CN109841028A - 一种基于红外热像仪的热源探测方法、系统及存储介质 - Google Patents

Abstract

本发明公开了一种基于红外热像仪的热源探测方法,包括梯度划分步骤，获取监测场景下的红外原始裸数据，求取每个像素点坐标的均差值，创建均差值二维数组，并根据红外画面由中心向边缘按均差值分梯度依次查找处于各个梯度的像素点集合；筛选热源步骤，对属于对应梯度的像素点集合进行分块处理，从第一梯度开始，由中心向外延伸查找出红外画面各个按照梯度分布的像素点块，筛选出判定为火源/易于引发火灾的高温源的像素点块。本发明还公开了本发明的一种基于红外热像仪的热源探测系统及存储介质，本发明的一种基于红外热像仪的热源探测方法、系统及存储介质，能够更准确的识别热源，减少误报及漏报现象。

Description

一种基于红外热像仪的热源探测方法、系统及存储介质

技术领域

本发明涉及红外监控探测领域，尤其涉及一种基于红外热像仪的热源探测方法、系统及存储介质。

背景技术

火灾给我们的生产生活带来了非常大的威胁，一旦发生火灾，轻则造成重大的财产损失，重则严重威胁人民群众的生命财产安全。特别是随着改革开放以来，大量的电气广泛的应用在了我们的生产生活中，稍有不慎就难免会引起火灾，火灾隐患时刻存在于我们身边。为了避免发生火灾，尽可能减少火灾带来的损失。通常会通过设置监控系统，一旦发现火情，一定要在第一时间内报警，同时在能力范围内对火情进行控制，尽可能在保证人身安全的前提下将火灾消灭，尽可能地降低损失。

目前常见的热源和火灾探测系统如下：

1、电气火灾监控系统：

其基本原理是，当电气设备中的电流、温度等参数发生异常或突变时，终端探测头(如剩余电流互感器、温度传感器等)利用电磁场感应原理、温度效应的变化对该信息进行采集，并输送到监控探测器里，经放大、A/D转换、CPU对变化的幅值进行分析、判断，并与报警设定值进行比较，一旦超出设定值则发出报警信号，同时也输送到监控设备中，再经监控设备进一步识别、判定，当确认可能会发生火灾时，监控主机发出火灾报警信号，点亮报警指示灯，发出报警音响，同时在液晶显示屏上显示火灾报警等信息。

2、线性感温探测系统

由敏感部件和与其相连接的信号处理单元及终端组成，响应某一连续线路周围温度参数的火灾探测器，它是将温度值信号或是温度单位时间内变化量信号，转换为电信号以达到探测火灾并输出报警信号的目的。

3、分布式光纤探测系统

分布式光纤传感系统原理是同时利用光纤作为传感敏感元件和传输信号介质，采用先进的OTDR技术，探测出沿着光纤不同位置的温度和应变的变化，实现真正分布式的测量。

4、图像探测方式

图像摄像方式火灾探测报警系统由两个部分组成，一个部分是图像采集系统，另外一个部分则是分析软件。采集系统也就是平常的图像处理系统。软件系统则是整个系统最重要的部分，这部分目前选用的技术是通用的，产品已经趋于成熟，但是在软件编制的过程，一定要以火灾图像特征作为基础，根据火灾场所的环境来对火灾的特征参数进行确定。

但是，目前上述常用的热源/火灾探测系统，其应用环境比较固定，工程实施复杂，成本造价高，并且其探测距离较近且误报漏报较多，识别准确率无法保证。基于此，提供一种热源探测方法，能够减少误报漏报，更准确的识别热源，是目前监控探测领域值得探究的技术问题。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种基于红外热像仪的热源探测方法，能够减少误报漏报，更准确的识别热源。

本发明的目的之一采用如下技术方案实现：

一种基于红外热像仪的热源探测方法,梯度划分步骤，获取监测场景下的红外原始裸数据，求取每个像素点坐标的均差值，创建均差值二维数组，并根据红外画面由中心向边缘按均差值分梯度依次查找处于各个梯度的像素点集合；筛选热源步骤，对属于对应梯度的像素点集合进行分块处理，从第一梯度开始，由中心向外延伸查找出红外画面各个按照梯度分布的像素点块，筛选出判定为火源/易于引发火灾的高温源的像素点块。

进一步地，在所述筛选热源步骤之后，还包括：热源测温步骤，对判定为火源/易于引发火灾的高温源的像素点块通过预设测温模型进行测温，并将热源的位置和及热源的温度在红外视频流上进行标定后输出。

进一步地，在所述热源测温步骤中，测温模型通过热源像素点块最大均差值数据以及热源像素点块各梯度所占的像素点数量测得热源温度。

进一步地，在所述梯度划分步骤中，根据红外画面由中心向边缘按均差值分五个梯度依次查找处于各个梯度的像素点集合。

进一步地，在所述热源测温步骤中，测温模型公式为

Temp＝((MaxV-350)/14.1025+35.36)/(Ncount/(Ncount+Ocount))

其中Temp为火源/高温源的温度值；MaxV为火源/高温源像素点块中最大的均差值数据；Ncount为处于后三个梯度的像素点数量；Ocount为处于第一和第二梯度的像素点数量。

进一步地，在所述筛选热源步骤中，对处于各个梯度像素点集合中的各个像素点，通过循环查找与各个像素点相邻且均差值处于对应下一梯度的像素点，得到各个按梯度分布的像素点块。

进一步地，在所述筛选热源步骤中，对按梯度分布的像素点块，若像素点块所占梯度数小于预设最小梯度数值，则舍弃该像素点块数据；若像素点块所占梯度数大于或等于预设最大梯度数值，则判定为火源/易于引发火灾的高温源的像素点块。

进一步地，在所述筛选热源步骤中，若像素点块所占梯度数大于或等于预设最小梯度数值，且小于预设最大梯度数值，则进一步判断像素点块数据的各个梯度的质心位置是否统一，对满足质心统一条件的像素点块数据，创建int型的变量ConCnt，根据ConCnt的值来判定该像素点块是否为火源/易于引发火灾的高温源。

本发明的目的之二在于提供一种基于红外热像仪的热源探测系统，能够减少误报漏报，更准确的识别热源。

本发明的目的之二采用如下技术方案实现：

一种基于红外热像仪的热源探测系统，包括红外热像仪、高清摄像头及客户端，所述客户端用于接收所述红外热像仪、所述高清摄像头的侦查数据及报警结果，所述红外热像仪包括红外探测器及FPGA模块，所述红外探测器用于获取侦查视场角内的红外原始裸数据，所述FPGA模块与所述红外探测器通信连接，实现如本发明目的之一所述的一种基于红外热像仪的热源探测方法。

本发明的目的之三在于提供一种存储介质，能够减少误报漏报，更准确的识别热源。

本发明的目的之三采用如下技术方案实现：

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明目的之一所述的一种基于红外热像仪的热源探测方法。

相比现有技术，本发明的有益效果在于：

本发明的一种基于红外热像仪的热源探测方法、系统及存储介质，通过红外热像仪获取红外原始裸数据，对检测场景下的红外画面由中心向边缘按均差值分梯度依次查找处于各个梯度的像素点集合，通过查找出红外画面各个按照梯度分布的像素点块，即可筛选出判定为火源/易于引发火灾的高温源的像素点块。以此实现更准确的识别热源，减少误报及漏报现象。

附图说明

图1为发明一种基于红外热像仪的热源探测方法流程示意图；

图2为发明一种基于红外热像仪的热源探测系统连接示意图；

图3为图2系统操作流程图；

图4为红外画面梯度示意图；

图5为梯度判定步骤示意图；

图6梯度分布像素块判定步骤。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

实施例一：

实施例一提供了一种基于红外热像仪的热源探测方法，如图1所示，包括如下步骤：

S1梯度划分步骤，获取监测场景下的红外原始裸数据，求取每个像素点坐标的均差值，创建均差值二维数组，并根据红外画面由中心向边缘按均差值分梯度依次查找处于各个梯度的像素点集合；

S2筛选热源步骤，对属于对应梯度的像素点集合进行分块处理，从第一梯度开始，由中心向外延伸查找出红外画面各个按照梯度分布的像素点块，筛选出判定为火源/易于引发火灾的高温源的像素点块；

S3热源测温步骤，对判定为火源/易于引发火灾的高温源的像素点块通过预设测温模型进行测温，并将热源的位置和及热源的温度在红外视频流上进行标定后输出。

利用一个热源探测系统，来实现上述方法，热源探测系统如图2所示，包括红外热像仪、高清摄像头及客户端，该客户端用于接收该红外热像仪、该高清摄像头的侦查数据及报警结果，该红外热像仪包括红外探测器及FPGA模块，该红外探测器用于获取侦查视场角内的红外原始裸数据，该FPGA模块与该红外探测器通信连接，实现上述一种基于红外热像仪的热源探测方法。

系统操作流程如图3所示，设备安装好并正常上电运行后，打开系统客户端连接上设备，可以看到前端设备的红外热像仪和高清摄像机的视频流。用户通过查看视频流，根据需要进行热源探测的实际场景来设置设备的扫描角度范围或设置预置位。设备按照用户设置的监测场景进行自动巡航扫描。当设备扫描到某个场景位置时，系统红外热像仪的数据获取模块获取该场景下的红外原始裸数据。系统的热源探测算法对该帧红外数据进行分析，判定是否有热源存在。若发现热源，则通过系统的热源块的测温算法模型对该热源块进行温度计算。把热源的位置和热源的温度在红外热像仪的视频流上进行标定。前端设备发送热源报警信号给客户端，之后继续巡航扫描下一个监测场景。

本实施例的热源探测方法，旨在弥补传统热源探测系统经常误报漏报的不足，充分利用红外热像仪的特性，深入分析热源的特点，实现对红外可探测范围内的火源/易于引发火灾的高温源的智能准确识别，不需要设置任何的参数阈值，且可以避免误报和漏报的发生，在较近距离下，又对微小火源具有很高的探测灵敏度和精确度。经过本系统对火源和许多热源的研究和分析，发现火源和易于引发火灾的高温源在红外原始裸数据上都表现有从中心点向边缘，其数据呈梯度式递减的特点，而其他热源如被阳光晒热的路面、房顶、铁片以及热源在水面或镜面上产生的反射源等均不具备该特点。

系统经过对大量的火源和易于引发火灾的高温源的数据分析，最终总结出了一种针对符合数据梯度的火源和易于引发火灾的高温源的探测算法。本实施例在系统前面的热源探测的算法的基础上进行了深化，增加了火源/热源的梯度算法，使系统可以更加智能地识别出火源/易于引发火灾的高温源，而其他热源及热源引起反射源都不会触发报警。

其具体实现方法如下所示：

本方法的实现，最简单的结构是红外热像仪和用于接收探测结果的客户端，本次实现方法使用本系统常用的一套的较优的结构来说明。当设备安装好并正常上电运行后，打开系统客户端连接上设备，可以看到前端设备的红外热像仪和高清摄像机的视频流。用户通过查看视频流，根据需要进行热源探测的实际场景来设置设备的扫描角度范围或设置预置位。设置完成后，设备按照用户设置的监测场景进行自动巡航扫描。当设备扫描到某个场景位置时，系统红外热像仪的数据获取模块获取该场景下的红外原始裸数据，发送给FPGA数据处理模块。

FPGA数据处理模块以红外图像的左上角为坐标原点，分别以红外图像的上边缘和左边缘为X轴和Y轴，建立直角坐标系，则红外图像的每一个像素点的均处于二维坐标系中，每一个像素点都会有一个二维坐标。FPGA数据处理模块获取到一帧红外原始裸数据后，计算出该帧红外原始数据的平均值，同时把每个像素点的数据值减去平均值求得每个像素点的均差值，然后按照各个像素点在红外图像上的坐标位置，把均差值数据保存进二维数组中，同时创建一个新的bool类型的二维数组bool IsSign[]，所有的值均初始化为false，IsSign中的每值二维数组中各个相同坐标位置的像素点是否已经被标记为梯度数据，若IsSign的值为false，表示像素点未被归为某个梯度块的数据；若值为true则说明像素点已被归为某个梯度块数据。本实施例的热源探测方法把火源从中心点到外边缘的均差值数据逐渐降低的趋势分为最大5个梯度，从中心点到外边边缘依次为：第一梯度为均差值数据大于5000的像素点集合；第二梯度为均差值数据大于2000且小于5000的像素点集合；第三梯度为均差值数据大于750且小于2000的像素点集合；第四梯度为均差值数据大于500且小于750的像素点集合；第五梯度为均差值数据大于350且小于500的像素点集合，梯度示意图如图4所示：

因为不同型号和不同类型的红外热像仪面对相同的监测场景，其红外原始裸数据的值会有很大的不同，本发明介绍的方法所采用的具体数值只是基于本系统较常用的一种红外热像仪的基础上来进行运算的，针对其他不同类型的原始裸数据值相差较大的红外热像仪，本方法同样适用，只需根据其红外数据的具体数值，通过比例将火源/高温危险源划分为适当的梯度值再进行运算即可。同时，本方法划分的梯度只是针对比较普遍适用的探测场景，如有特殊探测场景，还可以根据实际情况，划分出更多且更加精细的梯度来探测特殊的监测场景。

系统的梯度算法是遍历该均差值的二维数组中的红外原始裸数据，从第一梯度开始到第五梯度，逐层向外延伸来依次判别目标是否满足火源/易于引发火灾的高温源的梯度规则，若满足，则判定目标为火源/易于引发火灾的高温源，其梯度判定步骤的示意图如图5所示。

创建像素点的结构体如下所示：

typedef Pixel

{

int pixel_x；//像素点的X坐标

int pixel_y；//像素点的Y坐标

int value；//像素点的均差值(数据值减去平均值)

}

本系统的梯度算法是从第一梯度开始，依次向外扩展循环查找(即向第五梯度查找)处于各个梯度的像素点块，本方法以第一梯度和第二梯度为例，说明循环查找各个梯度块的算法。遍历上面二维数组中的红外均差值数据，先查找是否有处于第一梯度的像素点集合(即红外数据均差值大于5000的像素点集合)，若未发现有处于第一梯度的像素点，则继续查找是否有处于第二梯度的像素点集合(即红外数据均差值大于2000且小于5000的像素点集合)，若未发现有处于第二梯度的像素点，则继续查找是否有处于第三梯度的像素点集合(即红外数据均差值大于750且小于2000的像素点集合)，若该帧红外原始裸数据未发现有处于任何的处于第一到第三梯度的中的像素点，则继续获取下一帧红外原始裸数据进行分析。按照上面从第一梯度到第三梯度的顺序依次查找，若发现有处于第N梯度(N＝1或N＝2或N＝3)的像素点数据，则从该第N梯度的开始进行梯度分析。创建像素点集合的结构体数组Pixel GradientArray[],遍历上面二维数组中的红外均差值数据，如果有处于第N梯度的像素点数据，则把处于第N梯度的像素点筛选出来，并保存进该结构体数组中GradientArray[]，且把各个像素点对应的IsSign值初始化为1。对属于第N梯度的像素点集合即GradientArray[]中的像素点进行分块处理，本系统的分块算法，默认把红外图像上任意两个坐标位置相邻的像素点记为同一块，即若两个像素点的坐标(X1,Y1)和(X2,Y2)同时满足如下两个条件：-1<＝(X1-X2)<＝1，-1<＝(Y1-Y2)<＝1则将两个像素点划分为同一块。

按照上述的分块算法规则，把属于第N梯度中的像素点分为若干个像素点块，若最终分为了m块，再依次针对m块中的每一个像素点块数据进行向外的梯度查找和判断。依次获取m个像素点块中的各个像素点集合的数据，分别在每一块周围查找处于第N+1梯度的像素点集合(例如N+1＝4，则查找红外数据均差值大于2000小于5000的像素点集合)，其方法流程图6如下：

梯度分布像素点块判断方法流程说明：创建第N+1梯度的结构体数组PixelNGradient[]，获取第N梯度像素点块中某一块的像素点数据，在均差值二维数组中分别查找与各个像素点相邻且均差值处于第N+1梯度的像素点集合，若未找到，则直接结束；若找到了，则把新找到的像素点集合保存进第N+1梯度的结构体数组SecondGradient[]中，再循环遍历该结构体数组(即SecondGradient[]中的像素点数据)，分别查找与该数组中各个像素点相邻且均差值处于第N+1梯度的像素点，保存再次找出的像素点，不停地循环，直到找不到新的N+1梯度的像素点为止跳出循环，把所有找出的像素点保存进第二梯度的结构体数组中，同时把第二梯度中的像素点对应的IsSign值改为1。

按照上述的方法，从第一梯度开始查找,依次向外扩展延伸，查找到第五梯度结束，依次找出红外画面内，各个按照梯度分布的像素点块，同时记录下各个像素点块中的处于各个梯度中的像素点数据。当找出一个按照梯度分布的像素点块后，首先确定该像素点块的最小梯度值a和最大梯度值b及其所占的梯度数c(c＝b-a+1)的值是否大于3，若小于3，则说明该像素点块不是火源/易于引发火灾的高温源，舍弃掉该数据；若c的值等于5，则说明该像素点块为火源/易于引发火灾的高温源，不需要再进行下面的判定；若c的值大于等于3且小于5，则再判断该像素点块数据的各个梯度的质心位置是否统一，判断方法为：

创建一个二维数组Centroid[c][2],用于储存该像素点块中各个梯度的像素点集合的质心的横坐标和纵坐标。分别计算该像素点块从最小梯度a到最大梯度b，每个梯度的像素点集合中的质心坐标位置即所有像素点横坐标的平均值AveX和纵坐标的平均值AveY，保存进二维数组Centroid[c][2]中。分别判断两个相邻梯度的像素点质心位置的横坐标和纵坐标的差值的绝对值是否都小于等于2，(即二维数组Centroid[c][2]中前后两个元素的值)即外层梯度质心的横坐标减去内层梯度质心的横坐标差值的绝对值是否小于等于2，同时外层梯度质心的纵坐标减去内层梯度质心的纵坐标差值的绝对值是否也小于等于2。即判断二维数组是否同时满足：

|Centroid[d][0]-Centroid[d+1][0]|<＝2和|Centroid[d][1]-Centroid[d+1][1]|<＝2两个条件，其中0<＝d<＝c，若满足则说明该像素点块中的第d梯度和第d+1梯度之间满足质心统一的条件。

如上所示，分别两两判断两个相邻梯度是否满足上述条件，若各个梯度之间均满足质心统一的条件，则判定该像素点块满足质心统一的条件，若不满足，则舍弃该像素点块的数据。创建int型的变量ConCnt，初始化为0，若某个像素点块满足质心统一的条件，则继续判定该像素点块的各个梯度数据是否满足以下条件：

若像素点块的某个梯度的像素点数量PixelNum>＝1且PixelNum<＝4，则遍历该梯度的像素点集合，找出最大的像素点均差值MaxValue，同时计算出像素点均差值的平均值AveValue，若MaxValue除以AveValue的商的值大于1，则ConCnt的值自加1。

若像素点块的某个梯度的像素点数量PixelNum>＝5且PixelNum<＝16，则遍历该梯度的像素点集合，找出最大的像素点均差值MaxValue，同时计算出像素点均差值的平均值AveValue，若MaxValue除以AveValue的商的值大于1.3，则ConCnt的值自加1。

若像素点块的某个梯度的像素点数量PixelNum>＝16且PixelNum<＝50，则遍历该梯度的像素点集合，找出最大的像素点均差值MaxValue，同时计算出像素点均差值的平均值AveValue，若MaxValue除以AveValue的商的值大于1.5，则ConCnt的值自加1。

若像素点块的某个梯度的像素点数量PixelNum>＝50，则遍历该梯度的像素点集合，找出最大的像素点均差值MaxValue，同时计算出像素点均差值的平均值AveValue，若MaxValue除以AveValue的商的值大于2，则ConCnt的值自加1。

按上一步的条件依次判断该像素点块的各个梯度的像素点数据集合后，根据ConCnt的值来判定该像素点块是否为火源/易于引发火灾的高温源，若ConCnt的值大于等于该像素点块所占的梯度c的值减去1，则判定该像素点块为火源/易于引发火灾的高温源，否则舍弃数据。按照上述的判定方法，依次判定各个具有梯度特征的像素点块，筛选出判定为火源/易于引发火灾的高温源的像素点数据块。若发现有火源/易于引发火灾的高温源热源，则通过系统的热源块的测温算法模型对该火源/高温源块进行温度计算。

系统的热源块的测温算法模型如下所示：

当系统分析出一个像素点块为火源/高温源时，则对该火源/高温源进行测温，通过上面的梯度分析，系统获取到了该火源/高温源的起始的最小梯度值a和终止的最大梯度值b及其所跨越的梯度数c的值，同时分别获取到各个梯度的像素点数量、各个梯度的均差值数据的平均值、及该火源/高温源均差值的最大值等数据。

经过系统对不同距离的火源/高温源数据进行统计和分析，发现：

1、火源/高温源在红外画面内的所占的像素点的原始裸数据，会随着其与红外热像仪之间距离的增大而逐渐衰减变小；

2、随着距离变远，固定大小的火源/高温源在红外画面内所占的像素点数量即像素点块的大小也会减小；所以综上，本测温模型与火源/高温源的最大均差值、各梯度所占的像素点数量有关。

通过大量数据，经过最小二乘法拟合出如下的测温公式：

Temp＝((MaxV-350)/14.1025+35.36)/(Ncount/(Ncount+Ocount))

其中Temp为火源/高温源的温度值；MaxV为火源/高温源像素点块中最大的均差值数据；Ncount为大于均差值350且小于2000的像素点数量，即处于后三个梯度的像素点数量；Ocount为大于均差值2000的像素点数量，即处于第一和第二梯度的像素点数量。

当设备探测到有火源/高温源，按照上一算法对探测到的火源/高温源进行测温操作，同时把热源的位置和热源的温度在红外热像仪的视频流上进行标定。设备在该监测场景扫描完成，则继续巡航扫描下一个监测场景。通过上述方法，无需用户配置任何参数阈值，即可实现对火源和易于引发火灾的高温源的精准探测，避免误报和漏报的发生，同时根据梯度数据对触发报警的火源/高温源进行测温操作，探测到火源和易于引发火灾的高温源时，自动触发客户端报警，来通知用户及时对异常进行处理。

通过红外热像仪获取红外原始裸数据，对检测场景下的红外画面由中心向边缘按均差值分梯度依次查找处于各个梯度的像素点集合，通过查找出红外画面各个按照梯度分布的像素点块，即可筛选出判定为火源/易于引发火灾的高温源的像素点块。以此实现更准确的识别热源，减少误报及漏报现象。

实施例二：

实施例二公开了一种可读的计算机存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的基于红外热像仪的热源探测方法。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种基于红外热像仪的热源探测方法,其特征在于，包括：

梯度划分步骤，获取监测场景下的红外原始裸数据，求取每个像素点坐标的均差值，创建均差值二维数组，并根据红外画面由中心向边缘按均差值分梯度依次查找处于各个梯度的像素点集合；

筛选热源步骤，对属于对应梯度的像素点集合进行分块处理，从第一梯度开始，由中心向外延伸查找出红外画面各个按照梯度分布的像素点块，筛选出判定为火源/易于引发火灾的高温源的像素点块。

2.如权利要求1所述的基于红外热像仪的热源探测方法,其特征在于，在所述筛选热源步骤之后，还包括：

热源测温步骤，对判定为火源/易于引发火灾的高温源的像素点块通过预设测温模型进行测温，并将热源的位置和及热源的温度在红外视频流上进行标定后输出。

3.如权利要求2所述的基于红外热像仪的热源探测方法,其特征在于：在所述热源测温步骤中，测温模型通过热源像素点块最大均差值数据以及热源像素点块各梯度所占的像素点数量测得热源温度。

4.如权利要求3所述的基于红外热像仪的热源探测方法,其特征在于：在所述梯度划分步骤中，根据红外画面由中心向边缘按均差值分五个梯度依次查找处于各个梯度的像素点集合。

5.如权利要求4所述的基于红外热像仪的热源探测方法,其特征在于：在所述热源测温步骤中，测温模型公式为

Temp＝((MaxV-350)/14.1025+35.36)/(Ncount/(Ncount+Ocount))

其中Temp为火源/高温源的温度值；MaxV为火源/高温源像素点块中最大的均差值数据；Ncount为处于后三个梯度的像素点数量；Ocount为处于第一和第二梯度的像素点数量。

6.如权利要求1所述的基于红外热像仪的热源探测方法，其特征在于：在所述筛选热源步骤中，对处于各个梯度像素点集合中的各个像素点，通过循环查找与各个像素点相邻且均差值处于对应下一梯度的像素点，得到各个按梯度分布的像素点块。

7.如权利要求1所述的基于红外热像仪的热源探测方法，其特征在于：在所述筛选热源步骤中，对按梯度分布的像素点块，若像素点块所占梯度数小于预设最小梯度数值，则舍弃该像素点块数据；若像素点块所占梯度数大于或等于预设最大梯度数值，则判定为火源/易于引发火灾的高温源的像素点块。

8.如权利要求7所述的基于红外热像仪的热源探测方法，其特征在于：在所述筛选热源步骤中，若像素点块所占梯度数大于或等于预设最小梯度数值，且小于预设最大梯度数值，则进一步判断像素点块数据的各个梯度的质心位置是否统一，对满足质心统一条件的像素点块数据，创建int型的变量ConCnt，根据ConCnt的值来判定该像素点块是否为火源/易于引发火灾的高温源。

9.一种基于红外热像仪的热源探测系统，其特征在于：包括红外热像仪、高清摄像头及客户端，所述客户端用于接收所述红外热像仪、所述高清摄像头的侦查数据及报警结果，所述红外热像仪包括红外探测器及FPGA模块，所述红外探测器用于获取侦查视场角内的红外原始裸数据，所述FPGA模块与所述红外探测器通信连接，实现如权利要求1-8任意一项所述的一种基于红外热像仪的热源探测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8任意一项所述的一种基于红外热像仪的热源探测方法。