图像识别在内涝监控预警中的应用

图像识别在内涝监控预警中的应用

张梦雯

中水三立数据技术股份有限公司 安徽合肥230031

摘要：随着城市化进程不断加快，极端天气尤其是短时强降雨现象导致城市内涝灾害频发，如何提高城市的内涝预警和监控能力成为当下迫切需要解决的问题之一。近年来图像识别技术在国内各领域都有较好的实践应用，本文将图像识别技术与内涝监测预警智能化应用相结合，从内涝灾害发生的不同场景分别阐述图像识别的具体应用，建立多源合一的内涝监控体系,做到内涝风险早期识别、及时预警和智能应对。

关键词：图像识别、内涝淹没分析、积水水位、模型、数据处理。

作者简介：张梦雯（1987—），女，硕士，信息系统项目管理师，产品经理，41244133@qq.com

正文：

图像识别技术是人工智能领域中重要的组成部分，广泛应用于人脸识别、车牌号识别、疫情防控、高空抛物监管等日常工作中，发挥着重要作用。在城市内涝监控预警的不同应用场景中，也可通过图像识别技术对视频图像信息进行分析、处理和理解，智能识别不同目标对象的状态、变化及相关行为特征，并可以从海量图片视频中实时提取异常图像信息，优先在内涝监控预警信息平台中显示，并发布预警信息，避免遗漏。本文从图像识别技术发展现状出发，研究分析图像识别技术在内涝预报、积水监测、救援抢险等方面的智能应用。

1.图像识别技术的发展现状

随着人工智能技术和数字图像处理技术的迅速发展，图像识别技术在理论研究和实际应用中不断发展和改进，图像识别的效率和准确率都有很大程度的提高。目前常见的图像识别技术有以下两类。

（1）基于神经网络的图像识别技术

基于神经网络的图像识别技术是在传统图像识别技术的基础上发展起来的新型图像识别技术，其主要是将神经网络算法融入传统图像识别方法中，以提高图像识别结果的准确性和智能化程度。

（2）基于非线性降维的图像识别技术

基于非线性降维的图像识别技术是一种异常高维识别技术，这种图像识别技术不仅提高了识别计算机系统中复杂图像信息的能力，还能充分挖掘图像数据信息，减少冗余信息对图像识别造成的干扰，使识别的精度和效率得以提升。

2.图像识别技术在内涝监控预警中的应用

目前图像识别技术主要应用在水位的实时监测，其他场景应用较少。本文将图像识别技术的应用场景进行拓展，主要包括内涝淹没分析、无人机巡检、行人特征分析、人/车流量监测、水位实时监测和井盖完整度监测这几个方面。

（1）内涝淹没分析

利用遥感卫星图像识别高精度提取城市下垫面的不透水率，结合高时空精度商业气象数据、卫星反演的洪水淹没率定模型和地理、人口等其他数据，将人工智能和物理机制模型充分结合，提高预测精度，可以实现逐小时城市内涝淹没数据模拟。

通过高空间分辨率、高时间分辨率遥感卫星传感器及云平台技术，结合图像识别，可直接在云端实现影像及数据的快速获取及处理，并借助机器学习大幅度提高工作效率。利用遥感卫星反演的水面面积对模型率定和验证，通过人工智能与机器学习，使模型精度更精准，预测准确度、鲁棒度和可靠度提高。

（2）无人机巡检

无人机巡检是内涝监控日常巡检的主要方式之一，工作人员通过移动端或者客户端查看无人机的巡检轨迹、图像/视频、异常报警及GPS定位等信息。相比传统人工巡检，无人机低空视角可以更全面的把控全局，快速获取现场情况方便指挥人员与救援人员的实时沟通。

针对城市内涝监控的无人机巡检方式，巡检的目标可分为两大类：第一是对目标区域的积水状态进行定性分析，比如是否积水、积水的严重程度等；第二是通过无人机结合现场水位线标识，对积水水位的具体深度进行计算，定量分析得出具体的数据。

（3）行人特征分析

通过现场摄像机对场景中的人进行连续监控，然后对采集的视频数据进行特征提取，根据行人的体型、走路姿态智能识别出行人的性别、年龄以及是否跌倒，并使用相应的算法进行检测。

行人特征分析目标可分为三类：第一是行人角色识别，根据视频画面中人物的衣帽特征、颜色区分救援人员、巡检人员、行人等不同角色；第二是弱势群体识别，根据人物体型、走路姿态、面部等智能识别行人的年龄、性别等，自动判断弱势群体；第三是行人摔倒识别，识别行人站立、行走或摔倒的状态。

（4）人/车流量监测

通过制高点视频实时监控易涝点附近的交通状况，对周边交通拥堵情况进行智能预判，在有关部门收到暴雨预报后，可及时对现场车辆/行人提前进行疏散、限流、禁行等应急措施。

人/车流量监测的图像识别目标可分为两类：第一是车辆/行人移动方向分析，利用AI人工智能算法识别与大数据技术，实时获取车辆/行人移动轨迹及行径方向等精准数据，预判可能前往禁行地段的行人和车辆，为应急指挥提供决策支持；第二是交通拥堵预判，通过监控视频对监控点周边实时交通流量进行统计，与过去的交通流量和拥堵数据对比，并结合出行大数据等信息，对未来时段的交通状况进行精准预判，对即将发生拥堵的路段及时缓解，避免暴雨时交通拥堵情况发生。

（5）水位实时监测

水位实时监测主要用于监控重要易涝点（例如下穿桥）的积水情况，将监控摄像头与传统监测设备电子水尺相结合，搭建人工智能图像识别算法模型，植入前端视频设备，对水尺刻度读取、筛选和计算。

目前提取数据的方式主要有两种，第一是通过截取现场传统监测设备电子水尺监控画面，对画面中水尺、刻度线等信息进行提取分析，得出积水水位数据，这种方式识别准确度较高，但是需要日常布设和维护积水点电子水尺；第二是直接对监控摄像头拍摄到的积水画面进行分析，通过大数据深度学习技术，结合多种算法模型，对积水水位判断识别，不需要传统电子水尺等设备的日常维护，但是针对复杂场景中的水位识别准确度尚需提高。

（6）井盖完整度监测

基于高分辨率的AI影像智能解译技术，采用深度卷积神经网络、面向对象的影像提取方法，人工开展井盖样本标注工作，由卷积神经网络进行模型训练，可实现井盖空间范围的自动提取，通过基于特征的分类样本库建设，可进一步实现部分属性信息的自动获取，例如材质、半径、分类等。解决人工判读效率低、遗漏率高等问题，减少外业核查工作量。

3.图像识别技术的应用前景

随着新技术普及和城市中各场景监控设备的完善，图像识别技术在城市内涝监控预警中应用范围也不断扩大，对视频监控设备的抗干扰能力的要求也随之提高。未来需要考虑强降雨或雾霾等天气下的图片采集质量，通过结合软件进行去噪等精准还原，减少恶劣天气对测量准确度的影响。

未来，图像识别技术在提取算法或深度学习模型在技术上还需要持续改进，以便为城市内涝防控提供更加有力的技术辅助支撑。

参考文献

[1]栾清华，秦志宇，王东，刘家宏，付潇然．城市暴雨道路积水监测技术及其应用进展.水资源保护. 2022,38(01).

[2]杨耿，张业明，侯金利，刘咏炫，鲁骏，周靖.高速公路图像识别技术应用探析.中国交通信息化. 2022,(S1).

[3]曹敏．基于深度学习的遥感图像识别技术应用研究——评《基于深度神经网络的遥感图像分割》．有色金属工程. 2021,11(12).

[4]张勤学，颜继雄．一种基于机器图像识别技术的城市道路积水图像识别系统: CN111353380A［P］. 2020-06-30.

[5]周衡，仲思东．基于视频图像的水位监测方法研究［J］．半导体光电，2019,40( 3): 390-394．

[6]兰华勇，严华．基于图像识别技术的水尺刻度提取方法研究［J］．人民黄河,2015，37 (3): 28-30．