)、是否有未結(jié)束積水事件的標(biāo)志、當(dāng)前積水事件編號(hào)信息，如果查詢到數(shù)據(jù)庫(kù)積水事件表中該設(shè)備存在已有開始時(shí)間但無(wú)結(jié)束時(shí)間值的事件時(shí)，則初始化未結(jié)束積水事件的標(biāo)志設(shè)置為true，當(dāng)前事件編號(hào)為該未結(jié)束積水事件的事件編號(hào)，且在當(dāng)前事件未結(jié)束前發(fā)現(xiàn)的積水記錄均為該事件的軌跡；否則未積水事件標(biāo)志為false，以當(dāng)前設(shè)備和時(shí)間戳組合新建事件編號(hào)，并開始記錄新的一個(gè)積水事件。

11、本發(fā)明具有以下效果：

12、能夠在有限的硬件資源條件下，有效應(yīng)對(duì)了網(wǎng)絡(luò)波動(dòng)、設(shè)備故障等不利因素，實(shí)現(xiàn)對(duì)大規(guī)模攝像頭網(wǎng)絡(luò)的有效監(jiān)控，同時(shí)確保推理服務(wù)的連續(xù)性和穩(wěn)定性，降低因連接問題導(dǎo)致的監(jiān)控失效風(fēng)險(xiǎn)，避免資源得無(wú)謂消耗，提升系統(tǒng)的整體性能。

13、訓(xùn)練高精度yolov8模型用于積水區(qū)域分割，同時(shí)通過精細(xì)化的狀態(tài)轉(zhuǎn)換邏輯與容錯(cuò)機(jī)制，結(jié)合實(shí)時(shí)視頻流分析與定期數(shù)據(jù)記錄，實(shí)現(xiàn)了對(duì)城市內(nèi)澇事件的精準(zhǔn)檢測(cè)、及時(shí)告警與全程追蹤，提高了城市內(nèi)澇積水區(qū)域監(jiān)控告警的精度與可靠性，為城市防洪減災(zāi)工作提供了強(qiáng)有力的技術(shù)支持。