【技术实现步骤摘要】
本专利技术涉及消防安全系统领域，尤其涉及一种基于外部烟气图像的隧道火灾智能预测方法及系统。
技术介绍
1、当隧道内发生火灾时，由于隧道的半封闭结构，高温浓烟气会快速填充隧道空间。由于浓烟的遮挡，隧道内的监控摄像头无法持续观察到火势发展。现有的技术多采用隧道内的传感器阵列来向外传递火场内的整体信息(wu x,zhang x,jiang y,et al.anintelligent tunnel firefighting system and small-scale demonstration[j].tunnelling and underground space technology,2022,120:104301.)。然而，由于浓烟的遮挡和高温影响，隧道内的感温、感烟、摄像机等探测器难以持续运作，无法向外实时传递包括火源功率和火源位置的火场关键信息。火源的功率和位置信息对隧道内人员疏散和灭火救援等工作部署十分关键。现有的隧道火灾探测技术还有待于改进和发展，因此，需探究一种新的隧道火灾预测方法和系统。
技术实现思路
1、鉴于上述现有技术的不足，本专利技术的目的在于提供一种基于外部烟气图像的隧道火灾智能预测方法及系统，通过在隧道外远离火场的安全区域拍摄隧道出口向外溢出的外部烟气图像，并通过深度学习算法分析外部烟气图像，进而实现对隧道内火源功率和火源位置的实时预测。
2、本专利技术至少通过如下技术方案之一实现。
3、一种基于外部烟气图像的隧道火灾智能预测方法，包括以
4、通过摄像机阵列以多个视角拍摄隧道各端出口溢出的外部烟气图像；
5、摄像机的数据采集模块接收外部烟气图像，并将其传输给服务器，所述服务器包括现场的计算机终端和云服务器；
6、服务器将外部烟气图像进行分割、降噪和灰度处理，将外部烟气图像的有效计算区域提取出来；
7、通过深度学习算法处理外部烟气图像，根据外部烟气的形状、颜色和纹路等特征实时预测隧道火灾的火源功率和火源位置。
8、进一步地，所述摄像机阵列以多个视角拍摄隧道各端出口溢出的外部烟气图像包括：
9、通过摄像机在隧道外远离火源的安全区域拍摄隧道各端出口溢出的外部烟气图像；
10、通过摄像机在隧道外与隧道呈任何角度，距隧道任何距离，以任何高度拍摄的外部烟气图像；
11、可通过摄像机直接拍摄的外部烟气图像，也可从拍摄的外部烟气视频中逐帧截取出外部烟气图像。
12、进一步地，所述通过服务器将外部烟气图像进行分割、降噪和灰度处理包括：
13、通过目标检测算法或语义分割算法将图片中的外部烟气的主体分割出来；
14、通过降噪算法降低图片的背景噪声影响；
15、通过服务器将图片转换为灰度值格式。
16、进一步地，所述目标检测算法从图像中识别、定位目标烟气区域，并沿着目标烟气的边界将其从背景中分割出来。
17、进一步地，所述语义分割算法通过边界框或查找属于目标烟气的所有像素识别出图像中存在的目标烟气区域。
18、进一步地，所述降噪算法用于降低因摄像机安装、摆放、参数设置的随机干扰因素导致的图像噪声。
19、进一步地，将图片转换为灰度值格式是将图片的颜色通道数减少，以实现减少计算量，图片最终不一定是灰度值格式。
20、进一步地，输入深度学习算法的烟气图像为单一视角下拍摄的烟气图像，或者是隧道呈不同角度以及距隧道端口不同距离、以不同高度或在隧道不同端口拍摄的烟气图像的任意组合。
21、进一步地，所述深度学习算法为循环神经网络或者视觉注意力模型，能够识别所输入的信号之间包含的时间顺序关系，并从这种时间顺序关系中挖掘出单一信号所不具有的特征；输入深度学习算法的图像是单一视角下拍摄的烟气图像，或者是与隧道呈不同角度、距隧道端口不同距离、以不同高度或在隧道不同端口拍摄的烟气图像的任意组合。
22、实现所述的一种基于外部烟气图像的隧道火灾智能预测方法的系统，其特征在于，包括：
23、摄像机阵列，用于从多个视角拍摄隧道外部烟气图像；
24、数据采集模块，用于接收外部烟气图像，并将其传输给服务器，包括现场的计算机终端和云服务器；
25、服务器，用于对外部烟气图像进行分割、降噪和灰度处理，通过卷积神经网络实时预测隧道火灾的火源功率和火源位置，通过循环神经网络或视觉注意力模型的深度学习算法处理外部烟气图像。
26、与现有的技术相比，本专利技术的有益效果为：
27、本专利技术通过摄像头在隧道外安全区域拍摄隧道各端开口向外溢出的外部烟气图像，并由数据采集模块接收后传输给服务器，再由服务器对图像进行分割、降噪和灰度等处理，最后将处理图像制作成训练数据集并输入到可处理含有时序逻辑信号的深度学习算法中，以此根据外部烟气的图像实时预测隧道内的火源功率和火源位置，为隧道火灾中的人员疏散和灭火救援等工作提供安全性评判依据。
本文档来自技高网...【技术保护点】
1.一种基于外部烟气图像的隧道火灾智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述摄像机阵列以多个视角拍摄隧道各端出口溢出的外部烟气图像包括：
3.根据权利要求1所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述通过服务器将外部烟气图像进行分割、降噪和灰度处理包括：
4.根据权利要求3所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述目标检测算法从图像中识别、定位目标烟气区域，并沿着目标烟气的边界将其从背景中分割出来。
5.根据权利要求3所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述语义分割算法通过边界框或查找属于目标烟气的所有像素识别出图像中存在的目标烟气区域。
6.根据权利要求3所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述降噪算法用于降低因摄像机安装、摆放、参数设置的随机干扰因素导致的图像噪声。
7.根据权利要求3所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，将图
8.根据权利要求1所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，输入深度学习算法的烟气图像为单一视角下拍摄的烟气图像，或者是隧道呈不同角度以及距隧道端口不同距离、以不同高度或在隧道不同端口拍摄的烟气图像的任意组合。
9.根据权利要求1～8任一项所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述深度学习算法为循环神经网络或者视觉注意力模型，能够识别所输入的信号之间包含的时间顺序关系，并从这种时间顺序关系中挖掘出单一信号所不具有的特征；输入深度学习算法的图像是单一视角下拍摄的烟气图像，或者是与隧道呈不同角度、距隧道端口不同距离、以不同高度或在隧道不同端口拍摄的烟气图像的任意组合。
10.实现权利要求1所述的一种基于外部烟气图像的隧道火灾智能预测方法的系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于外部烟气图像的隧道火灾智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述摄像机阵列以多个视角拍摄隧道各端出口溢出的外部烟气图像包括：
3.根据权利要求1所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述通过服务器将外部烟气图像进行分割、降噪和灰度处理包括：
4.根据权利要求3所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述目标检测算法从图像中识别、定位目标烟气区域，并沿着目标烟气的边界将其从背景中分割出来。
5.根据权利要求3所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述语义分割算法通过边界框或查找属于目标烟气的所有像素识别出图像中存在的目标烟气区域。
6.根据权利要求3所述的基于外部烟气图像的隧道火灾智能预测方法，其特征在于，所述降噪算法用于降低因摄像机安装、摆放、参数设置的随机干扰因素导致的图像噪声。
【专利技术属性】
技术研发人员：熊才溢，江赛华，程家圻，杨涅，
申请(专利权)人：华南理工大学，
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。