应用天地 ｉｉ毒 己口Ｉ ７年５月 第］５卷第巨期 翻 一种基于图像识别的水位测量算法 仲志远 （南京理工大学机械工程学院南京２１００９８） 摘要：对传统水尺测量需人工读取，而压力式、超声波式、光电式等自动水位传感器存在维护困难、易损坏、需其他设施配套 辅助等问题，提出一种利用摄像机捕获含有水尺图像的视频，并从视频图像中实时截取水位图像，对图像进行灰度转换、中值 滤波、边缘检测等处理后，计算出水位结果的方法。水位数据主要由软件识别算法获得，具有测量精度高、维护方便、设备简 单、易于推广等特点，实用化后可应用于城市涵｝同、水库水位甚至闸位的测量。 关键词：视频；图像识别；水位量测；Ｋ—ｍｅａｎｓ聚类分析 中图分类号：ＴＮ２ 文献标识码：Ａ 国家标准学科分类代码：５２０．６０４ Ｍｅｔｈｏｄ ｏｆ ｗａｔｅｒ ｌｅｖｅｌ ｄａｔａ ｃａｐｔｕｒｉｎｇ ｂａｓｅｄ ｏｎ ｖｉｄｅｏ ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ Ｚｈｏｎｇ Ｚｈｉｙｕａｎ （Ｃｏｌｌｅｇｅ ｏｆ Ｍａｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｄｕｅ ｔｏ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｇａｕｇｅ ｍｅａｓｕｒｅｍｅｎｔ ｎｅｅｄ ｈｕｍａｎ ｔｏ ｒｅａｄ，ａｎｄ ｔｈｅ ｐｒｅｓｓｕｒｅ，ｕｌｔｒａｓｏｎｉｃ，ａｕｔｏｍａｔｉｃ ｗａｔｅｒ ｌｅｖｅｌ ｓｅｎｓｏｒ ｅｘｉｓｔｓ ｐｒｏｂｌｅｍｓ ｌｉｋｅ ｄｉｆｆｉｃｕｌｔ ｔｏ ｍａｉｎｔａｉｎ，ｅａｓｙ ｔｏ ｄａｍａｇｅ，ｎｅｅｄ ｏｔｈｅｒ ａｕｘｉｌｉａｒｙ ｆａｃｉｌｉｔｉｅｓ，ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａ ｍｅｔｈｏｄ ｔｈａｔ ｃａｐｔｕｒｅ ｖｉｄｅｏ ｉｍａｇｅｓ ｃｏｎｔａｉｎｉｎｇ ｄｒａｆｔ ｕｓｉｎｇ ｔｈｅ ｃａｍｅｒａ，ａｎｄ ｉｎｔｅｒｃｅｐｔ ｒｅａｌ ｔｉｍｅ ｗａｔｅｒ ｌｅｖｅｌ ｉｍａｇｅ ｆｒｏｍ ｔｈｅ ｖｉｄｅｏ，ａｆｔｅｒ ｇｒａｙ ｓｃａｌｅ ｃｏｎｖｅｒｓｉｏｎ，ｍｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ，ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｏｔｈｅｒ ｔｒｅａｔｍｅｎｔ，ｃａｌｃｕｌａｔｅ ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｗａｔｅｒ ｌｅｖｅ１．Ｔｈｅ ｗａｔｅｒ ｌｅｖｅｌ ｄａｔａ ｉｓ ｏｂｔａｉｎｅｄ ｂｙ ｔｈｅ ｓｏｆｔｗａｒｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈ ｈａｓ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｈｉｇｈ ｍｅａｓｕｒｅｍｅｎｔ ｐｒｅｃｉｓｉｏｎ，ｅａｓｙ ｍａｉｎｔｅｎａｎｃｅ，ｓｉｍｐｌｅ ｅｑｕｉｐｍｅｎｔ，ｅａｓｙ ｔｏ ｐｏｐｕｌａｒｉｚｅ ａｎｄ ＳＯ ｏｎ．Ｔｈｉｓ ｍｅｔｈｏｄ ｃａｎ ｂｅ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｔｈｅ ｗａｔｅｒ ｌｅｖｅｌ ｏｆ ｒｅｓｅｒｖｏｉｒ，ｃｉｔｙ ｃｕｌｖｅｒｔ ａｎｄ ｅｖｅｎ ｔｈｅ ｇａｔｅ ｐｏｓｉｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｖｉｄｅｏ ｉｍａｇｅ；ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ；ｗａｔｅｒ １ｅｖｅ［ｍｅａｓｕｒｅｍｅｎｔ；Ｋ—ｍｅａｎｓ ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ １ 引 言 我国是一个水灾频发的国家，水安全问题已成为影响 经济和社会发展中的重要因素之一。洪水等突发事故所 引发的损失和危害巨大，因此水情监控问题成为国家水利 部门关注的重点。为了准确而实时地监测水位，目前国内 截取的水尺图像进行处理，经过灰度化、中值滤波、边缘 检测、二值化、形态学处理以及图像细化，最终由算法得 出水位数据。整个测量过程主要由摄像机和识别软件 完成，精度较高且应用要求低，因此具有广阔的应用 前景。 多数水文监测站使用的是传统水位测量方式。 传统水位测量方式主要有安装水尺目测读数和使用 传感器自动采集水位相关的模拟量再转换为水位量两种。 其中，目测读数的方式需要耗费人力，且实时性不高，恶劣 ２ 目标图像的提取和预处理 ２．１ 目标图像的截取和平均 从摄像机采集到的视频图像数据，首先要选取出数帧 含有水尺图像的图片进行平均。利用微软的ＭＳＤＮ（ｍｉ ｃｒｏｓｏｆｔ ｄｅｖｅｌｏｐｅｒ ｎｅｔｗｏｒｋ）提供的视频处理函数与 环境下读取水位人员的安全也不能保证。使用传感器自 动采集则主要有超声波式、压力式、浮子机械编码式、雷达 式等测量手段。这些测量方式优点与缺点并存，缺点也非 ＯｐｅｎＣＶ（ｏｐｅｎ ｓｏｕｒｃｅ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ ｌｉｂｒａｒｙ）提供的截取 视频帧函数可以从摄像机采集的视频中提取出若干帧的 图像并保存Ⅲ。截取连续的数帧图像取平均可避免非常 态干扰，提升测量精度。 常显著，如难于维护，受环境影响较大等。 本文通过设计一系列图像识别算法，对从视频流中 收稿日期：２０１６ １２ ９６一 国外电子测量技术 中国科技核心期刊 ２［３ ｌ７年Ｅｊ月 第３ｔ５卷第巨期 ２．２彩色图像的灰度化 应用天地 Ｃａｎｎｙ算 准确 效率更高的 ｃ Ｉ钟：ｆ－。 ｔ ｌ Ｑｌ辫＝ｒ算 法的优点是计算简单、速度快，迎常愉洲时带仃方向性，【Ｊ『 以选择进行水平方向检测或萏乖 行 ‘阳榆洲，或两个力’ 都愉测 。 为水尺刻度在 像ｌＩｌ处 水 力‘ｍ，这Ｈ！进 （１） …于很多摄像机支持彩色图像拍摄，在处州 像之 前， 对采集到的彩色 像按照式（１）进仃灰 转换以便 后续处 。 了、一０．２９９×Ｒ＋０．５８７×（；＋０．１ １ ４×Ｉ：Ｉ 方 的边缘愉测。图２所，Ｊｊ ｌｆＩ仉滤波和边缘检 巾Ｔ得到转换后目标图像的灰度ｆ『Ｉ，Ｒ、（ 、Ｉ１：分别 后的ｌ划像。 为 、绿、临的彩色图像分罐，罔１为灰度化 的 像。 冬Ｉ １ 灰度化后 仃水尺的 像 ３ 兴趣区域的提取和形态学处理 ３．１ 中值滤波 从度化后的 像・叮能存 有由卜环境或｝ 扰 ／ｔ－的 噪， 热噪， 艟化噪，打等． ’咒需要刈ｊ 进ｆ 滤波 噪。这‘ 采川能够较好 像细 的【｛】（ｆ【滤波，Ｊ‘法。 Ｉｆｌ值滤波作 一种Ｉ｝＝线性技术．可以仃效的ｉ『Ｉｊ除孤● 噪， 点 时 持ｌ划像ｒ｛ 的天键细节。它将 ・像索的灰 度他按照陔像素 一定 城内所有像索点废度的ｌｌ１ｆＩｔ【 新设定．从ｆ 淌除 Ｉ爰域内像素灰度巾ｆ『ｆ蓐肄过大 的点。 【ｆｌ恤滤波的主要算法流程如下 。 １）设 一个合适大小． 钉奇数个点的采样商ｌｊ。 ２）通过采样窗ｒ】存被处理的 像中取川ｊ奇数个像素， 许埘这 像索的厌 值进行排序。 ３）选收舟数个从度值的ｒｌｌｆ卣，｝１ＩＪ从小刽人排 ・ 的 一个，作为替换值。 １）将 采样街『ｌ—Ｉ一心化 的像素的耿度仳，没为特 换ｆｆ（。 ５）币 步骤２）～１），刈 图像ｒｆ］所有像粜点进仃处州。 一股情况Ｆ中值滤波后，小于采样窗Ｌ】【 ｛的一般噪 ，｛ｉ点ｆＩ『以滤除． 较大的物体如水 刻度．水【ｆＩｆ轮廓等几 宠令／ｆ 受滤波的影响。 ３．２边缘检测 埘经过滤波 的 像采川边缘检测，・，Ｊ＿以很好的提取 列水 刎度的特 ，大幅度减少数据量并剔除小 嘤的 像信息．¨时还能保留重要的图像结构属忡，便了 后续处 理识别。边缘检测中常『｝】的算子有Ｃａｎｎｙ锋：ｆ－。或各种改 进的ＣａｎＩｌｙ算ｒ以肢Ｓｏｂｅｌ算子。这里…ｊ：足埘水尺刻 度的 ５删，埘细１，纹瑚水太 匝．所以选择』 虽然小如 图２ 滤波和边缘榆测 的罔像 ３．３二值化 埘 像进行边缘检测后再通过『二值化，去除水听、背 景等 日标图像。一般从多值的 像中提取Ｉ｛杯物体，最 常川的方法就是设定出全局的阈值Ｔ ，然后十５１扔 令局『 ，将Ｉ 像的数据分为两部分：灰度值人于了、的邸分 ｆ１】厌 度ｆｉｌｉ小于丁的部分。将灰度值人于Ｔ、的部分的像素没为 色（或黑色），而灰度值小于了’的部分设为黑色（或Ｉ Ｉ 包）。水文使用迭代阈值法合理选取全局阈使进行＿Ｉ值 化．迭代阈值法的算法流程如下 。 １）设置一个初始阈值了、 可以自己设置或随机乍成。 ２）根据初始阈值将图像分割成两部分：Ｈ标 像 域 ｓ１和背景图像区域Ｓ２。 ３）分别求出ｓ１和ｓ２部分的像素灰度平均值（ １ 和（ ２。 ，１）设定新的阀值，『、”为（Ｇ１＋（ ２） ／２ ５）重复步骤２）～４），不断川新没定的闽 分割 像，计算、ｆ￡均灰度值，直到得 的新阀 等丁ｆ 一次的 阀ｆＡ。 经过二值化后的 像如图３所爪。 图３二缸化 的ｌ剖像 外电予测 技术 ９７ 应用天地 ３．４形态学处理 己口Ｉ ７年 月 第］６卷第 期 二值化后的图像，还 叮能仃在一 干扰判断的噪点， 有必要通过形态学的腐蚀处 来进一步滤除。膨胀和腐 蚀是形态学的 础运钟：．许多形态学算法都以它们为綦 础．其ｌ｝】腐蚀的作用址 除小Ｊ： 构７ 索的物体，对图像 的腐蚀过程如下 。 １）用结构元素Ｙ 描待腐蚀二值 像Ｘ的每个 像素。 ２）结构元素ｙ的像素与其组盖的二值图像区域做 ”－＿ｊ”操作，即如果全为１，则结果图像的该像素为１，否则 为（）。 腐蚀后的刻度图像如阔４所示。 ３．５ 图像细化 太除背景和水 过腾蚀后得ｍ的水平刻度线，不宜 Ａ接』｝】于后面的处卫Ｉ 分析． 对Ｌ一步的结粜 像进行 像细化处 。罔像细化叮以从Ｆｊ标 像中提取出图像 ，丹ｔ柴，ＨｌＪ将将 像Ｉ｝Ｉ像豢宽度人】ｊ １的线条细化成只有 ｌ像素宽的线条．之 Ｉ】Ｊ以比较容易的分析图像或提取图 像的特征。此处使片Ｊ Ｚｈａｎｇ快速并行细化算法 对刎度 进行细化，细化后的【刳像如 ５所示。 ４基于Ｋ—ｍｅａｎｓ聚类分析的水位识别 ４．Ｉ Ｋ—ｍｅａｎｓ聚类分析获取刻度数 数据聚类是对于静态数据分析的一门技术，存许多领 域内郜被广泛地应ｆ｛｛，包括机器学习、数据挖掘、模式汉 圳、 像分析、信息检索以及，ｌｉ物信息等 。Ｋ ｍｅａｎｓ算 法足最常用的聚类分析办法之・， 山Ｍａｃｏｕｅｅｎ提出．它 ９８ Ｈ仃钟：法简单Ｅｔ收敛速度快的特 函数是 方误 准则函数．即： Ｅ．．． １ １ ‘ｊ‘ｊ ｒ１Ｉ．Ｆ为所仃数槲的 芦 方和。， ｔ、 个的埘象 为均他。Ｋ ｔＩＳ 法是 于距离的埭炎钾：法．它将中¨ 越近的对象判定为卡¨似发越大，认为簇址Ｉｔｌ紧７瘩的 高锘 近的埘象形成的．闪此最终ｌＩ『以得 ｌＪ紧凑Ｉ｛＿独● 的簇。 Ｋ＾１１ ｉｎｓ算法的流 如卜 ： １ １从Ｎ个对象巾随机选取Ｋ个埘象作为聚炎Ｊ矗心。 ２）对剩余的每个对象．算 它ｆｆＪ ５．１ １＼埙心的硝 离许 『Ｊ｛类划相壤最近的顷心的类。 ３）ｍ新汁算已经得刮的各个聚 的顷心 ， ，４） 复步骤２）～３），小断划分新的聚炎 ｛ ｝ 新的 质心． 剑新的质心 卜一次 一算得ｊ ＩＪ ｎ 质心ｆｌ｛等或菏小 于指定的阈值，此ｔｔ寸得刮的聚类即为山｛终 ．． 埘于上一步 像细化后的幺０度ｌ冬ｌ像，ｍ一条刎发将被 划分为一个聚类，从而最终聚类数 等 －叮以识圳…的刻 度数最，进而在后续处 中算出水位。 ４．２水位测量算法 １）算法思想 对从视频流中截取平均．经过灰 化、一Ｉ，ｆｆ｛滤波、边缘 检测、二值化、腐蚀、刻度细化后的 像，通过聚类分析的 办法．魁随机选取符｝：对象作为聚类质心．没定倒优化水 卡Ｈ邻刻度 的最小距离，聚类分析 ｉｉ｛满足条什的聚 类数培Ｎ，再根据水尺和公式计算水ｆ ２）总体算法 Ｉ己口Ｉ ７年５月 第］５卷第５期 （１）从视频流中截取数帧图像取平均，并灰度化。 （２）对（１）获得的图像进行中值滤波，使用Ｓｏｂｅｌ算子 边缘检测。 ７ ３ １ 卷 ； ９ ７ ５ 应用天地 ３ ７ ５ ３ １ ９ （３）将上一步得到的图像二值化后进行腐蚀处理。 （４）对腐蚀后的结果图像进行图像细化处理。 （５）随机选取图像中的像素作为初始聚类中心，设置 合理的阈值后进行聚类分析，得出水尺刻度线间隔数Ｎ。 （６）根据公式代人间隔数Ｎ计算水位。 ５实验结果分析 实验数据库采用２４０张在现场用摄像机拍摄得到的 图片，包括一天中不同时间的不同水位信息，在此基础上 进行水位识别。算法处理每张图像所需时间在６５～８Ｏ ｍｓ 之间，设定误差允许范围在１ ｃｍ以内的情况下，所有图像 都得出正确检测结果。 下面给出实验图像由算法得出的数据结果和由人眼目 视读取的水位结果以及两种水位问的误差进行比较，图６ 所示为人工测量得到的水位，图７所示为识别算法得出的 水位，图８所示为算法程序得到水位与人工得到水位之差。ｏ ４ ２ Ｏ ２ ４ ６ ５１ １Ｏ１ １５１ ２０１ 图６人工测量得到的水位 图７识别算法得出的水位 从图８可以看出误差不超过０．６ ｃｍ，造成误差的主要 原因有实际拍摄水位时，水位线不是完全静止，会有小范 围的浮动；以及部分水尺的刻度线模糊缺损，导致边缘检 测算法难以刻度线，总体来说，提出的算法的识别正确率 和实时性能够满足应用需求。 中国科技核心期刊 １ ５１ 】０】 ｌ５ｌ ２Ｏｌ 图８算法得到水位与人工得到水位之差 ６ 结 论 本文提出的水尺测量算法基于图像识别，可广泛应用 于测量各种可使用水尺的水位测量场合，费用低廉、设施 简单、并且精度较高。水位识别方法通过灰度变换，边缘 检测，图像细化，Ｋ—ｍｅａｎｓ分析等得到刻度线然后计算水 位，由于视频摄像的实时性，可方便的对水位进行远程在 ］ 口 ］ ］ ］ ］ ］ ］ 线监控，具有较强的实用性。对于原本已经架设摄像头的 系统，无需添加太多设施即可完成改造。 参考文献 翟亚宇，潘晋孝，刘宾．基于ＶＣ＋＋物体尺寸检测中 的实时图像处理与显示ＦＪ］．测试科学与化学：英文 版，２０１４，５（４）：４０—４５． 龚声蓉．数字图像处理与分析［ＭＩ．北京：清华大学出 版社，２０１４． 李高西，曹军，张福元．基于视觉灵敏度及粗集的彩色 图像滤波算法［Ｊ］．电子测量与仪器学报，２０１４，２８（２）： ２１１—２１７． 牛敏，邬战军，牛燕雄．一种基于排序统计理论的快速图 像中值滤波法ＥＪ］．电子测量技术，２０１５，３８（６）：６０－６３． 楚广生．基于图像处理的自动调光系统ＥＪ］．国外电 子测量技术，２０１５，３４（１２）：６９－７２． 赵劫，刘铁根，李晋申．基于ＤＭ６４２的高速图像识别系 统设计［Ｊ］．电子测量与仪器学报，２００７，２１（１）：８６—８９． 彭太乐，张文俊，汪友宝．基于多特征的视频镜头检 测方法［Ｊ］．仪器仪表学报，２０１５，３６（９）：１３—２０． 李乔．基于移动终端的水位监测与车牌定位算法研 究［Ｄ１．西安：西安电子科技大学，２０１１． 姚丽君，赵磊．基于改进的Ｋ－ｍｅａｎｓ聚类算法在图像分 割中的研究［Ｊ］．计算机光盘软件与应用，２０１４（２Ｏ）： ２０１—２０１． 刘宇．基于遗传算法的模糊聚类研究及其应用［Ｄ］． 开封：河南大学，２００７，２７（１）：５２—５５． 作者简介 仲志远，１９９１年出生，工学硕士，主要研究方向为仪 器仪表测量、道路交通图像处理与识别、医学图像分割等。 Ｅ—ｍａｉｌ：ｓａｎｄｓ５＠ｓｉｎａ．ｃｏｒｎ 国外电子测量技术 一９９一 ］