一种基于热成像和烟雾识别一体森林防火IA-PCNN算法制造技术

本发明专利技术公开了一种基于热成像和烟雾识别一体森林防火IA‑PCNN算法，属于森林防火系统技术领域，其特征在于主要采用动态检测与静态检测相结合的方法来实现林火烟雾视频图像识别，即先将林火烟雾视频图像序列经运动目标检测后得到可疑烟雾区域，截自原始图像序列的不固定大小的RGB彩色图像，然后对可疑烟雾图像区域再进行纹理等静态特征提取与识别，因此，运动目标检测后得到的可疑烟雾区域即是输入PCNN模型的图像样本；本发明专利技术能够有效地降低火灾监控系统的误报、漏报率，有效提高报警准确率，值得推广。

An ia-pcnn algorithm for forest fire protection based on the integration of thermal imaging and smoke recognition

【技术实现步骤摘要】
一种基于热成像和烟雾识别一体森林防火IA-PCNN算法
本专利技术涉及森林防火
，尤其涉及一种基于热成像和烟雾识别一体森林防火IA-PCNN算法。
技术介绍
传统的森林火灾监测是通过瞭望台或无人机等人工监测方法进行的，在对大面积森林进行监测时不但成本高，又难以保证监测质量，常常延误火情，造成巨大的财产损失及生态的破坏。近年来信息技术，数字技术的长足发展，森林防火的技术手段出现了质的飞跃。模拟监控设备渐渐被数字监控设备取代，无线扩频通信技术和宽带网络视频监控技术的运用，地理信息系统的发展，数字云台技术的开发，为森林火灾自动识别定位问题的解决奠定了坚实的基础。林火识别定位技术随着传统林业向数字林业、智能林业过渡，而逐渐形成智能的数字监控方法。无线传感网络、机器视觉、物联网等新技术的应用，又为火点准确定位提供了有力的理论依据。同时结合视频监控、巡航拍摄、卫星遥感的新一代监控策略可以对森林火灾进行全方位的监控。现有的森林火灾识别准确率因为山间雾气水汽等干扰严重被降低，导致误报率、漏报率较高，无法准确检测火情及时发出警报。专本文档来自技高网...

【技术保护点】
1.一种基于热成像和烟雾识别一体森林防火IA-PCNN算法，其特征在于：采用动态检测与静态检测相结合的方法来实现林火烟雾视频图像识别，即先将林火烟雾视频图像序列经运动目标检测后得到可疑烟雾区域，截自原始图像序列的不固定大小的RGB彩色图像，然后对可疑烟雾图像区域再进行纹理等静态特征提取与识别，因此，运动目标检测后得到的可疑烟雾区域即是输入PCNN模型的图像样本。/n

【技术特征摘要】
1.一种基于热成像和烟雾识别一体森林防火IA-PCNN算法，其特征在于：采用动态检测与静态检测相结合的方法来实现林火烟雾视频图像识别，即先将林火烟雾视频图像序列经运动目标检测后得到可疑烟雾区域，截自原始图像序列的不固定大小的RGB彩色图像，然后对可疑烟雾图像区域再进行纹理等静态特征提取与识别，因此，运动目标检测后得到的可疑烟雾区域即是输入PCNN模型的图像样本。


2.如权利要求1所述的基于热成像和烟雾识别一体森林防火IA-PCNN算法，其特征在于：所述基于PCNN提取的特征数据是对经PCNN处理输出的二值图像序列中的每一帧计算信息熵值和时间序列值组合后获得，对于每张样本图像，最终获得的特征数据为一组含有40个分量的一维特征序列。


3.如权利要求1所述的基于热成像和烟雾识别一体森林防火IA-PCNN算法，其特征在于：所述概率神经网络模型为双层结构，第一层使用径向基函数，计算输入数据和样本数据之间的距离∣dist∣，并输出次距离向量，而后竞争层接受距离向量并通过经这个函数计算概率最大的数据元素作为输出，图1中P为输入数据，n2为输入的竞争神经元，Q为竞争层的神经元，K为神经元数，LW1和LW2分别为权值矩阵，b为径向基函数层的阈值，C为竞争获胜的神经元，Y为输出。


4.如权利要求1所述的基于热成像和烟雾识别一体森林防火IA-PCNN算法，其特征在于：所述网络参数的设定上一般只需要确定网络扩散常数（SPREAD）值即可，网络扩散常数主要影响网络的...

【专利技术属性】
技术研发人员：邱家生，
申请(专利权)人：赣州市金电电子设备有限公司，
类型：发明
国别省市：江西;36