一种联动热成像自学习火点检测方法及系统技术方案

本发明专利技术公开了一种联动热成像自动学习火点检测方法及系统，获取被监测地点在周期时间内不同时间点的第一图像与第二图像；对第一图像与第二图像做预处理，得到第一灰度图像与第二灰度图像；将第二灰度图像与第一灰度图像做减法运算，获得第三灰度图像；选择第三灰度图像中的任意一个像素点，若该像素点的灰度值大于火点差值门限，则提取该像素点在第二灰度图像中的像素灰度值，若该值大于火点灰度门限阈值，则该像素点为火点，令火点数量L＝L+1，遍历完成，输出火点数量L；获取被监测地点的温度、风力数据以及火点周围植被数据，对被监测地点的火警风险程度进行分析；本发明专利技术的有益效果为通过采用这种方法对火点检测，大大的增加了火点检测的准确率。

【技术实现步骤摘要】
一种联动热成像自学习火点检测方法及系统
本专利技术涉及火点识别
，尤其涉及一种联动热成像自学习火点检测方法及系统。
技术介绍
在森林防火监控领域，通过摄像头进行火灾识别和预警是一种常用的技术手段。一般有两种方式，一种是通过摄像头采集图像，通过卷积神经网络来识别，这是一种监督学习方法，依赖大量的训练数据，因为实际场景的方位，色彩因素变化存在较大的误判情况。另一种是采用红外热成像摄像头进行高温区域识别，来辅助判断火警的发生，常规的做法是通过温度的阈值来直接判断是否有着火点的产生，红外线在地表传送时，会受到大气组成物质(特别是H2O、CO2、CH4、N2O、O3等)的吸收，强度明显下降，这种方法因为摄像头距离因素，天气因素影响大。
技术实现思路
本专利技术的目的在于提供一种联动热成像自学习火点检测方法及系统，通过获取监测地点不同时间的图像，并对两个不同图像做差异运算，在通过监测地点周围环境的数据之间的关系，计算得到当前监测地点的火场的风险。本专利技术通过下述技术方案实现：一种联动热成像自学习火点检测方法，包括以下步骤：S1：获取被监测地点在不同时间段的第一图像与第二图像，所述第一图像与所述第二图像均为热成像图像；S2：对第一图像依次做归一化处理、灰度处理，得到第一灰度图像，对第二图像依次做归一化处理、灰度处理，得到第二灰度图像；S3：将第二灰度图像与第一灰度图像做减法运算，获得第三灰度图像；S4：选择第三灰度图像中的任意一个像素点，检测该像素点的灰度值是否大于火点差值门限m，若该像素点的灰度值大于火点差值门限m，则提取该像素点在第二灰度图像中对应位置像素点的像素灰度值，若该像素灰度值大于火点灰度门限阈值，则该像素点为火点，令火点数量L＝L+1，否则，该像素点为背景，直到对第三灰度图像中的像素点遍历完成，输出火点数量L，L的初始值为0；S5：获取被监测地点的温度M、风力数据F以及火点周围植被数据P；S6：基于火点像素数量L、温度M、风力数据F以及植被数据P参数，对被监测地点的火警风险程度进行分析。传统对火点识别的方法中，采用卷积神经网络识别对采集的数据进行大量训练，但是场景的色彩数据变化的误差会导致判断出错；或者通过采集红外热成像图像，根据温度阈值来判断火点，但是当出现雾天或者在不好的天气状况下，识别的图像不准确，带来很大的误差，本专利技术提供了一种联动热成像自学习火点检测方法及系统，通过采集在同一周期不同时间点上的图像，对图像做差值处理，结合多种环境因素参数进行分析，对火点进行检测，采用这种方法对火点进行检测，能够增加火点检测的准确率。优选地，所述步骤S2中的预处理为归一化处理与灰度处理。优选地，所述归一化处理的具体步骤为：提取图像中像素点的RGB；通过像素归一化公式对像素点的R，G，B分别进行归一化处理，获得该像素点的值为(r,g,b)，所述R、G、B分别为像素点归一化之前的三通道值。优选地，所述像素归一化公式为：r＝R/(R+B+G)g＝G/(R+B+G)b＝1-r-g。优选地，所述步骤S3中具体操作步骤为：S31：提取第二灰度图像中的像素P2i；S32：提取第一灰度图像中的像素P1i；S33：将P2i与P1i做差值运算，得到像素P3i；S34：对第二灰度图像中的所有像素点重复步骤S31～S33，获得P3像素；S35：将P3像素保存为第三灰度图像。优选地，所述对被监测地点的火警风险程度进行分析的具体分析方法为：根据火点像素数量L、温度M、风力数据F以及植被数据P之间的关系计算火场数据S，通过火场数据S的计算值对被监测地点的火警风险进行分析；所述火场数据S具体表达式为：S＝k1*M+k2*F+k3*P+k4*Lk1为温度系数，M为摄像头所在地的环境温度，k2为风力系数，F为摄像头所在地点的风力数据，k3为植被系数，P为摄像头火点周围植被数据，k4为热力图系数，L为摄像头热力图评价数据。优选地，所述数据S用于评价当前地点的火警风险的具体包括：当s>0.6时，当前火场为高风险；当0.3<s<0.6，当前火场为中风险；当0.2<s<0.3，当前火场为低风险；当s<0.2，提示会有火场发生。优选地，所述植被数据为10或5或1，当植被数据为10时，表示当前植被为森林或灌木，当植被数据为5时，表示当前植被为草原，当植被数据为1时，表示当前植被为湿地或水域。优选地，所述环境温度范围为-40-80℃，所述风力数据范围为0-60m/s。本专利技术还公开了一种联动热成像自学习火点检测方法，所述检测系统包括：图像采集模块，用于获取被监测地点在周期时间内不同时间点的第一图像与第二图像；预处理模块，用于分别对第一图像与第二图像做预处理，得到第一灰度图像与第二灰度图像；减法模块，用于将第二灰度图像与第一灰度图像做减法运算，获得第三灰度图像；判断模块，选择第三灰度图像中的任意一个像素点，检测该像素点的灰度值是否大于火点差值门限m，若该像素点的灰度值大于火点差值门限m，则提取该像素点在第二灰度图像中对应位置像素点的像素灰度值，若该像素灰度值大于火点灰度门限阈值，则该像素点为火点，令火点数量L＝L+1，否则，该像素点为背景，直到对第三灰度图像中的像素点遍历完成，输出火点数量L，L的初始值为0；数据采集模块，用于获取被监测地点的温度M、风力数据F以及火点周围植被数据P；分析模块，用于通过火点像素数量L、温度M、风力数据F以及植被数据P之间的关系，计算当前地点的火场数据S，基于火场数据S的计算值对被监测地点的火警风险进行分析。本专利技术与现有技术相比，具有如下的优点和有益效果：1、采用本专利技术提供的一种联动热成像自学习火点检测方法及系统，通过根据周围环境结合火点像素数量之间的关系，更能准确的计算出当前监测地点的火场风险预警；2、采用本专利技术提供的一种联动热成像自学习火点检测方法及系统，通过将两个不同图像之间的做差异运算，提高了对火点像素检测的准确率。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1为本专利技术火点检测方法示意图图2为本专利技术发电检测系统示意图图3为灰度处理流程图图4为归一化处理流程图图5为图像减法运算流程图图6为整体流程示意图图7为本专利技术效果示意图具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例一本实施例公开了一种联动热成像自学习火点检测方法，如图1与6所示，包括以下步骤：S1：获取被监测地点在不同时间段的第一图本文档来自技高网...

【技术保护点】
1.一种联动热成像自学习火点检测方法，其特征在于，包括以下步骤：/nS1：获取被监测地点在周期时间内不同时间点的第一图像与第二图像，所述第一图像与所述第二图像均为热成像图像；/nS2：分别对第一图像与第二图像做预处理，得到第一灰度图像与第二灰度图像；/nS3：将第二灰度图像与第一灰度图像做减法运算，获得第三灰度图像；/nS4：选择第三灰度图像中的任意一个像素点，检测该像素点的灰度值是否大于火点差值门限m，若该像素点的灰度值大于火点差值门限m，则提取该像素点在第二灰度图像中对应位置像素点的像素灰度值，若该像素灰度值大于火点灰度门限阈值，则该像素点为火点，令火点数量L＝L+1，否则，该像素点为背景，直到对第三灰度图像中的像素点遍历完成，输出火点数量L，L的初始值为0；/nS5：获取被监测地点的温度M、风力数据F以及火点周围植被数据P；/nS6：基于火点像素数量L、温度M、风力数据F以及植被数据P参数，对被监测地点的火警风险程度进行分析。/n

【技术特征摘要】
1.一种联动热成像自学习火点检测方法，其特征在于，包括以下步骤：
S1：获取被监测地点在周期时间内不同时间点的第一图像与第二图像，所述第一图像与所述第二图像均为热成像图像；
S2：分别对第一图像与第二图像做预处理，得到第一灰度图像与第二灰度图像；
S3：将第二灰度图像与第一灰度图像做减法运算，获得第三灰度图像；
S4：选择第三灰度图像中的任意一个像素点，检测该像素点的灰度值是否大于火点差值门限m，若该像素点的灰度值大于火点差值门限m，则提取该像素点在第二灰度图像中对应位置像素点的像素灰度值，若该像素灰度值大于火点灰度门限阈值，则该像素点为火点，令火点数量L＝L+1，否则，该像素点为背景，直到对第三灰度图像中的像素点遍历完成，输出火点数量L，L的初始值为0；
S5：获取被监测地点的温度M、风力数据F以及火点周围植被数据P；
S6：基于火点像素数量L、温度M、风力数据F以及植被数据P参数，对被监测地点的火警风险程度进行分析。


2.根据权利要求1所述的一种联动热成像自学习火点检测方法，其特征在于，所述步骤S2中的预处理为归一化处理与灰度处理。


3.根据权利要求2所述的一种联动热成像自学习火点检测方法，其特征在于，所述归一化处理的具体步骤为：
提取图像中像素点的RGB；
通过像素归一化公式对像素点的R，G，B分别进行归一化处理，获得该像素点的值为(r,g,b)，所述R、G、B分别为像素点归一化之前的三通道值。


4.根据权利要求3所述的一种联动热成像自学习火点检测方法，其特征在于，所述像素归一化公式为：
r＝R/(R+B+G)
g＝G/(R+B+G)
b＝1-r-g。


5.根据权利要求1所述的一种联动热成像自学习火点检测方法，其特征在于，所述步骤S3中具体操作步骤为：
S31：提取第二灰度图像中的像素P2i；
S32：提取第一灰度图像中的像素P1i；
S33：将P2i与P1i做差值运算，得到像素P3i；
S34：对第二灰度图像中的所有像素点重复步骤S31～S33，获得P3像素；
S35：将P3像素保存为第三灰度图像。


6.根据权利要求1所述的一种联动热成像自学习火点检测方法，其特征在于，所述对被监测地点的火警风险程度进行分析的具体分析方法为：根据火点像素数...

【专利技术属性】
技术研发人员：陈友明，
申请(专利权)人：四川弘和通讯有限公司，
类型：发明
国别省市：四川;51