基于数据处理的森林防火监控方法及电子设备技术

本公开提供一种基于数据处理的森林防火监控方法，包括采集多个时刻目标区域的监控图像，基于每两个相邻时刻的监控图像是否变化，判断所述监控图像中是否存在运动目标；若存在，则提取所述运动目标的运动特征，基于预先训练好的目标类别识别模型，生成所述运动目标的图像特征与预设标准图像特征的特征比值，根据所述特征比值，判断所述运动目标的图像特征对应的目标类别，若所述目标类别与预设预警类别相匹配，则基于所述目标类别、所述目标区域对应的属性信息，通过预先训练好的火情预警模型，输出火情信息。本公开的基于数据处理的森林防火监控方法，能够准确识别火情，降低火情误报率，并且能够准确对可能引起火情的目标进行标记。行标记。行标记。

Forest fire prevention monitoring method and electronic equipment based on data processing

【技术实现步骤摘要】
基于数据处理的森林防火监控方法及电子设备


[0001]本公开涉及图像处理
，尤其涉及一种基于数据处理的森林防火监控方法及电子设备。

技术介绍

[0002]根据火灾产生规律，火情烟雾的出现早于明火的出现，因此烟雾检测技术被广泛应用于火情早期预警中。森林是火灾的重灾区，森林火灾频发，给国家和人民造成巨大的损失。如何有效地对森林火灾进行早期预警，成为降低森林火灾损失一个十分重要的问题。近年来，对森林场景进行监控的视频系统已经开始用于森林防火，而使这些视频系统具有智能性，自动监测森林中是否存在火情以进行早期预警，将成为降低森林火灾损失，减低森林维护成本的一个重要有效途径，具有广泛的应用前景。
[0003]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0004]本公开实施例提供一种基于数据处理的森林防火监控方法，能够准确识别火情，降低火情误报率，并且能够准确对可能引起火情的目标进行标记，至少解决现有技术中的部分问题。
[0005]本公开实施例的第一方面，提供一种基于数据处理的森林防火监控方法,包括：
[0006]采集多个时刻目标区域的监控图像，基于每两个相邻时刻的监控图像是否变化，判断所述监控图像中是否存在运动目标；
[0007]若存在，则提取所述运动目标的运动特征，基于预先训练好的目标类别识别模型，生成所述运动目标的图像特征与预设标准图像特征的特征比值，根据所述特征比值，判断所述运动目标的图像特征对应的目标类别，
[0008]若所述目标类别与预设预警类别相匹配，则基于所述目标类别、所述目标区域对应的属性信息，通过预先训练好的火情预警模型，输出火情信息。
[0009]在一种可选的实施方式中，
[0010]提取所述运动目标的运动特征的方法包括：
[0011]将当前监控图像中运动目标所在区域进行像素分类，提取当前监控图像中与背景信息不同像素类别的运动目标的二值图；
[0012]基于当前监控图像中运动目标的二值图对应的当前帧，获取所述当前帧与相邻时刻的监控图像中的历史帧的交并比，生成所述运动目标的边缘轨迹；
[0013]在所述运动目标的边缘轨迹中设置采样点，对采样点的历史形态特征和运动特征进行膨胀处理，提取所述运动目标的运动特征。
[0014]在一种可选的实施方式中，
[0015]获取所述当前帧与相邻时刻的监控图像中的历史帧的交并比，生成所述运动目标的边缘轨迹的方法包括：
[0016]将当前帧与历史帧的第t帧图像和t
‑
1帧图像进行差分运算，对第t帧图像和第t+1帧图像进行差分运算，分别得到当前帧对应的当前三帧差分运算结果和历史帧对应的历史三帧差分运算结果；
[0017]将所述当前三帧差分运算结果与所述历史三帧差分运算结果进行中值滤波后，提取各自图像中运动目标的轮廓的质心位置和等距初始轮廓点；
[0018]基于所述运动目标的轮廓的质心位置、当前帧图像和历史帧的边缘梯度信息，以及所述等距初始轮廓点，通过轮廓实例分割算法收缩初始轮廓曲线，直至符合预设收缩条件，生成所述运动目标的边缘轨迹。
[0019]在一种可选的实施方式中，
[0020]基于所述运动目标的轮廓的质心位置、当前帧图像和历史帧的边缘梯度信息，以及所述等距初始轮廓点，通过轮廓实例分割算法收缩初始轮廓曲线，直至符合预设收缩条件，生成所述运动目标的边缘轨迹的方法包括：
[0021]按照如下公式所示的方法生成所述运动目标的边缘轨迹：
[0022][0023]其中，N
A
表示点集A中点的个数，N
t+1
(u,v)表示t+1时刻像素点的(u,v)的灰度值，B
t
(x,y)表示t时刻像素点的(x,y)的灰度值，Δ表示像素点((x,y)和(u,v))的差分角点，V(s)表示初始轮廓曲线的一阶导数，E(V(s))ds表示能量函数，能量函数包括内部能量函数和外部能量函数。
[0024]在一种可选的实施方式中，
[0025]所述目标类别识别模型包括用于区域聚类的第一层、用于识别区域中心的第二层以及用于确定形状类别的第三层；
[0026]基于预先训练好的目标类别识别模型，生成所述运动目标的图像特征与预设标准图像特征的特征比值的方法包括：
[0027]基于预先训练好的目标类别识别模型的第一层，对所述运动目标的运动特征进行超像素分割，并对超像素分割后的结果进行聚类，确定多个运动区域；
[0028]基于预先训练好的目标类别识别模型的第二层，确定所述多个运动区域的像素均值和像素方差，根据所述像素均值之差对应的第一权重值、所述像素方差对应的第二权重值，确定所述多个运动区域的中心点；
[0029]基于预先训练好的目标识别模型的第三层，根据所述多个运动区域的像素值、所述多个运动区域的中心点、所述中心点与所述运动区域中每个像素点的距离的平均值以及预设标准图像特征，生成所述运动目标的图像特征与预设标准图像特征的特征比值。
[0030]在一种可选的实施方式中，
[0031]在生成所述运动目标的图像特征与预设标准图像特征的特征比值之前，所述方法还包括：
[0032]训练所述目标类别识别模型，所述训练方法包括：
[0033]基于预先获取的训练数据集，输入待训练的目标类别识别模型，确定多个第一候选区域，其中，所述训练数据集包括带样本标签和目标标识的第一图像数据，以及无样本标签和无标识的第二图像数据；
[0034]从所述多个第一候选区域中选出属于同一类别的第二候选区域，并将所述第二候选区域进行区域融合，确定融合候选区域；
[0035]获取所述第一候选区域与所述融合候选区域的一致性损失值，根据所述一致性损失值与所述第一图像数据中目标对象的特征值的差值，训练所述目标类别识别模型的损失函数，直至所述损失函数满足预设收敛条件。
[0036]在一种可选的实施方式中，
[0037]按照如下公式所述的方法训练所述目标类别识别模型的损失函数：
[0038][0039]其中，M表示训练数据集的第一候选区域的个数，N表示训练数据集的第二候选区域的个数，α
t
表示所述第一候选区域与所述融合候选区域的一致性损失值，h
t
(x)表示所述一致性损失值与所述第一图像数据中目标对象的特征值的差值,表示T时刻预测为c的概率值，r表示类别。
[0040]在一种可选的实施方式中，
[0041]所述火情信息包括预警信息和火警信息，所述火情信息还包括所述目标区域的位置信息；
[0042]基于所述目标类别、所述目标区域对应的属性信息，通过预先训练好的火情预警模型，输出火情信息的方法包括：
[0043]通过预先训练好的火情预警模型，分别为所述目标类别设置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据处理的森林防火监控方法，其特征在于，包括：采集多个时刻目标区域的监控图像，基于每两个相邻时刻的监控图像是否变化，判断所述监控图像中是否存在运动目标；若存在，则提取所述运动目标的运动特征，基于预先训练好的目标类别识别模型，生成所述运动目标的图像特征与预设标准图像特征的特征比值，根据所述特征比值，判断所述运动目标的图像特征对应的目标类别，若所述目标类别与预设预警类别相匹配，则基于所述目标类别、所述目标区域对应的属性信息，通过预先训练好的火情预警模型，输出火情信息。2.根据权利要求1所述的基于数据处理的森林防火监控方法，其特征在于，提取所述运动目标的运动特征的方法包括：将当前监控图像中运动目标所在区域进行像素分类，提取当前监控图像中与背景信息不同像素类别的运动目标的二值图；基于当前监控图像中运动目标的二值图对应的当前帧，获取所述当前帧与相邻时刻的监控图像中的历史帧的交并比，生成所述运动目标的边缘轨迹；在所述运动目标的边缘轨迹中设置采样点，对采样点的历史形态特征和运动特征进行膨胀处理，提取所述运动目标的运动特征。3.根据权利要求2所述的基于数据处理的森林防火监控方法，其特征在于，获取所述当前帧与相邻时刻的监控图像中的历史帧的交并比，生成所述运动目标的边缘轨迹的方法包括：将当前帧与历史帧的第t帧图像和t
‑
1帧图像进行差分运算，对第t帧图像和第t+1帧图像进行差分运算，分别得到当前帧对应的当前三帧差分运算结果和历史帧对应的历史三帧差分运算结果；将所述当前三帧差分运算结果与所述历史三帧差分运算结果进行中值滤波后，提取各自图像中运动目标的轮廓的质心位置和等距初始轮廓点；基于所述运动目标的轮廓的质心位置、当前帧图像和历史帧的边缘梯度信息，以及所述等距初始轮廓点，通过轮廓实例分割算法收缩初始轮廓曲线，直至符合预设收缩条件，生成所述运动目标的边缘轨迹。4.根据权利要求3所述的基于数据处理的森林防火监控方法，其特征在于，基于所述运动目标的轮廓的质心位置、当前帧图像和历史帧的边缘梯度信息，以及所述等距初始轮廓点，通过轮廓实例分割算法收缩初始轮廓曲线，直至符合预设收缩条件，生成所述运动目标的边缘轨迹的方法包括：按照如下公式所示的方法生成所述运动目标的边缘轨迹：其中，N
A
表示点集A中点的个数，N
t+1
(u,v)表示t+1时刻像素点的(u,v)的灰度值，B
t
(x,y)表示t时刻像素点的(x,y)的灰度值，Δ表示像素点((x,y)和(u,v))的差分角点，V(s)表示初始轮廓曲线的一阶导数，E(V(s))ds表示能量函数，能量函数包括内部能量函数和外部能量函数。
5.根据权利要求1所述的基于数据处理的森林防火监控方法，其特征在于，所述目标类别识别模型包括用于区域聚类的第一层、用于识别区域中心的第二层以及用于确定形状类别的第三层；基于预先训练好的目标类别识别模型，生成所述运动目标的图像特征与预设标准图像特征的特征比值的方法包括：基于预先训练好的目标类别识别模型的第一层，对所述运动目标的运动特征进行超像素分割，并对超像素分割后的结果进行聚类，确...

【专利技术属性】
技术研发人员：刘文珍，宋敬洁，谢言，
申请(专利权)人：刘文珍，
类型：发明
国别省市：