CN107246913B - 基于多次判别机制的森林防火检测方法 - Google Patents
基于多次判别机制的森林防火检测方法 Download PDFInfo
- Publication number
- CN107246913B CN107246913B CN201710416021.5A CN201710416021A CN107246913B CN 107246913 B CN107246913 B CN 107246913B CN 201710416021 A CN201710416021 A CN 201710416021A CN 107246913 B CN107246913 B CN 107246913B
- Authority
- CN
- China
- Prior art keywords
- temperature
- flame
- identification
- targets
- fire protection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000004927 fusion Effects 0.000 claims abstract description 7
- 238000001931 thermography Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000009977 dual effect Effects 0.000 abstract description 3
- 238000004861 thermometry Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004079 fireproofing Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
- G01J5/0018—Flames, plasma or welding
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Fire-Detection Mechanisms (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开一种基于多次判别机制的森林防火检测方法,该方法包括了温度识别、高温目标识别和火焰识别,温度识别采用远距离范围式测温技术,范围式测温省去了复杂繁琐的温度标定工艺,极大提高了生产效率,同时范围式测温有效避免了大气与测温结果的干扰,实现了节省资源和保证结果的双重目的,并且范围式测温采用基于数据融合的测温判别方法,有效弥补范围式测温的精准度;高温目标识别时,采用逻辑处理和软件处理相结合的方法有效提高识别的效率;火焰识别时通过分析红外图像的灰度值,判断出是否为真的火焰。本发明所述方法极大的提高了森林防火检测的效率和识别率。
Description
技术领域
本发明涉及一种森林防火检测方法,具体的说,是一种基于多次判别机制的森林防火检测方法。
背景技术
当今市场,森林防火技术众多,其中以热像仪森林防火技术为主,热像仪不受环境光影响,可实现昼夜连续监测,同时对客服阴雨雾霾等天气效果良好,因此得到了广泛的应用。但目前市面流行的热像仪防火技术也有其不合理的缺陷,例如山后火源无法识别、红外反射源误报等。
发明内容
针对现有技术的缺陷,本发明提供一种基于多次判别机制的森林防火检测方法,提高森林防火检测的准确度,提高森林防火检测的效率。
为了解决所述技术问题,本发明采用的技术方案是:一种基于多次判别机制的森林防火检测方法,包括以下步骤:1)、远距离范围式测温,热像仪进行360°扫描并进行温度判别,温度判别采用基于数据融合的测温补偿方法,当视野中出现高温可疑目标后,停止扫描,并精确定位高温区域的具体位置,输入到下一检测环节;2)、高温目标识别,针对步骤1中识别到的高温可疑目标,进行高温目标的分离,确定高温目标和周围背景存在较大的温差,将高温目标从周围背景中分离出来;3)、火焰识别,高温目标确定后,对高温目标进行火焰识别,如果是火焰,则触发火焰报警;如果不是火焰,则标记为潜在高温危险目标。
本发明所述基于多次判别机制的森林防火检测方法,温度判别的具体过程为:11)、温度标定,设热像仪热值输出为H,对应的温度为T,采用黑体对热像仪进行标定,把热像仪对准黑体,调整黑体温度从-20℃到500℃,每间隔30度采集一次,得到对应的数据(Ti,Hi),通过MATLAB进行曲线拟合,从而建立热像仪输出热值和温度的对应关系:
T=f(H).............................................①;
12)、确定大气衰减系数,衰减因素有散射系数和吸收系数两个量化指标,设x为距离,y为空气系数,空气系数为气象站系统给出的1-100范围内的整数,其中100为最佳空气质量,则大气衰减系数为:
K=f(x,y).........................................②;
公式②的关系式采用标定的形式获得,具备通用性,标定时,每隔100米采集一次系数衰减率,空气质量和衰减系数成反比例,衰减系数范围为(0-1);
13)、根据公式①和②,得到最终测量温度的公式为:
Td=f(H*K)................................③,
公式③得到的便是实际温度值;
14)、根据林区植被的特点,划分多个火险级别区间,当Td落入对应火险级别较高的区间时,说明该目标为火险目标,开始进入下一高温目标检测技术环节。
本发明所述基于多次判别机制的森林防火检测方法,步骤13中,增加偏置D,则实际测量温度Td=f(H*K)+D。
本发明所述基于多次判别机制的森林防火检测方法,步骤14中,设置火险级别评价函数:F=f(Td)........................................④,判断F值大小,F值越大,说明火险等级越高,超过临界值后,说明该目标为火险目标,开始进入下一高温目标检测技术环节。
本发明所述基于多次判别机制的森林防火检测方法,步骤2中,采用逻辑处理和软件处理结合的方法识别高温目标,逻辑处理部分采用FPGA采集热像数字视频,并进行非均匀校正处理,得到画质均匀的图像,然后在软件处理部分采用连通域算法识别和搜索高温目标。
本发明所述基于多次判别机制的森林防火检测方法,软件处理部分采用连通域算法识别和搜索高温目标的过程为:把特性相同的像素连接成区域,比较笨区域像素平均值和其他周围像素的平均值大小,如果超过周围像素平均值,则本区域为高温目标。
本发明所述基于多次判别机制的森林防火检测方法,步骤3中,采用火焰形态检验的方法识别火焰,先标记高温目标区域,把标记的区域像素单独提取出来进行进一步分析,如果本区域的像素值明显分为三层,则认为是火焰。
本发明所述基于多次判别机制的森林防火检测方法,步骤3中,火焰识别时,同时进行可见光识别。
本发明的有益效果:本发明基于多次判别机制的森林防火检测方法包括了温度识别、高温目标识别和火焰识别,温度识别采用远距离范围式测温技术,范围式测温省去了复杂繁琐的温度标定工艺,极大提高了生产效率,同时范围式测温有效避免了大气与测温结果的干扰,实现了节省资源和保证结果的双重目的,并且范围式测温采用基于数据融合的测温判别方法,有效弥补范围式测温的精准度;高温目标识别时,采用逻辑处理和软件处理相结合的方法有效提高识别的效率;火焰识别时通过分析红外图像的灰度值,判断出是否为真的火焰。本发明所述方法极大的提高了森林防火检测的效率和识别率。
具体实施方式
下面结合具体实施例对本发明做进一步的说明。
一种基于多次判别机制的森林防火检测方法,包括以下步骤:1)、远距离范围式测温,热像仪进行360°扫描并进行温度判别,温度判别采用基于数据融合的测温补偿方法,当视野中出现高温可疑目标后,停止扫描,并精确定位高温区域的具体位置,输入到下一检测环节;2)、高温目标识别,针对步骤1中识别到的高温可疑目标,进行高温目标的分离,确定高温目标和周围背景存在较大的温差,将高温目标从周围背景中分离出来;3)、火焰识别,高温目标确定后,对高温目标进行火焰识别,如果是火焰,则触发火焰报警;如果不是火焰,则标记为潜在高温危险目标。
目前,非接触式测温的主要形式为红外热像仪,随着该项技术的发展,越来越多的场合开始使用红外测温热像仪设备进行精确测温或者进行范围式测温。但随着距离的增加,环境因素的影响,测温的精确度也会随之下降,严重影响精确测温的准确度,同时也影响范围式测温算法的识别能力。因此,针对此类问题,温度判别采用基于数据融合的测温补偿方法,有效弥补精确测温和范围式测温的精准度。
范围式测温的关键创新思想是:不追求得到被测目标的精确温度,而是得到被测目标所处的温度区间,为火险级别判断提供依据。这种做法,从设备生产角度来讲,省去了复杂繁琐的温度标定工艺,极大提高了生产效率,从使用角度来讲,如此区间式测温有效避免了大气对测温结果的干扰,实现了节省资源和保证结果的双重目的。
基于数据融合的温度判别方法具体为:(1)温度标定:设热像仪热值输出为H,对应的温度为T,采用黑体对热像仪进行标定,把热像仪对准黑体,调整黑体温度从-20℃到500℃,每间隔30度采集一次,得到对应的数据(Ti,Hi),通过MATLAB进行曲线拟合,从而建立热值和温度的对应关系:
T=f(H)...........................公式①;
(2)确定大气衰减系数,衰减因素有散射系数和吸收系数两个量化指标,设x为距离,y为空气系数,空气系数为气象站系统给出的1-100范围内的整数,其中100为最佳空气质量,则大气衰减系数为:
K=f(x,y)..............................................②;
公式②的关系式采用标定的形式获得,具备通用性,标定时,每隔100米采集一次系数衰减率,空气质量和衰减系数成反比例,衰减系数范围为(0-1);
(3)人工偏置,如果测量结果和实际相差较大,可采用人工干预增加偏置D;
(4)根据上述公式①和公式②,结合人工偏置,可得到最终测量温度的公式为:
Td=f(H*K)+D.....................................公式③
公式③得到的便是实际温度值
(5)根据林区的植被的特点,可划分若干火险等级区间,也可以采用特定的规则形成火险等级评价函数
F=f(Td).............................公式④
F值越大,说明火险等级越高,超过临界值后,说明该目标为火险目标,开始进入下一高温目标检测技术环节。
在红外图像上,红外目标比较容易被视觉识别,但如果采用算法进行准确识别并且计算其特征,需要采用连通域搜索的算法搜索目标。本技术的实现较为复杂,为了得到更高的效率和最佳的性价比,本方法在识别高温目标时采用逻辑处理和软件处理相结合的方式,实现了高效率和低代价。逻辑处理部分,采用FPGA实现,采集热像数字视频,并进行非均匀校正处理,得到画质均匀的图像。这部分如果放在处理器中实现,效率将会大大降低,达不到林火识别要求的实时性。然而如果在逻辑部分实现连通域算法,则会带了巨大的麻烦,将耗费很对的逻辑资源,效率也降低,因此在软件处理部分实现连通域算法,进行高温目标的识别和搜索,采用连通域算法识别高温目标的具体过程为:把特性相同的像素连接成区域,比较本区域像素平均值和其他周围像素的平均值大小,如果超过周围像素平均值,则本区域为高温目标。
经过测试,采用逻辑处理与软件部分相结合的方式有效识别帧率达到了20帧,基本满足客户对识别帧率的要求。
热像仪识别的高温目标不一定就是火源,有可能是反射的太阳红外线,也有可能是烟筒、暴晒的岩石等物体。因此需要识别步骤2中的高温目标是否是真的火焰。
火焰分为内焰、外焰、焰心三层,三层火焰的温度分布不同,体现在红外图像上,三层火焰的灰度值不同。因此需要对高温目标进行火焰形态检验,如果存在明显的三层火焰特性,则认为是具体火源。识别高温目标是否是火焰时,先标记高温目标区域,把标记的区域像素单独提取出来进行进一步分析,如果本区域的像素值明显的分为三层,则认为是火焰。
另外为了提高识别的准确度,在火焰识别时加入可见光识别技术,该技术能有效识别烟雾和明火,对提高判别的准确率有很大的帮助。
本方法极大的提高了森林防火夜视仪的识别率和准确率,可广泛用于森林防火检测领域。
以上描述的仅是本发明的基本原理和优选实施例,本领域技术人员根据本发明做出的改进和替换,属于本发明的保护范围。
Claims (7)
1.一种基于多次判别机制的森林防火检测方法,其特征在于:包括以下步骤:
1)、远距离范围式测温,热像仪进行360°扫描并进行温度判别,温度判别采用基于数据融合的测温补偿方法,当视野中出现高温可疑目标后,停止扫描,并精确定位高温区域的具体位置,输入到下一检测环节;2)、高温目标识别,针对步骤1中识别到的高温可疑目标,进行高温目标的分离,确定高温目标和周围背景存在较大的温差,将高温目标从周围背景中分离出来;3)、火焰识别,高温目标确定后,对高温目标进行火焰识别,如果是火焰,则触发火焰报警;如果不是火焰,则标记为潜在高温危险目标;
步骤1中,所述范围式测温是指不追求得到被测目标的精确温度,而是得到被测目标所处的温度区间,为火险级别判断提供依据;温度判别的具体过程为:
11)、温度标定,设热像仪热值输出为H,对应的温度为T,采用黑体对热像仪进行标定,把热像仪对准黑体,调整黑体温度从-20℃到500℃,每间隔30度采集一次,得到对应的数据(Ti,Hi),通过MATLAB进行曲线拟合,从而建立热像仪输出热值和温度的对应关系:
T=f(H)..........................................①;
12)、确定大气衰减系数,衰减因素有散射系数和吸收系数两个量化指标,设x为距离,y为空气系数,空气系数为气象站系统给出的1-100范围内的整数,其中100为最佳空气质量,则大气衰减系数为:
K=f(x,y)...................................②;
公式②的关系式采用标定的形式获得,具备通用性,标定时,每隔100米采集一次系数衰减率,空气质量和衰减系数成反比例,衰减系数范围为(0-1);
13)、根据公式①和②,得到最终测量温度的公式为:
Td=f(H*K).....................................③;
公式③得到的便是实际温度值;
14)、根据林区植被的特点,划分多个火险级别区间,当Td落入对应火险级别较高的区间时,说明该目标为火险目标,开始进入下一高温目标检测技术环节。
2.根据权利要求1所述的基于多次判别机制的森林防火检测方法,其特征在于:步骤13中,增加偏置D,则实际测量温度Td=f(H*K)+D。
3.根据权利要求1所述的基于多次判别机制的森林防火检测方法,其特征在于:步骤14中,设置火险级别评价函数:F=f(Td)........................................④,
判断F值大小,F值越大,说明火险等级越高,超过临界值后,说明该目标为火险目标,开始进入下一高温目标检测技术环节。
4.根据权利要求1所述的基于多次判别机制的森林防火检测方法,其特征在于:步骤2中,采用逻辑处理和软件处理结合的方法识别高温目标,逻辑处理部分采用FPGA采集热像数字视频,并进行非均匀校正处理,得到画质均匀的图像,然后在软件处理部分采用连通域算法识别和搜索高温目标。
5.根据权利要求4所述的基于多次判别机制的森林防火检测方法,其特征在于:软件处理部分采用连通域算法识别和搜索高温目标的过程为:把特性相同的像素连接成区域,比较本区域像素平均值和其他周围像素的平均值大小,如果超过周围像素平均值,则本区域为高温目标。
6.根据权利要求1所述的基于多次判别机制的森林防火检测方法,其特征在于:步骤3中,采用火焰形态检验的方法识别火焰,先标记高温目标区域,把标记的区域像素单独提取出来进行进一步分析,如果本区域的像素值明显分为三层,则认为是火焰。
7.根据权利要求1所述的基于多次判别机制的森林防火检测方法,其特征在于:步骤3中,火焰识别时,同时进行可见光识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710416021.5A CN107246913B (zh) | 2017-06-05 | 2017-06-05 | 基于多次判别机制的森林防火检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710416021.5A CN107246913B (zh) | 2017-06-05 | 2017-06-05 | 基于多次判别机制的森林防火检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107246913A CN107246913A (zh) | 2017-10-13 |
CN107246913B true CN107246913B (zh) | 2019-11-08 |
Family
ID=60019074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710416021.5A Active CN107246913B (zh) | 2017-06-05 | 2017-06-05 | 基于多次判别机制的森林防火检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107246913B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111366245B (zh) * | 2020-03-12 | 2023-08-11 | 深圳达温技术服务有限公司 | 提升红外测温对异常发热检出能力的方法 |
CN114152347B (zh) * | 2021-09-30 | 2024-06-14 | 国网黑龙江省电力有限公司电力科学研究院 | 一种变电站电力设备故障定位及火险研判综合检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693603A (zh) * | 2012-06-26 | 2012-09-26 | 山东神戎电子股份有限公司 | 一种基于双光谱的森林防火智能监控系统 |
CN102881106A (zh) * | 2012-09-10 | 2013-01-16 | 南京恩博科技有限公司 | 一种热成像视频双鉴林火识别系统及其识别方法 |
CN103439003A (zh) * | 2013-09-03 | 2013-12-11 | 重庆大学 | 一种提高红外测温精度的方法 |
CN103983361A (zh) * | 2014-06-06 | 2014-08-13 | 昆明北方红外技术股份有限公司 | 在线式网络测温热像仪标定方法 |
CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
CN105261030A (zh) * | 2015-11-26 | 2016-01-20 | 四川汇源光通信有限公司 | 从红外视频中检测火焰的方法及装置 |
CN105513262A (zh) * | 2016-01-28 | 2016-04-20 | 山东神戎电子股份有限公司 | 一种阈值可变的森林防火热成像监控系统及方法 |
-
2017
- 2017-06-05 CN CN201710416021.5A patent/CN107246913B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693603A (zh) * | 2012-06-26 | 2012-09-26 | 山东神戎电子股份有限公司 | 一种基于双光谱的森林防火智能监控系统 |
CN102881106A (zh) * | 2012-09-10 | 2013-01-16 | 南京恩博科技有限公司 | 一种热成像视频双鉴林火识别系统及其识别方法 |
CN103439003A (zh) * | 2013-09-03 | 2013-12-11 | 重庆大学 | 一种提高红外测温精度的方法 |
CN103983361A (zh) * | 2014-06-06 | 2014-08-13 | 昆明北方红外技术股份有限公司 | 在线式网络测温热像仪标定方法 |
CN105046868A (zh) * | 2015-06-16 | 2015-11-11 | 苏州华启智能科技股份有限公司 | 一种狭长环境中基于红外热像仪的火灾预警方法 |
CN105261030A (zh) * | 2015-11-26 | 2016-01-20 | 四川汇源光通信有限公司 | 从红外视频中检测火焰的方法及装置 |
CN105513262A (zh) * | 2016-01-28 | 2016-04-20 | 山东神戎电子股份有限公司 | 一种阈值可变的森林防火热成像监控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107246913A (zh) | 2017-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114359416B (zh) | 一种建筑物外墙空鼓渗漏异常检测及定位方法 | |
CN103761826B (zh) | 一种热成像视频双鉴林火识别系统的识别方法 | |
CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
CN108490030B (zh) | 基于无人机红外热成像的建筑围护结构热工性能检测方法 | |
CN104697943B (zh) | 一种油菜水分胁迫的无损检测方法 | |
CN108872819A (zh) | 基于红外热像和可见光的绝缘子检测无人机及方法 | |
CN106646651A (zh) | 一种火灾火点检测方法 | |
US20120235042A1 (en) | Mwir sensor for flame detection | |
KR101116462B1 (ko) | 원격탐사 데이터를 이용한 수질 모니터링 방법 및 이를 이용한 수질 모니터링 장치 | |
CN102661799A (zh) | 故障定位方法与系统 | |
KR100715140B1 (ko) | 시정 측정 장치 및 그 방법 | |
CN107025753B (zh) | 一种基于多光谱图像分析的广域火灾报警装置 | |
CN111242123A (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
CN109353777A (zh) | 基于双视觉图像特征融合的输送带纵向撕裂检测装置 | |
CN101329411B (zh) | 一种高温热源的检测方法和装置 | |
CN107246913B (zh) | 基于多次判别机制的森林防火检测方法 | |
CN102853916A (zh) | 一种用于对煤垛表面进行远距离红外测温的方法及系统 | |
CN103400463B (zh) | 一种基于二维图像的林火定位方法和装置 | |
CN115512307B (zh) | 广域空间红外多点实时火灾探测方法及系统、定位方法 | |
CN106442525A (zh) | 用于核桃内部干瘪缺陷的在线检测方法 | |
CN109990902B (zh) | 一种图谱关联的分谱段估计目标亮温的方法 | |
CN106979822A (zh) | 一种红外成像过耗故障探测仪 | |
CN102495030B (zh) | 同源双目标透射能见度测量装置及其测量方法 | |
CN108763782A (zh) | 应用于林火热点判别的modis传感器多时相红外辐射归一方法 | |
Dlesk et al. | Point cloud generation of a building from close range thermal images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |