水库运行安全监管系统及方法与流程

本发明涉及水库管理，具体涉及的一种水库运行安全监管系统及方法。

背景技术：

1、水库是指在山沟或河流的狭口处建造拦河坝形成的人工湖泊。水库是我国防洪广泛采用的工程措施之一。在防洪区上游河道适当位置兴建能调蓄洪水的综合利用水库，利用水库库容拦蓄洪水，削减进入下游河道的洪峰流量，达到减免洪水灾害的目的。

2、在日常生活中，尤其是在夏天，水库中会有游泳爱好者游泳，水库的水深一般都在10-150米左右，特别是在高山峡谷的水库，属于山区的水库，水库坝都在100米以上，水深较大，在丘陵地区的水库水深都会在10-50米左右，只有小二型水库的水深较小一些，一般也会在10-20米左右。水库水深通常都在10米以上，相较于安全游泳池的深度都要深许多，同时也缺乏救生设置，在水库中游泳，一旦发生溺水事件，溺亡的可能性十分高。因此如何对水库的安全监管，禁止在水库中游泳，以及及时发现潜入水库的游泳者，并予以驱逐是十分重要的。

3、目前对于水库安全的监管，通过在周围粘贴警示标语，设置围栏，但是这种方式并没太大作用，还是会有游泳者找到非常规的入口潜入游泳，溺水身亡的事件每年都有发生。水库虽然会有管理人员进行值守，对游泳者进行警示，但是由于水库区域较大，监管人员难以同时兼顾多个区域。目前虽然有通过视频监控的方式，监控水库中各个区域影像，但是当人在水中游泳时，大部分时间身体在水下，头部漏出水面，采用传统的人像检测模型难以识别。

技术实现思路

1、本发明所解决的技术问题在于提供一种水库运行安全监管系统，能够更加准确地识别水库中的游泳者。

2、本发明提供的基础方案：一种水库运行安全监管系统，包括视频监控模块以及服务器，所述服务器包括波纹标记模块、水面识别模块，警示模块以及通知模块，水面识别模块包括波纹识别模块、水花识别模块；

3、视频监控模块，用于采集水库的监控区域的视频影像；

4、波纹标记模块，用于对视频影像标记视频影像中的水面上的水波纹，并识别波纹特征；

5、水花识别模块，用于对视频影像标记视频影像中的水面上的水花，并识别水花特征；

6、游泳者识别模块，用于根据水波纹和水花的位置，判断是否存在物体在水面移动，若是根据波纹特征以及水花特征判断是否是有游泳者在监控区域内游泳，并识别游泳者位置；

7、警示模块，用于当检测到有游泳者在监控区域内游泳时，控制距离游泳者位置距离最近的警示设备发出警示；

8、通知模块，用于将游泳者位置以及行动路线发送给指定的客户端。

9、本发明的原理及优点在于：通过视频监控模块采集到监控区域的视频影像，对视频影像中水面上的水波纹和水花进行识别。水波纹是由于水面上的扰动或振动引起，风力、物体投入水中、物体在水中移动、声波、震动都会引起水波纹。而若是在水中移动，以及物体进入水中，在引起波纹的同时还会引起水花。这种情况下水波纹和水花的距离较为接近，水花通常处于波纹的中心区域，因此通过水波纹和水花的位置，能够确定是否是有物体在水面上移动。不同物体在水面以不用状态进行移动时，水波纹和水花的产生形式也会不同，通过提取并分析波纹特征和水花特征，从而判断是否是游泳者游泳引起的水波纹和水花，从而确定是否是有游泳者在监控区域处游泳。当检测到有游泳者时，可根据水波纹以及水花，识别得到游泳者的位置。当识别到游泳者的位置后，将游泳者位置发送给指定的客户端，告知管理员当前水库中存在游泳者的位置，使管理员对其进行驱逐，同时通过距离游泳者距离最近的警示设备发出警示，告知游泳者。

10、相比于现有技术，本方案中在进行影像识别时，根据水波纹以及水花的特征以及位置，来判断是否有游泳者在水库区域内游泳，相比于传统的通过人像检测的方式，水波纹的特征与水花的特征，在水面上相比于人像更加明显，使得识别更加容易。

11、同时通过对波纹和水花进行识别，由于水波纹以及水花特征在水面上更加明显，因此可在水库区域高点设置高清摄像头来进行水面影像的拍摄，监控范围更加广，监控设备的数量需求更低。

12、进一步，所述游泳者识别模块包括第一识别模块，第一识别模块包括重叠识别模块、关系绑定模块；

13、重叠识别模块，用于根据视频影像识别水波纹和水花位置，并识别视频影像中的水波纹与水花是否具有重叠部分；

14、关系绑定模块，用于当水波纹与水花具有重叠部分时，对水波纹与水花进行标记，并根据视频影像中多个时间点识别该水波纹与水花的位置变化，识别该水波纹与水花是否具有绑定关系，当具有绑定关系时判断存在物体在水面移动；

15、所述关系绑定模块包括入水识别模块、移动识别模块以及水花落水识别模块；

16、入水识别模块，用于当检测到视频影像中出现水波纹和水花时，识别水花是否位于水波纹的中心位置，若是则判断第一部分验证通过，否则不通过；

17、移动识别模块，用于识别不同时间点上，不同位置产生的水波纹和水花，水花是否均位于水波纹的中心位置，若是则判断第二部分验证通过，否则不通过；

18、水花落水识别模块，用于识别当水花落回水面后，由水花产生的第二水波纹是否与水波纹具有重叠，若是则判断第三部分验证通过，否则不通过；

19、关系绑定模块，当第一部分验证、第二部分验证以及第三部分验证的判断结果均为通过时，判断水波纹与水花具有绑定关系，当至少有一个判断结果不通过时，判断不具有绑定关系。

20、进一步，所述游泳者识别模块包括第二识别模块，第二识别模块包括模型训练模块、模型识别模块；

21、模型训练模块，用于预先输入若干游泳时不同泳姿的视频影像至神经网络模型进行训练，提取各种泳姿下水面水波纹的波纹特征以及水花特征，所述波纹特征包括波纹圈数、波纹扩散路径、波纹频率，所述水花特征包括水花形状、水花高度；

22、模型识别模块，用于将具有绑定关系的水波纹以及水花的视频影像输入已训练好的神经网络模型，识别视频影像中的波纹特征和水花特征是否有对应的泳姿的波纹特征和水花特征，若是则判断有游泳者在监控区域内游泳。

23、根据不同泳姿游泳时的影像画面对神经网络模型进行训练，得到不同泳姿游泳时的波纹特征和水花特征神经网络模型。在检测时，根据实时拍摄到的湖面上的视频影像输入至神经网络模型，识别视频影像中的波纹特征和水花特征是否是某种泳姿下产生的波纹和水花。不同泳姿所引发的波纹和水花存在不同，因此通过各类泳姿的视频影像进行训练，当识别到实际拍摄的水库中的波纹特征以及水花特征与某个泳姿下对应的波纹特征和水花特征一致时，便可判断是有游泳者在水库区域内游泳，而非是其他原因导致的水面上产生波纹以及水花。

24、进一步，还包括行动识别模块；

25、行动识别模块，用于根据波纹特征识别游泳者的行动路线以及预测路线；

26、通知模块，还用于将游泳者的行动路线以及预测路线发送给指定的客户端。

27、游泳者在水中游泳时，在其行动路线上也会有波纹的扩散，根据波纹特征识别出游泳者的行动路线，根据行动路线对对游泳者的路线进行识别，从而帮助管理员对水库中的游泳者进行搜寻。

28、进一步，所述服务器还包括地点识别模块；

29、地点识别模块，用于根据波纹特征以及行动路线，识别游泳者的下水位置；

30、通知模块，还用于将下水位置发送给指定的客户端。

31、通过游泳者的波纹特征和行动路线，识别出游泳者的下水位置，将游泳者的下水位置发送给管理员。通过确定出游泳者的下水位置，便于管理员对其下水的位置进行后续管理，通过封禁或其他方式，防止其他人从此处下水。

32、进一步，所述服务器还包括状态识别模块和体能分析模块；

33、状态识别模块，用于根据水花特征，识别游泳者的游泳速度，并持续检测游泳者的游泳速度变化；

34、体能分析模块，用于根据游泳者的游泳速度变化分析游泳者的体能情况；

35、警示模块，还用于根据游泳者的体能情况控制距离游泳者位置最近的提升设备告知游泳者其体能情况。

36、本发明还公开了一种水库运行安全监管方法，包括以下步骤：

37、s100：采集水库的监控区域的视频影像；

38、s200：对视频影像标记视频影像中的水面上的水波纹，并识别波纹特征；

39、s300：对视频影像标记视频影像中的水面上的水花，并识别水花特征；

40、s400：根据水波纹和水花的位置，判断是否存在物体在水面移动，若是根据波纹特征以及水花特征判断是否是有游泳者在监控区域内游泳，并识别游泳者位置；

41、s500：当检测到有游泳者在监控区域内游泳时，控制距离游泳者位置距离最近的警示设备发出警示；

42、s600：将游泳者位置以及路线发送给指定的客户端。

43、进一步，所述s400包括以下步骤：

44、s401：根据视频影像识别水波纹和水花位置，并识别视频影像中的水波纹与水花是否具有重叠部分；

45、s402：当水波纹与水花具有重叠部分时，对水波纹与水花进行标记，并根据视频影像中多个时间点识别该水波纹与水花的位置变化，识别该水波纹与水花是否具有绑定关系，当具有绑定关系时判断存在物体在水面移动；

46、所述s402包括以下步骤：

47、步骤一：当检测到视频影像中出现水波纹和水花时，识别水花是否位于水波纹的中心位置，若是则判断第一部分验证通过，否则不通过；

48、步骤二：识别不同时间点上，不同位置产生的水波纹和水花，水花是否均位于水波纹的中心位置，若是则判断第二部分验证通过，否则不通过；

49、步骤三：识别当水花落回水面后，由水花产生的第二水波纹是否与水波纹具有重叠，若是则判断第三部分验证通过，否则不通过；

50、步骤四：当第一部分验证、第二部分验证以及第三部分验证的判断结果均为通过时，判断水波纹与水花具有绑定关系，当至少有一个判断结果不通过时，判断不具有绑定关系；

51、s410：预先输入若干游泳时不同泳姿的视频影像至神经网络模型进行训练，提取各种泳姿下水面水波纹的波纹特征以及水花特征，所述波纹特征包括波纹圈数、波纹扩散路径、波纹频率，所述水花特征包括水花形状、水花高度；

52、s420：将采集到的水库监控区域的视频影像输入已训练好的神经网络模型，识别视频影像中的波纹特征和水花特征是否有对应的泳姿的波纹特征和水花特征，若是则判断有游泳者在监控区域内游泳。

53、进一步，还包括以下步骤：

54、s700：根据波纹特征识别游泳者的行动路线以及预测路线；

55、s710：根据波纹特征以及行动路线，识别游泳者的下水位置；

56、s720：将游泳者的行动路线、预测路线以及下水位置发送给指定的客户端。

57、进一步，还包括以下步骤：

58、s800：根据水花特征，识别游泳者的游泳速度，并持续检测游泳者的游泳速度变化；

59、s810：根据游泳者的游泳速度变化分析游泳者的体能情况；

60、s820：根据游泳者的体能情况控制距离游泳者位置最近的提升设备告知游泳者其体能情况。