CN105321289B - 一种全天候监控图像智能分析与报警系统与方法 - Google Patents

Abstract

本发明提供了一种全天候监控图像智能分析与报警系统，所述系统设置有三种工作模式，分别为近岸水面溢油视频分析与报警模式、人群密度监测与报警模式以及火灾检测与报警模式；所述系统包括红外智能监控模块、云台和上位机：所述红外智能监控模块包括红外成像模块、信息处理模块以及电源，用于图像采集以及处理：所述云台用于承载随动平台及线路传输通道，完成监控观测位置的调节，能够自动调整角度，保证目标处于监控区域内部；所述上位机设置为与所述红外智能监控模块相通信，实现对所述全天候监控图像智能分析与报警系统的控制以及配置，对所述系统获得的数据进行储存及显示，提供人机交互接口。

Description

一种全天候监控图像智能分析与报警系统与方法

技术领域

本发明涉及红外监测、报警技术领域，尤其涉及应用于监测近岸水面溢油、人群密度以及火灾的一种全天候监控图像智能分析与报警系统与方法。

背景技术

石油化工产品储油罐上端为可随油品储存量变化的密封浮顶。因罐壁较高且浮顶处于内部，当储存量较少时，罐体内部发生火灾不易发现，如较早发现，能够有效消除火灾带来的危害。

对于广场、售票厅等人流密集区域，人员密度和运动流向在短时间内保持稳定，如有突发情况出现，会出现大面积的人员骚动，表现出人员运动突然变快、密度突然增加等现象，如能够较早发现此种异常情况，能够对突发情况进行有效处理。

油码头和油船在油品装卸时较易发生油品泄漏，通过水路船舶进行油品运输的主要为原油，原油对海洋环境污染较为严重，如能够有效监测泄漏情况的发生，及时采取相应的措施，避免造成重大污染。

所以，有效的对近岸水面溢油、人群密度以及火灾进行监测与报警，及时采取积极的措施，能够消除或减少火灾以重大污染带来的危害，以及能够对突发情况进行高效处理。

发明内容

根据本发明的全天候监控图像智能分析与报警系统，用于城市火灾检测、公众场所人流检测、近岸水面溢油监测。完成对异常情况进行监控和识别，当出现超警戒阈值时进行报警提示。行人检测应用条件为人员大量一致的运动特性，而实际情况会出现人员遮挡严重、人员无规则运动、携带较大行李等干扰情况。溢油检测应用中泄漏的原油具有流动性，无确定外形规则，并且存在阳光反射、波浪、漂浮物等干扰因素的影响。因此需在已有算法技术基础上，针对此三种异常检测算法进行技术攻关，提高系统识别概率，降低误报率，实现图像智能分析算法的工程化应用。

本发明的目的在于提供一种全天候监控图像智能分析与报警系统，其设置有三种工作模式，分别为近岸水面溢油分析与报警模式、人群密度监测与报警模式以及火灾检测与报警模式。为达到上述目的，本发明采用如下技术方案：

本发明提供了一种全天候监控图像智能分析与报警系统，所述系统设置有三种工作模式，分别为近岸水面溢油视频分析与报警模式、人群密度监测与报警模式以及火灾检测与报警模式；

所述系统包括红外智能监控模块、云台和上位机：所述红外智能监控模块包括红外成像模块、信息处理模块以及电源，用于图像采集以及处理：所述云台用于承载随动平台及线路传输通道，完成监控观测位置的调节，能够自动调整角度，保证目标处于监控区域内部；所述上位机设置为与所述红外智能监控模块相通信，实现对所述全天候监控图像智能分析与报警系统的控制以及配置，对所述系统获得的数据进行储存及显示，提供人机交互接口。所述红外成像模块由光学系统、机械快门、探测器以及图像处理电路构成；所述信息处理模块用于接收上位机发送的信息以及探测图像处理电路传输的信息对目标进行异常情况的确定。

优选地，所述近岸水面溢油视频分析与报警模式步骤包括：

a)收到指令进入近岸水面溢油视频分析与报警模式；

b)统计下一帧图像；

c)扫描图像中的下一个像素；

d)判断像素值是否满足阈值条件，若满足进入步骤e)，否则进入步骤f)；

e)溢油像素计数器加1；

f)判断该帧图像是否扫描结束，若结束进入步骤g)，否则返回步骤c)；

g)判断像素数是否大于警戒值，若大于进入步骤h)，否则返回步骤b)；

h)向上位机发出报警信息。

优选地，所述人群密度监测与报警模式步骤包括：

a)收到指令进入人群密度检测与报警模式；

b)对下一帧图像进行监测；

c)计算人群目标分割阈值；

d)阈值分割得到人群目标的二值图像；

e)统计二值图像前景像素个数；

f)判断像素个数是否大于设定警戒阈值，若大于进入步骤g)，否则返回步骤b)；

g)对原始图像进行边缘监测；

h)计算边缘图像分割阈值，对边缘图像进行二值化；

i)统计边缘像素点个数；

j)判断边缘像素数是否大于设定警戒阈值,若大于进入步骤k)，否则返回步骤b)；

k)向上位机发出报警信息。

优选地，所述火灾检测与报警模式步骤包括：

a)收到指令进入火灾检测与报警模式；

b)对下一帧图像进行逐像素扫描判断；

c)判断扫描到像素的灰度值是否大于火源灰度阈值：若大于进入步骤d)，否则进入步骤e)；

d)火源像素计数器加1；

e)进行下一点像素值判断；

f)判断该帧图像扫描是否结束：若结束进入步骤g)，否则返回步骤c)；

g)判断火源像素总数是否大于报警阈值：若大于进入步骤h)，否则返回步骤b)；

h)向上位机总控台输出火灾报警信息。

优选地，所述火灾与溢油混合检测与报警模式步骤包括：

步骤701：收到指令进入火灾检测与近岸水面溢油分析与报警联合模式，开始扫描下一帧图像；

步骤702：判断图像的扫描是否结束，是则进入步骤709开始对溢油或火灾报警的判断，否则进入步骤703；

步骤703：对当前帧的图像的下一个像素进行扫描判断；

步骤704：判断扫描到像素的灰度值是否大于火源灰度阈值：若大于进入步骤705，将该像素存储在火源集合A中，并将火源像素计数器加1；否则进入步骤706；

步骤706：判断扫描到像素的灰度值是否大于溢油灰度阈值：若大于进入步骤707，将该像素存储在溢油集合B中，并将溢油像素计数器加1；否则进入步骤708；

步骤708：判断该帧图像扫描是否结束：若结束则返回步骤702，否则返回步骤703；

步骤709：统计每帧图像的进入当前各帧集合的像素数；

步骤710：判断一帧的火源像素总数是否大于报警阈值：若大于进入步骤711，否则进入步骤713；

步骤711：当发现一帧中的火源数目超于阈值时，判断与该帧相邻的其他帧的火源像素总数增长率是否大于报警阈值，若大于进入步骤712发出火灾警报，否则进入步骤713；

步骤713：判断一帧的溢油像素总数是否大于报警阈值：若大于进入步骤714，否则返回步骤701继续扫描；

步骤714：当发现一帧中的溢油数目超于阈值时，判断与该帧相邻的其他帧的溢油像素总数增长率是否大于报警阈值，若大于进入步骤715发出溢油警报，否则返回步骤701继续扫描；

优选地，所述步骤714中的溢油像素增长率可以设定为和步骤711中的火源像素增长率不同，或可以根据经验来进行参数的设定和判断。

优选地，所述步骤702的图像扫描的结束条件可以设定一定的时间周期间隔，当扫描到达一定时间后可以终止扫描进入后续的报警判断过程；或者设定一定的扫描帧数，当扫描到达一定帧数后可以终止扫描进入后续的报警判断过程；或者通过所述步骤705或707中的像素集合数目中的计数器值来判断是否结束扫描。

优选地，所述红外智能监控模块设置有密封壳体，用于保护所述红外智能监控模块，所述密封壳体及其包裹的红外智能监控模块整体设置于云台上。

优选地，所述红外成像模块根据选择的监控模式、监控对象的距离以及监控区域的大小对其进行不同参数的配置。

优选地，所述探测器设置为长波非制冷型探测器，用于全天候对场景红外图像获取。

应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。

附图说明

为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面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来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1示出了根据本发明的监控图像智能分析与报警系统的组成；

图2示出了根据本发明的监控图像智能分析与报警系统的四种工作状态选择流程图；

图3(a)和3(b)示出了根据本发明的监控图像智能分析与报警系统的工作模式选择流程图；

图4示出了根据本发明的监控图像智能分析与报警系统的近岸水面溢油视频分析与报警模式的方法流程图；

图5示出了根据本发明的监控图像智能分析与报警系统的人群密度监测与报警模式的方法流程图；

图6示出了根据本发明的监控图像智能分析与报警系统的火灾检测与报警模式的方法流程图。

图7示出了根据本发明的监控图像智能分析与报警系统的火灾和溢油联合检测与报警模式的方法流程图。

具体实施方式

通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例，可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。

图1示出了根据本发明的监控图像智能分析与报警系统的组成。如图1所示，根据本发明的监控图像智能分析与报警系统100包括红外智能监控装置101，云台109和上位机110。其中，红外智能监控装置101是本系统图像采集和处理的核心，由红外成像模块102、信息处理模块103和电源104组成。根据本发明的一个实施例，红外智能监控装置101的外部可以由密封壳体对其进行保护，整体安装于云台之上。

优选地，红外成像模块102采用长波非制冷型探测器，完成对监测场景的红外图像获取，能够实现零照度下清晰的图像采集，并受太阳辐射影响较小，较好的适应全天时的监控观测。

根据本发明的一个实施例，所述红外成像模块由光学系统、机械快门、探测器以及图像处理电路构成；所述信息处理模块用于接收上位机发送的信息以及探测图像处理电路传输的信息对目标进行异常情况的确定。

信息处理模块103能够通过云台109接收上位机110的指令，完成多种智能图像分析与处理，输出处理后的监控图像及异常报警信息，通过数据通讯接口完成监控控制指令及告警信息的传输，通过模拟视频电缆将PAL视频传输至监视器进行显示。

云台109主要实现根据人工控制或自动控制指令，使红外智能监控装置101指向预定的监控角度。红外智能监控装置101的通讯及供电线缆通过云台109滑环，从云台109下端引出与上位机110及电源104相连。

上位机110中设置有控制软件，提供控制人员人机交互接口，完成对系统的控制和配置，对系统上传的数据进行储存、显示。

所述红外成像模块由光学系统、机械快门、探测器以及图像处理电路构成；所述信息处理模块用于接收上位机发送的信息以及探测图像处理电路传输的信息对目标进行异常情况的确定。图2示出了根据本发明一个实施例的监控图像智能分析与报警系统的四种工作状态选择流程图。如图2所示，

在步骤201，系统进行状态初始化；

步骤202：系统进行自检，监测系统是否正常，若正常进入步骤203的等待模式；

步骤204：系统进行监测状态，判断是否收到指令进入火灾检测与报警模式，若是则进入205的火灾检测与报警模式进行进一步的检测和报警；若否，则进入步骤206继续判断；

步骤206：系统判断是否收到指令进入人群密度监测与报警模式，若是则进入步骤212的人群密度监测与报警模式进行进一步的检测和报警；若否，则进入步骤210继续判断；

步骤207：系统判断是否收到指令进入等待模式，若是则返回步骤203的等待模式，若否，则进入步骤208继续判断；

步骤208：系统判断是否收到指令进入人群密度监测与报警模式，若是则进入步骤212的人群密度监测与报警模式进行进一步的检测和报警；若否，则进入步骤209继续判断；

步骤209：系统判断是否收到指令进入近岸水面溢油视频分析与报警模式，若是则进入步骤211的近岸水面溢油视频分析与报警模式，若否则返回步骤203的等待模式，继续等待。

步骤210：系统判断是否收到指令进入近岸水面溢油视频分析与报警模式，若是则进入步骤211的近岸水面溢油视频分析与报警模式，若否则返回步骤203的等待模式，继续等待。

步骤211：进入近岸水面溢油视频分析与报警模式，结束后进入步骤213的等待模式；

步骤212：进入人群密度监测与报警模式，结束后进入步骤213的等待模式；

步骤214：系统判断是否收到指令进入火灾检测与报警模式，若是则进入205的火灾检测与报警模式进行进一步的检测和报警；若否，则进入步骤215继续判断；

步骤215：系统判断是否收到指令进入近岸水面溢油视频分析与报警模式，若是则进入步骤211的近岸水面溢油视频分析与报警模式，若否则返回步骤203的等待模式，继续等待。

根据上述步骤，系统可以在指令的指示下在近岸水面溢油视频分析与报警模式、火灾检测与报警模式和人群密度监测与报警模式之间进行切换，方便系统可以应用于多种场合。

图3示出了根据本发明的监控图像智能分析与报警系统的工作模式选择框图。如图3(a)所示，为工作模式选择流程图，步骤如下：

步骤301：开机并进行状态自检验；

步骤302：监测系统是否正常，若正常进入步骤204，若不正常，进入步骤303；

步骤303：进入故障状态；

步骤304：进入系统选择状态；

步骤305：手动选择四种工作状态，分别为系统设定状态、智能监控状态、人工监控状态以及系统维护状态。

图3(b)示出了根据本发明的监控图像智能分析与报警系统的四种工作状态的功能图。如图3(b)所示，为四种工作状态的功能框图：系统设定状态310可对系统进行监控区域设定311、监控类型设定312以及报警阈值设定313；智能监控状态320可进行火灾检测算法321、人流检测算法322以及溢油检测算法323；人工监控状态330设有云台控制331和红外成像器控制332两个功能；系统维护状态340设有系统参数配置341和软件升级342两部分。

图4示出了根据本发明另一个实施例的监控图像智能分析与报警系统的近岸水面溢油视频分析与报警模式的方法流程图。如图4所示，步骤如下：

步骤401：收到指令进入近岸水面溢油视频分析与报警模式；

步骤402：统计下一帧图像；

步骤403：扫描图像中的下一个像素；

步骤404：判断像素值是否满足阈值条件，若满足进入步骤405，否则进入步骤406；

优选地，所述阈值条件可以是像素的灰度值大小。

步骤405：溢油像素计数器加1；

步骤406：判断该帧图像是否扫描结束，若结束进入步骤407，否则返回步骤403；

步骤407：判断像素数是否大于警戒值，若大于进入步骤408，否则返回步骤402；

步骤408：向上位机发出报警信息。

图5示出了根据本发明另一个实施例的监控图像智能分析与报警系统的人群密度监测与报警模式的方法流程图。

步骤501：收到指令进入人群密度检测与报警模式；

步骤502：对下一帧图像进行监测；

步骤503：计算人群目标分割阈值；

步骤504：阈值分割得到人群目标的二值图像；

步骤505：统计二值图像前景像素个数；

步骤506：判断像素个数是否大于设定警戒阈值，若大于进入步骤507，否则返回步骤502；

步骤507：对原始图像进行边缘监测；

步骤508：计算边缘图像分割阈值，对边缘图像进行二值化；

步骤509：统计边缘像素点个数；

步骤510：判断边缘像素数是否大于设定警戒阈值,若大于进入步骤511，否则返回步骤502；

步骤511：向总控台发出报警信息。

图6示出了根据本发明一个实施例的监控图像智能分析与报警系统的火灾检测与报警模式的方法流程图。如图6所示，

步骤601：收到指令进入火灾检测与报警模式；

步骤602：对下一帧图像进行逐像素扫描判断；

步骤603：判断扫描到像素的灰度值是否大于火源灰度阈值：若大于进入步骤604，否则进入步骤605；

步骤604：火源像素计数器加1；

步骤605：进行下一点像素值判断；

步骤606：判断该帧图像扫描是否结束：若结束进入步骤607，否则返回步骤603；

步骤607：判断火源像素总数是否大于报警阈值：若大于进入步骤608，否则返回步骤602；

步骤608：向上位机输出火灾报警信息。

图7示出了根据本发明另一个实施例的监控图像智能分析与报警系统的火灾检测与报警模式的方法流程图。如图7所示，根据本发明的另一实施例，火源监测可以与溢油监测同时进行，不仅可以省去重复扫描图像的次数和时间，大幅加快报警时间，还可以特别针对于溢油泄漏处发生火灾隐情的情况进行及时探测和发现，提高系统报警的灵敏度。

此外，本实施例中引入的相邻帧增长率的判断，还可以防止误判，从而提高系统报警的准确率。

步骤701：收到指令进入火灾检测与近岸水面溢油分析与报警联合模式，开始扫描下一帧图像；

步骤702：判断图像的扫描是否结束，是则进入步骤709开始对溢油或火灾报警的判断，否则进入步骤703；

优选地，图像扫描的结束条件可以由用户自行设定，比如设定一定的时间周期间隔，当扫描到达一定时间后可以终止扫描进入后续的报警判断过程。另外，也可以设定一定的扫描帧数，当扫描到达一定帧数后可以终止扫描进入后续的报警判断过程。更优选地，还可以通过后续步骤705或707中的像素集合数目中的计数器值来判断是否结束扫描。例如可以对计数器值设定一个阈值，当达到特定阈值后，即说明可能的火源面积或者溢油面积(即像素面积)已经超过了预警的面积大小，此时也可以终止扫描进入后续的报警判断过程。

步骤703：对当前帧的图像的下一个像素进行扫描判断；

步骤704：判断扫描到像素的灰度值是否大于火源灰度阈值：若大于进入步骤705，将该像素存储在火源集合A中，并将火源像素计数器加1；否则进入步骤706；

步骤706：判断扫描到像素的灰度值是否大于溢油灰度阈值：若大于进入步骤707，将该像素存储在溢油集合B中，并将溢油像素计数器加1；否则进入步骤708；

步骤708：判断该帧图像扫描是否结束：若结束则返回步骤702，否则返回步骤703；

步骤709：统计每帧图像的进入当前各帧集合的像素数；

步骤710：判断一帧的火源像素总数是否大于报警阈值：若大于进入步骤711，否则进入步骤713；

优选地，选取判断的一帧可以是在扫描过程中最早扫描的一帧，也可以是其他任意帧。

步骤711：当发现一帧中的火源数目超于阈值时，判断与该帧相邻的其他帧的火源像素总数增长率是否大于报警阈值，若大于进入步骤712发出火灾警报，否则进入步骤713；

根据一个实施例，这里的像素增长率即为相邻图像帧中火源像素增长的速率，如果发现增长率过快，则有极大概率已发生了火灾，需发出报警。增长率的判断可以不仅仅是相邻帧，还可以是相隔若干帧，从而进一步提高报警的准确率。

步骤713：判断一帧的溢油像素总数是否大于报警阈值：若大于进入步骤714，否则返回步骤701继续扫描；

步骤714：当发现一帧中的溢油数目超于阈值时，判断与该帧相邻的其他帧的溢油像素总数增长率是否大于报警阈值，若大于进入步骤715发出溢油警报，否则返回步骤701继续扫描；

根据一个实施例，这里的像素增长率即为相邻图像帧中溢油像素增长的速率，如果发现增长率过快，则有极大概率已发生了火灾，需发出报警。增长率的判断可以不仅仅是相邻帧，还可以是相隔若干帧，从而进一步提高报警的准确率。

优选地，步骤714中的溢油像素增长率可以设定为和步骤711中的火源像素增长率不同，由于实际情况中溢油速度可能和火灾过火的蔓延速度不同，因此可以根据经验来进行参数的设定和判断。

根据本发明的全天候监控图像智能分析与报警系统，用于城市火灾检测、公众场所人流检测、近岸水面溢油监测。完成对异常情况进行监控和识别，当出现超警戒阈值时进行报警提示。本发明的系统和报警方法速度快，准确率高，可以对于溢油和火灾的混合环境进行检测，非常高效。

以上只是本发明较佳的实例，并非来限制本发明实施范围，故凡依本发明申请专利范围所述的构造、特征及原理所做的等效变化或修饰，均应包括于本发明专利申请范围内。

Claims (9)

1.一种全天候监控图像智能分析与报警系统，其特征在于：所述系统设置有三种工作模式，分别为近岸水面溢油视频分析与报警模式、人群密度监测与报警模式以及火灾检测与报警模式；

所述系统包括红外智能监控模块、云台和上位机：所述红外智能监控模块包括红外成像模块、信息处理模块以及电源，用于图像采集以及处理：所述云台用于承载随动平台及线路传输通道，完成监控观测位置的调节，能够自动调整角度，保证目标处于监控区域内部；所述上位机设置为与所述红外智能监控模块相通信，实现对所述全天候监控图像智能分析与报警系统的控制以及配置，对所述系统获得的数据进行储存及显示，提供人机交互接口；所述红外成像模块由光学系统、机械快门、探测器以及图像处理电路构成；所述信息处理模块用于接收上位机发送的信息以及探测图像处理电路传输的信息对目标进行异常情况的确定；

所述系统可以在指令的指示下，在近岸水面溢油视频分析与报警模式、火灾检测与报警模式和人群密度检测与报警模式之间进行切换，方便系统可以应用于多种场合；

其中，所述火灾与溢油混合检测与报警模式步骤包括：

步骤701：收到指令进入火灾检测与近岸水面溢油分析与报警联合模式，开始扫描下一帧图像；

步骤702：判断图像的扫描是否结束，是则进入步骤709开始对溢油或火灾报警的判断，否则进入步骤703；

步骤703：对当前帧的图像的下一个像素进行扫描判断；

步骤704：判断扫描到像素的灰度值是否大于火源灰度阈值：若大于进入步骤705，

步骤705，将该像素存储在火源集合A中，并将火源像素计数器加1；否则进入步骤706；

步骤706：判断扫描到像素的灰度值是否大于溢油灰度阈值：若大于进入步骤707，将该像素存储在溢油集合B中，并将溢油像素计数器加1；否则进入步骤708；

步骤708：判断该帧图像扫描是否结束：若结束则返回步骤702，否则返回步骤703；

步骤709：统计每帧图像的进入当前各帧集合的像素数；

步骤710：判断一帧的火源像素总数是否大于报警阈值：若大于进入步骤711，否则进入步骤713；

步骤711：当发现一帧中的火源数目超于阈值时，判断与该帧相邻的其他帧的火源像素总数增长率是否大于报警阈值，若大于进入步骤712发出火灾警报，否则进入步骤713；

步骤713：判断一帧的溢油像素总数是否大于报警阈值：若大于进入步骤714，否则返回步骤701继续扫描；

步骤714：当发现一帧中的溢油数目超于阈值时，判断与该帧相邻的其他帧的溢油像素总数增长率是否大于报警阈值，若大于进入步骤715发出溢油警报，否则返回步骤701继续扫描。

2.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：所述近岸水面溢油视频分析与报警模式步骤包括：

a)收到指令进入近岸水面溢油视频分析与报警模式；

b)统计下一帧图像；

c)扫描图像中的下一个像素；

d)判断像素值是否满足阈值条件，若满足进入步骤e)，否则进入步骤f)；

e)溢油像素计数器加1；

f)判断该帧图像是否扫描结束，若结束进入步骤g)，否则返回步骤c)；

g)判断像素数是否大于警戒值，若大于进入步骤h)，否则返回步骤b)；

h)向上位机发出报警信息。

3.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：所述人群密度监测与报警模式步骤包括：

a)收到指令进入人群密度检测与报警模式；

b)对下一帧图像进行监测；

c)计算人群目标分割阈值；

d)阈值分割得到人群目标的二值图像；

e)统计二值图像前景像素个数；

f)判断像素个数是否大于设定警戒阈值，若大于进入步骤g)，否则返回步骤b)；

g)对原始图像进行边缘监测；

h)计算边缘图像分割阈值，对边缘图像进行二值化；

i)统计边缘像素点个数；

j)判断边缘像素数是否大于设定警戒阈值,若大于进入步骤k)，否则返回步骤b)；

k)向上位机发出报警信息。

4.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：所述火灾检测与报警模式步骤包括：

a)收到指令进入火灾检测与报警模式；

b)对下一帧图像进行逐像素扫描判断；

c)判断扫描到像素的灰度值是否大于火源灰度阈值：若大于进入步骤d)，否则进入步骤e)；

d)火源像素计数器加1；

e)进行下一点像素值判断；

f)判断该帧图像扫描是否结束：若结束进入步骤g)，否则返回步骤c)；

g)判断火源像素总数是否大于报警阈值：若大于进入步骤h)，否则返回步骤b)；

h)向上位机总控台输出火灾报警信息。

5.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：

所述步骤714中的溢油像素增长率可以设定为和步骤711中的火源像素增长率不同，或可以根据经验来进行参数的设定和判断。

6.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：所述步骤702的图像扫描的结束条件可以设定一定的时间周期间隔，当扫描到达一定时间后可以终止扫描进入后续的报警判断过程；或者设定一定的扫描帧数，当扫描到达一定帧数后可以终止扫描进入后续的报警判断过程；或者通过所述步骤705或707中的像素集合数目中的计数器值来判断是否结束扫描。

7.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：所述红外智能监控模块设置有密封壳体，用于保护所述红外智能监控模块，所述密封壳体及其包裹的红外智能监控模块整体设置于云台上。

8.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：所述红外成像模块根据选择的监控模式、监控对象的距离以及监控区域的大小对其进行不同参数的配置。

9.如权利要求1所述的全天候监控图像智能分析与报警系统，其特征在于：所述探测器设置为长波非制冷型探测器，用于全天候对场景红外图像获取。