基于计算机视觉的消防安防一体化监测系统技术方案

本发明专利技术涉及图像数据处理技术领域，具体涉及基于计算机视觉的消防安防一体化监测系统，包括图像采集模块、弱边缘段的相邻边缘相似度获取模块、弱边缘段的滤波优化系数获取模块、异常监测模块，其中：获取若干张不同角度下的线缆图像；获取每一角度下的线缆图像上若干个强边缘点、若干个强边缘段、若干个弱边缘点及若干个弱边缘段，获取每一弱边缘段的相邻边缘相似度；获取每一角度下的线缆图像中每一弱边缘段的滤波优化系数；根据滤波优化系数利用引导滤波算法得到的结果进行线缆异常监测。本发明专利技术旨在解决电力设备中线缆交错重叠，导致边缘特征较弱，影响异常状态监测的问题。影响异常状态监测的问题。影响异常状态监测的问题。

【技术实现步骤摘要】
基于计算机视觉的消防安防一体化监测系统


[0001]本专利技术涉及图像数据处理
，具体涉及基于计算机视觉的消防安防一体化监测系统。

技术介绍

[0002]对于消防安防场景下，通常是对监控范围内的易出现消防隐患问题的地方进行监控，而电力设备因短路，负载过高从而引起着火的情况是常有现象；通常通过红外相机采集电力设备红外热图，分析关键部件的温度变化，并结合电流等参数，来识别其中的安全隐患；但红外图像易受周围热场的影响，因此干扰强，图像质量较差，受噪声影响严重，因此对于采集到的电力设备红外图像通常需要进行滤波处理，来增大图像细节特征。
[0003]对于红外图像的滤波去噪通常是用引导滤波进行增强处理，但由于电力设备中线缆交错重叠，导致红外图像中的边缘特征出现重叠，进而不同区域之间的边缘差异减弱，当图像中边缘特征差异较弱时，引导滤波算法反而会对其产生平滑作用，使得本就不明显的边缘特征丢失更加严重，进而导致线缆之间更难以区分，影响安全隐患的监测。

技术实现思路

[0004]本专利技术提供基于计算机视觉的消防安防一体化监测系统，以解决现有的问题。
[0005]本专利技术的基于计算机视觉的消防安防一体化监测系统采用如下技术方案：本专利技术一个实施例提供了基于计算机视觉的消防安防一体化监测系统，该系统包括以下模块：图像采集模块：获取若干张不同角度下的线缆图像；弱边缘段的相邻边缘相似度获取模块：获取每一角度下的线缆图像上若干个强边缘点及若干个强边缘段，根据每一角度下的线缆图像中像素点的梯度幅值大小获取每一角度下的线缆图像上若干个弱边缘点，获取每一角度下的线缆图像上若干个弱边缘段，根据每一强边缘段上强边缘点的梯度方向差异获取每一强边缘段的曲线特征值，获取每一角度下的线缆图像中每一强边缘段的第一关联强边缘段与第二关联强边缘段，根据曲线特征值差异分别获取每一强边缘段与每一强边缘段的第一关联强边缘段、每一强边缘段的第二关联强边缘段的边缘方向相似度，根据边缘方向相似度的大小获取每一弱边缘段的相邻边缘相似度；弱边缘段的滤波优化系数获取模块：获取每一角度下的线缆图像中每一弱边缘段的修正值；将每一角度下的线缆图像中每一弱边缘段的相邻边缘相似度与每一角度下的线缆图像中每一弱边缘段的修正值的比值记为每一角度下的线缆图像中每一弱边缘段的滤波优化系数；异常监测模块：根据每一角度下的线缆图像中每一弱边缘段的滤波优化系数利用引导滤波算法得到的结果进行线缆异常监测。
[0006]可选的，所述根据每一强边缘段上强边缘点的梯度方向差异获取每一强边缘段的
曲线特征值包括：记任意一角度下的线缆图像为目标图像，记目标图像上的任意一强边缘段为目标强边缘段，获取目标强边缘段的两个端点的梯度方向，将目标强边缘段上梯度方向较小的端点记为目标强边缘段的起始点，自起始点开始沿目标强边缘段顺序，依次获取目标强边缘段上每一强边缘点的梯度方向，得到目标强边缘点的梯度方向序列，获取梯度方向序列中所有梯度方向的均值，记为目标强边缘段的参考梯度方向；获取梯度方向序列的差值序列，记为目标强边缘点的梯度方向差值序列，梯度方向差值序列中第个元素为梯度方向序列中第个元素与第个元素的差值，获取梯度方向差值序列的标准差；将目标强边缘段的参考梯度方向与目标强边缘段的梯度方向差值序列的标准差的乘积记为目标强边缘段的曲线特征值。
[0007]可选的，所述根据曲线特征值差异分别获取每一强边缘段与每一强边缘段的第一关联强边缘段、每一强边缘段的第二关联强边缘段的边缘方向相似度包括：记任意一角度下的线缆图像为目标图像，记目标图像上的任意一强边缘段为目标强边缘段，将目标强边缘段的参考梯度方向与目标强边缘段的第一关联强边缘段的参考梯度方向的差值的绝对值记为目标强边缘段的第一临近边缘段方向差异，将目标边缘段的曲线特征值与目标边缘段的第一关联强边缘段的曲线特征值的差值的绝对值记为目标强边缘段的第一临近边缘段曲线特征差异；将目标强边缘段的第一临近边缘段方向差异与第一临近边缘段曲线特征差异的和记为目标强边缘段与目标强边缘段的第一关联强边缘段的边缘方向相似度；根据目标强边缘段与目标强边缘段的第一关联强边缘段的边缘方向相似度的计算过程获取目标强边缘段与目标强边缘段的第二关联强边缘段的边缘方向相似度。
[0008]可选的，所述根据边缘方向相似度的大小获取每一弱边缘段的相邻边缘相似度包括：根据每一强边缘段的第一关联强边缘段与第二关联强边缘段的获取方法，同理获取每一弱边缘段的第一关联强边缘段与第二关联强边缘段；根据每一强边缘段与每一强边缘段的第一关联强边缘段的边缘方向相似度及每一强边缘段与每一强边缘段的第二关联强边缘段的边缘方向相似度的获取方法，同理获取每一弱边缘段与每一弱边缘段的第一关联强边缘段的边缘方向相似度及每一弱边缘段与每一弱边缘段的第二关联强边缘段的边缘方向相似度；其中，表示第个角度下的线缆图像中第个弱边缘段的相邻边缘相似度，表示第个角度下的线缆图像中第个弱边缘段与第个角度下的线缆图像中第个弱边缘段的第一关联强边缘段的边缘方向相似度，表示第个角度下的线缆图像中第个弱边缘段与第个角度下的线缆图像中第个弱边缘段的第二关联强边缘段的边缘方向相似度，表示第个角度下的线缆图像中第个弱边缘段的第一关联强边缘段与第个弱边缘段的第二关联强边缘段的边缘方向相似度。
[0009]可选的，所述获取每一角度下的线缆图像中每一弱边缘段的修正值包括：记任意一角度下的线缆图像为目标图像，记目标图像上任意一弱边缘段为关注弱
边缘段，获取关注弱边缘段上每一弱边缘点与每一其他角度下的线缆图像上关注弱边缘段匹配的弱边缘像素点的差分值；根据差分值的差异获取每一角度下的线缆图像中每一弱边缘段的修正值。
[0010]可选的，所述根据差分值的差异获取每一角度下的线缆图像中每一弱边缘段的修正值包括：其中，表示第个角度下的线缆图像中第个弱边缘段的修正值，表示第个角度下的线缆图像中第个弱边缘段的第个弱边缘点与其在第个角度下的线缆图像匹配点的差分值，表示第个角度下的线缆图像中第个弱边缘段的第个弱边缘点与其在第个角度下的线缆图像匹配点的梯度方向，表示第个角度下的线缆图像中第个弱边缘段的第个弱边缘点的梯度方向，表示第个角度下的线缆图像中第个弱边缘段的弱边缘点的个数，表示采集的不同角度下的线缆图像的个数。
[0011]可选的，所述获取每一角度下的线缆图像中每一强边缘段的第一关联强边缘段与第二关联强边缘段包括：记任意一角度下的线缆图像为目标图像，记目标图像上的任意一强边缘段为目标强边缘段，利用样条拟合得到目标强边缘段的方向曲线，记为目标强边缘段的目标强边缘曲线，将目标强边缘曲线的两个端点依次记为第一目标端点与第二目标端点，记目标强边缘曲线过第一目标端点的切线方向为第一方向，将以第一目标端点起始沿第一方向进行延伸的射线，记为第一延伸射线，将第一延伸射线首先相交的强边缘段记为目标强边缘段的第一关联强边缘段，记目标强边缘曲线过第二目标端点的切线方向为第二方向，将以第二目标端点起始沿第二方向进行延伸的射线，记为第二延伸射线，将第二延伸射线首先相交的强边缘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于计算机视觉的消防安防一体化监测系统，其特征在于，该系统包括以下模块：图像采集模块：获取若干张不同角度下的线缆图像；弱边缘段的相邻边缘相似度获取模块：获取每一角度下的线缆图像上若干个强边缘点及若干个强边缘段，根据每一角度下的线缆图像中像素点的梯度幅值大小获取每一角度下的线缆图像上若干个弱边缘点，获取每一角度下的线缆图像上若干个弱边缘段，根据每一强边缘段上强边缘点的梯度方向差异获取每一强边缘段的曲线特征值，获取每一角度下的线缆图像中每一强边缘段的第一关联强边缘段与第二关联强边缘段，根据曲线特征值差异分别获取每一强边缘段与每一强边缘段的第一关联强边缘段、每一强边缘段的第二关联强边缘段的边缘方向相似度，根据边缘方向相似度的大小获取每一弱边缘段的相邻边缘相似度；弱边缘段的滤波优化系数获取模块：获取每一角度下的线缆图像中每一弱边缘段的修正值；将每一角度下的线缆图像中每一弱边缘段的相邻边缘相似度与每一角度下的线缆图像中每一弱边缘段的修正值的比值记为每一角度下的线缆图像中每一弱边缘段的滤波优化系数；异常监测模块：根据每一角度下的线缆图像中每一弱边缘段的滤波优化系数利用引导滤波算法得到的结果进行线缆异常监测。2.根据权利要求1所述的基于计算机视觉的消防安防一体化监测系统，其特征在于，所述根据每一强边缘段上强边缘点的梯度方向差异获取每一强边缘段的曲线特征值包括：记任意一角度下的线缆图像为目标图像，记目标图像上的任意一强边缘段为目标强边缘段，获取目标强边缘段的两个端点的梯度方向，将目标强边缘段上梯度方向较小的端点记为目标强边缘段的起始点，自起始点开始沿目标强边缘段顺序，依次获取目标强边缘段上每一强边缘点的梯度方向，得到目标强边缘点的梯度方向序列，获取梯度方向序列中所有梯度方向的均值，记为目标强边缘段的参考梯度方向；获取梯度方向序列的差值序列，记为目标强边缘点的梯度方向差值序列，梯度方向差值序列中第个元素为梯度方向序列中第个元素与第个元素的差值，获取梯度方向差值序列的标准差；将目标强边缘段的参考梯度方向与目标强边缘段的梯度方向差值序列的标准差的乘积记为目标强边缘段的曲线特征值。3.根据权利要求1所述的基于计算机视觉的消防安防一体化监测系统，其特征在于，所述根据曲线特征值差异分别获取每一强边缘段与每一强边缘段的第一关联强边缘段、每一强边缘段的第二关联强边缘段的边缘方向相似度包括：记任意一角度下的线缆图像为目标图像，记目标图像上的任意一强边缘段为目标强边缘段，将目标强边缘段的参考梯度方向与目标强边缘段的第一关联强边缘段的参考梯度方向的差值的绝对值记为目标强边缘段的第一临近边缘段方向差异，将目标边缘段的曲线特征值与目标边缘段的第一关联强边缘段的曲线特征值的差值的绝对值记为目标强边缘段的第一临近边缘段曲线特征差异；将目标强边缘段的第一临近边缘段方向差异与第一临近边缘段曲线特征差异的和记为目标强边缘段与目标强边缘段的第一关联强边缘段的边缘方向相似度；根据目标强边缘段与目标强边缘段的第一关联强边缘段的边缘方向相似度的计算过程获取目标强边缘段与目标强边缘段的第二关联强边缘段的边缘方向相似度。
...

【专利技术属性】
技术研发人员：周迎，陈鹤军，许博涛，王奇炜，吴建滨，邵敏毅，朱煌校，赵晨，
申请(专利权)人：杭州芯业电子科技有限公司，
类型：发明
国别省市：