CN119470967B 一种基于智能视觉分析的水域表面流速区域监测方法 （浙江省水利河口研究院(浙江省海洋规划设计研究院)）

一种基于智能视觉分析的水域表面流速区本发明公开了一种基于智能视觉分析的水2对目标水域进行连续图像采集，获取水域表面流动的动态图像，将输入的连续两帧图像It和ltr被下采样到{1/4,1/8,1/16}三个尺度，以提取不同分;;;;F的L2范数，F'表示F经过L2归一化处理后的特征图；;;基于注意力权重A与归一化后的t+1时刻归一化处理后的特征图F'得到优化后的匹;;3使用特征递归优化的模块对光流场进行细化，特征递归优化的模块;在获取所述光流场数据后，将光流估计的像素位移信息转2.根据权利要求1所述的一种基于智能视觉分析的水域表面流速区域监测方法，其特3.根据权利要求2所述的一种基于智能视觉分析的水域表面流速区域监测方法，其特设定所述高分辨率摄像头以恒定帧率对图像进行采集，则相邻两帧的时间间隔为,为了确保光流估计模型能够准确捕捉水域表面流动的局部特征变化，帧率的选择需要满足以下条件：;;;;;所述高分辨率摄像头在采集过程中需保持稳定，且光轴垂直于水面或具有固44.根据权利要求1或3所述的一种基于智使用高斯滤波器对图像进行去噪处理，去除环境噪声对纹理;;;将完成去噪和灰度化处理的图像的像素值归一化到区间[0,1]，以适应光流估计算法的;5.根据权利要求1所述的一种基于智能视觉分析的水域表面流速区域监测方法，其特单应性矩阵H用于将图像平面上的点映射到实际水体表;;高分辨率摄像头外参描述了高分辨率摄像头坐5;;z方向上的平移分量；。6.根据权利要求5所述的一种基于智能视觉分析的水域表面流速区域监测方法，其特实际速度；设定光流估计结果为像素位移场w=(u',v')，其中u'和v'分别表示在x轴和y;;。7.根据权利要求6所述的一种基于智能视觉分析的水域表面流速区域监测方法，其特基于ROI内的像素数量N和ROI中的像素索引位置所对应的流速;6;;;值。78[0027]lldllsL；[0034]I'(x,y)=-r:⃞--XI(x+u,y+v)·G(u,v)；9方向与y轴方向上的像素坐标，k表示高斯核的x轴与y轴分辨率，I(xr,y)表示原始图像，I'(x,y)表示滤波后的图像，G(u,v)表示高斯核函数；[0040]lgray(x,y)=0.2989·R(x,y)+0.5870·G(x,[0046]将输入的连续两帧图像It和ltr被下采样到{1/4,1/8,1/16}三个尺度，以提取不表示F的L2范数，F'表示F经过L2归一化处理后的特征图。F1'的像素索引；[0060]基于注意力权重A与归一化后的t+1时刻归一化处理后的特征图F'得到优化后[0071]单应性矩阵H用于将图像平面上的点映射到实际水体表面坐标系，所述单应性矩[0072]设定所述高分辨率摄像头的内参矩阵为K，外参由旋转矩阵R和平移向量t'表示，[0077]高分辨率摄像头外参描述了高分辨率摄像头坐标系与世界坐标系之间的转换关ty[0083]通过单应性矩阵H，将图像上的像素坐标(xi,yi)可映射到水体表面实际坐标(X,Y)：表面实际速度；设定光流估计结果为像素位移场w=(u',v')，其中u'和v'分别表示在x轴[0097]基于ROI内的像素数量N和ROI中的像素索引位置i'所对应的,[0106]应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特[0110]图3是根据本发明实施例1提供的无人机平台河道流速监测的场景示意图的示意[0137]lldllsL；[0144]I'(x,y)=-r:⃞--XI(x+u,y+v)·G(u,v)；方向与y轴方向上的像素坐标，k表示高斯核的x轴与y轴分辨率，I(xr,y)表示原始图像，I'(x,y)表示滤波后的图像，G(u,v)表示高斯核函数；[0150]lgray(x,y)=0.2989·R(x,y)+0.5870·G(x,[0158]将输入的连续两帧图像It和ltr被下采样到{1/4,1/8,1/16}三个尺度，以提取不i纹理细节。在本发明中采用VisionTransformer网络结构作为Backbone主干特征提取网表示F的L2范数，F'表示F经过L2归一化处理后的特征图。[0168]特征匹配是光流估计的核心步骤。本发明通过全局相关性匹配构建代价体积（costvolume以捕捉输入两帧图像之F1'的像素索引；[0174]基于注意力权重A与归一化后的t+1时刻归一化处理后的特征图F'得到优化后[0186]在获取光流场后，需将光流估计的像素位移信息转换为实际物理单位上的流速[0187]单应性矩阵H用于将图像平面上的点映射到实际水体表面坐标系，所述单应性矩[0188]设定所述高分辨率摄像头的内参矩阵为K，外参由旋转矩阵R和平移向量t'表示，[0193]高分辨率摄像头外参描述了高分辨率摄像头坐标系与世界坐标系之间的转换关z方向上的平移分量；[0199]通过单应性矩阵H，将图像上的像素坐标(xi,yi)可映射到水体表面实际坐标(X,Y)：表面实际速度；设定光流估计结果为像素位移场w=(u',v')，其中u'和v'分别表示在x轴,[0244]lldllsL；[0254]在获取光流场后，需将光流估计的像素位移信息转换为实际物理单位上的流速[0256]单应性矩阵H用于将图像平面上的点映射到实际水体表面坐标系，所述单应性矩[0257]设定所述高分辨率摄像头的内参矩阵为K，外参由旋转矩阵R和平移向量t'表示，[0264]高分辨率摄像头外参描述了高分辨率摄像头坐标系与世界坐标系之间的转换关z方向上的平移分量；[0273]通过单应性矩阵H，将图像上的像素坐标(xi,yi)可映射到水体表面实际坐标(X,Y)：表面实际速度；设定光流估计结果为像素位移场w=(u',v')，其中u'和v'分别表示在x轴[0288]基于ROI内的像素数量N和ROI中的像素索引位置所对应的流速vi平均流速,流速v=8.8cm/s，流速最大值Mnax=130.0cm/s，流速最小值vin=0cm/s。[0301]图4a至图4d是实施例1无人机平台河道流速监测的流速区域分布分析示例图。图[0312]设定所述高分辨率摄像头以恒定帧率对图像进行采集，则相邻两帧的时间间隔[0325]lldllsL；[0335]在获取光流场后，需将光流估计的像素位移信息转换为实际物理单位上的流速[0337]单应性矩阵H用于将图像平面上的点映射到实际水体表面坐标系，所述单应性矩[0345]高分辨率摄像头外参描述了高分辨率摄像头坐标系与世界坐标系之间的转换关z方向上的平移分量；[0354]通过单应性矩阵H，将图像上的像素坐标(xi,yi)可映射到水体表面实际坐标(X,Y)：表面实际速度；设定光流估计结果为像素位移场w=(u',v')，其中u'和v'分别表示在x轴[0369]基于ROI内的像素数量N和ROI中的像素索引位置i'所对应的流速vi)平均流速,[0378]本实施例中，通过闸泵站泄放流速监测，图像对应的完整监测范围内平均流速V=8.9cm/s，流速最大值Mnax=120.9cm/s，流速最小值vin=0cm/s。[0382]