CN114332587A - 一种火灾识别预警方法及装置 - Google Patents
一种火灾识别预警方法及装置 Download PDFInfo
- Publication number
- CN114332587A CN114332587A CN202111612648.0A CN202111612648A CN114332587A CN 114332587 A CN114332587 A CN 114332587A CN 202111612648 A CN202111612648 A CN 202111612648A CN 114332587 A CN114332587 A CN 114332587A
- Authority
- CN
- China
- Prior art keywords
- value
- smoke
- temperature
- image
- fire
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 107
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 239000000779 smoke Substances 0.000 claims description 202
- 230000008859 change Effects 0.000 claims description 25
- 238000009792 diffusion process Methods 0.000 claims description 20
- 238000001931 thermography Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000000926 separation method Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 6
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Landscapes
- Fire-Detection Mechanisms (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种火灾识别预警方法及装置。本发明针对实际生活中对园区的火灾进行安全检查，结合多维度的数据，按照预设的异常计算规则，计算引起火灾的风险值，对园区内是否发生火灾进行判定，根据对应的风险值设置预警等级，以实现园区火灾识别预警的自动化和智能化，辅助园区管理人员的智能决策。
Description
技术领域
本发明涉及火灾预警技术领域，尤其涉及一种火灾识别预警方法及装置。
背景技术
随着园区的建设逐步扩大，园区的安全隐患问题也随之而来。传统的对园区进行安全隐患的检查，主要是派遣巡逻人员沿着固定路线进行巡逻检查，让巡逻人员自行判断是否存在安全隐患。这种检查方式存在着一定的局限性：
(1)巡逻人员在巡逻时没有仔细的检查，从而遗漏小的火势，进而最后演变成火灾；
(2)巡逻人员没有按照规定进行安全检查，草草了事，从而最终导致火灾的发生。
发明内容
本发明通过提供一种火灾识别预警方法及装置，能够有效避免火灾的发生。
本发明提供了一种火灾识别预警方法，包括：
采集目标区域的图像；
对所述图像中的烟雾区域进行识别；
通过公式
计算得到平均烟雾覆盖比例AY；其中，n是得到的帧图像的总个数，Z0是帧图像像素点的总个数，Zi是第i个帧图像中烟雾区域的像素点个数，i＝1,2，…，n；
通过公式
计算得到烟雾面积扩散速率BY；
通过公式
计算得到图像模糊度CY；其中，
是图像所有像素点的灰度平均值，f(x,y)是坐标为(x,y)的像素点的灰度值，Nx和Ny分别是图像x轴方向和y轴方向的像素点个数；
通过公式
计算得到烟雾异常风险值FY；其中，μ1是AY的比例系数，μ2是BY的比例系数，μ3是CY的比例系数，α和β是调节参数；
将所述烟雾异常风险值FY与预设的烟雾异常阈值进行比较；
若所述烟雾异常风险值FY等于或者大于所述预设的烟雾异常阈值，发出火灾烟雾警报。
具体来说，所述对所述图像中的烟雾区域进行识别，包括：
计算相邻两个帧图像中相同位置的像素点灰度的差值；
将所述灰度差值的绝对值与预设的绝对值阈值进行比较；
若所述灰度差值的绝对值大于所述预设的绝对值阈值，将与所述像素点灰度对应的像素点标记为疑似烟雾区域。
具体来说，在所述将与所述像素点灰度对应的像素点标记为疑似烟雾区域之后，还包括：
对所述疑似烟雾区域的像素点进行色彩通道分离，获得每一个像素点的R、G、B颜色通道的颜色分量值；
对所述每一个像素点的R、G、B颜色通道的颜色分量值两两求差；
将所述颜色分量值两两之差与预设的允许误差阈值进行比较；
若所述颜色分量值两两之差小于或者等于所述预设的允许误差阈值，将所述像素点对应的位置标记为真实烟雾区域。
具体来说，还包括：
获取热成像图像；
将所述热成像图像中的各像素点的温度值与预设的温度阈值δ进行比较；
若所述像素点的温度值等于或者大于所述预设的温度阈值δ，将所述像素点标注为异常图像点；
通过公式
计算得到平均异常温度值AW；其中，m是所述异常图像点的总数，Xi是所述异常图像点的温度值；
通过公式
计算得到异常温度变化率BW；
通过公式
计算得到温度异常风险值FW；其中，λ1是异常温度值的比例系数，λ2是异常温度变化率的比例系数；
将所述温度异常风险值FW与预设的温度异常阈值进行比较；
若所述温度异常风险值FW等于或者大于所述预设的温度异常阈值，发出火灾温度警报。
具体来说，还包括：
通过公式F＝θ1FW+θ2FY计算得到整体火灾风险值F；其中，θ1是FW的比例系数，θ2是FY的比例系数；
将所述整体火灾风险值F与预设的火灾风险阈值进行比较；
若所述整体火灾风险值F等于或者大于所述预设的火灾风险阈值，发出火灾危险警报。
本发明还提供了一种火灾识别预警装置，包括：
目标区域图像采集模块，用于采集目标区域的图像；
烟雾区域识别模块，用于对所述图像中的烟雾区域进行识别；
平均烟雾覆盖比例计算模块，用于通过公式
计算得到平均烟雾覆盖比例AY；其中，n是得到的帧图像的总个数，Z0是帧图像像素点的总个数，Zi是第i个帧图像中烟雾区域的像素点个数，i＝1,2，…，n；
烟雾面积扩散速率计算模块，用于通过公式
计算得到烟雾面积扩散速率BY；
图像模糊度计算模块，用于通过公式
计算得到图像模糊度CY；其中，
是图像所有像素点的灰度平均值，f(x,y)是坐标为(x,y)的像素点的灰度值，Nx和Ny分别是图像x轴方向和y轴方向的像素点个数；
烟雾异常风险值计算模块，用于通过公式
计算得到烟雾异常风险值FY；其中，μ1是AY的比例系数，μ2是BY的比例系数，μ3是CY的比例系数，α和β是调节参数；
烟雾异常风险值比较模块，用于将所述烟雾异常风险值FY与预设的烟雾异常阈值进行比较；
火灾烟雾报警模块，用于若所述烟雾异常风险值FY等于或者大于所述预设的烟雾异常阈值，发出火灾烟雾警报。
具体来说，所述烟雾区域识别模块，包括：
像素点灰度差值计算单元，用于计算相邻两个帧图像中相同位置的像素点灰度的差值；
差值绝对值比较单元，用于将所述灰度差值的绝对值与预设的绝对值阈值进行比较；
疑似烟雾区域识别单元，用于若所述灰度差值的绝对值大于所述预设的绝对值阈值，将与所述像素点灰度对应的像素点标记为疑似烟雾区域。
具体来说，所述烟雾区域识别模块，还包括：
色彩通道分离单元，用于对所述疑似烟雾区域的像素点进行色彩通道分离，获得每一个像素点的R、G、B颜色通道的颜色分量值；
颜色分量值求差单元，用于对所述每一个像素点的R、G、B颜色通道的颜色分量值两两求差；
颜色分量值差值比较单元，用于将所述颜色分量值两两之差与预设的允许误差阈值进行比较；
真实烟雾区域识别单元，用于若所述颜色分量值两两之差小于或者等于所述预设的允许误差阈值，将所述像素点对应的位置标记为真实烟雾区域。
具体来说，还包括：
热成像图像采集模块，用于获取热成像图像；
温度值比较模块，用于将所述热成像图像中的各像素点的温度值与预设的温度阈值δ进行比较；
异常图像点标注模块，用于若所述像素点的温度值等于或者大于所述预设的温度阈值δ，将所述像素点标注为异常图像点；
平均异常温度值计算模块，用于通过公式
计算得到平均异常温度值AW；其中，m是所述异常图像点的总数，Xi是所述异常图像点的温度值；
异常温度变化率计算模块，用于通过公式
计算得到异常温度变化率BW；
温度异常风险值计算模块，用于通过公式
计算得到温度异常风险值FW；其中，λ1是异常温度值的比例系数，λ2是异常温度变化率的比例系数；
温度异常风险值比较模块，用于将所述温度异常风险值FW与预设的温度异常阈值进行比较；
火灾温度报警模块，用于若所述温度异常风险值FW等于或者大于所述预设的温度异常阈值，发出火灾温度警报。
具体来说，还包括：
整体火灾风险值计算模块，用于通过公式F＝θ1FW+θ2FY计算得到整体火灾风险值F；其中，θ1是FW的比例系数，θ2是FY的比例系数；
整体火灾风险值比较模块，用于将所述整体火灾风险值F与预设的火灾风险阈值进行比较；
火灾危险报警模块，用于若所述整体火灾风险值F等于或者大于所述预设的火灾风险阈值，发出火灾危险警报。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本发明针对实际生活中对园区的火灾进行安全检查，结合多维度的数据，按照预设的异常计算规则，计算引起火灾的风险值，对园区内是否发生火灾进行判定，根据对应的风险值设置预警等级，以实现园区火灾识别预警的自动化和智能化，辅助园区管理人员的智能决策。
附图说明
图1为本发明实施例提供的火灾识别预警方法的流程图；
图2为本发明实施例提供的火灾识别预警方法的原理图；
图3为本发明实施例提供的火灾识别预警装置的模块图。
具体实施方式
本发明实施例通过提供一种火灾识别预警方法及装置，能够有效避免火灾的发生。
本发明实施例中的技术方案为实现上述技术效果，总体思路如下：
本发明实施例针对实际生活中对园区的火灾进行安全检查，结合多维度的数据，按照预设的异常计算规则，计算引起火灾的风险值，对园区内是否发生火灾进行判定，根据对应的风险值设置预警等级，以实现园区火灾识别预警的自动化和智能化，辅助园区管理人员的智能决策。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参见图1和图2，本发明实施例提供的火灾识别预警方法，包括：
步骤S110：采集目标区域的图像；
具体地，通过远程监控摄像头实时采集视频文件，并对视频文件进行帧切割，得到若干个视频图像。
步骤S120：对图像中的烟雾区域进行识别；
对本步骤进行具体说明，对图像中的烟雾区域进行识别，包括：
计算相邻两个帧图像中相同位置的像素点灰度的差值；
将灰度差值的绝对值与预设的绝对值阈值进行比较；
若灰度差值的绝对值大于预设的绝对值阈值，则说明与该像素点灰度对应的像素点为疑似烟雾区域，将与像素点灰度对应的像素点标记为疑似烟雾区域，识别出疑似烟雾区域的位置和轮廓，从而切割分离出动态区域(疑似烟雾区域)和静态区域(背景区域)。
为了进一步提高烟雾区域的识别准确度，在将与像素点灰度对应的像素点标记为疑似烟雾区域之后，还包括：
对疑似烟雾区域的像素点进行色彩通道分离，获得每一个像素点的R、G、B颜色通道的颜色分量值；
对每一个像素点的R、G、B颜色通道的颜色分量值两两求差；
将颜色分量值两两之差与预设的允许误差阈值进行比较；
若颜色分量值两两之差小于或者等于预设的允许误差阈值，则说明与该像素点对应的像素点为真实烟雾区域，将像素点对应的位置标记为真实烟雾区域。具体地，连接所有被标记为真实烟雾像素点位置，组成得到真实烟雾区域。
通过上述识别过程，可以判定该帧图像中是否存在烟雾区域。若存在烟雾区域，则将该帧图像标记为异常，同时统计并记录该帧图像i中烟雾区域的像素点个数Zi；若不存在烟雾区域，则将该帧图像标记为正常。
在处理得到的若干个视频帧图像中，只要有一个帧图像被标记为异常，则认为此时情况为异常，可能存在园区火灾，并触发后续的指标值和风险值的计算过程；若所有帧图像均被标记为正常，才认为此时情况正常，不触发后续计算过程。
步骤S130：通过公式
计算得到平均烟雾覆盖比例AY，平均烟雾覆盖比例(AY)指所有帧图像中烟雾区域占整体图像大小比值的平均值；其中，n是处理视频得到的帧图像的总个数；Z0是帧图像像素点的总个数，因为图像大小即为摄像头采集区域大小，是固定的，因而帧图像的像素点个数也为一个固定值；Zi是第i个帧图像中烟雾区域的像素点个数，i＝1,2，…，n；
步骤S140：通过公式
计算得到烟雾面积扩散速率BY；烟雾面积扩散速率(BY)表示烟雾面积的变化快慢，BY>0代表烟雾面积呈正增长，且此时BY值越大，说明烟雾面积在更快速的扩散，对应的火灾风险就越高；BY<0代表烟雾面积在缩小，相对应的火灾风险值会降低。
如上所述，若判定t时刻的烟雾情况为异常时，则按上述步骤连续采集并计算t、t+1、t+2、t+3时刻的平均烟雾覆盖比例，并通过上述公式计算烟雾面积扩散速率(BY)。
步骤S150：通过公式
计算得到图像模糊度CY；其中，
是图像所有像素点的灰度平均值，f(x,y)是坐标为(x,y)的像素点的灰度值，Nx和Ny分别是图像x轴方向和y轴方向的像素点个数，Nx×Ny表示该图像中的所有像素点个数；在计算图像模糊度(CY)时，将每个帧图像以像素点为单位进行划分，以图像左下角为坐标轴起点，假设横向有Nx个像素点单位，纵向有Ny个像素点单位，则该图像共有(Nx×Ny)个像素点，(x，y)代表横向为第x个、纵向为第y个的像素点坐标。
图像模糊度(CY)表示烟雾的浓度，烟雾浓度越大，图像可视化程度越低，火灾风险值就越高。该指标的计算原理是：以图像中所有像素点的灰度平均值为参考，对每个像素点的灰度值求差后再求平方和，并用像素点总个数对数值进行标准化，它表示了图像灰度变化的平均程度。若灰度变化的平均程度越大，则图像越清晰；若灰度变化的平均程度越小，则图像越模糊。
步骤S160：通过公式
计算得到烟雾异常风险值FY；其中，1是基础烟雾风险值，μ1是AY的比例系数，μ2是BY的比例系数，μ3是CY的比例系数，μ1、μ2、μ3∈(0,1)；α和β是调节参数，根据实际的计算需要进行设定；
由上述公式可知：平均烟雾覆盖比例(AY)越大，烟雾面积越大，烟雾异常风险值FY就越大；烟雾面积扩散速率(BY)越大，烟雾扩散越快，烟雾异常风险值FY就越大；图像模糊度(CY)越小，图像越模糊，烟雾异常风险值FY就越大。
因此，烟雾层面的判定指标包括平均烟雾覆盖比例(AY)、烟雾面积扩散速率(BY)、图像模糊度(CY)。目的是通过摄像头采集的视频帧图像，定向识别图像中是否有烟雾出现，并评估烟雾的大小、运动和模糊特征，从而综合判定火灾的风险值。
步骤S170：将烟雾异常风险值FY与预设的烟雾异常阈值进行比较；
步骤S180：若烟雾异常风险值FY等于或者大于预设的烟雾异常阈值，则说明可能存在火灾，发出火灾烟雾警报。
为了对火灾温度进行分析，从而提高火灾预警分析的准确性，还包括：
获取热成像图像；
具体地，通过具有热成像功能的远程监控摄像头实时采集热成像图像。
将热成像图像中的各像素点的温度值与预设的温度阈值δ进行比较；
若像素点的温度值等于或者大于预设的温度阈值δ，则认为该像素点存在火焰，将像素点标注为异常图像点；
通过公式
计算得到平均异常温度值AW，平均异常温度值AW为所有异常温度值的平均值；其中，m是异常图像点的总数，Xi是异常图像点的温度值；
通过公式
计算得到异常温度变化率BW；
如上所述，若判定t时刻的温度情况为异常时，则按上述步骤连续采集并计算t、t+1、t+2、t+3时刻的平均异常温度值，并通过上述公式计算异常温度变化率(BW)。
通过公式
计算得到温度异常风险值FW；其中，1是基础温度风险值，λ1是异常温度值的比例系数，λ2是异常温度变化率的比例系数，λ1、λ2∈(0,1)；
将温度异常风险值FW与预设的温度异常阈值进行比较；
若温度异常风险值FW等于或者大于预设的温度异常阈值，则说明可能存在火灾，发出火灾温度警报。
因此，温度层面的指标包括平均异常温度值(AW)和异常温度变化率(BW)。目的是通过摄像头采集的热成像图像，获取实时的环境温度值，以发现是否有火焰温度的异常情况出现，并通过平均异常温度值(AW)和异常温度变化率(BW)来判定火灾的风险值。
温度层面的异常风险值FW的最小值为1，即只要判定情况为异常，就会预警；极限情况下，平均异常温度值(AW)恰好达到温度阈值δ，此时AW-δ＝0，异常温度变化率BW＝0，此时计算可得FW＝1；若AW和BW值越大，则FW值就越大，则从温度层面识别到此时园区发生火灾的风险就越高。
本发明实施例还综合了两种火灾预警分析策略，从而进一步提高火灾分析预警的准确性。具体地，还包括：
通过公式F＝θ1FW+θ2FY计算得到整体火灾风险值F；其中，θ1是FW的比例系数，θ2是FY的比例系数；θ1和θ2分别表示温度异常风险值(FW)和烟雾异常风险值(FY)在园区火灾风险值计算中的相对重要程度，可依实际情况进行调整。
将整体火灾风险值F与预设的火灾风险阈值进行比较；
若整体火灾风险值F等于或者大于预设的火灾风险阈值，则说明存在火灾，发出火灾危险警报。
输出的最终整体火灾风险值(F)综合了温度异常风险值(FW)和烟雾异常风险值(FY)，最终整体火灾风险值(F)越高，则说明火灾情况越紧迫，需立即处理。
具体地，本发明实施例从烟雾和温度两个层面进行园区火灾的识别，本发明实施例具体的预警机制规则如下：
1、烟雾层面和温度层面中，当至少有一个层面被判定为异常时，则认为园区内发生火灾，立刻在园区管理人员所在的视频监控室发出“滴滴”报警指令，并在监控室的可视化大屏上，显示提示“发生火灾+预估风险值+识别到火灾的区域位置定位”；同时，自动触发对应定位区域的灭火装置。
2、只有当两个层面都判定为正常时，才认为园区内未发生火灾，不预警，重复上述数据采集、计算和分析过程。
参见图3，本发明实施例提供的火灾识别预警装置，包括：
目标区域图像采集模块100，用于采集目标区域的图像；具体地，通过远程监控摄像头实时采集视频文件，并对视频文件进行帧切割，得到若干个视频图像。
烟雾区域识别模块200，用于对图像中的烟雾区域进行识别；
具体地，烟雾区域识别模块200，包括：
像素点灰度差值计算单元，用于计算相邻两个帧图像中相同位置的像素点灰度的差值；
差值绝对值比较单元，用于将灰度差值的绝对值与预设的绝对值阈值进行比较；
疑似烟雾区域识别单元，用于若灰度差值的绝对值大于预设的绝对值阈值，则说明与该像素点灰度对应的像素点为疑似烟雾区域，将与像素点灰度对应的像素点标记为疑似烟雾区域，识别出疑似烟雾区域的位置和轮廓，从而切割分离出动态区域(疑似烟雾区域)和静态区域(背景区域)。
为了进一步提高烟雾区域的识别准确度，烟雾区域识别模块200，还包括：
色彩通道分离单元，用于对疑似烟雾区域的像素点进行色彩通道分离，获得每一个像素点的R、G、B颜色通道的颜色分量值；
颜色分量值求差单元，用于对每一个像素点的R、G、B颜色通道的颜色分量值两两求差；
颜色分量值差值比较单元，用于将颜色分量值两两之差与预设的允许误差阈值进行比较；
真实烟雾区域识别单元，用于若颜色分量值两两之差小于或者等于预设的允许误差阈值，则说明与该像素点对应的像素点为真实烟雾区域，将像素点对应的位置标记为真实烟雾区域。具体地，连接所有被标记为真实烟雾像素点位置，组成得到真实烟雾区域。
通过上述识别过程，可以判定该帧图像中是否存在烟雾区域。若存在烟雾区域，则将该帧图像标记为异常，同时统计并记录该帧图像i中烟雾区域的像素点个数Zi；若不存在烟雾区域，则将该帧图像标记为正常。
在处理得到的若干个视频帧图像中，只要有一个帧图像被标记为异常，则认为此时情况为异常，可能存在园区火灾，并触发后续的指标值和风险值的计算过程；若所有帧图像均被标记为正常，才认为此时情况正常，不触发后续计算过程。
平均烟雾覆盖比例计算模块300，用于通过公式
计算得到平均烟雾覆盖比例AY，平均烟雾覆盖比例(AY)指所有帧图像中烟雾区域占整体图像大小比值的平均值；其中，n是处理视频得到的帧图像的总个数；Z0是帧图像像素点的总个数，因为图像大小即为摄像头采集区域大小，是固定的，因而帧图像的像素点个数也为一个固定值；Zi是第i个帧图像中烟雾区域的像素点个数，i＝1,2，…，n；
烟雾面积扩散速率计算模块400，用于通过公式
计算得到烟雾面积扩散速率BY；烟雾面积扩散速率(BY)表示烟雾面积的变化快慢，BY>0代表烟雾面积呈正增长，且此时BY值越大，说明烟雾面积在更快速的扩散，对应的火灾风险就越高；BY<0代表烟雾面积在缩小，相对应的火灾风险值会降低。
如上所述，若判定t时刻的烟雾情况为异常时，则按上述步骤连续采集并计算t、t+1、t+2、t+3时刻的平均烟雾覆盖比例，并通过上述公式计算烟雾面积扩散速率(BY)。
图像模糊度计算模块500，用于通过公式
计算得到图像模糊度CY；其中，
是图像所有像素点的灰度平均值，f(x,y)是坐标为(x,y)的像素点的灰度值，Nx和Ny分别是图像x轴方向和y轴方向的像素点个数，Nx×Ny表示该图像中的所有像素点个数；在计算图像模糊度(CY)时，将每个帧图像以像素点为单位进行划分，以图像左下角为坐标轴起点，假设横向有Nx个像素点单位，纵向有Ny个像素点单位，则该图像共有(Nx×Ny)个像素点，(x，y)代表横向为第x个、纵向为第y个的像素点坐标。
图像模糊度(CY)表示烟雾的浓度，烟雾浓度越大，图像可视化程度越低，火灾风险值就越高。该指标的计算原理是：以图像中所有像素点的灰度平均值为参考，对每个像素点的灰度值求差后再求平方和，并用像素点总个数对数值进行标准化，它表示了图像灰度变化的平均程度。若灰度变化的平均程度越大，则图像越清晰；若灰度变化的平均程度越小，则图像越模糊。
烟雾异常风险值计算模块600，用于通过公式
计算得到烟雾异常风险值FY；其中，1是基础烟雾风险值，μ1是AY的比例系数，μ2是BY的比例系数，μ3是CY的比例系数，μ1、μ2、μ3∈(0,1)；α和β是调节参数，根据实际的计算需要进行设定；
由上述公式可知：平均烟雾覆盖比例(AY)越大，烟雾面积越大，烟雾异常风险值FY就越大；烟雾面积扩散速率(BY)越大，烟雾扩散越快，烟雾异常风险值FY就越大；图像模糊度(CY)越小，图像越模糊，烟雾异常风险值FY就越大。
因此，烟雾层面的判定指标包括平均烟雾覆盖比例(AY)、烟雾面积扩散速率(BY)、图像模糊度(CY)。目的是通过摄像头采集的视频帧图像，定向识别图像中是否有烟雾出现，并评估烟雾的大小、运动和模糊特征，从而综合判定火灾的风险值。
烟雾异常风险值比较模块700，用于将烟雾异常风险值FY与预设的烟雾异常阈值进行比较；
火灾烟雾报警模块800，用于若烟雾异常风险值FY等于或者大于预设的烟雾异常阈值，则说明可能存在火灾，发出火灾烟雾警报。
为了对火灾温度进行分析，从而提高火灾预警分析的准确性，还包括：
热成像图像采集模块，用于获取热成像图像；具体地，通过具有热成像功能的远程监控摄像头实时采集热成像图像。
温度值比较模块，用于将热成像图像中的各像素点的温度值与预设的温度阈值δ进行比较；
异常图像点标注模块，用于若像素点的温度值等于或者大于预设的温度阈值δ，则认为该像素点存在火焰，将像素点标注为异常图像点；
平均异常温度值计算模块，用于通过公式
计算得到平均异常温度值AW，平均异常温度值AW为所有异常温度值的平均值；其中，m是异常图像点的总数，Xi是异常图像点的温度值；
异常温度变化率计算模块，用于通过公式
计算得到异常温度变化率BW；
如上所述，若判定t时刻的温度情况为异常时，则按上述步骤连续采集并计算t、t+1、t+2、t+3时刻的平均异常温度值，并通过上述公式计算异常温度变化率(BW)。
温度异常风险值计算模块，用于通过公式
计算得到温度异常风险值FW；其中，1是基础温度风险值，λ1是异常温度值的比例系数，λ2是异常温度变化率的比例系数，λ1、λ2∈(0,1)；
温度异常风险值比较模块，用于将温度异常风险值FW与预设的温度异常阈值进行比较；
火灾温度报警模块，用于若温度异常风险值FW等于或者大于预设的温度异常阈值，则说明可能存在火灾，发出火灾温度警报。
因此，温度层面的指标包括平均异常温度值(AW)和异常温度变化率(BW)。目的是通过摄像头采集的热成像图像，获取实时的环境温度值，以发现是否有火焰温度的异常情况出现，并通过平均异常温度值(AW)和异常温度变化率(BW)来判定火灾的风险值。
温度层面的异常风险值FW的最小值为1，即只要判定情况为异常，就会预警；极限情况下，平均异常温度值(AW)恰好达到温度阈值δ，此时AW-δ＝0，异常温度变化率BW＝0，此时计算可得FW＝1；若AW和BW值越大，则FW值就越大，则从温度层面识别到此时园区发生火灾的风险就越高。
本发明实施例还综合了两种火灾预警分析策略，从而进一步提高火灾分析预警的准确性。具体地，还包括：
整体火灾风险值计算模块，用于通过公式F＝θ1FW+θ2FY计算得到整体火灾风险值F；其中，θ1是FW的比例系数，θ2是FY的比例系数；θ1和θ2分别表示温度异常风险值(FW)和烟雾异常风险值(FY)在园区火灾风险值计算中的相对重要程度，可依实际情况进行调整。
整体火灾风险值比较模块，用于将整体火灾风险值F与预设的火灾风险阈值进行比较；
火灾危险报警模块，用于若整体火灾风险值F等于或者大于预设的火灾风险阈值，则说明存在火灾，发出火灾危险警报。
输出的最终整体火灾风险值(F)综合了温度异常风险值(FW)和烟雾异常风险值(FY)，最终整体火灾风险值(F)越高，则说明火灾情况越紧迫，需立即处理。
具体地，本发明实施例从烟雾和温度两个层面进行园区火灾的识别，本发明实施例具体的预警机制规则如下：
1、烟雾层面和温度层面中，当至少有一个层面被判定为异常时，则认为园区内发生火灾，立刻在园区管理人员所在的视频监控室发出“滴滴”报警指令，并在监控室的可视化大屏上，显示提示“发生火灾+预估风险值+识别到火灾的区域位置定位”；同时，自动触发对应定位区域的灭火装置。
2、只有当两个层面都判定为正常时，才认为园区内未发生火灾，不预警，重复上述数据采集、计算和分析过程。
需要说明的是，本发明实施例提供的方法及装置按照一定的时间间隔自动进行数据采集、存储、计算和分析，时间间隔随计算所得对应情况的不同而自动调整，具体规则如下：若计算所得环境数据指标值未达到预警阈值，即为正常情况，则按照预设时间间隔1分钟更新一次数据，同时覆盖历史数据；当环境数据指标有异常时，数据采集的时间间隔自动调整为10s，每间隔10s更新一次数据，重复测10次。若仍有数据存在异常，则确定情况为异常，触发风险值计算机制和对应预警机制，若重复测度过程中后五次中出现大于3次连续测度到数据恢复正常值时，则被判定为环境数据正常，数据更新时间恢复到1分钟。
技术效果
本发明实施例采用多维度数据进行火灾的计算估量。具体地，在烟雾测度方面，使用多维度的烟雾特征指标来量化数据指标，以支撑智能化决策的生成。而在温度测度方面，采用了热成像图像，热成像技术能够不受烟雾、天气等多种客观因素的影响，从而使数据的测度更加精准有效。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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)
1.一种火灾识别预警方法，其特征在于，包括：
采集目标区域的图像；
对所述图像中的烟雾区域进行识别；
通过公式
计算得到平均烟雾覆盖比例AY；其中，n是得到的帧图像的总个数，Z0是帧图像像素点的总个数，Zi是第i个帧图像中烟雾区域的像素点个数，i＝1,2，…，n；
通过公式
计算得到烟雾面积扩散速率BY；
通过公式
计算得到图像模糊度CY；其中，
是图像所有像素点的灰度平均值，f(x,y)是坐标为(x,y)的像素点的灰度值，Nx和Ny分别是图像x轴方向和y轴方向的像素点个数；
通过公式
计算得到烟雾异常风险值FY；其中，μ1是AY的比例系数，μ2是BY的比例系数，μ3是CY的比例系数，α和β是调节参数；
将所述烟雾异常风险值FY与预设的烟雾异常阈值进行比较；
若所述烟雾异常风险值FY等于或者大于所述预设的烟雾异常阈值，发出火灾烟雾警报。
2.如权利要求1所述的方法，其特征在于，所述对所述图像中的烟雾区域进行识别，包括：
计算相邻两个帧图像中相同位置的像素点灰度的差值；
将所述灰度差值的绝对值与预设的绝对值阈值进行比较；
若所述灰度差值的绝对值大于所述预设的绝对值阈值，将与所述像素点灰度对应的像素点标记为疑似烟雾区域。
3.如权利要求2所述的方法，其特征在于，在所述将与所述像素点灰度对应的像素点标记为疑似烟雾区域之后，还包括：
对所述疑似烟雾区域的像素点进行色彩通道分离，获得每一个像素点的R、G、B颜色通道的颜色分量值；
对所述每一个像素点的R、G、B颜色通道的颜色分量值两两求差；
将所述颜色分量值两两之差与预设的允许误差阈值进行比较；
若所述颜色分量值两两之差小于或者等于所述预设的允许误差阈值，将所述像素点对应的位置标记为真实烟雾区域。
4.如权利要求1所述的方法，其特征在于，还包括：
获取热成像图像；
将所述热成像图像中的各像素点的温度值与预设的温度阈值δ进行比较；
若所述像素点的温度值等于或者大于所述预设的温度阈值δ，将所述像素点标注为异常图像点；
通过公式
计算得到平均异常温度值AW；其中，m是所述异常图像点的总数，Xi是所述异常图像点的温度值；
通过公式
计算得到异常温度变化率BW；
通过公式
计算得到温度异常风险值FW；其中，λ1是异常温度值的比例系数，λ2是异常温度变化率的比例系数；
将所述温度异常风险值FW与预设的温度异常阈值进行比较；
若所述温度异常风险值FW等于或者大于所述预设的温度异常阈值，发出火灾温度警报。
5.如权利要求4所述的方法，其特征在于，还包括：
通过公式F＝θ1FW+θ2FY计算得到整体火灾风险值F；其中，θ1是FW的比例系数，θ2是FY的比例系数；
将所述整体火灾风险值F与预设的火灾风险阈值进行比较；
若所述整体火灾风险值F等于或者大于所述预设的火灾风险阈值，发出火灾危险警报。
6.一种火灾识别预警装置，其特征在于，包括：
目标区域图像采集模块，用于采集目标区域的图像；
烟雾区域识别模块，用于对所述图像中的烟雾区域进行识别；
平均烟雾覆盖比例计算模块，用于通过公式
计算得到平均烟雾覆盖比例AY；其中，n是得到的帧图像的总个数，Z0是帧图像像素点的总个数，Zi是第i个帧图像中烟雾区域的像素点个数，i＝1,2，…，n；
烟雾面积扩散速率计算模块，用于通过公式
计算得到烟雾面积扩散速率BY；
图像模糊度计算模块，用于通过公式
计算得到图像模糊度CY；其中，
是图像所有像素点的灰度平均值，f(x,y)是坐标为(x,y)的像素点的灰度值，Nx和Ny分别是图像x轴方向和y轴方向的像素点个数；
烟雾异常风险值计算模块，用于通过公式
计算得到烟雾异常风险值FY；其中，μ1是AY的比例系数，μ2是BY的比例系数，μ3是CY的比例系数，α和β是调节参数；
烟雾异常风险值比较模块，用于将所述烟雾异常风险值FY与预设的烟雾异常阈值进行比较；
火灾烟雾报警模块，用于若所述烟雾异常风险值FY等于或者大于所述预设的烟雾异常阈值，发出火灾烟雾警报。
7.如权利要求6所述的装置，其特征在于，所述烟雾区域识别模块，包括：
像素点灰度差值计算单元，用于计算相邻两个帧图像中相同位置的像素点灰度的差值；
差值绝对值比较单元，用于将所述灰度差值的绝对值与预设的绝对值阈值进行比较；
疑似烟雾区域识别单元，用于若所述灰度差值的绝对值大于所述预设的绝对值阈值，将与所述像素点灰度对应的像素点标记为疑似烟雾区域。
8.如权利要求7所述的装置，其特征在于，所述烟雾区域识别模块，还包括：
色彩通道分离单元，用于对所述疑似烟雾区域的像素点进行色彩通道分离，获得每一个像素点的R、G、B颜色通道的颜色分量值；
颜色分量值求差单元，用于对所述每一个像素点的R、G、B颜色通道的颜色分量值两两求差；
颜色分量值差值比较单元，用于将所述颜色分量值两两之差与预设的允许误差阈值进行比较；
真实烟雾区域识别单元，用于若所述颜色分量值两两之差小于或者等于所述预设的允许误差阈值，将所述像素点对应的位置标记为真实烟雾区域。
9.如权利要求6所述的装置，其特征在于，还包括：
热成像图像采集模块，用于获取热成像图像；
温度值比较模块，用于将所述热成像图像中的各像素点的温度值与预设的温度阈值δ进行比较；
异常图像点标注模块，用于若所述像素点的温度值等于或者大于所述预设的温度阈值δ，将所述像素点标注为异常图像点；
平均异常温度值计算模块，用于通过公式
计算得到平均异常温度值AW；其中，m是所述异常图像点的总数，Xi是所述异常图像点的温度值；
异常温度变化率计算模块，用于通过公式
计算得到异常温度变化率BW；
温度异常风险值计算模块，用于通过公式
计算得到温度异常风险值FW；其中，λ1是异常温度值的比例系数，λ2是异常温度变化率的比例系数；
温度异常风险值比较模块，用于将所述温度异常风险值FW与预设的温度异常阈值进行比较；
火灾温度报警模块，用于若所述温度异常风险值FW等于或者大于所述预设的温度异常阈值，发出火灾温度警报。
10.如权利要求9所述的装置，其特征在于，还包括：
整体火灾风险值计算模块，用于通过公式F＝θ1FW+θ2FY计算得到整体火灾风险值F；其中，θ1是FW的比例系数，θ2是FY的比例系数；
整体火灾风险值比较模块，用于将所述整体火灾风险值F与预设的火灾风险阈值进行比较；
火灾危险报警模块，用于若所述整体火灾风险值F等于或者大于所述预设的火灾风险阈值，发出火灾危险警报。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111612648.0A CN114332587A (zh) | 2021-12-27 | 2021-12-27 | 一种火灾识别预警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111612648.0A CN114332587A (zh) | 2021-12-27 | 2021-12-27 | 一种火灾识别预警方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114332587A true CN114332587A (zh) | 2022-04-12 |
Family
ID=81013061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111612648.0A Withdrawn CN114332587A (zh) | 2021-12-27 | 2021-12-27 | 一种火灾识别预警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114332587A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
| CN117556378A (zh) * | 2024-01-12 | 2024-02-13 | 煤炭科学技术研究院有限公司 | 烟雾告警方法、装置、设备和介质 |
-
2021
- 2021-12-27 CN CN202111612648.0A patent/CN114332587A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
| CN116777707B (zh) * | 2023-06-20 | 2023-12-01 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
| CN117556378A (zh) * | 2024-01-12 | 2024-02-13 | 煤炭科学技术研究院有限公司 | 烟雾告警方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114332587A (zh) | 一种火灾识别预警方法及装置 | |
| US10627307B2 (en) | Gas monitoring program, system, recording medium, and method | |
| US20210209422A1 (en) | Learning data collection apparatus, learning data collection method, and program | |
| CN110458157B (zh) | 一种电力电缆生产过程智能监控系统 | |
| US9864908B2 (en) | Slow change detection system | |
| CN116092018B (zh) | 一种基于智慧建筑的消防隐患监测方法及系统 | |
| CN112927461B (zh) | 一种新能源汽车充电桩预警决策方法及装置 | |
| CN115862259B (zh) | 一种基于温度监测的火警预警系统 | |
| CN113411571B (zh) | 一种基于滑窗梯度熵的视频帧清晰度检测方法 | |
| CN115880598B (zh) | 一种基于无人机的地面图像检测方法及相关装置 | |
| CN116453064B (zh) | 基于监控数据的隧道路段路况异常识别方法 | |
| JP2015197396A (ja) | 画像検査方法および画像検査装置 | |
| CN114662208B (zh) | 一种基于Bim技术的施工可视化系统及方法 | |
| CN111311598A (zh) | 基于多视角的紧固件表面缺陷检测方法及装置 | |
| CN112487976B (zh) | 基于图像识别的监测方法、装置和存储介质 | |
| CN114494845A (zh) | 一种用于施工项目现场人工智能隐患排查系统及其排查方法 | |
| CN114485947B (zh) | 用于户外用电设备的安防监控方法 | |
| JP7176429B2 (ja) | ガス漏れ位置特定システム及びガス漏れ位置特定プログラム | |
| CN116205885A (zh) | 异常状态检测方法、系统、电子设备及可读存储介质 | |
| US20210150437A1 (en) | Installing environment estimation device and computer readable medium | |
| CN114119531A (zh) | 应用于校园智慧平台的火灾检测方法、装置及计算机设备 | |
| JP2003240869A (ja) | 路面状況判定方法 | |
| CN110309838A (zh) | 基于指数变换的视频检测区物体轮廓检测预处理方法 | |
| CN117876971B (zh) | 基于机器视觉的建筑施工安全监测及预警方法 | |
| CN117253176B (zh) | 基于视频分析与计算机视觉的安全生产Al智能检测方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220412 |
|
| WW01 | Invention patent application withdrawn after publication |