本申请提供了一种火灾的监测方法、装置、电子设备及存储介质，监测方法包括：获取监测区域中每个监测子区域的可见光影像和红外影像；针对每个监测子区域，基于该监测子区域与监测设备的第一距离，得到红外影像的第一矩形区域；基于预先标定的红外影像和可见光影像的对应关系，得到第一矩形区域对应的可见光影像中的第二矩形区域；对第一矩形区域和第二矩形区域分别进行分类，若分类结果均指示于发生火灾，则确定出第一矩形区域的中心点的像素坐标在该监测子区域中对应的实际空间坐标，并基于实际空间坐标生成火灾告警信息。采用本申请提供的技术方案能够减少了火灾误报率和漏报率，提高了火灾识别的准确性。提高了火灾识别的准确性。提高了火灾识别的准确性。
【技术实现步骤摘要】
一种火灾的监测方法、装置、电子设备及存储介质
[0001]本申请涉及火灾监测
，尤其是涉及一种火灾的监测方法、装置、电子设备及存储介质。
技术介绍
[0002]火灾是严重危机事件以及灾害之一，例如森林火灾不仅烧死、烧伤林木，直接减少森林面积，而且严重破坏森林结构和森林环境，导致森林生态系统失去平衡，森林生物量下降，生产力减弱，益兽益鸟减少，甚至造成人畜伤亡。在林业信息化发展的过程中，各种火灾识别和预警设备被广泛投入使用，有效减少了森林火灾的损失。
[0003]目前，红外摄像机可以估算成像画面中的物体温度，在防火监测中得到了大量的应用。与此同时，还可以利用深度学习模型分析可见光影像和红外影像，识别火灾区域。但是在物体与红外摄像机的距离越远时，红外摄像机估算的温度误差越大，当火焰和红外摄像机的距离超过1公里时，火焰在红外摄像机中显示的温度可能不到100℃；为了减少漏报，可以将红外摄像机的告警阈值设置的很低(比如80℃)，但是这样又很容易因为画面中包含的行驶中的车辆(例如车辆的发动机、排气管、轮胎温度很高时)发生误报。另一方面，使用深度学习模型分析可见光影像和红外影像时，现有方法通常将整个画面作为模型的输入。而火灾初期起火区域在画面中的占比很小，难以被深度学习模型识别，可能延误灭火时机；因此，如何监测火灾，成为了亟待解决的问题。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种火灾的监测方法、装置、电子设备及存储介质，能够通过监测子区域和监测设备的距离截取红外影像区域用于分类，并利用可见光影像和红外影像的分类结果相互验证，达到火灾监测的目的，减少了火灾误报率和漏报率，提高了火灾识别的准确性。
[0005]本申请主要包括以下几个方面：
[0006]第一方面，本申请实施例提供了一种火灾的监测方法，所述监测方法包括：
[0007]获取监测设备所监测的监测区域，并将所述监测区域划分为多个监测子区域，获取每个监测子区域的可见光影像和红外影像，以及与所述监测设备的第一距离；
[0008]针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离以及该监测子区域的红外影像，得到所述红外影像的第一矩形区域；
[0009]基于预先标定的红外影像和可见光影像的对应关系，得到所述第一矩形区域对应的可见光影像中的第二矩形区域；
[0010]对所述第一矩形区域进行分类，得到第一矩形区域的分类结果，对所述第二矩形区域进行分类，得到第二矩形区域的分类结果；
[0011]若所述第一矩形区域与所述第二矩形区的分类结果均指示于发生火灾，则确定出所述第一矩形区域的中心点的像素坐标在该监测子区域中对应的实际空间坐标，并基于所
述实际空间坐标生成火灾告警信息。
[0012]进一步的，所述针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离以及该监测子区域的红外影像，得到所述红外影像的第一矩形区域的步骤，包括：
[0013]针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离，确定第一温度阈值；
[0014]基于该监测子区域的红外影像，确定红外影像的第一灰度阈值；
[0015]将所述红外影像中像素灰度值大于所述第一灰度阈值的区域确定为高温区域，确定所述高温区域中的最高温度是否大于所述第一温度阈值；
[0016]若是，则确定所述高温区域的外接矩形，并将所述外接矩形的上边、下边、左边以及右边分别向外侧扩展对应的预设宽度，得到所述红外影像的第一矩形区域。
[0017]进一步的，通过以下方式确定第一温度阈值：
[0018][0019]其中，T为第一温度阈值，D为第一距离，N为第一预设参数，K为第二预设参数。
[0020]进一步的，所述基于该监测子区域的红外影像，确定红外影像的第一灰度阈值的步骤，包括：
[0021]基于该监测子区域的红外影像，将所述红外影像中像素点的平均灰度值，确定为红外影像的第一灰度阈值。
[0022]进一步的，通过以下步骤得到第一矩形区域的分类结果：
[0023]截取所述红外影像中的第一矩形区域，得到第一输入影像；
[0024]将所述第一输入影像输入至第一数学模型中进行识别，得到所述第一输入影像分别属于第一数学模型中的每个预设类别的置信度；
[0025]将所述置信度中数值最大的置信度对应的预设类别确定为第一矩形区域的分类结果。
[0026]进一步的，通过以下步骤得到第二矩形区域的分类结果：
[0027]截取所述可见光影像中的第二矩形区域，得到第二输入影像；
[0028]将所述第二输入影像输入至第二数学模型中进行识别，得到所述第二输入影像分别属于第二数学模型中的每个预设类别的置信度；
[0029]将所述置信度中数值最大的置信度对应的预设类别确定为第二矩形区域的分类结果。
[0030]第二方面，本申请实施例还提供了一种火灾的监测装置，所述监测装置包括：
[0031]获取模块，用于获取监测设备所监测的监测区域，并将所述监测区域划分为多个监测子区域，获取每个监测子区域的可见光影像和红外影像，以及与所述监测设备的第一距离；
[0032]第一处理模块，用于针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离以及该监测子区域的红外影像，得到所述红外影像的第一矩形区域；
[0033]第二处理模块，用于基于预先标定的红外影像和可见光影像的对应关系，得到所述第一矩形区域对应的可见光影像中的第二矩形区域；
[0034]分类模块，用于对所述第一矩形区域进行分类，得到第一矩形区域的分类结果，对
所述第二矩形区域进行分类，得到第二矩形区域的分类结果；
[0035]确定模块，用于在所述第一矩形区域与所述第二矩形区的分类结果均指示于发生火灾时，确定出所述第一矩形区域的中心点的像素坐标在该监测子区域中对应的实际空间坐标，并基于所述实际空间坐标生成火灾告警信息。
[0036]进一步的，所述第一处理模块具体用于：
[0037]针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离，确定第一温度阈值；
[0038]基于该监测子区域的红外影像，确定红外影像的第一灰度阈值；
[0039]将所述红外影像中像素灰度值大于所述第一灰度阈值的区域确定为高温区域，确定所述高温区域中的最高温度是否大于所述第一温度阈值；
[0040]若是，则确定所述高温区域的外接矩形，并将所述外接矩形的上边、下边、左边以及右边分别向外侧扩展对应的预设宽度，得到所述红外影像的第一矩形区域。
[0041]第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的火灾的监测方法的步骤。
[0042]第四方面，本申请实施例还提本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种火灾的监测方法，其特征在于，所述监测方法包括：获取监测设备所监测的监测区域，并将所述监测区域划分为多个监测子区域；获取每个监测子区域的可见光影像和红外影像，以及与所述监测设备的第一距离；针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离以及该监测子区域的红外影像，得到所述红外影像的第一矩形区域；基于预先标定的红外影像和可见光影像的对应关系，得到所述第一矩形区域对应的可见光影像中的第二矩形区域；对所述第一矩形区域进行分类，得到第一矩形区域的分类结果，对所述第二矩形区域进行分类，得到第二矩形区域的分类结果；若所述第一矩形区域与所述第二矩形区的分类结果均指示于发生火灾，则确定出所述第一矩形区域的中心点的像素坐标在该监测子区域中对应的实际空间坐标，并基于所述实际空间坐标生成火灾告警信息。2.根据权利要求1所述的监测方法，其特征在于，所述针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离以及该监测子区域的红外影像，得到所述红外影像的第一矩形区域的步骤，包括：针对每个监测子区域，基于该监测子区域与所述监测设备的第一距离，确定第一温度阈值；基于该监测子区域的红外影像，确定红外影像的第一灰度阈值；将所述红外影像中像素灰度值大于所述第一灰度阈值的区域确定为高温区域，确定所述高温区域中的最高温度是否大于所述第一温度阈值；若是，则确定所述高温区域的外接矩形，并将所述外接矩形的上边、下边、左边以及右边分别向外侧扩展对应的预设宽度，得到所述红外影像的第一矩形区域。3.根据权利要求2所述的监测方法，其特征在于，通过以下方式确定第一温度阈值：其中，T为第一温度阈值，D为第一距离，N为第一预设参数，K为第二预设参数。4.根据权利要求2所述的监测方法，其特征在于，所述基于该监测子区域的红外影像，确定红外影像的第一灰度阈值的步骤，包括：基于该监测子区域的红外影像，将所述红外影像中像素点的平均灰度值，确定为红外影像的第一灰度阈值。5.根据权利要求1所述的监测方法，其特征在于，通过以下步骤得到第一矩形区域的分类结果：截取所述红外影像中的第一矩形区域，得到第一输入影像；将所述第一输入影像输入至第一数学模型中进行识别，得到所述第一输入影像分别属于第一数学模型中的每个预设类别的置信度；将所述置信度中数值最大的置信度对应的预设类别确定为第一矩形区域的分类结果。6.根据权利要求1所述的监测...
【专利技术属性】
技术研发人员：郑文，张翔，林恒，
申请(专利权)人：福建汇川物联网技术科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。