(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111027241.1 (22)申请日 2021.09.02 (65)同一申请的已公布的文献号 申请公布号 CN 113705108 A (43)申请公布日 2021.11.26 (73)专利权人 南方科技大 学 地址 518055 广东省深圳市南 山区学苑大 道1088号南方科技大 学 专利权人 西安测绘研究所 　 中铁二院工程 集团有限责任公司 　 水利部信息中心 (72)发明人 冉将军　辛林洋　肖云　梅熙　 刘志雨　王金星　栾奕　程梁　 史俊超　韩鹏　潘宗鹏　 (74)专利代理 机构 北京兴智翔达知识产权代理 有限公司 1 1768 专利代理师 张玉梅(51)Int.Cl. G06F 30/27(2020.01) G08B 21/10(2006.01) G06F 119/02(2020.01) (56)对比文件 CN 111222466 A,2020.0 6.02 Leijin Long等.The use of remote sensing satel lite using deep learn ing in emergency mo nitoring of high ‑level landslides disaster i n Jinsha River. 《The Journal of Supercomputi ng》 .2021,第7 7卷第 8728-874 4页. 韩斐等.基 于变分模态分解和深度置信神经 网络模型的滑坡位移预测. 《长江科技院 院报》 .2020,第37 卷(第8期),第61- 68页. 王威等.基于三维GIS的滑坡灾害监测预警 系统及应用. 《岩土力学》 .20 09,第30卷(第11 期),第3379-3385页. 审查员 韩胜男 (54)发明名称 实时滑坡灾害监测预警方法及系统 (57)摘要 本发明提供一种实时滑坡灾害监测预警方 法及系统， 首先获取目标区域的滑坡监测数据， 滑坡监测数据包括目标区域在第一预设时间段 内的目标影像数据以及目标区域内地物的三维 空间绝对坐标时间序列； 然后采用滑坡灾害监测 模型， 得到未来第二预设时间段内目标区域的滑 坡灾害监测结果； 最后当滑坡灾害监测结果是第 二预设时间段内目标区域存在滑坡灾害时对目 标区域进行滑坡灾害预警发布。 本发 明实施例中 滑坡灾害监测模型结合了卷积神经网络模块和 深度置信网络模块， 能够同时提取目标影像数据 的影像特征、 解析三维空间绝对坐标时间序列的 时序特征来综合判断滑坡灾害发生的可能性。 相 比于人工解译， 该方法自动化程度高且精度可靠。 权利要求书2页 说明书12页 附图3页 CN 113705108 B 2022.06.24 CN 113705108 B 1.一种实时滑坡灾害监测预警方法， 其特 征在于， 包括： 实时获取目标区域的滑坡监测数据， 所述滑坡监测数据包括所述目标区域在第 一预设 时间段内的目标影 像数据以及所述目标区域内地物的三维空间绝对坐标时间序列； 将所述滑坡监测数据输入至滑坡灾害监测模型， 得到由所述滑坡灾害监测模型输出的 未来第二预设时间段内所述目标区域的滑坡灾害监测结果； 若判断获知所述滑坡灾害监测结果为所述第二预设时间段内所述目标区域存在滑坡 灾害， 则对所述目标区域进行滑坡灾害预警 发布； 其中， 所述滑坡灾害监测模型包括卷积神经网络模块、 深度置信网络模块和滑坡灾害 决策模块， 所述卷积神经网络模块用于对所述 目标影像数据进行影像特征提取， 所述深度 置信网络模块用于对所述三 维空间绝对坐标时间序列进行时序特征解析， 所述滑坡灾害决 策模块用于基于所述卷积神经网络模块提取的影像特征以及所述深度置信网络模块解析 的时序特 征， 对所述第二预设时间段内的所述目标区域进行滑坡灾害监测； 所述目标影像数据包括基于搭载有北斗导航定位系统的网络双目摄像头布设群采集 的第一类影像数据以及基于搭载有北斗导航定位系统、 惯性测量单元以及航空摄影系统的 无人机布设群采集的第二类 影像数据； 相应的， 所述三维空间绝对坐标时间序列基于如下 方法确定： 基于所述网络双目摄像头布设群搭载的北斗导航定位系统， 确定所述网络双目摄像头 布设群的位移时间序列； 基于所述第 一类影像数据以及所述网络双目摄像头布设群搭载的北斗导航定位系统， 确定所述目标区域内地物的第一类三维空间绝对坐标时间序列； 基于所述第 二类影像数据以及所述无人机布设群搭载的北斗导航定位系统， 确定所述 目标区域内地物的第二类三维空间绝对坐标时间序列； 将所述位移时间序列、 所述第 一类三维空间绝对坐标时间序列以及所述第 二类三维空 间绝对坐标时间序列进行 联合解算， 确定所述 三维空间绝对坐标时间序列。 2.根据权利要求1所述的实时滑坡灾害监测预警方法， 其特征在于， 所述卷积神经网络 模块包括卷积子模块、 注意力子模块以及反卷积子模块； 所述卷积子模块用于提取 所述目标影 像数据中的影 像特征图； 所述注意力 子模块用于分别基于空间注意力 机制以及通道注意力 机制， 提取所述影像 特征图中的空间特 征图以及通道特 征图； 所述反卷积子模块用于对所述空间特征图以及所述通道特征图进行反卷积， 得到所述 影像特征。 3.根据权利要求1所述的实时滑坡灾害监测预警方法， 其特征在于， 所述滑坡灾害决策 模块， 具体用于： 基于所述卷积神经网络模块提取的影像特征， 确定所述目标区域的位移距离， 并基于 所述深度置信网络模块解析的时序特征， 确定所述目标区域在所述第二预设时间段内的位 移特征； 基于所述位移距离以及所述位移特征， 对所述第 二预设时间段内的所述目标区域进行 滑坡灾害监测。 4.根据权利要求3所述的实时滑坡灾害监测预警方法， 其特征在于， 所述滑坡灾害决策权　利　要　求　书 1/2 页 2 CN 113705108 B 2模块， 具体用于： 若判断获知所述位移距离大于等于位移阈值， 和/或， 若判断获知所述位移特征与滑坡 灾害发生前所述第二预设时间段内的目标特征匹配， 则确定所述滑坡灾害监测结果为所述 第二预设时间段内所述目标区域存在滑坡灾害。 5.根据权利要求1 ‑4中任一项所述的实时滑坡灾害监测预警方法， 其特征在于， 所述对 所述目标区域进 行滑坡灾害 预警发布， 具体包括： 基于5 G无线通信网络， 将所述滑坡灾害监 测结果播发至所述目标区域内的终端设备。 6.根据权利要求1 ‑4中任一项所述的实时滑坡灾害监测预警方法， 其特征在于， 所述滑 坡灾害监测模型中采用的激活函数包括Sigmo id激活函数和ReLu激活函数。 7.一种实时滑坡灾害监测预警系统， 其特 征在于， 包括： 获取模块， 用于实时获取目标区域的滑坡监测数据， 所述滑坡监测数据包括所述目标 区域在第一预设时间段内的目标影像数据以及所述目标区域内地物的三维空间绝对坐标 时间序列； 监测模块， 用于将所述滑坡监测数据输入至滑坡灾害监测模型， 得到由所述滑坡灾害 监测模型输出的未来第二预设时间段内所述目标区域的滑坡灾害监测结果； 预警模块， 用于若判断获知所述滑坡灾害监测结果为所述第 二预设时间段内所述目标 区域存在滑坡灾害， 则对所述目标区域进行滑坡灾害预警 发布； 其中， 所述滑坡灾害监测模型包括卷积神经网络模块、 深度置信网络模块和滑坡灾害 决策模块， 所述卷积神经网络模块用于对所述 目标影像数据进行影像特征提取， 所述深度 置信网络模块用于对所述三 维空间绝对坐标时间序列进行时序特征解析， 所述滑坡灾害决 策模块用于基于所述卷积神经网络模块提取的影像特征以及所述深度置信网络模块解析 的时序特 征， 对所述第二预设时间段内的所述目标区域进行滑坡灾害监测； 所述目标影像数据包括基于搭载有北斗导航定位系统的网络双目摄像头布设群采集 的第一类影像数据以及基于搭载有北斗导航定位系统、 惯性测量单元以及航空摄影系统的 无人机布设群采集的第二类 影像数据； 相应的， 所述三维空间绝对坐标时间序列基于如下 方法确定： 基于所述网络双目摄像头布设群搭载的北斗导航定位系统， 确定所述网络双目摄像头 布设群的位移时间序列； 基于所述第 一类影像数据以及所述网络双目摄像头布设群搭载的北斗导航定位系统， 确定所述目标区域内地物的第一类三维空间绝对坐标时间序列； 基于所述第 二类影像数据以及所述无人机布设群搭载的北斗导航定位系统， 确定所述 目标区域内地物的第二类三维空间绝对坐标时间序列； 将所述位移时间序列、 所述第 一类三维空间绝对坐标时间序列以及所述第 二类三维空 间绝对坐标时间序列进行 联合解算， 确定所述 三维空间绝对坐标时间序列。 8.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述实时滑坡灾害监测预警方法的步骤。 9.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处 理器执行时实现如权利要求1至 6任一项所述实时滑坡灾害监测预警方法的步骤。权　利　要　求　书 2/2 页 3 CN 113705108 B 3