何盛琪，李其超，宋 巍*，王文娟，高 松，畢 凡

(1.上海海洋大學(xué) 信息學(xué)院，上海 201306； 2.國(guó)家海洋局北海預(yù)報(bào)中心，山東 青島 266061)

0 引 言

中國(guó)是擁有1.8萬公里海岸線的海洋大國(guó)，沿海地區(qū)一直深受海洋災(zāi)害問題的困擾。2019年的《中國(guó)海洋災(zāi)害公報(bào)》指出：海浪災(zāi)害造成的直接經(jīng)濟(jì)損失達(dá)到0.34億元，造成死亡22人?？梢?，海浪災(zāi)害已成為威脅中國(guó)近海民眾生命財(cái)產(chǎn)安全突出的海洋災(zāi)害。因此，近岸海浪的檢測(cè)對(duì)近岸工程設(shè)計(jì)、淺海生產(chǎn)作業(yè)以及保障中國(guó)沿海人民生命財(cái)產(chǎn)安全等方面具有十分重要的意義。

目前，中國(guó)近海海浪觀測(cè)采用波浪浮標(biāo)與人工觀測(cè)相結(jié)合的方式，浮標(biāo)是對(duì)“點(diǎn)”觀測(cè)，對(duì)于港灣復(fù)雜地形的準(zhǔn)確海浪測(cè)量需要高密度部署，運(yùn)行和維護(hù)成本高；人工觀測(cè)是有一定經(jīng)驗(yàn)的預(yù)報(bào)員通過目測(cè)的方式估計(jì)海浪高度，觀測(cè)頻率和精度難以保障[1-2]。近年來，國(guó)內(nèi)外學(xué)者提出了一些對(duì)海浪要素進(jìn)行檢測(cè)的新方案，文獻(xiàn)[3]使用基于視覺的波傳感方法檢測(cè)水波的斜率、高度和頻率等相關(guān)特性，且在戴維森實(shí)驗(yàn)室測(cè)試了水波相關(guān)特性，所得浪高數(shù)據(jù)與測(cè)波計(jì)基本相同，但是該方法不適用于存在較大噪點(diǎn)的視頻圖像。文獻(xiàn)[4]提出視差法和高程法，用于評(píng)估10米到100米較大空間尺度上的海洋表面位移，這兩種方法都已經(jīng)在來自海上平臺(tái)的真實(shí)視頻數(shù)據(jù)上進(jìn)行了測(cè)試，結(jié)果表明，兩種方法都提供了相似的測(cè)量結(jié)果，但是高程法的結(jié)果與理論模型沒有良好的一致性。文獻(xiàn)[5]提出了一種基于雙目立體視覺估計(jì)波浪高度和周期的方法，使用雙目視覺在海浪高度上測(cè)量近岸水域的海浪變換，從基準(zhǔn)中提取波浪的垂直高度，并據(jù)此估計(jì)波高和波周期。基于攝影測(cè)量的方法計(jì)算復(fù)雜度較高、成本高。文獻(xiàn)[6]提出了適用于海洋領(lǐng)域海浪等級(jí)深度學(xué)習(xí)模型架構(gòu)(Wave-CNNs)，將海浪高度分為三個(gè)等級(jí)，但其識(shí)別精度僅為66.6%，無法滿足海浪預(yù)報(bào)對(duì)浪高檢測(cè)精度的要求。文獻(xiàn)[7]設(shè)計(jì)使用多層局部感知卷積神經(jīng)網(wǎng)絡(luò)(network in network，NIN)[8]和支持向量回歸模型(support vector regression，SVR)[9]對(duì)海浪視頻進(jìn)行浪高檢測(cè)，該方法彌補(bǔ)了人工設(shè)計(jì)特征的不完備性，浪高檢測(cè)平均相對(duì)誤差≤20%，有著較好的實(shí)用性?，F(xiàn)有研究在海浪要素檢測(cè)算法上取得了一定的成果，但鮮見將研究成果應(yīng)用于浪高預(yù)警預(yù)報(bào)實(shí)際業(yè)務(wù)中。

在海洋監(jiān)測(cè)或預(yù)警系統(tǒng)方面，已有大量工作可以借鑒。文獻(xiàn)[10]結(jié)合政府部門、科研人員和用海企業(yè)等各方用戶的需求，構(gòu)建了集冰情數(shù)據(jù)查詢、事故應(yīng)急響應(yīng)和海冰災(zāi)害風(fēng)險(xiǎn)分析等主要功能于一體的海冰預(yù)警監(jiān)測(cè)綜合信息服務(wù)平臺(tái)。文獻(xiàn)[11]針對(duì)海洋管理部門監(jiān)測(cè)預(yù)警的需求，研發(fā)了海洋放射性環(huán)境監(jiān)測(cè)預(yù)警信息系統(tǒng)，實(shí)現(xiàn)了放射性監(jiān)測(cè)數(shù)據(jù)的管理、核事故的預(yù)警和應(yīng)急響應(yīng)模擬等。事實(shí)上，基于視頻的智能檢測(cè)系統(tǒng)已經(jīng)廣泛應(yīng)用于安防、交通等領(lǐng)域。文獻(xiàn)[12]采用螺旋視頻摘要及其相應(yīng)交互技術(shù)，研發(fā)了面向監(jiān)控視頻內(nèi)容的可視分析系統(tǒng)，該系統(tǒng)結(jié)合運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果與螺旋摘要的展示優(yōu)勢(shì)，從多角度對(duì)視頻目標(biāo)統(tǒng)計(jì)信息進(jìn)行可視化，輔以導(dǎo)航定位及草圖交互等方式，從而快速有效獲取監(jiān)控視頻內(nèi)容。文獻(xiàn)[13]利用分布式系統(tǒng)架構(gòu)Hadoop、分布式實(shí)時(shí)計(jì)算框架Spark Streaming以及視頻關(guān)鍵幀提取，設(shè)計(jì)實(shí)現(xiàn)了基于Hadoop的客車超載監(jiān)測(cè)系統(tǒng)，對(duì)平臺(tái)中所有運(yùn)行客車的海量視頻進(jìn)行實(shí)時(shí)檢測(cè)和預(yù)警超載。

該文依托國(guó)家海洋局黃海區(qū)域海洋環(huán)境監(jiān)測(cè)站的實(shí)際數(shù)據(jù)，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)近岸海面視頻監(jiān)控下的浪高實(shí)時(shí)檢測(cè)預(yù)測(cè)系統(tǒng)。與中國(guó)目前浪高檢測(cè)手段相比，該系統(tǒng)具有部署簡(jiǎn)單、易擴(kuò)展、實(shí)時(shí)檢測(cè)、準(zhǔn)確率高以及經(jīng)濟(jì)實(shí)用的優(yōu)點(diǎn)，對(duì)豐富近海浪高檢測(cè)手段以及保障沿海地區(qū)人民生命財(cái)產(chǎn)安全具有重要意義。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)架構(gòu)

系統(tǒng)總體框架如圖1所示。

圖1 系統(tǒng)總體框架

近岸海面監(jiān)控視頻通過視頻采集卡接入系統(tǒng)，系統(tǒng)對(duì)接入的視頻進(jìn)行實(shí)時(shí)計(jì)算，根據(jù)業(yè)務(wù)需求輸出結(jié)果。該系統(tǒng)采用三層架構(gòu)設(shè)計(jì)模式，從下至上依次為數(shù)據(jù)資源層、業(yè)務(wù)邏輯層和視圖層。

(1)數(shù)據(jù)資源層。

數(shù)據(jù)資源層是系統(tǒng)的重要組成部分，基于視頻的近岸浪高實(shí)時(shí)檢測(cè)系統(tǒng)有實(shí)時(shí)浪高檢測(cè)、歷史視頻管理和用戶管理三類需求，針對(duì)這三類需求設(shè)計(jì)了歷史浪高數(shù)據(jù)表、海浪視頻數(shù)據(jù)表和用戶信息表，并將其存儲(chǔ)在MySQL數(shù)據(jù)庫中。

(2)業(yè)務(wù)邏輯層。

業(yè)務(wù)邏輯層是系統(tǒng)的關(guān)鍵層，其主要工作是從數(shù)據(jù)資源層獲取數(shù)據(jù)進(jìn)行處理，將結(jié)果返回給視圖層或保存至數(shù)據(jù)資源層，本系統(tǒng)的業(yè)務(wù)邏輯主要包括視頻預(yù)處理、浪高檢測(cè)、浪高預(yù)測(cè)、檢測(cè)站點(diǎn)切換和視頻流推送等。

(3)視圖層。

視圖層的主要功能是顯示數(shù)據(jù)和接受傳輸用戶的數(shù)據(jù)，為系統(tǒng)運(yùn)行提供交互式操作界面，結(jié)合用戶需求，系統(tǒng)對(duì)實(shí)時(shí)海浪畫面、預(yù)測(cè)浪高畫面、歷史浪高數(shù)據(jù)和用戶信息管理進(jìn)行了可視化。

1.2 系統(tǒng)功能

在實(shí)際業(yè)務(wù)中，近岸浪高檢測(cè)主要是以浮標(biāo)觀測(cè)為主，人工觀測(cè)為輔。波浪浮標(biāo)運(yùn)行和維護(hù)成本高，人工觀測(cè)頻率和精度難以保障[14-15]，迫切需要一種更加經(jīng)濟(jì)實(shí)用且可靠的觀測(cè)手段。為此，針對(duì)實(shí)際業(yè)務(wù)需求，該文設(shè)計(jì)并研發(fā)了本系統(tǒng)，其主要功能模塊包括視頻傳輸模塊、視頻預(yù)處理模塊、浪高檢測(cè)模塊、浪高預(yù)測(cè)模塊和浪高可視化模塊。

(1)視頻傳輸模塊。

從自動(dòng)截?cái)啾４娴胶＠水嬅鎸?shí)時(shí)播放，再到浪高檢測(cè)結(jié)果展示，視頻傳輸貫穿整個(gè)系統(tǒng)，視頻傳輸模塊是保證系統(tǒng)正常運(yùn)作的重要基礎(chǔ)，主要包含三個(gè)功能：①將各監(jiān)控站點(diǎn)監(jiān)控信號(hào)接入系統(tǒng)并自動(dòng)截?cái)啾４姹O(jiān)控視頻；②將各監(jiān)控站點(diǎn)的實(shí)時(shí)監(jiān)控畫面推送到前端，供用戶觀看；③為多站點(diǎn)實(shí)時(shí)切換提供解決方案。

(2)視頻預(yù)處理模塊。

由于圖像編碼問題和監(jiān)控視頻中遮擋物或礁石會(huì)對(duì)檢測(cè)精度產(chǎn)生影響，因此來自近海岸監(jiān)控站點(diǎn)的監(jiān)控視頻需要經(jīng)一系列預(yù)處理后才可用于浪高檢測(cè)。為保證浪高的檢測(cè)精度，設(shè)計(jì)了視頻預(yù)處理模塊，主要包括抽取關(guān)鍵幀、關(guān)鍵幀裁剪縮放和歸一化等[16]。

(3)浪高檢測(cè)模塊。

近岸海浪浪高變化預(yù)測(cè)的基礎(chǔ)是準(zhǔn)確的實(shí)時(shí)浪高檢測(cè)。浪高檢測(cè)模塊的主要作用是建立視頻中連續(xù)變化的圖像幀與當(dāng)前浪高值之間的映射。為此，建立浪高檢測(cè)模型，使用NIN網(wǎng)絡(luò)提取視頻中的時(shí)間特征和空間特征，兩類高層特征融合后使用SVR模型進(jìn)行回歸預(yù)測(cè)浪高值。訓(xùn)練后的模型可以實(shí)現(xiàn)實(shí)時(shí)(30次/s)的自動(dòng)檢測(cè)。

(4)浪高預(yù)測(cè)模塊。

基于WAVEWATCH Ⅲ第三代海浪數(shù)值模式[17]，自然資源部北海局建立了業(yè)務(wù)化海浪預(yù)報(bào)模式，用于日常的預(yù)報(bào)業(yè)務(wù)。為豐富海浪預(yù)報(bào)手段，協(xié)助預(yù)報(bào)員進(jìn)行浪高預(yù)報(bào)，該文設(shè)計(jì)了浪高預(yù)測(cè)模塊，使用長(zhǎng)短期記憶網(wǎng)絡(luò)(long short term memory，LSTM)[18]根據(jù)最近36個(gè)小時(shí)的浪高信息預(yù)測(cè)未來12個(gè)小時(shí)或24個(gè)小時(shí)的浪高，為浪高預(yù)報(bào)業(yè)務(wù)提供參考。

(5)浪高可視化模塊。

近海與遠(yuǎn)海區(qū)域浪高值一般不盡相同，應(yīng)采用一種直觀的方式展示海浪面不同區(qū)域的浪高情況。因此，該文設(shè)計(jì)將浪高值映射為偽彩色，并以一定透明度疊加在原視頻幀上，使海浪面不同區(qū)域的浪高情況一目了然。

2 關(guān)鍵技術(shù)

系統(tǒng)的關(guān)鍵技術(shù)包括視頻流接入、視頻預(yù)處理、浪高檢測(cè)、浪高可視化和浪高預(yù)測(cè)，其中視頻預(yù)處理、浪高檢測(cè)與浪高預(yù)測(cè)三個(gè)模塊是核心模塊。海浪監(jiān)控視頻接入系統(tǒng)后，經(jīng)關(guān)鍵幀提取、光照去除和歸一化等預(yù)處理后，進(jìn)入浪高檢測(cè)模塊，檢測(cè)所得浪高數(shù)據(jù)輸入浪高預(yù)測(cè)模塊用于預(yù)測(cè)任務(wù)，其協(xié)作處理過程如圖2所示。

圖2 視頻預(yù)處理、浪高檢測(cè)與浪高預(yù)測(cè)協(xié)作過程

2.1 支持多站點(diǎn)實(shí)時(shí)切換的視頻流接入

海浪監(jiān)控視頻從接入系統(tǒng)到前端播放需要經(jīng)過一系列的處理，視頻流接入在系統(tǒng)中扮演著重要角色?？紤]到需要同時(shí)接入來自海岸多個(gè)監(jiān)控站點(diǎn)的持續(xù)視頻流信號(hào)并進(jìn)行實(shí)時(shí)處理，首先，基于多線程為每一個(gè)接入系統(tǒng)的監(jiān)控站點(diǎn)創(chuàng)建獨(dú)立的線程，每個(gè)線程將海浪視頻拆分為連續(xù)的圖像幀，在進(jìn)行浪高檢測(cè)前，將每一幀圖像封裝為flv格式的視頻流；其次，采用穩(wěn)定、低延時(shí)的實(shí)時(shí)消息傳輸協(xié)議(real time messaging protocol，RTMP)[19]將視頻流推送至Nginx[20]服務(wù)器的不同地址，切換觀測(cè)站點(diǎn)時(shí)，Web前端根據(jù)所要切換的站點(diǎn)名稱從Nginx服務(wù)器獲取直播視頻流并播放；最后，為方便后續(xù)研究，系統(tǒng)對(duì)近海岸監(jiān)控視頻進(jìn)行自動(dòng)截?cái)啾４妫尤肱c保存視頻方法如下：

(1)接入視頻：來自海岸各監(jiān)控站點(diǎn)的視頻信號(hào)經(jīng)高清晰多媒體接口(high definition multimedia interface，HDMI)輸出，通過視頻采集卡將視頻接入電腦，讀取電腦的攝像頭設(shè)備即可獲取監(jiān)控站點(diǎn)的視頻信號(hào)。

(2)保存視頻：通過對(duì)圖像幀的計(jì)數(shù)，結(jié)合攝像頭的幀率，可以控制每個(gè)視頻文件的時(shí)長(zhǎng)，從而實(shí)現(xiàn)對(duì)監(jiān)控視頻的自動(dòng)截?cái)啾４?。比如攝像頭的幀率為30幀每秒，若要對(duì)監(jiān)控視頻每隔1個(gè)小時(shí)截?cái)啾４?，那么?dāng)圖像幀的計(jì)數(shù)達(dá)到108 000的整數(shù)倍時(shí)，對(duì)視頻進(jìn)行截?cái)啾４妗?/p>

2.2 視頻預(yù)處理

將來自近海岸監(jiān)控?cái)z像頭的視頻拆分為圖像幀，每隔n個(gè)幀抽取一個(gè)幀作為關(guān)鍵幀。在進(jìn)行單點(diǎn)浪高檢測(cè)時(shí)，要從近海岸無礁石、遮擋物的視頻區(qū)域中選取一塊圖像做進(jìn)一步處理，考慮到距離攝像頭較遠(yuǎn)的地方會(huì)有一定的視覺信息丟失，靠近礁石會(huì)有白浪，因此在選取視頻區(qū)域時(shí)選擇圖像中部位置，然后根據(jù)模型輸入的要求進(jìn)行裁剪縮放并歸一化[7]。在進(jìn)行海浪“面”檢測(cè)時(shí)，設(shè)計(jì)使用累加幀差并結(jié)合形態(tài)學(xué)操作的方法來去除干擾物，具體方案流程如圖3所示。

圖3 干擾物去除流程

設(shè)視頻序列的連續(xù)兩幀源圖像分別為f(k)(x,y)和f(k+1)(x,y)，其差分圖像D(k,k+1)可表示為：

D(k,k+1)=|f(k+1)(x,y)-f(k)(x,y)|

(1)

對(duì)連續(xù)n幀圖像幀差累加結(jié)果為：

(2)

為了除去由源圖像內(nèi)在噪聲產(chǎn)生的幀差圖像的非零差值，需要選取閾值T對(duì)累積差分圖D進(jìn)行二值化處理得到圖像D'。此時(shí)圖像D'中依然包含很多噪聲，需要對(duì)其進(jìn)行去噪處理。閉運(yùn)算是對(duì)圖像進(jìn)行膨脹操作后再進(jìn)行腐蝕操作，圖像膨脹公式如下：

A⊕B={x|(B)x∩A≠Θ}

(3)

圖像腐蝕公式如下：

A-B={x|Bx?A}

(4)

閉運(yùn)算常用于填充前景中的空洞，因此對(duì)圖像D'進(jìn)行閉運(yùn)算以去除前景中的噪聲，從而生成掩碼圖，在浪高檢測(cè)前用于屏蔽含有干擾物的區(qū)域。

2.3 浪高檢測(cè)

考慮到海浪視頻中蘊(yùn)含豐富的時(shí)域信息和空域信息，為此使用差分幀和預(yù)處理后的視頻幀作為數(shù)據(jù)集，分別訓(xùn)練了用于提取時(shí)域特征的NIN網(wǎng)絡(luò)和提取空域特征的NIN網(wǎng)絡(luò)，這兩個(gè)NIN網(wǎng)絡(luò)分別從時(shí)域和空域各提取20個(gè)高層特征，兩類高層特征融合后使用SVR模型回歸預(yù)測(cè)浪高值。

NIN網(wǎng)絡(luò)由多個(gè)多層感知卷積層(multilayer perceptron convolution layer，Mlpconv)和全局平均池化層組成，傳統(tǒng)的卷積層中對(duì)局部感受野的運(yùn)算是一個(gè)簡(jiǎn)單的卷積操作，卷積層通過線性卷積濾波器生成特征圖，隨后是非線性激活函數(shù)，以Relu激活函數(shù)為例，特征圖的計(jì)算公式如下所示：

(5)

式中，(i,j)是特征圖中像素的索引，xi,j是位置為(i,j)處的輸入，k是特征圖通道的索引。Mlpconv實(shí)際上是在卷積層后添加了兩層感知層，對(duì)每個(gè)局部感受野進(jìn)行更加復(fù)雜的運(yùn)算，因此Mlpconv具有更強(qiáng)的抽象能力，Mlpconv特征圖的計(jì)算公式如下所示：

(6)

(7)

式中，n是多層感知器的層數(shù)。與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)相比，NIN網(wǎng)絡(luò)能更充分地從每個(gè)局部感受野提取特征，因此更適用于從對(duì)比度低、細(xì)節(jié)豐富的海浪視頻提取特征。在本系統(tǒng)中，搭建并訓(xùn)練了兩個(gè)NIN網(wǎng)絡(luò)模型，分別用于提取時(shí)域特征和空域特征，最后將兩類特征進(jìn)行串行融合，得到融合后的特征F。

經(jīng)NIN網(wǎng)絡(luò)提取海浪視頻中的時(shí)空特征后，使用回歸模型對(duì)浪高值進(jìn)行回歸預(yù)測(cè)。普通的線性回歸模型計(jì)算速度快，但對(duì)于異常值敏感，而多項(xiàng)式回歸模型需要手動(dòng)設(shè)置多項(xiàng)式次數(shù)，因此該文使用SVR模型進(jìn)行浪高檢測(cè)。

(8)

(9)

式中，K(Fi,Fj)為核函數(shù)，鑒于NIN網(wǎng)絡(luò)提取的高層特征與浪高值呈高度非線性，因此使用具有強(qiáng)大非線性映射能力的高斯核函數(shù)。

2.4 浪高可視化

浪高可視化的具體流程為：首先使用前文所述干擾物去除方法生成掩碼圖，然后將原視頻幀分割為若干個(gè)尺寸相同的區(qū)域。根據(jù)掩碼圖排除含有干擾物的區(qū)域，得到若干待檢測(cè)海浪圖片，對(duì)其預(yù)處理后輸入模型進(jìn)行浪高檢測(cè)，并將所得浪高值存儲(chǔ)在與原視頻幀同樣大小的二維矩陣的對(duì)應(yīng)位置，據(jù)此二維矩陣創(chuàng)建偽彩色圖層，最后將偽彩色圖層以一定透明度覆蓋在原圖像上。

2.5 浪高預(yù)測(cè)

LSTM網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network，RNN)的一種改進(jìn)模型，每一個(gè)LSTM單元擁有一個(gè)記憶單元(cell)，在t時(shí)刻的狀態(tài)記為ct，其值通過輸入門(input gate)、遺忘門(forget gate)和輸出門(output gate)更新，它們一般使用sigmoid或tanh函數(shù)進(jìn)行激活。記憶單元的工作流程如下：在時(shí)刻t，記憶單元通過3個(gè)門接收當(dāng)前狀態(tài)xt與上一時(shí)刻記憶單元的隱藏狀態(tài)ht-1，此外，每一個(gè)門還接收記憶單元的狀態(tài)ct-1。接收到輸入信息后，每一個(gè)門對(duì)不同來源的輸入進(jìn)行計(jì)算，并且由其激活函數(shù)決定其是否激活。輸入門的輸入經(jīng)非線性變換后，與經(jīng)過遺忘門處理過的記憶單元狀態(tài)進(jìn)行組合，產(chǎn)生新的記憶單元狀態(tài)ct。最后，記憶單元狀態(tài)ct通過非線性運(yùn)算和輸出門的控制產(chǎn)生記憶單元的輸出ht。

對(duì)于不同的任務(wù)，LSTM具有不同的結(jié)構(gòu)，在浪高預(yù)測(cè)任務(wù)中，使用多對(duì)多的LSTM結(jié)構(gòu)，如圖4所示，LSTM框架設(shè)置為5個(gè)LSTM層和1個(gè)全連接層。使用各監(jiān)控站點(diǎn)真實(shí)歷史浪高作為數(shù)據(jù)集，訓(xùn)練了一個(gè)適用于多個(gè)監(jiān)控站點(diǎn)的浪高預(yù)測(cè)模型，其輸入為過去36個(gè)浪高值，即過去36個(gè)小時(shí)的浪高值，輸出為24個(gè)浪高值，即未來24個(gè)小時(shí)的浪高預(yù)測(cè)值。

圖4 LSTM框架

3 系統(tǒng)實(shí)現(xiàn)及應(yīng)用

3.1 浪高實(shí)時(shí)檢測(cè)

根據(jù)《海洋預(yù)報(bào)和警報(bào)發(fā)布 第2部分：海浪預(yù)報(bào)和警報(bào)發(fā)布》將浪高分為10個(gè)浪高等級(jí)，并根據(jù)浪高發(fā)出警報(bào)[21]，警報(bào)等級(jí)如表1所示。浪高值檢測(cè)頻率最高可達(dá)2次/秒，這里設(shè)置為每分鐘的平均浪高(一般傳統(tǒng)浮標(biāo)每10分鐘向接收站發(fā)送一次數(shù)據(jù)[22])。

表1 海浪警報(bào)等級(jí)

3.2 實(shí)時(shí)浪高可視化

根據(jù)前文介紹的浪高可視化方案，系統(tǒng)對(duì)監(jiān)控視頻的每一幀添加偽彩色圖層，由于對(duì)整個(gè)海浪“面”檢測(cè)需要進(jìn)行大量計(jì)算，耗時(shí)較高，因此，系統(tǒng)降低檢測(cè)頻率以保證直播視頻的流暢性。

3.3 浪高預(yù)測(cè)

根據(jù)用戶選擇的站點(diǎn)，系統(tǒng)自動(dòng)調(diào)用訓(xùn)練好的浪高預(yù)測(cè)模型，進(jìn)行未來12個(gè)小時(shí)和24個(gè)小時(shí)的浪高預(yù)測(cè)，并根據(jù)預(yù)測(cè)浪高值發(fā)出預(yù)警。

3.4 查看歷史浪高

歷史浪高頁面的窗口左側(cè)播放歷史監(jiān)控視頻，右側(cè)是當(dāng)前視頻的浪高數(shù)據(jù)，包括最大浪高、最小浪高和平均浪高，使用曲線圖展示每個(gè)時(shí)刻對(duì)應(yīng)的浪高。

4 結(jié)束語

根據(jù)對(duì)多路攝像頭視頻進(jìn)行實(shí)時(shí)檢測(cè)與預(yù)測(cè)浪高的需求，設(shè)計(jì)并實(shí)現(xiàn)了近岸海面視頻監(jiān)控下的浪高實(shí)時(shí)檢測(cè)預(yù)測(cè)系統(tǒng)。在系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)過程中，主要解決了三個(gè)問題：(1)如何從近海岸監(jiān)控視頻中提取實(shí)時(shí)浪高信息；(2)如何根據(jù)已有的浪高信息對(duì)未來一段時(shí)間的浪高進(jìn)行預(yù)測(cè)；(3)對(duì)多個(gè)觀測(cè)站點(diǎn)并行檢測(cè)浪高的同時(shí)，如何實(shí)現(xiàn)站點(diǎn)實(shí)時(shí)切換。對(duì)于問題(1)，設(shè)計(jì)使用卷積神經(jīng)網(wǎng)絡(luò)從海浪視頻中提取海浪的高層特征，然后使用SVR模型對(duì)提取的高層特征進(jìn)行回歸預(yù)測(cè)浪高值。對(duì)于問題(2)，設(shè)計(jì)了基于LSTM的浪高預(yù)測(cè)方法，根據(jù)過去36個(gè)小時(shí)的浪高信息預(yù)測(cè)未來12個(gè)小時(shí)的浪高信息。對(duì)于問題(3)，設(shè)計(jì)了多線程調(diào)度策略和觀測(cè)站點(diǎn)切換方案。最終，實(shí)現(xiàn)了一個(gè)穩(wěn)定高效的近岸浪高實(shí)時(shí)檢測(cè)預(yù)測(cè)系統(tǒng)，該系統(tǒng)具有多觀測(cè)站點(diǎn)并行檢測(cè)、站點(diǎn)切換、自動(dòng)截?cái)啾４姹O(jiān)控視頻和存儲(chǔ)浪高數(shù)據(jù)等功能，在滿足業(yè)務(wù)化檢測(cè)需求的基礎(chǔ)上，具有檢測(cè)頻率高、經(jīng)濟(jì)實(shí)用等優(yōu)點(diǎn)，能夠較好地協(xié)助浪高預(yù)報(bào)人員的工作，對(duì)節(jié)約浪高檢測(cè)成本以及豐富海浪觀測(cè)手段具有重要意義。