地质灾害的识别方法、装置、设备及存储介质与流程

计算;推算;计数设备的制造及其应用技术1.本技术涉及地质灾害监测技术，尤其涉及一种地质灾害的识别方法、装置、设备及存储介质。背景技术：2.地质灾害是一类严重的自然灾害，会威胁到人们的生活和生命安全。因此，有必要进行地质灾害的监测。3.目前，地质灾害的监测主要依靠地质专家巡逻的方式，然而人工巡逻的方式效率低。传感器监测技术能够提高地质灾害的监测效率，通过传感器技术对居民区附近的边坡进行勘察，并评估其危险程度，能够及时了解地质灾害的情况，并做出应对策略，以减小对居民区的影响。4.然而，传感器技术需要专用的通信线路等设备，导致监测过程较为复杂。技术实现要素：5.本技术提供一种地质灾害的识别方法、装置、设备及存储介质，用以解决采用传感器技术进行地质灾害监测需要专用的通信线路等设备，使得监测过程变得复杂的技术问题。6.第一方面，本技术提供一种地质灾害的识别方法，包括：获取对边坡周围的目标物进行图像采集得到的多个目标图像；每个目标图像包括多条直线；确定每个目标图像的多条直线中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线；所述第一预设条件包括：与地平线之间的夹角小于第一预设夹角，且长度大于第一预设长度；所述第二预设条件包括：与垂直于所述地平线的线段之间的夹角小于第二预设夹角，且长度大于第二预设长度；所述x为大于或等于3的整数，所述y为大于或等于2的整数；根据所述多个目标图像中x条第一直线之间的距离比值的变化情况，和/或，所述y条第二直线的斜率的变化情况，得到所述边坡是否发生异常的识别结果；所述识别结果包括是否发生大风天气或沉降。7.第二方面，本技术提供一种地质灾害的识别装置，包括：获取模块，用于获取对边坡周围的目标物进行图像采集得到的多个目标图像；每个目标图像包括多条直线；确定模块，用于确定每个目标图像的多条直线中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线；所述第一预设条件包括：与地平线之间的夹角小于第一预设夹角，且长度大于第一预设长度；所述第二预设条件包括：与垂直于所述地平线的线段之间的夹角小于第二预设夹角，且长度大于第二预设长度；所述x为大于或等于3的整数，所述y为大于或等于2的整数；识别模块，用于根据所述多个目标图像中x条第一直线之间的距离比值的变化情况，和/或，所述y条第二直线的斜率的变化情况，得到所述边坡是否发生异常的识别结果；所述识别结果包括是否发生大风天气或沉降。8.第三方面，本技术提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面所述的方法。9.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。10.第五方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的方法。11.本技术提供的地质灾害的识别方法、装置、设备及存储介质，通过获取对边坡周围的目标物进行图像采集得到的多个目标图像；每个目标图像包括多条直线；确定每个目标图像的多条直线中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线；第一预设条件包括：与地平线之间的夹角小于第一预设夹角，且长度大于第一预设长度；第二预设条件包括：与垂直于地平线的线段之间的夹角小于第二预设夹角，且长度大于第二预设长度；x为大于或等于3的整数，y为大于或等于2的整数；根据多个目标图像中x条第一直线之间的距离比值的变化情况，和/或，y条第二直线的斜率的变化情况，确定边坡是否发生大风天气或沉降。其中，x条第一直线之间的距离的变化情况和/或y条第二直线的斜率的变化情况，反映的是摄像机的视场图像偏移情况，因此，通过x条第一直线之间的距离的变化情况和/或y条第二直线的斜率的变化情况，能够确定摄像机的视场图像偏移程度，进而能够确定摄像机所处边坡的地质灾害的风险情况。该方案不需要额外的通信线路，通过摄像机自身的图像采集和图像数据处理功能即可实现，能够减少数据传输带来的时延，提高地质灾害的识别效率。附图说明12.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。13.图1为本技术实施例提供的一种地质灾害的识别方法的流程图；图2为本技术实施例提供的摄像机安装场景的示意图；图3为本技术实施例提供的目标物的一种直线的示例图；图4为本技术实施例提供的目标物的另一种直线的示例图；图5为本技术实施例提供的去除目标图像中天空区域的示例图；图6为本技术实施例提供的地质灾害的识别装置的结构示意图；图7为本技术实施例提供的电子设备的结构示意图。14.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。具体实施方式15.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。16.极端强降雨事件，成为引发区域性地质灾害的一大因素。许多大型滑坡、崩塌、泥石流等地质灾害的主要诱因即为极端事件导致的局地异常降雨、极端强降雨以及异常升温等现象。暴雨过后，总是会新增一些隐患点，一些不稳定的斜坡、陡崖发生滑坡、崩塌的风险就会增大，可能原本安全的地带也会存在危险。因此，如何加强在有人居住的地区的地质灾害预警能力，保障人们的生命安全是当前亟需解决的问题。17.现阶段主要采用人工方式和专用地质检测预测设备进行隐患的排除。在人工方式中，是通过地质专家巡逻和采样的方式，对居民区附近的边坡进行勘察，并评估其危险程度。该种方式需要专业的地质人员进行巡逻，而专业的地质人员本身稀缺，另外，巡逻效率和效果需要受限于人力本身，并且仅能保证一小块区域的地质灾害的监测。而专用地质监测预警设备是利用传感器技术，对待监测的居民区域的沉降以及设备倾斜的情况进行综合评估来实现地质灾害的监测。该种方式所使用的专用的地质监测设备成本较高，并且需要额外布置专用的通信线路以及对其供电等，使得地质灾害的监测较为复杂，另外，额外的通信线路对传感器数据进行数据传输会带来时延，从而影响地质灾害的监测效率。18.针对上述技术问题，本技术的发明人发现：当边坡发生沉降、大面积倾斜或大风天气等地质灾害时，边坡上的一些物体也会跟随发生上述变化。因此，可以通过在边坡上设置一摄像机，并对边坡周围居民的住宅或道路进行图像采集。当边坡受到地质灾害时，边坡上摄像机的视场会发生偏移，例如，在受到强风干扰时，摄像机会发生左右或者前后摇摆的情况，那么摄像机的视场角度也会发生变化，且所拍摄的住宅和道路上的直线的斜率或直线之间的距离也会发生变化。根据这一原理，可以通过获取摄像机在不同时刻对边坡周围居民的住宅和/或道路进行拍摄得到的目标图像，并对不同时刻的目标图像中的横向直线和竖向直线进行识别，以及根据横向直线之间的距离和竖向直线的斜率的变化情况，确定边坡是否存在地质灾害。从而提供一种简单、方便且效率高的地质灾害的识别方法。19.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。20.图1为本技术实施例提供的一种地质灾害的识别方法的流程图。如图1所示，该地质灾害的识别方法，包括如下步骤：s101、获取对边坡周围的目标物进行图像采集得到的多个目标图像；每个目标图像包括多条直线。21.本实施例的方法的执行主体可以是设置于边坡上的摄像机，或者是设置于边坡上的同时具有图像采集和图像数据处理功能的电子设备。22.图2为本技术实施例提供的摄像机安装场景的示意图。如图2所示，通过立杆的方式将摄像机21架设在边坡22上，摄像机21可以对边坡22周围的道路23和建筑物（图中未示出）进行拍摄得到目标图像，当连续多个时刻进行拍摄时，便可以得到多个目标图像。23.本实施例的目标物可以是边坡周围的建筑物、道路、标牌等具有明显的直线属性的对象。24.图3为本技术实施例提供的目标物的一种直线的示例图。如图3所示，当目标物为建筑物时，建筑物的屋檐与房屋主体之间存在一条直线，而建筑物的窗户、门等位置也会存在直线，以及建筑物底部与地面连接处，都会存在直线。25.图4为本技术实施例提供的目标物的另一种直线的示例图。如图4所示，居民住宅的主体部分大多为矩形结构，因此，其也会存在直线。26.当摄像机的视场发生偏离时，这些直线相对于画面的位置也会发生变化，因此，可以通过检测画面中直线的变化情况来判断边坡是否发生异常。27.s102、确定每个目标图像的多条直线中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线；第一预设条件包括：与地平线之间的夹角小于第一预设夹角，且长度大于预设长度；第二预设条件包括：与垂直于地平线的线段之间的夹角小于第二预设夹角，且长度大于预设长度；x为大于或等于3的整数，y为大于或等于2的整数。28.可选的，本步骤包括：采用基于霍夫变换的直线检测方法检测每个目标图像中的多条直线；确定每个目标图像中的地平线，并根据第一预设条件，从多条直线中筛选出与地平线之间的夹角小于预设夹角，且长度大于第一预设长度的x条第一直线，和/或，确定每个目标图像中与地平线垂直的线段，并根据第二预设条件，从多条直线中筛选出与垂直于地平线的线段之间的夹角小于预设夹角，且长度大于第二预设长度的y条第二直线。请继续参阅图3和图4，所检测出来的横向直线如图3中加粗线条示出，所检测出来的竖向直线如图4中加粗线条示出。29.可选的，预设夹角为接近于0度的角度。则x条第一直线为基本平行于地平线，且长度大于第一预设长度的直线，也称为横向直线。y条第二直线为基本垂直于地平线，且长度大于第二预设长度的直线，也称为竖向直线。可选的，第一预设长度可以是目标图像的宽度w的50%，第二预设长度可以是目标图像的高度h的50%。其中，通过是否平行于地平线能够识别出来直线是横向直线或竖向直线，而长度大于第一预设长度或第二预设长度则可以理解为是从采用基于霍夫变换的直线检测方法对每个目标图像检测出的多条直线中筛选出更具有明显的直线属性的直线，以便于后续计算。30.示例性地，本步骤是采用基于霍夫变换的直线检测方法检测每个目标图像中能够用于参考的刚性物体，例如路面、建筑物标识牌等所包括的直线，据此可以得到二值化的直线图像，二值化的直线图像中包括多条直线。当摄像机发生倾斜时，画面中的直线也会发生倾斜。因此，本实施例以二值化的直线图像中靠近图像左侧的横向直线为起点，采用从左至右以及深度优先的方式，检测出x条满足第一预设条件的横向直线，即斜率kw与地平线基本平行，且长度大于w*50%个像素点，并记为lh（1，2…x）。之后，继续以从左到右，从下到上，深度优先的方式，检测出y条满足第二预设条件的竖向直线，即斜率kw与地平线基本垂直，且长度大于h*50%个像素点，并记为ls（1，2…y）。31.其中，为了方便后续计算过程中的比对，每个目标图像中需包括相同的第一直线和/或第二直线。32.s103、根据多个目标图像中x条第一直线之间的距离比值的变化情况，和/或，y条第二直线的斜率的变化情况，确定边坡是否发生异常的识别结果；识别结果包括是否发生大风天气或沉降。33.可选的，步骤s103具体包括：若根据x条第一直线中相邻两条第一直线之间的距离，和，根据y条第二直线在不同时刻的斜率的变化情况，均确定边坡发生异常，则确定边坡发生异常，并进行异常预警；若根据x条第一直线中相邻两条第一直线之间的距离，或，根据y条第二直线在不同时刻的斜率的变化情况，确定边坡发生异常，则不进行边坡异常预警。34.当摄像机受到极端天气时，摄像机会发生俯仰变化，即沿着摄像机视场的z轴方向来回摆动。则摄像机的视场中，不同时刻拍摄的多个目标图像的x条第一直线之间的距离也会发生变化，通过对这一变化进行检测，能够确定边坡是否发生异常。35.而当摄像机受到极端天气时，还会发生左右摇晃的现象，即沿着摄像机视野的x轴方向来回摆动。则摄像机的视场中，不同时刻拍摄的多个目标图像的y条第二直线的斜率也会发生变化，通过对这一变化进行检测，也能够确定边坡是否发生异常。36.可选的，当确定边坡发生异常的情况下，还可以向监控终端发送边坡异常的预警信息，以使监控人员及时了解边坡的情况。可选的，还可以向监控终端发送边坡所发生的地质灾害的类型，即大风天气或沉降。37.本实施例通过获取对边坡周围的目标物进行图像采集得到的多个目标图像；每个目标图像包括多条直线；确定每个目标图像的多条直线中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线；第一预设条件包括：与地平线之间的夹角小于第一预设夹角，且长度大于第一预设长度；第二预设条件包括：与垂直于地平线的线段之间的夹角小于第二预设夹角，且长度大于第二预设长度；x为大于或等于3的整数，y为大于或等于2的整数；根据多个目标图像中x条第一直线之间的距离比值的变化情况，和/或，y条第二直线的斜率的变化情况，确定边坡是否发生大风天气或沉降。其中，x条第一直线之间的距离的变化情况和/或y条第二直线的斜率的变化情况，反映的是摄像机的视场图像偏移情况，因此，通过x条第一直线之间的距离的变化情况和/或y条第二直线的斜率的变化情况，能够确定摄像机的视场图像偏移程度，进而能够确定摄像机所处边坡的地质灾害的风险情况。该方案不需要额外的通信线路，通过摄像机自身的图像采集和图像数据处理功能即可实现，能够减少数据传输带来的时延，提高地质灾害的识别效率。38.本实施例中的摄像机是架设在边坡上的，由于相机视场的特性，视场的上部分更可能是天空区域，即摄像机所拍摄的目标图像中可能会存在一部分天空区域，而天空区域通常也会存在一些直线，这些直线的形状本身不固定，对于地质灾害的识别效果意义不大，甚至还会影响地质灾害的判别结果，因此，在根据多个目标图像进行地质灾害的识别之前，需要去除每个目标图像中的天空区域。下面结合附图介绍如何去除每个目标图像的天空区域。39.在本技术的一个或多个实施例中，可选的，确定多个目标图像的每个目标图像中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线，包括：步骤a1、针对多个目标图像的每个目标图像，去除目标图像中天空所在的图像区域，得到预处理的目标图像。40.其中，每个目标图像的宽度为w，高度为h，可选的，步骤a1具体包括：步骤a11、针对多个目标图像中每个目标图像，将目标图像进行图像块的划分，得到划分后的目标图像；划分后的目标图像包括m*n个图像块；其中，m为w与第一预设数值的比值，n为h与第二预设数值的比值。41.举例来说，假设第一预设数值和第二预设数值均为10，则m=w/10，n=h/10。42.可选的，第一预设数值和第二预设数值可以是相同的数值，也可以是不同的数值，本实施例对此不做限制。43.步骤a12、根据m*n个图像块的m行图像块中每行图像块的预设的亮度系数和每个图像块的亮度值，对每个图像块确定新的亮度值；其中，m行图像块的亮度系数按照由上至下的顺序依次减小。44.可选的，m行图像块中每行图像块的亮度系数可以根据如下公式（1）计算得到：ki=ki-1-1/n；（1）式（1）中，ki代表第i行图像块的亮度系数，其中，i的取值范围为0至n之间的整数，当i取值为0时，ki取值为1；ki-1为第i-1行图像块的亮度系数；n为第二预设数值。当n取值为10时，则m行图像块的亮度系数按照由上至下的顺序依次为1、0.9、0.8、……0.1。45.可选的，步骤a12具体包括：确定每个图像块中所有像素点的亮度值总和，得到每个图像块的亮度值；根据每个图像块的亮度值与亮度系数的乘积，和每个图像块的亮度值之和，得到每个图像块的新的亮度值。其中，步骤a12可以表示为如下公式（2）：ypnij=ypij*（1+ki）；（2）式（2）中，i代表图像块的行数编号；j代表图像块的列数编号；ypnij代表第i行第j列的图像块的新的亮度值；ypij代表第i行第j列的图像块的亮度值；ki代表第i行图像块的亮度系数。46.步骤a13、针对m*n个图像块中每一列的n个图像块，按照由上至下的顺序，依次确定每个图像块的新的亮度值是否小于或等于预设亮度值，若每个图像块的新的亮度值小于或等于预设亮度值，则将小于或等于预设亮度值的图像块以上的图像块去除，直至对n列的图像块均去除完成，得到预处理的目标图像。47.图5为本技术实施例提供的去除目标图像中天空区域的示例图。如图5所示，划分后的图像为10*10的图像，包括100个图像块，针对第1行第1列的图像块，其新的亮度值小于或等于预设亮度值，则将其标识为阴影部分，即需要去除的图像块区域，针对第2行第1列的图像块，其新的亮度值大于预设亮度值，则不对进行阴影的标识，其为保留区域，并且第2行第1列的图像块之后的该列其他图像块也均为保留区域。针对其他列按照同样的方法步骤可以得到图5示出的效果，图中的阴影代表需要去除的天空区域。48.示例性地，本步骤中的预设亮度值可以根据如下方法步骤确定：对每个图像块按照新的亮度值从大到小的顺序排序，并取靠前的40%的图像块的亮度值范围为天空区域，即排序结果中前40%的图像块中最后一个图像块对应的新的亮度值为预设亮度值。49.步骤a2、确定预处理的目标图像中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线。50.对于本步骤的具体实施方式，可以参见步骤s203的具体实施方式，此处不再赘述。51.在本技术的一个或多个实施例中，可选的，根据多个目标图像中x条第一直线之间的距离比值的变化情况，确定边坡是否发生异常的识别结果，包括：步骤b1、针对多个目标图像中每个目标图像，确定每个目标图像的x条第一直线之间的距离比值。52.可选的，步骤b1具体包括：根据每个目标图像的x条第一直线中每相邻两条第一直线之间的距离，得到x-1个距离；将x-1个距离依次相除，得到每个目标图像对应的距离比值。其中，将x-1个距离依次相除，可以是根据在图像中从左到右的顺序或者从右到左的顺序，依次将x-1个距离中每个距离与下一个距离相除，得到每个目标图像对应的距离比值。53.承接步骤s102中的示例，本实施例中x条第一直线之间的距离比值为：vt=d（l1~l2）/d（l2~l3）…/d（lx-1~lx）；其中，vt代表t时刻拍摄的目标图像对应的距离比值；d（l1~l2）代表第一直线l1与第一直线l2之间的距离；d（l2~l3）代表第一直线l2与第一直线l3之间的距离；d（lx-1~lx）代表第一直线lx-1与第一直线lx之间的距离。54.可选的，为了减少计算量，可以选取3条第一直线，若x的取值大于3，则可以采用如下方法从x条第一直线中筛选出3条第一直线：确定x条第一直线中满足第三预设条件的3条第一直线。第三预设条件包括：与地平线之间的夹角小于第三预设夹角，直线长度大于第三预设长度，且相邻两条第一直线之间的最小距离小于预设距离；第三预设夹角小于第一预设夹角，且第三预设长度大于第一预设长度。可选的，预设距离可以是h*20%，20%为可调整的值。55.步骤b2、根据多个目标图像对应的距离比值的变化情况，确定边坡是否发生异常的识别结果。56.可选的，步骤b2具体包括：若多个目标图像对应的距离比值在时间顺序上为持续增加或持续减小，且持续增加或持续减小的时长大于预设时长，则确定边坡发生异常的识别结果为沉降；若多个目标图像对应的距离比值在增大和减小之间波动的持续时长大于预设时长，则确定边坡发生异常的识别结果为大风天气；若多个目标图像对应的多个距离比值中每相邻两个距离比值的差值的累加值大于预设数值，则确定为边坡沉降。57.示例性地，以3条第一直线为例，针对t时刻拍摄的目标图像计算得到距离比值为：vt=d（l1~l2）/d（l2~l3），将不同时刻拍摄的目标图像对应的距离比值表示为曲线，若通过曲线分析出多个目标图像对应的距离比值呈波动状态，即忽高忽低现象的持续时间大于预设时长，则确定为大风天气；若呈持续增大或持续减小的状态，且持续时间大于预设时长或持续增大的距离比值大于第一预设距离比值或持续减小的距离比值小于第二预设距离比值，则确定为边坡沉降；确定多个目标图像对应的多个距离比值中每相邻两个距离比值的差值，即vt-vt-1，并将得到的距离比值的差值进行累加；若累加后的距离比值的差值大于预设数值且累加的目标图像对应的持续时长大于预设时长，则确定为边坡沉降。58.摄像机在受到强风干扰时，可能会导致左右、前后摇晃，其视场角度也会发生变化，由于风力作用的间断性，其角度会在一定范围内往复变化。因此，摄像机在风中摇晃会造成忽高忽低现象，而当边坡出现倾斜或沉降时，摄像机的倾斜角度也会以一定的增量一直向某个方向倾斜，因此，当摄像机一定时间内持续向一个方向倾斜，则有可能是因为边坡沉降导致立杆倾斜，其斜率会一直持续变高或变低，即vt-vt-1递增或递减状态，累积一段时间后若累积的数值大于阈值则报警。59.可选的，根据距离比值的波动大小，还可以确定风力大小。60.在本技术的一个或多个实施例中，可选的，根据多个目标图像中y条第二直线的斜率的变化情况，确定边坡发生异常的识别结果，包括：步骤c1、针对y条第二直线中每条第二直线，确定每条第二直线在相邻时刻的两个目标图像中斜率的差值。61.步骤c2、确定y条第二直线中斜率的差值均为正值或均为负值的p条第二直线的斜率的平均值；p为大于或等于2，且小于或等于y的整数。62.步骤c3、根据多个目标图像中，p条第二直线的斜率的平均值的变化情况，确定边坡发生异常的识别结果。63.本步骤中，是计算每个目标图像中p条第二直线的斜率的平均值，则多个目标图像对应多个斜率的平均值，每个目标图像对应的斜率的平均值即为摄像机的角度系数，反映的是摄像机左右摇晃的角度变化情况。64.可选的，步骤c3具体包括：若多个目标图像对应的p条第二直线的斜率的平均值在时间顺序上为持续增加或持续减小，且持续增加或持续减小的时长大于预设时长，则确定边坡发生异常的识别结果为沉降；若多个目标图像对应的p条第二直线的斜率的平均值在增大和减小之间波动的持续时长大于预设时长，则确定边坡发生异常的识别结果为大风天气；若多个目标图像对应的多个斜率的平均值中每相邻两个第二直线的斜率的平均值的差值的累加值大于预设数值且累加的目标图像对应的持续时长大于或等于预设时长，则确定边坡发生异常的识别结果为沉降。65.示例性地，以3条第二直线为例，针对t时刻拍摄的目标图像中的3条第二直线分别记为kh1、kh2和kh3，并且针对kh1、kh2和kh3，分别计算kh1的斜率在t时刻与t-1时刻的差值，kh2的斜率在t时刻与t-1时刻的差值，以及，kh3的斜率在t时刻与t-1时刻的差值；若3个差值均为正数或者均为负数，则将kh1、kh2和kh3的平均值作为t时刻拍摄的目标图像对应的角度系数，通过对多个不同时刻拍摄的目标图像对应的角度系数进行统计；若不同时刻拍摄的多个目标图像对应的角度系数呈波动状态，例如在xoy坐标系的第一象限和第四象限内来回波动，且持续时间大于预设时长，则确定为大风天气；若多个不同时刻拍摄的目标图像对应的角度系数呈持续增大或持续减小状态，且持续时间大于预设时长或持续增加的角度系数大于第一预设角度系数或持续减小的角度系数小于第二预设角度系数，则确定为边坡沉降；确定多个目标图像对应的多个角度系数中每相邻两个角度系数的差值，并将得到的角度系数的差值进行累加；若累加后的角度系数的差值大于预设数值且持续时长大于或等于预设时长，则确定为边坡沉降，例如在第四象限内持续偏离x轴正半轴且持续时长大于或等于预设时长，则确定为边坡沉降。66.可选的，当3个差值中存在1个正数和2个负数，或者，存在2个正数和1个负数时，则将该2个负数对应的第二直线或者将2个正数对应的第二直线的斜率的平均值作为t时刻拍摄的目标图像对应的角度系数。67.可选的，根据角度系数的波动大小还可以确定风力大小。68.可选的，在上述判断条件之外的其他判断结果的分支下，都可以认为边坡处于正常状态。69.图6为本技术实施例提供的地质灾害的识别装置的结构示意图。如图6所示，该地质灾害的识别装置，包括：获取模块61、确定模块62和识别模块63；其中，获取模块61，用于获取对边坡周围的目标物进行图像采集得到的多个目标图像；每个目标图像包括多条直线；确定模块62，用于确定每个目标图像的多条直线中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线；所述第一预设条件包括：与地平线之间的夹角小于第一预设夹角，且长度大于第一预设长度；所述第二预设条件包括：与垂直于所述地平线的线段之间的夹角小于第二预设夹角，且长度大于第二预设长度；所述x为大于或等于3的整数，所述y为大于或等于2的整数；识别模块63，用于根据所述多个目标图像中x条第一直线之间的距离比值的变化情况，和/或，所述y条第二直线的斜率的变化情况，得到所述边坡是否发生异常的识别结果；所述识别结果包括是否发生大风天气或沉降。70.可选的，所述确定模块62确定所述多个目标图像的每个目标图像中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线，具体包括：针对所述多个目标图像的每个目标图像，去除所述目标图像中天空所在的图像区域，得到预处理的目标图像；确定所述预处理的目标图像中满足第一预设条件的x条第一直线和/或满足第二预设条件的y条第二直线。71.可选的，每个目标图像的宽度为w，高度为h；其中，所述确定模块62针对所述多个目标图像的每个目标图像，去除所述目标图像中天空所在的图像区域，得到预处理的目标图像，具体包括：针对所述多个目标图像中每个目标图像，将所述目标图像进行图像块的划分，得到划分后的目标图像；所述划分后的目标图像包括m*n个图像块；所述m为所述w与第一预设数值的比值，所述n为所述h与第二预设数值的比值；根据所述m*n个图像块的m行图像块中每行图像块的预设的亮度系数和每个图像块的亮度值，对每个图像块确定新的亮度值；针对所述m*n个图像块中每一列的n个图像块，按照由上至下的顺序，依次确定每个图像块的新的亮度值是否小于或等于预设亮度值，若每个图像块的新的亮度值小于或等于预设亮度值，则将小于或等于预设亮度值的图像块以上的图像块去除，直至对n列的图像块均去除完成，得到所述预处理的目标图像。72.可选的，所述识别模块63根据所述多个目标图像中x条第一直线之间的距离比值的变化情况，得到所述边坡是否发生异常的识别结果，具体包括：针对所述多个目标图像中每个目标图像，确定每个目标图像的x条第一直线之间的距离比值；根据所述多个目标图像对应的距离比值的变化情况，得到所述边坡是否发生异常的识别结果。73.可选的，所述识别模块63根据所述多个目标图像对应的距离比值的变化情况，得到所述边坡是否发生异常的识别结果，具体包括：若所述多个目标图像对应的距离比值在时间顺序上为持续增加或持续减小，且持续增加或持续减小的时长大于预设时长，则确定所述边坡发生异常的识别结果为沉降；若所述多个目标图像对应的距离比值在增大和减小之间波动的持续时长大于预设时长，则确定所述边坡发生异常的识别结果为大风天气；若所述多个目标图像对应的多个距离比值中每相邻两个距离比值的差值的累加值大于预设数值且累加的目标图像对应的持续时长大于或等于预设时长，则确定所述边坡发生异常的识别结果为沉降。74.可选的，所述识别模块63根据所述多个目标图像中y条第二直线的斜率的变化情况，得到所述边坡发生异常的识别结果，包括：针对所述多个目标图像中每个目标图像，根据所述目标图像的y条第二直线中每条第二直线，确定相邻时刻的两个目标图像中所述第二直线的斜率的差值；确定所述y条第二直线中斜率的差值均为正值或负值的p条第二直线的斜率的平均值；所述p为大于或等于1，且小于或等于所述y的整数；根据所述多个目标图像中，所述p条第二直线的斜率的平均值的变化情况，确定所述边坡发生异常的识别结果。75.可选的，所述识别模块63根据所述多个目标图像中，所述p条第二直线的斜率的平均值的变化情况，得到所述边坡发生异常的识别结果，包括：若所述多个目标图像对应的p条第二直线的斜率的平均值在时间顺序上为持续增加或持续减小，且持续增加或持续减小的时长大于预设时长，则确定所述边坡发生异常的识别结果为沉降；若所述多个目标图像对应的p条第二直线的斜率的平均值在增大和减小之间波动的持续时长大于预设时长，则确定所述边坡发生异常的识别结果为大风天气；若所述多个目标图像对应的多个斜率的平均值中每相邻两个第二直线的斜率的平均值的差值的累加值大于预设数值且累加的目标图像对应的持续时长大于或等于预设时长，则确定所述边坡发生异常的识别结果为沉降。76.可选的，所述识别模块63根据所述x条第一直线中相邻两条第一直线之间的距离，和，所述y条第二直线在不同时刻的斜率的变化情况，得到所述边坡是否发生异常的识别结果，包括：若根据所述x条第一直线中相邻两条第一直线之间的距离，和，所述y条第二直线在不同时刻的斜率的变化情况，均确定所述边坡发生异常，则确定所述边坡发生异常。77.本技术实施例提供的地质灾害的识别装置，可用于执行上述实施例中地质灾害的识别方法的技术方案，其实现原理和技术效果类似，在此不再赘述。78.需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，第二确定模块152生成模块121可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上第二确定模块152生成模块121的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。79.图7为本技术实施例提供的电子设备的结构示意图。如图7所示，该电子设备可以包括：收发器71、处理器72、存储器73。80.处理器72执行存储器存储的计算机执行指令，使得处理器72执行上述实施例中的方案。处理器72可以是通用处理器，包括中央处理器cpu、网络处理器（network processor，np）等；还可以是数字信号处理器dsp、专用集成电路asic、现场可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。81.存储器73通过系统总线与处理器72连接并完成相互间的通信，存储器73用于存储计算机程序指令。82.收发器71可以用于获取对边坡周围的目标物进行图像采集得到的多个目标图像；以及，向外部设备发送地质灾害预警消息。83.系统总线可以是外设部件互连标准（peripheral component interconnect，pci）总线或扩展工业标准结构（extended industry standard architecture，eisa）总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。收发器用于实现数据库访问装置与其他计算机（例如客户端、读写库和只读库）之间的通信。存储器可能包含随机存取存储器（random access memory，ram），也可能还包括非易失性存储器（non-volatile memory）。84.本技术实施例提供的电子设备，可以是上述实施例的摄像机。85.本技术实施例还提供一种运行指令的芯片，该芯片用于执行上述实施例中地质灾害的识别方法的技术方案。86.本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行上述实施例中地质灾害的识别方法的技术方案。87.本技术实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，其存储在计算机可读存储介质中，至少一个处理器可以从计算机可读存储介质读取计算机程序，至少一个处理器执行计算机程序时可实现上述实施例中地质灾害的识别方法的技术方案。88.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。89.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!