◎劉小強(qiáng) 魯耀方 郭相秦

1.三門峽職業(yè)技術(shù)學(xué)院信息傳媒學(xué)院；2.河南科技大學(xué)應(yīng)用工程學(xué)院；3.黃河水利委員會三門峽庫區(qū)水文水資源局，河南 三門峽 472000）

黃河三門峽庫區(qū)是一個水系發(fā)達(dá)，河流分布廣泛的區(qū)域，近兩年極端暴雨天氣時常發(fā)生。2021年鄭州、渭南、三門峽、焦作、新鄉(xiāng)等多地多次發(fā)生暴雨，致使黃河三門峽庫區(qū)周邊河流水位急速上升，發(fā)生多起洪澇災(zāi)害事故。為應(yīng)對時有發(fā)生的洪澇災(zāi)害，國家在水域監(jiān)管方面設(shè)立專有水域管理員、建造高精度水位測量儀器，以便進(jìn)行水域管理，災(zāi)害預(yù)警。然而，使用人工對水域水位進(jìn)行檢測、記錄，費(fèi)事費(fèi)力、危險性高、易出錯且時效性差。高精度水位測量儀器又造價昂貴、使用壽命短、污染環(huán)境且難以普遍推廣使用。

由于部分地區(qū)暴雨常發(fā)，汛期安全度存在著極大問題。再加上遙測站點(diǎn)較多、管理人員不足、監(jiān)管手段比較落后，可能會造成重大汛期災(zāi)情事故，后果不堪設(shè)想。為了解決以上水域管理中的問題，同時也減輕管理員的工作強(qiáng)度。筆者利用廣泛使用的標(biāo)準(zhǔn)水位尺和電子攝像頭對視頻圖像進(jìn)行水位數(shù)據(jù)實(shí)時計算。在水位檢測領(lǐng)域，目前國內(nèi)已經(jīng)出現(xiàn)了一些相對可用的檢測方法。有學(xué)者提出采用基于連通域的方法識別刻度線根數(shù)，通過對水尺圖像掃描得到水尺刻度的連通域個數(shù)[1]。但是，此方法只能對圖像清晰且水尺與周圍環(huán)境有明顯區(qū)別的水域進(jìn)行刻度分離，難以應(yīng)用到復(fù)雜的水域環(huán)境中。也有學(xué)者提出利用BP人工神經(jīng)網(wǎng)絡(luò)智能識別水尺量程的方法[2]。此方法能夠減少程序設(shè)置步驟，但是對水位圖像的畫質(zhì)與使用環(huán)境有了一定的要求，在普通畫質(zhì)或陰雨霧霾天氣下，水尺的刻度不再清晰、數(shù)字量程不再易于辨別，造成識別效率和準(zhǔn)確度降低。

隨著5G 的應(yīng)用，水位測量信息化程度將進(jìn)一步提升，越來越多危險、枯燥、易出錯的工作被信息化設(shè)備與技術(shù)代替。目前，在水位測量領(lǐng)域，在重要水域采用電子水位尺、測量井、超聲測量儀等測量設(shè)備，通過圖像處理技術(shù)代替人類視覺進(jìn)行水位檢測逐漸成為當(dāng)今的研究熱點(diǎn)。

1 水位檢測系統(tǒng)設(shè)計主要步驟

筆者立足現(xiàn)有水域管理?xiàng)l件，重點(diǎn)研究了日間一般清晰度下圖像中水位尺的檢測與水位數(shù)據(jù)計算，在前人的基礎(chǔ)上采用機(jī)器學(xué)習(xí)對水尺進(jìn)行模糊定位、顏色空間篩選、E 域高度平均計算等方法，消除水尺與周圍環(huán)境對比不明顯、畫質(zhì)不高等問題帶來的負(fù)面效果。不僅能夠適應(yīng)現(xiàn)實(shí)水域環(huán)境，而且提高了水位檢測系統(tǒng)的魯棒性。

1.1 機(jī)器學(xué)習(xí)水尺目標(biāo)識別

方向梯度直方圖（Histogram of Oriented Gradient,HOG）特征是在計算機(jī)視覺和圖像處理中檢測物體特征的描述子。經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)hog 特征適用于檢測圖像中的水尺目標(biāo)。特征計算的過程如下：

（1）Windows 窗體：大小為64*128，Windows窗體時特征計算的頂層單元。

（2）Block 塊：大小為16*16，滑動步長為8*8，Block 塊在Windows 窗體內(nèi)滑動。

（3）Cell：大小為8*8，Cell 并列排放在block塊中。

（4）Bin：360°每個bin 占據(jù)40°，Bin 在Cell內(nèi)，劃分為9bin。

（5)計算：4*9*（（64-16）/8+1）*（（128-16）/8+1）=3780 維

支持向量機(jī)（SVM）是一種二分類模型，一個有監(jiān)督的學(xué)習(xí)模型，能夠?qū)Ω呔S特征向量進(jìn)行分類學(xué)習(xí)，此文中其主要用于對水尺進(jìn)行識別[3]。

Hog，SVM 的訓(xùn)練結(jié)果可以反復(fù)使用，因此將符合標(biāo)準(zhǔn)的訓(xùn)練結(jié)果保存，達(dá)到一次訓(xùn)練，永久使用的效果，極大減少運(yùn)算量。然而在實(shí)際使用中，第一次進(jìn)行訓(xùn)練的訓(xùn)練結(jié)果往往不能達(dá)到識別標(biāo)準(zhǔn)，進(jìn)行二次加強(qiáng)訓(xùn)練，結(jié)果控制在10 個以內(nèi)，達(dá)到預(yù)期結(jié)果。

1.2 水尺圖像預(yù)處理

顏色空間篩選，RGB（Red,Green,Blue）顏色空間中, 任意的顏色都可以用RGB 三色不同的分量相加混合構(gòu)成。在空間上可以將RGB 空間比作一個正方體，很難從中分割出具體的顏色范圍。相對于RGB 空間，HSV（Hue,Saturation,Value）空間能夠非常直觀的表達(dá)色彩，在空間上可以將HSV 空間比作一個圓錐，很容易從中劃分出常規(guī)的顏色區(qū)間。經(jīng)過對比HSV 色彩空間表便能得到。

1）紅色的HSV 范圍，H（0-10,156-180）,S（43-255）,V（46-255）。

2）藍(lán)色的HSV 范圍，H（100-124）,S（43-255），V（46-255）。

最大類間方差法二值化，最大類間方差法是一種基于全局的二值化算法，可以科學(xué)，自動化的進(jìn)行閾值的選取，可以最大限度地將水尺從背景中分離出來，此時的閾值可以當(dāng)作圖像的分割閾值。

水尺傾斜校正，通過Houghline 檢測水尺圖像中的直線，將傾角頻率最高，且合乎實(shí)際情況的直線的傾角設(shè)置為水尺的傾角。之后對水尺圖像進(jìn)行旋轉(zhuǎn)，得到垂直的水尺圖像[4]。

1.3 水尺圖像裁切與水位計算

水尺圖像裁切，使用圖像直方圖計算代價較小，可用于基于色彩空間的圖像檢索以及圖像分類[5]。經(jīng)過顏色篩選，可以獲取到關(guān)于水尺的二值圖像，通過二值圖像直方圖可以直觀，方便地從上下、左右方向精確定位水尺，提高識別速度和準(zhǔn)確度。

水位計算，精準(zhǔn)的水尺圖像中，以中位線為基準(zhǔn)，將水尺分為左右兩個部分，每個E 都是同樣的。因此，即使出現(xiàn)了模糊不清的刻度“E”,也可通過E 的高度平均值獲取到含有污損的刻度“E”。

由于標(biāo)準(zhǔn)水位尺有不同的量程，因此僅僅通過刻度尺，并不能獲取水位數(shù)據(jù)，數(shù)字便成了一種輔助工具，即使不能讀出數(shù)字。也能通過量程與左右兩側(cè)的刻度“E”，得到最終的水位數(shù)據(jù)。

2 水位檢測系統(tǒng)實(shí)現(xiàn)

2.1 水尺定位

水尺定位可分為四個子模塊，Hog 特征提取，SVM 監(jiān)督訓(xùn)練，難樣本再學(xué)習(xí)，圖像水尺定位。待檢測圖像如圖1 所示。

HOG 即方向梯度直方圖，是一種應(yīng)用在計算機(jī)視覺和圖像處理中特征描述子[6]。通過自動裁切腳本，從待檢測圖像中提取大小比例1:2 的圖像，將其等比例放縮為64*128 的含水尺與不含水尺的樣本圖片，獲取正樣本如圖2 所示，共截取519 個，負(fù)樣本如圖3 所示，共7492 個，進(jìn)行Hog 特征提取。

圖2 正樣本樣例圖

圖3 負(fù)樣本樣例圖

SVM 監(jiān)督訓(xùn)練，在水尺檢測中可以用作區(qū)分水尺與非水尺的分類器。難樣本再學(xué)習(xí)過程通過反復(fù)保存再訓(xùn)練，得到識別結(jié)果在可接受范圍內(nèi)的訓(xùn)練模型，如圖4 可見識別結(jié)果被控制在10 個以內(nèi)，減少了后期運(yùn)算量。

圖4 水尺檢測結(jié)果圖

通過Hog+SVM 獲取的水尺圖像結(jié)果存在著一定量的誤識別，因此仍需進(jìn)行下一步加工，水尺圖像存在著一些易于辨別的先驗(yàn)特征?；贖SV 空間對識別結(jié)果進(jìn)行顏色檢測，水尺顏色分布對比，最終從結(jié)果中篩選出水尺所在方框。識別過程如圖5，結(jié)果如圖6。

圖5 水尺HSV空間圖

圖6 水尺定位結(jié)果圖

2.2 圖像預(yù)處理與水位計算

精準(zhǔn)水尺裁切，Canny 邊緣檢測可有效地檢測出水尺邊緣，如圖7 所示，將得到的邊緣圖像進(jìn)行Hough 直線檢測，得到結(jié)果如圖8 所示，并根據(jù)控制直線的角度在90 度左右偏離45 度以內(nèi)，從中找出平行的兩根直線，使用圖像旋轉(zhuǎn)對水尺進(jìn)行水尺傾斜校正，得到方向垂直的水尺圖像。

圖7 Canny邊緣檢測圖

圖8 HoughLine傾斜校正圖

采用基于顏色空間的方法，統(tǒng)計傾斜校正后的含有直線的二值圖像列像素統(tǒng)計，篩選出水尺的邊界范圍，最終得到精準(zhǔn)的水尺圖像如圖9 所示。

圖9 精準(zhǔn)水尺圖像

水尺圖像二值化，水尺左右分割，水尺可分為左右兩個部分，各占50%，由于“E”域粘連處會給圖像處理帶來麻煩，因此制裁且左側(cè)40%，右側(cè)40%，將水尺從“E”域連接處分割開以便后續(xù)水位數(shù)據(jù)的計算，使用最大類間方差通過統(tǒng)計整個圖像的直方圖特性來實(shí)現(xiàn)全局閾值T 的自動選取，獲得水尺的二值圖像如圖10，11 所示。

圖10 水尺左側(cè)分割圖

圖11 水尺右側(cè)分割圖

E 域統(tǒng)計包含個數(shù)統(tǒng)計，高度統(tǒng)計。根據(jù)“E”域平均高度，測算出接觸水面的“E”域長度。水位計算，根據(jù)水尺的總量程，左右兩側(cè)“E”域個數(shù)與長度。計算出當(dāng)前水位。如圖12 所示。

圖12 當(dāng)前水位深度圖

3 測試結(jié)果與分析

本次基于圖像處理的水位檢測系統(tǒng)測試采用黑盒測試完成，主要測試方向?yàn)椋盒阅苠e誤、水尺目標(biāo)檢測遺漏、精準(zhǔn)目標(biāo)獲取錯誤、輸出錯誤等。

采用的測試平臺為Windows7 64 位中文版，1 核 2G 內(nèi) 存，CPU AMD EPYCTM Rome（2.6GHz）。

表1 測試結(jié)果表

為了衡量水位檢測算法的性能，我們隨機(jī)截取了幾個不同日期的視頻片段進(jìn)行實(shí)驗(yàn)仿真，每隔30 秒截取一張水位信息圖像，并結(jié)合字典進(jìn)行實(shí)時的水位值計算，計算結(jié)果與人為觀測數(shù)據(jù)進(jìn)行對比，效果如圖13 所示。

圖13 人工檢測數(shù)據(jù)與視頻監(jiān)測數(shù)據(jù)對比圖

通過測試得出結(jié)論，經(jīng)過大量的樣本訓(xùn)練機(jī)器學(xué)習(xí)后，Hog+SVM 訓(xùn)練結(jié)果對輸入圖像中的水尺識別率較高， 識別所用時間也普遍小于10s，滿足數(shù)據(jù)采集所需性能要求，最終水位數(shù)據(jù)識別結(jié)果良好、識別率高，特別是結(jié)合水尺不會移動的特性，使得系統(tǒng)能夠滿足應(yīng)用需求。

4 結(jié)論

本系統(tǒng)經(jīng)過合理的系統(tǒng)設(shè)計過程，結(jié)合現(xiàn)實(shí)水域情況，在系統(tǒng)圖像處理過程中，多次考慮到對噪聲、倒影、污損的消除，保證了水尺裁切的效果。 通過對E 域高度平均值進(jìn)行計算，不僅可以提高計算速度，面對圖像清晰度不高、天氣狀況不好的情況，有較好的適應(yīng)能力，為水位測量工作提供穩(wěn)定可靠的水位數(shù)據(jù)結(jié)果。同時本系統(tǒng)也存在一定的誤識別率，這與訓(xùn)練樣本和圖像方向角度有著較大關(guān)聯(lián)。