CN108734913A - 基于无人机图像识别的森林火灾巡逻报警系统及方法 - Google Patents
基于无人机图像识别的森林火灾巡逻报警系统及方法 Download PDFInfo
- Publication number
- CN108734913A CN108734913A CN201810548096.3A CN201810548096A CN108734913A CN 108734913 A CN108734913 A CN 108734913A CN 201810548096 A CN201810548096 A CN 201810548096A CN 108734913 A CN108734913 A CN 108734913A
- Authority
- CN
- China
- Prior art keywords
- image
- forest
- value
- frame image
- pixel
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Fire-Detection Mechanisms (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于无人机图像识别的森林火灾巡逻报警系统及方法,其借助无人机在森林监测区域上空巡逻拍摄而获得的森林监测区域视频图像,通过监测服务器的火焰图像特征识别处理,能够简便的实现对森林监测区域的火焰图像特征识别,判定存在火灾风险,从而执行火灾报警提示操作,大幅减少人工工作量,降低了人工巡逻成本,并且其巡视范围不会受到森林地形等因素的限制,能够保证森林火灾监控范围更加全面,借助无人机也避免了因森林中生存环境恶劣等因素对巡视人员的人身安全带来风险的问题,能够全面、准确的对森林火灾监控范围内任意位置存在的火灾隐患进行报警,为森林火灾监控和预警提供了更完善的解决方案。
Description
技术领域
本发明涉及通信技术及森林防火安全监测技术领域,特别涉及一种基于无人机图像识别的森林火灾巡逻报警系统及方法。
背景技术
全世界每年平均发生森林火灾20多万次,烧毁森林面积约占全世界森林总面积的1‰以上。由于具有不确定性和突发性,很难对森林火灾实现监控和预防。现在森林防火措施主要是采用人工巡视的方式进行火灾监测与防范,但人工巡视的工作量大,巡视范围容易受到森林地形等因素的限制,且人工成本高,还容易因森林中生存环境恶劣等因素对巡视人员的人身安全带来风险。
目前也有针对于摄像头定点拍摄并利用火焰识别技术来实现火灾监控,但摄像头定点拍摄监控的监视范围非常有限,不可避免的存在监视盲区,无法全面、及时的进行森林火灾监控反馈。
发明内容
针对现有技术中存在的上述不足,本发明的目的在于提供一种基于无人机图像识别的森林火灾巡逻报警系统及方法,以解决现有技术中针对森林火灾监控存在人工成本高、监控范围受限、火灾预警准确性不足等问题
为实现上述目的,本发明采用的森林火灾巡逻报警系统方案是:
基于无人机图像识别的森林火灾巡逻报警系统,包括用于进行火灾识别预警处理的监测服务器;所述监测服务器用于获取在森林监测区域上空巡逻拍摄的无人机所回传的森林监测区域视频图像,并对所述森林监测区域视频图像进行火焰图像特征识别处理,当识别到所述森林监测区域视频图像中存在火焰图像特征时,执行火灾报警提示操作。
上述基于无人机图像识别的森林火灾巡逻报警系统中,作为优化方案,还包括用于在森林监测区域上空巡逻拍摄的无人机,并与监测服务器建立数据通信连接;所述无人机用于实时拍摄森林监测区域视频图像,传送至监测服务器。
上述基于无人机图像识别的森林火灾巡逻报警系统中,作为优化方案,还包括用于作为报警终端使用的移动终端,并与监测服务器建立数据通信连接;所述监测服务器执行火灾报警提示操作包括向移动终端发送火灾报警指示信息;所述移动终端用于接收来自监测服务器的火灾报警指示信息,并执行火灾报警信息提示。
上述基于无人机图像识别的森林火灾巡逻报警系统中,作为一种优选方案,所述监测服务器对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
a1)针对森林监测区域视频图像中的一帧图像,提取该帧图像中各个像素点的亮度值S和RGB值,其中RGB值包括红色通道值R、绿色通道值G和蓝色通道值B;
a2)分别判断该帧图像中每个像素点是否同时满足如下条件:
条件①:R≥B,且G≥B;
条件②:R≥Rth;
条件③:S≥(255-R)×Sth/Rth;
条件④:R≥Rth,且G≥Gth;或者,|R-G|≥TH1,且|G-B|≥TH2;
条件⑤:|G-B|+|R-B|≥TH3;
其中,Rth表示预设定的红色通道阈值取值为150~200;Gth表示预设定的绿色通道阈值,取值为120~180;Sth表示预设定的亮度阈值,取值为180~220;TH1、TH2、TH3分别表示预设定的红绿色差阈值、绿蓝色差阈值和红蓝色差阈值,其中红绿色差阈值TH1取值为20~60,绿蓝色差阈值取值为50~90,红蓝色差阈值取值为80~120;
若该帧图像中存在K1个相连接的像素点同时满足条件①~⑤,则判定该帧图像中存在火焰图像特征,K1为预设的第一像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
a3)重复执行步骤a1)~a2),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
上述基于无人机图像识别的森林火灾巡逻报警系统中,作为另一种优选方案,所述监测服务器对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
b1)提取森林监测区域视频图像中的一帧图像,判断当前帧图像是否为森林监测区域视频图像中的第一帧图像;若是,执行步骤b2);否则,执行步骤b3);
b2)再依次提取森林监测区域视频图像中的一帧图像,作为当前帧图像,执行步骤b3);
b3)将当前帧图像与前一帧图像进行像素灰度相减处理,得到当前帧图像对应的灰度差图像;
b4)基于预设的二值化阈值GLt对当前帧图像对应的灰度差图像进行二值化处理,将灰度值小于二值化阈值GLt的像素点灰度值设为0,将灰度值大于或等于二值化阈值GLt的像素点灰度值设为255,从而得到当前帧图像对应的二值化黑白图像;
b5)将当前帧图像对应的二值化黑白图像中像素点灰度值为255的像素点连接形成的每个区块作为一个像素识别区块,分别计算各个像素识别区块中包含的像素点数量,若当前帧图像对应的二值化黑白图像中存在包含K2个像素点的像素识别区块,则判定该帧图像中存在火焰图像特征,K2为预设的第二像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
b6)重复执行步骤b1)~b5),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
上述基于无人机图像识别的森林火灾巡逻报警系统中,作为一种优选方案,二值化阈值GLt的取值为100~130。
为实现上述目的,本发明采用的森林火灾巡逻报警方法方案是:
基于无人机图像识别的森林火灾巡逻报警方法,包括如下步骤:
获取在森林监测区域上空巡逻拍摄的无人机所回传的森林监测区域视频图像;
对所述森林监测区域视频图像进行火焰图像特征识别处理,当识别到所述森林监测区域视频图像中存在火焰图像特征时,执行火灾报警提示操作。
上述基于无人机图像识别的森林火灾巡逻报警方法中,其特征在于,对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
a1)针对森林监测区域视频图像中的一帧图像,提取该帧图像中各个像素点的亮度值S和RGB值,其中RGB值包括红色通道值R、绿色通道值G和蓝色通道值B;
a2)分别判断该帧图像中每个像素点是否同时满足如下条件:
条件①:R≥B,且G≥B;
条件②:R≥Rth
条件③:S≥(255-R)×Sth/Rth;
条件④:R≥Rth,且G≥Gth;或者,|R-G|≥TH1,且|G-B|≥TH2;
条件⑤:|G-B|+|R-B|≥TH3;
其中,Rth表示预设定的红色通道阈值取值为150~200;Gth表示预设定的绿色通道阈值,取值为120~180;Sth表示预设定的亮度阈值,取值为180~220;TH1、TH2、TH3分别表示预设定的红绿色差阈值、绿蓝色差阈值和红蓝色差阈值,其中红绿色差阈值TH1取值为20~60,绿蓝色差阈值取值为50~90,红蓝色差阈值取值为80~120;
若该帧图像中存在K1个相连接的像素点同时满足条件①~⑤,则判定该帧图像中存在火焰图像特征,K1为预设的第一像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
a3)重复执行步骤a1)~a2),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
上述基于无人机图像识别的森林火灾巡逻报警系统中,作为另一种优选方案,对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
b1)提取森林监测区域视频图像中的一帧图像,判断当前帧图像是否为森林监测区域视频图像中的第一帧图像;若是,执行步骤b2);否则,执行步骤b3);
b2)再依次提取森林监测区域视频图像中的一帧图像,作为当前帧图像,执行步骤b3);
b3)将当前帧图像与前一帧图像进行像素灰度相减处理,得到当前帧图像对应的灰度差图像;
b4)基于预设的二值化阈值GLt对当前帧图像对应的灰度差图像进行二值化处理,将灰度值小于二值化阈值GLt的像素点灰度值设为0,将灰度值大于或等于二值化阈值GLt的像素点灰度值设为255,从而得到当前帧图像对应的二值化黑白图像;
b5)将当前帧图像对应的二值化黑白图像中像素点灰度值为255的像素点连接形成的每个区块作为一个像素识别区块,分别计算各个像素识别区块中包含的像素点数量,若当前帧图像对应的二值化黑白图像中存在包含K2个像素点的像素识别区块,则判定该帧图像中存在火焰图像特征,K2为预设的第二像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
b6)重复执行步骤b1)~b5),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
上述基于无人机图像识别的森林火灾巡逻报警系统中,作为优化方案,二值化阈值GLt的取值为100~130。
相比于现有技术,本发明具有以下有益效果:
1、本发明的基于无人机图像识别的森林火灾巡逻报警系统及方法,借助无人机在森林监测区域上空巡逻拍摄而获得的森林监测区域视频图像,通过监测服务器的火焰图像特征识别处理,就能够简便的实现对森林监测区域的火焰图像特征识别,判定存在火灾风险,从而执行火灾报警提示操作,大幅减少人工工作量,降低了人工巡逻成本。
2、本发明的基于无人机图像识别的森林火灾巡逻报警系统及方法,由于利用无人机在森林监测区域上空巡逻进行拍摄,其巡视范围不会受到森林地形等因素的限制,能够保证森林火灾监控范围更加全面,借助无人机也避免了因森林中生存环境恶劣等因素对巡视人员的人身安全带来风险的问题。
3、本发明的基于无人机图像识别的森林火灾巡逻报警系统及方法,借助对森林监测区域视频图像的火焰图像特征识别处理,也能够全面、准确的对森林火灾监控范围内任意位置存在的火灾隐患进行报警,能够更好的保证对森林火灾监控的火灾预警准确性。
附图说明
图1为本发明基于无人机图像识别的森林火灾巡逻报警系统一种具体实施方案的系统构架示意图。
图2为本发明基于无人机图像识别的森林火灾巡逻报警系统一种具体实施方案的系统构架示意图。
图3为二值化阈值GLt的取值对于火焰特征识别率的影响曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明基于无人机图像识别的森林火灾巡逻报警系统及方法进行进一步的说明。
如图1所示,本发明提供了一种基于无人机图像识别的森林火灾巡逻报警系统,该系统包括用于进行火灾识别预警处理的监测服务器;监测服务器用于获取在森林监测区域上空巡逻拍摄的无人机所回传的森林监测区域视频图像,并对所述森林监测区域视频图像进行火焰图像特征识别处理,当识别到所述森林监测区域视频图像中存在火焰图像特征时,执行火灾报警提示操作。监测服务器可以设置在森林火灾监控中心,一旦监测服务器执行火灾报警提示操作,便能够安排森林火灾监控人员或森林火灾防护人员根据无人机所拍摄位置确定火焰图像特征所在位置地点,开展火灾安全防护工作。当然,系统中还可以包括用于在森林监测区域上空巡逻拍摄的无人机,并与监测服务器建立数据通信连接;所述无人机用于实时拍摄森林监测区域视频图像,传送至监测服务器。同时,可以设计无人机具备地理位置定位能力,从而使得无人机能够将其地理位置定位信息一并发送至监测服务器;由此以来,监测服务器当识别到所述森林监测区域视频图像中存在火焰图像特征时,便能够根据无人机拍摄森林监测区域视频图像相应时刻的地理位置定位信息,确定出森林监测区域中的火灾发生位置,从而在执行火灾报警提示操作时,还可以包括提示出森林监测区域中的火灾发生位置,以便于森林火灾监控人员或森林火灾防护人赶赴相应地点位置开展火灾安全防护工作。
利用该基于无人机图像识别的森林火灾巡逻报警系统,可以实现基于无人机图像识别的森林火灾巡逻报警方法,即获取在森林监测区域上空巡逻拍摄的无人机所回传的森林监测区域视频图像;对所述森林监测区域视频图像进行火焰图像特征识别处理,当识别到所述森林监测区域视频图像中存在火焰图像特征时,执行火灾报警提示操作。
这样以来,借助无人机在森林监测区域上空巡逻拍摄而获得的森林监测区域视频图像,通过监测服务器的火焰图像特征识别处理,就能够简便的实现对森林监测区域的火焰图像特征识别,一旦识别到存在火焰图像特征,便判定存在火灾风险,从而执行火灾报警提示操作。由此,便能够大幅减少人工工作量,从而降低森林火灾人工巡逻成本,并且由于利用无人机在森林监测区域上空巡逻进行拍摄,其巡视范围不会受到森林地形等因素的限制,能够保证森林火灾监控范围更加全面,借助无人机也避免了因森林中生存环境恶劣等因素对巡视人员的人身安全带来风险的问题;同时,借助对森林监测区域视频图像的火焰图像特征识别处理,也能够全面、准确的对森林火灾监控范围内任意位置存在的火灾隐患进行报警,能够更好的保证对森林火灾监控的火灾预警准确性。
此外,为了更进一步的提升火灾报警的预警范围,如图2所示,本发明基于无人机图像识别的森林火灾巡逻报警系统中,还可以进一步设计包括用于作为报警终端使用的移动终端,并与监测服务器建立数据通信连接;所述监测服务器执行火灾报警提示操作包括向移动终端发送火灾报警指示信息;所述移动终端用于接收来自监测服务器的火灾报警指示信息,并执行火灾报警信息提示。具体应用中,用于作为报警终端使用的移动终端供森林火灾监控人员或森林火灾防护人员使用,这样以来,当监测服务器识别到所述森林监测区域视频图像中存在火焰图像特征时,则会向移动终端发送火灾报警指示信息,从而触发移动终端执行火灾报警信息提示,告知森林火灾监控人员或森林火灾防护人员及时采取火灾防护措施。在监测服务器便能够根据无人机返回的地理位置定位信息确定出森林监测区域中的火灾发生位置的情况下,监测服务器向移动终端发送的火灾报警指示信息中可以包括火灾发生位置信息,从而移动终端执行火灾报警信息提示时,能够一并提示火灾发生位置信息,更便于森林火灾监控人员或森林火灾防护人赶赴相应地点位置开展火灾安全防护工作。此外,还可以设计监测服务器还用于将无人机所回传的森林监测区域视频图像转发送至移动终端;而所述移动终端还用于接收来自监测服务器的森林监测区域视频图像并加以显示。这样以来,森林火灾监控人员或森林火灾防护人便能够通过移动终端,更加直观的查看到森林监测区域中火灾发生位置的现场实际情况,以对火灾规模有所预估,以便为火灾安全防护工作做好更充分的准备。
而作为对森林监测区域视频图像进行火焰图像特征识别处理的具体处理方式,可以有多种实现方案。
作为第一种方案,由于火焰的外焰部分是绝对高温,并且火焰本身的亮度大多集中在红色色度区域,故在火焰图像特征识别处理的过程中,则可以利用色度和亮度信息加以判断。基于该思路,本发明给出了一种具体的火焰图像特征识别处理实现方式:
a1)针对森林监测区域视频图像中的一帧图像,提取该帧图像中各个像素点的亮度值S和RGB值,其中RGB值包括红色通道值R、绿色通道值G和蓝色通道值B;
a2)分别判断该帧图像中每个像素点是否同时满足如下条件:
条件①:R≥B,且G≥B;
条件②:R≥Rth;
条件③:S≥(255-R)×Sth/Rth;
条件④:R≥Rth,且G≥Gth;或者,|R-G|≥TH1,且|G-B|≥TH2;
条件⑤:|G-B|+|R-B|≥TH3;
其中,Rth表示预设定的红色通道阈值取值为150~200;Gth表示预设定的绿色通道阈值,取值为120~180;Sth表示预设定的亮度阈值,取值为180~220;TH1、TH2、TH3分别表示预设定的红绿色差阈值、绿蓝色差阈值和红蓝色差阈值,其中红绿色差阈值TH1取值为20~60,绿蓝色差阈值取值为50~90,红蓝色差阈值取值为80~120;
若该帧图像中存在K1个相连接的像素点同时满足条件①~⑤,则判定该帧图像中存在火焰图像特征,K1为预设的第一像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
a3)重复执行步骤a1)~a2),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
上述的条件①~⑤,是基于对火焰图像的色度和亮度信息分析所得出的火焰特征判断条件,若森林监测区域视频图像中出现了同时满足条件①~⑤的连接像素点数量超过预设的第一像素点数阈值K1,则判定存在火焰图像特征;这里的第一像素点数阈值K1的具体取值,需要根据无人机的拍摄像素密度、拍摄距离、火灾预警的火灾规模情况设定等多方面因素加以确定,主要是的取值设置依据是,如果森林监测区域视频图像中连续K1个像素点所对应的实际区域面积达到1~3平方米,则可以判定存在火焰图像特征。
但上述火焰图像特征识别方式,其处理计算量相对较大。而为了进一步的简化火焰图像特征识别处理的计算量,本发明又给出了另一种火焰图像特征识别处理方式:
b1)提取森林监测区域视频图像中的一帧图像,判断当前帧图像是否为森林监测区域视频图像中的第一帧图像;若是,执行步骤b2);否则,执行步骤b3);
b2)再依次提取森林监测区域视频图像中的一帧图像,作为当前帧图像,执行步骤b3);
b3)将当前帧图像与前一帧图像进行像素灰度相减处理,得到当前帧图像对应的灰度差图像;
b4)基于预设的二值化阈值GLt对当前帧图像对应的灰度差图像进行二值化处理,将灰度值小于二值化阈值GLt的像素点灰度值设为0,将灰度值大于或等于二值化阈值GLt的像素点灰度值设为255,从而得到当前帧图像对应的二值化黑白图像;
b5)将当前帧图像对应的二值化黑白图像中像素点灰度值为255的像素点连接形成的每个区块作为一个像素识别区块,分别计算各个像素识别区块中包含的像素点数量,若当前帧图像对应的二值化黑白图像中存在包含K2个像素点的像素识别区块,则判定该帧图像中存在火焰图像特征,K2为预设的第二像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
b6)重复执行步骤b1)~b5),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
该方式是基于图像背景差分法来识别动态的火焰图像特征。因为火焰是动态的,利用图像背景差分法能够将动态的火焰从图像中分割出来,这是动态识别火焰的基础,将图像中动态的部分提取出来,再对其进行灰度差计算以及二值化处理识别,可以大大的简化计算量,提高检测的准确性和效率。同样,这里的第二像素点数阈值K2的具体取值,需要根据无人机的拍摄像素密度、拍摄距离、火灾预警的火灾规模情况设定等多方面因素加以确定,主要是的取值设置依据是,如果森林监测区域视频图像中连续K2个像素点所对应的实际区域面积达到1~3平方米,则可以判定存在火焰图像特征。在该方案中,二值化阈值GLt的取值,对于二值化黑白图像中的火焰特征识别也具有较大的影响,通过对不同二值化阈值GLt的取值对于火焰特征识别率的影响进行了统计,如图3所示,可以看到,二值化阈值GLt的优选取值为100~130,能够保证火焰特征识别率达到80%以上,而二值化阈值GLt的最优取值为125。
综上所述,本发明提供的基于无人机图像识别的森林火灾巡逻报警系统及方法,借助无人机在森林监测区域上空巡逻拍摄而获得的森林监测区域视频图像,通过监测服务器的火焰图像特征识别处理,就能够简便的实现对森林监测区域的火焰图像特征识别,判定存在火灾风险,从而执行火灾报警提示操作,大幅减少人工工作量,降低了人工巡逻成本,并且由于利用无人机在森林监测区域上空巡逻进行拍摄,其巡视范围不会受到森林地形等因素的限制,能够保证森林火灾监控范围更加全面,借助无人机也避免了因森林中生存环境恶劣等因素对巡视人员的人身安全带来风险的问题;同时,借助对森林监测区域视频图像的火焰图像特征识别处理,也能够全面、准确的对森林火灾监控范围内任意位置存在的火灾隐患进行报警,能够更好的保证对森林火灾监控的火灾预警准确性,为森林火灾监控和预警提供了更完善的解决方案。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于无人机图像识别的森林火灾巡逻报警系统,其特征在于,包括用于进行火灾识别预警处理的监测服务器;所述监测服务器用于获取在森林监测区域上空巡逻拍摄的无人机所回传的森林监测区域视频图像,并对所述森林监测区域视频图像进行火焰图像特征识别处理,当识别到所述森林监测区域视频图像中存在火焰图像特征时,执行火灾报警提示操作。
2.根据权利要求1所述基于无人机图像识别的森林火灾巡逻报警系统,其特征在于,还包括用于在森林监测区域上空巡逻拍摄的无人机,并与监测服务器建立数据通信连接;所述无人机用于实时拍摄森林监测区域视频图像,传送至监测服务器。
3.根据权利要求1所述基于无人机图像识别的森林火灾巡逻报警系统,其特征在于,还包括用于作为报警终端使用的移动终端,并与监测服务器建立数据通信连接;所述监测服务器执行火灾报警提示操作包括向移动终端发送火灾报警指示信息;所述移动终端用于接收来自监测服务器的火灾报警指示信息,并执行火灾报警信息提示。
4.根据权利要求1所述基于无人机图像识别的森林火灾巡逻报警系统,其特征在于,所述监测服务器对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
a1)针对森林监测区域视频图像中的一帧图像,提取该帧图像中各个像素点的亮度值S和RGB值,其中RGB值包括红色通道值R、绿色通道值G和蓝色通道值B;
a2)分别判断该帧图像中每个像素点是否同时满足如下条件:
条件①:R≥B,且G≥B;
条件②:R≥Rth;
条件③:S≥(255-R)×Sth/Rth;
条件④:R≥Rth,且G≥Gth;或者,|R-G|≥TH1,且|G-B|≥TH2;
条件⑤:|G-B|+|R-B|≥TH3;
其中,Rth表示预设定的红色通道阈值取值为150~200;Gth表示预设定的绿色通道阈值,取值为120~180;Sth表示预设定的亮度阈值,取值为180~220;TH1、TH2、TH3分别表示预设定的红绿色差阈值、绿蓝色差阈值和红蓝色差阈值,其中红绿色差阈值TH1取值为20~60,绿蓝色差阈值取值为50~90,红蓝色差阈值取值为80~120;
若该帧图像中存在K1个相连接的像素点同时满足条件①~⑤,则判定该帧图像中存在火焰图像特征,K1为预设的第一像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
a3)重复执行步骤a1)~a2),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
5.根据权利要求1所述基于无人机图像识别的森林火灾巡逻报警系统,其特征在于,所述监测服务器对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
b1)提取森林监测区域视频图像中的一帧图像,判断当前帧图像是否为森林监测区域视频图像中的第一帧图像;若是,执行步骤b2);否则,执行步骤b3);
b2)再依次提取森林监测区域视频图像中的一帧图像,作为当前帧图像,执行步骤b3);
b3)将当前帧图像与前一帧图像进行像素灰度相减处理,得到当前帧图像对应的灰度差图像;
b4)基于预设的二值化阈值GLt对当前帧图像对应的灰度差图像进行二值化处理,将灰度值小于二值化阈值GLt的像素点灰度值设为0,将灰度值大于或等于二值化阈值GLt的像素点灰度值设为255,从而得到当前帧图像对应的二值化黑白图像;
b5)将当前帧图像对应的二值化黑白图像中像素点灰度值为255的像素点连接形成的每个区块作为一个像素识别区块,分别计算各个像素识别区块中包含的像素点数量,若当前帧图像对应的二值化黑白图像中存在包含K2个像素点的像素识别区块,则判定该帧图像中存在火焰图像特征,K2为预设的第二像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
b6)重复执行步骤b1)~b5),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
6.根据权利要求5所述基于无人机图像识别的森林火灾巡逻报警系统,其特征在于,二值化阈值GLt的取值为100~130。
7.基于无人机图像识别的森林火灾巡逻报警方法,其特征在于,包括如下步骤:
获取在森林监测区域上空巡逻拍摄的无人机所回传的森林监测区域视频图像;
对所述森林监测区域视频图像进行火焰图像特征识别处理,当识别到所述森林监测区域视频图像中存在火焰图像特征时,执行火灾报警提示操作。
8.根据权利要求7所述基于无人机图像识别的森林火灾巡逻报警方法,其特征在于,对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
a1)针对森林监测区域视频图像中的一帧图像,提取该帧图像中各个像素点的亮度值S和RGB值,其中RGB值包括红色通道值R、绿色通道值G和蓝色通道值B;
a2)分别判断该帧图像中每个像素点是否同时满足如下条件:
条件①:R≥B,且G≥B;
条件②:R≥Rth
条件③:S≥(255-R)×Sth/Rth;
条件④:R≥Rth,且G≥Gth;或者,|R-G|≥TH1,且|G-B|≥TH2;
条件⑤:|G-B|+|R-B|≥TH3;
其中,Rth表示预设定的红色通道阈值取值为150~200;Gth表示预设定的绿色通道阈值,取值为120~180;Sth表示预设定的亮度阈值,取值为180~220;TH1、TH2、TH3分别表示预设定的红绿色差阈值、绿蓝色差阈值和红蓝色差阈值,其中红绿色差阈值TH1取值为20~60,绿蓝色差阈值取值为50~90,红蓝色差阈值取值为80~120;
若该帧图像中存在K1个相连接的像素点同时满足条件①~⑤,则判定该帧图像中存在火焰图像特征,K1为预设的第一像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
a3)重复执行步骤a1)~a2),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
9.根据权利要求7所述基于无人机图像识别的森林火灾巡逻报警方法,其特征在于,对森林监测区域视频图像进行火焰图像特征识别处理的处理方式包括:
b1)提取森林监测区域视频图像中的一帧图像,判断当前帧图像是否为森林监测区域视频图像中的第一帧图像;若是,执行步骤b2);否则,执行步骤b3);
b2)再依次提取森林监测区域视频图像中的一帧图像,作为当前帧图像,执行步骤b3);
b3)将当前帧图像与前一帧图像进行像素灰度相减处理,得到当前帧图像对应的灰度差图像;
b4)基于预设的二值化阈值GLt对当前帧图像对应的灰度差图像进行二值化处理,将灰度值小于二值化阈值GLt的像素点灰度值设为0,将灰度值大于或等于二值化阈值GLt的像素点灰度值设为255,从而得到当前帧图像对应的二值化黑白图像;
b5)将当前帧图像对应的二值化黑白图像中像素点灰度值为255的像素点连接形成的每个区块作为一个像素识别区块,分别计算各个像素识别区块中包含的像素点数量,若当前帧图像对应的二值化黑白图像中存在包含K2个像素点的像素识别区块,则判定该帧图像中存在火焰图像特征,K2为预设的第二像素点数阈值;否则,判定该帧图像中不存在火焰图像特征;
b6)重复执行步骤b1)~b5),分别对森林监测区域视频图像中的每一帧图像进行火焰图像特征识别处理,直至完成对森林监测区域视频图像中全部帧图像的火焰图像特征识别处理。
10.根据权利要求9所述基于无人机图像识别的森林火灾巡逻报警方法,其特征在于,二值化阈值GLt的取值为100~130。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548096.3A CN108734913A (zh) | 2018-05-31 | 2018-05-31 | 基于无人机图像识别的森林火灾巡逻报警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548096.3A CN108734913A (zh) | 2018-05-31 | 2018-05-31 | 基于无人机图像识别的森林火灾巡逻报警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108734913A true CN108734913A (zh) | 2018-11-02 |
Family
ID=63931410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810548096.3A Pending CN108734913A (zh) | 2018-05-31 | 2018-05-31 | 基于无人机图像识别的森林火灾巡逻报警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734913A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097727A (zh) * | 2019-04-30 | 2019-08-06 | 暨南大学 | 基于模糊贝叶斯网络的森林火灾预警方法及系统 |
CN110517435A (zh) * | 2019-09-08 | 2019-11-29 | 天津大学 | 一种便携式即时防火预警及信息采集处理预警系统及方法 |
CN110543186A (zh) * | 2019-08-02 | 2019-12-06 | 佛山科学技术学院 | 基于无人机的森林火灾监测系统、方法及存储介质 |
CN110555447A (zh) * | 2019-09-06 | 2019-12-10 | 深圳市瑞讯云技术有限公司 | 火灾的检测方法、装置及存储介质 |
CN112989941A (zh) * | 2021-02-07 | 2021-06-18 | 浙江宇联信息发展有限公司 | 一种基于地图的视像信息传输系统 |
CN113283276A (zh) * | 2020-12-30 | 2021-08-20 | 四川弘和通讯有限公司 | 一种联动热成像自学习火点检测方法及系统 |
CN113903112A (zh) * | 2021-09-17 | 2022-01-07 | 苏州城之瞳安防智能科技有限公司 | 一种用于社区管理的智能化监控系统、方法及介质 |
CN113917960A (zh) * | 2021-07-15 | 2022-01-11 | 王鑫磊 | 一种智慧城市电力通道云计算运维控制系统 |
CN114111794A (zh) * | 2021-11-23 | 2022-03-01 | 山东善思明科技发展股份有限公司 | 一种基于无人机的森林防火方法、系统、设备及存储介质 |
CN115376269A (zh) * | 2022-10-21 | 2022-11-22 | 南京信大卫星应用研究院有限公司 | 一种基于无人机的火灾监控系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105991974A (zh) * | 2015-03-06 | 2016-10-05 | 中国移动通信集团贵州有限公司 | 一种基于4g移动通信网的高空监控方法及系统 |
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 |
CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
-
2018
- 2018-05-31 CN CN201810548096.3A patent/CN108734913A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105991974A (zh) * | 2015-03-06 | 2016-10-05 | 中国移动通信集团贵州有限公司 | 一种基于4g移动通信网的高空监控方法及系统 |
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 |
CN106897720A (zh) * | 2017-01-11 | 2017-06-27 | 济南中维世纪科技有限公司 | 一种基于视频分析的烟火检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
段悦等: "火灾探测中动态火焰的数字图像处理", 《中国计量学院学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097727A (zh) * | 2019-04-30 | 2019-08-06 | 暨南大学 | 基于模糊贝叶斯网络的森林火灾预警方法及系统 |
CN110543186A (zh) * | 2019-08-02 | 2019-12-06 | 佛山科学技术学院 | 基于无人机的森林火灾监测系统、方法及存储介质 |
CN110555447A (zh) * | 2019-09-06 | 2019-12-10 | 深圳市瑞讯云技术有限公司 | 火灾的检测方法、装置及存储介质 |
CN110517435A (zh) * | 2019-09-08 | 2019-11-29 | 天津大学 | 一种便携式即时防火预警及信息采集处理预警系统及方法 |
CN113283276A (zh) * | 2020-12-30 | 2021-08-20 | 四川弘和通讯有限公司 | 一种联动热成像自学习火点检测方法及系统 |
CN112989941B (zh) * | 2021-02-07 | 2022-07-01 | 浙江宇联信息发展有限公司 | 一种基于地图的视像信息传输系统 |
CN112989941A (zh) * | 2021-02-07 | 2021-06-18 | 浙江宇联信息发展有限公司 | 一种基于地图的视像信息传输系统 |
CN113917960A (zh) * | 2021-07-15 | 2022-01-11 | 王鑫磊 | 一种智慧城市电力通道云计算运维控制系统 |
CN113903112A (zh) * | 2021-09-17 | 2022-01-07 | 苏州城之瞳安防智能科技有限公司 | 一种用于社区管理的智能化监控系统、方法及介质 |
CN114111794A (zh) * | 2021-11-23 | 2022-03-01 | 山东善思明科技发展股份有限公司 | 一种基于无人机的森林防火方法、系统、设备及存储介质 |
CN114111794B (zh) * | 2021-11-23 | 2023-11-24 | 山东善思明科技发展股份有限公司 | 一种基于无人机的森林防火方法、系统、设备及存储介质 |
CN115376269A (zh) * | 2022-10-21 | 2022-11-22 | 南京信大卫星应用研究院有限公司 | 一种基于无人机的火灾监控系统 |
CN115376269B (zh) * | 2022-10-21 | 2022-12-30 | 南京信大卫星应用研究院有限公司 | 一种基于无人机的火灾监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734913A (zh) | 基于无人机图像识别的森林火灾巡逻报警系统及方法 | |
CN112560657B (zh) | 烟火识别方法、装置、计算机设备和存储介质 | |
CN105512667B (zh) | 红外和可见光视频图像融合识别火灾的方法 | |
CN105979210B (zh) | 一种基于多枪多球摄像机阵列的行人识别系统 | |
CN106600888B (zh) | 一种森林火灾自动检测方法及系统 | |
KR100922784B1 (ko) | 영상 기반 화재 감지 방법 및 이를 적용한 방범 및 방재 시스템 | |
CN201936415U (zh) | 森林火情自动识别报警系统 | |
CN103106766A (zh) | 林火识别方法与系统 | |
CN110021133B (zh) | 全天候消防火灾巡逻预警监控系统及火灾图像检测方法 | |
CN104599427A (zh) | 一种用于公路隧道的智能图像型火灾报警系统 | |
CN107426533A (zh) | 一种基于视频加密压缩和影像识别的视频监控影像识别系统 | |
CN102117484B (zh) | 使用图像色彩信息的处理系统、处理方法与图像分类方法 | |
CN201237824Y (zh) | 油井智能监控报警系统 | |
CN111932709A (zh) | 一种基于ai识别实现加油站巡检作业违规安全监管的方法 | |
CN110634261A (zh) | 一种地下配电网火灾预警系统及方法 | |
CN110070055A (zh) | 一种基于深度学习的基建场景安全检测系统及方法 | |
KR101224548B1 (ko) | 화재 영상 감지시스템 및 그 방법 | |
CN109360370A (zh) | 一种基于机器人烟火检测的方法 | |
CN201726494U (zh) | 利用图像色彩信息执行图像比对的装置与系统 | |
Sathyakala et al. | Computer vision based fire detection with a video alert system | |
CN104464065A (zh) | 一卡通门禁实时监控管理方法及门禁系统 | |
CN106651902A (zh) | 一种楼宇智能预警方法及系统 | |
CN108460357B (zh) | 一种基于图像识别的开窗报警检测系统及方法 | |
CN109348173B (zh) | 一种监控视频管理方法、装置及终端设备 | |
KR102142315B1 (ko) | 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181102 |