CN114002751A - 异常位置的识别方法、系统以及装置 - Google Patents

异常位置的识别方法、系统以及装置 Download PDF

Info

Publication number
CN114002751A
CN114002751A CN202111249326.4A CN202111249326A CN114002751A CN 114002751 A CN114002751 A CN 114002751A CN 202111249326 A CN202111249326 A CN 202111249326A CN 114002751 A CN114002751 A CN 114002751A
Authority
CN
China
Prior art keywords
information
target
area
identified
illumination
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
CN202111249326.4A
Other languages
English (en)
Other versions
CN114002751B (zh
Inventor
张睿哲
周恺
叶宽
及洪泉
段大鹏
王雅妮
李鸿达
蔡瀛淼
李春生
冀镜宇
杨纳川
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.)
Henan Dingxin Military Civilian Integration Industrial Technology Research Institute
State Grid Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
Original Assignee
Henan Dingxin Military Civilian Integration Industrial Technology Research Institute
State Grid Corp of China SGCC
State Grid Beijing Electric Power 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 Henan Dingxin Military Civilian Integration Industrial Technology Research Institute, State Grid Corp of China SGCC, State Grid Beijing Electric Power Co Ltd filed Critical Henan Dingxin Military Civilian Integration Industrial Technology Research Institute
Priority to CN202111249326.4A priority Critical patent/CN114002751B/zh
Publication of CN114002751A publication Critical patent/CN114002751A/zh
Application granted granted Critical
Publication of CN114002751B publication Critical patent/CN114002751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0014—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation from gases, flames
    • G01J5/0018—Flames, plasma or welding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Plasma & Fusion (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

本发明公开了一种异常位置的识别方法、系统以及装置。其中，该方法包括：获取环境中的光照信息以及当前时间信息，在光照信息和当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到待识别区域中存在目标发光对象时，根据目标发光对象的对象温度确定目标发光对象所在的位置是否为异常位置；在光照信息和当前时间信息满足第二条件时，从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到至少一个目标区域中存在目标发光对象时，确定目标发光对象所在的位置为异常位置。本发明解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题。

Description

异常位置的识别方法、系统以及装置
技术领域
本发明涉及人工智能领域，具体而言，涉及一种异常位置的识别方法、系统以及装置。
背景技术
在一些山区、草原以及森林地区，火灾每年都会给国民经济和人民群众生命财产安全造成严重影响，尤其是如果这些地区部署有电力线路以及电网设备时，火灾防控的形势会更加严峻。因此，及时的发现火灾以及监测火灾的发展，从而实现火灾的早发现、早预警、早处置，无论对社会还是对电网安全都有重大意义。
现有技术中，对火灾的监测预警主要依靠卫星监测、图像监测、人工巡视等方法，例如，通过建立瞭望台，采用肉眼或者瞭望机观察烟雾的方式监测火灾，或者是通过使用可见光检测设备对火灾进行监测，当识别到火焰等发光对象时，发出预警信息。
但是，需要注意到的是，采用上述方法对火灾进行检测时，由于在夜晚期间，光照环境差，因此，可见光检测设备和烟雾传感器无法在火灾刚刚出现时便可及时发现火灾，而是需要等到火势达到较大程度后，才能发现火灾，从而造成不必要的财产损失甚至人员伤亡。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种异常位置的识别方法、系统以及装置，以至少解决现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题。
根据本发明实施例的一个方面，提供了一种异常位置的识别方法，包括：获取环境中的光照信息以及当前时间信息，在光照信息和当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到待识别区域中存在目标发光对象时，根据目标发光对象的对象温度确定目标发光对象所在的位置是否为异常位置；在光照信息和当前时间信息满足第二条件时，从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到至少一个目标区域中存在目标发光对象时，确定目标发光对象所在的位置为异常位置。
进一步地，异常位置的识别方法还包括：在光照数值大于或等于预设光照阈值，和/或，当前时间处于预设时间范围之内时，确定光照信息和当前时间信息满足第一条件；在光照数值小于预设光照阈值，和/或，当前时间处于预设时间范围之外时，确定光照信息和当前时间信息满足第二条件。
进一步地，异常位置的识别方法还包括：获取待识别区域中的至少一个发光对象的对象信息，并根据对象信息从至少一个发光对象中确定目标发光对象。
进一步地，异常位置的识别方法还包括：获取待识别区域中的其他对象的第一对象温度，其中，其他对象为待识别区域内所包含的对象中不同于目标发光对象的对象，并计算对象温度与第一对象温度的差值，从而当差值大于预设阈值时，确定目标发光对象的所在位置为异常位置。
进一步地，异常位置的识别方法还包括：在检测到待识别区域中存在目标发光对象之后，获取待识别区域对应的图像信息与环境中的第一烟雾信息，从而根据图像信息确定待识别区域的第二烟雾信息，并根据第一烟雾信息以及第二烟雾信息，确定环境中的烟雾浓度的变化趋势，进而根据烟雾浓度的变化趋势，确定是否生成烟雾报警信息。
进一步地，异常位置的识别方法还包括：获取至少一个目标区域中的至少一个发光对象的亮度，并从至少一个发光对象中确定亮度大于预设亮度的发光对象为目标发光对象。
进一步地，异常位置的识别方法还包括：在确定目标发光对象的所在位置为异常位置之后，获取至少一个云台的云台信息、异常位置的确定时间以及异常位置与至少一个云台之间的距离信息，其中，云台信息至少包括：至少一个云台的姿态信息以及至少一个云台的位置信息，从而根据云台信息、确定时间以及距离信息，确定异常位置的坐标。
根据本发明实施例的另一方面，还提供了一种异常位置的识别系统，包括：检测单元，用于检测待识别区域中的温度信息以及发光对象信息，其中，发光对象信息用于表征发光对象是否为目标发光对象；采集单元，用于采集环境中的光照信息；处理器，与检测单元以及采集单元连接，用于采用与光照信息对应的处理方法对温度信息和/或发光对象信息进行处理，以确定待识别区域中是否存在目标发光对象，并确定目标发光对象所在的位置为异常位置。
根据本发明实施例的另一方面，还提供了一种异常位置的识别装置，包括：获取模块，用于获取环境中的光照信息以及当前时间信息；第一确定模块，用于在光照信息和当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到待识别区域中存在目标发光对象时，根据目标发光对象的对象温度确定目标发光对象所在的位置是否为异常位置；第二确定模块，用于在光照信息和当前时间信息满足第二条件时，从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到至少一个目标区域中存在目标发光对象时，确定目标发光对象所在的位置为异常位置。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的异常位置的识别方法。
在本发明实施例中，采用获取环境中的光照信息以及当前时间信息，并通过检测温度以及发光对象确定异常位置的方式，通过在光照信息和当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到待识别区域中存在目标发光对象时，根据目标发光对象的对象温度确定目标发光对象所在的位置是否为异常位置；在光照信息和当前时间信息满足第二条件时，从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到至少一个目标区域中存在目标发光对象时，确定目标发光对象所在的位置为异常位置。
在上述过程中，通过获取光照信息以及当前时间信息，可以实现准确判断当前环境所处的光照条件的效果，从而在光照信息和当前时间信息满足不同条件时，分别采用不同的方式确定火灾发生的异常位置，例如，在光照信息和当前时间信息满足第一条件时，由于光照情况良好，发光对象容易被发现，因此，以检测发光对象的方式为主，检测温度的方式为辅，先检测待识别区域中是否存在目标发光对象，当检测到目标发光对象时，则进一步地检测目标发光对象的对象温度，从而准确判断目标发光对象的所在位置为火灾发生的异常位置。如果光照信息和当前时间信息满足第二条件，由于此时光照情况较差，发光对象不易被及时发现，因此，以检测温度的方式为主，检测发光对象的方式为辅，先从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，再检测至少一个目标区域中是否存在目标发光对象，从而将目标发光对象所在的位置确定为火灾发生的异常位置。由此可见，本申请的技术方案可有效的进行昼夜监测火灾发生的情况，无论是光照条件良好的白天，还是光照条件较差的夜晚，都可以及时地发现火灾的发生地点，从而解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，实现了降低经济损失的效果。
由此可见，本申请实施例中的技术方案达到了及时发现火灾发生位置的目的，解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，从而实现了降低经济损失的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的异常位置的识别方法的流程图；
图2是根据本发明实施例的一种可选的异常位置的识别系统的示意图；
图3是根据本发明实施例的一种可选的异常位置的识别方法的流程图；
图4是根据本发明实施例的一种可选的异常位置的识别方法的流程图；
图5是根据本发明实施例的一种可选的异常位置的识别系统的示意图；
图6是根据本发明实施例的一种可选的处理器内的子模块示意图；
图7是根据本发明实施例的一种可选的异常位置的识别装置的流程图；
图8是根据本发明实施例的一种可选的异常位置的识别设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种异常位置的识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
另外，还需要说明的是，一种处理器可以作为本申请实施例中的异常位置的识别方法的执行主体，其中，处理器可以是边缘计算处理，处理器可安装在异常位置的识别设备中。
图1是根据本发明实施例的一种可选的异常位置的识别方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取环境中的光照信息以及当前时间信息。
在步骤S102中，如图2所示，可以通过光照度传感器获取环境中光照信息，其中，光照度传感器可采用硅兰光伏探测器作为敏感元件，从而使得光照度传感器对弱光也有较高灵敏度，测量范围为0～200000Lux。另外，如图2所示，可以通过卫星导航接收机模块获取当前时间信息，其中，卫星接收机模块了采用GPS(Global positioning system，全球定位系统)和北斗系统的双模式接收机芯片，保证定位精度优于3米，同步授时误差小于20纳秒。
进一步地，如图2所示，光照度传感器和卫星导航接收机模块都与处理器相连接，因此，当光照度传感器采集到环境中的光照度之后，光照度传感器可将传感结果传输给处理器，传感结果可作为昼夜工作模式转换的依据。此外，卫星导航接收机模块接收到当前时间信息之后，也会将当前时间信息传输给处理器，作为昼夜工作模式转化的另外一个重要依据。
需要注意到的是，在步骤S102中，通过获取光照信息以及当前时间信息，可以实现准确判断当前环境所处的光照条件的效果。
步骤S104，在光照信息和当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到待识别区域中存在目标发光对象时，根据目标发光对象的对象温度确定目标发光对象所在的位置是否为异常位置。
可选的，处理器在接收到光照信息以及当前时间信息之后，处理器中的昼夜探测模式转换子模块将会对光照信息以及当前时间信息进行分析，其中，在光照数值大于或等于预设光照阈值，和/或，当前时间处于预设时间范围之内时，处理器确定光照信息和当前时间信息满足第一条件，例如，设置预设光照阈值为5lux，如果当前光照度大于5lux时，初步判断当前环境处于白天，进一步地，为了保证转换的准确性，处理器还将同时参考当前可见光的图像质量和当前时间，从而综合分析判断自动转换模式的时间点。
可选的，在光照信息和当前时间信息满足第一条件时，可判断当前环境处于光照条件较好的情况，此时，识别异常位置时，可以检测待识别区域中的发光对象为主、检测温度为辅，其中，检测发光对象时，可以使用可见光探测设备，采用可见光技术检测发光对象，例如，可见光探测设备可以选用1/2.8寸CMOS，200万像素，分辨率1920×1080的高清可见光摄像机，焦距为7mm至300mm，可实现42倍光学变焦，在2km范围视场内可以探测1m*1m的火点区域。检测温度时，可以使用红外热成像检测设备，采用红外线成像技术检测温度，例如，红外热成像检测设备可以选用采用384×288分辨率的高灵敏度氧化钒非红外焦平面阵列，采用金属封装，具有散热效果好，成像更稳定，细节分辨率能力强的优点，工作波段位于8μm至14μm，设备的成像灵敏度高，对目标识别能力强，作用距离更远。
需要注意到的是，由于白天光照度较好，可见光有效视场大，探测距离远，并且处理器中的视频结构化子模块可实时对火点和烟雾进行探测识别，因此，以检测发光对象手段为主要探测方法。另外，由于红外探测的技术手段可以有效给出较小视场范围内的准确温度，因此，在确定火点(即目标发光对象)后，处理器进一步分析检测目标发光对象的对象温度，并根据对象温度确定目标发光对象所在的位置是否为异常位置。由此可见，通过步骤S104，实现了在白天有效监测火灾发生的情况，并及时确定火灾发生位置的效果。
步骤S106，在光照信息和当前时间信息满足第二条件时，从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到至少一个目标区域中存在目标发光对象时，确定目标发光对象所在的位置为异常位置。
可选的，在光照数值小于预设光照阈值，和/或，当前时间处于预设时间范围之外时，处理器确定光照信息和当前时间信息满足第二条件。例如，设置预设光照阈值为5lux，如果当前光照度小于5lux时，初步判断当前环境处于白天，同时，为了保证转换的准确性，处理器还将同时参考当前可见光的图像质量和当前时间综合判断满足第二条件。
可选的，待识别区域可以包含多个子区域，红外热成像检测设备在检测待识别区域的温度时，会逐一检测多个子区域，当其中一个子区域温度出现异常时，处理器将该子区域确定为目标区域。其中，温度异常可以是当前子区域温度大于预设温度，例如，预设温度为90摄氏度，如果子区域的温度为100摄氏度，则判断为温度异常。另外，温度异常还可以是多个子区域之间进行温度的比较，当某一个子区域的温度差值大于预设温度差值时，则判断该子区域的温度异常，例如，第一子区域温度为100摄氏度，第二子区域温度为20摄氏度，第三子区域温度为25摄氏度，预设温度差值为50摄氏度，通过计算第一子区域与第二子区域温度差值为80摄氏度；第一子区域与第三子区域温度差值为75摄氏度，第二子区域和第三子区域温度差值为5摄氏度，则判断第一子区域的温度异常。
进一步地，处理器在发现温度异常的目标区域之后，引导可见光检测设备对目标区域进行发光对象的检测，如果目标区域中出现亮度大于预设亮度的发光对象时，确定该发光对象所在的位置为异常位置。
需要说明的是，由于夜晚光照度较差，可见光检测设备无法及时有效地探测到发光对象，而红外热成像检测设备检测温度则完全不受影响，可有效识别温度异常的区域，因此，通过步骤S106，在发现温度异常的目标区域之后，引导可见光检测设备对目标区域进行目标发光对象的检测，实现了在夜晚时有效监测火灾发生的情况，并及时确定火灾发生位置的效果。
由上述内容可知，在本发明实施例的技术方案中，采用获取环境中的光照信息以及当前时间信息，并通过检测温度以及发光对象确定异常位置的方式，通过在光照信息和当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到待识别区域中存在目标发光对象时，根据目标发光对象的对象温度确定目标发光对象所在的位置是否为异常位置；在光照信息和当前时间信息满足第二条件时，从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到至少一个目标区域中存在目标发光对象时，确定目标发光对象所在的位置为异常位置。
在上述过程中，通过获取光照信息以及当前时间信息，可以实现准确判断当前环境所处的光照条件的效果，从而在光照信息和当前时间信息满足不同条件时，分别采用不同的方式确定火灾发生的异常位置，例如，在光照信息和当前时间信息满足第一条件时，由于光照情况良好，发光对象容易被发现，因此，以检测发光对象的方式为主，检测温度的方式为辅，先检测待识别区域中是否存在目标发光对象，当检测到目标发光对象时，则进一步地检测目标发光对象的对象温度，从而准确判断目标发光对象的所在位置为火灾发生的异常位置。如果光照信息和当前时间信息满足第二条件，由于此时光照情况较差，发光对象不易被及时发现，因此，以检测温度的方式为主，检测发光对象的方式为辅，先从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，再检测至少一个目标区域中是否存在目标发光对象，从而将目标发光对象所在的位置确定为火灾发生的异常位置。由此可见，本申请的技术方案可有效的进行昼夜监测火灾发生的情况，无论是光照条件良好的白天，还是光照条件较差的夜晚，都可以及时地发现火灾的发生地点，从而解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，实现了降低经济损失的效果。
由此可见，本申请实施例中的技术方案达到了及时发现火灾发生位置的目的，解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，从而实现了降低经济损失的效果。
在一种可选的实施例中，在光照信息和当前时间信息满足第一条件时，处理器通过可见光检测设备获取到待识别区域中的至少一个发光对象的对象信息，并根据对象信息从至少一个发光对象中确定目标发光对象。
可选的，处理器中的可见光视频结构化子模块可以利用人工智能处理算法检测待识别区域中的至少一个发光对象的对象信息。其中，对象信息可以是发光对象的亮度、形状、颜色等特征信息，处理器可基于深度学习的烟火识别算法以人工智能、大数据技术为基础，通过大量模拟实验、大量实际烟火数据样本，提取烟火多重特征进行学习判断，得到发光对象检测模型，用于识别目标发光对象。
可选的，如图3所示，目标发光对象为图3中的火源，可见光检测设备可以全天候、全方位的对待识别区域进行火灾监控，从而获取待识别图像，处理器则可对获取的待识别图像进行逐帧的烟火检测。其中，在火点检测时，处理器可采用动态搜索和二次判别跟踪的两步工作模式，动态搜索模式是指处理器在控制云台巡航的过程中，解码每帧待识别图像，并通过机器视觉、人工智能以及凸优化算法实现火焰识别，提升火点检测的及时性，保证能在第一时间发现火点。二次判别跟踪确认模式是指在处理器在检测到待识别图像中存在可疑的火源时，控制云台停止转动，并让可疑火源在当前画面中处于居中位置，进行再次多帧识别检测，根据图像形状变化、运动趋势分析以及卡尔曼滤波等算法进行火点分析、烟雾分析以及目标火源的跟踪。在将重复信息以及错误信息进行过滤之后，处理器输出最终的识别结果，并且上传火源报警信息，其中，火源报警信息至少包括：火源个数，各火源的矩形区域，各火源的最高温度值，各火源的最高温度点坐标，各火源的最低温度值，各火源的最低温度点坐标，各火源的平均温度值。
需要注意的是，在上述过程中，通过发光对象检测模型可从至少一个发光对象中识别到目标发光对象，并且处理器通过控制可见光检测设备还可跟踪目标发光对象，并且分析目标发光对象的变化，从而生成火源报警信息，实现了提高火情发现速度以及火情报警准确度的效果。
在一种可选的实施例中，处理器在检测到待识别区域中存在目标发光对象之后，还会获取待识别区域对应的图像信息与环境中的第一烟雾信息，并根据图像信息确定待识别区域的第二烟雾信息，从而根据第一烟雾信息以及第二烟雾信息，确定环境中的烟雾浓度的变化趋势，进而根据烟雾浓度的变化趋势，确定是否生成烟雾报警信息。
可选的，发光对象检测模型在识别目标发光对象时，还可获取待识别区域对应的图像信息(即待识别图像中的图像信息)，其中，处理器可根据图像信息确定待识别区域中的第二烟雾信息。如图4所示，可见光检测设备将原始的待识别图像传输至处理器，处理器根据深度学习烟雾检测算法对每一帧的待处理图像中的第二烟雾信息进行检测，产生烟雾检测链表，基于烟雾检测链表，处理器将每一帧对应的烟雾检测结果进行统计以及过滤，得到待处理图像对应的烟雾数据并输出烟雾报警信号，其中，烟雾报警信号中至少包括报警标志位以及烟雾位置。与此同时，处理器会控制所连接的烟雾传感器对环境中的第一烟雾信息进行采集，并将得到的第一烟雾信息中的烟雾数据与待处理图像对应的烟雾数据进行数据比对，例如，烟雾浓度的比对，经过比对，如果处理器发现环境中的烟雾浓度有上升的趋势时，则输出有效的烟雾报警结果，如果发现环境中的烟雾浓度没有上升的趋势，则重新开始检测下一张待识别图像。
在上述过程中，通过对烟雾、火点进行双重识别，实现了火情报警更准确、误报率更低的效果。
在一种可选的实施中，在根据对象信息从至少一个发光对象中确定目标发光对象之后，处理器通过红外热成像检测设备获取待识别区域中的其他对象的第一对象温度，其中，其他对象为待识别区域内所包含的对象中不同于目标发光对象的对象，并计算对象温度与第一对象温度的差值，从而当差值大于预设阈值时，确定目标发光对象的所在位置为异常位置。
可选的，当处理器检测到发光对象为目标发光对象，例如，一棵燃烧着的树木时。处理器可控制红外热成像检测设备检测目标发光对象的对象温度，以及，目标发光对象所在的待识别区域中的其他对象的第一对象温度，例如，燃烧着的树木附近的昆虫以及未燃烧的树木或者杂草。处理器在得到对象温度以及第一对象温度后，计算两者的差值，当差值大于预设阈值时，确定目标发光对象的所在位置为异常位置。例如，预设阈值设置为50摄氏度，当检测到燃烧着的树木附近未燃烧的树木或杂草的温度为10摄氏度，燃烧着树木的温度为90摄氏度时，则说明两者差值大于预设阈值，此时，处理器可以确定燃烧着的树木的所在位置为异常位置。
通过上述过程，在通过可见光检测设备确定目标发光对象后，进一步通过红外线探测目标发光对象的对象温度，以及其他对象的第一对象温度，从而实现了提高确定异常位置准确性的效果。
在一种可选的实施例中，在第二条件下，处理器检测至少一个目标区域中存在目标发光对象时，还包括：获取至少一个目标区域中的至少一个发光对象的亮度，并从至少一个发光对象中确定亮度大于预设亮度的发光对象为目标发光对象。
可选的，当光照条件较差时，处理器如果发现有温度异常的目标区域，处理器可引导可见光检测设备对目标区域进行发光对象的检测，如果目标区域中出现亮度大于预设亮度的发光对象时，确定该发光对象所在的位置为异常位置。例如，由于目标区域中存在燃烧的树木，从而导致目标区域的温度异常，但是在可见光检测设备对目标区域进行发光对象的检测时，可能会存在多个发光对象，例如，萤火虫，因此，通过设置预设亮度，可以过滤非目标发光对象的其他发光对象。
通过上述过程，可在夜晚检测火灾情况时，过滤非目标发光对象的其他发光对象，从而实现提高火灾监测准确度的效果。
在一种可选的实施例中，在确定目标发光对象的所在位置为异常位置之后，处理器获取至少一个云台的云台信息、异常位置的确定时间以及异常位置与至少一个云台之间的距离信息，其中，云台信息至少包括：至少一个云台的姿态信息以及至少一个云台的位置信息，从而根据云台信息、确定时间以及距离信息，确定异常位置的坐标。
可选的，无论在第一条件下还是第二条件下，处理器在确定异常位置后都会启动激光测距设备，对该位置进行激光测距。其中，测定异常位置的坐标可采用空间像素、云台姿态计算以及激光测距结果相融合的方法完成，例如，当有多个异常位置的识别设备时，异常位置的识别设备可联合周边其他的异常位置的识别设备对异常位置进行交叉定位，具体步骤包括：当识别设备自动识别确认异常位置后，可根据该识别设备的绝对三维参数(经度、纬度、相对高程)以及发现异常位置时的三维参数(云台的水平转角、垂直夹角、镜头的焦距)，结合卫星导航系统接收机提供的云台位置信息，精确计算出异常位置的具体经纬度，同时为了弥补在高程测量上的误差，处理器会融合激光测距的结果作为单个识别设备的异常位置的测距结果。为了进一步提高异常位置的定位精度，临近的通过无线组网的多个识别设备会交互该异常位置的具体测距结果，利用卫星导航系统进行时钟同步，在相同时刻下完成多个识别设备的多站交叉定位，从而实现进一步提高异常位置的定位精度的效果。
在上述过程中，通过获取光照信息以及当前时间信息，可以实现准确判断当前环境所处的光照条件的效果，从而在光照信息和当前时间信息满足不同条件时，分别采用不同的方式确定火灾发生的异常位置，例如，在光照信息和当前时间信息满足第一条件时，由于光照情况良好，发光对象容易被发现，因此，以检测发光对象的方式为主，检测温度的方式为辅，先检测待识别区域中是否存在目标发光对象，当检测到目标发光对象时，则进一步地检测目标发光对象的对象温度，从而准确判断目标发光对象的所在位置为火灾发生的异常位置。如果光照信息和当前时间信息满足第二条件，由于此时光照情况较差，发光对象不易被及时发现，因此，以检测温度的方式为主，检测发光对象的方式为辅，先从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，再检测至少一个目标区域中是否存在目标发光对象，从而将目标发光对象所在的位置确定为火灾发生的异常位置。由此可见，本申请的技术方案可有效的进行昼夜监测火灾发生的情况，无论是光照条件良好的白天，还是光照条件较差的夜晚，都可以及时地发现火灾的发生地点，从而解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，实现了降低经济损失的效果。
由此可见，本申请实施例中的技术方案达到了及时发现火灾发生位置的目的，解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，从而实现了降低经济损失的效果。
实施例2
图5是根据本发明实施例的一种可选的异常位置的识别系统的示意图，如图5所示，该识别系统包括：
检测单元501，用于检测待识别区域中的温度信息以及发光对象信息，其中，发光对象信息用于表征发光对象是否为目标发光对象。
可选的，如图2所示，检测单元包括可见光检测设备、红外热成像检测设备以及激光测距设备，其中，可见光检测设备可用于检测待识别区域中的发光对象信息，红外热成像检测设备可用于检测待识别区域中的温度信息。
进一步地，可见光检测设备、红外热成像检测设备以及激光测距设备作为主要的异常位置发现和测距设备，是识别异常位置的主要感知探测手段，所有探测数据和控制模式则由边缘计算处理器完成。
采集单元502，用于采集环境中的光照信息。
可选的，如图2所示，采集单元包括光照度传感器以及烟雾传感器，其中，光照度传感器用于采集环境中的光照信息，烟雾传感器用于采集环境中的第二烟雾信息。
其中，光照度传感器可采用硅兰光伏探测器作为敏感元件，从而使得光照度传感器对弱光也有较高灵敏度，测量范围为0～200000Lux。另外，如图2所示，可以通过卫星导航接收机模块获取当前时间信息，其中，卫星接收机模块了采用GPS(Global positioningsystem，全球定位系统)和北斗系统的双模式接收机芯片，保证定位精度优于3米，同步授时误差小于20纳秒。
进一步地，如图2所示，光照度传感器和卫星导航接收机模块都与处理器相连接，因此，当光照度传感器采集到环境中的光照度之后，光照度传感器可将传感结果传输给处理器，传感结果可作为昼夜工作模式转换的依据。此外，卫星导航接收机模块接收到当前时间信息之后，也会将当前时间信息传输给处理器，作为昼夜工作模式转化的另外一个重要依据。
需要注意到的是，通过获取光照信息可以实现准确判断当前环境所处的光照条件的效果。
处理器503，与检测单元以及采集单元连接，用于采用与光照信息对应的处理方法对温度信息和/或发光对象信息进行处理，以确定待识别区域中是否存在目标发光对象，并确定目标发光对象所在的位置为异常位置。
可选的，如图6所示，处理器可以是一种边缘计算处理器，其中，边缘计算处理器内部运行火灾状态监测子模块、云台及激光控制子模块、可见光视频结构化子模块、昼夜探测模式转换子模块、卫星授时同步子模块、多设备联动控制子模块、异常位置精确计算子模块。火灾状态监测子模块通过可见光检测设备、红外热成像检测设备、烟雾传感器自动综合判断较小的目标发光对象；云台和激光控制子模块用于不断扫描发现空间中的目标发光对象所在的异常位置，在确认发生火灾时自动激光测距；可见光视频结构化子模块实时将待识别图像中的烟和火等特征图像自动结构化，是白天自动识别异常位置的关键环节；昼夜探测模式转换子模块依靠光照度传感器的光照信息和卫星接收机模块的卫星授时信息自动转换探测模式，保证昼夜连续工作情况下均有较高的异常位置识别准确率；卫星授时同步子模块一方面提供异常位置的识别设备所在的精确位置，一方面为多个异常位置的识别设备联合高精度定位时提供同步时间信号；多设备联动控制子模块用于自动发起组网内多台异常位置的识别设备对同一异常位置进行准确探测和定位；火点位置精确计算子模块依据各个识别设备的探测信息综合多站交汇进行高精度定位，最终显示异常位置的地理位置坐标。上述多个子模块相互配合，无须依托后端服务器即可实现异常位置的探测发现、火点位置精确定位和昼夜工作模式自动切换等功能。
进一步地，如图2所示，异常位置的识别系统还包括：360度自动巡航云台、无线通信组网模块、太阳能发电及电源管理模块等。其中，如图8所示，360度自动巡航云台作为可见光检测设备、红外热成像检测设备和激光测距设备的转动结构，可实现大范围、大视场的不间断探测。另外，无线通信组网模块可为异常位置的识别系统的数据回传和无线组网提供链路支持；太阳能发电及电源管理模块可为异常位置的识别设备提供电源。
在上述过程中，通过获取光照信息以及当前时间信息，可以实现准确判断当前环境所处的光照条件的效果，从而在光照信息和当前时间信息满足不同条件时，分别采用不同的方式确定火灾发生的异常位置，例如，在光照信息和当前时间信息满足第一条件时，由于光照情况良好，发光对象容易被发现，因此，以检测发光对象的方式为主，检测温度的方式为辅，先检测待识别区域中是否存在目标发光对象，当检测到目标发光对象时，则进一步地检测目标发光对象的对象温度，从而准确判断目标发光对象的所在位置为火灾发生的异常位置。如果光照信息和当前时间信息满足第二条件，由于此时光照情况较差，发光对象不易被及时发现，因此，以检测温度的方式为主，检测发光对象的方式为辅，先从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，再检测至少一个目标区域中是否存在目标发光对象，从而将目标发光对象所在的位置确定为火灾发生的异常位置。由此可见，本申请的技术方案可有效的进行昼夜监测火灾发生的情况，无论是光照条件良好的白天，还是光照条件较差的夜晚，都可以及时地发现火灾的发生地点，从而解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，实现了降低经济损失的效果。
由此可见，本申请实施例中的技术方案达到了及时发现火灾发生位置的目的，解决了现有技术中，由于无法有效地昼夜监测火灾发生的情况，导致的火灾发现及时性差的技术问题，从而实现了降低经济损失的效果。
实施例3
图7是根据本发明实施例的一种可选的异常位置的识别装置的示意图，如图7所示，该识别装置包括：获取模块701，第一确定模块702，第二确定模块703。
其中，获取模块701，用于获取环境中的光照信息以及当前时间信息；第一确定模块702，用于在光照信息和当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到待识别区域中存在目标发光对象时，根据目标发光对象的对象温度确定目标发光对象所在的位置是否为异常位置；第二确定模块703，用于在光照信息和当前时间信息满足第二条件时，从待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到至少一个目标区域中存在目标发光对象时，确定目标发光对象所在的位置为异常位置。
需要说明的是，上述获取模块701，第一确定模块702以及第二确定模块703对应于上述实施例中的步骤S102至步骤S106，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。
可选的，异常位置的识别装置还包括：第三确定模块以及第四确定模块，其中，第三确定模块，用于在光照数值大于或等于预设光照阈值，和/或，当前时间处于预设时间范围之内时，确定光照信息和当前时间信息满足第一条件；第四确定模块，用于在光照数值小于预设光照阈值，和/或，当前时间处于预设时间范围之外时，确定光照信息和当前时间信息满足第二条件。
可选的，第一确定模块还包括：第一获取模块以及第五确定模块。其中，第一获取模块，用于获取待识别区域中的至少一个发光对象的对象信息；第五确定模块，用于根据对象信息从至少一个发光对象中确定目标发光对象。
可选的，第一确定模块还包括：第二获取模块、计算模块以及第六确定模块。其中，第二获取模块，用于获取待识别区域中的其他对象的第一对象温度，其中，其他对象为待识别区域内所包含的对象中不同于目标发光对象的对象；计算模块，用于计算对象温度与第一对象温度的差值；第六确定模块，用于当差值大于预设阈值时，确定目标发光对象的所在位置为异常位置。
可选的，异常位置的识别装置还包括：第三获取模块、第七确定模块、第八确定模块以及第九确定模块。其中，第三获取模块，用于获取待识别区域对应的图像信息与环境中的第一烟雾信息；第七确定模块，用于根据图像信息确定待识别区域的第二烟雾信息；第八确定模块，用于根据第一烟雾信息以及第二烟雾信息，确定环境中的烟雾浓度的变化趋势；第九确定模块，用于根据烟雾浓度的变化趋势，确定是否生成烟雾报警信息。
可选的，第二确定模块还包括：第四获取模块以及第十确定模块。其中，第四获取模块，用于获取至少一个目标区域中的至少一个发光对象的亮度；第十确定模块，用于从至少一个发光对象中确定亮度大于预设亮度的发光对象为目标发光对象。
可选的，异常位置的识别装置还包括：第五获取模块以及第十一确定模块。其中，第五获取模块，用于获取至少一个云台的云台信息、异常位置的确定时间以及异常位置与至少一个云台之间的距离信息，其中，云台信息至少包括：至少一个云台的姿态信息以及至少一个云台的位置信息；第十一确定模块，用于根据云台信息、确定时间以及距离信息，确定异常位置的坐标。
实施例4
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述实施例1中的异常位置的识别方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，在本发明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。
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，本发明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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种异常位置的识别方法，其特征在于，包括：
获取环境中的光照信息以及当前时间信息；
在所述光照信息和所述当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到所述待识别区域中存在所述目标发光对象时，根据所述目标发光对象的对象温度确定所述目标发光对象所在的位置是否为异常位置；
在所述光照信息和所述当前时间信息满足第二条件时，从所述待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到所述至少一个目标区域中存在所述目标发光对象时，确定所述目标发光对象所在的位置为所述异常位置。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在光照数值大于或等于预设光照阈值，和/或，当前时间处于预设时间范围之内时，确定所述光照信息和所述当前时间信息满足所述第一条件；
在所述光照数值小于所述预设光照阈值，和/或，所述当前时间处于所述预设时间范围之外时，确定所述光照信息和所述当前时间信息满足所述第二条件。
3.根据权利要求1所述的方法，其特征在于，检测待识别区域中是否存在目标发光对象，包括：
获取所述待识别区域中的至少一个发光对象的对象信息；
根据所述对象信息从所述至少一个发光对象中确定所述目标发光对象。
4.根据权利要求3所述的方法，其特征在于，根据所述目标发光对象的对象温度确定所述目标发光对象的所在位置是否为异常位置，包括：
获取所述待识别区域中的其他对象的第一对象温度，其中，所述其他对象为所述待识别区域内所包含的对象中不同于所述目标发光对象的对象；
计算所述对象温度与所述第一对象温度的差值；
当所述差值大于预设阈值时，确定所述目标发光对象的所在位置为所述异常位置。
5.根据权利要求3所述的方法，其特征在于，在检测到所述待识别区域中存在所述目标发光对象之后，所述方法还包括：
获取所述待识别区域对应的图像信息与所述环境中的第一烟雾信息；
根据所述图像信息确定所述待识别区域的第二烟雾信息；
根据所述第一烟雾信息以及所述第二烟雾信息，确定所述环境中的烟雾浓度的变化趋势；
根据所述烟雾浓度的变化趋势，确定是否生成烟雾报警信息。
6.根据权利要求1所述的方法，其特征在于，检测所述至少一个目标区域中存在所述目标发光对象，包括：
获取所述至少一个目标区域中的至少一个发光对象的亮度；
从所述至少一个发光对象中确定所述亮度大于预设亮度的发光对象为所述目标发光对象。
7.根据权利要求1所述的方法，其特征在于，在确定所述目标发光对象的所在位置为所述异常位置之后，所述方法还包括：
获取至少一个云台的云台信息、所述异常位置的确定时间以及所述异常位置与所述至少一个云台之间的距离信息，其中，所述云台信息至少包括：所述至少一个云台的姿态信息以及所述至少一个云台的位置信息；
根据所述云台信息、所述确定时间以及所述距离信息，确定所述异常位置的坐标。
8.一种异常位置的识别系统，其特征在于，包括：
检测单元，用于检测待识别区域中的温度信息以及发光对象信息，其中，所述发光对象信息用于表征发光对象是否为目标发光对象；
采集单元，用于采集环境中的光照信息；
处理器，与所述检测单元以及所述采集单元连接，用于采用与所述光照信息对应的处理方法对所述温度信息和/或所述发光对象信息进行处理，以确定所述待识别区域中是否存在所述目标发光对象，并确定所述目标发光对象所在的位置为异常位置。
9.一种异常位置的识别装置，其特征在于，包括：
获取模块，用于获取环境中的光照信息以及当前时间信息；
第一确定模块，用于在所述光照信息和所述当前时间信息满足第一条件时，检测待识别区域中是否存在目标发光对象，并在检测到所述待识别区域中存在所述目标发光对象时，根据所述目标发光对象的对象温度确定所述目标发光对象所在的位置是否为异常位置；
第二确定模块，用于在所述光照信息和所述当前时间信息满足第二条件时，从所述待识别区域所包含的多个子区域中确定温度异常的至少一个目标区域，在检测到所述至少一个目标区域中存在所述目标发光对象时，确定所述目标发光对象所在的位置为所述异常位置。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的异常位置的识别方法。
CN202111249326.4A 2021-10-26 2021-10-26 异常位置的识别方法、系统以及装置 Active CN114002751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111249326.4A CN114002751B (zh) 2021-10-26 2021-10-26 异常位置的识别方法、系统以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111249326.4A CN114002751B (zh) 2021-10-26 2021-10-26 异常位置的识别方法、系统以及装置

Publications (2)

Publication Number Publication Date
CN114002751A true CN114002751A (zh) 2022-02-01
CN114002751B CN114002751B (zh) 2023-11-03

Family

ID=79924191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111249326.4A Active CN114002751B (zh) 2021-10-26 2021-10-26 异常位置的识别方法、系统以及装置

Country Status (1)

Country Link
CN (1) CN114002751B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0224797A (ja) * 1988-07-14 1990-01-26 Nohmi Bosai Ltd 差動式火災警報装置
JP2004362537A (ja) * 2003-05-09 2004-12-24 Tokyo Gas Co Ltd 火災警報器及びバッテリー寿命設定方法
CN101872526A (zh) * 2010-06-01 2010-10-27 重庆市海普软件产业有限公司 基于可编程摄像技术的烟火智能识别方法
CN104143248A (zh) * 2014-08-01 2014-11-12 江苏恒创软件有限公司 基于无人机的森林火灾探测及防控方法
CN106503480A (zh) * 2016-12-14 2017-03-15 中国科学院遥感与数字地球研究所 一种静止卫星火灾遥感监测方法
CN106997461A (zh) * 2017-03-28 2017-08-01 浙江大华技术股份有限公司 一种烟火检测方法及装置
CN108416968A (zh) * 2018-01-31 2018-08-17 国家能源投资集团有限责任公司 火灾预警方法和装置
CN109903505A (zh) * 2017-12-08 2019-06-18 中电科特种飞机系统工程有限公司 一种森林火情监测系统、方法及介质
CN209168348U (zh) * 2019-01-16 2019-07-26 武汉轻工大学 多功能火灾报警电路及装置
CN110390788A (zh) * 2019-08-21 2019-10-29 深圳云感物联网科技有限公司 一种森林防火烟火识别方法及其系统
CN111062281A (zh) * 2019-12-05 2020-04-24 亿利生态大数据有限公司 异常事件监控方法、装置、存储介质和电子设备
CN210466635U (zh) * 2019-08-21 2020-05-05 深圳云感物联网科技有限公司 一种森林防火双光谱智能监测识别火情装置
CN111127806A (zh) * 2019-12-30 2020-05-08 重庆市海普软件产业有限公司 基于多传感器的综合森林防火监控系统及方法
CN112614302A (zh) * 2020-12-03 2021-04-06 杭州海康微影传感科技有限公司 一种火情检测方法、装置、系统及电子设备
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
CN113393486A (zh) * 2021-06-23 2021-09-14 英特灵达信息技术(深圳)有限公司 一种异常事件监测方法、智能监测终端及系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0224797A (ja) * 1988-07-14 1990-01-26 Nohmi Bosai Ltd 差動式火災警報装置
JP2004362537A (ja) * 2003-05-09 2004-12-24 Tokyo Gas Co Ltd 火災警報器及びバッテリー寿命設定方法
CN101872526A (zh) * 2010-06-01 2010-10-27 重庆市海普软件产业有限公司 基于可编程摄像技术的烟火智能识别方法
CN104143248A (zh) * 2014-08-01 2014-11-12 江苏恒创软件有限公司 基于无人机的森林火灾探测及防控方法
CN106503480A (zh) * 2016-12-14 2017-03-15 中国科学院遥感与数字地球研究所 一种静止卫星火灾遥感监测方法
CN106997461A (zh) * 2017-03-28 2017-08-01 浙江大华技术股份有限公司 一种烟火检测方法及装置
CN109903505A (zh) * 2017-12-08 2019-06-18 中电科特种飞机系统工程有限公司 一种森林火情监测系统、方法及介质
CN108416968A (zh) * 2018-01-31 2018-08-17 国家能源投资集团有限责任公司 火灾预警方法和装置
CN209168348U (zh) * 2019-01-16 2019-07-26 武汉轻工大学 多功能火灾报警电路及装置
CN110390788A (zh) * 2019-08-21 2019-10-29 深圳云感物联网科技有限公司 一种森林防火烟火识别方法及其系统
CN210466635U (zh) * 2019-08-21 2020-05-05 深圳云感物联网科技有限公司 一种森林防火双光谱智能监测识别火情装置
CN111062281A (zh) * 2019-12-05 2020-04-24 亿利生态大数据有限公司 异常事件监控方法、装置、存储介质和电子设备
CN111127806A (zh) * 2019-12-30 2020-05-08 重庆市海普软件产业有限公司 基于多传感器的综合森林防火监控系统及方法
CN112614302A (zh) * 2020-12-03 2021-04-06 杭州海康微影传感科技有限公司 一种火情检测方法、装置、系统及电子设备
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
CN113393486A (zh) * 2021-06-23 2021-09-14 英特灵达信息技术(深圳)有限公司 一种异常事件监测方法、智能监测终端及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
THOMAS N.POLIVKA 等: "Improving Nocturnal Fire Detection With the VIIRS Day-Night Band", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》, vol. 54, no. 9, pages 5503 - 5519, XP011618310, DOI: 10.1109/TGRS.2016.2566665 *
殷针针 等: "基于FY-3D MERSI数据的火点识别方法研究", 《遥感技术与应用》, vol. 35, no. 5, pages 1099 - 1108 *

Also Published As

Publication number Publication date
CN114002751B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN101673448B (zh) 一种森林火灾探测方法及系统
CN102693603B (zh) 一种基于双光谱的森林防火智能监控系统
CN201629019U (zh) 一种森林火灾探测系统
US7786877B2 (en) Multi-wavelength video image fire detecting system
CN104751593B (zh) 一种火灾探测、报警、定位、扑灭方法及系统
CN201936415U (zh) 森林火情自动识别报警系统
CN102646311B (zh) 实时动态巡航图像智能烟雾火情检测系统
US20140192184A1 (en) Forest fire early-warning system and method based on infrared thermal imaging technology
CN103400463B (zh) 一种基于二维图像的林火定位方法和装置
AU2013398544B2 (en) A method of determining the location of a point of interest and the system thereof
KR20070028813A (ko) 산불 감지 방법 및 시스템
KR102060045B1 (ko) 열분포 측정이 가능한 화재감지장비 및 그 시스템
KR20140127574A (ko) 화재 오보 감소를 위한 무인 비행체를 이용한 화재 감시 시스템
CN109887221A (zh) 一种火灾智能检测系统及其控制方法
CN107886670A (zh) 林区初期火灾快速识别与定位方法、存储介质、电子设备
PT1628260E (pt) Processo e dispositivo para a detecção automática de fogos florestais
CN101334924A (zh) 一种火灾探测系统及其火灾探测方法
CN106463043A (zh) 利用动作感应的侵入侦测技术
RU2504014C1 (ru) Способ управления системой мониторинга и система для его реализации
CN103065412A (zh) 一种应用于林火监测系统的干扰源智能屏蔽方法及装置
CN112263803A (zh) 基于实时场景巡视和自动检测灭火的无人车智能安防系统及控制方法
CN201091014Y (zh) 一种火灾探测装置
CN112257554A (zh) 一种森林火灾识别方法、系统、程序及存储介质
CN115512307A (zh) 广域空间红外多点实时火灾探测方法及系统、定位方法
KR20070115412A (ko) 촬영 영상을 이용한 화재 자동 경보 시스템 및 그에 의한화재감시방법

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