CN108564762A - 一种基于分布式计算的森林烟火识别智能云系统 - Google Patents
一种基于分布式计算的森林烟火识别智能云系统 Download PDFInfo
- Publication number
- CN108564762A CN108564762A CN201810597125.5A CN201810597125A CN108564762A CN 108564762 A CN108564762 A CN 108564762A CN 201810597125 A CN201810597125 A CN 201810597125A CN 108564762 A CN108564762 A CN 108564762A
- Authority
- CN
- China
- Prior art keywords
- module
- processing module
- central processing
- control type
- industry control
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 100
- 238000004891 communication Methods 0.000 claims abstract description 42
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000000149 penetrating effect Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims 1
- 238000003062 neural network model Methods 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000004079 fireproofing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于分布式计算的森林烟火识别智能云系统，系统包括前端、云端和移动终端，其中前端包括前端网络通信模块、前端图像采集模块、前端图像采集辅助模块及前端供电模块，云端包括网络通信模块、中央处理模块、并行计算模块存储模块及报警模块。前端有多个，分别设立在林区各个监控点，对采集到的实时图像进行特征提取和变换。一个云端对多个前端通过林区局域网或移动互联网建立连接、获取数据并设深度神经网络进行识别，这样数据量大的视频信息的特征分布在前端被提取和变换，特征变换后的小数据量信息则可以不受低速数据链路的影响实时传输，使得云端计算量大大降低，同时使得在复杂环境下也可识别并大大提高识别率。
Description
技术领域
本发明涉及一种智能防火系统，具体涉及一种基于分布式计算的森林烟火识别智能云系统。
背景技术
森林资源作为一种环境生态资源，在林业乃至环境保护中占有重要地位。我国地大物博、幅员辽阔，其森林面积在世界范围内占有举足轻重的地位。近年来，不利气象条件的客观存在以及林区复杂的社会环境和森林防火体制机制的不健全使得森林防火形式十分严峻，森林火灾带来的财产损失数以亿计，各国在森林防火的投入也十分巨大。
我国的森林防火建设仍处于较低水平，近年来各省投入森林防火事业的程度也参差不齐，采用的技术也各不相同。其中，森林防火视频监控在我国一些地区已有雏形，建立起了一定防火视频监控网，但这些网络也存在一定问题。
例如，基于以上所建立起的林火视频监控墙可以监控已布监控地区的林火情况，但由于监控视觉角度限制，还需人为手动控制云台以观测不同方向的林火情况，给监控人员以巨大的工作量，且不利于火情初期的发现，对火灾救援工作造成延缓。
基于以上情况，森林烟火智能后端识别系统出现以解决以上问题，将前端摄像设备采集的图像数据通过林区有线网络、移动互联网或无线传输技术等将视频信号传输至后端服务器，利用智能烟火识别算法对每一个监控点进行分析，以达到无需人为干预的24小时全天候森林智能烟火识别报警。
但由于硬件限制，很多地方由于林区有线网络性能有限，监控摄像设备能提供的清晰度较低，加之云台控制接口多以兼容手动控制接口为主，难以兼容后端服务器自动化控制，造成后端实时识别的源视频流清晰度和实时性较低，进而造成智能识别误报率高，甚至由于云台无法控制而造成后端识别软件无法正常运行。
摄像头所能采集有效图像的范围有限，多在几公里左右，故覆盖一片林区需要大量摄像头布满整个林区监控范围，而烟火识别算法所需计算量较大，若多路视频同时进行识别，则需要大量计算资源，而一般服务器往往难以支持如此大的计算量。
现有的森林防火视频传输的传输方式也主要采用单一的传输方式，一旦传输网络发生故障，那么便会增加延误森林火灾扑救的概率以及森林火灾的危险系数。
对于烟火图像特征，已有相关学术研究可对其特征进行大致描述，通过相关算法可以将其特征提取出来，与已有特征描述进行比对。但对森林烟火识别，由于摄像头置于野外，摄像头采集的图像会受到环境的影响。例如，摄像头进光的方向和大小在一天当中以及不同天气条件下，都有很大变化，因此在不同环境光影响下的特征都有相应的变化。
利用计算机深度学习可以很好的解决环境影响对烟火图像识别的影响，但是如果直接使用深度神经网络对图像进行特征提取，需要大量的带宽进行视频传输以及巨量的运算量，对传输资源和运算资源的需求量巨大，一般服务器难以提供支持。
发明内容
本发明目的在于提供一种基于分布式计算的森林烟火识别智能云系统，以解决：
1.森林中复杂环境情况对烟火识别的影响。
2.网络传输能力低下，造成传输的图像清晰度低，后端识别误报率高。
3.后端服务器运算能力不足以支持多路(具体指10路以上)视频同步环境特征提取和烟火特征识别。
4.单一传输网络出现故障造成的传输中断，造成系统整体机能故障，进而延误火情的状况。
5.云台控制方式不一致，识别程序无法正常运行。
6.报警方式不及时直观，无法在识别到烟火第一时间通知相关人员，让相关人员一眼明了火情，以致对救援方式产生误判的问题。
本发明采用如下方案：一种基于分布式计算的森林烟火识别智能云系统，其特征在于，包括前端、云端处理模块和移动终端；
前端包括工控型中央处理模块、前端网络通信模块、前端图像采集模块、前端图像采集辅助模块、前端供电模块，前端网络通信模块包括4G通信模块和局域网通信模块，4G通信模块通过PCIE接口与工控型中央处理模块连接，达到与工控型中央处理模块连接与高速数据传输，前端图像采集模块包括网络摄像机和重型可变速云台，前端图像采集辅助模块包括红外模块和透雾模块，前端工控型中央处理模块将前端图像采集模块的信号进行解码并提取当前图像特征，经网络传输到云端处理模块，前端供电模块为系统前端供电；
云端处理模块包括网络通信模块、中央处理模块、并行计算模块、存储模块和报警模块，存储模块用于储存前端的信息，中央处理模块由计算机必要硬件构成，负责云端控制与少量运算，云端处理模块通过移动互联网与移动终端连接用于将火情信息和火场实时视频流推送至相关人员，存储模块与报警模块连接，并行计算模块对前端传输过来的特征变换后数据进行识别，识别为烟火执行时启动报警模块；
前端默认使用前端局域网通信模块通过林区铺设的有线局域网与云端通信，如果该网络故障则通过4G通信模块进行通信，若仍不能满足通信需求，则以短信形式告知相关人员进行处理。
所述图像采集模块中网络摄像机安装在重型可变速云台上，图像信号由网络摄像机采集编码，码流直接通过以太网送至工控型中央处理模块，中央处理模块集成于重型可变速云台内部。
所述工控型中央处理模块内置环境特征提取算法，开机自动运行，对从网络摄像机来的图像信号进行解码并提取当前图像特征，将提取的特征数据通过小波变换后经网络传输到云端处理模块，由云端处理模块对特征变换后数据进行识别。
重型可变速云台由工控型中央处理模块通过RS485串口控制，根据算法需要控制速度，并进行多预置位的转动以配合网络摄像头获取指定角度的图像信息，若云端处理模块确认该监控点有火情，则将该火情相关信息存储并通过互联网将火情信息和火场实时视频流推送至相关人员的移动终端。
云端处理模块和移动终端对无法确认的情况采取人工判断，对确认为有烟火的情况利用并行计算模块空闲计算资源对其特征变换后数据进行学习，达到可识别该情况的目的。
图像采集辅助模块安装于网络摄像机上，通过串口与工控型中央处理模块连接，若处于多雾天气，则开启透雾模块，缓解雾天对识别造成的影响；若处于晚上则开启红外模块，使算法能在夜晚进行识别，白天关闭红外模块。
具体实现包括以下步骤：
步骤A：工控型中央处理模块通过RS485串口控制重型可变速云台转动至预置位；
步骤B：网络摄像机采集图像并编码，码流直接通过以太网送至工控型中央处理模块；
步骤C：工控型中央处理模块对从网络摄像机来的图像信号进行解码并提取当前图像特征，再小波变换；
步骤D：云端处理模块中的并行计算模块通过针对烟火特征经小波变换后的数据训练好的深度神经网络模型对前端传输过来的特征变换后数据进行识别，若识别为烟火执行步骤E，否则执行步骤Dx；
步骤D1：云端处理模块和移动终端对无法确认的情况采取人工处理；
步骤D2：对确认为有烟火的情况通过并行计算模块利用空闲计算资源对其特征变换后数据进行学习，否则丢弃该情况变换后数据；
步骤E：将该火情相关信息存储至云端处理模块中的存储模块并通过云端网络通信模块将火情信息和火场实时视频流推送至相关人员的移动终端，报警模块报警；
步骤F：自步骤A开始循环上述步骤。
其中，步骤C工控型中央处理模块对从网络摄像机来的图像信号进行解码并提取当前图像特征具体实现如下:
步骤C1：工控型中央处理模块、前端网络通信模块、图像采集模块初始化；
步骤C2：工控型中央处理模块通过RS485串口控制重型可变速云台转动，网络摄像机采集图像，对监控点周围环境进行背景学习；
步骤C3：对从网络摄像机来的图像信号通过工控型中央处理模块内置解码算法和环境特征提取算法进行解码并提取当前图像特征并进行小波变换；
步骤C4：工控型中央处理模块检查有线局域网是否连通，若连通则执行C5步骤，否则执行C4-1步骤；
步骤C4-1：工控型中央处理模块检查4G网络是否连通，若连通则执行C4-2步骤，否则执行C4-1-1步骤；
步骤C4-1-1：工控型中央处理模块通过4G通信模块4-01以通话方式告知移动终端网络故障，若有收到响应，则从步骤C3开始循环，否则循环步骤C4-1-1；
步骤C4-2：工控型中央处理模块通过4G通信模块4-01发送特征变换后数据并报告有线局域网故障；
步骤C4-3：从步骤C3开始循环；
步骤C5：工控型中央处理模块通过局域网通信模块将特征变换后数据打包发送至云端处理模块；
步骤C6：从步骤C3开始循环。
本发明具有的优点：1.前端图像由网络摄像机采集，通过以太网传输给前端中央处理模块，可兼容各类网络摄像机。
2.通过将环境特征提取和变换算法至于前端，即将计算任务分配给多台计算设备，其源数据是直接从网络摄像机通过网络获取的，信息获取速度快，信息损失量小，图像质量优，适合进行准确特征提取，提取出来的特征数据经小波变换后数据量小，适合传输及云端识别，实时性良好，解决后端服务器运算能力不足以支持多路(具体指10路以上)视频同步环境特征提取和烟火特征识别。
3.通过对受环境影响有烟火的情况进行机器学习，解决识别算法受环境影响度高的问题。
4.火警信息及实时视频推送为相关人员提供更加及时和直观清晰的信息，便于相关人员通过火情实时图像准确判断救援实施方式。
5.通过多种网络传输方式解决因前端设备传输方案单一造成的报警信息不能及时通知监控人员的问题。
6.将识别软件云台控制放在前端通过RS485与云台连接，解决因云台控制方式兼容性问题造成的识别软件无法正常运行的问题。
附图说明
图1是本发明的结构示意图。
图2是本发明系统前端环境特征提取流程图。
图3是本发明系统云端烟火识别流程图。
图4是本发明系统云端人工判断流程图。
附图标记说明:1.移动终端、2.云端处理模块、2-01.云端网络通信模块、2-02.云端中央处理模块、2-03.并行计算模块、2-04.云端存储模块、2-05.云端报警模块、3.前端工控型中央处理模块、4.前端网络通信模块、4-01.前端4G通信模块、4-02.前端局域网通信模块、5.前端图像采集模块、5-01.前端网络摄像机、5-02.前端重型可变速云台、6.前端图像采集辅助模块、6-01.前端红外模块、6-02.透雾模块、7.前端供电模块。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
请参阅图1，一种基于分布式计算的森林烟火识别智能云系统，其特征在于，包括前端、云端处理模块(2)和移动终端(1)；
前端包括工控型中央处理模块、前端网络通信模块(4)、前端图像采集模块(5)、前端图像采集辅助模块(6)、前端供电模块(7)，前端网络通信模块(4)包括4G通信模块和局域网通信模块，4G通信模块通过PCIE接口与工控型中央处理模块连接，达到与工控型中央处理模块连接与高速数据传输，前端图像采集模块(5)包括网络摄像机和重型可变速云台，前端图像采集辅助模块(6)包括红外模块和透雾模块(6-02)，前端工控型中央处理模块(3)将前端图像采集模块(5)的信号进行解码并提取当前图像特征，经网络传输到云端处理模块(2)，前端供电模块为系统前端供电；
云端处理模块(2)包括网络通信模块、中央处理模块、并行计算模块(2-03)、存储模块和报警模块，存储模块用于储存前端的信息，中央处理模块由计算机必要硬件构成，负责云端控制与少量运算，云端处理模块(2)通过移动互联网与移动终端(1)连接用于将火情信息和火场实时视频流推送至相关人员，存储模块与报警模块连接，并行计算模块(2-03)对前端传输过来的特征变换后数据进行识别，识别为烟火执行时启动报警模块；
前端默认使用前端局域网通信模块(4-02)通过林区铺设的有线局域网与云端通信，如果该网络故障则通过4G通信模块进行通信，若仍不能满足通信需求，则以短信形式告知相关人员进行处理。
所述图像采集模块中网络摄像机安装在重型可变速云台上，图像信号由网络摄像机采集编码，码流直接通过以太网送至工控型中央处理模块，中央处理模块模块集成于重型可变速云台内部。
所述工控型中央处理模块内置环境特征提取算法，开机自动运行，对从网络摄像机来的图像信号进行解码并提取当前图像特征，将提取的特征数据通过小波变换后经网络传输到云端处理模块(2)，由云端处理模块(2)对特征变换后数据进行识别。
重型可变速云台由工控型中央处理模块通过RS485串口控制，根据算法需要控制速度，并进行多预置位的转动以配合网络摄像头获取指定角度的图像信息，若云端处理模块(2)确认该监控点有火情，则将该火情相关信息存储并通过互联网将火情信息和火场实时视频流推送至相关人员的移动终端(1)。
云端处理模块(2)和移动终端(1)对无法确认的情况采取人工判断，对确认为有烟火的情况利用并行计算模块(2-03)空闲计算资源对其特征变换后数据进行学习，达到可识别该情况的目的。
图像采集辅助模块安装于网络摄像机上，通过串口与工控型中央处理模块连接，若处于多雾天气，则开启透雾模块(6-02)，缓解雾天对识别造成的影响；若处于晚上则开启红外模块，使算法能在夜晚进行识别，白天关闭红外模块。
前端供电模块(7)为整套设备所有模块供电。
所述前端数量为多个，具体根据林区布控需要安排。
所述云端服务器数量为一个，与一片林区所有前端连接。
具体实现包括以下步骤：
步骤A：工控型中央处理模块通过RS485串口控制重型可变速云台转动至预置位；
步骤B：网络摄像机采集图像并编码，码流直接通过以太网送至工控型中央处理模块；
步骤C：工控型中央处理模块对从网络摄像机来的图像信号进行解码并提取当前图像特征，再小波变换；
步骤D：云端处理模块(2)中的并行计算模块(2-03)通过针对烟火特征经小波变换后的数据训练好的深度神经网络模型对前端传输过来的特征变换后数据进行识别，若识别为烟火执行步骤E，否则执行步骤Dx；
步骤D1：云端处理模块(2)和移动终端(1)对无法确认的情况采取人工处理；
步骤D2：对确认为有烟火的情况通过并行计算模块(2-03)利用空闲计算资源对其特征变换后数据进行学习，否则丢弃该情况变换后数据；
步骤E：将该火情相关信息存储至云端处理模块(2)中的存储模块并通过云端网络通信模块(2-01)将火情信息和火场实时视频流推送至相关人员的移动终端(1)，报警模块报警；
步骤F：自步骤A开始循环上述步骤。
如图2所示，步骤C工控型中央处理模块对从网络摄像机来的图像信号进行解码并提取当前图像特征具体实现如下:
步骤C1：工控型中央处理模块、前端网络通信模块(4)、图像采集模块初始化；
步骤C2：工控型中央处理模块通过RS485串口控制重型可变速云台转动，网络摄像机采集图像，对监控点周围环境进行背景学习；
步骤C3：对从网络摄像机来的图像信号通过工控型中央处理模块内置解码算法和环境特征提取算法进行解码并提取当前图像特征并进行小波变换；
步骤C4：工控型中央处理模块检查有线局域网是否连通，若连通则执行C5步骤，否则执行C4-1步骤；
步骤C4-1：工控型中央处理模块检查4G网络是否连通，若连通则执行C4-2步骤，否则执行C4-1-1步骤；
步骤C4-1-1：工控型中央处理模块通过4G通信模块4-01以通话方式告知移动终端(1)网络故障，若有收到响应，则从步骤C3开始循环，否则循环步骤C4-1-1；
步骤C4-2：工控型中央处理模块通过4G通信模块4-01发送特征变换后数据并报告有线局域网故障；
步骤C4-3：从步骤C3开始循环；
步骤C5：工控型中央处理模块通过局域网通信模块将特征变换后数据打包发送至云端处理模块(2)；
步骤C6：从步骤C3开始循环。
如图3所示，步骤D云端处理模块(2)中的并行计算模块(2-03)通过内置深度神经网络模型对特征变换后数据进行识别及步骤G将该火情相关信息存储至云端处理模块(2)中的存储模块2-04并通过云端网络通信模块(2-01)将火情信息和火场实时视频流推送至相关人员的移动终端(1)，报警模块2-05报警。
如图4所示，步骤E云端处理模块(2)和移动终端(1)对无法确认的情况提供视频录像用以人工判断处理及步骤F对确认为有烟火的情况通过并行计算模块(2-03)利用空闲计算资源对其特征变换后数据进行学习，否则丢弃该情况特征变换后数据。
不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (8)
1.一种基于分布式计算的森林烟火识别智能云系统，其特征在于，包括前端、云端处理模块和移动终端；
前端包括工控型中央处理模块、前端网络通信模块、前端图像采集模块、前端图像采集辅助模块、前端供电模块，前端网络通信模块包括4G通信模块和局域网通信模块，4G通信模块通过PCIE接口与工控型中央处理模块连接，达到与工控型中央处理模块连接与高速数据传输，前端图像采集模块包括网络摄像机和重型可变速云台，前端图像采集辅助模块包括红外模块和透雾模块，前端工控型中央处理模块将前端图像采集模块的信号进行解码并提取当前图像特征，经网络传输到云端处理模块，前端供电模块为系统前端供电；
云端处理模块包括网络通信模块、中央处理模块、并行计算模块、存储模块和报警模块，存储模块用于储存前端的信息，中央处理模块由计算机必要硬件构成，负责云端控制与少量运算，云端处理模块通过移动互联网与移动终端连接用于将火情信息和火场实时视频流推送至相关人员，存储模块与报警模块连接，并行计算模块对前端传输过来的特征变换后数据进行识别，识别为烟火执行时启动报警模块；
前端默认使用前端局域网通信模块通过林区铺设的有线局域网与云端通信，如果该网络故障则通过4G通信模块进行通信，若仍不能满足通信需求，则以短信形式告知相关人员进行处理。
2.根据权利要求1所述的基于分布式计算的森林烟火识别智能云系统，其特征在于，所述图像采集模块中网络摄像机安装在重型可变速云台上，图像信号由网络摄像机采集编码，码流直接通过以太网送至工控型中央处理模块，中央处理模块集成于重型可变速云台内部。
3.根据权利要求1所述的基于分布式计算的森林烟火识别智能云系统，其特征在于，所述工控型中央处理模块内置环境特征提取算法，开机自动运行，对从网络摄像机来的图像信号进行解码并提取当前图像特征，将提取的特征数据通过小波变换后经网络传输到云端处理模块，由云端处理模块对特征变换后数据进行识别。
4.根据权利要求1所述的基于分布式计算的森林烟火识别智能云系统，其特征在于，重型可变速云台由工控型中央处理模块通过RS485串口控制，根据算法需要控制速度，并进行多预置位的转动以配合网络摄像头获取指定角度的图像信息，若云端处理模块确认该监控点有火情，则将该火情相关信息存储并通过互联网将火情信息和火场实时视频流推送至相关人员的移动终端。
5.根据权利要求1所述的基于分布式计算的森林烟火识别智能云系统，其特征在于，云端处理模块和移动终端对无法确认的情况采取人工判断，对确认为有烟火的情况利用并行计算模块空闲计算资源对其特征变换后数据进行学习，达到可识别该情况的目的。
6.根据权利要求1所述的基于分布式计算的森林烟火识别智能云系统，其特征在于，图像采集辅助模块安装于网络摄像机上，通过串口与工控型中央处理模块连接，若处于多雾天气，则开启透雾模块，缓解雾天对识别造成的影响；若处于晚上则开启红外模块，使算法能在夜晚进行识别，白天关闭红外模块。
7.根据权利要求1所述的基于分布式计算的森林烟火识别智能云系统，其特征在于，具体实现包括以下步骤：
步骤A：工控型中央处理模块通过RS485串口控制重型可变速云台转动至预置位；
步骤B：网络摄像机采集图像并编码，码流直接通过以太网送至工控型中央处理模块3；
步骤C：工控型中央处理模块对从网络摄像机来的图像信号进行解码并提取当前图像特征，再小波变换；
步骤D：云端处理模块中的并行计算模块通过针对烟火特征经小波变换后的数据训练好的深度神经网络模型对前端传输过来的特征变换后数据进行识别，若识别为烟火执行步骤E，否则执行步骤Dx；
步骤D1：云端处理模块和移动终端对无法确认的情况采取人工处理；
步骤D2：对确认为有烟火的情况通过并行计算模块利用空闲计算资源对其特征变换后数据进行学习，否则丢弃该情况变换后数据；
步骤E：将该火情相关信息存储至云端处理模块中的存储模块并通过云端网络通信模块将火情信息和火场实时视频流推送至相关人员的移动终端，报警模块报警；
步骤F：自步骤A开始循环上述步骤。
8.根据权利要求7所述的基于分布式计算的森林烟火识别智能云系统，其特征在于，步骤C工控型中央处理模块对从网络摄像机来的图像信号进行解码并提取当前图像特征具体实现如下:
步骤C1：工控型中央处理模块、前端网络通信模块、图像采集模块初始化；步骤C2：工控型中央处理模块通过RS485串口控制重型可变速云台转动，网络摄像机采集图像，对监控点周围环境进行背景学习；
步骤C3：对从网络摄像机来的图像信号通过工控型中央处理模块内置解码算法和环境特征提取算法进行解码并提取当前图像特征并进行小波变换；
步骤C4：工控型中央处理模块检查有线局域网是否连通，若连通则执行C5步骤，否则执行C4-1步骤；
步骤C4-1：工控型中央处理模块检查4G网络是否连通，若连通则执行C4-2步骤，否则执行C4-1-1步骤；
步骤C4-1-1：工控型中央处理模块通过4G通信模块4-01以通话方式告知移动终端网络故障，若有收到响应，则从步骤C3开始循环，否则循环步骤C4-1-1；
步骤C4-2：工控型中央处理模块通过4G通信模块4-01发送特征变换后数据并报告有线局域网故障；
步骤C4-3：从步骤C3开始循环；
步骤C5：工控型中央处理模块通过局域网通信模块将特征变换后数据打包发送至云端处理模块；
步骤C6：从步骤C3开始循环。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810597125.5A CN108564762A (zh) | 2018-06-11 | 2018-06-11 | 一种基于分布式计算的森林烟火识别智能云系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810597125.5A CN108564762A (zh) | 2018-06-11 | 2018-06-11 | 一种基于分布式计算的森林烟火识别智能云系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108564762A true CN108564762A (zh) | 2018-09-21 |
Family
ID=63553409
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810597125.5A Pending CN108564762A (zh) | 2018-06-11 | 2018-06-11 | 一种基于分布式计算的森林烟火识别智能云系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108564762A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109493561A (zh) * | 2018-11-19 | 2019-03-19 | 杭州湛川智能技术有限公司 | 一种基于图像处理的火灾监控系统 |
| CN110333260A (zh) * | 2019-07-19 | 2019-10-15 | 北京锐百凌科技有限公司 | 防爆高光谱远红外气云成像控制传输及信息处理、定向发布系统 |
| CN110415260A (zh) * | 2019-08-01 | 2019-11-05 | 西安科技大学 | 基于字典与bp神经网络的烟雾图像分割与识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059435A (zh) * | 2007-05-17 | 2007-10-24 | 西北工业大学 | 基于彩色ccd图像分析的森林火情烟雾检测方法 |
| CN101625789A (zh) * | 2008-07-07 | 2010-01-13 | 北京东方泰坦科技有限公司 | 基于烟火智能识别的森林火灾实时监测方法 |
| CN106210627A (zh) * | 2016-07-04 | 2016-12-07 | 广东天米教育科技有限公司 | 一种无人机消防调度系统 |
| CN106710120A (zh) * | 2016-12-26 | 2017-05-24 | 安徽天立泰科技股份有限公司 | 一种前端分布式森林烟火识别定位智能感知系统 |
| CN107393236A (zh) * | 2017-08-08 | 2017-11-24 | 南京尊视软件科技有限公司 | 一种基于云服务的多功能智能森林防火播报装置 |
-
2018
- 2018-06-11 CN CN201810597125.5A patent/CN108564762A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059435A (zh) * | 2007-05-17 | 2007-10-24 | 西北工业大学 | 基于彩色ccd图像分析的森林火情烟雾检测方法 |
| CN101625789A (zh) * | 2008-07-07 | 2010-01-13 | 北京东方泰坦科技有限公司 | 基于烟火智能识别的森林火灾实时监测方法 |
| CN106210627A (zh) * | 2016-07-04 | 2016-12-07 | 广东天米教育科技有限公司 | 一种无人机消防调度系统 |
| CN106710120A (zh) * | 2016-12-26 | 2017-05-24 | 安徽天立泰科技股份有限公司 | 一种前端分布式森林烟火识别定位智能感知系统 |
| CN107393236A (zh) * | 2017-08-08 | 2017-11-24 | 南京尊视软件科技有限公司 | 一种基于云服务的多功能智能森林防火播报装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109493561A (zh) * | 2018-11-19 | 2019-03-19 | 杭州湛川智能技术有限公司 | 一种基于图像处理的火灾监控系统 |
| CN110333260A (zh) * | 2019-07-19 | 2019-10-15 | 北京锐百凌科技有限公司 | 防爆高光谱远红外气云成像控制传输及信息处理、定向发布系统 |
| CN110415260A (zh) * | 2019-08-01 | 2019-11-05 | 西安科技大学 | 基于字典与bp神经网络的烟雾图像分割与识别方法 |
| CN110415260B (zh) * | 2019-08-01 | 2022-02-15 | 西安科技大学 | 基于字典与bp神经网络的烟雾图像分割与识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108564762A (zh) | 一种基于分布式计算的森林烟火识别智能云系统 | |
| CN102752574A (zh) | 一种视频监控系统及方法 | |
| CN109801265B (zh) | 一种基于卷积神经网络的实时输电设备异物检测系统 | |
| CN101840219B (zh) | 面向湿地公园的安全防范集成系统及方法 | |
| CN104079885A (zh) | 无人监守联动跟踪的网络摄像方法及装置 | |
| CN106682592A (zh) | 一种基于神经网络方法的图像自动识别系统及方法 | |
| CN109376660B (zh) | 一种目标监测方法、装置及系统 | |
| CN112309068B (zh) | 一种基于深度学习的森林火灾预警方法 | |
| CN115761537B (zh) | 一种面向动态特征补充机制的输电线路异物入侵识别方法 | |
| CN111985352A (zh) | 一种ai前端化的变电站巡检视频实时识别方法及系统 | |
| CN116664359A (zh) | 一种基于多传感融合的智能火情预警决策系统及方法 | |
| CN113269039A (zh) | 一种在岗人员行为识别方法和系统 | |
| CN110087041A (zh) | 基于5g基站的视频数据处理及传输方法和系统 | |
| CN113642403A (zh) | 基于边缘计算的人群异动智能安全检测系统 | |
| CN114494916A (zh) | 一种基于YOLO和DeepSORT的黑颈鹤监测追踪方法 | |
| CN116403384A (zh) | 一种基于物联网技术的远程人工智能消防预警系统 | |
| CN110689709A (zh) | 一种通用智能消防主机信息处理系统及方法 | |
| CN110661999A (zh) | 一种基于大数据的视频监控系统 | |
| CN116433645A (zh) | 一种皮带鼓包检测方法与检测系统 | |
| CN114663818B (zh) | 基于视觉自监督学习机场运行核心区监测预警系统及方法 | |
| CN209845008U (zh) | 基于片上系统的集群监控系统 | |
| CN202374374U (zh) | 基于远程图像的卖场人流动态管理系统 | |
| CN115190377A (zh) | 基于边缘计算的视频感知紧急处理调度系统 | |
| CN111541864B (zh) | 一种数字视网膜软件定义摄像机方法及系统 | |
| CN113452961A (zh) | 基于边缘计算的水面监控告警系统和方法、介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180921 |
|
| WD01 | Invention patent application deemed withdrawn after publication |