CN115439996A - 一种基于空间点能量分析的火情识别方法及装置 - Google Patents

Abstract

本发明属于火情监测技术领域，具体涉及一种基于空间点能量分析的火情识别方法，包括以下步骤：以观测点为中心，将其观测区域划分为若干个扇形的观测面；获取观测点采集的目标观测面的高清图像以及热成像数据将采集的数据输入深度学习目标检测模型识别可见光烟雾、火焰，计算烟、火能量值，通过温度图计算高温能量值，加权平均后得到空间点火情能量值；控制观测点遍历所有观测区域内的观测面，遍历结束后得到观测区域所有空间点火情能量值。通过对比每个观测面当前与历史空间点能量样本集，判断火情及更新历史空间点能量样本集，在初判断火情时，在空间点附近通过观测方向与观测角大小变化，在空间点附近重复多次采样，减少观测误差带来的影响。

Description

一种基于空间点能量分析的火情识别方法及装置

技术领域

本发明属于火情监测技术领域，具体涉及一种基于空间点能量分析的火情识别方法及装置。

背景技术

我们国家有着丰富的自然资源，森林、矿产、湿地、草原……，保护自然环境是可持续发展的基础，火灾是导致自然资源损失的重要原因。由于森林、草原等场景范围广，技防代替人防提前发现火情已经成为必然趋势。目前主要采用的方式有三类，第一类通过监控热成像摄像机采集场景内的温度信息，当温度超过某个设定值时即认为存在火情，发生火情会产生高温，但是有高温未必代表就一定存在火情，例如：电厂、发热的灯、居民烧的炉子也可能产生高温，因而该类方法误报较多；第二类通过监控可见光摄像机，采用图像分析识别算法，识别每帧图像内烟雾、火焰，识别成功后认为存在火情，该方法比较依赖算法识别的召回率及准确率，而烟、火由于其数据资源较少，特征不定，往往准确率难以达到实际使用需求；第三类方法尝试将二者结合，检测烟火、高温，二者同时出现时认为存在火情，该方法能提高一定准确率，减少误报，但却增加了漏报率。

不难看出，现有技术由于火情特征不确定性，火情数据资源的匮乏导致训练模型泛化能力不足，同时缺少深入针对火情特点的实时统计分析方法，误报率、漏报率较多。从实际情况分析，火情一旦出现，尤其森林火灾，通常不会随时间变化自动消失，其特征一直存在，在时间上具备一定突变性，在空间上也会具备一定蔓延性，本发明尝试针对火情的突变与蔓延特性，建立三维统计模型，改善火情识别结果。

发明内容

本发明的目的在于提供一种基于空间点能量分析的火情识别方法及装置，克服了现有技术的不足，通过对比当前与历史空间点能量样本集，判断火情，在初判断火情时，在空间点附近通过观测方向与观测角大小变化，在空间点附近重复多次采样，减少观测误差带来的影响。

为解决上述问题，本发明所采取的技术方案如下：

一种基于空间点能量分析的火情识别方法，具体包括以下步骤：

步骤一、以观测点为中心，将其观测区域划分为若干个扇形的观测面；

步骤二、获取观测点采集的目标观测面的高清图像以及热成像数据；

步骤三、将采集的数据输入深度学习目标检测模型识别可见光烟雾、火焰，计算烟、火能量值，通过温度图计算高温能量值，加权平均后得到空间点火情能量值，判断是否存在火情；

步骤四、控制观测点遍历所有观测区域内的观测面，遍历结束后得到观测区域所有空间点火情能量值。

进一步，所述基于空间点火情能量分析的模型处理数据的方法包括：

(1)初始化各观测面历史火情能量样本集；

(2)计算当前目标观测面的火情能量值的变化值s(x)；若s(x)＜0，则判断没有火情，同时以1/N概率更新当前空间点历史火情样本集，1/9概率更新附近空间点的历史火情样本集；若s(x)＞0，在火情空间点附近重复采样M次火情能量值，统计M次采样火情能量值的变化值，记录其中变化值＞0的次数K；

(3)判断K/M是否大于阈值T，若K/M大于阈值T，则输出发现火情。

进一步，所述历史火情能量样本集的表达式为：

f(x)＝{E1，E2，……，EN}

其中，E(1,2,…，N)为火情能量值。

进一步，所述火情能量值E的计算式为：

E＝α*E_t+β*E_s+γ*E_f

其中，E_t为高温能量值，E_s为烟能量值，E_f为火能量值，α、β、γ分别为高温、烟、火能量值权重。

进一步，所述高温能量值E_t为根据目标区域最高点温度值及火情温度分布，计算得到的目标点火情概率值；所述烟能量值E_s为目标区域烟雾识别结果最大概率值；所述火能量值E_f为目标区域火焰识别结果最大概率值。

进一步，所述火情能量值的变化值s(x)的表达式为：

s(x)＝|g(x)-f(x)|-R

其中，g(x)为x点当前实时火情能量值，R为能量变化半径。

本发明还公开了一种基于空间点能量分析的火情识别装置，包括

高清摄像头，用于拍摄目标观测面的高清图像；

热成像摄像机，用于拍摄目标观测面的热成像图像；

智能分析模块，用于接收高清图像和热成像图像，将图像输入到深度学习目标检测模型计算后输出是否存在火情；

双轴驱动单元，用于驱动高清摄头和热成像摄像机横向和纵向的转动，从而遍历观测区域的所有观测面。

进一步，所述火情识别装置包括安装底座、固设在安装底座上端面的驱动盘、转动安装在驱动盘上端面的壳体以及转动安装在壳体内的球机，所述高清摄像头和热成像摄像机嵌设在球机的前端面。

进一步，所述双轴驱动单元包括两个驱动电机，且两个驱动电机分别安装在驱动盘和壳体内，用于驱动壳体和球机沿着其中心轴转动。

进一步，所述壳体内安装有控制器以及无线通讯模块，所述控制器用于控制各个组件的启闭和信号的传递，所述无线通讯模块用于向远程报警终端输送火情信号。

本发明与现有技术相比较，具有以下有益效果：

本发明根据火情存在突变性与蔓延性，采用基于空间点能量模型的统计方法，通过对比各观测面当前与历史空间点能量样本集，判断火情，在初判断火情时，在空间点附近通过观测方向与观测角大小变化，在空间点附近重复多次采样，减少观测误差带来的影响，同时对能量值根据每个分类器准确率分配权重，将多个弱分类器组合成一个强分类器，不依赖于某一分类器观测结果，提高了火情识别的误识别率与漏识别率。

附图说明

图1为一种基于空间点能量分析的火情识别装置的结构示意图。

图2为一种基于空间点能量分析的火情识别装置控制原理框图。

图中：1、安装底座；2、驱动盘；3、壳体；4、球机；5、热成像摄像机；6、高清摄像头。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本实施例公开了一种基于空间点能量分析的火情识别方法，具体包括以下步骤：

步骤一、以观测点为中心，将其观测区域划分为若干个扇形的观测面。

步骤二、获取观测点采集的目标观测面的高清图像以及热成像数据。

步骤三、将采集的数据输入深度学习目标检测模型识别可见光烟雾、火焰，计算烟、火能量值，通过温度图计算高温能量值，加权平均后得到空间点火情能量值，根据火情能量值变化判断是否存在火情。

深度学习目标检测模型处理数据的方法包括：

(1)初始化各观测面历史火情能量样本集；

(2)计算当前目标观测面的火情能量值的变化值s(x)；若s(x)＜0，则判断没有火情，同时以1/N概率更新当前空间点历史火情样本集，1/9概率更新附近空间点的历史火情样本集；若s(x)＞0，在火情空间点附近重复采样M次火情能量值，统计M次采样火情能量值的变化值，记录其中变化值＞0的次数K；

(3)判断K/M是否大于阈值T，若K/M大于阈值T，则输出发现火情。历史火情能量样本集的表达式为：

f(x)＝{E1，E2，……，EN}

其中，E(1,2,…，N)为火情能量值。

火情能量值E的计算式为：

E＝α*E_t+β*E_s+γ*E_f

其中，E_t为高温能量值，E_s为烟能量值，E_f为火能量值，α、β、γ分别为高温、烟、火能量值权重。

高温能量值E_t为根据目标区域最高点温度值及火情温度分布，计算得到的目标点火情概率值；烟能量值E_s为目标区域烟雾识别结果最大概率值；火能量值E_f为目标区域火焰识别结果最大概率值。

α、β、γ根据高温、烟识别、火识别模型识别率分配权重确定。

火情能量值的变化值s(x)的表达式为：

s(x)＝|g(x)-f(x)|-R

其中，g(x)为x点当前实时火情能量值，R为能量变化半径

步骤四、控制观测点遍历所有观测区域内的观测面，遍历结束后得到观测区域所有空间点火情能量值。

实施例2

本实施例在实施例1的基础上，公开了基于空间点能量分析的火情识别装置，包括

高清摄像头6，用于拍摄目标观测面的高清图像；

热成像摄像机5，用于拍摄目标观测面的热成像图像；

智能分析模块，用于接收高清图像和热成像图像，将图像输入到深度学习目标检测模型计算后输出是否存在火情；

双轴驱动单元，用于驱动高清摄头和热成像摄像机5横向和纵向的转动，从而遍历观测区域的所有观测面。

火情识别装置包括安装底座1、固设在安装底座1上端面的驱动盘2、转动安装在驱动盘2上端面的壳体3以及转动安装在壳体3内的球机4，高清摄像头6和热成像摄像机5嵌设在球机4的前端面。

双轴驱动单元包括两个驱动电机，且两个驱动电机分别安装在驱动盘2和壳体3内，用于驱动壳体3和球机4沿着其中心轴转动。

壳体3内安装有控制器以及无线通讯模块，控制器用于控制各个组件的启闭和信号的传递，无线通讯模块用于向远程报警终端输送火情信号。

使用时，通过双轴驱动单元控制壳体3和球机4转动，从而使高清摄像头6和热成像摄像机5覆盖一个球型的观测区域；装置进入工作状态后，按照给定顺序扫描观测区域内每一个空间点，分析采样火情能量值，根据空间点火情能量模型，判定火情，更新历史空间点火情能量样本集，发生火情后将火情图片抓拍存储，通过无线通讯模块将其传输给后台的远程报警装置，与警力联动提前扑灭火情，减少人民财产损失。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于空间点能量分析的火情识别方法，特征在于：具体包括以下步骤：

步骤一、以观测点为中心，将其观测区域划分为若干个扇形的观测面；

步骤二、获取观测点采集的目标观测面的高清图像以及热成像数据；

步骤三、将采集的数据输入深度学习目标检测模型识别可见光烟雾、火焰，通过识别烟火检测概率值计算烟、火能量值，通过温度图计算高温能量值，加权平均后得到每个观测面空间点火情能量值，根据火情能量值变化判断是否存在火情及更新历史空间点样本集；

步骤四、控制观测点遍历所有观测区域内的观测面，遍历结束后得到观测区域所有空间点火情能量值。

2.根据权利要求1所述的一种基于空间点能量分析的火情识别方法，其特征在于：所述基于空间点能量分析的模型处理数据的方法包括：

(1)初始化观测面历史火情能量样本集；

(2)计算当前目标观测面的火情能量值的变化值s(x)；若s(x)＜0，则判断没有火情，同时以1/N概率更新当前空间点历史火情样本集，1/9概率更新附近空间点的历史火情样本集；若s(x)＞0，在火情空间点附近重复采样M次火情能量值，统计M次采样火情能量值的变化值，记录其中变化值＞0的次数K；

(3)判断K/M是否大于阈值T，若K/M大于阈值T，则输出发现火情。

3.根据权利要求2所述的一种基于空间点能量分析的火情识别方法，其特征在于：所述历史火情能量样本集的表达式为：

f(x)＝{E1，E2，……，EN}

其中，E(1,2,…，N)为火情能量值。

4.根据权利要求3所述的一种基于空间点能量分析的火情识别方法，其特征在于：所述火情能量值E的计算式为：

E＝α*E_t+β*E_s+γ*E_f

其中，E_t为高温能量值，E_s为烟能量值，E_f为火能量值，α、β、γ分别为高温、烟、火能量值权重。

5.根据权利要求4所述的一种基于空间点能量分析的火情识别方法，其特征在于：所述高温能量值E_t为根据目标区域最高点温度值及火情温度分布，计算得到的目标点火情概率值；所述烟能量值E_s为目标区域烟雾识别结果最大概率值；所述火能量值E_f为目标区域火焰识别结果最大概率值。

6.根据权利要求3所述的一种基于空间点能量分析的火情识别方法，其特征在于：所述火情能量值的变化值s(x)的表达式为：

s(x)＝|g(x)-f(x)|-R

其中，g(x)为x点当前实时火情能量值，R为能量变化半径。

7.一种根据权利要求1-6任一项所述基于空间点能量分析的火情识别装置，其特征在于：包括

高清摄像头(6)，用于拍摄目标观测面的高清图像；

热成像摄像机(5)，用于拍摄目标观测面的热成像图像；

智能分析模块，用于接收高清图像和热成像图像，将图像输入到深度学习目标检测模型及空间点火情能量值分析模型计算后输出是否存在火情；

双轴驱动单元，用于驱动高清摄头和热成像摄像机(5)横向和纵向的转动，从而遍历观测区域的所有观测面。

8.根据权利要求7所述的一种基于空间点能量分析的火情识别装置，其特征在于：所述火情识别装置包括安装底座(1)、固设在安装底座(1)上端面的驱动盘(2)、转动安装在驱动盘(2)上端面的壳体(3)以及转动安装在壳体(3)内的球机(4)，所述高清摄像头(6)和热成像摄像机(5)嵌设在球机(4)的前端面。

9.根据权利要求7所述的一种基于空间点能量分析的火情识别装置，其特征在于：所述双轴驱动单元包括两个驱动电机，且两个驱动电机分别安装在驱动盘(2)和壳体(3)内，用于驱动壳体(3)和球机(4)沿着其中心轴转动。

10.根据权利要求8所述的一种基于空间点能量分析的火情识别装置，其特征在于：所述壳体(3)内安装有控制器以及无线通讯模块，所述控制器用于控制各个组件的启闭和信号的传递，所述无线通讯模块用于向远程报警终端输送火情信号。

Images