CN103065413B - 获取火灾等级信息的方法及装置 - Google Patents
获取火灾等级信息的方法及装置 Download PDFInfo
- Publication number
- CN103065413B CN103065413B CN201210540250.5A CN201210540250A CN103065413B CN 103065413 B CN103065413 B CN 103065413B CN 201210540250 A CN201210540250 A CN 201210540250A CN 103065413 B CN103065413 B CN 103065413B
- Authority
- CN
- China
- Prior art keywords
- image
- information
- fire
- size class
- flame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种获取火灾等级信息的方法及装置。该方法包括:获取火灾现场图像;根据获取的图像进行对象识别;根据识别出的对象,进行图像特征信息提取;根据图像特征信息,获取对象实际参数信息;根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。应用本发明,可以提高火灾救援效率。
Description
技术领域
本发明涉及消防安全技术,尤其涉及一种获取火灾等级信息的方法及装置。
背景技术
消防行业中,在发生火灾时,对火灾等级的估计及判断直接决定了消防部门出动救援力量的大小以及行动的速度。判断的火灾等级越大,消防部门出动救援力量也就越大,行动的速度也越快。如果错误地低估了火灾等级的大小,从而导致现场救援力量不足,疏散不及时,将对人民群众的生命和财产安全产生重大威胁。
为了对火灾等级进行较为准确的估计,现有技术提出了一种基于图片或视频的火灾内容分析系统,用于辅助火灾探测和报警,该火灾内容分析系统一般利用现场部署的摄像头进行现场摄像,并通过智能图像分析技术检测摄像得到的图片中是否包含有火焰或烟雾,如果检测到火焰或烟雾产生,则触发火警报警器,在接收到报警信号后,根据获取的图片进行人工分析、识别,确定火灾等级,从而确定消防部门出动救援力量的大小以及行动的速度。
由上述可见,现有的火灾内容分析系统,只能针对摄像得到的图片,判断图片中是否包含有火焰和烟雾来确定是否触发火警报警,并通过人工的方式确定火灾等级,而不能自动判断出现场火灾的等级,也没能给出具体的现场信息,仍然需要人工进行火灾等级的分析、判断,并协调进行火灾救援,不仅使得火灾救援所需的时间较长,火灾救援效率低;而且,人工分析往往受限于个人经验、情绪等,容易判断失误,可能造成不可挽回的损失,进一步降低了火灾救援效率。
发明内容
本发明的实施例提供一种获取火灾等级信息的方法,提高火灾救援效率。
本发明的实施例还提供一种获取火灾等级信息的装置,提高火灾救援效率。
为达到上述目的,本发明实施例提供的一种获取火灾等级信息的方法,包括:
获取火灾现场图像;
根据获取的图像进行对象识别;
根据识别出的对象,进行图像特征信息提取;
根据图像特征信息,获取对象实际参数信息;
根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。
其中,通过现场摄像头获取所述火灾现场图像,或通过上传获取所述火灾现场图像,或通过手工录入获取所述火灾现场图像。
其中,所述对象识别包括:火焰识别、烟雾识别、人群识别和建筑物识别。
其中,所述根据获取的图像进行对象识别包括:
通过图像对比技术,将获取的图像与预先存储的正常状态时的现场图像进行对比,识别出获取的图像中包含的可疑异物;
提取图像中包含的可疑异物的颜色特征,与预先获取的火焰、烟雾和人群的颜色特征进行匹配,确定图像中包含的可疑异物为火焰、烟雾或人群。
其中,所述根据获取的图像进行对象识别包括:
通过图像对比技术,将获取的图像与预先存储的正常状态时的现场图像进行对比,识别出获取的图像中包含的可疑异物;
根据获取的图像的地理信息系统坐标信息以及拍照时的偏转方向信息,进行图像坐标计算,确定可疑异物是否为建筑物。
其中,所述进行图像特征信息提取包括:
采用图像分割算法对从图像中识别出的对象进行分割处理,获取分割的对象,再对分割的对象进行图像特征信息提取。
其中,所述图像特征信息包括:火焰特征信息、烟雾特征信息、建筑物特征信息以及人群特征信息。
其中,所述火焰特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
其中,所述根据图像特征信息,获取对象实际参数信息包括:
根据获取的摄像头的GIS坐标信息,建立三维的坐标空间;
根据图像特征信息,将火焰、烟雾、建筑物分别映射到建立的三维坐标空间;
从预先存储的建筑物库中查询获取与GIS坐标信息相匹配的现场建筑物信息;
以匹配得到的建筑物为参考物,确认火焰、烟雾的实际参数,获取着火点位置信息。
其中,所述根据图像特征信息,获取对象实际参数信息包括:
计算案例库中图像特征信息与获取的图像特征信息的相似度;
根据最小的相似度,对图像特征信息进行修正,作为当前图像中对象的实际参数信息。
其中,所述方法进一步包括:
在救火完成后,根据现场救援情况,对火灾等级信息以及对象实际参数信息进行修正,并存储到案例库。
一种获取火灾等级信息的装置,该装置包括:图像输入模块、对象识别模块、特征提取模块、分类模块以及分析处理模块,其中,
图像输入模块,用于获取火灾现场图像;
对象识别模块,用于根据图像输入模块获取的图像进行对象识别;
特征提取模块,用于根据对象识别模块识别出的对象,进行图像特征信息提取;
分类模块,用于根据图像特征信息,获取对象实际参数信息;
分析处理模块,用于根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。
较佳地,所述装置进一步包括:
反馈模块,用于在救火完成后,根据本次救援情况,对分析处理模块输出的判断结果参数以及分类模块获取的对象实际参数信息进行修正,并存储到案例库。
由上述技术方案可见,本发明实施例提供的一种获取火灾等级信息的方法及装置,获取火灾现场图像;根据获取的图像进行对象识别;根据识别出的对象,进行图像特征信息提取;根据图像特征信息,获取对象实际参数信息;根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。这样,利用图片识别和处理技术,自动获取和分析火灾现场的图像特征信息,并基于图像特征信息实现了自动判断火灾等级,从而减少了火灾救援所需时间,提高了火灾救援效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,以下将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,以下描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员而言,还可以根据这些附图所示实施例得到其它的实施例及其附图。
图1为本发明实施例获取火灾等级信息的装置结构示意图。
图2为本发明实施例获取火灾等级信息的方法流程示意图。
图3为本发明实施例获取火灾等级的方法具体流程示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
现有的火灾内容分析系统,通过摄像得到的图片中是否包含有火焰和烟雾来确定是否触发火警报警,而不能判断出现场火灾的等级,从而使消防队员不能获取火灾等级信息,及时协调进行火灾救援,使得火灾救援所需的时间较长,火灾救援效率低。
本发明实施例中,提出了一种基于图片内容分析的火灾等级识别装置,通过分析图片中的火势和烟雾信息,结合现场的建筑物材质和结构信息,以及现场人员的密集程度信息,预测火灾等级和危险程度,及时使相关消防人员获取火灾等级信息,及时协调进行火灾救援,并避免火灾等级由于主观判断导致的误判,提高火灾等级判断的精确性,从而提升火灾救援效率。
图1为本发明实施例获取火灾等级信息的装置结构示意图。该装置基于图片内容分析,进行火灾等级自动判断,参见图1,该装置包括:图像输入模块、对象识别模块、特征提取模块、分类模块以及分析处理模块,其中,
图像输入模块,用于获取火灾现场图像;
本发明实施例中,图像输入模块可以通过现场摄像头获取火灾现场图像,也可以通过现场报警人员上传获取火灾现场图像,还可以通过相关人员手工录入获取火灾现场图像。较佳地,通过现场安装的摄像头进行摄像,图像输入模块从摄像头读取摄像得到的图像。
图像包括图片以及视频,如果为视频,可以按照预先设置的时间间隔,从视频中截取并生成多张图片。
对象识别模块,用于根据图像输入模块获取的图像进行对象识别;
本发明实施例中,对象识别模块用于识别图像中的实体对象,对象识别包括火焰识别、烟雾识别、人群识别和建筑物识别等与火灾相关联的实体对象,识别的目的是获取足够多的现场信息,例如,用于后续中获取火焰与烟雾在图像中的位置和形状等。其中,
在火焰和烟雾产生后,摄像头摄像得到的现场图像与预先获取的正常状态时的现场图像存在较大差别,因而,通过图像对比技术,可以识别出图像中是否包含有可疑异物,例如,将现场图像与正常状态时的现场图像存在较大差别的位置作为可疑异物。
在识别出图像中包含有可疑异物后,根据预先获取的火焰、烟雾和人群的不同颜色特征,利用现有的基于颜色阈值的识别技术,从而可以判断出图像中包含的可疑异物为火焰、烟雾或人群。其中,火焰、烟雾的颜色特征可以根据发生火灾时拍摄得到的图片,对图片进行颜色处理得到;人群的颜色特征可以通过分析图片中包含的人群来确定。
本发明实施例中,建筑物是现场本身存在的,建筑物的识别可以通过地理信息系统(GIS,GeographicInformationSystem)坐标来辅助判断,由于火灾现场的地形、建筑物类别、形状、材质都是不变的,而摄像头的GIS坐标、拍照时的偏转方向等参数信息,可以在向图像输入模块输出图像时,携带在图像信息中,输出至图像输入模块,对象识别模块读取图像输入模块中的图像,结合GIS坐标、拍照时的偏转方向等参数信息,进行图像坐标计算,可以确认图像中可疑异物所在的位置具有的建筑物信息。
特征提取模块,用于根据对象识别模块识别出的对象,进行图像特征信息提取;
本发明实施例中,特征提取模块用于提取图像中被识别出的对象的特征信息。较佳地,采用几何特征来表示火焰、烟雾、人群、建筑物等对象的特征,特征提取模块从图像中提取出实体对象的几何特征信息,并将获取的对象几何特征信息存储到数据库。
如前所述,对象识别包括火焰识别、烟雾识别和建筑物识别,相对应地,图像特征信息提取包括:火焰特征信息提取、烟雾特征信息提取以及人群特征信息提取。
如前所述,通过图像对比和颜色阈值算法,识别出现场图像中出现的火焰、烟雾和人群后,为提取这些对象的特征信息,需要进一步从图像中,将识别出的对象分割出来,以便进行特征信息提取。
本发明实施例中,采用图像分割算法对从图像中识别出的对象进行分割处理,获取分割的对象,再对分割的对象进行图像特征信息提取。其中,分割出的对象保留该对象在图像中的位置。
图像分割算法包括:目标轮廓算法、背差法算法等,关于采用图像分割算法对识别出的对象进行分割处理,获取图像特征的详细描述,具体可参见相关技术文献,在此不再赘述。
在获取分割对象后,计算分割对象的图像特征信息。其中,对于图像特征信息为火焰特征信息的情形,包括:火焰面积信息、长度信息、宽度信息以及轮廓拟合曲线信息等。例如,对于火焰对象,通过对分割后的火焰的特征点计算,获取火焰的面积、最大长度、宽度、轮廓拟合曲线等信息。其中,通过轮廓拟合曲线信息,可以获取风向和着火点位置等信息,以作为后续进行人群疏散的依据。
本发明实施例中,计算分割对象的图像特征信息属于现有技术,具体可参见相关技术文献,在此不再赘述。
分类模块,用于根据图像特征信息,获取对象实际参数信息;
本发明实施例中,摄像头由于焦距和旋转角度的不同,使得拍摄得到的各图片比例并不一致,如果以拍摄得到的图片中包含的对象进行火灾等级判定,将导致对于同一火灾,经由各图片判断出的火灾等级不一致,因而,需要将拍摄的到的图片的图像特征信息转换为对象的实际参数信息,从而使图像特征信息符合实际情况,避免误判或错判,使经由各图片判断出的火灾等级一致。
分类模块利用图像特征模块提取的图像几何特征信息,计算对象的实际参数。实际应用中,分类模块可以通过GIS坐标信息,将所有对象映射到同一坐标系,并计算出对象的实际参数;也可以通过比对几何特征,查找出最相似案例,得到对象近似的实际参数。
如前所述,特征提取模块已提取出包含火焰大小、烟雾大小、风向和着火点位置等信息的图像特征信息。这样,
根据获取的摄像头的GIS坐标信息,建立三维的坐标空间;
根据图像特征信息,将火焰、烟雾、建筑物分别映射到建立的三维坐标空间;
从预先存储的建筑物库中查询获取与GIS坐标信息相匹配的现场建筑物信息;
以匹配得到的建筑物为参考物,确认火焰、烟雾的实际参数,获取着火点位置信息。
具体来说,以匹配得到的建筑物为参考物,计算出火焰、烟雾的大小;分析烟雾拟合曲线的方向和曲率,可以判断出现场的风向和风力等信息,根据获取的人群图像特征,可确认着火建筑附近是否有围观人群,如果有围观人群,则可基于获取的风向和着火点位置信息,确定疏散的方向。关于将火焰、烟雾、建筑物分别映射到建立的三维坐标空间,具体可参见相关技术文献,在此不再赘述。
实际应用中,分类模块如果没有接收到GIS坐标信息,则可以通过比对判断历史,从案例库中查找与获取的图像特征信息最相似的案例,相似度可以定义为图像中火焰或烟雾的面积与案例库中相应火焰或烟雾的面积差值,差值越小相似度就越高,其中,相似度可以根据实际情况设定,依据相似度,将匹配案例的火焰、烟雾等实际信息按照相似度进行修正后,作为当前图像中火焰或烟雾的实际参数信息。
建筑物库可以从相关部门备案获取,也可以从3D地图运营商获取,还可以通过其它方式获取。
分析处理模块,用于根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。
本发明实施例中,分析处理模块用于计算灾情等级和输出计算结果,即根据分类模块分析出的火焰、烟雾等现场实际参数信息,结合专家设置的灾情等级判定规则(火灾等级划分策略),对图像输入模块输入的图像,进行现场火灾等级判定,分析和判断火灾等级和危害大小,并输出结果和处理意见。
预先设置各火灾等级阈值,即各火灾等级对应的火焰参数阈值、和/或,烟雾参数阈值。例如,可以按照火焰、烟雾的面积与各火灾等级阈值的比较来划分火灾等级。
实际应用中,还可以针对特殊情况单独设定火灾等级阈值,例如,如果现场建筑物为木质,有易燃易爆物体;或建筑物为保护文物、学校或养老院等,则应设置较高的火灾等级,也就是说,可以将火灾等级阈值设置较低,这样,在发生同样火情的情况下,在着火处的建筑物为木质、有易燃易爆物体、保护文物、学校或养老院时,输出的火灾等级较高,从而可以优先部署救援力量。本发明实施例中,还可以在分析处理模块中预先设置报警接收方信息,将火灾等级信息按照预先设置的报警接收方信息,发送至相应的报警接收方。
较佳地,该装置还可以进一步包括:
反馈模块,用于在救火完成后,根据本次救援情况,对分析处理模块输出的判断结果参数以及分类模块获取的对象实际参数信息进行修正,并存储到案例库。
本发明实施例中,在救火完成后,为了进一步使后续火灾发生时,输出的判断结果参数,即火灾等级信息更为精确,可以由领域专家根据本次救援情况,对本次分析处理模块的自动判断结果参数以及分类模块获取的对象实际参数信息进行修正,并存储到案例库,例如,可以将案例库中存储的经修正的对象实际参数信息作为下次火灾发生时的参考物。
由上述可见,本发明实施例利用图片识别和处理技术,自动获取和分析火灾现场的各项关键信息,实现了自动判断火灾等级和火灾预警。与现有技术相比,本发明实施例能够在现有的技术基础上,帮助消防人员对火灾等级进行更精确的快速判定,提供更加高效的指挥决策服务,从而减少了火灾救援所需时间,提高了火灾救援效率。
图2为本发明实施例获取火灾等级信息的方法流程示意图。参见图2,该流程包括:
步骤201,获取火灾现场图像;
本步骤中,可以通过现场摄像头获取火灾现场图像,也可以通过现场报警人员上传获取火灾现场图像,还可以通过相关人员手工录入获取火灾现场图像。
步骤202,根据获取的图像进行对象识别;
本步骤中,对象识别包括:火焰识别、烟雾识别、人群识别和建筑物识别。
根据获取的图像进行火焰识别、烟雾识别、人群识别包括:
A11,通过图像对比技术,将获取的图像与预先存储的正常状态时的现场图像进行对比,识别出获取的图像中包含的可疑异物;
本步骤中,在发生火灾后,则通过该现场获取的图像,会与预先存储的该现场在正常状态时的图像存在较大差别,因而,可以根据该差别的大小识别出图像中是否包含有可疑异物,例如,如果获取的图像中某一处得到的差别大于预先设置的差别阈值,则确定获取的图像中的该处包含有可疑异物。
A12,提取图像中包含的可疑异物的颜色特征,与预先获取的火焰、烟雾和人群的颜色特征进行匹配,确定图像中包含的可疑异物为火焰、烟雾或人群。
本步骤中,火焰、烟雾的颜色特征可以根据发生火灾时拍摄得到的图片,对图片进行颜色处理得到;人群的颜色特征可以通过分析图片中包含的人群来确定。
根据获取的图像进行建筑物识别包括:
B11,通过图像对比技术,将获取的图像与预先存储的正常状态时的现场图像进行对比,识别出获取的图像中包含的可疑异物;
B12,根据获取的图像的地理信息系统坐标信息以及拍照时的偏转方向信息,进行图像坐标计算,确定可疑异物是否为建筑物。
本步骤中,根据获取的图像的地理信息系统坐标信息以及拍照时的偏转方向信息,进行图像坐标计算,具体可参见相关技术文献。当然,实际应用中,也可以将获取的图像与标注有建筑物的正常状态时的现场图像进行对比,从而从获取的图像中,确定出与标注的建筑物匹配的对象作为建筑物。
步骤203,根据识别出的对象,进行图像特征信息提取;
本步骤中,图像特征信息包括:火焰特征信息、烟雾特征信息、建筑物特征信息以及人群特征信息。
火焰特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
进行图像特征信息提取包括:
采用图像分割算法对从图像中识别出的对象进行分割处理,获取分割的对象,再对分割的对象进行图像特征信息提取。
本步骤中,图像分割算法包括:目标轮廓算法以及背差法算法。
步骤204,根据图像特征信息,获取对象实际参数信息;
本步骤中,根据图像特征信息,获取对象实际参数信息包括:
C11,根据获取的摄像头的GIS坐标信息,建立三维的坐标空间;
C12,根据图像特征信息,将火焰、烟雾、建筑物分别映射到建立的三维坐标空间;
C13,从预先存储的建筑物库中查询获取与GIS坐标信息相匹配的现场建筑物信息;
本步骤中,建筑物库中的现场建筑物具有确定的特征信息。
C14,以匹配得到的建筑物为参考物,确认火焰、烟雾的实际参数,获取着火点位置信息。
本步骤中,根据三维坐标空间中的建筑物特征信息与匹配得到的建筑物特征信息,计算参考系数,再将三维坐标空间中的火焰、烟雾的特征信息与参考系数相除,得到火焰、烟雾的实际参数。
当然,实际应用中,根据图像特征信息,获取对象实际参数信息也可以包括:
D11,计算案例库中图像特征信息与获取的图像特征信息的相似度;
本步骤中,计算相似度的目的用于从案例库中查找与获取的图像特征信息相似的案例。
相似度可以是面积的相似度,例如,可以定义为图像中火焰或烟雾的面积与案例库中相应火焰或烟雾的面积差值,差值越小相似度就越高。
D12,根据最小的相似度,对图像特征信息进行修正,作为当前图像中对象的实际参数信息。
本步骤中,依据相似度,将匹配案例的火焰、烟雾等实际信息按照相似度进行修正后,作为当前图像中火焰或烟雾的实际参数信息。
步骤205,根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。
本步骤中,预先设置各火灾等级阈值,即各火灾等级对应的火焰参数阈值、烟雾参数阈值。例如,可以按照火焰、烟雾的面积与各火灾等级阈值的比较来划分火灾等级。
较佳地,该方法还可以进一步包括:
步骤206,在救火完成后,根据现场救援情况,对火灾等级信息以及对象实际参数信息进行修正,并存储到案例库。
图3为本发明实施例获取火灾等级的方法具体流程示意图。参见图3,该流程包括:
步骤300,获取火灾现场图片;
步骤301,进行对象识别;
本步骤中,识别出图片中的火焰、烟雾、人群等对象,即对获取的图片进行火焰识别、烟雾识别、建筑物识别以及人群识别。
步骤302,对识别的对象进行特征提取,获取特征信息;
本步骤中,将识别的对象从图片中分割出来,然后提取对象的几何特征信息,例如,面积大小、长度和宽度、拟合曲线等。
步骤303,根据获取的特征信息进行匹配计算,获取对象的实际参数信息;
本步骤中,根据提取的几何特征信息,由分类模块通过GIS坐标,将所有火焰、烟雾等对象归一化到同一坐标系,计算出火焰、烟雾等对象的实际参数,或从案例库中进行匹配,得到对象的实际参数,如火焰、烟雾大小、着火点楼层等信息。
步骤304,根据对象的实际参数信息计算火灾等级信息;
本步骤中,根据领域专家与预先设定好的灾情等级判断规则,以及步骤303获得的对象的实际参数信息,计算出火灾等级。
步骤305,输出对象的实际参数信息以及火灾等级信息,并根据火灾等级信息,显示对应的警告信息;
本步骤祖红,格式化输出步骤303和步骤304的数据,并根据输出的火灾等级,显示相应火灾等级级别的警告信息。
步骤306,判断对象的实际参数信息以及火灾等级信息是否准确,如果否,执行步骤307,如果是,执行步骤308;
本步骤中,由领域专家审核评定该次自动判断的中间数据和结果,即对象的实际参数信息以及火灾等级信息是否准确。
步骤307,修正对象的实际参数信息以及火灾等级信息;
本步骤中,针对步骤306中领域专家认定的自动判断结果有误差的情形,由该专家对该次自动判断的中间数据和结果进行修正。
步骤308,存储火灾现场图像以及该火灾现场图像对应的对象的实际参数信息和火灾等级信息。
本步骤中,根据步骤306和步骤307,领域专家完成结果评定后,将本次判定使用的图片,以及图片对应的中间数据和结果保存到案例库,为下次自动判定提供依据。
显然,本领域技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也包含这些改动和变型在内。
Claims (13)
1.一种获取火灾等级信息的方法,包括:
获取火灾现场图像;
将获取的火灾现场图像与预先存储的正常状态时的现场图像进行对比,通过图像对比技术进行对象识别;
根据识别出的对象,进行图像特征信息提取;
根据图像特征信息,获取对象实际参数信息;
根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。
2.根据权利要求1所述的方法,其中,通过现场摄像头获取所述火灾现场图像,或通过上传获取所述火灾现场图像,或通过手工录入获取所述火灾现场图像。
3.根据权利要求2所述的方法,其中,所述对象识别包括:火焰识别、烟雾识别、人群识别和建筑物识别。
4.根据权利要求3所述的方法,其中,所述根据获取的图像进行对象识别包括:
通过图像对比技术,将获取的图像与预先存储的正常状态时的现场图像进行对比,识别出获取的图像中包含的可疑异物;
提取图像中包含的可疑异物的颜色特征,与预先获取的火焰、烟雾和人群的颜色特征进行匹配,确定图像中包含的可疑异物为火焰、烟雾或人群。
5.根据权利要求3所述的方法,其中,所述根据获取的图像进行对象识别包括:
通过图像对比技术,将获取的图像与预先存储的正常状态时的现场图像进行对比,识别出获取的图像中包含的可疑异物;
根据获取的图像的地理信息系统坐标信息以及拍照时的偏转方向信息,进行图像坐标计算,确定可疑异物是否为建筑物。
6.根据权利要求1至5任一项所述的方法,其中,所述进行图像特征信息提取包括:
采用图像分割算法对从图像中识别出的对象进行分割处理,获取分割的对象,再对分割的对象进行图像特征信息提取。
7.根据权利要求6所述的方法,其中,所述图像特征信息包括:火焰特征信息、烟雾特征信息、建筑物特征信息以及人群特征信息。
8.根据权利要求7所述的方法,其中,所述火焰特征信息包括:面积信息、长度信息、宽度信息以及轮廓拟合曲线信息。
9.根据权利要求6所述的方法,其中,所述根据图像特征信息,获取对象实际参数信息包括:
根据获取的摄像头的GIS坐标信息,建立三维的坐标空间;
根据图像特征信息,将火焰、烟雾、建筑物分别映射到建立的三维坐标空间;
从预先存储的建筑物库中查询获取与GIS坐标信息相匹配的现场建筑物信息;
以匹配得到的建筑物为参考物,确认火焰、烟雾的实际参数,获取着火点位置信息。
10.根据权利要求6所述的方法,其中,所述根据图像特征信息,获取对象实际参数信息包括:
计算案例库中图像特征信息与获取的图像特征信息的相似度;
根据最小的相似度,对图像特征信息进行修正,作为当前图像中对象的实际参数信息。
11.根据权利要求6所述的方法,其中,所述方法进一步包括:
在救火完成后,根据现场救援情况,对火灾等级信息以及对象实际参数信息进行修正,并存储到案例库。
12.一种获取火灾等级信息的装置,其特征在于,该装置包括:图像输入模块、对象识别模块、特征提取模块、分类模块以及分析处理模块,其中,
图像输入模块,用于获取火灾现场图像;
对象识别模块,用于将获取的火灾现场图像与预先存储的正常状态时的现场图像进行对比,通过图像对比技术进行对象识别;
特征提取模块,用于根据对象识别模块识别出的对象,进行图像特征信息提取;
分类模块,用于根据图像特征信息,获取对象实际参数信息;
分析处理模块,用于根据对象实际参数信息以及预先设置的火灾等级划分策略,确定火灾等级并输出确定的火灾等级信息。
13.根据权利要求12所述的装置,其特征在于,所述装置进一步包括:
反馈模块,用于在救火完成后,根据本次救援情况,对分析处理模块输出的判断结果参数以及分类模块获取的对象实际参数信息进行修正,并存储到案例库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210540250.5A CN103065413B (zh) | 2012-12-13 | 2012-12-13 | 获取火灾等级信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210540250.5A CN103065413B (zh) | 2012-12-13 | 2012-12-13 | 获取火灾等级信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103065413A CN103065413A (zh) | 2013-04-24 |
CN103065413B true CN103065413B (zh) | 2016-01-20 |
Family
ID=48108025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210540250.5A Active CN103065413B (zh) | 2012-12-13 | 2012-12-13 | 获取火灾等级信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065413B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112535832A (zh) * | 2020-11-06 | 2021-03-23 | 珠海格力电器股份有限公司 | 一种火灾智能调控方法、系统及智能设备 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103446698B (zh) * | 2013-08-19 | 2015-08-12 | 北京机械设备研究所 | 一种火源自动排序的方法 |
CN104318707B (zh) * | 2014-11-04 | 2016-12-07 | 河南城建学院 | 基于卫星遥感图像的森林火灾检测平台 |
CN107451198A (zh) * | 2017-07-05 | 2017-12-08 | 北京辰安信息科技有限公司 | 灾情评估方法和灾情评估装置 |
CN107770244B (zh) * | 2017-09-07 | 2020-11-13 | 深圳市盛路物联通讯技术有限公司 | 数据传输控制方法及相关产品 |
CN107991322A (zh) * | 2017-10-11 | 2018-05-04 | 深圳供电局有限公司 | 智能识别电力设备内部部件缺陷的方法及装置 |
CN108169761A (zh) * | 2018-01-18 | 2018-06-15 | 上海瀚莅电子科技有限公司 | 火场任务确定方法、装置、系统及计算机可读存储介质 |
CN109118702B (zh) * | 2018-09-29 | 2021-07-20 | 歌尔光学科技有限公司 | 火灾检测方法、装置和设备 |
CN109544854A (zh) * | 2018-10-16 | 2019-03-29 | 平安科技(深圳)有限公司 | 火灾检测方法、装置、电子设备及计算机可读存储介质 |
CN109637073A (zh) * | 2019-01-08 | 2019-04-16 | 重庆水利电力职业技术学院 | 一种基于光流法的火灾烟雾识别系统 |
CN109918711A (zh) * | 2019-01-22 | 2019-06-21 | 北京中北国泰装饰工程集团有限公司 | 基于区块链的灾后建筑物补修方法 |
CN110379121A (zh) * | 2019-05-07 | 2019-10-25 | 深圳市泰和安科技有限公司 | 一种险情警报方法及服务器 |
CN110276379B (zh) * | 2019-05-21 | 2020-06-23 | 方佳欣 | 一种基于视频图像分析的灾情信息快速提取方法 |
CN110624196B (zh) * | 2019-07-15 | 2021-03-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种应用于智能消防的自动阻燃控制方法 |
CN111126187A (zh) * | 2019-12-09 | 2020-05-08 | 上海眼控科技股份有限公司 | 火情检测方法、系统、电子设备及存储介质 |
CN111402541A (zh) * | 2020-03-11 | 2020-07-10 | 五邑大学 | 基于无人机集群的森林灭火方法及系统 |
CN112235539B (zh) * | 2020-10-11 | 2023-04-21 | 合肥岭雁科技有限公司 | 一种基于物联网的安防监测系统与监测方法、介质 |
CN112613347B (zh) * | 2020-12-03 | 2021-07-27 | 应急管理部国家自然灾害防治研究院 | 一种森林火灾过火范围和烧毁程度的自动识别方法 |
CN114494944A (zh) * | 2021-12-29 | 2022-05-13 | 北京辰安科技股份有限公司 | 火灾危险等级的确定方法、装置、设备及存储介质 |
CN115050157A (zh) * | 2022-06-10 | 2022-09-13 | 中国矿业大学(北京) | 一种消防监控终端及消防安全系统 |
CN115424404A (zh) * | 2022-09-06 | 2022-12-02 | 湖南省永神科技有限公司 | 一种具有火灾报警功能的照明系统 |
CN116757437B (zh) * | 2023-07-07 | 2024-01-30 | 浙江警正安全科技有限公司 | 一种智能消防用紧急报警系统 |
CN116597603B (zh) * | 2023-07-19 | 2023-10-10 | 山东哲远信息科技有限公司 | 一种智能消防火灾报警系统及其控制方法 |
CN117058253B (zh) * | 2023-10-12 | 2024-01-23 | 南京邮电大学 | 一种基于ptz摄像机的高精度告警定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763605A (zh) * | 2010-01-28 | 2010-06-30 | 成都东哈科技有限公司 | 三维数字城市消防预控管理系统 |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102231220A (zh) * | 2011-05-31 | 2011-11-02 | 王建雄 | 火灾等级检测方法 |
CN202134077U (zh) * | 2011-07-18 | 2012-02-01 | 广东宏景科技有限公司 | 一种基于智能推理的机房极早期火灾等级预警系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1239433A1 (de) * | 2001-03-09 | 2002-09-11 | VIDAIR Aktiengesellschaft | Verfahren und Vorrichtung zur Detektion von Rauch und/oder Feuer in Räumen |
-
2012
- 2012-12-13 CN CN201210540250.5A patent/CN103065413B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763605A (zh) * | 2010-01-28 | 2010-06-30 | 成都东哈科技有限公司 | 三维数字城市消防预控管理系统 |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102231220A (zh) * | 2011-05-31 | 2011-11-02 | 王建雄 | 火灾等级检测方法 |
CN202134077U (zh) * | 2011-07-18 | 2012-02-01 | 广东宏景科技有限公司 | 一种基于智能推理的机房极早期火灾等级预警系统 |
Non-Patent Citations (3)
Title |
---|
基于三维GIS的校园火灾应急救援决策支持系统研究;肖潇等;《河南科学》;20110131;第29卷(第1期);88-91 * |
孟繁等.基于在线监测的建筑火灾指标分级.《消防科学与技术》.2008,第27卷(第3期),182-183. * |
颜色直方图特征分割方法在火灾探测中的应用;陈威等;《计算机技术与发展》;20110731;第21卷(第7期);199-201,205 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112535832A (zh) * | 2020-11-06 | 2021-03-23 | 珠海格力电器股份有限公司 | 一种火灾智能调控方法、系统及智能设备 |
CN112535832B (zh) * | 2020-11-06 | 2021-12-14 | 珠海格力电器股份有限公司 | 一种火灾智能调控方法、系统及智能设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103065413A (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065413B (zh) | 获取火灾等级信息的方法及装置 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN110160583A (zh) | 一种文物监测装置、文物环境状态监测系统及存储箱 | |
CN109389185B (zh) | 使用三维卷积神经网络的视频烟雾识别方法 | |
CN110801593B (zh) | 一种融合多模态数据的极早期火灾预警系统及方法 | |
CN110674702B (zh) | 一种矿井图像场景分类方法、装置及设备、系统 | |
CN103632158A (zh) | 森林防火监控方法及森林防火监控系统 | |
KR102149832B1 (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
CN209543514U (zh) | 基于人脸识别的监控与报警系统 | |
CN105575034A (zh) | 一种双波段森林防火智能监控软件图像处理分析方法 | |
CN114782897A (zh) | 基于机器视觉及深度学习的危险行为检测方法及系统 | |
CN113344745A (zh) | 基于远程视频监控和云计算的工程项目智慧工地数据采集分析一体化云平台 | |
Chowdhury et al. | Computer vision and smoke sensor based fire detection system | |
CN113361420A (zh) | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 | |
CN112101181A (zh) | 一种基于深度学习的自动化隐患场景识别方法及系统 | |
CN115880722A (zh) | 一种配电作业人员穿戴的智能识别方法、系统和介质 | |
Luo | Research on fire detection based on YOLOv5 | |
CN115862296B (zh) | 铁路施工工地的火灾风险预警方法、系统、设备及介质 | |
CN113657201A (zh) | 船员行为监测分析方法、装置、设备及存储介质 | |
CN116682162A (zh) | 一种基于实时视频流的机器人人员检测算法 | |
CN114913323B (zh) | 一种充电桩区域夜间明火检测方法 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN115841730A (zh) | 视频监控系统、异常事件检测方法 | |
CN113299034B (zh) | 一种适应多场景的火焰识别预警方法 | |
Wang et al. | A segmentation method of smoke in forest-fire image based on fbm and region growing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |