幀差與快速密集光流結(jié)合的圖像法測(cè)流研究

王劍平，朱 芮，張 果，何興波，蔡如鵬

(1.昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院，云南 昆明 650000；2.貴州省黔西南州水文水資源局，貴州 興義 562400)

中國(guó)河流眾多，水資源豐富，水資源的合理以及有效利用對(duì)我國(guó)的經(jīng)濟(jì)發(fā)展具有重要的意義。天然河流的流量監(jiān)測(cè)是管理地表水資源的重要要素之一，高洪時(shí)期的流速和流量信息的獲取也是山洪地質(zhì)災(zāi)害防治非工程措施的重要組成部分。20世紀(jì)80年代以前，絕大部分國(guó)內(nèi)外的水文監(jiān)測(cè)站都使用基于轉(zhuǎn)子式流速儀的流速–面積法來(lái)測(cè)量各個(gè)河道斷面布置點(diǎn)的平均流速，并進(jìn)行流量計(jì)算。但由于自然河流復(fù)雜多變的流動(dòng)特性以及嚴(yán)峻的戶外測(cè)量環(huán)境，點(diǎn)流速測(cè)量的代價(jià)高昂，導(dǎo)致流速儀等傳統(tǒng)的接觸式測(cè)量方法不能正常開(kāi)展或者儀器無(wú)法正常施測(cè)。因此，發(fā)展非接觸式測(cè)流方法是必要且迫切的。

近幾年來(lái)，機(jī)器視覺(jué)及傳感器技術(shù)的迅速發(fā)展推動(dòng)非接觸式測(cè)流技術(shù)取得巨大的突破，基于光學(xué)、圖像以及雷達(dá)的各種測(cè)流技術(shù)都已經(jīng)得到了快速地發(fā)展和應(yīng)用，尤其是圖像法測(cè)流技術(shù)，該技術(shù)因其簡(jiǎn)便、高效、安全等優(yōu)點(diǎn)得到了普遍的關(guān)注。粒子圖像測(cè)速（particle image velocimetry，PIV）技術(shù)發(fā)展于20世紀(jì)80年代，該技術(shù)在流場(chǎng)中布撒示蹤粒子，以激光片光作為光源，用底片或CCD（charge coupled device，CCD）相機(jī)記錄示蹤粒子的圖像，利用自相關(guān)法、互相關(guān)法或光學(xué)楊氏條紋法處理這些圖像，從而獲得流場(chǎng)的速度分布。Fujita等提出了大尺度粒子圖像測(cè)速（large-scale particle image velocimetry，LSPIV）方法，改進(jìn)PIV技術(shù)用于大尺度水面流場(chǎng)觀測(cè)。該方法以波紋、植物碎片、泡沫等天然水面漂浮物和天然水面模式代替粒子作為示蹤物，用普通的數(shù)字相機(jī)或視頻錄像機(jī)記錄自然光光源下的河流圖像，簡(jiǎn)化了硬件配置，還避免了示蹤物對(duì)河流的污染。該方法自提出以來(lái)，被廣泛地應(yīng)用于水文站流量、流速的監(jiān)測(cè)。但由于采用極易受到環(huán)境影響的天然水面漂浮物和諸如泡漩等不穩(wěn)定的天然水面模式作為示蹤物，該方法存在穩(wěn)定性差的問(wèn)題。且LSPIV方法在運(yùn)動(dòng)估計(jì)時(shí)采用空域相關(guān)匹配法，相關(guān)性計(jì)算的時(shí)間復(fù)雜度達(dá)O(

n

)，所需存儲(chǔ)空間大且計(jì)算效率低。相比于LSPIV，F(xiàn)ujita等在2007年提出了基于時(shí)空?qǐng)D像的測(cè)流（spatio-temporal image velocimetry，STIV）方法。該方法在斷面流量測(cè)量方面展現(xiàn)出了更好的性能，目前正在被廣泛地研究，但該方法只能獲得一維流速場(chǎng)，且對(duì)河流流態(tài)穩(wěn)定性要求高。王萬(wàn)良等將深度學(xué)習(xí)用于流速測(cè)量，采用條件邊界平衡生成對(duì)抗網(wǎng)絡(luò)對(duì)流速圖像進(jìn)行生成，采用多特征融合的卷積分類網(wǎng)絡(luò)對(duì)流速圖像進(jìn)行分類，此方法僅能獲得流速區(qū)間，但為非接觸式測(cè)流技術(shù)提供了一種全新的思路。Lin等結(jié)合無(wú)人機(jī)利用熱水作為示蹤劑，利用Lucas-Kanade光流法取得了優(yōu)于常用跟蹤方法的測(cè)流結(jié)果。但由于將熱水作為大尺度天然河流的示蹤劑并不具有普遍的可行性，該方法也存在局限性。Tauro等利用金字塔Lucas-Kanade光流法跟蹤了FAST、Shi-Tomasi、SIFT、SURF、ORB5種特征點(diǎn)，并利用先驗(yàn)信息對(duì)特征點(diǎn)的跟蹤軌跡進(jìn)行濾波，只保留視場(chǎng)中與實(shí)際物體運(yùn)動(dòng)相關(guān)的軌跡，此方法在實(shí)驗(yàn)過(guò)程中取得了良好的結(jié)果，但特征點(diǎn)的選取是一個(gè)復(fù)雜過(guò)程，考慮天然河道實(shí)際工況的復(fù)雜性，在不同的現(xiàn)場(chǎng)環(huán)境下選取光流跟蹤特征點(diǎn)的統(tǒng)一規(guī)則并沒(méi)有制定，且先驗(yàn)信息的獲取并不具有普遍性，故該方法在實(shí)際場(chǎng)景下穩(wěn)定性較差。

由于天然環(huán)境下水流的復(fù)雜特性，主流的圖像法測(cè)流技術(shù)依然存在著不穩(wěn)定和耗時(shí)嚴(yán)重的問(wèn)題。為此，提出一種結(jié)合幀間差分與快速密集光流（fast optical flow using dense inverse search grouping，DIS）的分組測(cè)流方法（frame difference-fast optical flow using dense inverse search-grouping，F(xiàn)D-DIS-G），以實(shí)現(xiàn)河流平均流速和斷面流量的準(zhǔn)確、實(shí)時(shí)、可持續(xù)監(jiān)測(cè)。

1 FD-DIS-G測(cè)流算法

河流的流動(dòng)反映在圖像上為圖像灰度的表面運(yùn)動(dòng)，本方法利用密集光流法跟蹤像素點(diǎn)的運(yùn)動(dòng)，不依賴于天然水面模式作為示蹤物，有利于增強(qiáng)方法的穩(wěn)定性；且只選取測(cè)速點(diǎn)鄰域的塊區(qū)域進(jìn)行快速密集光流計(jì)算，保證了算法的實(shí)時(shí)性；在光流計(jì)算之前進(jìn)行了運(yùn)動(dòng)顯著性圖計(jì)算，通過(guò)捕捉水面不顯著的運(yùn)動(dòng)，進(jìn)一步保障了算法的準(zhǔn)確性。

基于FD-DIS-G的分組測(cè)流方法主要包括以下步驟：計(jì)算運(yùn)動(dòng)顯著性圖、計(jì)算幀間光流位移、分組處理奇異值以及計(jì)算表面流速。算法流程圖如圖1所示。

圖1 算法流程圖Fig. 1 Algorithm flowchart

1.1 運(yùn)動(dòng)顯著性圖

對(duì)車輛或行人等運(yùn)動(dòng)目標(biāo)進(jìn)行運(yùn)動(dòng)檢測(cè)時(shí)，目標(biāo)和背景之間通常很容易就被區(qū)分開(kāi)來(lái)，但在天然河流的視頻圖像中水面是作為整體一起運(yùn)動(dòng)的。圖2為河流表面圖和運(yùn)動(dòng)顯著性圖。

圖2 河流表面圖與運(yùn)動(dòng)顯著性圖Fig. 2 River surface map and motion saliency map

1.2 基于密集逆向搜索的快速光流估計(jì)

由第1.1節(jié)得到運(yùn)動(dòng)顯著性圖，根據(jù)顯著性圖中斷面線的起點(diǎn)加上起點(diǎn)距

b

可得測(cè)速點(diǎn)

P

的坐標(biāo)，并以

P

為中心點(diǎn)確定當(dāng)前幀（第

t

幀）的塊區(qū)域

G

，下一幀的塊區(qū)域

G

，塊區(qū)域大小為(δ×δ)， δ為塊區(qū)域的邊長(zhǎng)，由相鄰兩個(gè)測(cè)速點(diǎn)之間的像素距離決定。于是對(duì)兩幀塊區(qū)域之間位移 Δ

d

的求解可轉(zhuǎn)化為對(duì)兩塊區(qū)域之間的密集光流位移

A

進(jìn)行計(jì)算，計(jì)算過(guò)程如下：Step1：以 ρ為尺度金字塔下采樣系數(shù)，分別對(duì)

G

和

G

構(gòu)建尺度金字塔，如圖3所示。定義模板

T

為金字塔在第

s

層塊區(qū)域

G

里的子區(qū)域，模板大小為(θ×θ)。用均勻的網(wǎng)格塊初始化

G

且每個(gè)網(wǎng)格塊的大小和模板

T

相同，如圖4所示，并用式（2）初始化第

k

個(gè)網(wǎng)格塊

I

中心點(diǎn)的光流位移(

u

,

v

)。

圖3 塊區(qū)域金字塔Fig. 3 Block area pyramid

圖4 塊區(qū)域網(wǎng)格化Fig. 4 Block area meshing

式中：(

x

,

y

)為網(wǎng)格塊

I

中心點(diǎn)的坐標(biāo)；為

A

的元素，包含了

x

、

y

方向的位移；

A

為第

s

+1層的光流位移。

Step4：定義能量函數(shù)（8）對(duì)當(dāng)前尺度產(chǎn)生的密集光流進(jìn)行優(yōu)化：

1.3 分組處理奇異數(shù)據(jù)

視頻拍攝過(guò)程中常常會(huì)出現(xiàn)丟幀、無(wú)效幀或光照突變的情況，這會(huì)導(dǎo)致算法在進(jìn)行幀間計(jì)算時(shí)產(chǎn)生奇異數(shù)據(jù)，從而影響整體計(jì)算結(jié)果，降低算法的準(zhǔn)確率。因此，奇異數(shù)據(jù)的處理是必要的。本研究方法設(shè)計(jì)了一種分組處理奇異數(shù)據(jù)的方法對(duì)運(yùn)動(dòng)顯著性圖之間得到的光流位移 Δ

d

進(jìn)行處理，使得算法更具有魯棒性。視頻分組圖如圖5所示。

圖5 視頻分組處理圖Fig. 5 Video grouping processing diagram

式中，

s

為

M

個(gè)數(shù)據(jù)的標(biāo)準(zhǔn)差。

Z

分?jǐn)?shù)以標(biāo)準(zhǔn)差為單位衡量某一原始數(shù)據(jù)偏離平均值的距離，

Z

分?jǐn)?shù)的值就表示了原始數(shù)據(jù)與平均值之間相差的標(biāo)準(zhǔn)差個(gè)數(shù)。本算法定義，與最佳估計(jì)值的偏差超過(guò)2倍標(biāo)準(zhǔn)差的測(cè)量值稱為奇異值，因此當(dāng)|

Z

|＞2時(shí)，該數(shù)據(jù)被認(rèn)為是奇異值，應(yīng)該舍掉該數(shù)據(jù)。

1.4 地面標(biāo)定與透視投影變換

采用透視投影變換的方法將流場(chǎng)中的運(yùn)動(dòng)矢量從圖像坐標(biāo)系轉(zhuǎn)換到世界坐標(biāo)系，從而獲得兩幀之間的真實(shí)位移，并除以時(shí)間間隔得到以“m·s”為單位的河流表面流速，再由流速–面積法求得平均流速和斷面流量。

綜上，可以通過(guò)上述變換將圖像中的幀間位移轉(zhuǎn)化為實(shí)際的幀間位移，從而獲得河流表面流速。

1.5 表面流速估測(cè)與流量計(jì)算

由第1.4節(jié)所述的變換可以得到實(shí)際的幀間位移，并除以時(shí)間間隔得到以“m·s”為單位的表面流速。設(shè)得到測(cè)速點(diǎn)

i

的表面流速為

v

（

i

=1,2,···,

n

；

n

為斷面線上測(cè)速點(diǎn)的個(gè)數(shù)），測(cè)速點(diǎn)

i

-1到

i

對(duì)應(yīng)的過(guò)水?dāng)嗝娴拿娣e為

s

，測(cè)速點(diǎn)

i

-1到

i

之間的平均表面流速為：

最后通過(guò)河流的流量和面積可以得到整條河流的平均流速

v

ˉ：

式中，

S

為斷面總面積。

2 試驗(yàn)結(jié)果與分析

2.1 試驗(yàn)設(shè)計(jì)

在水文測(cè)驗(yàn)中，流速儀法得到的測(cè)量結(jié)果普遍被認(rèn)為是真值。因此本算法將流速儀法得到的結(jié)果作為比測(cè)標(biāo)準(zhǔn)，以垂線平均流速、平均流速和流量作為衡量指標(biāo)，對(duì)某水文站經(jīng)過(guò)斷面修整的河道進(jìn)行算法比測(cè)實(shí)驗(yàn)，并選取了貴州省黔西南州?；恼镜奶烊缓拥肋M(jìn)行算法普遍適用性驗(yàn)證實(shí)驗(yàn)。

2.2 比測(cè)實(shí)驗(yàn)

比測(cè)實(shí)驗(yàn)在某水文站經(jīng)過(guò)斷面修整的河道進(jìn)行了比測(cè)試驗(yàn)，選取LSPIV方法、STIV方法、DIS方法（未進(jìn)行運(yùn)動(dòng)顯著性處理）以及未進(jìn)行分組奇異值處理的方法（frame difference-fast optical flow using dense inverse search，F(xiàn)D-DIS）測(cè)得的流速和流量做為對(duì)比對(duì)象，并分析了5種算法的運(yùn)行時(shí)間。實(shí)驗(yàn)設(shè)備處理器的型號(hào)為i5-7300CPU，操作系統(tǒng)為Windows10(x64)，程序運(yùn)行環(huán)境為Python3.7和OpenCV4.2。根據(jù)該水文站多年實(shí)測(cè)經(jīng)驗(yàn)，得岸邊系數(shù)為0.80，水面流速系數(shù)為0.82。實(shí)驗(yàn)地面標(biāo)定點(diǎn)布置如圖6所示。左岸布置

A

、

B

兩個(gè)點(diǎn)，右岸布置

D

、

C

兩個(gè)點(diǎn)，起點(diǎn)與

D

點(diǎn)重合，終點(diǎn)與

A

點(diǎn)重合，以

DA

為斷面線，斷面數(shù)據(jù)如表1所示。

圖6 比測(cè)實(shí)驗(yàn)的地面標(biāo)定點(diǎn)布設(shè)示意圖Fig. 6 Layout diagram of ground mark in comparison test

表1 比測(cè)實(shí)驗(yàn)的斷面數(shù)據(jù)
Tab. 1 Cross section data of the comparison test

注：斷面總面積為9.70 m。

起點(diǎn)距b/m深度/m 0.10.59 0.50.70 1.00.81 1.50.82 2.00.76 2.50.86 3.00.93 3.50.90 4.00.96 4.51.00 5.00.99 5.50.94 6.01.04 6.50.95 7.00.86 7.50.78 8.00.77 8.50.70 9.00.92 9.50.85 10.00.81 10.50.74 11.00.55 11.50.42 11.90.39

為了控制變量單一，于同一時(shí)段進(jìn)行流速儀測(cè)量與視頻拍攝以保證兩者是測(cè)的同一段時(shí)段的水流。測(cè)量期間水流穩(wěn)定、天氣晴朗、測(cè)量流速儀型號(hào)為L(zhǎng)J-20。利用流速儀法在起點(diǎn)距分別為2、3、4、5、6、7、8、9、10、11 m的垂線上測(cè)得垂線平均流速，結(jié)果如表2所示，并計(jì)算得到了河流平均流速為0.47 m/s，斷面流量為4.56 m/s。根據(jù)流速儀的位置，在相同起點(diǎn)距位置確定測(cè)速點(diǎn)，如圖6中的小圓點(diǎn)所示，利用本文所介紹的方法測(cè)量測(cè)速點(diǎn)的表面流速，并按照河流流量測(cè)驗(yàn)規(guī)范計(jì)算平均流速和流量，將本文方法(FD-DIS-G)的測(cè)量結(jié)果與流速儀法、LSPIV方法、STIV方法、DIS方法以及FD-DIS方法的測(cè)量結(jié)果進(jìn)行比較。

表2 比測(cè)實(shí)驗(yàn)的流速儀測(cè)量結(jié)果
Tab. 2 Current meter measurement results of the experiment were compared

起點(diǎn)距b/m 垂線平均流速/(m·s-1)部分平均流速/(m·s-1)部分面積/m2部分流量/(m3·s-1)0（岸邊）0——0～2—0.291.450.42 2 0.36——2～3—0.400.850.34 3 0.43——3～4—0.390.920.36 4 0.35——4～5—0.400.990.40 5 0.45——5～6—0.600.980.59 6 0.76——6～7—0.720.950.68 7 0.68——7～8—0.640.800.51 8 0.61——8～9—0.540.770.42 9 0.48——9～10—0.430.860.37 100.38——10～11—0.440.710.31 110.49——11～11.9—0.390.420.16 11.9（岸邊）0——

2.2.1 運(yùn)動(dòng)顯著性圖

實(shí)驗(yàn)視頻拍攝時(shí)長(zhǎng)為10 s，共切分成325幀，捕獲視頻的原始圖像分辨率為1 920×1 080 像素/英寸，為捕捉細(xì)微的水面運(yùn)動(dòng)，先對(duì)325幀圖片進(jìn)行運(yùn)動(dòng)顯著性計(jì)算。在利用視頻圖像進(jìn)行表面流速測(cè)量時(shí)，大部分方法對(duì)圖像的預(yù)處理是對(duì)圖像進(jìn)行灰度化，但在低流速下的河流中如果只對(duì)圖像進(jìn)行灰度化處理會(huì)難以突出很多微小的水面運(yùn)動(dòng)。本算法在進(jìn)行運(yùn)動(dòng)矢量估計(jì)前先進(jìn)行運(yùn)動(dòng)顯著性計(jì)算，分別對(duì)幀差圖中大于和小于設(shè)定閾值的像素值進(jìn)行了縮放，認(rèn)為大于設(shè)定閾值的像素為細(xì)微的運(yùn)動(dòng)區(qū)域?qū)ζ溥M(jìn)行放大，從而達(dá)到了運(yùn)動(dòng)顯著性計(jì)算的效果，突出了微小的水面運(yùn)動(dòng)。圖7為獲取運(yùn)動(dòng)顯著性圖過(guò)程。從圖7（d）中看出進(jìn)行運(yùn)動(dòng)顯著性計(jì)算后水面運(yùn)動(dòng)更為清晰，且捕捉到了很多細(xì)微的水面運(yùn)動(dòng)，如7（d）中方框框出的部分。

圖7 獲取運(yùn)動(dòng)顯著性圖過(guò)程示意Fig. 7 Obtaining motion saliency map

2.2.2 密集光流場(chǎng)

由于LSPIV方法使用空域或頻域相關(guān)匹配來(lái)獲得運(yùn)動(dòng)矢量時(shí)相關(guān)性的計(jì)算耗時(shí)長(zhǎng)，本算法提出利用DIS方法進(jìn)行運(yùn)動(dòng)矢量的估計(jì)，在相鄰兩幀運(yùn)動(dòng)顯著性圖中選取塊區(qū)域計(jì)算密集光流位移。由于沒(méi)有在全局區(qū)域進(jìn)行密集光流的計(jì)算，且在計(jì)算密集光流時(shí)運(yùn)用了逆向搜索的法則，使得本方法不僅可以得到亞像素精度的運(yùn)動(dòng)矢量，并在運(yùn)算速度上也得到了保證。將視頻圖像中得到的密集光流可視化，如圖8所示。

圖8 密集光流可視化Fig. 8 Dense optical flow visualization

2.2.3 奇異數(shù)據(jù)處理

設(shè)計(jì)了一種分組處理奇異值的方法，對(duì)相鄰4幀中較大、較小的光流估計(jì)進(jìn)行剔除，并保留中間值，并對(duì)所有組保留的光流估計(jì)值按照其是否滿足獨(dú)立同分布分別進(jìn)行奇異值處理，使得由于不明顯的光照變化或視頻缺幀丟幀導(dǎo)致的奇異光流估計(jì)被舍棄。如圖9所示，奇異值（圖9中紅色的點(diǎn)）剔除后每個(gè)測(cè)量點(diǎn)的幀間像素位移分布更集中，從而降低了由于視頻拍攝過(guò)程中操作不當(dāng)而產(chǎn)生的誤差，故本方法測(cè)得的值更穩(wěn)定，更接近于流速儀真值，因此提高了本方法的精度。

圖9 奇異數(shù)據(jù)處理Fig. 9 Abnormal data processing

2.2.4 結(jié)果對(duì)比

FD-DIS-G方法、LSPIV方法、STIV方法、DIS方法以及FD-DIS方法的測(cè)流結(jié)果如表3所示。將FDDIS-G方法得到的垂線平均流速、平均流速和流量分別與流速儀法測(cè)量結(jié)果進(jìn)行對(duì)比得到結(jié)果如圖10（a）、（b）、（c）所示。將表3中5種方法的測(cè)量結(jié)果與流速儀真值相比可計(jì)算出5種方法的絕對(duì)誤差（表4）和相對(duì)誤差（表5）。5種方法的耗時(shí)對(duì)比結(jié)果如圖10（d）所示。

表3 5種方法測(cè)量結(jié)果對(duì)比
Tab. 3 Comparison of measurement results of five methods

垂線平均流速/(m·s–1)平均流速/(m·s–1) 流量/(m3·s–1)b=2 m b=3 m b=4 m b=5 m b=6 m b=7 m b=8 m b=9 m b=10 m b=11 m流速儀0.360.430.350.450.760.680.610.480.380.490.474.56 LSPIV0.230.010.450.580.380.410.570.620.370.620.393.77 STIV0.380.460.030.450.130.790.720.720.610.400.434.21 DIS0.280.270.470.610.480.490.590.690.550.340.454.32 FD-DIS0.380.440.480.540.480.530.580.780.720.770.525.08 FD-DIS-G0.330.410.450.520.460.510.540.750.680.640.494.75方法

表5 5種方法的相對(duì)誤差對(duì)比
Tab. 5 Relative error comparison of five methods

方法垂線平均流速相對(duì)誤差/%平均流速相對(duì)誤差/%流量相對(duì)誤差/%b=2 mb=3 mb=4 mb=5 mb=6 mb=7 mb=8 mb=9 mb=10 mb=11 m LSPIV34.9397.7028.6729.2150.2140.157.0128.283.6126.8617.0017.30 STIV4.606.7091.000.8082.8016.8018.049.6061.5017.7012.807.70 DIS22.2037.2034.3035.6036.8027.903.3043.8044.7030.604.305.30 FD-DIS5.602.3037.1020.0036.8022.104.9062.5089.5057.1010.6011.40 FD-DIS-G8.304.7028.6015.6039.5025.0011.5056.3079.0030.604.304.20

圖10 5種方法測(cè)量結(jié)果Fig. 10 Five methods of measurement results

分析垂線平均流速可得（圖10（a））：在靠近起點(diǎn)的7個(gè)點(diǎn)中，本文提出的FD-DIS-G算法和未經(jīng)過(guò)分組奇異值處理的FD-DIS方法所得結(jié)果是最穩(wěn)定且接近于流速儀真值的，相比與LSPIV方法和STIV方法具有良好的一致性；但在靠近終點(diǎn)的3個(gè)點(diǎn)中，奇異值處理就體現(xiàn)出了其作用，尤其是最靠近終點(diǎn)的測(cè)點(diǎn)提高了0.13 m/s的精度。從表4、5可以看出，該條河流流速較小，在起點(diǎn)距5 m處，即使是小于0.1 m/s的絕對(duì)誤差也會(huì)表現(xiàn)為15%左右的相對(duì)誤差。而在靠近終點(diǎn)的3個(gè)點(diǎn)中，5種方法的相對(duì)誤差都偏大，這是由于靠近終點(diǎn)的地方距離鏡頭較遠(yuǎn)，鏡頭畸變和靠近岸邊表面流態(tài)較混亂造成?？傮w來(lái)看，由于捕捉到了細(xì)微的水面運(yùn)動(dòng)并進(jìn)行了奇異值處理，本文算法穩(wěn)定性得到了提高，使得測(cè)量整體精度也得到了提高。

表4 5種方法的絕對(duì)誤差對(duì)比
Tab. 4 Absolute error comparison of five methods

方法垂線平均流速絕對(duì)誤差/(m·s–1)平均流速絕對(duì)誤差/(m·s–1)流量絕對(duì)誤差/(m3·s–1)b=2 m b=3 m b=4 m b=5 m b=6 m b=7 m b=8 m b=9 m b=10 m b=11 m LSPIV0.130.420.100.130.380.270.040.140.010.130.080.79 STIV0.020.030.320.000.630.110.110.240.230.090.060.35 DIS0.080.160.120.160.280.190.020.210.170.150.020.24 FD-DIS0.020.010.130.090.280.150.030.300.340.280.050.52 FD-DIS-G0.030.020.100.070.300.170.070.270.300.150.020.19

分析平均流速的相對(duì)誤差可得（表5）：本算法得到的平均流速是5種方法里面最精確的，與流速儀真值相比相對(duì)誤差僅為4.3%，本算法既穩(wěn)定的接近于流速儀真值且與流速儀真值的絕對(duì)誤差小，相比LSPIV方法和STIV方法，本文算法分別提高了12.7%和8.5%。

分析流量的相對(duì)誤差可知（表5）：與流速儀測(cè)量的流量真值相比，本方法的相對(duì)誤差僅為4.2%，符合水文站的監(jiān)測(cè)要求，其精度比LSPIV方法和STIV方法分別提高了13.1%和3.5%，與沒(méi)有計(jì)算運(yùn)動(dòng)顯著性圖的DIS方法和未經(jīng)過(guò)奇異值處理的FD-DIS方法相比，精度分別提高了1.1%和7.2%，說(shuō)明通過(guò)運(yùn)動(dòng)顯著性計(jì)算捕捉到的微小運(yùn)動(dòng)和奇異值的處理對(duì)本算法精度的提高都是至關(guān)重要的。

由圖10（d）可知，本研究方法耗時(shí)74.337 6 s，相比于廣泛使用的LSPIV方法提高了13倍，雖比沒(méi)有計(jì)算運(yùn)動(dòng)性顯著性圖的DIS方法和未經(jīng)過(guò)奇異值處理的FD-DIS方法耗時(shí)要長(zhǎng)，但相比算法提高的精度，60 s左右的耗時(shí)增加是在水文站實(shí)時(shí)監(jiān)測(cè)的可接受范圍內(nèi)的。

2.3 普適性驗(yàn)證實(shí)驗(yàn)

在貴州省黔西南州?；恼具M(jìn)行了算法普遍適用性驗(yàn)證試驗(yàn)，根據(jù)該水文站多年實(shí)測(cè)，岸邊系數(shù)為0.70，水面流速系數(shù)為0.88。試驗(yàn)地面標(biāo)定點(diǎn)布置如圖11所示。

圖11 普適性驗(yàn)證實(shí)驗(yàn)的地面標(biāo)定點(diǎn)布設(shè)示意圖Fig. 11 The layout diagram of ground mark for universal validation experiment

左岸布置

A

、

B

2個(gè)點(diǎn)，右岸布置

D

、

C

2個(gè)點(diǎn)，斷面線起點(diǎn)為

E

，斷面線終點(diǎn)為

F

，斷面數(shù)據(jù)如表6所示。于同一時(shí)段進(jìn)行流速儀測(cè)量與視頻拍攝。測(cè)量期間水流穩(wěn)定、天氣陰、測(cè)量流速儀型號(hào)為L(zhǎng)S25-3A。利用流速儀法在起點(diǎn)距分別為7、12、17、22、27、32、37和42 m的垂線上測(cè)得垂線平均流速，結(jié)果如表7所示，并計(jì)算得到了河流平均流速為1.57 m/s，斷面流量149 m/s。根據(jù)流速儀的位置，在相同起點(diǎn)距的位置確定測(cè)速點(diǎn)，如圖11中的小圓點(diǎn)所示。利用FD-DIS-G方法和DIS方法測(cè)量測(cè)速點(diǎn)的表面流速并計(jì)算垂線平均流速、流量及平均流速可以得到表8，將表8的結(jié)果與表7的流速儀測(cè)量結(jié)果進(jìn)行對(duì)比分析和計(jì)算可以得到兩種方法與流速儀真值相比的絕對(duì)誤差（表9）和相對(duì)誤差（表10）。

表6 普適性驗(yàn)證實(shí)驗(yàn)的斷面數(shù)據(jù)
Tab. 6 Sectional data of the universal validation experiment

注：斷面總面積為94.9 m。

起點(diǎn)距b/m深度/m 1.81.37 7.01.90 12.01.75 17.01.72 22.01.84 27.01.88 32.02.12 37.02.33 42.02.47 48.41.35

表7 普適性驗(yàn)證實(shí)驗(yàn)的流速儀測(cè)量結(jié)果
Tab. 7 Current meter measurement results of the universal validation experiment

部分面起點(diǎn)距b/m 垂線平均流速 /(m·s–1)部分平均流速/(m·s–1)積/m2部分流量/(m3·s–1)0（岸邊）0——0～7—0.9310.109.39 7 1.33——7～12—1.608.9714.40 121.88——12～17—1.948.5916.70 172.01——17～22—2.148.8619.00 222.27——22～27—2.039.1818.60 271.79——27～32—1.7210.0017.20 321.64——32～37—1.6811.1018.60 371.73——37～42—1.5812.3019.40 421.43——42～51.4—1.0015.8015.80 51.40——

表9 流速儀方法、FD-DIS-G和DIS方法的絕對(duì)誤差分析
Tab. 9 Analysis between Flow meter, FD-DIS-G and DIS

方法垂線平均流速絕對(duì)誤差/(m·s–1)平均流速絕對(duì)誤差/(m·s–1)流量絕對(duì)誤差/(m3·s–1)b=7 mb=12 mb=17 mb=22 mb=27 mb=32 mb=37 mb=42 m FD-DIS-G0.400.400.190.510.060.350.190.470.044 DIS0.960.930.690.620.120.010.340.040.3836

分析表8、9的垂線平均流速可以看出，當(dāng)河流水面寬大于50 m，河流平均流速接近2 m/s時(shí)，F(xiàn)D-DISG方法除了靠近左岸和右岸的兩個(gè)測(cè)量點(diǎn)相對(duì)誤差超過(guò)30%，其余測(cè)量點(diǎn)的相對(duì)誤差都在23%以內(nèi)，相比于未進(jìn)行運(yùn)動(dòng)顯著性計(jì)算的DIS方法，其穩(wěn)定性和精確性得到了提升。FD-DIS-G方法在靠近左岸和右岸的測(cè)量點(diǎn)測(cè)得的值比流速儀真值分別偏小0.40 m/s和偏大0.47 m/s，這是因?yàn)榭拷哆叺臏y(cè)量點(diǎn)受到了岸邊水草等雜物和鏡頭畸變的雙重影響。分析表10的平均流速和流量可知，F(xiàn)D-DIS-G方法所計(jì)算出的流量和平均流速與流速儀測(cè)量所得到的結(jié)果相比，相對(duì)誤差分別僅為2.7%和2.5%，相比于未進(jìn)行運(yùn)動(dòng)顯著性計(jì)算的DIS方法分別提高了21.5%和21.7%。結(jié)合比測(cè)實(shí)驗(yàn)和普適性驗(yàn)證實(shí)驗(yàn)的結(jié)果可知，本文提出的方法適用于不同環(huán)境和不同規(guī)模的河流流量、平均流速的測(cè)量，具有較好穩(wěn)定性和廣泛適用性。

表8 流速儀方法、FD-DIS-G和DIS方法的對(duì)比
Tab. 8 Comparison between Flow meter, FD-DIS-G and DIS

垂線平均流速/(m·s–1)平均流速/(m·s–1) 流量/(m3·s–1)b=2 m b=3 m b=4 m b=5 m b=6 m b=7 m b=8 m b=9 m b=10 m b=11 m流速儀1.331.882.012.271.791.641.731.431.571491.331.88 DIS0.370.951.321.651.671.651.391.391.191130.370.95 FD-DIS-G0.931.481.821.761.851.991.541.901.531450.931.48方法

表10 流速儀方法、FD-DIS-G和DIS方法的相對(duì)誤差分析
Tab. 10 Analysis between Flow meter, FD-DIS-G and DIS

方法垂線平均流速相對(duì)誤差/%平均流速相對(duì)誤差/%流量相對(duì)誤差/%b=7 mb=12 mb=17 mb=22 mb=27 mb=32 mb=37 mb=42 m FD-DIS-G30.121.49.522.33.121.511.132.92.52.7 DIS71.849.434.327.47.00.819.52.624.224.2

3 結(jié) 論

本文研究了一種基于幀間差分與DIS快速光流結(jié)合的分組圖像法(FD-DIS-G)測(cè)流方法。相比于LSPIV和STIV，利用幀差法計(jì)算運(yùn)動(dòng)顯著性圖捕捉不顯著的運(yùn)動(dòng)區(qū)域，并利用DIS快速密集光流法計(jì)算運(yùn)動(dòng)顯著性圖上的密集流場(chǎng)，還分組對(duì)數(shù)據(jù)進(jìn)行奇異值處理，提高了算法精度。實(shí)驗(yàn)結(jié)果表明，本文提出的方法計(jì)算出的河流平均流速和斷面流量與流速儀測(cè)流結(jié)果相比相對(duì)誤差小于5%，并且算法運(yùn)行時(shí)間相比于相關(guān)性計(jì)算耗時(shí)嚴(yán)重的LSPIV方法提高了約13倍。本文提出的方法能滿足實(shí)際工程測(cè)量要求，是一種設(shè)備和人力成本低且可連續(xù)的河流流量監(jiān)測(cè)方法。

本文未考慮風(fēng)場(chǎng)對(duì)流速的影響，在低流速情況下風(fēng)場(chǎng)影響較大，未來(lái)工作將考慮風(fēng)場(chǎng)進(jìn)行建模及分析計(jì)算。同時(shí)目前視頻測(cè)流工作中對(duì)算法的有效評(píng)價(jià)指標(biāo)研究還不充分，未來(lái)將研究相關(guān)評(píng)價(jià)指標(biāo)并建立基準(zhǔn)評(píng)價(jià)數(shù)據(jù)集，結(jié)合深度學(xué)習(xí)的目標(biāo)跟蹤方法，搭建端到端的圖像法測(cè)流神經(jīng)網(wǎng)絡(luò)框架，以建立更加科學(xué)合理的計(jì)算模型。