本申请涉及基于机器视觉的非接触式河流表面流速测量，特别是涉及一种流场的流速确定方法、装置和计算机设备。
背景技术：
1、水文建设是国家经济建设的支柱之一，通过对流量、水位、降水等指标进行长期观测可获取全面的水文数据。对水文数据的进一步研究与分析可为水利工程建设、旱涝灾害预防、流域综合治理以及水资源的保护利用等工程提供重要的决策依据。我国国土面积大，东西以及南北地域、气候差异显著，造成水资源在空间、季节上的分布不均，且丰水季降水的年际变化较大，在南方表现尤为明显，因此不同规模的水利工程建设分布十分广泛，由此增加了水文测量工作的难度。
2、河流流速作为一种重要的水文信息，是研究河流流量估计的基础，传统的流速测量依赖于各种仪器，如转子式流速仪、多普勒激光测速仪、雷达测速仪等，这些仪器因结构简单、易操作、测速稳定、准确的特性，被广泛应用于河流断面的流速测量以及断面流量计算。但这类仪器多数需要人工定期定长操作，才能完成测量，因此其测量操作多在白天，测量活动受人类活动范围限制。这意味着恶劣环境下的现场测量难度极大，测量人员人身安全无法保障。就灾害防御而言，天然环境下的河流流动特性较为复杂，使用点测量技术无法大范围获取流速信息，不利于现代化防汛工作开展。
3、图像测流技术因其简便、高效、安全等优点逐渐应用于国内外水文监测站点。传统图像测流技术主要有粒子测速技术，大尺度粒子图像测速法、时空图像测速法、传统光流测速法等。基于粒子测速技术的方法需人为抛洒示踪物，时空图像测速法只能获取测速线一维空间上的流速信息，传统光流测速法需依据不同场景设定多个参数，这些图像测速方法存在无法实现长久的实时测量，且系统部署较为困难，图像在处理过程中易受到外界噪声干扰等问题。
4、随着深度学习技术的不断发展，基于深度光流网络的图像测速算法与传统图像测速方法相比，具有更高的测速精度与抗干扰能力，在自然河流复杂的环境下，仍然具有较好的预测表现。尽管如此，由河流表面的波纹扰动、阴影、倒影、强光反射形成的图像噪声仍然会导致河流表面流速预测精度误差较大。
技术实现思路
1、基于此，本申请目的在于提供一种提升复杂环境下的表面流速预测精度的流场流速确定方法、装置、计算机设备和计算机可读存储介质，用来解决上述背景技术中提及的技术问题。
2、第一方面，本申请提供了一种流场的流速确定方法。包括：
3、获取河道的连续视频帧；所述连续视频帧包括多个子流场的子视频帧；
4、对所述子视频帧进行预处理，得到所述子流场的引导方向和透视变换矩阵；
5、通过光流网络生成所述子视频帧对应的初始光流图，并根据所述引导方向和时序过滤模型对所述初始光流图进行过滤，得到目标光流图；
6、根据所述透视变换矩阵和所述目标光流图，得到所述子流场中的目标流速。
7、在一个实施例中，所述子视频帧进行预处理，得到所述子流场的引导方向和透视变换矩阵，包括：确定所述子流场中每个边界点的标定图像坐标和实际世界坐标；根据多个所述标定图像坐标确定多个边界向量，并根据多个所述边界向量确定所述子流场的引导方向；根据多个所述标定图像坐标和多个所述实际世界坐标，确定所述子流场的透视变换矩阵。
8、在一个实施例中，根据多个所述边界向量确定所述子流场的引导方向，包括：通过光流网络确定所述子流场的流场方向；从多个所述边界向量中查找与所述流场方向的矢量夹角最小的目标边界向量，并根据所述目标边界向量和所述流场方向，确定所述子流场的引导方向。
9、在一个实施例中，通过光流网络生成所述子视频帧对应的初始光流图，包括：利用卷积神经网络提取多个相邻的子视频帧的特征，得到多个特征图；确定任意两个特征图中的像素位移的关键信息，并进行相似度关联；对所述特征图、所述关键信息和相似度情况进行迭代，得到子视频帧对应的初始光流图。
10、在一个实施例中，初始光流图包括多个特征点；所述时序过滤模型包括高斯模型；所述根据所述引导方向和时序过滤模型对所述初始光流图进行过滤，得到目标光流图，包括：针对多个特征点中的每个特征点，均确定当前特征点的运动方向向量和运动距离；确定所述运动方向向量与所述引导方向之间的向量积，并在所述向量积大于预设值时，保留所述当前特征点；当所述当前特征点的运动距离不符合所述高斯模型的分布特征时，过滤所述当前特征点。
11、在一个实施例中，根据所述透视变换矩阵和所述目标光流图，得到所述子流场中的目标流速，包括：基于所述透视变换矩阵，将所述目标光流图中每个特征点的像素位移转换成实际运动距离；根据所述实际运动距离和运动时长确定每个所述特征点的初始流速；从多个所述初始流速中筛选出最值流速，并根据最值流速确定所述子流场中的目标流速。
12、在一个实施例中，根据最值流速确定所述子流场中的目标流速，包括：以所述最值流速为界限对多个所述初始流速进行区间划分；确定各个区间内所述特征点的数量，并选取所述特征点的数量最多的区间作为目标区间；根据所述目标区间内多个特征点的初始流速，确定所述子流场的目标流速。
13、第二方面，本申请还提供了一种流场的流速确定装置。包括：
14、预处理模块，用于获取河道的连续视频帧；所述连续视频帧包括多个子流场的子视频帧；对所述子视频帧进行预处理，得到所述子流场的引导方向和透视变换矩阵；
15、光流网络提取模块，用于通过光流网络生成子视频帧对应的初始光流图；
16、特征过滤模块，用于根据所述引导方向和时序过滤模型对所述初始光流图进行过滤，得到目标光流图；
17、透视变换模块，用于根据所述透视变换矩阵和所述目标光流图，得到所述子流场中的目标流速。
18、第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以上流场的流速确定方法中的步骤。
19、第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现以上流场的流速确定方法中的步骤以下步骤：
20、上述流场的流速确定方法、装置、计算机设备和可读存储介质，通过获取河道的连续视频帧，并对子视频帧进行预处理，得到子流场的引导方向和透视变换矩阵，接着通过光流网络生成子视频帧对应的初始光流图，并根据引导方向和时序过滤模型对初始光流图进行过滤，得到目标光流图，如此便可根据透视变换矩阵和目标光流图，得到子流场中的目标流速。相较于传统光流网络测量方法中容易受水体表面光线变化、阴影、波光反射等因素影响，导致表面流速测量误差大的情况，本申请首先通过光流网络提取水体表面特征运动稠密的初始光流图，并通过引导方向来过滤无效的运动特征和利用高速过滤提高时序特征轨迹生成的稳定性，以此保留可信度较高的特征轨迹，最终利用透视变换便可准确实现对测速区域的流场流速估计。
1.一种流场的流速确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述子视频帧进行预处理，得到所述子流场的引导方向和透视变换矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据多个所述边界向量确定所述子流场的引导方向，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过光流网络生成所述子视频帧对应的初始光流图，包括：
5.根据权利要求1所述的方法，其特征在于，所述初始光流图包括多个特征点；所述时序过滤模型包括高斯模型；所述根据所述引导方向和时序过滤模型对所述初始光流图进行过滤，得到目标光流图，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述透视变换矩阵和所述目标光流图，得到所述子流场中的目标流速，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据最值流速确定所述子流场中的目标流速，包括：
8.一种流场的流速确定装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种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权利要求1至7中任一项所述的方法的步骤。
