基于机器视觉自动跟踪定位火灾火源点的识别方法和装置制造方法及图纸

本发明专利技术涉及一种基于机器视觉自动跟踪定位火灾火源点的识别方法和装置，具体包括以下步骤：步骤S1：双目红外热成像仪采集火灾现场图像；步骤S2：火灾现场图像经过预处理后，根据图像分割算法分割出火源点图像信息；步骤S3：根据基于聚类的图像自动阈值算法，对火源点图像进行聚类并提取火源点特征；步骤S4：根据提取的火源点特征，采用深度学习方法构建火源点识别器，通过火源点识别器对火灾现场图像中的火源点进行识别；步骤S5：根据识别出的火源点在双目红外热成像仪的两幅火灾现场图像中的视差，通过三角测量原理测定火源点的三维空间坐标。与现有技术相比，本发明专利技术具有提高火源点定位的精准度和消防灭火机器人的实战化应用性能等优点。

【技术实现步骤摘要】
基于机器视觉自动跟踪定位火灾火源点的识别方法和装置
本专利技术涉及消防装备领域，尤其是涉及一种基于机器视觉自动跟踪定位火灾火源点的识别方法和装置。
技术介绍
常规消防灭火机器人的智能化水平较低，特别是操作消防灭火机器人的消防炮瞄准火源点位置时，瞄准效率完全取决于操作人员对于消防灭火机器人的熟练程度，降低了火灾救援的时效性。本专利技术针对此种情况，提出一种基于机器视觉自动跟踪定位火灾火源点的识别方法。现有技术公开了一种轮式消防机器人自主瞄准灭火方法，通过视频火焰检测确定火源的重心，测量火源重心与机器人夹角，根据三角函数计算出火源重心在三维空间的位置，综合控制移动消防机器人、消防炮的初速度和流量，使火源重心位于消防炮水射流的轨迹上达到精准灭火的效果。但测量过程中机器人需要移动，使测量结果受移动过程所产生的误差的影响，在不平整的路面时灭火效果受影响较大。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的消防灭火机器人灭火精准度不足的缺陷而提供一种基于机器视觉自动跟踪定位火灾火源点的识别方法和装置。本专利技术的目的可以通过以下技术方案来实现：一种基于机器视觉自动跟踪定位火灾火源点的识别方法，具体包括以下步骤：步骤S1：双目红外热成像仪采集火灾现场图像；步骤S2：所述火灾现场图像经过预处理后，根据图像分割算法从火灾现场图像中分割出火源点图像信息；步骤S3：根据基于聚类的图像自动阈值算法，对所述火源点图像进行聚类并提取火源点特征；步骤S4：根据提取的火源点特征，采用深度学习方法构建火源点识别器，通过所述火源点识别器对火灾现场图像中的火源点进行识别；步骤S5：根据识别出的火源点在所述双目红外热成像仪的两幅火灾现场图像中的视差，通过三角测量原理测定所述火源点的三维空间坐标。所述火灾现场图像的预处理包括对火灾现场图像进行滤波和降噪处理，提升图像质量，为后续图像处理奠定基础。所述步骤S1中火灾现场图像包括左红外相机拍摄的第一火灾现场图像和右红外相机拍摄的第二火灾现场图像。所述步骤S2中图像分割算法具体为Canny边界检测算法。进一步地，所述步骤S2中火源点图像信息具体为经所述Canny边界检测算法提取的火源点轮廓信息。所述基于聚类的图像自动阈值算法具体为分层聚类算法。所述步骤S5中三角测量原理具体如下：其中，(xc,yc,zc)为火源点在左红外相机下的成像坐标，P1(u1,v1)和P2(u2,v2)分别为火源点在双目红外热成像仪的成像平面中的投影点，f为双目红外热成像仪的焦距，σx,σy,uo,vo为单个像素尺寸和像素中心，B为双目红外热成像仪的中心距。进一步地，根据所述三角测量原理，所述火源点在左红外相机下的成像坐标具体为：同理可求出火源点在右红外相机下的成像坐标。进一步地，所述火源点的三维空间坐标为基于双目红外热成像仪坐标系的三维空间坐标。一种使用所述基于机器视觉自动跟踪定位火灾火源点的识别方法的装置，包括存储器和处理器，所述识别方法以计算机程序的形式存储于存储器中，并由处理器执行，执行时实现以下步骤：步骤S1：双目红外热成像仪采集火灾现场图像；步骤S2：所述火灾现场图像经过预处理后，根据图像分割算法从火灾现场图像中分割出火源点图像信息；步骤S3：根据基于聚类的图像自动阈值算法，对所述火源点图像进行聚类并提取火源点特征；步骤S4：根据提取的火源点特征，采用深度学习方法构建火源点识别器，通过所述火源点识别器对火灾现场图像中的火源点进行识别；步骤S5：根据识别出的火源点在所述双目红外热成像仪的两幅火灾现场图像中的视差，通过三角测量原理测定所述火源点的三维空间坐标。与现有技术相比，本专利技术具有以下有益效果：1.本专利技术通过双目红外热成像仪对火灾现场图像进行采集，可以在消防机器人不移动的情况下对火源点进行定位，避免了消防机器人在移动中由于地面因素产生误差，提高了火源点定位的精准度。2.本专利技术对火源点图像进行聚类并提取火源点特征，采用深度学习方法构建火源点识别器，可以对火源点进行快速识别，减少了后续识别火源点的时间，提高了消防机器人的灭火效率。附图说明图1为本专利技术的工作原理示意图；图2为本专利技术的流程示意图；图3为本专利技术三角测量计算火源点坐标的原理示意图。附图标记：1-火灾现场；2-双目红外热成像仪；3-视频采集板卡；4-视频处理计算机。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。如图1和图2所示，一种基于机器视觉自动跟踪定位火灾火源点的识别方法，提高火源点定位的精准度，提高消防灭火机器人的实战化应用性能，并为消防灭火机器人的智能化研究提供实验和理论参考依据，具体包括以下步骤：步骤S1：双目红外热成像仪2采集火灾现场1的火灾现场图像；步骤S2：火灾现场图像传输至视频采集板卡3，经过预处理后，由视频处理计算机4根据图像分割算法从火灾现场图像中分割出火源点图像信息；步骤S3：根据基于聚类的图像自动阈值算法，对火源点图像进行聚类并提取火源点特征；步骤S4：根据提取的火源点特征，采用深度学习方法构建火源点识别器，通过火源点识别器对火灾现场图像中的火源点进行识别；步骤S5：根据识别出的火源点在双目红外热成像仪的两幅火灾现场图像中的视差，通过三角测量原理测定火源点的三维空间坐标。火灾现场图像的预处理包括对火灾现场图像进行滤波和降噪处理，提升图像质量，为后续图像处理奠定基础。步骤S1中火灾现场图像包括左红外相机拍摄的第一火灾现场图像和右红外相机拍摄的第二火灾现场图像。步骤S2中图像分割算法具体为Canny边界检测算法。步骤S2中火源点图像信息具体为经Canny边界检测算法提取的火源点轮廓信息。基于聚类的图像自动阈值算法具体为分层聚类算法。如图3所示，步骤S5中三角测量原理具体如下：其中，(xc,yc,zc)为火源点在左红外相机下的成像坐标，P1(u1,v1)和P2(u2,v2)分别为火源点在双目红外热成像仪的成像平面中的投影点，f为双目红外热成像仪的焦距，σx,σy,uo,vo为单个像素尺寸和像素中心，B为双目红外热成像仪2的中心距。根据三角测量原理，火源点在左红外相机下的成像坐标具体为：同理可求出火源点在右红外相机下的成像坐标。火源点的三维空间坐标为基于双目红外热成像仪坐标系的三维空间坐标。一种使用基于机器视觉自动跟踪定位火灾火源点的识别方法的装置，包括存储器和处理器，存储器包括视频采集板卡3，处理器包括视频处理计算机4，识别方法以计算机程序的形式存储于存储器中，并由处理器执行，执行时本文档来自技高网...

【技术保护点】
1.一种基于机器视觉自动跟踪定位火灾火源点的识别方法，其特征在于，具体包括以下步骤：/n步骤S1：双目红外热成像仪(2)采集火灾现场图像；/n步骤S2：所述火灾现场图像经过预处理后，根据图像分割算法从火灾现场图像中分割出火源点图像信息；/n步骤S3：根据基于聚类的图像自动阈值算法，对所述火源点图像进行聚类并提取火源点特征；/n步骤S4：根据提取的火源点特征，采用深度学习方法构建火源点识别器，通过所述火源点识别器对火灾现场图像中的火源点进行识别；/n步骤S5：根据识别出的火源点在所述双目红外热成像仪的两幅火灾现场图像中的视差，通过三角测量原理测定所述火源点的三维空间坐标。/n

【技术特征摘要】
1.一种基于机器视觉自动跟踪定位火灾火源点的识别方法，其特征在于，具体包括以下步骤：
步骤S1：双目红外热成像仪(2)采集火灾现场图像；
步骤S2：所述火灾现场图像经过预处理后，根据图像分割算法从火灾现场图像中分割出火源点图像信息；
步骤S3：根据基于聚类的图像自动阈值算法，对所述火源点图像进行聚类并提取火源点特征；
步骤S4：根据提取的火源点特征，采用深度学习方法构建火源点识别器，通过所述火源点识别器对火灾现场图像中的火源点进行识别；
步骤S5：根据识别出的火源点在所述双目红外热成像仪的两幅火灾现场图像中的视差，通过三角测量原理测定所述火源点的三维空间坐标。


2.根据权利要求1所述的一种基于机器视觉自动跟踪定位火灾火源点的识别方法，其特征在于，所述火灾现场图像的预处理包括对火灾现场图像进行滤波和降噪处理。


3.根据权利要求1所述的一种基于机器视觉自动跟踪定位火灾火源点的识别方法，其特征在于，所述步骤S1中火灾现场图像包括左红外相机拍摄的第一火灾现场图像和右红外相机拍摄的第二火灾现场图像。


4.根据权利要求1所述的一种基于机器视觉自动跟踪定位火灾火源点的识别方法，其特征在于，所述步骤S2中图像分割算法具体为Canny边界检测算法。


5.根据权利要求4所述的一种基于机器视觉自动跟踪定位火灾火源点的识别方法，其特征在于，所述步骤S2中火源点图像信息具体为经所述Canny边界检测算法提取的火源点轮廓信息。


6.根据权利要求1所述的一种基于机器视觉自动跟踪定位火灾火源点的识别方法，其特征在于，所述基于聚类的图像自动阈值算法具体为分层聚类算法。


7...

【专利技术属性】
技术研发人员：王勇，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：山东;37