一种矿井火灾视频图像智能识别装置及方法制造方法及图纸

本发明专利技术公开了一种矿井火灾视频图像智能识别装置及方法，该装置包括多个火灾视频采集模块和与多个火灾视频采集模块连接的监控计算机，火灾视频采集模块均包括摄像头，摄像头通过通信模块和监控计算机连接；该方法包括以下步骤：一、火灾视频采集模块的安装及视频图像的采集；二、火灾图像的提取；三、构造火灾图像样本集；四、基于YOLOV5深度网络模型的火灾图像训练；五、后续采集的火灾图像的去雾处理；六、后续采集的火灾图像的前景提取；七、矿井火灾视频图像实时检测识别及报警。本发能够实现对矿井火灾的实时监测，能够对检测到的火焰图像进行快速识别，及时发现火灾隐患，确保矿井的安全生产及工作人员的生命安全。的安全生产及工作人员的生命安全。的安全生产及工作人员的生命安全。

【技术实现步骤摘要】
一种矿井火灾视频图像智能识别装置及方法


[0001]本专利技术属于矿井火灾监测
，尤其是涉及一种矿井火灾视频图像智能识别装置及方法。

技术介绍

[0002]矿井的安全系数对矿井工作人员是至关重要的，而煤矿火灾往往是造成矿井灾难的重要原因之一。在煤矿生产过程中，许多不可控因素的产生都会造成火灾的形成，对矿井操作人员的生命安全及行业的经济指标都构成了潜在的威胁。火灾形成初期，如果不进行控制就会带来巨大的损失甚至会引起瓦斯及煤粉爆炸等更严重的事故。
[0003]由于矿井环境复杂，可燃性气体及易燃物质多，即使是微型火焰也会在短时间内受到助燃，而且矿井空间小光照不足等因素对火灾的检测也带来极大的影响，因此对火焰初期进行识别及预警是火灾防治措施，能够在很大程度上降低火灾的扩大化。
[0004]当前矿井火灾检测领域所使用的检测设备大多是对火灾产生过程中产生的气体进行分析，但是这种设备的普适性较低，对于通风性较好的区域难以检测，此外这种设备的响应慢且实时性差，难以达到矿井火灾检测的精度要求。
[0005]因此，现如今缺少一种矿井火本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿井火灾视频图像智能识别装置，其特征在于：包括多个安装在矿井巷道内的火灾视频采集模块和设置在煤矿井上监控室内且与多个所述火灾视频采集模块连接的监控计算机(5)，多个所述火灾视频采集模块均通过通信模块和监控计算机(5)连接，多个所述火灾视频采集模块的结构相同，所述火灾视频采集模块均包括摄像头(1)，所述摄像头(1)通过通信模块和监控计算机(5)连接。2.按照权利要求1所述的一种矿井火灾视频图像智能识别装置，其特征在于：所述通信模块包括依次连接的本安交换机(2)、本安光端机(3)和环网交换机(4)，所述摄像头(1)通过双绞线与本安交换机(2)的电口连接，所述本安交换机(2)的光口通过光纤线缆与本安光端机(3)的光口连接，所述本安光端机(3)的光口通过光纤线缆与环网交换机(4)的光口连接，所述环网交换机(4)的电口通过双绞线与监控计算机(5)连接。3.按照权利要求1所述的一种矿井火灾视频图像智能识别装置，其特征在于：所述摄像头(1)为矿用本质安全型CCD摄像头；所述监控计算机(5)连接有显示器(6)和报警器(7)。4.一种矿井火灾视频图像智能识别方法，其特征在于，该方法包括以下步骤：步骤一、火灾视频采集模块的安装及视频图像的采集：步骤101、沿矿井巷道安装多个火灾视频采集模块，在煤矿井上监控室内设置与多个所述火灾视频采集模块连接的监控计算机(5)；其中，每组火灾视频采集模块均为设置在矿井巷道上的摄像头(1)，所述通信模块包括本安交换机(2)、本安光端机(3)和环网交换机(4)，所述本安交换机(2)与多个摄像头(1)连接；步骤102、多个摄像头(1)对矿井巷道内的火灾视频进行采集，并将采集到的火灾视频依次经过本安交换机(2)、本安光端机(3)和环网交换机(4)传送至监控计算机(5)；步骤二、火灾图像的提取：监控计算机(3)从火灾视频中提取多帧火灾图像，且多帧火灾图像按照拍摄时间先后顺序进行排列；其中，每帧火灾图像为RGB图像，火灾图像的帧数为m，且m为10000～12000的正整数；步骤三、构造火灾图像样本集：步骤301、采用监控计算机(3)将m帧火灾图像分别进行去雾处理和前景提取，得到m帧火灾前景图像；步骤302、监控计算机(3)利用Lableimg软件对m帧火灾前景图像均进行火焰区域矩形框标记，得到火灾图像样本集；其中，火灾图像样本集中每帧火灾前景图像中矩形框记作标记矩形框；步骤四、基于YOLOV5深度网络模型的火灾图像训练：将火灾图像样本集中的各个火灾图像分别输入YOLOV5深度网络模型进行训练，直至火灾图像样本集训练完毕，得到训练好的YOLOV5深度网络模型；其中，YOLOV5深度网络模型包括Backbone结构、Neck结构、Prediction结构；步骤五、后续采集的火灾图像的去雾处理：摄像头(1)对矿井巷道内的火灾视频进行后续实时采集，并按照步骤一和步骤二所述的方法处理，之后，监控计算机(3)按照时间先后顺序对后续采集的矿井巷道内多帧火灾图像分别进行去雾处理，且对后续各帧火灾图像的去雾处理均相同，则对任一帧火灾图像进行去雾处理时，包括以下步骤：
步骤501、监控计算机(3)调取像素值提取模块对火灾图像中第c通道各个像素点的像素值进行处理，获取火灾图像中第c通道各个像素点的像素值；其中，火灾图像中第c通道像素点的总数记作n
c
，火灾图像中第c通道的第i
c
个像素点的像素值记作i
c
和n
c
均为正整数，且1≤i
c
≤n
c
，c表示彩色图像的通道数，且c的取值为1、2、3，当c＝1表示火灾图像的R通道；当c＝2表示火灾图像的G通道；当c＝3表示火灾图像的B通道；步骤502、监控计算机(3)将第c通道n
c
个像素点的像素值记作集合X
c
，且步骤503、监控计算机(3)利用K
‑
means聚类算法对集合X
c
进行聚类，并采用监控计算机(3)对最终聚类好的每个类中的所有像素值进行平均值处理，得到第c通道k
c
个像素值平均值；其中，第c通道中第j
c
类中的所有像素值的平均值记作第c通道第j
c
个像素值平均值，j
c
和k
c
均为正整数，1≤j
c
≤k
c
；步骤504、监控计算机(3)对第c通道k
c
个像素值平均值进行平均值处理，得到第c通道的去雾调整系数A
c
；步骤505、监控计算机(3)根据公式得到去雾透射率t(x)；其中，ω表示去雾参数，x表示火灾图像中任一个像素，Ω(x)表示火灾图像中以像素x为中心的窗口区域，y表示火灾图像中Ω(x)区域中任一个像素，I
c
(y)表示火灾图像中在Ω(x)区域中第c通道的任一个像素的像素值；步骤506、监控计算机(3)根据公式得到去雾后第c通道任一个像素的像素值J
c
(x)；其中，I
c
(x)表示火灾图像中第c通道任一个像素的像素值，t0表示透射率的最小阈值；步骤507、多次重复步骤506，得到去雾后第R通道任一个像素的像素值J
R
(x)、去雾后第G通道任一个像素的像素值J
G
(x)和去雾后第B通道任一个像素的像素值J
B
(x)；步骤508、监控计算机(3)根据去雾后第R通道任一个像素的像素值J
R
(x)、去雾后第G通道任一个像素的像素值J
G
(x)和去雾后第B通道任一个像素的像素值J
B
(x)，得到去雾后火灾图像；步骤六：后续采集的火灾图像的前景提取：步骤601、采用监控计算机(3)利用五帧差法对当前k时刻的去雾后火灾图像进行前景提取，得到当前k时刻的一次火灾前景图像；其中，k为正整数，且k≥3；步骤602、采用监控计算机(3)利用混合高斯模型对当前k时刻的去雾后火灾图像进行前景提取，得到当前k时...

【专利技术属性】
技术研发人员：王伟峰，张宝宝，刘韩飞，朱兴攀，马砺，邓军，王振平，王志强，杨博，张铎，任浩，霍宇航，杨泽，何地，
申请(专利权)人：陕西西科智安信息科技有限公司，
类型：发明
国别省市：