(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210303323.2 (22)申请日 2022.03.24 (71)申请人 上海擎测机电工程 技术有限公司 地址 200434 上海市虹口区广纪路738号2 号楼408室 (72)发明人 钱韫辉　高巍　 (74)专利代理 机构 上海中外企专利代理事务所 (特殊普通 合伙) 31387 专利代理师 杨旺旺 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 7/254(2017.01) G06N 3/04(2006.01) (54)发明名称 一种基于图像识别的水处 理过程监控方法 (57)摘要 本发明公开了一种基于图像识别的水处理 过程监控方法， 包括以下步骤： 获取一段水处理 过程的监控视频； 对所述监控视频做分帧处理， 得到n帧连续的监控图像； 基于混合高斯模型， 识 别每帧监控图像中的运动目标， 所述运动目标为 疑似絮状物的图像； 采用卷积神经网络提取第n 帧监控图像中的每个运动目标的图像特征； 将获 取的若干图像特征， 输入SVM分类器， 获得多个絮 状物的图像特征； 采用BP神经网络将多个絮状物 的图像特征进行特征融合， 获得絮状物图像的融 合特征； 基于融合特征， 判断是否有预定量的絮 状物产生； 若无， 则进行报警操作。 本发 明采用图 像识别技术代替人眼， 精确监控絮状物的产生 量， 据此可为工作人员提供加药量 参考。 权利要求书1页 说明书3页 附图1页 CN 114863313 A 2022.08.05 CN 114863313 A 1.一种基于图像识别的水处 理过程监控方法， 其特 征在于： 包括以下步骤： 步骤1、 获取一段 水处理过程的监控视频； 步骤2、 对所述 监控视频做分帧处 理， 得到n帧连续的监控图像； 步骤3、 基于混合高斯模型， 识别每帧监控图像中的运动目标， 所述运动目标为疑似絮 状物的图像； 步骤4、 采用卷积神经网络提取第n帧监控图像中的每 个运动目标的图像特 征； 步骤5、 将步骤4获取的若干图像特 征， 输入SVM分类 器， 获得多个絮状物的图像特 征； 步骤6、 采用BP神经网络将多个絮状物的图像特征进行特征融合， 获得絮状物图像的融 合特征； 步骤7、 基于融合特征， 判断是否有预定量的絮状物产生， 若有， 则获取下一段水处理过 程的监控视频， 然后进入步骤2； 若无， 则进行报警操作。 2.按照权利要求1所述的一种基于图像识别的水处理过程监控方法， 其特征在于： 所述 步骤2， 还包括对分帧处理后的每帧监控图像进行图像预处理； 图像预处理时， 利用加权平 均灰度处 理， 对获取的监控图像进行颜色规范化处 理。 3.按照权利要求2所述的一种基于图像识别的水处理过程监控方法， 其特征在于： 所述 步骤2， 还 包括对颜色规范化处 理后的监控图像进行中值滤波 去噪处理。 4.按照权利要求1所述的一种基于图像识别的水处理过程监控方法， 其特征在于： 所述 步骤3中， 基于混合高斯模型， 识别每 帧监控图像中的运动目标时， 利用背景减除法建立混 合高斯模型， 用每 帧监控图像中的每个像素点与混合高斯模型匹配,如果匹配成功则判定 该像素点 为背景点,否则该像素点 为运动目标中的图像。 5.按照权利要求4所述的一种基于图像识别的水处理过程监控方法， 其特征在于： 所述 混合高斯模型建立时， 需要对混合高斯模型中方差和均值两个参数实时更新， 更新时， 均值 和方差的更新采用不同的更新 率。 6.按照权利要求1所述的一种基于图像识别的水处理过程监控方法， 其特征在于： 所述 步骤4中， 采用卷积神经网络提取每帧监控图像中的运动目标的图像特征时， 经过一个卷积 核的卷积 操作后， 得到 了一个特定特 征。 7.按照权利要求1所述的一种基于图像识别的水处理过程监控方法， 其特征在于： 所述 SVM分类器为预先采用k‑means+LBP+PCA+SVM算法， 多次训练模型获得。 8.按照权利要求1所述的一种基于图像识别的水处理过程监控方法， 其特征在于： 所述 融合特征为所述絮状物的图像面积。权　利　要　求　书 1/1 页 2 CN 114863313 A 2一种基于图像识别的水 处理过程监控方法 技术领域 [0001]本发明属于图像识别技术领域， 尤其涉及 一种基于图像识别的水处理过程监控方 法。 背景技术 [0002]水处理过程中， 通过在污水中投放絮凝剂的形式， 对污水进行初步处理， 将污水中 的固体颗粒物质进 行沉淀处理， 絮凝剂通过加药间， 向污水中进 行定量投放， 然后对水中絮 状物形成过程进行监控， 以便 达到絮凝剂药品的合理 投放。 [0003]现有的监控手段， 主要借助人工监控和借助浊度计进行过程监控， 常规的浊度计 监控受水体中悬浮颗粒的粒径、 泥沙颜色以及气泡效应因素影响， 精度低。 另外， 人工监控 过程中， 需要依赖运行人员现场进 行巡检， 并依据个人经验进 行加药调整。 最 终导致加药量 容易出现较大的偏差 。 发明内容 [0004]本发明所要解决的技术问题在于针对上述现有技术中的不足， 提供一种基于图像 识别的水 处理过程监控方法， 采用图像识别技术代替人眼， 精确监控絮状物的产生量， 据此 可为工作人员提供加药量 参考。 [0005]为解决上述技术问题， 本发明采用的技术方案是： 一种基于图像识别的水处理过 程监控方法， 包括以下步骤： [0006]步骤1、 获取一段 水处理过程的监控视频； [0007]步骤2、 对所述 监控视频做分帧处 理， 得到n帧连续的监控图像； [0008]步骤3、 基于混合高斯模型， 识别每帧监控图像中的运动目标， 所述运动目标为疑 似絮状物的图像； [0009]步骤4、 采用卷积神经网络提取第n帧监控图像中的每 个运动目标的图像特 征； [0010]步骤5、 将步骤4获取的若干图像特征， 输入SVM分类器， 获得多个絮状物的图像特 征； [0011]步骤6、 采用BP神经 网络将多个絮状物的图像特征进行特征融合， 获得絮状物图像 的融合特 征； [0012]步骤7、 基于融合特征， 判断是否有预定量的絮状物产生， 若有， 则获取下一段水处 理过程的监控视频， 然后进入步骤2； 若无， 则进行报警操作。 [0013]上述基于图像识别的水处理过程监控方法， 所述步骤2， 还包括对分帧处理后的每 帧监控图像进 行图像预处理； 图像预 处理时， 利用加权平均灰度处理， 对获取的监控图像进 行颜色规范化处 理。 [0014]上述基于图像识别的水处理过程监控方法， 所述步骤2， 还包括对颜色规范化 处理 后的监控图像进行中值滤波 去噪处理。 [0015]上述基于图像识别的水处理过程监控方法， 所述步骤3中， 基于混合高斯模型， 识说　明　书 1/3 页 3 CN 114863313 A 3