买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种通过深度学习图像识别技术实现虚拟水尺识别水位的方法，包括下述步骤：选定场景、虚拟水尺设置、水位标注、模型训练、通过模型计算水位，从而实现水位实时监测的功能。本发明通过深度学习方法有效地解决了在复杂背景条件下水尺识别困难的问题，大大提高了识别的准确率；同时可以在无水尺的情况下通过虚拟水尺识别水位，解决了水尺难安装难观测的问题；本发明水尺读数精度高，按照步幅0.1m的情况下设置，水位计算结果最大误差在1cm以内，满足实际水位监测需求，且只要分辨率支持，需要更高精度可以将步幅改0.01m。

主权项：1.一种通过图像识别技术实现虚拟水尺识别水位的方法，其特征在于，包括下述步骤：S1选定场景，S2虚拟水尺设置，S3水位标注，S4模型训练，S5通过模型计算水位；所述S2中，通过选定场景后得到特征物体，所述特征物体是指和水面交汇的物体，根据特征物体和场景的位置情况，确定是横向还是纵向虚拟水尺，并确定虚拟水尺的中轴线，设置最高水位方位K，如果是纵向虚拟水尺那么最高水位方位K在上，如果是横向虚拟水尺那么最高水位方位K在左或者在右；得到最高水位方位K后，设置基准线，所述基准线为最高水位方位K和最高水位之间的像素距离，并设置最高水位值；并根据要求的水位精度设置步幅，通过最高水位向下设置每个刻度的水位，设置若干个刻度后，通过RNN，直接推算下面的水位值，直到虚拟水尺的尾端，将虚拟水尺的尾端作为最低水位值；获得虚拟水尺刻度值和对应的像素值的数组R，所述数组R为：V1,R1Rx1Ry1,V2,R2Rx2,Ry2,…,Vn，RnRxn,Ryn；其中，V1为最高水位值，R1为V1对应的像素点，Vn为最低水位值，Rn为Vn对应的像素值；所述S3中，水位标注的时候采用点标注的方法，且标注的时候对标注区域进行了放大；通过设置虚拟水尺和水位的交汇点，完成水位标注,获得水位标注的图片训练数据集D0和每个图片的标注集A0；所述S4中，图片训练和识别前按照虚拟水尺的所在位置进行变换和图片裁剪，将剪裁后的图片提供给训练和识别；首先对图片训练数据集D0进行图片剪裁，其中图片像素为1920*1080,根据前面得到的数组R中第一个像素值（Rx1,Ry1），同时根据最高水位方位K得到虚拟水尺是横向还是纵向；如果虚拟水尺为横向，剪裁的位置左上角的点是0，Ry1-25，右下角的点是1920，Ry1+25；如果虚拟水尺为纵向，剪裁的位置左上角的点是Rx1-25，0，右下角的点是Rx1+25，1080，通过矩形进行剪裁获得剪裁数据集合D1；再对每个图片的标注集A0进行矩形变化得到标注集A1，矩形变化规则是以标注点x,y为基础点，左上角的点是x-25,y-25,右下角的点是x+25,y+25；最后使用卷积神经网络CNN对标注的数据集D1和标注集A1进行模型训练，获得水位区域的物体检测模型P1；所述S5中，使用水位识别场景的图片C1计算水位，首先通过S4的剪裁步骤，得到图片C2,用水位区域的物体检测模型P1计算获得水位区域B,其中左上点B1（Bx1,By1）,右下点B2Bx2,By2；再结合数组R以及最高水位方位K，如果最高水位方位K在上，是纵向水尺，计算水位位置By＝By1+By2-By12；将By带入数组R中，按照水位从高到低计算，如果By在Ry1和Ry2之间时，那么水位值＝V2+V1-V2*Ry2-ByRy2-Ry1；如果最高水位方位K在左或在右，是横向水尺，计算水位位置Bx＝Bx1+Bx2-Bx12；将Bx带入数组R中，按照水位从高到低计算，如果Bx在Rx1和Rx2之间时，那么水位值＝V2+V1-V2*Rx2-BxRx2-Rx1；最终得到水位值。

全文数据：

权利要求：

百度查询： 南京博洛米通信技术有限公司 一种通过图像识别技术实现虚拟水尺识别水位的方法