【技术实现步骤摘要】
本专利技术属于火灾检测，具体涉及基于多颜色空间规则的无人机早期火灾检测方法。
技术介绍
1、由于自然因素、电气设备故障引起火花、易燃物品存放不当等原因，各种火灾时有发生，如森林火灾、建筑物火灾等，严重威胁自然生态环境或生命健康。在火灾发生的初期进行有效的监测，及时采取有效的干预措施，能够降低火灾造成的损失，具有重要意义。无人机可携带不同的视觉传感器，对指定区域进行计划性地巡检，所采集的信息具有视野范围大、信息丰富的特点，在早期火灾监测方面具有突出的优势和广泛的应用前景。
2、目前，视觉火灾检测的方法可以分为三类：基于规则的检测方法、基于机器学习的检测方法和基于深度学习的检测方法。基于规则的检测方法通常考虑火和烟的本身特征，设计提取目标对象的阈值规则，获得目标掩模图像，最后可视化检测结果。最直观的特征是颜色特征，将数据图像转换到多种颜色空间中，利用认为有用的颜色通道设定一些颜色阈值分割规则，以此来获得目标对像的掩模图像完成检测。颜色特征是静态特征，且可能受到其他目标的干扰，于是又引入了动态特征来补充单一静态特征可能会出现的问题，进一步提高检测的准确率。然而在无人机巡检火灾时，由于无人机本身的飞行状态和火灾的扩散运动，运动特征并不是好的选择。同样，仅依靠单一颜色特征设计的分割规则检测也容易受环境因素的影响。事实上火焰的温度也是一种非常明显的特征，使用红外相机传感器拍摄的红外图像可以很好地展现目标温度信息。然而在现有的火焰检测研究中，大多数使用可见光传感器进行检测，也有一部分仅使用红外传感器，但很少有研究对两种传感器同时应
技术实现思路
1、本专利技术的目的是提供基于多颜色空间规则的无人机早期火灾检测方法，解决了现有技术中存在的可见光图像包含信息不足限制火焰检测和单一颜色图像特征鲁棒性差的问题。
2、本专利技术所采用的技术方案是，基于多颜色空间规则的无人机早期火灾检测方法，具体按照以下步骤实施：
3、步骤1、采集可见光和红外光图像数据；
4、步骤2、对可见光和红外光图像进行配准；
5、步骤3、设计火焰的颜色阈值分割规则，得到可见光和红外光的火焰阈值分割图像；
6、步骤4、对可见光和红外光的阈值分割图像进行形态学闭运算操作，填补二值图像目标区域内部空洞；
7、步骤5、对两个二值图进行位与操作得到火焰的掩模二值图像，利用掩模二值图像即可完成对火焰的可视化检测。
8、本专利技术的特点还在于，
9、步骤1中红外图像的大小为n1*n2，可见光图像的大小为m1*m2,mi>nj,i＝1,2；j＝1,2；将两种图像缩放至相同尺寸n1*n2。
10、步骤2具体按照以下步骤实施：
11、步骤2.1、分别在两种图像相对应相同的位置找三个点，获取两种图像x和y两个方向的一段像素长度，x方向的缩放因子等于可见光图像x方向的像素长度与红外图像x方向的像素长度之比，x方向缩放因子的计算如公式(1)所示：
12、
13、其中，δx表示x方向的缩放因子，avx和bvx分别表示可见光图像中a点和b点在x方向的像素位置，airx和birx分别表示红外图像中a点和b点在x方向的像素位置；
14、同理，计算y方向的缩放因子δy等于可见光图像y方向的像素长度与红外光图像y方向的像素长度之比，通过计算得到x方向和y方向的缩放因子，将红外图像缩放到p1*p2，从而消除图像中目标大小的差异；
15、步骤2.2、分别计算两种图像中某一相同点的像素坐标x和y的差，确定x和y方向的位置偏移，可见光图像的大小以n1*n2为准，红外光图像的大小是步骤2.1中通过缩放因子缩放后的p1*p2，x方向偏移的计算如公式(2)所示：
16、λx＝avx-airx (2)
17、其中，λx表示x方向的偏移，同理得到y方向的偏移，通过计算得到x方向和y方向的偏移量。
18、步骤3具体按照以下步骤实施：
19、步骤3.1、将步骤2中配准得到的红外图像转换为灰度图像，设定红外阈值为t1，大于选定阈值的部分设定为黑色，小于阈值的部分设定为白色，并进行阈值二值化处理，得到红外灰度阈值分割图像。图中白色区域所表现出来的就是大于阈值的高温图像区域，即火焰区域；
20、步骤3.2、利用公式将可见光图像转换为ycrcb颜色空间下的图像，如公式(3)所示：
21、
22、同时将图像的y、cr、cb三个通道分离，然后对cr、cb通道作差，设定可见光阈值为t2，将差值的绝对值大于阈值的部分认为是火焰区域，并设定为白色，将差值小于选定阈值的部分设定为黑色，即得到可见光的cr-cb通道差阈值分割图像。
23、步骤4具体按照以下步骤实施：
24、步骤4.1、将步骤3中得到的红外灰度阈值分割图像和可见光cr-cb通道差阈值分割图像作为目标图像。选取3*3大小的矩形作为结构元对目标图像进行一次迭代扫描；
25、步骤4.2、将目标图像中的白色区域作为前景区域，黑色部分作为背景区域。当结构元的任意一点处于目标图像前景像素的范围内时，将结构元中心点对应的膨胀结果图像的像素值赋值为前景像素的像素值，即白色，像素值为255，当结构元完全处于目标图像前景像素的范围外时，将结构元中心点对应的膨胀结果图像的像素值赋值为背景像素的像素值，即黑色，像素值为0，从而消除前景图像内部的一些空洞；
26、步骤4.3、目标图像经过步骤4.1和4.2的膨胀操作得到待腐蚀二值图像。以结构元的中心点和对应待腐蚀二值图像的像素值判断腐蚀结果图像对应像素点的像素值：当结构元全部都处于待腐蚀目标图像的前景像素范围内时，将结构元中心点对应的腐蚀结果图像像素点赋值为前景图像的值，即白色，像素值为255；当结构元只有部分处于目标图像前景像素范围内或者是完全不在前景像素范围内时，将结构元的中心点对应的腐蚀结果图像像素点赋值为背景图像的值，即黑色，像素值为0，从而消除前景图像的一些边缘噪声。
27、步骤5具体按照以下步骤实施：
28、将步骤4中处理后的红外灰度阈值分割图像和可见光cr-cb通道差阈值分割图像进行位与操作，即可得到火焰的掩模二值图像，利用掩模二值图像完成对火焰的可视化检测，在最终的识别结果图像中，用红色框表示火焰。
29、本专利技术的有益效果是，基于多颜色空间规则的无人机早期火灾检测方法，实现对不同场景下火焰的实时检测。通过阈值二值化方法对图像进行二值化处理，获得红外光和可见光的阈值分割图像，通过位与操作获得火焰掩模二值图，再通过闭运算形态学操作方法对掩模二值图进行优化。可见光与红外光图像的同时使用有效的利用了火焰的颜色特征和温度特征，进一步提高了检测精度，在早期火和烟特征不明显时具有较好的效果。多颜色空间规则的设计提高了火焰检测的鲁棒性，解决了光照较强、目标颜色与背景颜色相近等环境因素的影响问题。
本文档来自技高网...【技术保护点】
1.基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，所述步骤1中红外图像的大小为N1*N2，可见光图像的大小为M1*M2,Mi>Nj,i＝1,2；j＝1,2；将两种图像缩放至相同尺寸N1*N2。
3.根据权利要求2所述的基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，所述步骤2具体按照以下步骤实施：
4.根据权利要求3所述的基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，所述步骤3具体按照以下步骤实施：
5.根据权利要求4所述的基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，所述步骤4具体按照以下步骤实施：
6.根据权利要求5所述的基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，所述步骤5具体按照以下步骤实施：
【技术特征摘要】
1.基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于多颜色空间规则的无人机早期火灾检测方法，其特征在于，所述步骤1中红外图像的大小为n1*n2，可见光图像的大小为m1*m2,mi>nj,i＝1,2；j＝1,2；将两种图像缩放至相同尺寸n1*n2。
3.根据权利要求2所述的基于多颜色空间规则的无人机早期火灾检测方法，其特征在...
【专利技术属性】
技术研发人员：穆凌霞，杨逸驰，谢雪嵩，王斑，冯楠，张友民，薛向宏，
申请(专利权)人：西安理工大学，
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。