CN109993941A - 基于人工智能的热成像火灾报警系统及其图像处理方法 - Google Patents
基于人工智能的热成像火灾报警系统及其图像处理方法 Download PDFInfo
- Publication number
- CN109993941A CN109993941A CN201910213672.3A CN201910213672A CN109993941A CN 109993941 A CN109993941 A CN 109993941A CN 201910213672 A CN201910213672 A CN 201910213672A CN 109993941 A CN109993941 A CN 109993941A
- Authority
- CN
- China
- Prior art keywords
- fire
- infrared
- data
- target
- module
- 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
- 238000001931 thermography Methods 0.000 title claims abstract description 37
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 239000000779 smoke Substances 0.000 claims abstract description 21
- 238000003745 diagnosis Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000003331 infrared imaging Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 235000019504 cigarettes Nutrition 0.000 abstract description 9
- 239000002245 particle Substances 0.000 abstract description 8
- 238000012790 confirmation Methods 0.000 abstract description 4
- 230000001535 kindling effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明公开了一种基于人工智能的热成像火灾报警系统及其图像处理方法,涉及火灾报警技术领域。本发明的系统包括CAN控制器,CAN收发器,CAN总线,数据集中器,红外采集图像预处理模块,被监控目标识别模块,火灾检测、诊断单元,结果输出模块,火灾监控中心,以及设置于各不同火灾探测监控区域位置上的火灾探测单元。本发明解决了单一的烟雾颗粒判断预警对火灾情况的判定精准度低,易受外部烟头、火柴等因素的干扰,单一的红外图像判断时间长,对监控目标位置定位难,影响发现监控目标位置着火点即时定位,错过最佳确认着火点位置和确认着火的时间的问题。
Description
技术领域
本发明属于火灾报警技术领域,特别是涉及一种基于人工智能的热成像火灾报警系统及其图像处理方法。
背景技术
绝大多数火灾发生时会释放大量的烟雾,烟雾颗粒是火灾早期重要的特征之一,因而烟雾检测可以较早发现火灾,但是针对一些烟头、火柴或火机等发出的烟雾会对烟雾火灾报警器造成虚假的报警情况发生;特别是在飞机货舱、工厂等地,因工厂产生的烟雾或由烟头、火柴产生的烟雾都能造成火灾报警器的误报,造成航班迫降或延误以及工厂不能正常运行的情况发生。
红外线成像运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图形,并可进一步计算出温度值。红外热成像技术使人类超越了视觉障碍,并由此人们可以看出物体表面的温度分布状况。现有的火灾报警系统多为单一的烟雾颗粒判断或红外图像判断预警;单一的烟雾颗粒判断预警对火灾情况的判定精准度低,易受外部烟头、火柴等因素的干扰;单一的红外图像判断预警具有时间长,对监控目标位置定位难的问题,影响发现监控目标位置着火点即时定位,错过最佳确认着火点位置和确认着火的时间。因此针对以上问题,提供一种基于人工智能的热成像火灾报警系统及其图像处理方法具有重要意义。
发明内容
本发明的目的在于提供一种基于人工智能的热成像火灾报警系统及其图像处理方法,通过提供一种设置于不同位置的监控目标点并连接CAN总线的火灾探测单元,火灾探测单元包括若干探测监控目标点的烟雾传感器以及通过旋转定位跟踪模块与烟雾传感器相连的红外成像仪,经过数据集中器对火灾探测单元采集的监控目标的红外图像数据进行集中,依次经红外采集图像预处理模块、被监控目标识别单元、火灾检测、诊断单元、结果输出模块、火灾监控中心,综合烟雾颗粒判断以及红外图像判断进行精准的判断,解决了单一的烟雾颗粒判断预警对火灾情况的判定精准度低,易受外部烟头、火柴等因素的干扰,单一的红外图像判断时间长,对监控目标位置定位难,影响发现监控目标位置着火点即时定位,错过最佳确认着火点位置和确认着火的时间的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明的一种基于人工智能的热成像火灾报警系统,包括:CAN控制器,CAN收发器,CAN总线,数据集中器,红外采集图像预处理模块,被监控目标识别模块,火灾检测、诊断单元,结果输出模块,火灾监控中心,以及设置于各不同火灾探测监控区域位置上的火灾探测单元;
所述火灾探测单元用于实时探测和采集各不同火灾探测监控区域位置上火灾监控目标的烟雾和红外热成像数据;各所述火灾探测单元的数据输出端依次连接一CAN控制器和CAN收发器后与CAN总线连接;
所述数据集中器通过信息数据传输模块与CAN总线相连,所述数据集中器用于汇集各火灾探测单元探测和采集到的监控目标的烟雾和红外热成像数据;所述数据集中器的数据输出端依次连接红外采集图像预处理模块,被监控目标识别模块,火灾检测、诊断单元,结果输出模块,火灾监控中心。
进一步地,所述火灾监控中心通过信息数据传输模块连接消防广播设备和火灾显示屏,所述火灾监控中心通过GSM模块通讯连接移动端进行火灾情况信息推送和现实。
进一步地,所述火灾探测单元包括设置于火灾监控目标位置的多个烟雾传感器,设置于火灾监控目标位置上方的多个红外成像仪,各所述烟雾传感器的数据输出端连接一旋转定位跟踪模块,所述旋转定位跟踪模块通过信息数据传输模块与各红外成像仪电性相连;所述火灾探测单元内设置有GPS定位模块。
进一步地,所述火灾检测、诊断单元包括温度判断模块、算法模块、存储器;
所述温度判断模块用于对红外热成像图片数据中经被监控目标识别模块识别的被监控目标区域的温度值数据是否大于存储器中存储的温度阈值数据;
所述算法模块中存储有红外热成像图片火灾判断的算法,所述红外热成像图片火灾判断的算法包括Sobel算法、NMI特征提取算法、NMI特征的目标识别算法、速率算法、温度面积算法;所述存储器中存储有被监控目标区域的模板图像的NMI特征值、监控目标位置的温度阈值数据、监控目标位置的图像前后像素做差阈值数据。
一种基于人工智能的热成像火灾报警系统的图像处理方法,包括如下步骤;
S01:各所述火灾探测单元对不同区域位置的火灾监控目标实时进行监控,当产生烟雾时,由所述烟雾传感器首先确定烟雾发生的具体位置,并通过旋转定位跟踪模块旋转各红外成像仪对烟雾发生的目标位置进行定位后进行红外成像;
S02:通过所述CAN控制器和CAN收发器对各火灾探测单元进行数据传递并增强各火灾探测单元之间的驱动能力和通讯距离;
S03:通过所述数据采集器接收各火灾探测单元传输的红外成像数据信息并进行集中;
S04:通过所述红外采集图像预处理模块对接收的各红外成像数据进行预处理,包括红外图像的非均匀性校正、红外图像滤波去噪、红外图像画质增强;
S05:通过所述被监控目标识别模块对红外图像数据监控区域中的表征被监控目标的区域进行识别;
S06:通过所述火灾检测、诊断单元对红外图像数据监控区域进行图像信息变化诊断;
S07:通过所述算法模块判断监控目标位置是否可能发生火灾
若是,则进行下一步骤;
若否,则进入步骤S10;
S08:所述结果输出模块输出经火灾检测、诊断单元对监控目标位置的火灾判断结果并将结果数据信息传输至火灾监控中心;
S09:所述火灾监控中心将接收到的火灾判断解雇数据信息传输至消防广播设备、火灾显示屏,并通过GSM模块将火灾判断结果数据与信息传输至移动端进行显示;
S10:完成。
进一步地,所述步骤S05中对红外图像数据监控区域中的表征被监控目标区域进行识别包括以下分步骤:
S051:获取经所述红外采集图像预处理模块预处理后的待识别红外图像数据监控区域的红外图像数据,调用所述算法模块中的Sobel算法将其二值化;
S052:通过调用所述算法模块中NMI特征提取算法提取经二值化处理的待识别红外图像数据监控区域的目标红外图像数据的NMI特征;
S053:调用所述算法模块中NMI特征识别算法将提取的NMI特征与存储器中存储的被监控目标区域的模板图像的NMI特征值进行比对和匹配,做出匹配结果的判断;
若是匹配的,则输出识别结果;
若不是匹配的,则输出无可匹配目标。
进一步地,所述步骤S06中对红外图像数据监控区域的图像信息变化诊断采用速率算法,包括以下分步骤:
S061:读取当前被监控目标位置的红外图像;
S062:读取前一帧的被监控目标位置的红外图像;
S063:将被监控目标位置的像素相减取绝对值之和;
S064:将像素相减取绝对值之和与存储器中存储的监控目标位置的图像前后像素做差阈值数据进行比对,判断是否大于该做差阈值数据,并输出判断结果。
进一步地,所述步骤S07中判断监控目标位置是否可能发生火灾的具体方法包括如下分步骤:
S071:识别红外线图像监控区域中的表征被监控目标;
S072:判断表征被监控目标的红外图像区域中的最高温度是否大于存储器中存储的监控目标位置的温度阈值;
若是,则通过GSM报警;
若否,则进行下一步骤;
S073:调用速率算法判断被监控目标区域图像前后像素差值是否大于监控阈值;
若是,则进行下一步骤;
若否,则结束;
S074:调用温度面积算法,判断是否引发火灾;
若是,则通过GSM报警;
若否,则结束。
进一步地,所述步骤S074中,调用温度面积算法,判断是否引发火灾的方法包括以下分步骤:
S0741:设定T为判断火灾发生的时间;
S0742:建立一个序列;
S0743:统计非零像素值个数N并加入队列末尾;
S0744:将当前非零像素值N与之前的像素值个数F进行比较,判断N是否大于F;
若是,则进行下一步骤;
若否,则返回至步骤S0744重复执行;
S0745:判断时间是否达到T时间;
若是,则进行下一步骤;
若否,则返回至步骤S0743重复执行;
S0746:判定为失火。
本发明具有以下有益效果:
本发明通过提供一种设置于不同位置的监控目标点并连接CAN总线的火灾探测单元,火灾探测单元包括若干探测监控目标点的烟雾传感器以及通过旋转定位跟踪模块与烟雾传感器相连的红外成像仪,经过数据集中器对火灾探测单元采集的监控目标的红外图像数据进行集中,依次经红外采集图像预处理模块、被监控目标识别单元、火灾检测、诊断单元、结果输出模块、火灾监控中心,综合烟雾颗粒判断以及红外图像判断进行精准的判断,具有对火灾情况的判定精准度高,不会因外部烟头、火柴等因素短暂的干扰造成误报警,对监控目标位置定位快,对监控目标位置着火点即时定位,快速确认着火点位置和对着火情况进行确认的优点。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于人工智能的热成像火灾报警系统结构示意图;
图2为本发明的火灾探测单元的结构示意图;
图3为本发明的一种基于人工智能的热成像火灾报警系统的图像处理方法的步骤示意图;
图4为图3中S05步骤中表征被监控目标的区域识别方法的分步骤示意图;
图5为图3中S06步骤中图像信息变化诊断方法的分步骤示意图;
图6为图3中S07步骤中判断监控目标位置是否可能发生火灾的方法步骤示意图;
图7为图6中S074步骤中调用温度面积算法判断是否引发火灾的具体步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明的一种基于人工智能的热成像火灾报警系统,包括:CAN控制器,CAN收发器,CAN总线,数据集中器,红外采集图像预处理模块,被监控目标识别模块,火灾检测、诊断单元,结果输出模块,火灾监控中心,以及设置于各不同火灾探测监控区域位置上的火灾探测单元;
火灾探测单元用于实时探测和采集各不同火灾探测监控区域位置上火灾监控目标的烟雾和红外热成像数据;各火灾探测单元的数据输出端依次连接一CAN控制器和CAN收发器后与CAN总线连接;
数据集中器通过信息数据传输模块与CAN总线相连,数据集中器用于汇集各火灾探测单元探测和采集到的监控目标的烟雾和红外热成像数据;数据集中器的数据输出端依次连接红外采集图像预处理模块,被监控目标识别模块,火灾检测、诊断单元,结果输出模块,火灾监控中心。
其中,火灾监控中心通过信息数据传输模块连接消防广播设备和火灾显示屏,火灾监控中心通过GSM模块通讯连接移动端进行火灾情况信息推送和现实。
如图2所示,其中,火灾探测单元包括设置于火灾监控目标位置的三个烟雾传感器,设置于火灾监控目标位置上方的三个红外成像仪,各烟雾传感器的数据输出端连接一旋转定位跟踪模块,旋转定位跟踪模块通过信息数据传输模块与各红外成像仪电性相连;火灾探测单元内设置有GPS定位模块。
其中,火灾检测、诊断单元包括温度判断模块、算法模块、存储器;
温度判断模块用于对红外热成像图片数据中经被监控目标识别模块识别的被监控目标区域的温度值数据是否大于存储器中存储的温度阈值数据;
算法模块中存储有红外热成像图片火灾判断的算法,红外热成像图片火灾判断的算法包括Sobel算法、NMI特征提取算法、NMI特征的目标识别算法、速率算法、温度面积算法;存储器中存储有被监控目标区域的模板图像的NMI特征值、监控目标位置的温度阈值数据、监控目标位置的图像前后像素做差阈值数据。
如图3所示,一种基于人工智能的热成像火灾报警系统的图像处理方法,包括如下步骤;
S01:各火灾探测单元对不同区域位置的火灾监控目标实时进行监控,当产生烟雾时,由烟雾传感器首先确定烟雾发生的具体位置,并通过旋转定位跟踪模块旋转各红外成像仪对烟雾发生的目标位置进行定位后进行红外成像;
S02:通过CAN控制器和CAN收发器对各火灾探测单元进行数据传递并增强各火灾探测单元之间的驱动能力和通讯距离;
S03:通过数据采集器接收各火灾探测单元传输的红外成像数据信息并进行集中;
S04:通过红外采集图像预处理模块对接收的各红外成像数据进行预处理,包括红外图像的非均匀性校正、红外图像滤波去噪、红外图像画质增强;
S05:通过被监控目标识别模块对红外图像数据监控区域中的表征被监控目标的区域进行识别;
S06:通过火灾检测、诊断单元对红外图像数据监控区域进行图像信息变化诊断;
S07:通过算法模块判断监控目标位置是否可能发生火灾
若是,则进行下一步骤;
若否,则进入步骤S10;
S08:结果输出模块输出经火灾检测、诊断单元对监控目标位置的火灾判断结果并将结果数据信息传输至火灾监控中心;
S09:火灾监控中心将接收到的火灾判断解雇数据信息传输至消防广播设备、火灾显示屏,并通过GSM模块将火灾判断结果数据与信息传输至移动端进行显示;
S10:完成。
如图4所示,其中,步骤S05中对红外图像数据监控区域中的表征被监控目标区域进行识别包括以下分步骤:
S051:获取经红外采集图像预处理模块预处理后的待识别红外图像数据监控区域的红外图像数据,调用算法模块中的Sobel算法将其二值化;
S052:通过调用算法模块中NMI特征提取算法提取经二值化处理的待识别红外图像数据监控区域的目标红外图像数据的NMI特征;
S053:调用算法模块中NMI特征识别算法将提取的NMI特征与存储器中存储的被监控目标区域的模板图像的NMI特征值进行比对和匹配,做出匹配结果的判断;
若是匹配的,则输出识别结果;
若不是匹配的,则输出无可匹配目标。
如图5所示,其中,步骤S06中对红外图像数据监控区域的图像信息变化诊断采用速率算法,包括以下分步骤:
S061:读取当前被监控目标位置的红外图像;
S062:读取前一帧的被监控目标位置的红外图像;
S063:将被监控目标位置的像素相减取绝对值之和;
S064:将像素相减取绝对值之和与存储器中存储的监控目标位置的图像前后像素做差阈值数据进行比对,判断是否大于该做差阈值数据,并输出判断结果。
如图6所示,其中,步骤S07中判断监控目标位置是否可能发生火灾的具体方法包括如下分步骤:
S071:识别红外线图像监控区域中的表征被监控目标;
S072:判断表征被监控目标的红外图像区域中的最高温度是否大于存储器中存储的监控目标位置的温度阈值;
若是,则通过GSM报警;
若否,则进行下一步骤;
S073:调用速率算法判断被监控目标区域图像前后像素差值是否大于监控阈值;
若是,则进行下一步骤;
若否,则结束;
S074:调用温度面积算法,判断是否引发火灾;
若是,则通过GSM报警;
若否,则结束。
如图7所示,其中,步骤S074中,调用温度面积算法,判断是否引发火灾的方法包括以下分步骤:
S0741:设定T为判断火灾发生的时间;
S0742:建立一个序列;
S0743:统计非零像素值个数N并加入队列末尾;
S0744:将当前非零像素值N与之前的像素值个数F进行比较,判断N是否大于F;
若是,则进行下一步骤;
若否,则返回至步骤S0744重复执行;
S0745:判断时间是否达到T时间;
若是,则进行下一步骤;
若否,则返回至步骤S0743重复执行;
S0746:判定为失火。
有益效果:
本发明通过提供一种设置于不同位置的监控目标点并连接CAN总线的火灾探测单元,火灾探测单元包括若干探测监控目标点的烟雾传感器以及通过旋转定位跟踪模块与烟雾传感器相连的红外成像仪,经过数据集中器对火灾探测单元采集的监控目标的红外图像数据进行集中,依次经红外采集图像预处理模块、被监控目标识别单元、火灾检测、诊断单元、结果输出模块、火灾监控中心,综合烟雾颗粒判断以及红外图像判断进行精准的判断,具有对火灾情况的判定精准度高,不会因外部烟头、火柴等因素短暂的干扰造成误报警,对监控目标位置定位快,对监控目标位置着火点即时定位,快速确认着火点位置和对着火情况进行确认的优点。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种基于人工智能的热成像火灾报警系统,其特征在于,包括:
CAN控制器,CAN收发器,CAN总线,数据集中器,红外采集图像预处理模块,被监控目标识别模块,火灾检测、诊断单元,结果输出模块,火灾监控中心,以及设置于各不同火灾探测监控区域位置上的火灾探测单元;
所述火灾探测单元用于实时探测和采集各不同火灾探测监控区域位置上火灾监控目标的烟雾和红外热成像数据;各所述火灾探测单元的数据输出端依次连接一CAN控制器和CAN收发器后与CAN总线连接;
所述数据集中器通过信息数据传输模块与CAN总线相连,所述数据集中器用于汇集各火灾探测单元探测和采集到的监控目标的烟雾和红外热成像数据;所述数据集中器的数据输出端依次连接红外采集图像预处理模块,被监控目标识别模块,火灾检测、诊断单元,结果输出模块,火灾监控中心。
2.根据权利要求1所述的一种基于人工智能的热成像火灾报警系统,其特征在于,所述火灾监控中心通过信息数据传输模块连接消防广播设备和火灾显示屏,所述火灾监控中心通过GSM模块通讯连接移动端进行火灾情况信息推送和现实。
3.根据权利要求1所述的一种基于人工智能的热成像火灾报警系统,其特征在于,所述火灾探测单元包括设置于火灾监控目标位置的多个烟雾传感器,设置于火灾监控目标位置上方的多个红外成像仪,各所述烟雾传感器的数据输出端连接一旋转定位跟踪模块,所述旋转定位跟踪模块通过信息数据传输模块与各红外成像仪电性相连;所述火灾探测单元内设置有GPS定位模块。
4.根据权利要求1所述的一种基于人工智能的热成像火灾报警系统,其特征在于,所述火灾检测、诊断单元包括温度判断模块、算法模块、存储器;
所述温度判断模块用于对红外热成像图片数据中经被监控目标识别模块识别的被监控目标区域的温度值数据是否大于存储器中存储的温度阈值数据;
所述算法模块中存储有红外热成像图片火灾判断的算法,所述红外热成像图片火灾判断的算法包括Sobel算法、NMI特征提取算法、NMI特征的目标识别算法、速率算法、温度面积算法;所述存储器中存储有被监控目标区域的模板图像的NMI特征值、监控目标位置的温度阈值数据、监控目标位置的图像前后像素做差阈值数据。
5.如权利要求1-4任一项所述的一种基于人工智能的热成像火灾报警系统的图像处理方法,其特征在于,包括如下步骤;
S01:各所述火灾探测单元对不同区域位置的火灾监控目标实时进行监控,当产生烟雾时,由所述烟雾传感器首先确定烟雾发生的具体位置,并通过旋转定位跟踪模块旋转各红外成像仪对烟雾发生的目标位置进行定位后进行红外成像;
S02:通过所述CAN控制器和CAN收发器对各火灾探测单元进行数据传递并增强各火灾探测单元之间的驱动能力和通讯距离;
S03:通过所述数据采集器接收各火灾探测单元传输的红外成像数据信息并进行集中;
S04:通过所述红外采集图像预处理模块对接收的各红外成像数据进行预处理,包括红外图像的非均匀性校正、红外图像滤波去噪、红外图像画质增强;
S05:通过所述被监控目标识别模块对红外图像数据监控区域中的表征被监控目标的区域进行识别;
S06:通过所述火灾检测、诊断单元对红外图像数据监控区域进行图像信息变化诊断;
S07:通过所述算法模块判断监控目标位置是否可能发生火灾
若是,则进行下一步骤;
若否,则进入步骤S10;
S08:所述结果输出模块输出经火灾检测、诊断单元对监控目标位置的火灾判断结果并将结果数据信息传输至火灾监控中心;
S09:所述火灾监控中心将接收到的火灾判断解雇数据信息传输至消防广播设备、火灾显示屏,并通过GSM模块将火灾判断结果数据与信息传输至移动端进行显示;
S10:完成。
6.根据权利要求5所述的一种基于人工智能的热成像火灾报警系统的图像处理方法,其特征在于:
所述步骤S05中对红外图像数据监控区域中的表征被监控目标区域进行识别包括以下分步骤:
S051:获取经所述红外采集图像预处理模块预处理后的待识别红外图像数据监控区域的红外图像数据,调用所述算法模块中的Sobel算法将其二值化;
S052:通过调用所述算法模块中NMI特征提取算法提取经二值化处理的待识别红外图像数据监控区域的目标红外图像数据的NMI特征;
S053:调用所述算法模块中NMI特征识别算法将提取的NMI特征与存储器中存储的被监控目标区域的模板图像的NMI特征值进行比对和匹配,做出匹配结果的判断;
若是匹配的,则输出识别结果;
若不是匹配的,则输出无可匹配目标。
7.根据权利要求5所述的一种基于人工智能的热成像火灾报警系统的图像处理方法,其特征在于:
所述步骤S06中对红外图像数据监控区域的图像信息变化诊断采用速率算法,包括以下分步骤:
S061:读取当前被监控目标位置的红外图像;
S062:读取前一帧的被监控目标位置的红外图像;
S063:将被监控目标位置的像素相减取绝对值之和;
S064:将像素相减取绝对值之和与存储器中存储的监控目标位置的图像前后像素做差阈值数据进行比对,判断是否大于该做差阈值数据,并输出判断结果。
8.根据权利要求5所述的一种基于人工智能的热成像火灾报警系统的图像处理方法,其特征在于:
所述步骤S07中判断监控目标位置是否可能发生火灾的具体方法包括如下分步骤:
S071:识别红外线图像监控区域中的表征被监控目标;
S072:判断表征被监控目标的红外图像区域中的最高温度是否大于存储器中存储的监控目标位置的温度阈值;
若是,则通过GSM报警;
若否,则进行下一步骤;
S073:调用速率算法判断被监控目标区域图像前后像素差值是否大于监控阈值;
若是,则进行下一步骤;
若否,则结束;
S074:调用温度面积算法,判断是否引发火灾;
若是,则通过GSM报警;
若否,则结束。
9.根据权利要求8所述的一种基于人工智能的热成像火灾报警系统的图像处理方法,其特征在于:
所述步骤S074中,调用温度面积算法,判断是否引发火灾的方法包括以下分步骤:
S0741:设定T为判断火灾发生的时间;
S0742:建立一个序列;
S0743:统计非零像素值个数N并加入队列末尾;
S0744:将当前非零像素值N与之前的像素值个数F进行比较,判断N是否大于F;
若是,则进行下一步骤;
若否,则返回至步骤S0744重复执行;
S0745:判断时间是否达到T时间;
若是,则进行下一步骤;
若否,则返回至步骤S0743重复执行;
S0746:判定为失火。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910213672.3A CN109993941A (zh) | 2019-03-20 | 2019-03-20 | 基于人工智能的热成像火灾报警系统及其图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910213672.3A CN109993941A (zh) | 2019-03-20 | 2019-03-20 | 基于人工智能的热成像火灾报警系统及其图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993941A true CN109993941A (zh) | 2019-07-09 |
Family
ID=67130721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910213672.3A Pending CN109993941A (zh) | 2019-03-20 | 2019-03-20 | 基于人工智能的热成像火灾报警系统及其图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993941A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363950A (zh) * | 2019-08-06 | 2019-10-22 | 北京数雨如歌智能科技有限公司 | 一种智能消防分级管控系统 |
CN110585625A (zh) * | 2019-10-21 | 2019-12-20 | 中车大连机车研究所有限公司 | 一种可自调节式机车火灾防控系统 |
CN110639155A (zh) * | 2019-10-09 | 2020-01-03 | 深圳市元征科技股份有限公司 | 火灾防控方法、装置、设备、系统及存储介质 |
CN110681097A (zh) * | 2019-09-30 | 2020-01-14 | 张瑞祺 | 全智能灭火系统 |
CN110837822A (zh) * | 2019-12-09 | 2020-02-25 | 国网智能科技股份有限公司 | 基于多目视觉的消防机器人喷射曲线调整方法及装置 |
CN112494855A (zh) * | 2020-12-15 | 2021-03-16 | 王刘洋 | 一种智能消防器材 |
CN113240880A (zh) * | 2021-05-27 | 2021-08-10 | 浙江大华技术股份有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
CN113298025A (zh) * | 2021-06-11 | 2021-08-24 | 浙江华消科技有限公司 | 目标对象的确定方法及装置、存储介质、电子装置 |
CN113611075A (zh) * | 2021-07-30 | 2021-11-05 | 东风商用车有限公司 | 牵引车火灾监测方法、装置、设备及可读存储介质 |
CN115206051A (zh) * | 2021-04-12 | 2022-10-18 | 天地融科技股份有限公司 | 一种基于时空物联的烟雾检测方法及系统 |
CN116403359A (zh) * | 2023-06-07 | 2023-07-07 | 深圳市华安泰智能科技有限公司 | 一种多模态图像识别算法的生产安全预警系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201164675Y (zh) * | 2008-02-01 | 2008-12-17 | 山东省科学院自动化研究所 | 隧道消防应急智能机器人系统 |
CN101441771A (zh) * | 2008-12-19 | 2009-05-27 | 中国科学技术大学 | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102568146A (zh) * | 2012-01-12 | 2012-07-11 | 安徽大学 | 一种基于红外热图像的火灾预警与早期消除系统 |
CN202748831U (zh) * | 2012-07-16 | 2013-02-20 | 泸州品创科技有限公司 | 一种物流颠簸监测取证系统 |
CN105096514A (zh) * | 2015-07-31 | 2015-11-25 | 天津职业技术师范大学 | 一种基于红外摄像的温度过程监控的火灾智能报警方法 |
CN205140120U (zh) * | 2015-11-16 | 2016-04-06 | 无锡市冠捷节能科技有限公司 | 一种物联网图像火灾远程监控预警系统 |
CN205563914U (zh) * | 2016-04-28 | 2016-09-07 | 山西大同大学 | 一种新型高灵敏度烟雾报警装置 |
EP3133570A2 (de) * | 2015-08-19 | 2017-02-22 | Abb Ag | Rauchmelderanordnung mit bewegungsgesteuerter alarmfunktionalität |
CN206115636U (zh) * | 2016-10-31 | 2017-04-19 | 谭晓栋 | 一种多向通信的火宅报警器 |
CN206388300U (zh) * | 2016-12-08 | 2017-08-08 | 中国石油化工股份有限公司 | 一种带摄像头的烟感火灾报警装置 |
CN108682105A (zh) * | 2018-05-29 | 2018-10-19 | 贵州电网有限责任公司 | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 |
CN108986148A (zh) * | 2018-03-21 | 2018-12-11 | 南京邮电大学 | 实现多智能小车协同搜索识别并跟踪特定目标群体的方法 |
-
2019
- 2019-03-20 CN CN201910213672.3A patent/CN109993941A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201164675Y (zh) * | 2008-02-01 | 2008-12-17 | 山东省科学院自动化研究所 | 隧道消防应急智能机器人系统 |
CN101441771A (zh) * | 2008-12-19 | 2009-05-27 | 中国科学技术大学 | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102568146A (zh) * | 2012-01-12 | 2012-07-11 | 安徽大学 | 一种基于红外热图像的火灾预警与早期消除系统 |
CN202748831U (zh) * | 2012-07-16 | 2013-02-20 | 泸州品创科技有限公司 | 一种物流颠簸监测取证系统 |
CN105096514A (zh) * | 2015-07-31 | 2015-11-25 | 天津职业技术师范大学 | 一种基于红外摄像的温度过程监控的火灾智能报警方法 |
EP3133570A2 (de) * | 2015-08-19 | 2017-02-22 | Abb Ag | Rauchmelderanordnung mit bewegungsgesteuerter alarmfunktionalität |
CN205140120U (zh) * | 2015-11-16 | 2016-04-06 | 无锡市冠捷节能科技有限公司 | 一种物联网图像火灾远程监控预警系统 |
CN205563914U (zh) * | 2016-04-28 | 2016-09-07 | 山西大同大学 | 一种新型高灵敏度烟雾报警装置 |
CN206115636U (zh) * | 2016-10-31 | 2017-04-19 | 谭晓栋 | 一种多向通信的火宅报警器 |
CN206388300U (zh) * | 2016-12-08 | 2017-08-08 | 中国石油化工股份有限公司 | 一种带摄像头的烟感火灾报警装置 |
CN108986148A (zh) * | 2018-03-21 | 2018-12-11 | 南京邮电大学 | 实现多智能小车协同搜索识别并跟踪特定目标群体的方法 |
CN108682105A (zh) * | 2018-05-29 | 2018-10-19 | 贵州电网有限责任公司 | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363950A (zh) * | 2019-08-06 | 2019-10-22 | 北京数雨如歌智能科技有限公司 | 一种智能消防分级管控系统 |
CN110681097A (zh) * | 2019-09-30 | 2020-01-14 | 张瑞祺 | 全智能灭火系统 |
CN110681097B (zh) * | 2019-09-30 | 2021-04-16 | 张瑞祺 | 全智能灭火系统 |
CN110639155A (zh) * | 2019-10-09 | 2020-01-03 | 深圳市元征科技股份有限公司 | 火灾防控方法、装置、设备、系统及存储介质 |
CN110585625A (zh) * | 2019-10-21 | 2019-12-20 | 中车大连机车研究所有限公司 | 一种可自调节式机车火灾防控系统 |
CN110837822A (zh) * | 2019-12-09 | 2020-02-25 | 国网智能科技股份有限公司 | 基于多目视觉的消防机器人喷射曲线调整方法及装置 |
CN110837822B (zh) * | 2019-12-09 | 2022-09-09 | 国网智能科技股份有限公司 | 基于多目视觉的消防机器人喷射曲线调整方法及装置 |
CN112494855B (zh) * | 2020-12-15 | 2021-10-26 | 王刘洋 | 一种智能消防器材 |
CN112494855A (zh) * | 2020-12-15 | 2021-03-16 | 王刘洋 | 一种智能消防器材 |
CN115206051A (zh) * | 2021-04-12 | 2022-10-18 | 天地融科技股份有限公司 | 一种基于时空物联的烟雾检测方法及系统 |
CN113240880A (zh) * | 2021-05-27 | 2021-08-10 | 浙江大华技术股份有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
CN113298025A (zh) * | 2021-06-11 | 2021-08-24 | 浙江华消科技有限公司 | 目标对象的确定方法及装置、存储介质、电子装置 |
CN113611075A (zh) * | 2021-07-30 | 2021-11-05 | 东风商用车有限公司 | 牵引车火灾监测方法、装置、设备及可读存储介质 |
CN113611075B (zh) * | 2021-07-30 | 2023-01-24 | 东风商用车有限公司 | 牵引车火灾监测方法、装置、设备及可读存储介质 |
CN116403359A (zh) * | 2023-06-07 | 2023-07-07 | 深圳市华安泰智能科技有限公司 | 一种多模态图像识别算法的生产安全预警系统 |
CN116403359B (zh) * | 2023-06-07 | 2023-08-15 | 深圳市华安泰智能科技有限公司 | 一种多模态图像识别算法的生产安全预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993941A (zh) | 基于人工智能的热成像火灾报警系统及其图像处理方法 | |
CN204288415U (zh) | 智能预警灭火机器人 | |
CN108297058A (zh) | 智能安防机器人及其自动巡检方法 | |
CN108284427A (zh) | 安防机器人及其自动巡检方法 | |
CN101699531A (zh) | 红外相关识别报警系统及其识别方法 | |
US7551804B2 (en) | Method and apparatus for distributed analysis of images | |
CN107036687A (zh) | 基于视觉的储粮数量监测方法及装置 | |
CN107156102A (zh) | 基于目标跟踪的定向驱鸟装置及其驱鸟方法 | |
CN106878666A (zh) | 基于监控摄像机来查找目标对象的方法、装置和系统 | |
CN106846750A (zh) | 一种自动布防撤防系统及方法 | |
CN102176270A (zh) | 安全监控及火灾预警一体化系统及方法 | |
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 | |
CN108802758A (zh) | 一种基于激光雷达的智能安防监控装置、方法和系统 | |
KR101885042B1 (ko) | IoT 기반의 농작물 재배정보 제공시스템 | |
CN201897856U (zh) | 安全监控及火灾预警一体化系统 | |
CN104021655B (zh) | 一种基于执法信息采集站的联动报警系统及报警方法 | |
CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
CN104464144A (zh) | 安装具有摄像机的pir传感器的方法 | |
CN112017323A (zh) | 一种巡检报警方法、装置、可读存储介质及终端设备 | |
CN107509063A (zh) | 一种基于人脸识别的车载嫌犯监控系统 | |
Luo et al. | Edgebox: Live edge video analytics for near real-time event detection | |
CN112084813A (zh) | 异常目标的检测方法、装置及存储介质 | |
CN105933647A (zh) | 一种智能交互门禁控制方法及系统 | |
CN107131607A (zh) | 基于空调的监控方法、装置、系统以及空调 | |
CN106094614A (zh) | 一种基于互联网的粮情测控远程监管系统 |
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: 20190709 |