CN111027520A - 一种山火火点判识方法、装置和设备 - Google Patents
一种山火火点判识方法、装置和设备 Download PDFInfo
- Publication number
- CN111027520A CN111027520A CN201911379955.1A CN201911379955A CN111027520A CN 111027520 A CN111027520 A CN 111027520A CN 201911379955 A CN201911379955 A CN 201911379955A CN 111027520 A CN111027520 A CN 111027520A
- Authority
- CN
- China
- Prior art keywords
- fire
- fire point
- monitoring image
- point
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 135
- 239000000779 smoke Substances 0.000 claims abstract description 29
- 230000003993 interaction Effects 0.000 claims abstract description 19
- 238000003379 elimination reaction Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 230000008030 elimination Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000002194 synthesizing effect Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000007717 exclusion Effects 0.000 claims description 4
- 235000019504 cigarettes Nutrition 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种山火火点判识方法、装置和设备，首先对监控图像进行人机交互火点判读，可以精确到每个像元的火点识别，识别出监控图像中的火点之后，对火点进行常规热源点排除，避免了将常规热源点误识别为火点，对排除常规热源点后剩下的目标火点，根据目标火点的数量进行分类处理，如果排除常规热源点后没有目标火点的存在，则直接生成不包含火点信息的公众监测图像，如果排除常规热源点后剩下的目标火点的数量大于0，则对目标火点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图，有效提高了山火火点监测的精度，提高了电网运行的可靠性。
Description
技术领域
本申请涉及火点识别技术领域，尤其涉及一种山火火点判识方法、装置和设备。
背景技术
输电线路作为电力提供的重要传输介质，当输电线路附近发生山火时，山火产生的高温、烟雾以及飞灰等因素极易导致输电线路绝缘间隙剧烈下降而诱发输电线路跳闸。山火持续的高温使线下间距绝缘强度维持在较低的水平，导致重合闸难以成功，输电线路跳闸容易造成大范围停电事故，因此，亟需对输电线路进行实时山火监测，提高监测准确度，以保证电网可靠运行。
发明内容
本申请提供了一种山火火点判识方法、装置和设备，用于对输电线路进行山火火点实时监测，提高监测准确度，以保证电网可靠运行。
有鉴于此，本申请第一方面提供了一种山火火点判识方法，包括：
对实时获取到的预置输电线路监测区域的监控图像进行预处理；
对所述监控图像进行人机交互火点判读；
对所述监控图像进行常规热源点排除；
若排除常规热源点后不存在目标火点，则对热源点进行火点标注后进行烟带判识，生成含有火点信息的第一原始监测图像专题图；
若排除常规热源点后存在目标火点，则对热源点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图。
可选地，还包括：
将所述不包含火点信息的公众监测图像、所述第一原始监测图像专题图和所述第二原始监测图像专题图入库并进行发布。
可选地，所述预处理包括：
对所述监控图像进行数据读取、投影和拼图处理；
若所述拼图处理结果的分辨率不满足要求，则进行分辨率切换后进行背景图叠加和行政界限叠加，若所述拼图处理结果的分辨率满足要求，则直接进行背景图叠加和行政界限叠加；
对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像。
可选地，所述对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像，之后还包括：
对合成后的所述监控图像进行图像增强。
可选地，所述对所述监控图像进行人机交互火点判读，包括：
读取所述监控图像的卫星数据；
逐像元确定所述监控图像中的非植被区域和耀斑区域，并进行标记，排除非林区域内的误判火点；
计算背景亮温值，判断云区覆盖范围，排除云覆盖范围内的误判火点；
计算背景中红外通道平均亮温值和标准偏差、中红外与远红外亮温差异平均值和标准差；
根据平均亮温值、所述标准偏差、所述亮温差异平均值和所述标准差，判断背景是否满足异常高温像元条件；
若背景中存在满足异常高温像元条件的火点，则添加漏判火点信息；
在完成对所述监控图像的所有区域像元的火点判识之后，基于三通道彩色合成图和假热点库进行火点像元分区，生成火点像元信息列表；
在所述火点像元信息列表中加入土地利用分类数据和行政边界数据，生成FC文件格式的监控图像。
本申请第二方面提供了一种山火火点判识装置，包括：
预处理模块，用于对实时获取到的预置输电线路监测区域的监控图像进行预处理；
火点判读模块，用于对所述监控图像进行人机交互火点判读；
常规热源点排除模块，用于对所述监控图像进行常规热源点排除；
第一火情图像绘制模块，用于若排除常规热源点后不存在目标火点，则对热源点进行火点标注后进行烟带判识，生成含有火点信息的第一原始监测图像专题图；
第二火情图像绘制模块，用于若排除常规热源点后存在目标火点，则对热源点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图。
可选地，还包括：
发布模块，用于将所述不包含火点信息的公众监测图像、所述第一原始监测图像专题图和所述第二原始监测图像专题图入库并进行发布。
可选地，所述预处理模块具体用于：
对所述监控图像进行数据读取、投影和拼图处理；
若所述拼图处理结果的分辨率不满足要求，则进行分辨率切换后进行背景图叠加和行政界限叠加，若所述拼图处理结果的分辨率满足要求，则直接进行背景图叠加和行政界限叠加；
对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像。
可选地，所述预处理模块具体还用于：
对合成后的所述监控图像进行图像增强。
本申请第三方面提供了一种山火火点判识设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面所述的任一种山火火点判识方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请中，提供了一种山火火点判识方法，包括：对实时获取到的预置输电线路监测区域的监控图像进行预处理；对监控图像进行人机交互火点判读；对监控图像进行常规热源点排除；若排除常规热源点后不存在目标火点，则对热源点进行火点标注后进行烟带判识，生成含有火点信息的第一原始监测图像专题图；若排除常规热源点后存在目标火点，则对热源点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图。
本申请提供的山火火点判识方法，首先对监控图像进行人机交互火点判读，可以精确到每个像元的火点识别，识别出监控图像中的火点之后，对火点进行常规热源点排除，避免了将常规热源点误识别为火点，对排除常规热源点后剩下的目标火点，根据目标火点的数量进行分类处理，如果排除常规热源点后没有目标火点的存在，则直接生成不包含火点信息的公众监测图像，如果排除常规热源点后剩下的目标火点的数量大于0，则对目标火点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图，有效提高了山火火点监测的精度，提高了电网运行的可靠性。
附图说明
图1为本申请实施例中提供的一种山火火点判识方法的流程示意图；
图2为本申请实施例中提供的一种山火火点判识方法的处理过程示意图；
图3为本申请实施例中的人机交互火点判读过程示意图；
图4为为本申请实施例中的常规热源点排除的流程示意图；
图5为本申请实施例中的火点标注的流程示意图；
图6为本申请实施例中的烟带判识的流程示意图；
图7为本申请实施例中提供的一种山火火点判识装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了便于理解，请参阅图1，本申请提供的一种山火火点判识方法的一个实施例，包括：
步骤101、对实时获取到的预置输电线路监测区域的监控图像进行预处理。
需要说明的是，预置输电线路监测区域的监控图像可以是卫星监测图像，为实时对输电线路进行山火火点监测，需要实时获取预置输电线路监测区域的监控图像，然后对监控图像进行预处理。预处理的过程可以如图2所示，包括对所述监控图像进行数据读取、投影和拼图处理，若拼图处理结果的分辨率不满足要求，则进行分辨率切换后进行背景图叠加和行政界限叠加，若拼图处理结果的分辨率满足要求，则直接进行背景图叠加和行政界限叠加，然后对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像。为更准确地进行后续的火点识别，还可以对合成后的监控图像进行图像增强处理。
步骤102、对监控图像进行人机交互火点判读。
需要说明的是，本申请实施例中，首先对预处理后的监控图像进行人机交互火点判读，人机交互火点判读是工作人员通过肉眼对伪彩色合成图像中的亮红像素点进行直观分析与识别，再结合地理信息系统(GIS)的植被信息对热点性质进行判别，从而实现林区热点的人机交互判读。本申请实施例中的人机交互火点判读过程如图3所示，首先读取监控图像的卫星数据，逐像元确定监控图像中的非植被区域和耀斑区域，并进行标记，排除非林区域内的误判火点，然后计算背景亮温值，判断云区覆盖范围，排除云覆盖范围内的误判火点，计算背景中红外通道平均亮温值和标准偏差、中红外与远红外亮温差异平均值和标准差，根据平均亮温值、标准偏差、亮温差异平均值和标准差，判断背景是否满足异常高温像元条件，若背景中存在满足异常高温像元条件的火点，则添加漏判火点信息，在完成对监控图像的所有区域像元的火点判识之后，基于三通道彩色合成图和假热点库进行火点像元分区，生成火点像元信息列表，在火点像元信息列表中加入土地利用分类数据和行政边界数据，生成FC文件格式的监控图像。
三通道合成法采用彩色合成、图像增强等图像处理技术对0.62～0.67μm、0.841～0.876μm、2.105～2.155μm通道三个通道数据进行合成，并显示在一张图像上，这样可更加直观地了解火情。选用这三个通道分别赋予红、绿、蓝三种颜色。在合成图像上，鲜红代表火点、暗红代表过火点、绿色代表植被、深蓝代表水体等。彩色合成图，地理信息直观，目视判读法可方便快捷地观测火情
步骤103、对监控图像进行常规热源点排除。
需要说明的是，在预置输电线路监测区域通常会存在工矿、油井等常规热源点，为避免在进行火点判识时将常规热源点误判为火点，需要在火点判识时排除被误判为火点的常规热源点。如图4所示，常规热源点排除的流程可以是先生成监控图像的掩膜，然后获取长时间序列火点的监测数据，对监测数据进行统计分析和判断，构建常规热源点掩膜库，然后根据人机交互火点判读后的热点数据，判断当前所处环境为哪一季节、白天还是黑夜，与常规热源点掩膜库中的常规热源点掩膜进行匹配，排除常规热源点，生成监测图像热点文件格式的监控图像。
步骤104、若排除常规热源点后不存在目标火点，则对热源点进行火点标注后进行烟带判识，生成含有火点信息的第一原始监测图像专题图，若排除常规热源点后存在目标火点，则对热源点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图。
需要说明的是，人机交互火点判读之后，火点可能全是常规热源点，也可能不存在常规热源点，也可能同时含有常规热源点和目标火点。如图2所示，在排除常规热源点之后，可能目标火点的数量是0，也可能包含一个、两个或多个目标火点，本申请实施例中对于排除常规热源点后目标火点的数量为0的情况，对热源点进行热点标注，生成FC文件，然后进行烟带判识，生成不包含火点信息的公众监测图像，将该图像进行入库并进行发布；对于排除常规热源点后标火点的数量为1个以上的情况，则对热源点进行火点标注后(本申请中的火点标注也称为热点标注)后得到的目标火点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图，将第二原始监测图像专题图进行入库并进行发布。
火点标注的流程如图5所示，首先读入火情监测图像，即排除常规热源点后含有目标火点的监控图像，在读入成功之后，进行热点自动标注操作，包括热点标准添加、热点标准删除、热点标准编辑和热点标准查询，然后进行热点标注移动，若需要进行报表叠加，则输出包含热点标准添加、热点标准删除、热点标准编辑和热点标准查询后的FC文件、FP文件和FL文件；若不需要进行报表叠加，则直接将热点标注移动后的标注火点读入FC文件、FP文件和FL文件。
烟带判识以可见光和热红外图像为输入，自动判识火点(热点)周围有无烟雾带和烟雾带的范围。烟带判识的流程如图6所示，烟带判识的输入为卫星通道数据和火点监测数据，输出为带有烟带属性的火点，在输入卫星通道数据和火点监测数据之后，进行烟雾信息提取，然后进行烟雾影响范围估算、非热源点旁烟雾排除，然后进行烟带测试，输出对应火点，添加烟雾属性。
本申请实施例提供的山火火点判识方法，首先对监控图像进行人机交互火点判读，可以精确到每个像元的火点识别，识别出监控图像中的火点之后，对火点进行常规热源点排除，避免了将常规热源点误识别为火点，对排除常规热源点后剩下的目标火点，根据目标火点的数量进行分类处理，如果排除常规热源点后没有目标火点的存在，则直接生成不包含火点信息的公众监测图像，如果排除常规热源点后剩下的目标火点的数量大于0，则对目标火点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图，有效提高了山火火点监测的精度，提高了电网运行的可靠性。
为了便于理解，请参阅图7，本申请中提供了一种山火火点判识装置的实施例，包括：
预处理模块，用于对实时获取到的预置输电线路监测区域的监控图像进行预处理。
火点判读模块，用于对监控图像进行人机交互火点判读。
常规热源点排除模块，用于对监控图像进行常规热源点排除。
第一火情图像绘制模块，用于若排除常规热源点后不存在目标火点，则对热源点进行火点标注后进行烟带判识，生成含有火点信息的第一原始监测图像专题图；
第二火情图像绘制模块，用于若排除常规热源点后存在目标火点，则对热源点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图。
进一步地，还可以包括：
发布模块，用于将所不包含火点信息的公众监测图像、所第一原始监测图像专题图和第二原始监测图像专题图入库并进行发布。
进一步地，预处理模块具体用于：
对所述监控图像进行数据读取、投影和拼图处理；
若拼图处理结果的分辨率不满足要求，则进行分辨率切换后进行背景图叠加和行政界限叠加，若拼图处理结果的分辨率满足要求，则直接进行背景图叠加和行政界限叠加；
对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像。
进一步地，预处理模块具体还用于：
对合成后的监控图像进行图像增强。
本申请中还提供了一种山火火点判识设备的实施例，设备包括处理器以及存储器：
存储器用于存储程序代码，并将程序代码传输给处理器；
处理器用于根据程序代码中的指令执行前述的山火火点判识方法实施例中的任一种山火火点判识方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种山火火点判识方法，其特征在于，包括：
对实时获取到的预置输电线路监测区域的监控图像进行预处理；
对所述监控图像进行人机交互火点判读；
对所述监控图像进行常规热源点排除；
若排除常规热源点后不存在目标火点，则对热源点进行火点标注后进行烟带判识，生成含有火点信息的第一原始监测图像专题图；
若排除常规热源点后存在目标火点，则对热源点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图。
2.根据权利要求1所述的山火火点判识方法，其特征在于，还包括：
将所述不包含火点信息的公众监测图像、所述第一原始监测图像专题图和所述第二原始监测图像专题图入库并进行发布。
3.根据权利要求1所述的山火火点判识方法，其特征在于，所述预处理包括：
对所述监控图像进行数据读取、投影和拼图处理；
若所述拼图处理结果的分辨率不满足要求，则进行分辨率切换后进行背景图叠加和行政界限叠加，若所述拼图处理结果的分辨率满足要求，则直接进行背景图叠加和行政界限叠加；
对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像。
4.根据权利要求3所述的山火火点判识方法，其特征在于，所述对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像，之后还包括：
对合成后的所述监控图像进行图像增强。
5.根据权利要求1所述的山火火点判识方法，其特征在于，所述对所述监控图像进行人机交互火点判读，包括：
读取所述监控图像的卫星数据；
逐像元确定所述监控图像中的非植被区域和耀斑区域，并进行标记，排除非林区域内的误判火点；
计算背景亮温值，判断云区覆盖范围，排除云覆盖范围内的误判火点；
计算背景中红外通道平均亮温值和标准偏差、中红外与远红外亮温差异平均值和标准差；
根据平均亮温值、所述标准偏差、所述亮温差异平均值和所述标准差，判断背景是否满足异常高温像元条件；
若背景中存在满足异常高温像元条件的火点，则添加漏判火点信息；
在完成对所述监控图像的所有区域像元的火点判识之后，基于三通道彩色合成图和假热点库进行火点像元分区，生成火点像元信息列表；
在所述火点像元信息列表中加入土地利用分类数据和行政边界数据，生成FC文件格式的监控图像。
6.一种山火火点判识装置，其特征在于，包括：
预处理模块，用于对实时获取到的预置输电线路监测区域的监控图像进行预处理；
火点判读模块，用于对所述监控图像进行人机交互火点判读；
常规热源点排除模块，用于对所述监控图像进行常规热源点排除；
第一火情图像绘制模块，用于若排除常规热源点后不存在目标火点，则对热源点进行火点标注后进行烟带判识，生成含有火点信息的第一原始监测图像专题图；
第二火情图像绘制模块，用于若排除常规热源点后存在目标火点，则对热源点进行火点标注、烟带判识和火烧迹地提取，生成含有火点信息的第二原始监测图像专题图。
7.根据权利要求6所述的山火火点判识装置，其特征在于，还包括：
发布模块，用于将所述不包含火点信息的公众监测图像、所述第一原始监测图像专题图和所述第二原始监测图像专题图入库并进行发布。
8.根据权利要求6所述的山火火点判识装置，其特征在于，所述预处理模块具体用于：
对所述监控图像进行数据读取、投影和拼图处理；
若所述拼图处理结果的分辨率不满足要求，则进行分辨率切换后进行背景图叠加和行政界限叠加，若所述拼图处理结果的分辨率满足要求，则直接进行背景图叠加和行政界限叠加；
对背景图叠加和行政界限叠加后的监控图像进行合成，得到合成后的监控图像。
9.根据权利要求8所述的山火火点判识装置，其特征在于，所述预处理模块具体还用于：
对合成后的所述监控图像进行图像增强。
10.一种山火火点判识设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-5中任一项所述的山火火点判识方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911379955.1A CN111027520A (zh) | 2019-12-27 | 2019-12-27 | 一种山火火点判识方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911379955.1A CN111027520A (zh) | 2019-12-27 | 2019-12-27 | 一种山火火点判识方法、装置和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111027520A true CN111027520A (zh) | 2020-04-17 |
Family
ID=70196467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911379955.1A Pending CN111027520A (zh) | 2019-12-27 | 2019-12-27 | 一种山火火点判识方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111027520A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783560A (zh) * | 2020-06-12 | 2020-10-16 | 云南电网有限责任公司电力科学研究院 | 一种多参量融合的电网山火二次判别方法及装置 |
| CN113340432A (zh) * | 2021-06-09 | 2021-09-03 | 广东电网有限责任公司 | 一种基于静止气象卫星的火情监测方法及系统 |
| CN113790822A (zh) * | 2021-09-15 | 2021-12-14 | 中国科学院空天信息创新研究院 | 地面测量温度数据异常检测方法、装置及可读存储介质 |
| CN114724048A (zh) * | 2022-04-11 | 2022-07-08 | 中国农业大学 | 一种高温异常区域的识别方法、装置以及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104269012A (zh) * | 2014-09-28 | 2015-01-07 | 浙江大学 | 基于modis数据的输电线路附近山火监测方法 |
| CN104537792A (zh) * | 2014-12-26 | 2015-04-22 | 浙江大学 | 基于背景信息的输电线路山火卫星监测方法 |
| WO2015169162A1 (zh) * | 2014-05-09 | 2015-11-12 | 国家电网公司 | 一种基于亮温值分析的输电线路山火精细化定位方法 |
| CN108564761A (zh) * | 2018-05-10 | 2018-09-21 | 中南林业科技大学 | 基于风云气象卫星数据的林火识别方法 |
| CN110310448A (zh) * | 2019-07-08 | 2019-10-08 | 国网湖南省电力有限公司 | 一种集烟雾和红外识别联动的输电线路山火监测方法 |
| CN110443969A (zh) * | 2018-05-03 | 2019-11-12 | 中移(苏州)软件技术有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
-
2019
- 2019-12-27 CN CN201911379955.1A patent/CN111027520A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015169162A1 (zh) * | 2014-05-09 | 2015-11-12 | 国家电网公司 | 一种基于亮温值分析的输电线路山火精细化定位方法 |
| CN104269012A (zh) * | 2014-09-28 | 2015-01-07 | 浙江大学 | 基于modis数据的输电线路附近山火监测方法 |
| CN104537792A (zh) * | 2014-12-26 | 2015-04-22 | 浙江大学 | 基于背景信息的输电线路山火卫星监测方法 |
| CN110443969A (zh) * | 2018-05-03 | 2019-11-12 | 中移(苏州)软件技术有限公司 | 一种火点检测方法、装置、电子设备及存储介质 |
| CN108564761A (zh) * | 2018-05-10 | 2018-09-21 | 中南林业科技大学 | 基于风云气象卫星数据的林火识别方法 |
| CN110310448A (zh) * | 2019-07-08 | 2019-10-08 | 国网湖南省电力有限公司 | 一种集烟雾和红外识别联动的输电线路山火监测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783560A (zh) * | 2020-06-12 | 2020-10-16 | 云南电网有限责任公司电力科学研究院 | 一种多参量融合的电网山火二次判别方法及装置 |
| CN113340432A (zh) * | 2021-06-09 | 2021-09-03 | 广东电网有限责任公司 | 一种基于静止气象卫星的火情监测方法及系统 |
| CN113790822A (zh) * | 2021-09-15 | 2021-12-14 | 中国科学院空天信息创新研究院 | 地面测量温度数据异常检测方法、装置及可读存储介质 |
| CN114724048A (zh) * | 2022-04-11 | 2022-07-08 | 中国农业大学 | 一种高温异常区域的识别方法、装置以及存储介质 |
| CN114724048B (zh) * | 2022-04-11 | 2023-07-07 | 中国农业大学 | 一种高温异常区域的识别方法、装置以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111027520A (zh) | 一种山火火点判识方法、装置和设备 | |
| CN103106766B (zh) | 林火识别方法与系统 | |
| CN111274930A (zh) | 一种基于深度学习的安全帽佩戴以及吸烟行为识别方法 | |
| CN110619623B (zh) | 一种变电设备接头发热的自动识别方法 | |
| CN109638959B (zh) | 基于ar和深度学习的电力设备遥信功能调试方法及系统 | |
| CN104537792A (zh) | 基于背景信息的输电线路山火卫星监测方法 | |
| CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
| CN115953566B (zh) | 一种用于红外热成像仪的特征分析方法、系统及介质 | |
| CN110942027A (zh) | 遮挡策略的确定方法及装置、存储介质、电子装置 | |
| CN115512518A (zh) | 基于时空关联的多种灾害的预警信息处理方法及装置 | |
| CN116229688A (zh) | 一种工程施工安全风险预警方法及系统 | |
| CN111814617B (zh) | 基于视频的火灾判定方法、装置、计算机设备及存储介质 | |
| CN117172984A (zh) | 基于设备检修数字孪生场景的安全风险识别方法及系统 | |
| CN111508121A (zh) | 可视化多色激光智能虚拟闸机控制系统 | |
| Zheng et al. | Forest farm fire drone monitoring system based on deep learning and unmanned aerial vehicle imagery | |
| CN116244748A (zh) | 基于联邦学习的交通大数据隐私保护系统 | |
| CN115578731A (zh) | 安全管控信息的生成方法、装置、电子设备及存储介质 | |
| CN109344691A (zh) | 一种基于深度学习的视觉安全校园管理监视方法 | |
| CN112990006A (zh) | 一种配电台区的巡检方法、智能巡检眼镜和系统 | |
| CN114241401A (zh) | 异常判定方法、装置、设备、介质及产品 | |
| CN114241400A (zh) | 电网系统的监控方法及其装置、计算机可读存储介质 | |
| CN112633142A (zh) | 一种输电线路违章建筑物识别方法及相关装置 | |
| CN112381058A (zh) | 基于行人重识别的黑白名单管控方法及设备 | |
| CN103777954A (zh) | 一种信息处理方法以及装置 | |
| CN114913172B (zh) | 一种电缆中间头制作风险的识别方法、系统、设备和介质 |
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 |