[0001] 本发明涉及一种水库大坝泄洪影响河段安全预警系统及其预警方法，属于水利水电工程大坝泄洪安全预警技术领域。

[0002] 水库大坝运行过程中，需根据工程防洪、发电、调度等需要下泄库水。水库泄水期间，将会引起下游一定范围内的河段水位快速升高、水流流速增大。因此，为保障水库泄水不对人民生命财产造成损失。现有法律法规要求，水库泄水应对下游河段沿线进行预警通知。

[0003] 现行规范《水电站泄洪预警广播系统技术规范》要求：在水电站坝轴线下游300米外往下游20公里河段，由地方政府组织水电站、河道管理部门共同确定监测预警站点安设位置、数量，通过电话、短信、文字和语音、蜂鸣警报等方式，在水库泄水前1天发布第一次短信预警，泄水前30分钟发布第二次短信预警并进行广播，特殊情况下要立即进行广播预警。但是实际实施时，现有监测预警方式仍存在以下不足：

[0004] 1、由于泄洪预警需覆盖下游20公里河段，预警范围广、线路长、区域分散，现有单监测预警站点一般仅布置在典型区域，因此覆盖范围有限，存在预警广播的盲区，实际预警的作用有限；

[0005] 2、由于沿线河段居民分散、人员活动随机性强，要确保泄洪影响河段内的人员全部及时撤离到安全区域，除上述自动预警广播外，仍需开展大量的人工巡视及告知工作，实际执行的工作量大、效率低；

[0006] 3、出现险情后，若险情区域不在监测预警站点覆盖范围内，则难以及时确认涉险人员位置、数量和现场险情程度，使得应急救援措施响应不及时、措施不当，出现人员伤亡的风险高；

[0007] 4、现有单监测预警站点装置在长期运行过程中，均需投入大量的人力资源开展保通信、保供电、防雷、防盗及维护工作，对人员专业水平要求高，长期投入成本高。

[0008] 公开号为CN206833664U的中国专利文献，公开了一种水电站泄洪排水预警监测系统，包括预警主机，预警主机的无线信号收发器与多个无人机通信连接，所述的无人机上设置控制器，控制器分别与声光报警器、视频摄像头、红外热成像仪、无线报警信号发射装置、夜间照明灯连接；所述的无人机与水电站下游河道两侧的路灯上端设置的支架构成可分离式连接结构。水电站泄洪前可以由预警主机控制多个无人机对下游河道进行巡视，无人机的巡视覆盖范围广；当无人机发现下游河道有船只或人时，可以分别使用声光报警器、无线报警信号发射装置向行人或船只报警，预警效果好。支架可以收集太阳能为无人机充电，维护成本低。

[0009] 但是，该系统在出现险情后，难以及时确认涉险人员位置使得应急救援措施响应不及时、措施不当，出现人员伤亡的风险高。

[0039] 下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。

[0040] 如图1所示，本发明所述的一种水库大坝泄洪影响河段安全预警系统，包括预警河段4和多个无人机监测站1，所述预警河段4的两侧岸坡上均设有多个固定靶标3，且预警河段4两侧岸坡上的固定靶标3交替错开布置，多个所述无人机监测站1设在预警河段4的岸坡上，所述无人机监测站1配置有无人机，所述无人机上搭载有高清摄像头、RTK测量仪器、无线收发模块和控制器，且高清摄像头、RTK测量仪器和无线收发模块均与控制器电性连接。在使用时，预警河段4即为水库大坝泄洪影响河段，无人机监测站1宜设置在地势开阔、通讯可靠、供电方便的位置。

[0041] 所述固定靶标3为GNSS基准站，预警河段4两侧岸坡上的固定靶标3均等间距布置，且布置间距为L1。在使用时，L1＝500m，即按照500m间距在预警河段4的左岸和右岸上交替错开布置多个固定靶标3，保证无人机飞行至任意位置时，均可快速捕捉到与其最近的3个固定靶标3，以便准确、快速对无人机的位置进行定位。

[0042] 所述预警河段4的沿线里程为L，预警河段4的岸坡上等间距设有N个无人机监测站1，且N个无人机监测站1的间距为L2，则N＝L/L2。在使用时，L2＝5km，以确保单个无人机监测站1可覆盖以其为中心的上游、下游各2.5km河段，预警河段4沿线布置的无人机监测站1总数量N＝L/5。

[0043] 每个所述无人机监测站1配置有两台无人机。

[0044] 所述无人机上搭载有红外热成像夜视仪和扩音器，且红外热成像夜视仪和扩音器均与控制器电性连接。在使用时，RTK测量仪器用于动态获取无人机飞行期间的实时空间位置坐标；无人机上搭载有高清摄像头和红外热成像夜视仪，实现白昼数据采集；无人机上搭载有用于现场广播喊话的扩音器。

[0045] 一种水库大坝泄洪影响河段安全预警系统的预警方法，包括以下步骤：

[0046] 步骤一、利用无人机倾斜摄影，建立预警河段4的整体三维实景模型，及以每个固定靶标3为中心的周边L1×L1范围内的实景三维模型，并在整体三维实景模型中标注每个无人机监测站1和固定靶标3的空间位置坐标。

[0047] 步骤二、将每个固定靶标3的空间位置坐标录入对应的实景三维模型中，确保无人机识别固定靶标3后，提取该固定靶标3的空间位置坐标和对应的实景三维模型信息与整体三维实景模型进行匹配，实现对任意时刻现场实时场景的还原；

[0048] 步骤三、在水库大坝泄水前和泄水过程中，每个无人机监测站1的两台无人机交替沿河道开展巡视，即一台无人机续航里程满后返回无人机监测站1进行充电，同时另一台无人机立即起飞继续巡视，如此交替进行，实现全天候巡视。每台无人机在其所覆盖的5km河道范围内自主往返飞行

[0049] 步骤四、对无人机获取的数据进行自动分析，首先使用目标检测算法来识别图像中的人员，并给出目标的位置和置信度分数，然后分析红外热成像夜视仪检测到的人体所发出的热量是否超过控制器设定的温度阈值T，以区分人体和其他热源；

[0050] 步骤五、当识别到有人员在预警河段4活动时，扩音器自动被触发开启，立即喊话驱离现场人员，同时利用SLAM技术并结合惯性测量数据，实时定位、跟踪现场人员的移动路径。

[0051] 所述步骤二的具体方法包括以下步骤：

[0052] 步骤A、数据处理：利用GNSS获取固定靶标3的空间位置坐标数据，整理实景三维模型和整体三维实景模型的模型数据，并对实景三维模型进行格式转换和清洗，以剔除无关信息。无关信息包括噪音、多余细节等。

[0053] 步骤B、模型融合：从实景三维模型中提取与固定靶标3相关的特征点，然后使用特征匹配算法来识别和匹配这些特征点，并将实景三维模型中的特征点与固定靶标3的空间位置坐标对应，接下来，使用三维模型融合技术并利用固定靶标3的空间位置坐标，将实景三维模型与整体三维实景模型进行空间对齐，实现两个模型在空间上无缝对接。

[0054] 步骤C、实时场景还原：将无人机捕捉到的现场场景变化实时数据与步骤B中融合后的三维模型进行匹配，使用计算机视觉技术进行场景更新，并不断调整算法参数，优化匹配流程，实现对固定靶标3位置的快速提取，并与整体三维实景模型进行匹配，从而还原任意时刻现场实时场景。

[0055] 所述步骤A中的模型数据包括但不限于地形、建筑物和植被；

[0056] 所述步骤B中的特征点包括但不限于颜色、纹理和形状；

[0057] 所述步骤B中的三维模型融合技术为点云配准或者网格融合。

[0058] 所述步骤四中还通过比较连续帧之间的差异来检测运动，以识别移动的物体，检测运动的方法为：M(x,y,t)＝|I(x,y,t)‑B(x,y)|，其中，M(x,y,t)是时间t在位置(x,y)的运动强度，I(x,y,t)是当前帧的像素值，B(x,y)是背景模型的像素值，然后使用加权平均和特征级融合的方法将高清摄像头和红外热成像夜视仪的数据进行融合，以综合判断预警河段4内是否有人员活动。通过该检测运动的方法能够提高人员活动的识别准确性。

[0059] 所述步骤五中还采用步骤二至步骤四的方法自动将现场实时场景与整体三维实景模型进行匹配，并运用Dijkstra或RRT路径规划算法，根据融合后三维模型中的地形信息和实时场景中的障碍物信息，计算出从当前位置到指定安全区域的最佳撤离路线，然后通过扩音器喊话引导现场人员撤离至指定安全区域，并将现场实时画面上报管理中心，以供决策；当现场人员不按要求撤离或出现人员涉险情况时，管理中心立即通知并组织救援人员，赶赴现场救援。在使用时，无人机通过其上的无线收发模块与管理中心的指挥中心控制台无线通讯连接。