火灾隐患识别方法、装置、处理器、存储介质和电子设备制造方法及图纸

本发明专利技术公开了一种火灾隐患识别方法、装置、处理器、存储介质和电子设备。其中，该方法包括：获取拍摄变电站得到的当前工业视频画面；采用高斯混合聚类算法确定上述当前工业视频画面中的前景区域；对上述前景区域进行平滑滤波处理和过滤处理，得到显著区域；根据提取到的上述显著区域中的区域性特征计算到的火灾隐患概率，识别上述变电站是否存在上述火灾隐患。本发明专利技术解决了现有技术中的火灾探测感知系统在识别变电站的火灾隐患时，存在滞后、误报率高的技术问题。报率高的技术问题。报率高的技术问题。

【技术实现步骤摘要】
火灾隐患识别方法、装置、处理器、存储介质和电子设备


[0001]本专利技术涉及变电站的火灾识别
，具体而言，涉及一种火灾隐患识别方法、装置、处理器、存储介质和电子设备。

技术介绍

[0002]变电站是电力系统中电压转换、电能分配的重要枢纽，包含变压器、高压开关、电容器和电力电缆在内的众多电力设备，一旦发生故障设备绝缘受损时极易产生消防隐患，是电力火灾的高危场所。
[0003]变电站的火灾隐患是影响电网运行风险的重要因素，一旦发生火灾将严重影响电网的安全运行和供电可靠性。因此，火灾及火灾隐患识别分析告警对变电站的安全运行具有重要意义，但目前广泛应用的烟雾报警等探测感知系统存在滞后、误报率高等问题，并且不能及时发现弧光、电火花、少量烟雾等火灾隐患。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种火灾隐患识别方法、装置、处理器、存储介质和电子设备，以至少解决现有技术中的火灾探测感知系统在识别变电站的火灾隐患时，存在滞后、误报率高的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种火灾隐患识别方法，包括：获取拍摄变电站得到的当前工业视频画面；采用高斯混合聚类算法确定上述当前工业视频画面中的前景区域；对上述前景区域进行平滑滤波处理和过滤处理，得到显著区域；根据提取到的上述显著区域中的区域性特征计算到的火灾隐患概率，识别上述变电站是否存在上述火灾隐患。
[0007]可选地，采用高斯混合聚类算法确定上述当前工业视频画面中的前景区域，包括：将上述当前工业视频画面输入至高斯混合模型GMM；通过上述高斯混合模型GMM采用高斯混合聚类算法检测上述当前工业视频画面中的上述前景区域。
[0008]可选地，对上述前景区域进行平滑滤波处理和过滤处理，得到显著区域，包括：采用图像简单平滑处理算法对上述前景区域进行平滑滤波处理，得到处理后前景区域；对上述处理后前景区域进行非显著性过滤处理，得到上述显著区域。
[0009]可选地，根据提取到的上述显著区域中的区域性特征计算到的火灾隐患概率，识别上述变电站是否存在上述火灾隐患，包括：将提取到的上述显著区域中的区域性特征进行特征量化处理，得到特征序列；采用隐马尔可夫模型根据上述特征序列计算得到上述火灾隐患概率，其中，上述隐马尔可夫模型采用样本视频画面训练得到，上述样本视频画面中上述变电站存在上述火灾隐患；根据上述火灾隐患概率，识别上述变电站是否存在上述火灾隐患。
[0010]可选地，根据上述火灾隐患概率，识别上述变电站是否存在上述火灾隐患，包括：
将上述火灾隐患概率与上述隐马尔可夫模型预先确定的样本概率进行比对，得到比对结果，其中，上述隐马尔可夫模型用于基于样本视频画面中显著区域的特征序列计算得到上述样本概率；如果上述比对结果为上述火灾隐患概率与上述样本概率相符，则确定上述变电站存在上述火灾隐患。
[0011]可选地，在识别上述变电站是否存在上述火灾隐患之后，上述方法还包括：如果确定上述变电站存在上述火灾隐患，则输出火灾告警信息，其中，上述火灾告警信息用于提示工作人员及时处理上述火灾隐患。
[0012]根据本专利技术实施例的另一方面，还提供了一种火灾隐患识别装置，包括：获取模块，用于获取拍摄变电站得到的当前工业视频画面；确定模块，用于采用高斯混合聚类算法确定上述当前工业视频画面中的前景区域；处理模块，用于对上述前景区域进行平滑滤波处理和过滤处理，得到显著区域；识别模块，用于根据提取到的上述显著区域中的区域性特征计算到的火灾隐患概率，识别上述变电站是否存在上述火灾隐患。
[0013]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，上述计算机可读存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的火灾隐患识别方法。
[0014]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行任意一项上述的火灾隐患识别方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现根据任意一项上述的火灾隐患识别方法。
[0016]在本专利技术实施例中，通过获取拍摄变电站得到的当前工业视频画面；采用高斯混合聚类算法确定上述当前工业视频画面中的前景区域；对上述前景区域进行平滑滤波处理和过滤处理，得到显著区域；根据提取到的上述显著区域中的区域性特征计算到的火灾隐患概率，识别上述变电站是否存在上述火灾隐患，达到了提升电网的安全运行和供电可靠性的目的，从而实现了实时高效的识别变电站的火灾隐患的技术效果，进而解决了现有技术中的火灾探测感知系统在识别变电站的火灾隐患时，存在滞后、误报率高的技术问题。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是根据本专利技术实施例的一种火灾隐患识别方法的流程图；
[0019]图2是根据本专利技术实施例的一种可选的火灾隐患识别方法的流程图；
[0020]图3是根据本专利技术实施例的一种火灾隐患识别装置的结构示意图。
具体实施方式
[0021]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范
围。
[0022]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0023]实施例1
[0024]根据本专利技术实施例，提供了一种火灾隐患识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0025]图1是根据本专利技术实施例的一种火灾隐患识别方法的流程图，如图1所示，该方法包括如下步骤：
[0026]步骤S102，获取拍摄变电站得到的当前工业视频画面；
[0027]步骤S104，采用高斯混合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火灾隐患识别方法，其特征在于，包括：获取拍摄变电站得到的当前工业视频画面；采用高斯混合聚类算法确定所述当前工业视频画面中的前景区域；对所述前景区域进行平滑滤波处理和过滤处理，得到显著区域；根据提取到的所述显著区域中的区域性特征计算到的火灾隐患概率，识别所述变电站是否存在所述火灾隐患。2.根据权利要求1所述的方法，其特征在于，采用高斯混合聚类算法确定所述当前工业视频画面中的前景区域，包括：将所述当前工业视频画面输入至高斯混合模型GMM；通过所述高斯混合模型GMM采用高斯混合聚类算法检测所述当前工业视频画面中的所述前景区域。3.根据权利要求1所述的方法，其特征在于，对所述前景区域进行平滑滤波处理和过滤处理，得到显著区域，包括：采用图像简单平滑处理算法对所述前景区域进行平滑滤波处理，得到处理后前景区域；对所述处理后前景区域进行非显著性过滤处理，得到所述显著区域。4.根据权利要求1所述的方法，其特征在于，根据提取到的所述显著区域中的区域性特征计算到的火灾隐患概率，识别所述变电站是否存在所述火灾隐患，包括：将提取到的所述显著区域中的区域性特征进行特征量化处理，得到特征序列；采用隐马尔可夫模型根据所述特征序列计算得到所述火灾隐患概率，其中，所述隐马尔可夫模型采用样本视频画面训练得到，所述样本视频画面中所述变电站存在所述火灾隐患；根据所述火灾隐患概率，识别所述变电站是否存在所述火灾隐患。5.根据权利要求4所述的方法，其特征在于，根据所述火灾隐患概率，识别所述变电站是否存在所述火灾隐患，包括：将...

【专利技术属性】
技术研发人员：闫庆方，徐海瑞，石云松，王兵，刘文静，刘倩玲，刘朋辉，王勇，杨光，焦世青，贾伟，
申请(专利权)人：北京掌尚信控科技有限公司，
类型：发明
国别省市：