一种城市洪涝积水深度生成式监测预警方法及系统

本发明涉及城市洪涝灾害防汛与动态预警，尤其涉及一种城市洪涝积水深度生成式监测预警方法及系统。

背景技术：

1、在城市洪涝灾害防汛与动态预警领域，至关重要的技术难题是如何在缺乏摄像机标定参数及静态物理标尺的复杂开放场景下，实现普适、高精度的积水深度自动定量计算，以及如何打破"定值报警"的滞后性以实现对未来积水演变趋势的主动预警。现实洪涝场景往往伴随着强烈的水面镜面反光、高浊度水体以及参照物被严重遮挡等复杂环境噪声，且需要处理内外参数各异的多源视觉设备数据；同时，内涝形成是一个高度复杂的动态演变过程，如何在多变场景和强物理干扰下突破视觉识别的泛化瓶颈并建立可靠的像素物理尺度映射，以及如何实现超前、快速的现地动态预警，是当前亟待解决的核心问题。

2、现有的城市洪涝监测预警方法通过识别图像中预设的静态物理参照物（如标尺、警示柱）与水面交界线，结合预先获取的摄像机内外参标定参数及相关环境参数，经透视变换与几何换算关系推导积水深度值。该方案的测深精度与可用性完全绑定于场景中是否存在已知物理尺寸的静态参照物及对应的摄像机标定参数，而静态参照物的布设受限于成本与维护条件仅能覆盖少数固定路段，多源众包影像又普遍存在拍摄设备焦距、俯仰角与架设高度各异的问题，导致画面中既缺乏可作为尺度基准的静态锚点，也无法获取对应的摄像机内外参标定数据，视觉测深机制因此极易失效。由此可见，上述方式过度依赖摄像机内外参标定，无法实现广域开放场景下积水深度的绝对物理尺度映射与量化计算。

技术实现思路

1、本发明提供了一种城市洪涝积水深度生成式监测预警方法及系统，解决了现有的城市洪涝监测预警方法过度依赖摄像机内外参标定，无法实现广域开放场景下积水深度的绝对物理尺度映射与量化计算的技术问题。

2、本发明第一方面提供的一种城市洪涝积水深度生成式监测预警方法，包括：

3、获取多源无约束视角洪涝真实图像集，并采用拉格朗日插值函数和标注工具根据空间透视变换矩阵对所述多源无约束视角洪涝真实图像集进行数据处理，输出洪涝专项数据集，包括：

4、利用分布式网络爬虫技术，基于场景与灾害语义泛化检索词以及物理特征耦合精确检索词构成的多维关键词检索策略，从社交网络平台抓取包含汽车轮胎的多源无约束视角洪涝真实图像，得到多源无约束视角洪涝真实图像集；

5、采用所述空间透视变换矩阵与所述拉格朗日插值函数对所述多源无约束视角洪涝真实图像集进行透视畸变消除与像素缺失修补，输出正射校正后的正视平面图像集；

6、采用标注工具对所述正射校正后的正视平面图像集中露出水面的残缺轮胎进行多边形边缘标注并转化为二值化掩膜，得到多个图像掩膜对；

7、对多个所述图像掩膜对执行几何变换与色彩变换，输出洪涝专项数据集；

8、采用所述洪涝专项数据集对预训练的分割一切模型进行参数高效微调，输出训练收敛后的图像分割模型；

9、在相机端侧边缘计算芯片上，采用所述训练收敛后的图像分割模型对多个时刻的待测洪涝图像进行推理分割，得到各个时刻的残缺轮胎二值化掩膜，并根据各个时刻的残缺轮胎二值化掩膜进行几何重构与深度计算，输出多个时刻的积水深度绝对物理值；

10、在所述相机端侧边缘计算芯片上，根据多个所述时刻的积水深度绝对物理值与预设危险水位阈值进行残差解耦时序预测与超前动态预警，输出未来时段水位演化预测曲线、超前动态预警信号与预计溢出剩余时间。

11、可选地，所述采用所述洪涝专项数据集对预训练的分割一切模型进行参数高效微调，输出训练收敛后的图像分割模型，包括：

12、对所述预训练的分割一切模型进行微调结构配置，冻结所述预训练的分割一切模型的提示编码器和掩码解码器的权重，仅在所述预训练的分割一切模型的视觉变换器图像编码器块中注入旁路低秩分解矩阵，得到结构配置后的分割一切模型；

13、对所述结构配置后的分割一切模型的预训练权重进行量化压缩，得到待微调的分割一切模型；

14、采用所述洪涝专项数据集对所述待微调的分割一切模型进行前向传播推理，输出预测二值化掩膜；

15、对所述预测二值化掩膜与所述洪涝专项数据集中的真实二值化掩膜标签进行联合损失计算，得到加权组合损失值；

16、将所述加权组合损失值用于反向传播以更新所述待微调的分割一切模型中的旁路低秩分解矩阵的参数，输出训练收敛后的图像分割模型。

17、可选地，所述根据各个时刻的残缺轮胎二值化掩膜进行几何重构与深度计算，输出多个时刻的积水深度绝对物理值，包括：

18、对各所述时刻的残缺轮胎二值化掩膜进行抗噪特征点提取，输出各所述时刻的多个关键特征点与水面切线高度；

19、对各所述时刻的多个关键特征点进行完整几何轮廓反演重构，输出各个所述时刻的重构后的轮胎像素半径与圆心坐标；

20、对各个所述时刻的重构后的轮胎像素半径、圆心坐标、水面切线高度及预设的乘用车轮胎真实物理直径进行物理尺度变换与积水深度计算，输出多个时刻的积水深度绝对物理值。

21、可选地，所述根据多个所述时刻的积水深度绝对物理值与预设危险水位阈值进行残差解耦时序预测与超前动态预警，输出未来时段水位演化预测曲线、超前动态预警信号与预计溢出剩余时间，包括：

22、对多个所述时刻的积水深度绝对物理值进行线性汇流趋势参数估计与预测，输出未来时刻的线性趋势预测值；

23、将历史滑窗序列内的线性拟合值与对应时刻的积水深度绝对物理值进行逐点差值计算，得到历史滑窗序列内的拟合残差时序；

24、对所述拟合残差时序进行非线性突变残差建模与预测，输出未来时刻的非线性残差预测值；

25、对所述未来时刻的非线性残差预测值与所述未来时刻的线性趋势预测值进行显式代数求和，得到未来时刻最终的积水深度精确预测值；

26、对所述未来时刻最终的积水深度精确预测值进行多步迭代外推，输出未来时段水位演化预测曲线；

27、对所述未来时段水位演化预测曲线进行超前预警判定；

28、若所述未来时段水位演化预测曲线显示未来水位大于所述预设危险水位阈值，则生成超前动态趋势预警信号，并将所述未来时段水位演化预测曲线中水位首次大于所述预设危险水位阈值的时刻与当前时刻的时间差确定为预计溢出剩余时间。

29、本发明第二方面提供的一种城市洪涝积水深度生成式监测预警系统，包括：

30、获取模块，用于获取多源无约束视角洪涝真实图像集，并采用拉格朗日插值函数和标注工具根据空间透视变换矩阵对所述多源无约束视角洪涝真实图像集进行数据处理，输出洪涝专项数据集；

31、微调模块，用于采用所述洪涝专项数据集对预训练的分割一切模型进行参数高效微调，输出训练收敛后的图像分割模型；

32、重构和深度计算模块，用于在相机端侧边缘计算芯片上，采用所述训练收敛后的图像分割模型对多个时刻的待测洪涝图像进行推理分割，得到各个时刻的残缺轮胎二值化掩膜，并根据各个时刻的残缺轮胎二值化掩膜进行几何重构与深度计算，输出多个时刻的积水深度绝对物理值；

33、预测与预警模块，用于在所述相机端侧边缘计算芯片上，根据多个所述时刻的积水深度绝对物理值与预设危险水位阈值进行残差解耦时序预测与超前动态预警，输出未来时段水位演化预测曲线、超前动态预警信号与预计溢出剩余时间；

34、所述获取模块，具体用于：

35、采用所述空间透视变换矩阵与所述拉格朗日插值函数对所述多源无约束视角洪涝真实图像集进行透视畸变消除与像素缺失修补，输出正射校正后的正视平面图像集；

36、采用标注工具对所述正射校正后的正视平面图像集中露出水面的残缺轮胎进行多边形边缘标注并转化为二值化掩膜，得到多个图像掩膜对；

37、对多个所述图像掩膜对执行几何变换与色彩变换，输出洪涝专项数据集。

38、本发明第三方面提供的一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述的城市洪涝积水深度生成式监测预警方法的步骤。

39、本发明第四方面提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述所述的城市洪涝积水深度生成式监测预警方法。

40、本发明第五方面提供的一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被计算机执行时，使得所述计算机执行如上述所述的城市洪涝积水深度生成式监测预警方法的步骤。

41、从以上技术方案可以看出，本发明具有以下优点：

42、本发明上述方案提供了一种城市洪涝积水深度生成式监测预警方法，本发明获取多源无约束视角洪涝真实图像集并采用拉格朗日插值函数和标注工具根据空间透视变换矩阵对其进行数据处理输出洪涝专项数据集，为后续模型微调提供面向复杂开放场景的训练样本，随后采用洪涝专项数据集对预训练的分割一切模型进行参数高效微调输出训练收敛后的图像分割模型，为残缺轮胎的精准分割提供泛化能力强的特征提取工具，进而在相机端侧边缘计算芯片上采用该模型对多个时刻的待测洪涝图像进行推理分割得到各个时刻的残缺轮胎二值化掩膜，并根据各个时刻的残缺轮胎二值化掩膜进行几何重构与深度计算输出多个时刻的积水深度绝对物理值，其中空间透视变换矩阵用于对多源无约束视角图像进行透视畸变消除以还原正视平面的几何关系，几何重构用于从残缺轮胎二值化掩膜中反演几何参数并完成深度量化，整个积水深度计算链路仅依托图像层面的透视变换与掩膜几何重构即可完成，无需引入摄像机内外参标定数据，最终在相机端侧边缘计算芯片上根据多个时刻的积水深度绝对物理值与预设危险水位阈值进行残差解耦时序预测与超前动态预警，输出未来时段水位演化预测曲线、超前动态预警信号与预计溢出剩余时间，能够彻底摆脱传统视觉监测方案对摄像机内外参标定的依赖，在任意开放路段、多变视角下自适应完成积水深度的绝对物理尺度映射与量化计算，实现广域开放场景下的免标定积水深度监测。