一种基于视觉技术的户外火点检测方法技术

本发明专利技术涉及一种基于视觉技术的户外火点检测方法，包括监控摄像机、服务器、智慧平台，服务器设有物理服务器、云服务器，监控摄像机通过线缆或无线网络连接服务器上的智慧平台，且智慧平台控制着监控摄像机；智慧平台设有火点检测模块、人机交互模块，人机交互模块采用B/S架构，设有实时监控、火灾报警、火情处理，火灾报警设有声音报警模块、短信报警模块、电话报警模块；火点检测模块设有火焰检测模型、火点检测，火点检测设有颜色识别检测、边缘圆弧度检测、纹理检测。纹理检测。纹理检测。

【技术实现步骤摘要】
一种基于视觉技术的户外火点检测方法


[0001]本专利技术涉及户外防火监控
，具体涉及一种基于视觉技术的户外火点检测方法。

技术介绍

[0002][0003]当前针对户外火点检测技术主要有两种，一是采取人防技术，该技术耗费巨大效果不尽人意；二是基于传感器的火焰报警器，该技术已相对成熟，但传感器探测距离短且误报率高，以及火点位置、大小、火势等信息无法获得。因此，急需一种探测范围广、且能同时获得火点位置、火势、火焰大小等信息的技术方法。

技术实现思路

[0004]有鉴于此，有必要提供一种能尽早发现火点，且是自动发现、自动报警，同时能够大范围部署，成本相对低廉的一种基于视觉技术的户外火点检测方法。
[0005]一种基于视觉技术的户外火点检测方法，包括监控摄像机、服务器、智慧平台，服务器设有物理服务器、云服务器，物理服务器用于数据传输、数据计算、数据存储，云服务器用于交互界面的展现，智慧平台安装于服务器上，监控摄像机通过线缆或无线网络连接服务器上的智慧平台，且智慧平台控制着监控摄像机；智慧平台设有火点检测模块、人机交互模块，人机交互模块采用B/S架构，设有实时监控、火灾报警、火情处理，火灾报警设有声音报警模块、短信报警模块、电话报警模块；火点检测模块设有火焰检测模型、火点检测，火焰检测模型采用YOLOv5模型，火点检测设有颜色识别检测、边缘圆弧度检测、纹理检测，颜色识别检测采用在RGB和HIS空间下对火焰颜色进行二值化处理，纹理检测采用局部二值模式（local binary patterns， LBP）算法提取火焰纹理特征。
[0006]进一步地，本专利技术的实施步骤：S1：监控摄像机实时采集图像，并将图像信息上传至服务器，由智慧平台对图像信息进行处理；S2：火点检测模块读取来自监控摄像机的图像，从图像序列中读取一张图像，将该图像输入到火焰检测模型中进行检测，比对后确认该图像是火焰，则截取图像中火焰区域生成新的图像ID；比对后确认图像中没有火焰，则返回重复S1、S2步骤；S3：颜色识别检测对S2新生成的图像在RGB和HIS空间下进行颜色分割，通过阈值判定图中是否存在红色和黄色像素点，存在则保留结果进入边缘圆弧度检测，不存在则重复S1、S2、S3步骤；S4：边缘圆弧度检测提取S3新生成的图像，对该图像进行边缘圆弧度检测，通过物体边缘的总长度和物体所在区域的面积计算出物体圆弧度值，并将获得的边缘圆弧度值与火焰圆弧度值进行比对，匹配成功后，则进入纹理检测，匹配失败后，则重复S1、S2、S3、S4步骤；
S5：纹理检测提取S2新生成的图像，对该图像进行纹理提取，并对提取获得的纹理与火焰纹理特征进行匹配，匹配成功后，生成火点警报，匹配失败后，则S1、S2、S3、S4、S5步骤；S6：智慧平台将火点警报展示在人机交互模块上，并发送给相关责任人。
[0007]进一步地，火焰检测模型采用YOLOv5模型，由Backbone、Neck、Head组成，Backbone包括Focus+bottlenneckCSP、BottleneckCSP，Neck采用 BottleneckCSP2 模块，Head采用多尺度特征图用于检测。首先输入大小为640
×
640
×
3的视频图片，Focus对该图片切片，切片后的视频图片为320
×
320
×
12，Concat将切片图像的高度和宽度整合，整合后由大小为3，步长为2的Conv卷积块进行特征提取，提取后输出的图像大小为160
×
160
×
128，BottleneckCSP再次进行特征提取，得到图像大小为20
×
20
×
1024的特征图，SPP模块对图像分别进行1
×
1、5
×
5、9
×
9、13
×
13四次最大池化操作从多方面提取特征；Neck采用 BottleneckCSP2 模块可减少模型参数量，得到80
×
80
×
512、40
×
40
×
512、20
×
20
×
512三种不大小的特征图；Head采用多尺度特征图用于检测；用大图像检测小目标，小图像检测大目标。对Neck三种不同尺度特征图，通过Conv2d卷积操作，最终得到三个大小分别为80
×
80
×
255、40
×
40
×
255、20
×
20
×
255的特征图。
[0008]进一步地，燃烧的火焰的颜色具有特殊的分布规律，通常情况下表现为高亮的红色和高亮的黄色，将火焰颜色对应到RGB和HIS的颜色空间下，并提取出各维度下的矩阵张量，以及分割出区域内火焰轮廓。
[0009]进一步地，在分割出区域内火焰轮廓时，采用｛规则1：R≧B，G≧B｝、｛规则2：R≧R
t
｝、｛规则3：S≧（255
‑
R）
×
S
t
/ R
t
｝，其中，R、B、G是图像中红、蓝、绿颜色分量，R
t
为像素点的红色分量阈值，S
t
为像素点的饱和度阈值，R
t
∈[115,135],S
t
∈[45,60]。根据上述规则对区域内像素点进行逐一判定，满足条件的像素点置1，不满足则置0，分割得到区域内疑似火点的二值图，并通过对二值图像进行进一步处理，提取出剩余火焰特征。
[0010]进一步地，通过公式计算火焰边缘圆弧度值，其中，S为物体所占区域面积，L为物体所在区域周长，即区域边界长度；边缘圆弧度是描述物体边缘轮廓复杂程度的度量，物体边缘越复杂，圆弧度的值越高；在户外场景中，与火焰颜色相近的车灯、路灯、太阳等干扰物的边缘复杂度不高，近似为1，而燃烧中的火焰边缘更为复杂，圆弧度一般远大于1，基于该特征能够排除大部分非火点。
[0011]进一步地，纹理检测采用局部二值模式（local binary patterns， LBP）算法采用公式和提取火焰纹理特征，其中，gc为中心像素灰度值，gk为领域像素灰度值，r为领域半径，p为领域像素个数，ROR为向右循环算子；燃烧的火焰，其内部温度是不均匀的，在视频图像中表现为不同像素点，
这些不同像素点在灰度级空间的分布是不同的，形成火焰的纹理特征。
[0012]进一步地，户外场景下的火点属于固体燃烧物燃烧形成，其火焰纹理特征分为火焰部分以及固体表面部分两层，利用火焰的纹理特征，区分出疑似火点中无纹理的干扰物（如红旗）和纹理相差较大的干扰物（如黄土堆），进一步排除非火点。
[0013]进一步地，监控摄像机设有若干个，监控摄像机采用球形摄像机，该摄像机可360度旋转，监控摄像机设有安装器，通过安装器固定在指定区域，每个监控摄本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉技术的户外火点检测方法，包括监控摄像机、服务器、智慧平台，其特征在于：所述智慧平台设有火点检测模块、人机交互模块，所述火点检测模块设有火焰检测模型、火点检测，所述火点检测设有颜色识别检测、边缘圆弧度检测、纹理检测；S1：监控摄像机实时采集图像，并将图像信息上传至服务器，由智慧平台对图像信息进行处理；S2：火点检测模块读取来自监控摄像机的图像，从图像序列中读取一张图像，将该图像输入到火焰检测模型中进行检测，确认该图像是火焰，则截取图像中火焰区域生成新的图像ID；比对后确认图像中没有火焰，则返回重复S1、S2步骤；S3：颜色识别检测对S2新生成的图像在RGB和HIS空间下进行颜色分割，通过阈值判定图中是否存在红色和黄色像素点，存在则保留结果进入边缘圆弧度检测，不存在则重复S1、S2、S3步骤；S4：边缘圆弧度检测提取S3新生成的图像，对该图像进行边缘圆弧度检测，通过物体边缘的总长度和物体所在区域的面积计算出物体圆弧度值，并将获得的边缘圆弧度值与火焰圆弧度值进行比对，匹配成功后，则进入纹理检测，匹配失败后，则重复S1、S2、S3、S4步骤；S5：纹理检测提取S2新生成的图像，对该图像进行纹理提取，并对提取获得的纹理与火焰纹理特征进行匹配，匹配成功后，生成火点警报，匹配失败后，则S1、S2、S3、S4、S5步骤；S6：智慧平台将火点警报展示在人机交互模块上，并发送给相关责任人。2. 如权利要求1所述基于视觉技术的户外火点检测方法，其特征在于：所述火焰检测模型采...

【专利技术属性】
技术研发人员：刘平，林朝福，谢盛，仵浩，王奇锋，
申请(专利权)人：江西冠英智能科技股份有限公司，
类型：发明
国别省市：