CN107246913B - 基于多次判别机制的森林防火检测方法 - Google Patents

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

基于多次判别机制的森林防火检测方法

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(T_i,H_i)，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：

T_d＝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T_d＝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(T_d)........................................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(T_i,H_i)，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：

T_d＝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(T_d).............................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(T_i,H_i)，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：

T_d＝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T_d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T_d＝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(T_d)........................................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。