赵博　高磊　王芳

摘 要：本文提出在灾害发生地布置简易视频采集设备获取现场实时影像数据，构建滑坡灾害判识预警算法人工智能，对实时传出的现场影像做出相应的灾害预警响应，以实时视频影像数据配合人工智能判识预警算法来替代巡逻人员开展灾害地的长期监测预警，实现更好的“群测群防”。

关键词：滑坡监测预警;人工智能;简易条件;视频影像数据

中图分类号：TP274;P694文献标识码：A文章编号：1003-5168（2021）15-0027-03

Abstract： This paper proposed to arrange simple video acquisition equipment in the disaster area to obtain the on-site real-time image data， build the artificial intelligence of landslide disaster identification and early warning algorithm， make the corresponding disaster early warning response to the real-time outgoing on-site image， and replace the patrol personnel with the real-time video image data and artificial intelligence identification and early warning algorithm to carry out the long-term monitoring and early warning of the disaster area， Achieve better "group measurement and group prevention".

Keywords： landslide monitoring and early warning;artificial intelligence;simple conditions;video image data

1 甘肃省滑坡灾害现状

甘肃省是中国各类地质灾害多发的省份之一，受气候及地质条件的影响，每年都有大量滑坡发生。甘肃省内频发的滑坡灾害对经济发展、民生改善、社会进步、生态保护等各个方面都产生了极其恶劣的影响，因此，加强对滑坡灾害的监测预警尤为迫切。

2 现有滑坡灾害监测技术及应用现状

2.1 滑坡灾害监测技术

目前滑坡灾害监测常用方法有以下几种。

大地测量法：采用经纬仪、水准仪、GPS等定点监测大面积重点区域的滑坡体水平垂直位移及变化速率等，確定滑坡范围及变形状态。该方法存在外业工作多、测量周期长、不能连续监测等缺点。

合成孔径雷达干涉（INSAR）：全天时、近实时获取大面积、高精度数据，空间分辨率高，对大气和季节的影响不敏感，但是，植被茂盛程度、雷达照射方向、滑坡速度和大小会影响其效率[1]。

全球卫星导航系统（GNSS）：高精度、高效率、高速度、高自动化程度，不受天气影响，观测站无须通视，但其受地形影响时精度不高，信号容易被阻挡，适用性存在较大局限[2]。

时域反射监测法（TDR）：该方法经济安全，检测时间短，可连续进行远程监测，数据获取周期短，但全面性有限，不能用于检测无剪切作用的区域，也不能确定滑坡滑移的方向。

群测群防：利用当地群众对实地滑坡体熟悉的优势，对滑坡体不间断监测，能迅速发现险情并及时上报，最大限度地减少人员伤亡和财产损失，是滑坡地质灾害监预警系统的重要组成部分。但是，该方法要求群测群防员具有较高的专业能力[3]。

2.2 滑坡灾害监测技术利用存在的问题

①专业监测系统建设、运维费用过高。目前，市面上推广地质灾害专业监测预警设备的公司多，设备品牌繁杂，性能参差不齐，而且监测设备单价高。单个隐患点要实现有效的自动化专业监测，初期建设费用动辄几十万元甚至上百万元，另外，后期运维费用高，设备老化快，部分设备一旦受损则极易报废，因此难以大批量开展自动化专业监测预警建设工作[4-5]。

②监测工作受外界影响大，干扰因素多。精密传感器布置需求量大且保养不易，受到设备性能、软件运行效果、人工活动等因素影响较大，特别是数据接收后，原始数据结算、翻译、转换时常出现系统性错误，导致监测数据显示异常，形成不必要的工作负担。布设、维护、管理、回收传感器设备作业耗费人力、物力、财力巨大。

③尚未建立统一的专业监测预警预报规范或标准。在预警预报工作上，国家目前尚未出台统一的可做参考的专业监测预警预报规范或标准，导致目前所开展的自动化专业监测存在重监测轻预警的现象。

以上问题的存在，导致滑坡灾害监测的理论基础研究及实际应用实践未能得到与实际需要相匹配的发展。

3 建立基于视频监测数据及人工智能判识的滑坡灾害群测群防预警体系

针对滑坡灾害监测预警现有技术应用推广过程中遇到的成本昂贵、重监测轻预警的现实问题，结合甘肃省特殊地质环境的实际情况，建立基于视频监测数据及人工智能判识的滑坡灾害群测群防预警技术体系。将滑坡灾害地现场实时视频影像数据的采集、传输、预警信号反馈作为整体解决方案进行研究。第一，提前于观测区疑似滑坡体上按坡体规模布置数个预设标志点位，预设标志点可采用安置实物标志或其他便于摄影设备采集的形式处理;第二，根据现场实地情况安设摄影设施，确保摄像画幅可以将整个坡体尽可能多地纳入进来，并开始实时拍摄灾害地现场视频，传输回处理终端服务器;第三，根据灾害判识人工智能算法，对来源数据的最低分辨率要求以及观测现场实际的网络情况设定视频数据传输过程中进出端口时的各项参数;第四，实时视频流数据抵达搭载人工智能算法的处理终端服务器，经过处理判识后得出实时灾害预警信号;第五，预警信号根据检测到的灾害规模及可能造成的影响破坏进行分级;第六，该信号进出端口实时发送给灾害地当地政府相关主管部门，为其随即开展的灾害预警、应急管理救援等工作提供决策依据。现场信息的采集、传输、反馈流程如图1所示。

4 基于视频监测数据的滑坡灾害判识人工智能算法的开发

选定某滑坡隐患地作为监测预警试验区，利用现有资源，搭建灾害判识算法人工智能的原型设备及其他相关配套设施;在前期已完成的滑坡灾害表现特征研究的基础上开展滑坡灾害判识算法基本功能开发，判识预警算法是视频流数据拆帧算法、图像特征识别算法、不同采样间隔邻近帧影像标志点追踪算法以及神经网络人工智能深度学习算法的功能集合，可以实现两级识别追踪、对比判定的滑坡灾害识别判断预警。配合在初始试验区进行的长期观测，迭代计算得出判识程序参数的最优解范围。随着项目研究及技术应用的推进展开，将算法人工智能向高性能服务器硬件平台移植，并选定其他滑坡隐患地进行试验，同时布设视频数据采集传输设施，将新试验区实时观测数据引流向服务器;经过多次压力测试，完成服务器扩容，优化、调整判识算法人工智能对新环境条件的适应性，开始积累多地长期观测数据。同时，与已有的应用成熟且具备更高精确性的滑坡监测技术（北斗、GPS、GNSS等技术）进行相关性研究对比验证，进一步优化算法。灾害地现场实时视频影像数据经算法人工智能判识，同时根据检测到的灾害规模及可能造成的影响破坏得出分级设定的预警信号，并实时传回灾害地当地，可与地方应急管理部门合作，探索先进的灾害信息发布体系。

5 技术路线

开展滑坡灾害的表现特征研究→开展观测现场布置研究→开展视频流数据实时传输技术应用研究→完善优化现场视频数据的采集传输流程→开展基于视频数据的滑坡灾害判识人工智能开发研究→在试验区进行长期观测试验并与其他滑坡监测技术对比验证→优化提升实时滑坡灾害预警信号的精确度与灵敏度→与应急管理部门合作探索先进灾害信息发布体系→凝练抽象出本项目在观测区的通用做法并继续积累长期观测数据→形成有一定普适性的灾害预警体系标准。具体技术路线如图2所示。

6 展望

国内外关于滑坡灾害监测预警的研究多集中于对现有成熟理论方法的传感器性能参数进行改良，而对于基于实时视频影像数据进行灾害监测预警的理论方法的研究较少。本文所论述的在灾害发生地布置简易视频采集设备获取现场实时影像数据，并构建滑坡灾害判识预警算法人工智能，对实时传出的现场影像做出相应的灾害预警响应，以实时视频影像数据配合人工智能判识预警算法来替代巡逻人员开展灾害地的长期监测预警，实现更好的“群测群防”，同时也以较少的技术应用成本实现了更多区域地点观测布置的覆盖可能。以上的设想是可行的，同时也是当前灾害监测预警工作的大势所趋。

综上所述，本项目的实施可为今后滑坡灾害数据的收集、传输、存储、分析以及灾害判断预警提供借鉴，可以有效地解决现有滑坡灾害检测预警技术人工设备成本过高、技术推广应用迟滞的问题，提高滑坡灾害判断和预警的准确率，极大限度地减少因判识预警不及时所造成的财产损失和人员伤亡，可显著提高民生满意度、扩大先进适用科技成果的覆盖范围，具有良好的民生基础和经济发展潜力。

参考文献

[1]王国法，赵国瑞，胡亚辉.5G技术在煤矿智能化中的應用展望[J].煤炭学报，2020（1）：16-23.

[2]孟庆佳.基于3G网络滑坡应急远程监控系统设计[J].装备制造技术，2017（11）：71-73.

[3]古丽米拉·买买提.浅析人工智能在视频监控中的应用[J].科技创新，2019（10）：25.

[4]钟晓清，梁广星.实时视频网络监测系统在地质灾害防治中的应用：以东莞市为例[J].地质灾害与环境保护，2007（1）：96-99.

[5]黄鑫，牛晶蕊，杨卓，等.西安骊山滑坡自动化监测系统建设[J].中国地质灾害与防治学报，2013（2）：92-94.