CN117011801A - 一种用于防止充电桩电气火灾的智能监测方法和装置 - Google Patents

Abstract

本发明提供了一种用于防止充电桩电气火灾的智能监测方法和装置，其中，方法包括：当第一摄像头拍摄的画面具有火光时，获取第一视频数据，获取火焰的极大值信息，根据极大值提取其中的火焰的位置信息以及像素信息，使后续根据位置信息和像素信息得到特征信息，再通过特征信息进行筛选目标拍摄视频。本发明的有益效果：得到的拍摄视频具有较全的火灾拍摄画面，便于相关人员可以对火灾进行充分的观测。

Description

一种用于防止充电桩电气火灾的智能监测方法和装置

技术领域

本发明涉及人工智能领域，特别涉及一种用于防止充电桩电气火灾的智能监测方法和装置。

背景技术

充电桩是一种固定在地面或墙壁，安装于公共建筑和居民小区停车场或充电站内，可以根据不同的电压等级为各种型号的电动汽车充电，然而随着科技的发展，现有的充电方式一般都是通过大功率对车辆进行充电，这样会导致充电桩发生电器火灾的频率增大。

现有技术中，对充电桩的电器火灾的识别主要是通过摄像头进行识别，然而充电桩火灾的发生地点是不确定的，若安装的摄像头对火灾拍摄的画面不全，摄像头可能存在局限性，无法完整捕捉可能发生的火灾场景，容易导致对火灾的情况识别不充分。

发明内容

本发明的主要目的为提供一种用于防止充电桩电气火灾的智能监测方法和装置，旨在解决对火灾的情况识别不充分的问题。

本发明提供了一种用于防止充电桩电气火灾的智能监测方法，通过局域网络实现，所述局域网络包括多个拍摄充电桩区域的摄像头和主控中心，各个摄像头分别与所述主控中心连接，并用于将拍摄视频上传至所述主控中心，所述智能监测方法包括：

当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频；

获取所述第一拍摄视频中火焰在各帧照片中的高度信息，并获取火焰高度信息中的极大值点；

计算每帧图片中相邻两个所述极大值点之间距离，并求和得到目标距离；

基于每帧图片中每个极大值点的位置，在上一帧图片中找出该极大值点位置最近的极大值点，并记为该极大值点的上一极大值点；

计算每个所述极大值点与对应上一极大值点的距离和方向，得到目标向量；所述方向为该极大值点至对应上一极大值点方向的反方向；

提取所述第一拍摄视频每帧中同一目标向量，构成目标向量集合；其中，所述目标向量集合相邻两个目标向量中，后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点；

计算所述目标向量集合中相邻两个目标向量的向量差的模；

计算相邻两帧图片中所有模的平均值，并将其设置为前一帧图片中的权重值；

将每帧对应的目标向量与对应的权重值相乘，以得到每帧图片对应的向量集合；

获取所述第一拍摄视频中每帧图片的像素信息，并基于所述目标距离设置所述像素信息的权重值，以得到目标像素信息；

将所述目标像素信息和所述向量集合输入至预设的双流网络中，得到所述第一拍摄视频的特征信息；

根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域。

进一步地，所述根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域的步骤之前，包括：

获取所述第一拍摄视频出现所述火光的第一时间点；

基于所述第一时间点获取预设时间间隔后的第二时间点；

根据所述第一时间点和所述第二时间点得到目标时间段；

基于所述目标时间段从所述各个摄像头拍摄的视频中截取拍摄视频。

进一步地，所述当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频的步骤之前，还包括：

从多个预设的角度对充电桩区域进行拍摄，得到多张充电桩区域图片；

通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，以组成特征集；

通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头的拍摄图片；

通过所述预设的特征提取模型提取所述拍摄图片中的第二特征；

判断所述特征集中是否存在第一特征与第二特征为相同特征；

通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。

进一步地，所述根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频的步骤，包括：

从每个拍摄的拍摄视频中抽取预设数量的视频帧；

通过预设的特征提取模块提取所述视频帧中的第三特征；

通过预设的相似度度量算法计算所述第三特征与所述特征信息的相似度；

根据相似度的大小筛选出所述目标拍摄视频。

进一步地，所述计算每个所述极大值点与对应上一极大值点的距离和方向的步骤之后，还包括：

计算相邻两帧图片中每个极大值与上一极大值的距离，并求和各个距离得到移动总量；

判断所述移动总量是否大于预设移动量；

若大于预设移动量，则发出报警信号。

本发明还提供了一种用于防止充电桩电气火灾的智能监测装置，通过局域网络实现，所述局域网络包括多个拍摄充电桩区域的摄像头和主控中心，各个摄像头分别与所述主控中心连接，并用于将拍摄视频上传至所述主控中心，所述智能监测装置包括：

拍摄模块，用于当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频；

第一获取模块，用于获取所述第一拍摄视频中火焰在各帧照片中的高度信息，并获取火焰高度信息中的极大值点；

第一计算模块，用于计算每帧图片中相邻两个所述极大值点之间距离，并求和得到目标距离；

寻找模块，用于基于每帧图片中每个极大值点的位置，在上一帧图片中找出该极大值点位置最近的极大值点，并记为该极大值点的上一极大值点；

第二计算模块，用于计算每个所述极大值点与对应上一极大值点的距离和方向，得到目标向量；所述方向为该极大值点至对应上一极大值点方向的反方向；

提取模块，用于提取所述第一拍摄视频每帧中同一目标向量，构成目标向量集合；其中，所述目标向量集合相邻两个目标向量中，后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点；

第三计算模块，用于计算所述目标向量集合中相邻两个目标向量的向量差的模；

第四计算模块，用于计算相邻两帧图片中所有模的平均值，并将其设置为前一帧图片中的权重值；

第五计算模块，用于将每帧对应的目标向量与对应的权重值相乘，以得到每帧图片对应的向量集合；

第二获取模块，用于获取所述第一拍摄视频中每帧图片的像素信息，并基于所述目标距离设置所述像素信息的权重值，以得到目标像素信息；

输入模块，用于将所述目标像素信息和所述向量集合输入至预设的双流网络中，得到所述第一拍摄视频的特征信息；

筛选模块，用于根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域。

进一步地，所述智能监测装置，包括：

第三获取模块，用于获取所述第一拍摄视频出现所述火光的第一时间点；

第四获取模块，用于基于所述第一时间点获取预设时间间隔后的第二时间点；

获取模块，用于根据所述第一时间点和所述第二时间点得到目标时间段；

截取模块，用于基于所述目标时间段从所述各个摄像头拍摄的视频中截取拍摄视频。

进一步地，所述智能监测装置，还包括：

充电桩区域拍摄模块，用于从多个预设的角度对充电桩区域进行拍摄，得到多张充电桩区域图片；

第一特征提取模块，用于通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，以组成特征集；

设定模块，用于通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头的拍摄图片；

第二特征提取模块，用于通过所述预设的特征提取模型提取所述拍摄图片中的第二特征；

第一特征判断模块，用于判断所述特征集中是否存在第一特征与第二特征为相同特征；

组网模块，用于通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。

进一步地，所述筛选模块，包括：

抽取子模块，用于从每个拍摄的拍摄视频中抽取预设数量的视频帧；

提取子模块，用于通过预设的特征提取模块提取所述视频帧中的第三特征；

相似度计算子模块，用于通过预设的相似度度量算法计算所述第三特征与所述特征信息的相似度；

筛选子模块，用于根据相似度的大小筛选出所述目标拍摄视频。

进一步地，所述智能监测装置，还包括：

距离计算模块，用于计算相邻两帧图片中每个极大值与上一极大值的距离，并求和各个距离得到移动总量；

移动总量判断模块，用于判断所述移动总量是否大于预设移动量；

报警信号发出模块，用于若大于预设移动量，则发出报警信号。

本发明的有益效果：当第一摄像头拍摄的画面具有火光时，获取第一视频数据，获取火焰的极大值信息，根据极大值提取其中的火焰的位置信息以及像素信息，使后续根据位置信息和像素信息得到特征信息，再通过特征信息进行筛选目标拍摄视频，从而可以保证得到的拍摄视频具有较全的火灾拍摄画面，便于作为火灾原因溯源的依据材料，同时便于相关人员可以对火灾进行充分的观测。

附图说明

图1 是本发明一实施例的一种用于防止充电桩电气火灾的智能监测方法的流程示意图；

图2 是本发明一实施例的一种用于防止充电桩电气火灾的智能监测装置的结构示意框图；

图3 为本申请一实施例的计算机设备的结构示意框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

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的一部分实施例，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作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。

需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后等）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

参照图1，本发明提出一种用于防止充电桩电气火灾的智能监测方法，通过局域网络实现，所述局域网络包括多个拍摄充电桩区域的摄像头和主控中心，各个摄像头分别与所述主控中心连接，并用于将拍摄视频上传至所述主控中心，所述智能监测方法包括：

S1：当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频；

S2：获取所述第一拍摄视频中火焰在各帧照片中的高度信息，并获取火焰高度信息中的极大值点；

S3：计算每帧图片中相邻两个所述极大值点之间距离，并求和得到目标距离；

S4：基于每帧图片中每个极大值点的位置，在上一帧图片中找出该极大值点位置最近的极大值点，并记为该极大值点的上一极大值点；

S5：计算每个所述极大值点与对应上一极大值点的距离和方向，得到目标向量；所述方向为该极大值点至对应上一极大值点方向的反方向；

S6：提取所述第一拍摄视频每帧中同一目标向量，构成目标向量集合；其中，所述目标向量集合相邻两个目标向量中，后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点；

S7：计算所述目标向量集合中相邻两个目标向量的向量差的模；

S8：计算相邻两帧图片中所有模的平均值，并将其设置为前一帧图片中的权重值；

S9：将每帧对应的目标向量与对应的权重值相乘，以得到每帧图片对应的向量集合；

S10：获取所述第一拍摄视频中每帧图片的像素信息，并基于所述目标距离设置所述像素信息的权重值，以得到目标像素信息；

S11：将所述目标像素信息和所述向量集合输入至预设的双流网络中，得到所述第一拍摄视频的特征信息；

S12：根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域。

如上述步骤S1所述，当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频。具体地，第一摄像头可以是局域网络中任意一个摄像头，需要说明的是，局域网络中包括了多个摄像头，每个摄像头分别从不同的角度拍摄摄像头，该摄像头可以是在安装充电桩时设计的，也可以是其他监视的摄像头，可以拍摄充电桩区域即可，充电桩区域为预先设置的区域，其可以包括充电桩，也可以包括电动车辆所停的区域，当拍摄到视频后，可以利用图像处理和分析技术来检测火焰、烟雾或其他火灾迹象。这些技术可以通过分析视频中的像素、颜色、动态变化等来识别火灾迹象，然后对其进行持续拍摄，从而得到第一拍摄视频。

如上述步骤S2所述，获取所述第一拍摄视频中火焰在各帧照片中的高度信息，并获取火焰高度信息中的极大值点。即将第一拍摄视频拆分为单个照片，然后使用图像处理技术提取火焰的位置和高度信息，在每帧照片中可以通过阈值分割，将火焰与周围环境进行分离，然后计算火焰的高度，可以通过测量火焰上下边缘的位置差来实现，然后将像素单位视为其高度单位，并找出其极大值点。

如上述步骤S3所述，计算每帧图片中相邻两个所述极大值点之间距离，并求和得到目标距离，首先，从之前得到的火焰高度信息中提取出极大值点的位置。这些位置表示火焰高度达到极大值的帧。对于每个极大值点，计算它与相邻极大值点之间的距离，将所有相邻极大值点之间的距离求和，以得到目标距离。

如上述步骤S4所述，基于每帧图片中每个极大值点的位置，在上一帧图片中找出该极大值点位置最近的极大值点，并记为该极大值点的上一极大值点，具体地，遍历每个帧中的极大值点。取第一个帧的极大值点为起点。对于每个极大值点，在上一帧中找到最近的极大值点。可以计算极大值点之间的欧氏距离或其他距离度量来确定最近点，即上一极大值点。

如上述步骤S5所述，计算每个所述极大值点与对应上一极大值点的距离和方向，得到目标向量；所述方向为该极大值点至对应上一极大值点方向的反方向。首先计算上一极大值点指向当前极大值点的向量，然后取其反方向。可以通过计算两个点之间的差向量然后取反来获得目标向量的方向。将距离和方向结合起来，形成目标向量。

如上述步骤S6所述，提取所述第一拍摄视频每帧中同一目标向量，构成目标向量集合；其中，所述目标向量集合相邻两个目标向量中，后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点，具体地，对于第一拍摄视频中的每一帧，提取出目标向量。将每帧的目标向量存储到目标向量集合中。对目标向量集合中的每个目标向量进行遍历。检查每个目标向量的后一个目标向量，即下一个帧中的目标向量。确保后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点。从而提取第一拍摄视频每帧中相同目标向量，从而构成目标向量集合。同时，这样的筛选过程可以帮助减少误差，并确保目标向量的连续性和稳定性。

如上述步骤S7所述，计算所述目标向量集合中相邻两个目标向量的向量差的模，对于目标向量集合中的每个相邻的目标向量对，计算它们之间的向量差。向量差可以通过将后一个目标向量减去前一个目标向量来获得。计算向量差的模。向量差的模指的是向量差的长度或大小，可以通过计算向量差的欧氏距离来获得。重复以上步骤，直到计算完目标向量集合中所有相邻两个目标向量的向量差的模。

如上述步骤S8所述，计算相邻两帧图片中所有模的平均值，并将其设置为前一帧图片中的权重值。对于目标向量集合中的每个相邻的目标向量对，计算它们之间的向量差的模，并将这些模的值存储起来。计算相邻两帧图片中所有模的平均值。将所有模的值相加，然后除以模的数量，即可得到平均值。使用计算得到的平均值作为前一帧图片中的权重值。

如上述步骤S9所述，将每帧对应的目标向量与对应的权重值相乘，以得到每帧图片对应的向量集合。获取每帧图片对应的目标向量和权重值。对于每帧图片，将其对应的目标向量与权重值进行相乘操作。这可以通过将每个目标向量中的坐标与对应的权重值相乘来实现。将相乘后的结果作为每帧图片对应的向量集合。

如上述步骤S10所述，获取所述第一拍摄视频中每帧图片的像素信息，并基于所述目标距离设置所述像素信息的权重值，以得到目标像素信息。从第一拍摄视频中获取每帧图片的像素信息。这可以通过读取视频文件或逐帧获取视频流的方式来实现。对于每帧图片，根据目标距离设置像素信息的权重值。您可以根据目标距离的大小，为像素信息中的每个像素分配相应的权重值。将权重值应用于像素信息，以得到目标像素信息。可以通过将每个像素的原始值与对应的权重值相乘，来获得调整后的目标像素值。

如上述步骤S11所述，将所述目标像素信息和所述向量集合输入至预设的双流网络中，得到所述第一拍摄视频的特征信息，将目标像素信息输入到像素流中。将每帧图片的目标像素信息传递给像素流，以便网络能够从图像中提取特征。将向量集合输入到向量流中。将每帧图片的向量集合输入到向量流，以便网络能够从向量中提取特征。将像素流和向量流的输出连接起来。将两个流的输出特征连接起来，形成一个完整的特征表示。将连接后的特征输入到网络的分类器或其他任务相关的模块中。常见的双流网络是光流网络（Optical Flow Network）和卷积神经网络（Convolutional Neural Network，CNN）的组合。光流网络用于处理光流场，即连续帧之间像素的运动信息，而CNN则用于提取图像的静态特征。这样的双流网络可以在视频动作识别、光流估计等任务中产生更好的性能，本申请中使用向量集合作为火灾的运动信息输入光流网络中作为替代。

如上述步骤S12所述，根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域。其中使用特征信息来判断其他视频帧是否具有相同的特征信息，从而对目标拍摄视频进行筛选，通过筛选的视频进行展示，从而可以保证得到的拍摄视频具有较全的火灾拍摄画面，便于相关人员可以对火灾进行充分的观测。

在一个实施例中，所述根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域的步骤S12之前，包括：

S1101：获取所述第一拍摄视频出现所述火光的第一时间点；

S1102：基于所述第一时间点获取预设时间间隔后的第二时间点；

S1103：根据所述第一时间点和所述第二时间点得到目标时间段；

S1104：基于所述目标时间段从所述各个摄像头拍摄的视频中截取拍摄视频。

如上述步骤S1101-S1104所述，实现了对拍摄视频的获取，当出现火光时，记录当前时间点，即第一时间点，基于第一时间点获取到预设时间间隔后的第二时间点，预设时间间隔为预先设置的时间间隔点，本申请对此不作限定，然后根据第一时间点和第二时间点可以获取到目标时间段，在根据目标时间段截取各个摄像头拍摄的拍摄视频，从而得到拍摄视频。

在一个实施例中，所述当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频的步骤S1之前，还包括：

S001：从多个预设的角度对充电桩区域进行拍摄，得到多张充电桩区域图片；

S002：通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，以组成特征集；

S003：通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头的拍摄图片；

S004：通过所述预设的特征提取模型提取所述拍摄图片中的第二特征；

S005：判断所述特征集中是否存在第一特征与第二特征为相同特征；

S006：通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。

如上述步骤S001-S002所述，从多个预设的角度对充电桩区域进行拍摄，得到多张充电桩区域图片；通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，以组成特征集；其中，拍摄的方式可以是相关人员通过移动摄像头进行拍摄，例如可以通过手机进行拍摄，然后通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，该预设特征提取模型可以是预先训练好的卷积神经网络模型，以提取第一特征。

如上述步骤S003-S006所述通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头的拍摄图片；通过所述预设的特征提取模型提取所述拍摄图片中的第二特征；判断所述特征集中是否存在第一特征与第二特征为相同特征；通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头拍摄的图片。这一步骤涉及使用了预设和配置好的无线装置，将其放置在充电桩附近，然后获取附近区域内摄像头拍摄的图片。使用预设的特征提取模型提取拍摄图片中的第二个特征。 导入预设的特征提取模型（可能是与第一个特征提取模型相同的模型），将摄像头拍摄到的图片传递给模型，以提取第二个特征。判断特征集中是否存在第一特征与第二特征相同的特征。 比较第一特征和第二特征，判断它们是否相同。通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。使用一个主控中心（可以是一个智能中心或服务器），将具有相同特征的摄像头进行组网，以构建一个局域网络，可以共享数据和进行各种任务。

在一个实施例中，所述根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频的步骤S12，包括：

S1201：从每个拍摄的拍摄视频中抽取预设数量的视频帧；

S1202：通过预设的特征提取模块提取所述视频帧中的第三特征；

S1203：通过预设的相似度度量算法计算所述第三特征与所述特征信息的相似度；

S1204：根据相似度的大小筛选出所述目标拍摄视频。

如上述步骤S1201-S1204所述，实现了对目标拍摄视频的筛选。具体地，从每个拍摄的拍摄视频中抽取预设数量的视频帧，抽取的方式可以是随机抽取，也可以是按照预设的时间间隔进行抽取，本申请对此不作限定。通过预设的特征提取模块提取所述视频帧中的目标特征，特征提取模块上述有详细说明，此处不再赘述。通过预设的相似度度量算法计算所述第三特征与所述特征信息的相似度，需要说明的是，由于一个第二视频数据具有多个第三特征，本申请只取其中相似度最大的一个相似度值作为相似度。预设的相似度度量算法可以是欧几里得距离、余弦相似度、汉明距离、编辑距离等任意一种。

在一个实施例中，所述计算每个所述极大值点与对应上一极大值点的距离和方向的步骤S5之后，还包括：

S601：计算相邻两帧图片中每个极大值与上一极大值的距离，并求和各个距离得到移动总量；

S602：判断所述移动总量是否大于预设移动量；

S603：若大于预设移动量，则发出报警信号。

如上述步骤S601-S603所述，本实施例中，由于火灾的蔓延情况较大，可能等不到相关的人员进行处理，或者相关人员处理的能力有限，因此，可以极大值的移动总量来进行判断，而其蔓延情况可以根据移动总量进行确定，当移动总量大于预设位移量，可以认定为不可控制，则可以发送报警信号，报警信号中可以包括充电桩区域的位置信息，从而便于消防员及时知晓位置信息，若移动总量小于或等于预设位移量，则火灾还可控，可以上传给相关人员以便于及时灭火，或者进行报警，本申请对此不作限定，可以由相关人员自行确定即可。

本发明的有益效果：当第一摄像头拍摄的画面具有火光时，获取第一视频数据，获取火焰的极大值信息，根据极大值提取其中的火焰的位置信息以及像素信息，使后续根据位置信息和像素信息得到特征信息，再通过特征信息进行筛选目标拍摄视频，从而可以保证得到的拍摄视频具有较全的火灾拍摄画面，便于相关人员可以对火灾进行充分的观测。

参照图2，本发明还提供了一种用于防止充电桩电气火灾的智能监测装置，通过局域网络实现，所述局域网络包括多个拍摄充电桩区域的摄像头和主控中心，各个摄像头分别与所述主控中心连接，并用于将拍摄视频上传至所述主控中心，所述智能监测装置包括：

拍摄模块10，用于当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频；

第一获取模块20，用于获取所述第一拍摄视频中火焰在各帧照片中的高度信息，并获取火焰高度信息中的极大值点；

第一计算模块30，用于计算每帧图片中相邻两个所述极大值点之间距离，并求和得到目标距离；

寻找模块40，用于基于每帧图片中每个极大值点的位置，在上一帧图片中找出该极大值点位置最近的极大值点，并记为该极大值点的上一极大值点；

第二计算模块50，用于计算每个所述极大值点与对应上一极大值点的距离和方向，得到目标向量；所述方向为该极大值点至对应上一极大值点方向的反方向；

提取模块60，用于提取所述第一拍摄视频每帧中同一目标向量，构成目标向量集合；其中，所述目标向量集合相邻两个目标向量中，后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点；

第三计算模块70，用于计算所述目标向量集合中相邻两个目标向量的向量差的模；

第四计算模块80，用于计算相邻两帧图片中所有模的平均值，并将其设置为前一帧图片中的权重值；

第五计算模块90，用于将每帧对应的目标向量与对应的权重值相乘，以得到每帧图片对应的向量集合；

第二获取模块100，用于获取所述第一拍摄视频中每帧图片的像素信息，并基于所述目标距离设置所述像素信息的权重值，以得到目标像素信息；

输入模块110，用于将所述目标像素信息和所述向量集合输入至预设的双流网络中，得到所述第一拍摄视频的特征信息；

筛选模块120，用于根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域。

在一个实施例中，所述智能监测装置，包括：

第三获取模块，用于获取所述第一拍摄视频出现所述火光的第一时间点；

第四获取模块，用于基于所述第一时间点获取预设时间间隔后的第二时间点；

获取模块，用于根据所述第一时间点和所述第二时间点得到目标时间段；

截取模块，用于基于所述目标时间段从所述各个摄像头拍摄的视频中截取拍摄视频。

在一个实施例中，所述智能监测装置，还包括：

充电桩区域拍摄模块，用于从多个预设的角度对充电桩区域进行拍摄，得到多张充电桩区域图片；

第一特征提取模块，用于通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，以组成特征集；

设定模块，用于通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头的拍摄图片；

第二特征提取模块，用于通过所述预设的特征提取模型提取所述拍摄图片中的第二特征；

第一特征判断模块，用于判断所述特征集中是否存在第一特征与第二特征为相同特征；

组网模块，用于通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。

在一个实施例中，所述筛选模块120，包括：

抽取子模块，用于从每个拍摄的拍摄视频中抽取预设数量的视频帧；

提取子模块，用于通过预设的特征提取模块提取所述视频帧中的第三特征；

相似度计算子模块，用于通过预设的相似度度量算法计算所述第三特征与所述特征信息的相似度；

筛选子模块，用于根据相似度的大小筛选出所述目标拍摄视频。

在一个实施例中，所述智能监测装置，还包括：

距离计算模块，用于计算相邻两帧图片中每个极大值与上一极大值的距离，并求和各个距离得到移动总量；

移动总量判断模块，用于判断所述移动总量是否大于预设移动量；

报警信号发出模块，用于若大于预设移动量，则发出报警信号。

参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各种拍摄视频等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的用于防止充电桩电气火灾的智能监测方法。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现上述任一实施例所述的用于防止充电桩电气火灾的智能监测方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种用于防止充电桩电气火灾的智能监测方法，其特征在于，通过局域网络实现，所述局域网络包括多个拍摄充电桩区域的摄像头和主控中心，各个摄像头分别与所述主控中心连接，并用于将拍摄视频上传至所述主控中心，所述智能监测方法包括：

当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频；

获取所述第一拍摄视频中火焰在各帧照片中的高度信息，并获取火焰高度信息中的极大值点；

计算每帧图片中相邻两个所述极大值点之间距离，并求和得到目标距离；

基于每帧图片中每个极大值点的位置，在上一帧图片中找出该极大值点位置最近的极大值点，并记为该极大值点的上一极大值点；

计算每个所述极大值点与对应上一极大值点的距离和方向，得到目标向量；所述方向为该极大值点至对应上一极大值点方向的反方向；

提取所述第一拍摄视频每帧中同一目标向量，构成目标向量集合；其中，所述目标向量集合相邻两个目标向量中，后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点；

计算所述目标向量集合中相邻两个目标向量的向量差的模；

计算相邻两帧图片中所有模的平均值，并将其设置为前一帧图片中的权重值；

将每帧对应的目标向量与对应的权重值相乘，以得到每帧图片对应的向量集合；

获取所述第一拍摄视频中每帧图片的像素信息，并基于所述目标距离设置所述像素信息的权重值，以得到目标像素信息；

将所述目标像素信息和所述向量集合输入至预设的双流网络中，得到所述第一拍摄视频的特征信息；

根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域。

2.如权利要求1所述的用于防止充电桩电气火灾的智能监测方法，其特征在于，所述根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域的步骤之前，包括：

获取所述第一拍摄视频出现所述火光的第一时间点；

基于所述第一时间点获取预设时间间隔后的第二时间点；

根据所述第一时间点和所述第二时间点得到目标时间段；

基于所述目标时间段从所述各个摄像头拍摄的视频中截取拍摄视频。

3.如权利要求1所述的用于防止充电桩电气火灾的智能监测方法，其特征在于，所述当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频的步骤之前，还包括：

从多个预设的角度对充电桩区域进行拍摄，得到多张充电桩区域图片；

通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，以组成特征集；

通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头的拍摄图片；

通过所述预设的特征提取模型提取所述拍摄图片中的第二特征；

判断所述特征集中是否存在第一特征与第二特征为相同特征；

通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。

4.如权利要求1所述的用于防止充电桩电气火灾的智能监测方法，其特征在于，所述根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频的步骤，包括：

从每个拍摄的拍摄视频中抽取预设数量的视频帧；

通过预设的特征提取模块提取所述视频帧中的第三特征；

通过预设的相似度度量算法计算所述第三特征与所述特征信息的相似度；

根据相似度的大小筛选出所述目标拍摄视频。

5.如权利要求1所述的用于防止充电桩电气火灾的智能监测方法，其特征在于，所述计算每个所述极大值点与对应上一极大值点的距离和方向的步骤之后，还包括：

计算相邻两帧图片中每个极大值与上一极大值的距离，并求和各个距离得到移动总量；

判断所述移动总量是否大于预设移动量；

若大于预设移动量，则发出报警信号。

6.一种用于防止充电桩电气火灾的智能监测装置，其特征在于，通过局域网络实现，所述局域网络包括多个拍摄充电桩区域的摄像头和主控中心，各个摄像头分别与所述主控中心连接，并用于将拍摄视频上传至所述主控中心，所述智能监测装置包括：

拍摄模块，用于当检测到第一摄像头拍摄充电桩区域具有火光时，对所述充电桩区域进行持续拍摄，得到第一拍摄视频；

第一获取模块，用于获取所述第一拍摄视频中火焰在各帧照片中的高度信息，并获取火焰高度信息中的极大值点；

第一计算模块，用于计算每帧图片中相邻两个所述极大值点之间距离，并求和得到目标距离；

寻找模块，用于基于每帧图片中每个极大值点的位置，在上一帧图片中找出该极大值点位置最近的极大值点，并记为该极大值点的上一极大值点；

第二计算模块，用于计算每个所述极大值点与对应上一极大值点的距离和方向，得到目标向量；所述方向为该极大值点至对应上一极大值点方向的反方向；

提取模块，用于提取所述第一拍摄视频每帧中同一目标向量，构成目标向量集合；其中，所述目标向量集合相邻两个目标向量中，后一个目标向量的上一极大值点与前一个向量的极大值点为同一个点；

第三计算模块，用于计算所述目标向量集合中相邻两个目标向量的向量差的模；

第四计算模块，用于计算相邻两帧图片中所有模的平均值，并将其设置为前一帧图片中的权重值；

第五计算模块，用于将每帧对应的目标向量与对应的权重值相乘，以得到每帧图片对应的向量集合；

第二获取模块，用于获取所述第一拍摄视频中每帧图片的像素信息，并基于所述目标距离设置所述像素信息的权重值，以得到目标像素信息；

输入模块，用于将所述目标像素信息和所述向量集合输入至预设的双流网络中，得到所述第一拍摄视频的特征信息；

筛选模块，用于根据所述特征信息从各个摄像头拍摄的拍摄视频中筛选出目标拍摄视频，以监测所述充电桩区域。

7.如权利要求6所述的用于防止充电桩电气火灾的智能监测装置，其特征在于，所述智能监测装置，包括：

第三获取模块，用于获取所述第一拍摄视频出现所述火光的第一时间点；

第四获取模块，用于基于所述第一时间点获取预设时间间隔后的第二时间点；

获取模块，用于根据所述第一时间点和所述第二时间点得到目标时间段；

截取模块，用于基于所述目标时间段从所述各个摄像头拍摄的视频中截取拍摄视频。

8.如权利要求6所述的用于防止充电桩电气火灾的智能监测装置，其特征在于，所述智能监测装置，还包括：

充电桩区域拍摄模块，用于从多个预设的角度对充电桩区域进行拍摄，得到多张充电桩区域图片；

第一特征提取模块，用于通过预设的特征提取模型提取所述多张充电桩区域图片中的多个第一特征，以组成特征集；

设定模块，用于通过预设的无线装置获取以所述充电桩为原点，以设定距离为半径的区域内的摄像头的拍摄图片；

第二特征提取模块，用于通过所述预设的特征提取模型提取所述拍摄图片中的第二特征；

第一特征判断模块，用于判断所述特征集中是否存在第一特征与第二特征为相同特征；

组网模块，用于通过主控中心将具有相同特征的摄像头进行组网，以构成所述局域网络。

9.如权利要求6所述的用于防止充电桩电气火灾的智能监测装置，其特征在于，所述筛选模块，包括：

抽取子模块，用于从每个拍摄的拍摄视频中抽取预设数量的视频帧；

提取子模块，用于通过预设的特征提取模块提取所述视频帧中的第三特征；

相似度计算子模块，用于通过预设的相似度度量算法计算所述第三特征与所述特征信息的相似度；

筛选子模块，用于根据相似度的大小筛选出所述目标拍摄视频。

10.如权利要求6所述的用于防止充电桩电气火灾的智能监测装置，其特征在于，所述智能监测装置，还包括：

距离计算模块，用于计算相邻两帧图片中每个极大值与上一极大值的距离，并求和各个距离得到移动总量；

移动总量判断模块，用于判断所述移动总量是否大于预设移动量；

报警信号发出模块，用于若大于预设移动量，则发出报警信号。