(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211271371.4 (22)申请日 2022.10.18 (65)同一申请的已公布的文献号 申请公布号 CN 115346140 A (43)申请公布日 2022.11.15 (73)专利权人 成都大汇物联科技有限公司 地址 610000 四川省成 都市中国(四川)自 由贸易试验区成都 高新区天韵路7号3 层1号 (72)发明人 王勇飞　黄旭　陆璐　陈科儒　 罗婷　 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 张小娟(51)Int.Cl. G06V 20/17(2022.01) G06V 20/52(2022.01) G06V 40/10(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 114783149 A,202 2.07.22 审查员 刘穗君 (54)发明名称 一种基于实时数据监测的地灾预警方法及 系统 (57)摘要 本发明公开了一种基于实时数据监测的地 灾预警方法及系统， 属于地灾预警技术领域， 首 先采集待预警区域的地灾数据， 确定地灾预警区 域， 并生成地灾预警区域的预警级别； 然后利用 无人机采集地灾预警区域的实时图像， 并根据实 时图像进行人员识别； 最后在地灾预警区域内， 根据人员识别结果和预警级别进行 实时预警。 本 发明将数据与图像结合， 克服了现有预警方法只 着眼于数据监测而忽略图像处理的缺陷， 对地灾 预警及滞留人员疏散更加全面及时。 权利要求书2页 说明书7页 附图1页 CN 115346140 B 2022.12.30 CN 115346140 B 1.一种基于实时数据监测的地 灾预警方法， 其特 征在于， 包括以下步骤： S1： 采集待预警区域的地灾数据， 根据地灾数据确定地灾预警区域， 并生成地灾预警区 域的预警级别； S2： 利用无 人机采集 地灾预警区域的实时图像， 并根据实时图像进行 人员识别； S3： 在地灾预警区域内， 根据人员识别结果和预警级别进行实时预警； 所述步骤S1包括以下子步骤： S11： 采集待预警区域的地 灾数据， 并构建地 灾数据的特 征矩阵； S12： 对特 征矩阵的协方差矩阵进行 特征分解， 得到地 灾特征向量； S13： 将地灾特征向量作为LSTM神经网络的输入， 生成地灾预警概率值， 并根据地灾预 警概率值生成地灾预警区域， 确定地 灾预警区域的预警级别； 所述步骤S11中， 构建地灾数据的特征矩阵的具体方法为： 分解地灾数据， 将各个地灾 数据对应的分解 值作为特 征矩阵； 各个地 灾数据对应的分解 值Xmn的计算公式为： 其中，N表示分解的频 带总数，s(m,n)表示第n个频带在第m层的分解序列； 所述步骤S13中， 将预警级别划分为安全、 临界和严重， 利用LSTM神经网络的softmax分 类器计算地灾预警概率值， 将地灾预警概率值大于 设定阈值对应的地灾数据所属区域作为 地灾预警区域； 在地灾预警区域内， 若地灾预警概率值小于0.2， 则预警级别为安全； 若地灾预警概率 值大于等于0.2且小于0.5， 则预警级别为临界； 若地灾预警概率值小于0.5且小于等于1， 则 预警级别为 严重； 地灾预警概 率值Pi的计算公式为： 其中，Xmn表示各个地灾数据对应的分解值， θk表示softmax分类器的全部模型参数， K表 示softmax分类 器的模型参数个数； 所述步骤S2包括以下子步骤： S21： 利用无人机采集地灾预警区域的实时图像， 并对实时图像进行预处理， 得到预警 图像； S22： 计算预警图像的异常值； S23： 若预警图像的异常值大于设定异常阈值， 则地灾预警区域内存在人员， 否则不存 在人员； 所述步骤S21中， 预警图像的像素点 位置pos(x,y)的计算公式为： 其中，src(x+x＇ , y+y＇ )表示实时图像在 结构值为1的像素相对锚点的偏移位置， x表示权　利　要　求　书 1/2 页 2 CN 115346140 B 2实时图像在结构值为1的像素相对锚点的横坐标， y表示实时图像在结构值为1的像素相对 锚点的纵坐标， x＇ 表示实时图像在结构值为 1的像素相对锚点的横坐标偏移 量，y＇ 表示实时 图像在结构值 为1的像素相对 锚点的纵坐标偏移量； 所述步骤S22中， 计算预警图像的异常值的具体方法为： 随机选择一张无人员出现的历 史图像作为背景图像， 计算背景图像和预警 图像的亮度差值， 并将亮度差值作为预警 图像 的异常值； 背景图像和预警图像的亮度差值 Lin_out的计算公式为： 其中，Lin表示预警图像各像素点的亮度值， Lout表示背景图像各像素点的亮度值， α表示 预警图像的亮度偏移量， β表示背景图像的亮度偏移量； 所述步骤S23中， 确定异常阈值包括以下子步骤： S231： 采集历史地 灾数据， 并对历史地 灾数据依次进行开 运算和闭运 算； S232： 根据进行开 运算和闭运 算后的历史地 灾数据， 构建地 灾数据异常模型； S233： 将地灾数据异常模型的最小值作为异常阈值； 所述步骤S232中， 地 灾数据异常模型 Q的表达式为： 其中，C表示历史地灾数据中出现临界预警和严重预警的个数， Yc表示每次出现临界预 警和严重预警对应的历史地 灾数据，h表示极小值。 2.一种基于实时数据监测的地灾预警系统， 其特征在于， 所述基于实时数据监测的地 灾预警系统用于执行如权利要求1所述的基于实时数据监测的地灾预警方法， 所述基于实 时数据监测的地灾预警系统包括数据采集单元、 图像采集单元、 预警级别生 成单元、 人员识 别单元和实时预警单 元； 所述数据采集单 元用于采集历史地 灾数据和待预警区域的地 灾数据； 所述图像采集单 元用于历史图像和地 灾预警区域的实时图像； 所述预警级别生成单 元用于确定地 灾预警区域， 并生成地 灾预警区域的预警级别； 所述人员识别单 元用于根据实时图像进行 人员识别； 所述实时预警单 元用于根据人员识别结果和预警级别进行实时预警。权　利　要　求　书 2/2 页 3 CN 115346140 B 3