基于視頻監(jiān)測數(shù)據(jù)及人工智能判識的滑坡災(zāi)害群測群防預(yù)警體系

趙博　高磊　王芳

摘 要：本文提出在災(zāi)害發(fā)生地布置簡易視頻采集設(shè)備獲取現(xiàn)場實時影像數(shù)據(jù)，構(gòu)建滑坡災(zāi)害判識預(yù)警算法人工智能，對實時傳出的現(xiàn)場影像做出相應(yīng)的災(zāi)害預(yù)警響應(yīng)，以實時視頻影像數(shù)據(jù)配合人工智能判識預(yù)警算法來替代巡邏人員開展災(zāi)害地的長期監(jiān)測預(yù)警，實現(xiàn)更好的“群測群防”。

關(guān)鍵詞：滑坡監(jiān)測預(yù)警;人工智能;簡易條件;視頻影像數(shù)據(jù)

中圖分類號：TP274;P694文獻(xiàn)標(biāo)識碼：A文章編號：1003-5168（2021）15-0027-03

Abstract： This paper proposed to arrange simple video acquisition equipment in the disaster area to obtain the on-site real-time image data， build the artificial intelligence of landslide disaster identification and early warning algorithm， make the corresponding disaster early warning response to the real-time outgoing on-site image， and replace the patrol personnel with the real-time video image data and artificial intelligence identification and early warning algorithm to carry out the long-term monitoring and early warning of the disaster area， Achieve better "group measurement and group prevention".

Keywords： landslide monitoring and early warning;artificial intelligence;simple conditions;video image data

1 甘肅省滑坡災(zāi)害現(xiàn)狀

甘肅省是中國各類地質(zhì)災(zāi)害多發(fā)的省份之一，受氣候及地質(zhì)條件的影響，每年都有大量滑坡發(fā)生。甘肅省內(nèi)頻發(fā)的滑坡災(zāi)害對經(jīng)濟發(fā)展、民生改善、社會進(jìn)步、生態(tài)保護等各個方面都產(chǎn)生了極其惡劣的影響，因此，加強對滑坡災(zāi)害的監(jiān)測預(yù)警尤為迫切。

2 現(xiàn)有滑坡災(zāi)害監(jiān)測技術(shù)及應(yīng)用現(xiàn)狀

2.1 滑坡災(zāi)害監(jiān)測技術(shù)

目前滑坡災(zāi)害監(jiān)測常用方法有以下幾種。

大地測量法：采用經(jīng)緯儀、水準(zhǔn)儀、GPS等定點監(jiān)測大面積重點區(qū)域的滑坡體水平垂直位移及變化速率等，確定滑坡范圍及變形狀態(tài)。該方法存在外業(yè)工作多、測量周期長、不能連續(xù)監(jiān)測等缺點。

合成孔徑雷達(dá)干涉（INSAR）：全天時、近實時獲取大面積、高精度數(shù)據(jù)，空間分辨率高，對大氣和季節(jié)的影響不敏感，但是，植被茂盛程度、雷達(dá)照射方向、滑坡速度和大小會影響其效率[1]。

全球衛(wèi)星導(dǎo)航系統(tǒng)（GNSS）：高精度、高效率、高速度、高自動化程度，不受天氣影響，觀測站無須通視，但其受地形影響時精度不高，信號容易被阻擋，適用性存在較大局限[2]。

時域反射監(jiān)測法（TDR）：該方法經(jīng)濟安全，檢測時間短，可連續(xù)進(jìn)行遠(yuǎn)程監(jiān)測，數(shù)據(jù)獲取周期短，但全面性有限，不能用于檢測無剪切作用的區(qū)域，也不能確定滑坡滑移的方向。

群測群防：利用當(dāng)?shù)厝罕妼嵉鼗麦w熟悉的優(yōu)勢，對滑坡體不間斷監(jiān)測，能迅速發(fā)現(xiàn)險情并及時上報，最大限度地減少人員傷亡和財產(chǎn)損失，是滑坡地質(zhì)災(zāi)害監(jiān)預(yù)警系統(tǒng)的重要組成部分。但是，該方法要求群測群防員具有較高的專業(yè)能力[3]。

2.2 滑坡災(zāi)害監(jiān)測技術(shù)利用存在的問題

①專業(yè)監(jiān)測系統(tǒng)建設(shè)、運維費用過高。目前，市面上推廣地質(zhì)災(zāi)害專業(yè)監(jiān)測預(yù)警設(shè)備的公司多，設(shè)備品牌繁雜，性能參差不齊，而且監(jiān)測設(shè)備單價高。單個隱患點要實現(xiàn)有效的自動化專業(yè)監(jiān)測，初期建設(shè)費用動輒幾十萬元甚至上百萬元，另外，后期運維費用高，設(shè)備老化快，部分設(shè)備一旦受損則極易報廢，因此難以大批量開展自動化專業(yè)監(jiān)測預(yù)警建設(shè)工作[4-5]。

②監(jiān)測工作受外界影響大，干擾因素多。精密傳感器布置需求量大且保養(yǎng)不易，受到設(shè)備性能、軟件運行效果、人工活動等因素影響較大，特別是數(shù)據(jù)接收后，原始數(shù)據(jù)結(jié)算、翻譯、轉(zhuǎn)換時常出現(xiàn)系統(tǒng)性錯誤，導(dǎo)致監(jiān)測數(shù)據(jù)顯示異常，形成不必要的工作負(fù)擔(dān)。布設(shè)、維護、管理、回收傳感器設(shè)備作業(yè)耗費人力、物力、財力巨大。

③尚未建立統(tǒng)一的專業(yè)監(jiān)測預(yù)警預(yù)報規(guī)范或標(biāo)準(zhǔn)。在預(yù)警預(yù)報工作上，國家目前尚未出臺統(tǒng)一的可做參考的專業(yè)監(jiān)測預(yù)警預(yù)報規(guī)范或標(biāo)準(zhǔn)，導(dǎo)致目前所開展的自動化專業(yè)監(jiān)測存在重監(jiān)測輕預(yù)警的現(xiàn)象。

以上問題的存在，導(dǎo)致滑坡災(zāi)害監(jiān)測的理論基礎(chǔ)研究及實際應(yīng)用實踐未能得到與實際需要相匹配的發(fā)展。

3 建立基于視頻監(jiān)測數(shù)據(jù)及人工智能判識的滑坡災(zāi)害群測群防預(yù)警體系

針對滑坡災(zāi)害監(jiān)測預(yù)警現(xiàn)有技術(shù)應(yīng)用推廣過程中遇到的成本昂貴、重監(jiān)測輕預(yù)警的現(xiàn)實問題，結(jié)合甘肅省特殊地質(zhì)環(huán)境的實際情況，建立基于視頻監(jiān)測數(shù)據(jù)及人工智能判識的滑坡災(zāi)害群測群防預(yù)警技術(shù)體系。將滑坡災(zāi)害地現(xiàn)場實時視頻影像數(shù)據(jù)的采集、傳輸、預(yù)警信號反饋作為整體解決方案進(jìn)行研究。第一，提前于觀測區(qū)疑似滑坡體上按坡體規(guī)模布置數(shù)個預(yù)設(shè)標(biāo)志點位，預(yù)設(shè)標(biāo)志點可采用安置實物標(biāo)志或其他便于攝影設(shè)備采集的形式處理;第二，根據(jù)現(xiàn)場實地情況安設(shè)攝影設(shè)施，確保攝像畫幅可以將整個坡體盡可能多地納入進(jìn)來，并開始實時拍攝災(zāi)害地現(xiàn)場視頻，傳輸回處理終端服務(wù)器;第三，根據(jù)災(zāi)害判識人工智能算法，對來源數(shù)據(jù)的最低分辨率要求以及觀測現(xiàn)場實際的網(wǎng)絡(luò)情況設(shè)定視頻數(shù)據(jù)傳輸過程中進(jìn)出端口時的各項參數(shù);第四，實時視頻流數(shù)據(jù)抵達(dá)搭載人工智能算法的處理終端服務(wù)器，經(jīng)過處理判識后得出實時災(zāi)害預(yù)警信號;第五，預(yù)警信號根據(jù)檢測到的災(zāi)害規(guī)模及可能造成的影響破壞進(jìn)行分級;第六，該信號進(jìn)出端口實時發(fā)送給災(zāi)害地當(dāng)?shù)卣嚓P(guān)主管部門，為其隨即開展的災(zāi)害預(yù)警、應(yīng)急管理救援等工作提供決策依據(jù)。現(xiàn)場信息的采集、傳輸、反饋流程如圖1所示。

4 基于視頻監(jiān)測數(shù)據(jù)的滑坡災(zāi)害判識人工智能算法的開發(fā)

選定某滑坡隱患地作為監(jiān)測預(yù)警試驗區(qū)，利用現(xiàn)有資源，搭建災(zāi)害判識算法人工智能的原型設(shè)備及其他相關(guān)配套設(shè)施;在前期已完成的滑坡災(zāi)害表現(xiàn)特征研究的基礎(chǔ)上開展滑坡災(zāi)害判識算法基本功能開發(fā)，判識預(yù)警算法是視頻流數(shù)據(jù)拆幀算法、圖像特征識別算法、不同采樣間隔鄰近幀影像標(biāo)志點追蹤算法以及神經(jīng)網(wǎng)絡(luò)人工智能深度學(xué)習(xí)算法的功能集合，可以實現(xiàn)兩級識別追蹤、對比判定的滑坡災(zāi)害識別判斷預(yù)警。配合在初始試驗區(qū)進(jìn)行的長期觀測，迭代計算得出判識程序參數(shù)的最優(yōu)解范圍。隨著項目研究及技術(shù)應(yīng)用的推進(jìn)展開，將算法人工智能向高性能服務(wù)器硬件平臺移植，并選定其他滑坡隱患地進(jìn)行試驗，同時布設(shè)視頻數(shù)據(jù)采集傳輸設(shè)施，將新試驗區(qū)實時觀測數(shù)據(jù)引流向服務(wù)器;經(jīng)過多次壓力測試，完成服務(wù)器擴容，優(yōu)化、調(diào)整判識算法人工智能對新環(huán)境條件的適應(yīng)性，開始積累多地長期觀測數(shù)據(jù)。同時，與已有的應(yīng)用成熟且具備更高精確性的滑坡監(jiān)測技術(shù)（北斗、GPS、GNSS等技術(shù)）進(jìn)行相關(guān)性研究對比驗證，進(jìn)一步優(yōu)化算法。災(zāi)害地現(xiàn)場實時視頻影像數(shù)據(jù)經(jīng)算法人工智能判識，同時根據(jù)檢測到的災(zāi)害規(guī)模及可能造成的影響破壞得出分級設(shè)定的預(yù)警信號，并實時傳回災(zāi)害地當(dāng)?shù)?，可與地方應(yīng)急管理部門合作，探索先進(jìn)的災(zāi)害信息發(fā)布體系。

5 技術(shù)路線

開展滑坡災(zāi)害的表現(xiàn)特征研究→開展觀測現(xiàn)場布置研究→開展視頻流數(shù)據(jù)實時傳輸技術(shù)應(yīng)用研究→完善優(yōu)化現(xiàn)場視頻數(shù)據(jù)的采集傳輸流程→開展基于視頻數(shù)據(jù)的滑坡災(zāi)害判識人工智能開發(fā)研究→在試驗區(qū)進(jìn)行長期觀測試驗并與其他滑坡監(jiān)測技術(shù)對比驗證→優(yōu)化提升實時滑坡災(zāi)害預(yù)警信號的精確度與靈敏度→與應(yīng)急管理部門合作探索先進(jìn)災(zāi)害信息發(fā)布體系→凝練抽象出本項目在觀測區(qū)的通用做法并繼續(xù)積累長期觀測數(shù)據(jù)→形成有一定普適性的災(zāi)害預(yù)警體系標(biāo)準(zhǔn)。具體技術(shù)路線如圖2所示。

6 展望

國內(nèi)外關(guān)于滑坡災(zāi)害監(jiān)測預(yù)警的研究多集中于對現(xiàn)有成熟理論方法的傳感器性能參數(shù)進(jìn)行改良，而對于基于實時視頻影像數(shù)據(jù)進(jìn)行災(zāi)害監(jiān)測預(yù)警的理論方法的研究較少。本文所論述的在災(zāi)害發(fā)生地布置簡易視頻采集設(shè)備獲取現(xiàn)場實時影像數(shù)據(jù)，并構(gòu)建滑坡災(zāi)害判識預(yù)警算法人工智能，對實時傳出的現(xiàn)場影像做出相應(yīng)的災(zāi)害預(yù)警響應(yīng)，以實時視頻影像數(shù)據(jù)配合人工智能判識預(yù)警算法來替代巡邏人員開展災(zāi)害地的長期監(jiān)測預(yù)警，實現(xiàn)更好的“群測群防”，同時也以較少的技術(shù)應(yīng)用成本實現(xiàn)了更多區(qū)域地點觀測布置的覆蓋可能。以上的設(shè)想是可行的，同時也是當(dāng)前災(zāi)害監(jiān)測預(yù)警工作的大勢所趨。

綜上所述，本項目的實施可為今后滑坡災(zāi)害數(shù)據(jù)的收集、傳輸、存儲、分析以及災(zāi)害判斷預(yù)警提供借鑒，可以有效地解決現(xiàn)有滑坡災(zāi)害檢測預(yù)警技術(shù)人工設(shè)備成本過高、技術(shù)推廣應(yīng)用遲滯的問題，提高滑坡災(zāi)害判斷和預(yù)警的準(zhǔn)確率，極大限度地減少因判識預(yù)警不及時所造成的財產(chǎn)損失和人員傷亡，可顯著提高民生滿意度、擴大先進(jìn)適用科技成果的覆蓋范圍，具有良好的民生基礎(chǔ)和經(jīng)濟發(fā)展?jié)摿Α?/p>

參考文獻(xiàn)

[1]王國法，趙國瑞，胡亞輝.5G技術(shù)在煤礦智能化中的應(yīng)用展望[J].煤炭學(xué)報，2020（1）：16-23.

[2]孟慶佳.基于3G網(wǎng)絡(luò)滑坡應(yīng)急遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計[J].裝備制造技術(shù)，2017（11）：71-73.

[3]古麗米拉·買買提.淺析人工智能在視頻監(jiān)控中的應(yīng)用[J].科技創(chuàng)新，2019（10）：25.

[4]鐘曉清，梁廣星.實時視頻網(wǎng)絡(luò)監(jiān)測系統(tǒng)在地質(zhì)災(zāi)害防治中的應(yīng)用：以東莞市為例[J].地質(zhì)災(zāi)害與環(huán)境保護，2007（1）：96-99.

[5]黃鑫，牛晶蕊，楊卓，等.西安驪山滑坡自動化監(jiān)測系統(tǒng)建設(shè)[J].中國地質(zhì)災(zāi)害與防治學(xué)報，2013（2）：92-94.