CN113076797A - 基于智能视频识别的充电站电动车火灾报警方法及系统 - Google Patents

基于智能视频识别的充电站电动车火灾报警方法及系统 Download PDF

Info

Publication number
CN113076797A
CN113076797A CN202110209463.9A CN202110209463A CN113076797A CN 113076797 A CN113076797 A CN 113076797A CN 202110209463 A CN202110209463 A CN 202110209463A CN 113076797 A CN113076797 A CN 113076797A
Authority
CN
China
Prior art keywords
image
preset
frame
parking space
target area
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.)
Granted
Application number
CN202110209463.9A
Other languages
English (en)
Other versions
CN113076797B (zh
Inventor
卢宗奎
戴相龙
李学钧
蒋勇
王晓鹏
何成虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Haohan Information Technology Co ltd
Original Assignee
Jiangsu Haohan Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Haohan Information Technology Co ltd filed Critical Jiangsu Haohan Information Technology Co ltd
Priority to CN202110209463.9A priority Critical patent/CN113076797B/zh
Publication of CN113076797A publication Critical patent/CN113076797A/zh
Application granted granted Critical
Publication of CN113076797B publication Critical patent/CN113076797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Alarm Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供一种基于智能视频识别的充电站电动车火灾报警方法及系统，其中，方法包括：通过摄像头采集充电站中停车位的视频图像；根据视频图像确定停车位上车辆的车辆行为；若车辆行为满足预设条件，根据视频图像确定是否有火灾发生；若有火灾发生，进行报警。本发明的基于智能视频识别的充电站电动车火灾报警方法及系统，弥补了传统烟雾颗粒感应系统检测火灾受室外气体流动性大影响的不足，完全适用于室外检测火灾的应用场景，同时，及时进行报警，进一步减少了火灾造成的各项损失。

Description

基于智能视频识别的充电站电动车火灾报警方法及系统
技术领域
本发明涉及视频识别技术领域，特别涉及一种基于智能视频识别的充电站电动车火灾报警方法及系统。
背景技术
目前，充电站火灾检测技术还是采用传统的烟雾颗粒感应系统。烟雾颗粒感应系统需要烟雾颗粒进入传感器后才能引起报警，而且对检测环境的要求相对较高，需要在较封闭的空间里进行检测，但是，充电站一般都是设置在室外，同时，空气流动性大，烟雾颗粒感应检测火灾的效果存在很大不足。
发明内容
本发明目的之一在于提供了一种基于智能视频识别的充电站电动车火灾报警方法及系统，弥补了传统烟雾颗粒感应系统检测火灾受室外气体流动性大影响的不足，完全适用于室外检测火灾的应用场景，同时，及时进行报警，进一步减少了火灾造成的各项损失。
本发明实施例提供的一种基于智能视频识别的充电站电动车火灾报警方法，包括：
通过摄像头采集充电站中停车位的视频图像；
根据视频图像确定停车位上车辆的车辆行为；
若车辆行为满足预设条件，根据视频图像确定是否有火灾发生；
若有火灾发生，进行报警。
优选的，根据视频图像确定停车位上是否有车辆停放，具体包括：
对视频图像进行预处理，获得多帧车位图像；
获取预设的第一采样框；
采用第一采样框对每帧车位图像进行扫描采样，若对第m帧车位图像采样成功，以停车位上预设的位置点为原点建立三维坐标系；
获取第m+n帧车位图像中表示车牌的第一车牌位置点(xm+n,ym+n,zm+n)，获取第m+n+1帧车位图像中表示车牌的第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)；
第一车牌位置点(xm+n,ym+n,zm+n)和第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)之间的连线的方向向量为：((xm+n+1-xm+n),(ym+n+1-ym+n),(zm+n+1-zm+n))；
当n＝j时，若方向向量为正向量或负向量，则当n＝j+1,j+2,…,σ时，若方向向量均为正向量，则确定车辆正驶入停车位，为入场状态；
若方向向量均为负向量，则确定车辆正驶出停车位，为出场状态；
当n＝1时，若方向向量为零向量，则当n＝2,3,…,σ时，若方向向量均为零向量，则确定车辆停放在停车位，为停驻状态；
其中，m、n和j为正整数,σ为预设的第一帧数值或对第σ+1帧车位图像采样失败时系统输出的第一采样记录总帧数；
若对每帧车位图像均采样失败，则确定停车位上没有车辆停放。
优选的，所述预设条件包括：当所述停车位上的车辆为入场状态或停驻状态时；
所述根据所述视频图像确定是否有火灾发生，具体包括：
采用预设的第二采样框对所述视频图像进行扫描采样，获得N帧目标区域图像；
计算N帧目标区域图像中第i帧目标区域图像与第i+1帧目标区域图像的匹配度：
Figure BDA0002950880900000021
其中，match为匹配度，e为预设的误差系数，Ti a为第i帧目标区域图像上特征值为a的特征点总数目，Si为第i帧目标区域图像上全部特征点总数目，Ti+1 b为第i+1帧目标区域图像上特征值为b的特征点总数目，Si+1为第i+1帧目标区域图像上全部特征点总数目，G为第i帧目标区域图像上或第i+1帧目标区域图像上特征值的极值，1≤i＜N-1；
若所述匹配度小于等于预设的匹配度阈值，选取第i+1帧至第i+G帧目标区域图像作为待验证图像，共计G个；
对每个待验证图像进行预设的提取操作，获得G个轮廓图像，若提取失败，则确定没有火灾发生；
统计G个轮廓图像的面积，并基于其计算跳动指数：
Figure BDA0002950880900000031
其中，Beat为跳动指数，α1为第1个轮廓图像轮廓图像的面积，α1+d为第1+d个轮廓图像轮廓图像的面积，d为间隔数，1≤d＜G-1；
当所述间隔数为d0时，
若所述跳动指数为1，则确定有火灾发生；
若所述跳动指数为0，依据下式调整所述间隔数：
d′＝d0+int(τ·Z)
其中，d′为调整后的间隔数，d0为当前的间隔数，Z各帧目标区域图像之间的时间间隔，τ为预设的调整系数，int为取整函数；
使用调整后的间隔数d′重新计算跳动指数，此时，若计算结果为1，则确定有火灾发生。
优选的，所述提取操作具体包括：
依据下式计算待验证图像的判定指数：
Figure BDA0002950880900000032
其中，V为判定指数，gf为待验证图像中第f个像素点的第一指标值，hf为待验证图像中第f个像素点的第二指标值，jf为待验证图像中第f个像素点的第三指标值，r为待验证图像中像素点的总数目,k1、k2和k3为预设的权重值；
所述第一指标值、第二指标值和第三指标值根据下式确定：
Figure BDA0002950880900000041
Figure BDA0002950880900000042
Figure BDA0002950880900000043
其中，gf′为待验证图像中第f个像素点的第一验证值，hf′为待验证图像中第f个像素点的第二验证值，jf′为待验证图像中第f个像素点的第三验证值，A1和A2为预设的第一下限和第一上限，B1和B2为预设的第二下限和第二上限，C1和C2为预设的第三下限和第三上限，or为或；
当所述判定指数大于等于预设的判定指数阈值时，剔除待验证图像上所述第一指标值为0、所述第二指标值为0和所述第三指标值为0的像素点，获得轮廓图像。
优选的，若有火灾发生，进行报警，具体包括：
若有火灾发生，
通过报警器播放预设的第一报警语音信息，
和，
通过通讯装置向后端服务器发送报警确认请求，若在预设的时间范围内未接收到后端服务器回复的确认信息时，通过报警器播放预设的第二报警语音信息。
本发明实施例提供的一种基于智能视频识别的充电站电动车火灾报警系统，包括：
获取模块，通过摄像头采集充电站中停车位的视频图像；
第一确定模块，根据视频图像确定停车位上车辆的车辆行为；
第二确定模块，若车辆行为满足预设条件，根据视频图像确定是否有火灾发生；
报警模块，若有火灾发生，进行报警。
优选的，第一确定模块执行包括如下操作：
第一确定模块执行包括如下操作：
对视频图像进行预处理，获得多帧车位图像；
获取预设的第一采样框；
采用第一采样框对每帧车位图像进行扫描采样，若对第m帧车位图像采样成功，以停车位上预设的位置点为原点建立三维坐标系；
获取第m+n帧车位图像中表示车牌的第一车牌位置点(xm+n,ym+n,zm+n)，获取第m+n+1帧车位图像中表示车牌的第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)；
第一车牌位置点(xm+n,ym+n,zm+n)和第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)之间的连线的方向向量为：((xm+n+1-xm+n),(ym+n+1-ym+n),(zm+n+1-zm+n))；
当n＝j时，若方向向量为正向量或负向量，则当n＝j+1,j+2,…,σ时，若方向向量均为正向量，则确定车辆正驶入停车位，为入场状态；
若方向向量均为负向量，则确定车辆正驶出停车位，为出场状态；
当n＝1时，若方向向量为零向量，则当n＝2,3,…,σ时，若方向向量均为零向量，则确定车辆停放在停车位，为停驻状态；
其中，m、n和j为正整数,σ为预设的第一帧数值或对第σ+1帧车位图像采样失败时系统输出的第一采样记录总帧数；
若对每帧车位图像均采样失败，则确定停车位上没有车辆停放。
优选的，所述预设条件包括：当所述停车位上的车辆为入场状态或停驻状态时；
所述第二确定模块执行包括如下操作：
所述根据所述视频图像确定是否有火灾发生，具体包括：
采用预设的第二采样框对所述视频图像进行扫描采样，获得N帧目标区域图像；
计算N帧目标区域图像中第i帧目标区域图像与第i+1帧目标区域图像的匹配度：
Figure BDA0002950880900000061
其中，match为匹配度，e为预设的误差系数，Ti a为第i帧目标区域图像上特征值为a的特征点总数目，Si为第i帧目标区域图像上全部特征点总数目，Ti+1 b为第i+1帧目标区域图像上特征值为b的特征点总数目，Si+1为第i+1帧目标区域图像上全部特征点总数目，G为第i帧目标区域图像上或第i+1帧目标区域图像上特征值的极值，1≤i＜N-1；
若所述匹配度小于等于预设的匹配度阈值，选取第i+1帧至第i+G帧目标区域图像作为待验证图像，共计G个；
对每个待验证图像进行预设的提取操作，获得G个轮廓图像，若提取失败，则确定没有火灾发生；
统计G个轮廓图像的面积，并基于其计算跳动指数：
Figure BDA0002950880900000062
其中，Beat为跳动指数，α1为第1个轮廓图像轮廓图像的面积，α1+d为第1+d个轮廓图像轮廓图像的面积，d为间隔数，1≤d＜G-1；
当所述间隔数为d0时，
若所述跳动指数为1，则确定有火灾发生；
若所述跳动指数为0，依据下式调整所述间隔数：
d′＝d0+int(τ·Z)
其中，d′为调整后的间隔数，d0为当前的间隔数，Z各帧目标区域图像之间的时间间隔，τ为预设的调整系数，int为取整函数；
使用调整后的间隔数d′重新计算跳动指数，此时，若计算结果为1，则确定有火灾发生。
优选的，所述提取操作具体包括：
依据下式计算待验证图像的判定指数：
Figure BDA0002950880900000071
其中，V为判定指数，gf为待验证图像中第f个像素点的第一指标值，hf为待验证图像中第f个像素点的第二指标值，jf为待验证图像中第f个像素点的第三指标值，r为待验证图像中像素点的总数目,k1、k2和k3为预设的权重值；
所述第一指标值、第二指标值和第三指标值根据下式确定：
Figure BDA0002950880900000072
Figure BDA0002950880900000073
Figure BDA0002950880900000074
其中，gf′为待验证图像中第f个像素点的第一验证值，hf′为待验证图像中第f个像素点的第二验证值，jf′为待验证图像中第f个像素点的第三验证值，A1和A2为预设的第一下限和第一上限，B1和B2为预设的第二下限和第二上限，C1和C2为预设的第三下限和第三上限，or为或；
当所述判定指数大于等于预设的判定指数阈值时，剔除待验证图像上所述第一指标值为0、所述第二指标值为0和所述第三指标值为0的像素点，获得轮廓图像。
优选的，报警模块执行包括如下操作：
若有火灾发生，
通过报警器播放预设的第一报警语音信息，
和，
通过通讯装置向后端服务器发送报警确认请求，若在预设的时间范围内未接收到后端服务器回复的确认信息时，通过报警器播放预设的第二报警语音信息。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于智能视频识别的充电站电动车火灾报警方法的流程图；
图2为本发明实施例中一种基于智能视频识别的充电站电动车火灾报警方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警方法，如图1所示，包括：
S1、通过摄像头采集充电站中停车位的视频图像；
S2、根据视频图像确定停车位上车辆的车辆行为；
S3、若车辆行为满足预设条件，根据视频图像确定是否有火灾发生；
S4、若有火灾发生，进行报警。
上述技术方案的工作原理为：
在室外充电站的充电桩上安装摄像头，该摄像头可以为深度相机；将摄像头对准充电站中的停车位并实时采集停车位的视频图像；通过视频图像确定车辆行为(驶入停车位、驶出停车位或停放状态)；若确定停车位上有车辆驶入或停放，则通过视频图像确定电动车是否发生火灾；若有火灾发生，立即进行报警。
上述技术方案的有益效果为：本发明实施例通过安装在充电桩上的摄像头采集充电站中停车位的视频图像，依据视频图像确定车辆行为，若停车位上有车辆驶入停放，依据视频图像确定是否有火灾发生，当有火灾发生时，立即进行报警，弥补了传统烟雾颗粒感应系统检测火灾受室外气体流动性大影响的不足，完全适用于室外检测火灾的应用场景，同时，及时进行报警，进一步减少了火灾造成的各项损失。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警方法，根据视频图像确定停车位上车辆的车辆行为，具体包括：
对视频图像进行预处理，获得多帧车位图像；
获取预设的第一采样框；
采用第一采样框对每帧车位图像进行扫描采样，若对第m帧车位图像采样成功，以停车位上预设的位置点为原点建立三维坐标系；
获取第m+n帧车位图像中表示车牌的第一车牌位置点(xm+n,ym+n,zm+n)，获取第m+n+1帧车位图像中表示车牌的第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)；
第一车牌位置点(xm+n,ym+n,zm+n)和第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)之间的连线的方向向量为：((xm+n+1-xm+n),(ym+n+1-ym+n),(zm+n+1-zm+n))；
当n＝j时，若方向向量为正向量或负向量，则当n＝j+1,j+2,…,σ时，若方向向量均为正向量，则确定车辆正驶入停车位，为入场状态；
若方向向量均为负向量，则确定车辆正驶出停车位，为出场状态；
当n＝1时，若方向向量为零向量，则当n＝2,3,…,σ时，若方向向量均为零向量，则确定车辆停放在停车位，为停驻状态；
其中，m、n和j为正整数,σ为预设的第一帧数值或对第σ+1帧车位图像采样失败时系统输出的第一采样记录总帧数；
若对每帧车位图像均采样失败，则确定停车位上没有车辆停放。
上述技术方案的工作原理为：
预处理具体为：分帧处理，将视频图像分成多帧图像；第一采样框可对车位图像中的车牌图像进行识别并采样；停车位上预设的位置点具体为：停车位划线为长方形，车辆驶入停车位的入口侧的边线作为第一边线，预设位置点设置在第一边线在长方形中的对边的中点；表示车牌的车牌位置点具体为：当采样框采样成功时，以采样框中心点或左上角作为车牌位置点输出；当n＝1时，若方向向量为正向量或负向量，说明此刻，车牌发生移动即车辆发生移动，位置点远离或靠近原点；当＝j+1,j+2,…,σ时，即当识别到车辆发生移动时，根据后续位置点的坐标计算方向向量实现对车辆进行跟踪，若方向向量均为正向量，则说明车辆一直在远离原点(驶出车位)，若方向向量均为负向量，则说明车辆一直在靠近原点(驶入车位)，若当n＝1,2,3,…,σ时，方向向量均为零向量，则说明车辆一直停放在车位中；σ可供用户设定，一般设定为车辆正常驶出或驶入停车位的时间(例如：12秒)的1.5倍(例如：18秒)内第一摄像头的可采集帧数，也可系统自动输出，当对第σ+1帧车位图像采集失败时(车辆已完全驶出车位)，输出已采集的总帧数；若采样框均采样失败，说明图像上没有车牌，即停车位上没有车辆停放。
上述技术方案的有益效果为：本发明实施例通过第一视频图像确定停车位上车辆的车辆行为，采用采样框对车牌进行精准识别定位，输出车牌位置点，建立三维坐标系判断车辆是处于入场、出场或停驻状态，大大提升了确定停车位上车辆行为的精准性。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警方法，所述预设条件包括：当所述停车位上的车辆为入场状态或停驻状态时；
所述第二确定模块执行包括如下操作：
所述根据所述视频图像确定是否有火灾发生，具体包括：
采用预设的第二采样框对所述视频图像进行扫描采样，获得N帧目标区域图像；
计算N帧目标区域图像中第i帧目标区域图像与第i+1帧目标区域图像的匹配度：
Figure BDA0002950880900000111
其中，match为匹配度，e为预设的误差系数，Ti a为第i帧目标区域图像上特征值为a的特征点总数目，Si为第i帧目标区域图像上全部特征点总数目，Ti+1 b为第i+1帧目标区域图像上特征值为b的特征点总数目，Si+1为第i+1帧目标区域图像上全部特征点总数目，G为第i帧目标区域图像上或第i+1帧目标区域图像上特征值的极值，1≤i＜N-1；
若所述匹配度小于等于预设的匹配度阈值，选取第i+1帧至第i+G帧目标区域图像作为待验证图像，共计G个；
对每个待验证图像进行预设的提取操作，获得G个轮廓图像，若提取失败，则确定没有火灾发生；
统计G个轮廓图像的面积，并基于其计算跳动指数：
Figure BDA0002950880900000112
其中，Beat为跳动指数，α1为第1个轮廓图像轮廓图像的面积，α1+d为第1+d个轮廓图像轮廓图像的面积，d为间隔数，1≤d＜G-1；
当所述间隔数为d0时，
若所述跳动指数为1，则确定有火灾发生；
若所述跳动指数为0，依据下式调整所述间隔数：
d′＝d0+int(τ·Z)
其中，d′为调整后的间隔数，d0为当前的间隔数，Z各帧目标区域图像之间的时间间隔，τ为预设的调整系数，int为取整函数；
使用调整后的间隔数d′重新计算跳动指数，此时，若计算结果为1，则确定有火灾发生。
上述技术方案的工作原理为：
预设的第二采样框可以对视频图像进行扫描采样，扫描视频图像中的每一帧图像中是否有与预存的车辆侧面下半部分(电动车电池安装处)，若有则进行采样，获得多帧目标区域图像，计算任意两帧目标区域图像的相似度，判断图像上是否有新特征出现，若有新特征出现，则说明可能有火灾发生(火花或烟雾)；目标区域图像上的特征点可以为像素点，特征值可以为像素值；选取m个目标区域图像作为待验证图像，并对待验证图像进行预设的提取操作，看是否能提取出火花或烟雾区域，当提取出火花或烟雾区域时，统计各待验证图像的火花或烟雾的区域，计算跳动指数，若面积发生变化，说明区域在变，燃烧时，无论是火花还是烟雾都会有跳动现象的发生；当一次跳动指数为0时，可能是选取的帧数间隔较小，时间值很小，导致采样的两次图像没有可比性，因此可通过增大间隔数来计算跳动指数。
上述技术方案的有益效果为：本发明实施例通过两帧图像的相似度判断是否有新特征出现，考虑到火焰或烟雾的波动性特征，通过计算跳动指数并自适应地调整间隔数进一步确定是否为火焰或烟雾，大大提升了火灾检测精准性，可自适应调整间隔数，进一步提升了系统的工作能力。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警方法，所述提取操作具体包括：
依据下式计算待验证图像的判定指数：
Figure BDA0002950880900000131
其中，V为判定指数，gf为待验证图像中第f个像素点的第一指标值，hf为待验证图像中第f个像素点的第二指标值，jf为待验证图像中第f个像素点的第三指标值，r为待验证图像中像素点的总数目,k1、k2和k3为预设的权重值；
所述第一指标值、第二指标值和第三指标值根据下式确定：
Figure BDA0002950880900000132
Figure BDA0002950880900000133
Figure BDA0002950880900000134
其中，gf′为待验证图像中第f个像素点的第一验证值，hf′为待验证图像中第f个像素点的第二验证值，jf′为待验证图像中第f个像素点的第三验证值，A1和A2为预设的第一下限和第一上限，B1和B2为预设的第二下限和第二上限，C1和C2为预设的第三下限和第三上限，or为或；
当所述判定指数大于等于预设的判定指数阈值时，剔除待验证图像上所述第一指标值为0、所述第二指标值为0和所述第三指标值为0的像素点，获得轮廓图像。
上述技术方案的工作原理为：
像素点的验证值可以为该像素点对应的RGB各颜色值或饱和度值；预设的上下限可以为根据大量火焰或烟雾的照片中像素点对应的RGB各颜色值或饱和度值确定的上下界限；当判定指数大于等于预设的判定指数阈值时，筛选出满足要求的像素点则可获得火焰或烟雾的轮廓图像。
上述技术方案的有益效果为：本发明实施例通过依据火焰或烟雾图片自身的像素点的特征对待验证图像的像素点进行筛选，若筛选即提取成功，可依据轮廓图像进一步判断是否有火灾发生，若筛选失败即提取失败，则说明待验证图像上没有火焰或烟雾的迹象，说明没有火灾发生，可以精准提取出待验证图像中的火焰或烟雾区域，同时，也更加智能化。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警方法，若有火灾发生，进行报警，具体包括：
若有火灾发生，
通过报警器播放预设的第一报警语音信息，
和，
通过通讯装置向后端服务器发送报警确认请求，若在预设的时间范围内未接收到后端服务器回复的确认信息时，通过报警器播放预设的第二报警语音信息。
上述技术方案的工作原理为：
若确定有火灾发生，通过报警器播放预设的第一报警语音信息，例如：播放火警警报声；后端服务器设置在后台管理室，工作人员可以通过对客户端例如：电脑、智能手机或平板进行操作回复确认信息，同时拨打火警电话；后端服务器还可直接设置在消防站点内；若在预设的时间范围内(例如1分钟)未接收到后端服务器的回应，播放预设的第二报警语音信息，例如：此处有火灾发生，请周边人员远离，请拨打火警电话报警。
上述技术方案的有益效果为：本发明实施例在确认有火灾发生时，通过报警器播放第一报警语音信息，同时向后端服务器发送报警确认请求，若未及时收到后端服务器回复的确认信息时，播放第二报警语音信息，请周边人员撤离并拨打火警电话，提升了系统设置的合理性。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警系统，如图2所示，包括：
获取模块，通过摄像头采集充电站中停车位的视频图像；
第一确定模块，根据视频图像确定停车位上车辆的车辆行为；
第二确定模块，若车辆行为满足预设条件，根据视频图像确定是否有火灾发生；
报警模块，若有火灾发生，进行报警。
上述技术方案的工作原理为：
在室外充电站的充电桩上安装摄像头，该摄像头可以为深度相机；将摄像头对准充电站中的停车位并实时采集停车位的视频图像；通过视频图像确定车辆行为(驶入停车位、驶出停车位或停放状态)；若确定停车位上有车辆驶入或停放，则通过视频图像确定电动车是否发生火灾；若有火灾发生，立即进行报警。
上述技术方案的有益效果为：本发明实施例通过安装在充电桩上的摄像头采集充电站中停车位的视频图像，依据视频图像确定车辆行为，若停车位上有车辆驶入停放，依据视频图像确定是否有火灾发生，当有火灾发生时，立即进行报警，弥补了传统烟雾颗粒感应系统检测火灾受室外气体流动性大影响的不足，完全适用于室外检测火灾的应用场景，同时，及时进行报警，进一步减少了火灾造成的各项损失。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警系统，第一确定模块执行包括如下操作：
对视频图像进行预处理，获得多帧车位图像；
获取预设的第一采样框；
采用第一采样框对每帧车位图像进行扫描采样，若对第m帧车位图像采样成功，以停车位上预设的位置点为原点建立三维坐标系；
获取第m+n帧车位图像中表示车牌的第一车牌位置点(xm+n,ym+n,zm+n)，获取第m+n+1帧车位图像中表示车牌的第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)；
第一车牌位置点(xm+n,ym+n,zm+n)和第二车牌位置点(xm+n+1,ym+n+1,zm+n+1)之间的连线的方向向量为：((xm+n+1-xm+n),(ym+n+1-ym+n),(zm+n+1-zm+n))；
当n＝j时，若方向向量为正向量或负向量，则当n＝j+1,j+2,…,σ时，若方向向量均为正向量，则确定车辆正驶入停车位，为入场状态；
若方向向量均为负向量，则确定车辆正驶出停车位，为出场状态；
当n＝1时，若方向向量为零向量，则当n＝2,3,…,σ时，若方向向量均为零向量，则确定车辆停放在停车位，为停驻状态；
其中，m、n和j为正整数,σ为预设的第一帧数值或对第σ+1帧车位图像采样失败时系统输出的第一采样记录总帧数；
若对每帧车位图像均采样失败，则确定停车位上没有车辆停放。
上述技术方案的工作原理为：
预处理具体为：分帧处理，将视频图像分成多帧图像；第一采样框可对车位图像中的车牌图像进行识别并采样；停车位上预设的位置点具体为：停车位划线为长方形，车辆驶入停车位的入口侧的边线作为第一边线，预设位置点设置在第一边线在长方形中的对边的中点；表示车牌的车牌位置点具体为：当采样框采样成功时，以采样框中心点或左上角作为车牌位置点输出；当n＝1时，若方向向量为正向量或负向量，说明此刻，车牌发生移动即车辆发生移动，位置点远离或靠近原点；当＝j+1,j+2,…,σ时，即当识别到车辆发生移动时，根据后续位置点的坐标计算方向向量实现对车辆进行跟踪，若方向向量均为正向量，则说明车辆一直在远离原点(驶出车位)，若方向向量均为负向量，则说明车辆一直在靠近原点(驶入车位)，若当n＝1,2,3,…,σ时，方向向量均为零向量，则说明车辆一直停放在车位中；σ可供用户设定，一般设定为车辆正常驶出或驶入停车位的时间(例如：12秒)的1.5倍(例如：18秒)内第一摄像头的可采集帧数，也可系统自动输出，当对第σ+1帧车位图像采集失败时(车辆已完全驶出车位)，输出已采集的总帧数；若采样框均采样失败，说明图像上没有车牌，即停车位上没有车辆停放。
上述技术方案的有益效果为：本发明实施例通过第一视频图像确定停车位上车辆的车辆行为，采用采样框对车牌进行精准识别定位，输出车牌位置点，建立三维坐标系判断车辆是处于入场、出场或停驻状态，大大提升了确定停车位上车辆行为的精准性。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警系统，所述预设条件包括：当所述停车位上的车辆为入场状态或停驻状态时；
所述第二确定模块执行包括如下操作：
所述根据所述视频图像确定是否有火灾发生，具体包括：
采用预设的第二采样框对所述视频图像进行扫描采样，获得N帧目标区域图像；
计算N帧目标区域图像中第i帧目标区域图像与第i+1帧目标区域图像的匹配度：
Figure BDA0002950880900000171
其中，match为匹配度，e为预设的误差系数，Ti a为第i帧目标区域图像上特征值为a的特征点总数目，Si为第i帧目标区域图像上全部特征点总数目，Ti+1 b为第i+1帧目标区域图像上特征值为b的特征点总数目，Si+1为第i+1帧目标区域图像上全部特征点总数目，G为第i帧目标区域图像上或第i+1帧目标区域图像上特征值的极值，1≤i＜N-1；
若所述匹配度小于等于预设的匹配度阈值，选取第i+1帧至第i+G帧目标区域图像作为待验证图像，共计G个；
对每个待验证图像进行预设的提取操作，获得G个轮廓图像，若提取失败，则确定没有火灾发生；
统计G个轮廓图像的面积，并基于其计算跳动指数：
Figure BDA0002950880900000172
其中，Beat为跳动指数，α1为第1个轮廓图像轮廓图像的面积，α1+d为第1+d个轮廓图像轮廓图像的面积，d为间隔数，1≤d＜G-1；
当所述间隔数为d0时，
若所述跳动指数为1，则确定有火灾发生；
若所述跳动指数为0，依据下式调整所述间隔数：
d′＝d0+int(τ·Z)
其中，d′为调整后的间隔数，d0为当前的间隔数，Z各帧目标区域图像之间的时间间隔，τ为预设的调整系数，int为取整函数；
使用调整后的间隔数d′重新计算跳动指数，此时，若计算结果为1，则确定有火灾发生。
上述技术方案的工作原理为：
预设的第二采样框可以对视频图像进行扫描采样，扫描视频图像中的每一帧图像中是否有与预存的车辆侧面下半部分(电动车电池安装处)，若有则进行采样，获得多帧目标区域图像，计算任意两帧目标区域图像的相似度，判断图像上是否有新特征出现，若有新特征出现，则说明可能有火灾发生(火花或烟雾)；目标区域图像上的特征点可以为像素点，特征值可以为像素值；选取m个目标区域图像作为待验证图像，并对待验证图像进行预设的提取操作，看是否能提取出火花或烟雾区域，当提取出火花或烟雾区域时，统计各待验证图像的火花或烟雾的区域，计算跳动指数，若面积发生变化，说明区域在变，燃烧时，无论是火花还是烟雾都会有跳动现象的发生；当一次跳动指数为0时，可能是选取的帧数间隔较小，时间值很小，导致采样的两次图像没有可比性，因此可通过增大间隔数来计算跳动指数。
上述技术方案的有益效果为：本发明实施例通过两帧图像的相似度判断是否有新特征出现，考虑到火焰或烟雾的波动性特征，通过计算跳动指数并自适应地调整间隔数进一步确定是否为火焰或烟雾，大大提升了火灾检测精准性，可自适应调整间隔数，进一步提升了系统的工作能力。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警系统，所述提取操作具体包括：
依据下式计算待验证图像的判定指数：
Figure BDA0002950880900000191
其中，V为判定指数，gf为待验证图像中第f个像素点的第一指标值，hf为待验证图像中第f个像素点的第二指标值，jf为待验证图像中第f个像素点的第三指标值，r为待验证图像中像素点的总数目,k1、k2和k3为预设的权重值；
所述第一指标值、第二指标值和第三指标值根据下式确定：
Figure BDA0002950880900000192
Figure BDA0002950880900000193
Figure BDA0002950880900000194
其中，gf′为待验证图像中第f个像素点的第一验证值，hf′为待验证图像中第f个像素点的第二验证值，jf′为待验证图像中第f个像素点的第三验证值，A1和A2为预设的第一下限和第一上限，B1和B2为预设的第二下限和第二上限，C1和C2为预设的第三下限和第三上限，or为或；
当所述判定指数大于等于预设的判定指数阈值时，剔除待验证图像上所述第一指标值为0、所述第二指标值为0和所述第三指标值为0的像素点，获得轮廓图像。
上述技术方案的工作原理为：
像素点的验证值可以为该像素点对应的RGB各颜色值或饱和度值；预设的上下限可以为根据大量火焰或烟雾的照片中像素点对应的RGB各颜色值或饱和度值确定的上下界限；当判定指数大于等于预设的判定指数阈值时，筛选出满足要求的像素点则可获得火焰或烟雾的轮廓图像。
上述技术方案的有益效果为：本发明实施例通过依据火焰或烟雾图片自身的像素点的特征对待验证图像的像素点进行筛选，若筛选即提取成功，可依据轮廓图像进一步判断是否有火灾发生，若筛选失败即提取失败，则说明待验证图像上没有火焰或烟雾的迹象，说明没有火灾发生，可以精准提取出待验证图像中的火焰或烟雾区域，同时，也更加智能化。
本发明实施例提供了一种基于智能视频识别的充电站电动车火灾报警系统，报警模块执行包括如下操作：
若有火灾发生，
通过报警器播放预设的第一报警语音信息，
和，
通过通讯装置向后端服务器发送报警确认请求，若在预设的时间范围内未接收到后端服务器回复的确认信息时，通过报警器播放预设的第二报警语音信息。
上述技术方案的工作原理为：
若确定有火灾发生，通过报警器播放预设的第一报警语音信息，例如：播放火警警报声；后端服务器设置在后台管理室，工作人员可以通过对客户端例如：电脑、智能手机或平板进行操作回复确认信息，同时拨打火警电话；后端服务器还可直接设置在消防站点内；若在预设的时间范围内(例如1分钟)未接收到后端服务器的回应，播放预设的第二报警语音信息，例如：此处有火灾发生，请周边人员远离，请拨打火警电话报警。
上述技术方案的有益效果为：本发明实施例在确认有火灾发生时，通过报警器播放第一报警语音信息，同时向后端服务器发送报警确认请求，若未及时收到后端服务器回复的确认信息时，播放第二报警语音信息，请周边人员撤离并拨打火警电话，提升了系统设置的合理性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于智能视频识别的充电站电动车火灾报警方法，其特征在于，包括：
通过摄像头采集充电站中停车位的视频图像；
根据所述视频图像确定所述停车位上车辆的车辆行为；
若所述车辆行为满足预设条件，根据所述视频图像确定是否有火灾发生；
若有火灾发生，进行报警。
2.如权利要求1所述的一种基于智能视频识别的充电站电动车火灾报警方法，其特征在于，所述根据所述视频图像确定所述停车位上车辆的车辆行为，具体包括：
对所述视频图像进行预处理，获得多帧车位图像；
获取预设的第一采样框；
采用所述第一采样框对每帧车位图像进行扫描采样，若对第m帧车位图像采样成功，以所述停车位上预设的位置点为原点建立三维坐标系；
获取第m+n帧车位图像中表示车牌的第一车牌位置点(xm+n，ym+n，zm+n)，获取第m+n+1帧车位图像中表示车牌的第二车牌位置点(xm+n+1，ym+n+1，zm+n+1)；
所述第一车牌位置点(xm+n，ym+n，zm+n)和所述第二车牌位置点(xm+n+1，ym+n+1，zm+n+1)之间的连线的方向向量为：((xm+n+1-xm+n)，(ym+n+1-ym+n)，(zm+n+1-zm+n))；
当n＝j时，若所述方向向量为正向量或负向量，则当n＝j+1，j+2，…，σ时，若所述方向向量均为正向量，则确定车辆正驶入所述停车位，为入场状态；
若所述方向向量均为负向量，则确定车辆正驶出所述停车位，为出场状态；
当n＝1时，若所述方向向量为零向量，则当n＝2，3，…，σ时，若所述方向向量均为零向量，则确定车辆停放在所述停车位，为停驻状态；
其中，m、n和j为正整数，σ为预设的第一帧数值或对第σ+1帧车位图像采样失败时系统输出的第一采样记录总帧数；
若对每帧车位图像均采样失败，则确定所述停车位上没有车辆停放。
3.如权利要求2所述的一种基于智能视频识别的充电站电动车火灾报警方法，其特征在于，所述预设条件包括：当所述停车位上的车辆为入场状态或停驻状态时；
所述根据所述视频图像确定是否有火灾发生，具体包括：
采用预设的第二采样框对所述视频图像进行扫描采样，获得N帧目标区域图像；
计算N帧目标区域图像中第i帧目标区域图像与第i+1帧目标区域图像的匹配度：
Figure FDA0002950880890000021
其中，match为匹配度，e为预设的误差系数，Ti a为第i帧目标区域图像上特征值为a的特征点总数目，Si为第i帧目标区域图像上全部特征点总数目，Ti+1 b为第i+1帧目标区域图像上特征值为b的特征点总数目，Si+1为第i+1帧目标区域图像上全部特征点总数目，G为第i帧目标区域图像上或第i+1帧目标区域图像上特征值的极值，1≤i＜N-1；
若所述匹配度小于等于预设的匹配度阈值，选取第i+1帧至第i+G帧目标区域图像作为待验证图像，共计G个；
对每个待验证图像进行预设的提取操作，获得G个轮廓图像，若提取失败，则确定没有火灾发生；
统计G个轮廓图像的面积，并基于其计算跳动指数：
Figure FDA0002950880890000022
其中，Beat为跳动指数，α1为第1个轮廓图像轮廓图像的面积，α1+d为第1+d个轮廓图像轮廓图像的面积，d为间隔数，1≤d＜G-1；
当所述间隔数为d0时，
若所述跳动指数为1，则确定有火灾发生；
若所述跳动指数为0，依据下式调整所述间隔数：
d′＝d0+int(τ·Z)
其中，d′为调整后的间隔数，d0为当前的间隔数，Z各帧目标区域图像之间的时间间隔，τ为预设的调整系数，int为取整函数；
使用调整后的间隔数d1重新计算跳动指数，此时，若计算结果为1，则确定有火灾发生。
4.如权利要求3所述的一种一种基于智能视频识别的充电站电动车火灾报警方法，其特征在于，所述提取操作具体包括：
依据下式计算待验证图像的判定指数：
Figure FDA0002950880890000031
其中，V为判定指数，gf为待验证图像中第f个像素点的第一指标值，hf为待验证图像中第f个像素点的第二指标值，jf为待验证图像中第f个像素点的第三指标值，r为待验证图像中像素点的总数目，k1、k2和k3为预设的权重值；
所述第一指标值、第二指标值和第三指标值根据下式确定：
Figure FDA0002950880890000032
Figure FDA0002950880890000033
Figure FDA0002950880890000034
其中，gf′为待验证图像中第f个像素点的第一验证值，hf′为待验证图像中第f个像素点的第二验证值，jf′为待验证图像中第f个像素点的第三验证值，A1和A2为预设的第一下限和第一上限，B1和B2为预设的第二下限和第二上限，C1和C2为预设的第三下限和第三上限，or为或；
当所述判定指数大于等于预设的判定指数阈值时，剔除待验证图像上所述第一指标值为0、所述第二指标值为0和所述第三指标值为0的像素点，获得轮廓图像。
5.如权利要求1所述的一种基于智能视频识别的充电站电动车火灾报警方法，其特征在于，所述若有火灾发生，进行报警，具体包括：
若有火灾发生，
通过报警器播放预设的第一报警语音信息，
和.
通过通讯装置向后端服务器发送报警确认请求，若在预设的时间范围内未接收到所述后端服务器回复的确认信息时，通过所述报警器播放预设的第二报警语音信息。
6.一种基于智能视频识别的充电站电动车火灾报警系统，其特征在于，包括：
获取模块，通过摄像头采集充电站中停车位的视频图像；
第一确定模块，根据所述视频图像确定所述停车位上车辆的车辆行为；
第二确定模块，若所述车辆行为满足预设条件，根据所述视频图像确定是否有火灾发生；
报警模块，若有火灾发生，进行报警。
7.如权利要求6所述的一种基于智能视频识别的充电站电动车火灾报警系统，其特征在于，所述第一确定模块执行包括如下操作：
对所述视频图像进行预处理，获得多帧车位图像；
获取预设的第一采样框；
采用所述第一采样框对每帧车位图像进行扫描采样，若对第m帧车位图像采样成功，以所述停车位上预设的位置点为原点建立三维坐标系；
获取第m+n帧车位图像中表示车牌的第一车牌位置点(xm+n，ym+n，zm+n)，获取第m+n+1帧车位图像中表示车牌的第二车牌位置点(xm+n+1，ym+n+1，zm+n+1)；
所述第一车牌位置点(xm+n，ym+n，zm+n)和所述第二车牌位置点(xm+n+1，ym+n+1，zm+n+1)之间的连线的方向向量为：((xm+n+1-xm+n)，(ym+n+1-ym+n)，(zm+n+1-zm+n))；
当n＝j时，若所述方向向量为正向量或负向量，则当n＝j+1，j+2，…，σ时，若所述方向向量均为正向量，则确定车辆正驶入所述停车位，为入场状态；
若所述方向向量均为负向量，则确定车辆正驶出所述停车位，为出场状态；
当n＝1时，若所述方向向量为零向量，则当n＝2，3，…，σ时，若所述方向向量均为零向量，则确定车辆停放在所述停车位，为停驻状态；
其中，m、n和j为正整数，σ为预设的第一帧数值或对第σ+1帧车位图像采样失败时系统输出的第一采样记录总帧数；
若对每帧车位图像均采样失败，则确定所述停车位上没有车辆停放。
8.如权利要求6所述的一种基于智能视频识别的充电站电动车火灾报警系统，其特征在于，所述预设条件包括：当所述停车位上的车辆为入场状态或停驻状态时；
所述第二确定模块执行包括如下操作：
所述根据所述视频图像确定是否有火灾发生，具体包括：
采用预设的第二采样框对所述视频图像进行扫描采样，获得N帧目标区域图像；
计算N帧目标区域图像中第i帧目标区域图像与第i+1帧目标区域图像的匹配度：
Figure FDA0002950880890000051
其中，match为匹配度，e为预设的误差系数，Ti a为第i帧目标区域图像上特征值为a的特征点总数目，Si为第i帧目标区域图像上全部特征点总数目，Ti+1 b为第i+1帧目标区域图像上特征值为b的特征点总数目，Si+1为第i+1帧目标区域图像上全部特征点总数目，G为第i帧目标区域图像上或第i+1帧目标区域图像上特征值的极值，1≤i＜N-1；
若所述匹配度小于等于预设的匹配度阈值，选取第i+1帧至第i+G帧目标区域图像作为待验证图像，共计G个；
对每个待验证图像进行预设的提取操作，获得G个轮廓图像，若提取失败，则确定没有火灾发生；
统计G个轮廓图像的面积，并基于其计算跳动指数：
Figure FDA0002950880890000061
其中，Beat为跳动指数，α1为第1个轮廓图像轮廓图像的面积，α1+d为第1+d个轮廓图像轮廓图像的面积，d为间隔数，1≤d＜G-1；
当所述间隔数为d0时，
若所述跳动指数为1，则确定有火灾发生；
若所述跳动指数为0，依据下式调整所述间隔数：
d′＝d0+int(τ·Z)
其中，d′为调整后的间隔数，d0为当前的间隔数，Z各帧目标区域图像之间的时间间隔，τ为预设的调整系数，int为取整函数；
使用调整后的间隔数d′重新计算跳动指数，此时，若计算结果为1，则确定有火灾发生。
9.如权利要求8所述的一种基于智能视频识别的充电站电动车火灾报警系统，其特征在于，所述提取操作具体包括：
依据下式计算待验证图像的判定指数：
Figure FDA0002950880890000071
其中，V为判定指数，gf为待验证图像中第f个像素点的第一指标值，hf为待验证图像中第f个像素点的第二指标值，jf为待验证图像中第f个像素点的第三指标值，r为待验证图像中像素点的总数目，k1、k2和k3为预设的权重值；
所述第一指标值、第二指标值和第三指标值根据下式确定：
Figure FDA0002950880890000072
Figure FDA0002950880890000073
Figure FDA0002950880890000074
其中，gf′为待验证图像中第f个像素点的第一验证值，hf′为待验证图像中第f个像素点的第二验证值，jf′为待验证图像中第f个像素点的第三验证值，A1和A2为预设的第一下限和第一上限，B1和B2为预设的第二下限和第二上限，C1和C2为预设的第三下限和第三上限，or为或；
当所述判定指数大于等于预设的判定指数阈值时，剔除待验证图像上所述第一指标值为0、所述第二指标值为0和所述第三指标值为0的像素点，获得轮廓图像。
10.如权利要求6所述的一种基于智能视频识别的充电站电动车火灾报警系统，其特征在于，所述报警模块执行包括如下操作：
若有火灾发生，
通过报警器播放预设的第一报警语音信息，
和，
通过通讯装置向后端服务器发送报警确认请求，若在预设的时间范围内未接收到所述后端服务器回复的确认信息时，通过所述报警器播放预设的第二报警语音信息。
CN202110209463.9A 2021-02-24 2021-02-24 基于智能视频识别的充电站电动车火灾报警方法及系统 Active CN113076797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110209463.9A CN113076797B (zh) 2021-02-24 2021-02-24 基于智能视频识别的充电站电动车火灾报警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110209463.9A CN113076797B (zh) 2021-02-24 2021-02-24 基于智能视频识别的充电站电动车火灾报警方法及系统

Publications (2)

Publication Number Publication Date
CN113076797A true CN113076797A (zh) 2021-07-06
CN113076797B CN113076797B (zh) 2022-01-18

Family

ID=76609698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110209463.9A Active CN113076797B (zh) 2021-02-24 2021-02-24 基于智能视频识别的充电站电动车火灾报警方法及系统

Country Status (1)

Country Link
CN (1) CN113076797B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114435169A (zh) * 2021-12-27 2022-05-06 广州市奔流电力科技有限公司 一种基于图像识别的充电站管理系统及方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050069207A1 (en) * 2002-05-20 2005-03-31 Zakrzewski Radoslaw Romuald Method for detection and recognition of fog presence within an aircraft compartment using video images
CN101315667A (zh) * 2008-07-04 2008-12-03 南京航空航天大学 室外早期火灾多种特征综合识别方法
CN101334924A (zh) * 2007-06-29 2008-12-31 丁国锋 一种火灾探测系统及其火灾探测方法
US20130336526A1 (en) * 2009-09-13 2013-12-19 Ahmet Enis Cetin Method and system for wildfire detection using a visible range camera
CN106033636A (zh) * 2015-03-10 2016-10-19 上海昕鼎网络科技有限公司 一种火灾监控方法及系统
CN106650584A (zh) * 2016-09-29 2017-05-10 广东安居宝数码科技股份有限公司 火焰检测方法和系统
CN107025753A (zh) * 2017-06-05 2017-08-08 天津汉光祥云信息科技有限公司 一种基于多光谱图像分析的广域火灾报警装置
CN107274495A (zh) * 2017-05-16 2017-10-20 南京信息工程大学 一种无人值守的路边停车收费系统
WO2018130016A1 (zh) * 2017-01-10 2018-07-19 哈尔滨工业大学深圳研究生院 一种基于监控视频的停车检测方法及装置
CN108305466A (zh) * 2018-03-13 2018-07-20 北京智芯原动科技有限公司 基于车辆特征分析的路侧停车检测方法及装置
CN109147259A (zh) * 2018-11-20 2019-01-04 武汉理工光科股份有限公司 一种基于视频图像的远程火灾探测系统及方法
CN110533925A (zh) * 2019-09-04 2019-12-03 上海眼控科技股份有限公司 车辆违法视频的处理方法、装置、计算机设备及存储介质
US20200054905A1 (en) * 2017-03-20 2020-02-20 Oy Halton Group Ltd. Fire Safety Devices Methods and Systems
US20200193721A1 (en) * 2018-12-17 2020-06-18 Eps Company Method for providing parking service using image grouping-based vehicle identification
CN111402534A (zh) * 2020-02-17 2020-07-10 国网安徽电动汽车服务有限公司 一种具备智能消防处理的管理控制系统及其控制方法
CN111391693A (zh) * 2020-02-17 2020-07-10 国网安徽电动汽车服务有限公司 一种基于电动汽车停车充电的管理控制系统及其控制方法
CN111402591A (zh) * 2020-02-17 2020-07-10 国网安徽电动汽车服务有限公司 具备智能消防处理的大型停车充电站及停车充电管理方法
CN112037365A (zh) * 2020-09-01 2020-12-04 枣庄学院 面向行车记录仪基于边缘计算的车辆火灾事故检测报警系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050069207A1 (en) * 2002-05-20 2005-03-31 Zakrzewski Radoslaw Romuald Method for detection and recognition of fog presence within an aircraft compartment using video images
CN101334924A (zh) * 2007-06-29 2008-12-31 丁国锋 一种火灾探测系统及其火灾探测方法
CN101315667A (zh) * 2008-07-04 2008-12-03 南京航空航天大学 室外早期火灾多种特征综合识别方法
US20130336526A1 (en) * 2009-09-13 2013-12-19 Ahmet Enis Cetin Method and system for wildfire detection using a visible range camera
CN106033636A (zh) * 2015-03-10 2016-10-19 上海昕鼎网络科技有限公司 一种火灾监控方法及系统
CN106650584A (zh) * 2016-09-29 2017-05-10 广东安居宝数码科技股份有限公司 火焰检测方法和系统
WO2018130016A1 (zh) * 2017-01-10 2018-07-19 哈尔滨工业大学深圳研究生院 一种基于监控视频的停车检测方法及装置
US20200054905A1 (en) * 2017-03-20 2020-02-20 Oy Halton Group Ltd. Fire Safety Devices Methods and Systems
CN107274495A (zh) * 2017-05-16 2017-10-20 南京信息工程大学 一种无人值守的路边停车收费系统
CN107025753A (zh) * 2017-06-05 2017-08-08 天津汉光祥云信息科技有限公司 一种基于多光谱图像分析的广域火灾报警装置
CN108305466A (zh) * 2018-03-13 2018-07-20 北京智芯原动科技有限公司 基于车辆特征分析的路侧停车检测方法及装置
CN109147259A (zh) * 2018-11-20 2019-01-04 武汉理工光科股份有限公司 一种基于视频图像的远程火灾探测系统及方法
US20200193721A1 (en) * 2018-12-17 2020-06-18 Eps Company Method for providing parking service using image grouping-based vehicle identification
CN110533925A (zh) * 2019-09-04 2019-12-03 上海眼控科技股份有限公司 车辆违法视频的处理方法、装置、计算机设备及存储介质
CN111402534A (zh) * 2020-02-17 2020-07-10 国网安徽电动汽车服务有限公司 一种具备智能消防处理的管理控制系统及其控制方法
CN111391693A (zh) * 2020-02-17 2020-07-10 国网安徽电动汽车服务有限公司 一种基于电动汽车停车充电的管理控制系统及其控制方法
CN111402591A (zh) * 2020-02-17 2020-07-10 国网安徽电动汽车服务有限公司 具备智能消防处理的大型停车充电站及停车充电管理方法
CN112037365A (zh) * 2020-09-01 2020-12-04 枣庄学院 面向行车记录仪基于边缘计算的车辆火灾事故检测报警系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114435169A (zh) * 2021-12-27 2022-05-06 广州市奔流电力科技有限公司 一种基于图像识别的充电站管理系统及方法

Also Published As

Publication number Publication date
CN113076797B (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
CN110175518B (zh) 摄像装置的摄像头角度调整方法、装置、设备及系统
CN110852219B (zh) 一种多行人跨摄像头在线跟踪系统
CN102833478B (zh) 容错背景模型化
CN110807377B (zh) 目标跟踪和入侵检测方法、装置、及存储介质
CN102006402B (zh) 摄像装置及其身份识别方法
CN110659397B (zh) 一种行为检测方法、装置、电子设备和存储介质
CN110674680B (zh) 活体识别的方法、装置、存储介质
CN116743970B (zh) 一种具有视频ai预警分析的智能管理平台
CN106339657A (zh) 基于监控视频的秸秆焚烧监测方法、装置
CN113076797B (zh) 基于智能视频识别的充电站电动车火灾报警方法及系统
CN111383248B (zh) 一种行人闯红灯判断方法、装置和电子设备
CN113920585A (zh) 行为识别方法及装置、设备和存储介质
CN212966489U (zh) 基于智能分析技术的电动车上电梯预警系统
CN113869115A (zh) 一种人脸图像处理的方法及系统
CN113044694A (zh) 基于深度神经网络的工地电梯人数统计系统及方法
CN112330742A (zh) 公共区域重点人员活动路线记录方法及装置
CN114241781B (zh) 一种基于车祸识别自动报警功能系统
CN111428695B (zh) 一种基于深度学习与地域特征的秸秆燃烧检测方法
CN114488337A (zh) 一种高空抛物检测方法及装置
CN114782883A (zh) 基于群体智能的异常行为检测方法、装置和设备
CN110503062B (zh) 车辆在位识别系统和方法
CN114596535B (zh) 一种无接触门铃来访处理方法及相关设备
CN212873520U (zh) 一种面向无人驾驶车辆的交警指挥手势动态识别考核系统
CN115984318B (zh) 一种基于特征最大关联概率的跨摄像头行人跟踪方法
CN114550074B (zh) 一种基于计算机视觉的图像识别方法及系统

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Fire alarm method and system of electric vehicle in charging station based on intelligent video recognition

Effective date of registration: 20220531

Granted publication date: 20220118

Pledgee: Nantong CIC Financing Guarantee Co.,Ltd.

Pledgor: JIANGSU HAOHAN INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2022980006824

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230523

Granted publication date: 20220118

Pledgee: Nantong CIC Financing Guarantee Co.,Ltd.

Pledgor: JIANGSU HAOHAN INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2022980006824

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Fire Alarm Method and System for Electric Vehicles in Charging Stations Based on Intelligent Video Recognition

Effective date of registration: 20230525

Granted publication date: 20220118

Pledgee: Nantong CIC Financing Guarantee Co.,Ltd.

Pledgor: JIANGSU HAOHAN INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2023980041781

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20220118

Pledgee: Nantong CIC Financing Guarantee Co.,Ltd.

Pledgor: JIANGSU HAOHAN INFORMATION TECHNOLOGY Co.,Ltd.

Registration number: Y2023980041781