发明内容
针对现有技术的不足,本发明的目的旨在于提供一种能够使得裸数据效用最大化,并能将其应用到各个行业中,即能够提高工业和民用领域对火险预警与监测准确性的基于红外热成像裸数据的火情与热源探测方法。
为实现上述目的,本发明采用如下技术方案:
一种基于红外热成像裸数据的火情与热源探测方法,包括如下步骤:
步骤1、初始化热像仪内部数据以及服务器内部数据,并使得热像仪与服务器之间建立连接关系;
步骤2、通过服务器循环获取当前时刻热像仪生成的热图像,并将该热图像的每个像元点的环温数据保存于一文件夹中;
步骤3、调取文件夹中的环温数据并进行相应的解码,以获取每个像元点的环温值,并将所有像元点的环温值数组化;
步骤4、当热像仪生成的是室内近距离场景的热图像,则对数组化的环温值进行静态阈值判定以确定着火点,当热像仪生成的是户外近距离场景的热图像,则对数组化的环温值进行邻值阈值判定以确定着火点,当热像仪生成的是户外中远距离场景的热图像,则对数组化的环温值进行均值阈值判定以确定着火点。
优选的,步骤4还包括,当热像仪生成的是室内复杂场景的热图像,则对数组化的环温值进行静态均值阈值联合判定以确定着火点;
其中,所述静态均值阈值联合判定是指先对数组化的环温值进行静态阈值判定以得出相应结果,再对所述相应结果进行均值阈值判定以确定着火点。
优选的,步骤4之后还包括以下步骤,
步骤5、当阈值判定后确定了着火点,则服务器发送告警信号给移动终端进行告警。
优选的,步骤4中的当热像仪生成的是户外近距离场景或户外中远距离场景的热图像时,通过矩阵判定替换邻值阈值判定或均值阈值判定以确定着火点;
其中,矩阵判定是指将数组化的环温值划分为若干个方阵,每组方阵均通过建立线性函数关系对应地生成一个线性关系坡度值k,k值数值越高,线性坡度越陡,数据差异越大,当坡度值越过某一预设的阈值E,则判定此方阵异常,此方阵中包含的环温值对应的像元点均为着火点。
优选的,所述静态阈值判定是指预先设定着火点的阈值M,若某像元点数组化后的环温值高于阈值M,则判定该像元点为着火点。
优选的,所述邻值阈值判定是指预先设定着火点的阈值N,若某像元点数组化后的环温值高于阈值N,且该像元点与其周边8个邻域像元点的数组化后的环温值的平均值也高于阈值N,则判定该像元点为着火点。
优选的,所述均值阈值判定是指预先设定着火点的阈值F,求取热图像中的所有像元点的数组化后的环温值的平均值A,并预先设定另一阈值T,若某像元点数组化后的环温值高于阈值F,且该像元点与其周边8个邻域像元点的数组化后的环温值的平均值高于A+T,则判定该像元点为着火点。
本发明还涉及一种基于红外热成像裸数据的火情与热源探测装置,包括如下模块:
初始化模块,用于初始化热像仪内部数据以及服务器内部数据,并使得热像仪与服务器之间建立连接关系;
数据获取模块,用于通过服务器循环获取当前时刻热像仪生成的热图像,并将该热图像的每个像元点的环温数据保存于一文件夹中;
数据处理模块,用于调取文件夹中的环温数据并进行相应的解码,以获取每个像元点的环温值,并将每个像元点的环温值数组化;
判定模块,用于当热像仪生成的是室内近距离场景的热图像,则对数组化的环温值进行静态阈值判定以确定着火点,当热像仪生成的是户外近距离场景的热图像,则对数组化的环温值进行邻值阈值判定以确定着火点,当热像仪生成的是户外中远距离场景的热图像,则对数组化的环温值进行均值阈值判定以确定着火点。
优选的,判定模块还包括,当热像仪生成的是室内复杂场景的热图像,则对数组化的环温值进行静态均值阈值联合判定以确定着火点;
其中,所述静态均值阈值联合判定是指先对数组化的环温值进行静态阈值判定以得出相应结果,再对所述相应结果进行均值阈值判定以确定着火点。
优选的,判定模块之后还包括以下模块,
告警模块,用于当阈值判定后确定了着火点,则服务器发送告警信号给移动终端进行告警。
本发明的有益效果如下:
本发明使得我们可以将红外热像仪的数据效用最大化,并广泛应用到各个行业,这里体积的不同的判定方法的可以覆盖所有的热源/火情探测、分析与告警领域。邻值阈值判定法适用于户外近距离场景,静态阈值判定法适用于室内近距离场景,均值阈值判定法适用于户外中远距离应用场景、静态均值阈值联合判定法适用于室内复杂环境。由此使用红外热像仪结合此三种判定方法能很好的解决工业和民用领域对火险预警与监测准确性与距离的问题。
具体实施方式
下面将结合附图以及具体实施方式,对本发明做进一步描述:
请参见图1,本发明涉及一种基于红外热成像裸数据的火情与热源探测方法,其较佳实施方式包括如下步骤:
步骤S1、初始化热像仪内部数据以及服务器内部数据,并使得热像仪与服务器之间建立连接关系。
具体的,初始化热像仪内部数据,并将热像仪与服务器建立连接关系。再者可以调用相应的函数对热像仪数据进行初始化功能,以保证初始化热像仪得到的初始数据的准确性与稳定性。
同时,对服务器开机运行初始化过程,确保其与热像仪连接完成,并初始化服务器内部数据。
步骤S2、通过服务器循环获取当前时刻热像仪生成的热图像,并将该热图像的每个像元点的环温数据保存于一文件夹中。
具体的,在服务器与热像仪建立稳定的连接环境后,通过服务器开启热像仪的数据采集功能,循环获取当前时刻环温数据并保存于文件中,以便后续通过对数据分析来探测周边环境状态(是否有高温热源)。
步骤S3、调取文件夹中的环温数据并进行相应的解码,以获取每个像元点的环温值,并将所有像元点的环温值数组化。热像仪将环温数据获取并存于文件中并不可直观,需要服务器提取出来并解码成相应的可直观数据,以获取每个像元点的环温值,并对其进行相应的分析;为获取相应的火源在热图像中的位置,又需将所有像元点的环温值转化为坐标形式,即将其数组化;
步骤S4、当热像仪生成的是室内近距离场景的热图像,则对数组化的环温值进行静态阈值判定以确定着火点,当热像仪生成的是户外近距离场景的热图像,则对数组化的环温值进行邻值阈值判定以确定着火点,当热像仪生成的是户外中远距离场景的热图像,则对数组化的环温值进行均值阈值判定以确定着火点。作为优选的,步骤S4还包括,当热像仪生成的是室内复杂场景的热图像,则对数组化的环温值进行静态均值阈值联合判定以确定着火点。静态均值阈值联合判定是指先对数组化的环温值进行静态阈值判定以得出相应结果,再对所述相应结果进行均值阈值判定以确定着火点。
其中,室内近距离场景通常指的是一般普通酒店、旅馆、办公写字楼以及普通住宅小区、小型商店超市等,即无太多高温非物质火源的干扰监测环境。户外近距离场景指的是户外的以热像仪为中心的300m以内的监测环境。户外中远距离场景指的是户外的以热像仪为中心的300m以外500m以内的监测环境。室内复杂场景指的是指的是存在较多移动热源的场景,如大型纸业仓库,铲车(内置发动机),大型展馆,会展中心,娱乐休闲餐饮场所以及客流量大的商场等。
具体的,通过四种不同的火情判定方法,即静态阈值判定、邻值阈值判定、均值阈值判定以及静态均值阈值联合判定四种不同的方法,对数组化的数据进行分析,以使不同算法对应不同环境,故灵敏度也有相应不同。再者,每一时刻只能运用一种算法进行分析,就保证了系统的稳定性,能够有效防止崩溃、出错、异常的等不稳定情况出现。
其中,热像仪在室内室外的分布位置均不同,不同位置的热像仪获取的数据会带有相应的IP识别地址,而服务器均能识别不同IP识别地址,并根据不同的IP识别地址选取相应的阈值判定方法。当热像仪生成的是室内近距离场景的热图像,则对应的数组化的环温值带有一服务器可识别的标识为室内近距离场景的IP识别地址。当热像仪生成的是户外近距离场景的热图像,则对应的数组化的环温值带有一服务器可识别的标识为户外近距离场景的IP识别地址。当热像仪生成的是户外中远距离场景的热图像,则对应的数组化的环温值带有一服务器可识别的标识为户外中远距离场景的IP识别地址。当热像仪生成的是室内复杂场景的热图像,则对应的数组化的环温值带有一服务器可识别的标识为户外中远距离场景的IP识别地址。
步骤S5、当阈值判定后确定了着火点,则服务器发送告警信号给移动终端进行告警。即可以及时告知相关管理人员,使管理人员能第一时间作出反应,最大限度的减少火灾带来的损失。
其中,热像仪即为红外热成像仪,这里的红外热成像仪可以是一个对应44.4度视场角,带8mm锗镜的红外热成像仪。红外热成像仪获取的热图像是一幅a×b大小的图像,其中每一个像元点都有对应的取值,该取值是一个与观测目标温度相关的读数,即为所谓的环温值。在整个系统中,将每个像元点的环温值数组化后,即可以将红外热成像仪获取的图像看做是一个x行y列的数组,该图像数组可表示为:
则在该数组中位于第i行第j列的像元取值可表示为a(i,j)。
静态阈值判定是指预先设定着火点的阈值M,若某像元点数组化后的环温值高于阈值M,则判定该像元点为着火点。
具体的,在红外热成像中,温度越高的区域图像的像元值就越大,表现在图像上就越亮。因此需要根据试验和实际需要,预先设置红外热像仪的着火点的阈值M,当像元取值高于这一阈值时系统便认为发现着火点。
将该阈值设定为M,则着火点的集合可表示为:
Fire={a(i,j)|a(i,j)>M,1≤i≤x,1≤j≤y}(2)
邻值阈值判定是指预先设定着火点的阈值N,若某像元点数组化后的环温值高于阈值N,且该像元点与其周边8个邻域像元点的数组化后的环温值的平均值也高于阈值N,则判定该像元点为着火点。具体的,设置红外热像仪的着火点阈值N,当像元取值高于这一阈值时,需要该像元取值及该像元周边8个邻域的取值求平均,若该平均值仍然大于着火点阈值N,则认为发现着火点。
设像元取值及像元周边八领域取值之和为Sum,其算法为:
则着火点的集合可以表示为:
Fire={a(i,j)|a(i,j)>N&Sum/9>N,1<i<x,1<j<y}(4)
均值阈值判定是指预先设定着火点的阈值F,求取热图像中的所有像元点的数组化后的环温值的平均值A,并预先设定另一阈值T,若某像元点数组化后的环温值高于阈值F,且该像元点与其周边8个邻域像元点的数组化后的环温值的平均值高于A+T,则判定该像元点为着火点。
具体的,预先设定着火点的阈值F,求取全图所有像元取值的平均值A,再设定另一个阈值T,当像元及周边八领域像元取值的平均值大于A+T时,认为发现着火点。全图所有像元取值的平均值可表示为:
则着火点的集合可以表示为:
Fire={a(i,j)|a(i,j)>F&Sum/9>(A+T),1<i<x,1<j<y}(6)
另外,步骤4中的当热像仪生成的是户外近距离场景或户外中远距离场景的热图像时,可以通过矩阵判定替换邻值阈值判定或均值阈值判定以确定着火点。
户外近距离场景以及户外中远距离场景均为户外场景。在户外场景中,尤其是公园及山区旅游景点等地,可以对数组化的环温值进行矩阵判定。矩阵判定是指将数组化的环温值划分为若干个方阵,每组方阵均通过建立线性函数关系对应地生成一个线性关系坡度值k,k值数值越高,线性坡度越陡,数据差异越大,当坡度值越过某一预设的阈值E,则判定此方阵异常,此方阵中包含的环温值对应的像元点均为着火点。根据矩阵判定的特性,每次统计的像元点均大于或等于4个,所以在树木、杂草较多的环境中,矩阵判定相对而言更能准确地定位出热源的位置,即更为准确地确定着火点。
其中,数组化的环温值可以为一384*288的行列表,该行列表可以划分为192*144个2×2的方阵,每个2×2的方阵通过建立线性函数关系对应地生成一个线性关系坡度值k,k值数值越高,线性坡度越陡,数据差异越大,当坡度值越过某一预设的阈值E,则判定此方阵异常,此方阵中包含的环温值对应的像元点均为着火点。
本发明还涉及一种基于红外热成像裸数据的火情与热源探测装置,包括如下模块:
初始化模块,用于初始化热像仪内部数据以及服务器内部数据,并使得热像仪与服务器之间建立连接关系。
数据获取模块,用于通过服务器循环获取当前时刻热像仪生成的热图像,并将该热图像的每个像元点的环温数据保存于一文件夹中。
数据处理模块,用于调取文件夹中的环温数据并进行相应的解码,以获取每个像元点的环温值,并将每个像元点的环温值数组化。
判定模块,用于当热像仪生成的是室内近距离场景的热图像,则对数组化的环温值进行静态阈值判定以确定着火点,当热像仪生成的是户外近距离场景的热图像,则对数组化的环温值进行邻值阈值判定以确定着火点,当热像仪生成的是户外中远距离场景的热图像,则对数组化的环温值进行均值阈值判定以确定着火点。
优选的,判定模块还包括,当热像仪生成的是室内复杂场景的热图像,则对数组化的环温值进行静态均值阈值联合判定以确定着火点;
其中,所述静态均值阈值联合判定是指先对数组化的环温值进行静态阈值判定以得出相应结果,再对所述相应结果进行均值阈值判定以确定着火点。
优选的,判定模块之后还包括以下模块,告警模块,用于当阈值判定后确定了着火点,则服务器发送告警信号给移动终端进行告警。
对于本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及变形,而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。