CN114863350B - 一种基于图像识别的森林监控方法及系统 - Google Patents
一种基于图像识别的森林监控方法及系统 Download PDFInfo
- Publication number
- CN114863350B CN114863350B CN202210788322.1A CN202210788322A CN114863350B CN 114863350 B CN114863350 B CN 114863350B CN 202210788322 A CN202210788322 A CN 202210788322A CN 114863350 B CN114863350 B CN 114863350B
- Authority
- CN
- China
- Prior art keywords
- forest
- monitoring
- pixel
- pixel point
- video
- 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.)
- Active
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供的一种基于图像识别的森林监控方法及系统，涉及图像识别技术领域。在本发明中，针对每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，其中，每一个森林监控视频包括多帧森林监控视频帧；针对每一个森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧；对代表森林监控视频帧进行拼接处理，得到目标森林区域对应的森林监控拼接视频帧，并对森林监控拼接视频帧进行识别处理，得到对应的火灾监控结果。基于上述方法，可以改善现有技术中对森林防火的监控效率不高的问题。
Description
技术领域
本发明涉及图像识别技术领域，具体而言，涉及一种基于图像识别的森林监控方法及系统。
背景技术
森林火灾是世界八大自然灾害之一，突发性强、破坏性大、危险性高、处置极其困难，严重危及人民生命财产和森林资源安全，甚至引发生态灾难。森林是陆地生态系统的主体和重要资源，是人类生存发展的重要生态保障。森林防火是建设生态文明的基础保障，是森林资源保护的首要任务。因此，为了防止森林火灾，需要对森林环境进行实时监控，但是，在现有技术中，存在着对森林防火的监控效率不高的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于图像识别的森林监控方法及系统，以改善现有技术中对森林防火的监控效率不高的问题。
为实现上述目的，本发明采用如下技术方案：
一种基于图像识别的森林监控方法，应用于图像处理服务器，所述图像处理服务器通信连接有多个图像监控设备，所述基于图像识别的森林监控方法包括：
步骤S110，针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，其中，所述多个图像监控设备与目标森林区域包括的多个森林子区域一一对应，且每一个所述森林监控视频包括多帧森林监控视频帧；
步骤S120，针对每一个所述森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧；
步骤S130，对所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧，并对所述森林监控拼接视频帧进行识别处理，得到所述目标森林区域对应的火灾监控结果。
进一步地，在上述基于图像识别的森林监控方法中，所述步骤S110，具体包括以下步骤：
确定是否需要对目标森林区域进行火灾监控处理，并在需要对目标森林区域进行火灾监控处理时，生成视频监控指令；
将所述视频监控指令分别发送给所述多个图像监控设备中的每一个图像监控设备，其中，每一个所述图像监控设备用于在接收到所述视频监控指令之后，对对应的森林子区域进行视频监控，得到对应的森林监控视频，并将所述森林监控视频发送给所述图像处理服务器；
针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备基于所述视频监控指令采集并发送的所述森林监控视频。
进一步地，在上述基于图像识别的森林监控方法中，所述确定是否需要对目标森林区域进行火灾监控处理，并在需要对目标森林区域进行火灾监控处理时，生成视频监控指令的步骤，包括：
获取在历史上最近一次对所述目标森林区域进行火灾监控处理的时间，得到对应的历史火灾监控时间，并获取当前的时间，得到对应的当前时间，以及，计算所述历史火灾监控时间与所述当前时间之间的时间差值；
确定所述时间差值与预先配置的时间差值阈值之间的相对大小关系；
若所述时间差值小于或等于所述时间差值阈值，则确定不需要对所述目标森林区域进行火灾监控处理，若所述时间差值大于所述时间差值阈值，则确定需要对所述目标森林区域进行火灾监控处理；
在需要对所述目标森林区域进行火灾监控处理时，生成视频监控指令。
进一步地，在上述基于图像识别的森林监控方法中，所述在需要对所述目标森林区域进行火灾监控处理时，生成视频监控指令的步骤，包括：
在需要对所述目标森林区域进行火灾监控处理时，针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备在历史上最近一次对该图像监控设备对应的森林子区域进行视频监控得到多帧历史森林监控视频帧中的历史代表森林监控视频帧；
针对所述多个图像监控设备中的每一个图像监控设备，计算该图像监控设备对应的历史代表森林监控视频帧的视频帧清晰度，并基于该视频帧清晰度确定出该图像监控设备对应的第一数量，所述第一数量指的是图像监控设备所拍摄的历史代表森林监控视频帧的数量，其中，所述第一数量与所述视频帧清晰度之间具有负相关关系；
针对所述多个图像监控设备中的每一个图像监控设备，基于该图像监控设备对应的第一数量生成该图像监控设备对应的视频监控指令，其中，所述视频监控指令中携带对应的第一数量，使得所述图像监控设备在接收到所述视频监控指令之后，基于携带的所述第一数量对对应的森林子区域进行视频监控，得到包括所述第一数量的森林监控视频帧的森林监控视频。
进一步地，在上述基于图像识别的森林监控方法中，所述步骤S120，具体包括以下步骤：
针对每一个所述森林监控视频，分别对该森林监控视频包括的多帧森林监控视频帧进行计算，得到每一帧森林监控视频帧对应的视频帧清晰度；
针对每一个所述森林监控视频，基于该森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧对应的视频帧清晰度，确定出具有最大视频帧清晰度的森林监控视频帧，并将该森林监控视频帧确定为该森林监控视频对应的代表森林监控视频帧。
进一步地，在上述基于图像识别的森林监控方法中，所述针对每一个所述森林监控视频，分别对该森林监控视频包括的多帧森林监控视频帧进行计算，得到每一帧森林监控视频帧对应的视频帧清晰度的步骤，包括：
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，将该森林监控视频帧分割为多帧森林监控子视频帧；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，分别计算该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行清晰度融合处理，得到该森林监控视频帧对应的视频帧清晰度。
进一步地，在上述基于图像识别的森林监控方法中，所述针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行清晰度融合处理，得到该森林监控视频帧对应的视频帧清晰度的步骤，包括：
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，计算该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度的平均值，得到该森林监控视频帧对应的清晰度均值，并基于该清晰度均值对该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行离散值计算，得到该森林监控视频帧对应的清晰度离散值；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的清晰度离散值确定出该森林监控视频帧对应的融合系数，其中，所述融合系数与所述清晰度离散值之间具有负相关关系，且所述融合系数小于或等于1、大于0；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，计算该森林监控视频帧对应的清晰度均值和对应的融合系数之间的乘积，得到该森林监控视频帧对应的视频帧清晰度。
进一步地，在上述基于图像识别的森林监控方法中，所述步骤S130，具体包括以下步骤：
确定所述目标森林区域包括的多个森林子区域之间的区域相邻关系，并基于所述多个森林子区域之间的区域相邻关系，对所述多个森林子区域对应的多帧所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧；
对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带；
基于所述至少一条防火隔离带的面积，得到对应的防火隔离面积，并基于所述防火隔离面积确定出所述目标森林区域对应的第一安全系数，其中，所述第一安全系数与所述防火隔离面积之间具有正相关关系；
确定所述至少一条防火隔离带将所述目标森林区域分割为相互独立的隔离区域的数量，得到对应的防火隔离区域数量，并基于所述防火隔离区域数量确定出所述目标森林区域对应的第二安全系数，其中，所述第二安全系数与所述防火隔离区域数量之间具有正相关关系；
对所述第一安全系数和所述第二安全系数进行融合处理，得到所述目标森林区域对应的安全系数融合值，并将所述安全系数融合值确定为所述目标森林区域对应的火灾监控结果，其中，所述安全系数融合值用于表征所述目标森林区域在发生火宅时的安全程度。
进一步地，在上述基于图像识别的森林监控方法中，所述对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带的步骤，包括：
基于所述森林监控拼接视频帧中的每一个像素点的像素颜色，对所述像素点进行聚类处理，得到对应的多个第一像素点聚类集合，其中，属于同一个第一像素点聚类集合中的任意两个像素点对应的像素颜色相同，属于不同第一像素点聚类集合中的任意两个像素点对应的像素颜色不相同；
针对每一个所述第一像素点聚类集合，对该第一像素点聚类集合包括的多个像素点进行聚类处理，得到该第一像素点聚类集合对应的至少一个第二像素点聚类集合，其中，任意一个所述像素点在对应的第二像素点聚类集合中至少具有一个相邻的像素点，且同一个所述第一像素点聚类集合对应的任意两个第二像素点聚类集合之间任意两个像素点不相邻；
针对每一个所述第二像素点聚类集合，统计该第二像素点聚类集合包括的像素点的数量，得到该第二像素点聚类集合对应的像素点统计数量，并确定该像素点统计数量与预先配置的第一数量阈值之间的相对大小关系，以及，在该像素点统计数量小于或等于所述第一数量阈值时，将该第二像素点聚类集合更新为第三像素点聚类集合；
针对每一个所述第三像素点聚类集合，基于该第三像素点聚类集合包括的每一个像素点，构建出对应的第一像素区域，并针对当前的每一个第二像素点聚类集合，基于该第二像素点聚类集合包括的每一个像素点，构建出对应的第二像素区域；
针对每一个所述第三像素点聚类集合，确定是否存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域，并在存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域时，将该第三像素点聚类集合包括的像素点合并至该至少一个第二像素区域中区域内轮廓长度最小的一个第二像素区域对应的第二像素点聚类集合中，得到新的第二像素点聚类集合；
将当前具有的每一个第二像素点聚类集合和每一个第三像素点聚类集合确定为目标像素点聚类集合，并针对每一个所述目标像素点聚类集合，基于该目标像素点聚类集合包括的像素点的像素颜色，确定出该目标像素点聚类集合对应的像素区域是否属于防火隔离区域，并在该像素区域属于防火隔离区域时，将该像素区域中长度最大且不邻接的两条区域边界线，分别作为该像素区域对应的第一区域边界线和第二区域边界线；
针对属于防火隔离区域的每一个像素区域，对该像素区域对应的第一区域边界线进行拐点识别处理，得到该第一区域边界线对应的多个边界线拐点，并分别计算每一个边界线拐点与该像素区域对应的第二区域边界线之间的最小距离值，以及，基于每一个边界线拐点对应的最小距离值的平均值，确定该像素区域是否属于防火隔离带。
本发明还提供一种基于图像识别的森林监控系统，应用于图像处理服务器，所述图像处理服务器通信连接有多个图像监控设备，所述基于图像识别的森林监控系统包括：
监控视频获取模块，用于针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，其中，所述多个图像监控设备与目标森林区域包括的多个森林子区域一一对应，且每一个所述森林监控视频包括多帧森林监控视频帧；
监控视频筛选模块，用于针对每一个所述森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧；
监控视频识别模块，用于对所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧，并对所述森林监控拼接视频帧进行识别处理，得到所述目标森林区域对应的火灾监控结果。
通过以上技术方案，相对于现有技术，本发明具有以下有益效果：
本发明提供的一种基于图像识别的森林监控方法及系统，可以先针对每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，然后，可以针对每一个森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧，使得可以对代表森林监控视频帧进行拼接处理，得到目标森林区域对应的森林监控拼接视频帧，并对森林监控拼接视频帧进行识别处理，得到目标森林区域对应的火灾监控结果。基于此，由于在进行识别处理之前，先进行了视频帧的筛选处理，可以降低需要识别的视频帧的数量，从而提高识别效率，进而改善现有技术中对森林防火的监控效率不高的问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳方案，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的图像处理服务器的结构框图。
图2为本发明实施例提供的基于图像识别的森林监控方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于图像识别的森林监控系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供了一种图像处理服务器。其中，所述图像处理服务器可以包括存储器和处理器。
详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例（如后文所述）提供的基于图像识别的森林监控方法。
可以理解的是，在一些较佳的实施方式中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（ErasableProgrammable Read-Only Memory，EPROM），电可擦除只读存储器（Electric ErasableProgrammable Read-Only Memory，EEPROM）等。
可以理解的是，在一些较佳的实施方式中，所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
并且，图1所示的结构仅为示意，所述图像处理服务器还可包括比图1中所示更多或者更少的组件，或具有与图1所示不同的配置，例如，可以包括用于与其它设备进行信息交互的通信单元。
结合图2，本发明实施例还提供一种基于图像识别的森林监控方法，可应用于上述图像处理服务器。其中，所述基于图像识别的森林监控方法有关的流程所定义的方法步骤，可以由所述图像处理服务器实现。并且，所述图像处理服务器通信连接有多个图像监控设备。
下面将对图2所示的具体流程，进行详细阐述。
步骤S110，针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频。
在本发明实施例中，所述图像处理服务器可以针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频。其中，所述多个图像监控设备与目标森林区域包括的多个森林子区域一一对应，且每一个所述森林监控视频包括多帧森林监控视频帧。
步骤S120，针对每一个所述森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧。
在本发明实施例中，所述图像处理服务器可以针对每一个所述森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧。
步骤S130，对所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧，并对所述森林监控拼接视频帧进行识别处理，得到所述目标森林区域对应的火灾监控结果。
在本发明实施例中，所述图像处理服务器可以对所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧，并对所述森林监控拼接视频帧进行识别处理，得到所述目标森林区域对应的火灾监控结果。
基于上述内容，可以先针对每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，然后，可以针对每一个森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧，使得可以对代表森林监控视频帧进行拼接处理，得到目标森林区域对应的森林监控拼接视频帧，并对森林监控拼接视频帧进行识别处理，得到目标森林区域对应的火灾监控结果。基于此，由于在进行识别处理之前，先进行了视频帧的筛选处理，可以降低需要识别的视频帧的数量，从而提高识别效率，进而改善现有技术中对森林防火的监控效率不高的问题。
可以理解的是，在一些较佳的实施方式中，上述描述的步骤S110进一步可以包括以下的各步骤：
首先，确定是否需要对目标森林区域进行火灾监控处理，并在需要对目标森林区域进行火灾监控处理时，生成视频监控指令；
其次，将所述视频监控指令分别发送给所述多个图像监控设备中的每一个图像监控设备，其中，每一个所述图像监控设备用于在接收到所述视频监控指令之后，对对应的森林子区域进行视频监控，得到对应的森林监控视频，并将所述森林监控视频发送给所述图像处理服务器；
然后，针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备基于所述视频监控指令采集并发送的所述森林监控视频。
可以理解的是，在一些较佳的实施方式中，上述描述的所述确定是否需要对目标森林区域进行火灾监控处理，并在需要对目标森林区域进行火灾监控处理时，生成视频监控指令的步骤，进一步可以包括以下的各步骤：
首先，获取在历史上最近一次对所述目标森林区域进行火灾监控处理的时间，得到对应的历史火灾监控时间，并获取当前的时间，得到对应的当前时间，以及，计算所述历史火灾监控时间与所述当前时间之间的时间差值（如后者减去前者）；
其次，确定所述时间差值与预先配置的时间差值阈值之间的相对大小关系（如所述时间差值是否小于或等于所述时间差值阈值）；在本实施例中，预先配置的时间差值阈值为在软件运行前所输入的预先设置的时间差值范围，比如说预先配置的时间差值最高阈值为20秒，预先配置的时间差值最低阈值为5秒，具体的预先配置的时间差值阈值根据所述目标森林区域所需要的具体监控要求确定。
然后，若所述时间差值小于或等于所述时间差值阈值，则确定不需要对所述目标森林区域进行火灾监控处理，若所述时间差值大于所述时间差值阈值，则确定需要对所述目标森林区域进行火灾监控处理；
最后，在需要对所述目标森林区域进行火灾监控处理时，生成视频监控指令。
可以理解的是，在一些较佳的实施方式中，上述描述的所述在需要对所述目标森林区域进行火灾监控处理时，生成视频监控指令的步骤，进一步可以包括以下的各步骤：
首先，在需要对所述目标森林区域进行火灾监控处理时，针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备在历史上最近一次对该图像监控设备对应的森林子区域进行视频监控得到多帧历史森林监控视频帧中的历史代表森林监控视频帧；
其次，针对所述多个图像监控设备中的每一个图像监控设备，计算该图像监控设备对应的历史代表森林监控视频帧的视频帧清晰度，并基于该视频帧清晰度确定出该图像监控设备对应的第一数量，所述第一数量指的是图像监控设备所拍摄的历史代表森林监控视频帧的数量，其中，所述第一数量与所述视频帧清晰度之间具有负相关关系；
然后，针对所述多个图像监控设备中的每一个图像监控设备，基于该图像监控设备对应的第一数量生成该图像监控设备对应的视频监控指令，其中，所述视频监控指令中携带对应的第一数量，使得所述图像监控设备在接收到所述视频监控指令之后，基于携带的所述第一数量对对应的森林子区域进行视频监控，得到包括所述第一数量的森林监控视频帧的森林监控视频。
可以理解的是，在一些较佳的实施方式中，上述描述的步骤S120进一步可以包括以下的各步骤：
首先，针对每一个所述森林监控视频，分别对该森林监控视频包括的多帧森林监控视频帧进行计算，得到每一帧森林监控视频帧对应的视频帧清晰度；
其次，针对每一个所述森林监控视频，基于该森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧对应的视频帧清晰度，确定出具有最大视频帧清晰度的森林监控视频帧，并将该森林监控视频帧确定为该森林监控视频对应的代表森林监控视频帧。
可以理解的是，在一些较佳的实施方式中，上述描述的所述针对每一个所述森林监控视频，分别对该森林监控视频包括的多帧森林监控视频帧进行计算，得到每一帧森林监控视频帧对应的视频帧清晰度的步骤，进一步可以包括以下的各步骤：
首先，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，将该森林监控视频帧分割为多帧森林监控子视频帧（所述多帧森林监控子视频帧可以拼接形成该森林监控视频帧）；
其次，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，分别计算该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度（可以参照现有的图像清晰度计算方式，在此不做具体的限定）；
然后，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行清晰度融合处理，得到该森林监控视频帧对应的视频帧清晰度。
可以理解的是，在一些较佳的实施方式中，上述描述的所述针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，将该森林监控视频帧分割为多帧森林监控子视频帧的步骤，进一步可以包括以下的各步骤：
首先，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，对该森林监控视频帧进行树木轮廓识别处理，得到该森林监控视频帧对应的多条树木轮廓；
其次，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，分别统计该森林监控视频帧对应的多条树木轮廓中的每一条树木轮廓的轮廓区域面积；
然后，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，在该森林监控视频帧对应的多条树木轮廓中确定出目标数量条树木轮廓，构建得到该森林监控视频帧对应的树木轮廓集合，其中，多次执行所述针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，在该森林监控视频帧对应的多条树木轮廓中确定出目标数量条树木轮廓，构建得到该森林监控视频帧对应的树木轮廓集合的步骤，以得到每一帧所述森林监控视频帧对应的多个树木轮廓集合；
之后，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧对应的每一个树木轮廓集合，确定出该树木轮廓集合包括的每一条树木轮廓的轮廓区域面积的平均值，得到该树木轮廓集合对应的轮廓区域面积均值，并确定出包围该树木轮廓集合包括的每一条树木轮廓的具有最小面积和目标形状的包围框（如最小矩形框等），以及，计算该包围框的面积，得到该树木轮廓集合对应的包围框面积；
进一步，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧对应的每一个树木轮廓集合，基于该树木轮廓集合对应的轮廓区域面积均值确定出该树木轮廓集合对应的第一筛选系数，并基于该树木轮廓集合对应的包围框面积确定出该树木轮廓集合对应的第二筛选系数，以及，对该第一筛选系数和该第二筛选系数进行融合处理，得到该树木轮廓集合对应的筛选系数融合值，其中，所述第一筛选系数与所述轮廓区域面积均值之间具有正相关关系，所述第二筛选系数与所述包围框面积之间具有正相关关系；
再进一步，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，在该森林监控视频帧对应的多个树木轮廓集合中，确定出对应的筛选系数融合值具有最大值的树木轮廓集合，作为该森林监控视频帧对应的目标树木轮廓集合，并基于与该目标树木轮廓集合中的每一条树木轮廓之间的像素位置距离，对该森林监控视频帧对应的多条树木轮廓进行分类处理（如基于目标树木轮廓集合中的每一条树木轮廓分别建立对应的初始集合，然后，可以将树木轮廓分配至对应的像素位置距离最小的树木轮廓对应的分类集合中），得到该森林监控视频帧对应的多个树木轮廓分类集合，其中，每一个所述树木轮廓分类集合包括对应的所述目标树木轮廓集合中的一条树木轮廓；
再进一步，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的多个树木轮廓分类集合，对该森林监控视频帧进行分割处理，得到该森林监控视频帧对应的多帧初始森林监控子视频帧，并对该多帧初始森林监控子视频帧中的每相邻两帧初始森林监控子视频帧进行分割线确定处理，得到每相邻两帧初始森林监控子视频帧对应的视频帧分割线，以及，确定出该视频帧分割线的长度延伸方向和垂直于长度延伸方向的宽度延伸方向，其中，所述长度延伸方向属于像素行方向或像素列方向；
再进一步，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧对应的每相邻两帧初始森林监控子视频帧，分别计算该相邻两帧初始森林监控子视频帧对应的视频帧分割线上的每两个不相邻的像素点之间在对应的长度延伸方向上的第一距离值、在对应的宽度延伸方向上的第二距离值，以及，针对每两个不相邻的像素点，基于该两个不相邻的像素点对应的第一距离值确定出对应的第一系数，并基于该两个不相邻的像素点对应的第二距离值确定出对应的第二系数，再计算该第一系数和该第二系数的融合值（如加权均值等），得到该两个不相邻的像素点对应的融合系数，其中，所述第一系数与所述第一距离值之间具有正相关关系，所述第二系数与所述第二距离值之间具有负相关关系；
最后，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧对应的每相邻两帧初始森林监控子视频帧，在该相邻两帧初始森林监控子视频帧对应的视频帧分割线上的每两个不相邻的像素点中，确定出对应的融合系数具有最大值的两个不相邻的像素点，并基于该两个不相邻的像素点之间的连接直线段，对该相邻两帧初始森林监控子视频帧重新进行分割处理，得到该森林监控视频帧分割为两帧森林监控子视频帧。
可以理解的是，在一些较佳的实施方式中，上述描述的所述针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行清晰度融合处理，得到该森林监控视频帧对应的视频帧清晰度的步骤，进一步可以包括以下的各步骤：
首先，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，计算该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度的平均值，得到该森林监控视频帧对应的清晰度均值，并基于该清晰度均值对该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行离散值计算，得到该森林监控视频帧对应的清晰度离散值；
其次，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的清晰度离散值确定出该森林监控视频帧对应的融合系数，其中，所述融合系数与所述清晰度离散值之间具有负相关关系，且所述融合系数小于或等于1、大于0；
然后，针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，计算该森林监控视频帧对应的清晰度均值和对应的融合系数之间的乘积，得到该森林监控视频帧对应的视频帧清晰度。
可以理解的是，在一些较佳的实施方式中，上述描述的步骤S130进一步可以包括以下的各步骤：
首先，确定所述目标森林区域包括的多个森林子区域之间的区域相邻关系，并基于所述多个森林子区域之间的区域相邻关系，对所述多个森林子区域对应的多帧所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧；
其次，对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带；
然后，基于所述至少一条防火隔离带的面积，得到对应的防火隔离面积，并基于所述防火隔离面积确定出所述目标森林区域对应的第一安全系数，其中，所述第一安全系数与所述防火隔离面积之间具有正相关关系；
之后，确定所述至少一条防火隔离带将所述目标森林区域分割为相互独立的隔离区域的数量，得到对应的防火隔离区域数量，并基于所述防火隔离区域数量确定出所述目标森林区域对应的第二安全系数，其中，所述第二安全系数与所述防火隔离区域数量之间具有正相关关系；
最后，对所述第一安全系数和所述第二安全系数进行融合处理（如计算加权均值），得到所述目标森林区域对应的安全系数融合值，并将所述安全系数融合值确定为所述目标森林区域对应的火灾监控结果，其中，所述安全系数融合值用于表征所述目标森林区域在发生火宅时的安全程度。
可以理解的是，在一些较佳的实施方式中，上述描述的所述对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带的步骤，进一步可以包括以下的各步骤：
首先，基于所述森林监控拼接视频帧中的每一个像素点的像素颜色，对所述像素点进行聚类处理，得到对应的多个第一像素点聚类集合，其中，属于同一个第一像素点聚类集合中的任意两个像素点对应的像素颜色相同，属于不同第一像素点聚类集合中的任意两个像素点对应的像素颜色不相同；
其次，针对每一个所述第一像素点聚类集合，对该第一像素点聚类集合包括的多个像素点进行聚类处理，得到该第一像素点聚类集合对应的至少一个第二像素点聚类集合，其中，任意一个所述像素点在对应的第二像素点聚类集合中至少具有一个相邻的像素点，且同一个所述第一像素点聚类集合对应的任意两个第二像素点聚类集合之间任意两个像素点不相邻；
然后，针对每一个所述第二像素点聚类集合，统计该第二像素点聚类集合包括的像素点的数量，得到该第二像素点聚类集合对应的像素点统计数量，并确定该像素点统计数量与预先配置的第一数量阈值之间的相对大小关系，以及，在该像素点统计数量小于或等于所述第一数量阈值时，将该第二像素点聚类集合更新为第三像素点聚类集合；在本实施例中，预先配置的第一数量阈值为在软件运行前所输入的预先设置的像素点统计数量范围，比如说预先配置的第一数量最高阈值为100，预先配置的第一数量最低阈值为60，具体的预先配置的第一数量阈值根据所述像素点统计数量所需要的具体统计要求确定。
之后，针对每一个所述第三像素点聚类集合，基于该第三像素点聚类集合包括的每一个像素点，构建出对应的第一像素区域，并针对当前的每一个第二像素点聚类集合，基于该第二像素点聚类集合包括的每一个像素点，构建出对应的第二像素区域；
进一步，针对每一个所述第三像素点聚类集合，确定是否存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域，并在存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域时，将该第三像素点聚类集合包括的像素点合并至该至少一个第二像素区域中区域内轮廓长度最小的一个第二像素区域对应的第二像素点聚类集合中，得到新的第二像素点聚类集合；
再进一步，将当前具有的每一个第二像素点聚类集合和每一个第三像素点聚类集合确定为目标像素点聚类集合，并针对每一个所述目标像素点聚类集合，基于该目标像素点聚类集合包括的像素点的像素颜色，确定出该目标像素点聚类集合对应的像素区域是否属于防火隔离区域，并在该像素区域属于防火隔离区域时，将该像素区域中长度最大且不邻接的两条区域边界线，分别作为该像素区域对应的第一区域边界线和第二区域边界线；
最后，针对属于防火隔离区域的每一个像素区域，对该像素区域对应的第一区域边界线进行拐点识别处理，得到该第一区域边界线对应的多个边界线拐点，并分别计算每一个边界线拐点与该像素区域对应的第二区域边界线之间的最小距离值，以及，基于每一个边界线拐点对应的最小距离值的平均值，确定该像素区域是否属于防火隔离带（如该平均值大于或等于预先的距离阈值，可以确定属于防火隔离带）。在本实施例中，预先配置的距离阈值为在软件运行前所输入的预先设置的距离差值范围，比如说预先配置的距离差值最高阈值为10cm，预先配置的距离差值最低阈值为5cm，具体的预先配置的距离差值阈值根据防火隔离区域的每一个像素区域所需要的具体监控要求确定。
结合图3，本发明实施例还提供一种基于图像识别的森林监控系统，可应用于上述图像处理服务器。其中，所述基于图像识别的森林监控系统可以包括的以下的各模块：
监控视频获取模块，用于针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，其中，所述多个图像监控设备与目标森林区域包括的多个森林子区域一一对应，且每一个所述森林监控视频包括多帧森林监控视频帧；
监控视频筛选模块，用于针对每一个所述森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧；
监控视频识别模块，用于对所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧，并对所述森林监控拼接视频帧进行识别处理，得到所述目标森林区域对应的火灾监控结果。
综上所述，本发明提供的一种基于图像识别的森林监控方法及系统，可以先针对每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，然后，可以针对每一个森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧，使得可以对代表森林监控视频帧进行拼接处理，得到目标森林区域对应的森林监控拼接视频帧，并对森林监控拼接视频帧进行识别处理，得到目标森林区域对应的火灾监控结果。基于此，由于在进行识别处理之前，先进行了视频帧的筛选处理，可以降低需要识别的视频帧的数量，从而提高识别效率，进而改善现有技术中对森林防火的监控效率不高的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于图像识别的森林监控方法，其特征在于，应用于图像处理服务器，所述图像处理服务器通信连接有多个图像监控设备，所述基于图像识别的森林监控方法包括：
步骤S110，针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，其中，所述多个图像监控设备与目标森林区域包括的多个森林子区域一一对应，且每一个所述森林监控视频包括多帧森林监控视频帧；
步骤S120，针对每一个所述森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧；
步骤S130，对所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧，并对所述森林监控拼接视频帧进行识别处理，得到所述目标森林区域对应的火灾监控结果；
所述步骤S130，具体包括以下步骤：
确定所述目标森林区域包括的多个森林子区域之间的区域相邻关系，并基于所述多个森林子区域之间的区域相邻关系，对所述多个森林子区域对应的多帧所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧；
对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带；
基于所述至少一条防火隔离带的面积，得到对应的防火隔离面积，并基于所述防火隔离面积确定出所述目标森林区域对应的第一安全系数，其中，所述第一安全系数与所述防火隔离面积之间具有正相关关系；
确定所述至少一条防火隔离带将所述目标森林区域分割为相互独立的隔离区域的数量，得到对应的防火隔离区域数量，并基于所述防火隔离区域数量确定出所述目标森林区域对应的第二安全系数，其中，所述第二安全系数与所述防火隔离区域数量之间具有正相关关系；
对所述第一安全系数和所述第二安全系数进行融合处理，得到所述目标森林区域对应的安全系数融合值，并将所述安全系数融合值确定为所述目标森林区域对应的火灾监控结果，其中，所述安全系数融合值用于表征所述目标森林区域在发生火宅时的安全程度；
所述对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带的步骤，包括：
基于所述森林监控拼接视频帧中的每一个像素点的像素颜色，对所述像素点进行聚类处理，得到对应的多个第一像素点聚类集合，其中，属于同一个第一像素点聚类集合中的任意两个像素点对应的像素颜色相同，属于不同第一像素点聚类集合中的任意两个像素点对应的像素颜色不相同；
针对每一个所述第一像素点聚类集合，对该第一像素点聚类集合包括的多个像素点进行聚类处理，得到该第一像素点聚类集合对应的至少一个第二像素点聚类集合，其中，任意一个所述像素点在对应的第二像素点聚类集合中至少具有一个相邻的像素点，且同一个所述第一像素点聚类集合对应的任意两个第二像素点聚类集合之间任意两个像素点不相邻；
针对每一个所述第二像素点聚类集合，统计该第二像素点聚类集合包括的像素点的数量，得到该第二像素点聚类集合对应的像素点统计数量，并确定该像素点统计数量与预先配置的第一数量阈值之间的相对大小关系，以及，在该像素点统计数量小于或等于所述第一数量阈值时，将该第二像素点聚类集合更新为第三像素点聚类集合；
针对每一个所述第三像素点聚类集合，基于该第三像素点聚类集合包括的每一个像素点，构建出对应的第一像素区域，并针对当前的每一个第二像素点聚类集合，基于该第二像素点聚类集合包括的每一个像素点，构建出对应的第二像素区域；
针对每一个所述第三像素点聚类集合，确定是否存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域，并在存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域时，将该第三像素点聚类集合包括的像素点合并至该至少一个第二像素区域中区域内轮廓长度最小的一个第二像素区域对应的第二像素点聚类集合中，得到新的第二像素点聚类集合；
将当前具有的每一个第二像素点聚类集合和每一个第三像素点聚类集合确定为目标像素点聚类集合，并针对每一个所述目标像素点聚类集合，基于该目标像素点聚类集合包括的像素点的像素颜色，确定出该目标像素点聚类集合对应的像素区域是否属于防火隔离区域，并在该像素区域属于防火隔离区域时，将该像素区域中长度最大且不邻接的两条区域边界线，分别作为该像素区域对应的第一区域边界线和第二区域边界线；
针对属于防火隔离区域的每一个像素区域，对该像素区域对应的第一区域边界线进行拐点识别处理，得到该第一区域边界线对应的多个边界线拐点，并分别计算每一个边界线拐点与该像素区域对应的第二区域边界线之间的最小距离值，以及，基于每一个边界线拐点对应的最小距离值的平均值，确定该像素区域是否属于防火隔离带。
2.如权利要求1所述的基于图像识别的森林监控方法，其特征在于，所述步骤S110，具体包括以下步骤：
确定是否需要对目标森林区域进行火灾监控处理，并在需要对目标森林区域进行火灾监控处理时，生成视频监控指令；
将所述视频监控指令分别发送给所述多个图像监控设备中的每一个图像监控设备，其中，每一个所述图像监控设备用于在接收到所述视频监控指令之后，对对应的森林子区域进行视频监控，得到对应的森林监控视频，并将所述森林监控视频发送给所述图像处理服务器；
针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备基于所述视频监控指令采集并发送的所述森林监控视频。
3.如权利要求2所述的基于图像识别的森林监控方法，其特征在于，所述确定是否需要对目标森林区域进行火灾监控处理，并在需要对目标森林区域进行火灾监控处理时，生成视频监控指令的步骤，包括：
获取在历史上最近一次对所述目标森林区域进行火灾监控处理的时间，得到对应的历史火灾监控时间，并获取当前的时间，得到对应的当前时间，以及，计算所述历史火灾监控时间与所述当前时间之间的时间差值；
确定所述时间差值与预先配置的时间差值阈值之间的相对大小关系；
若所述时间差值小于或等于所述时间差值阈值，则确定不需要对所述目标森林区域进行火灾监控处理，若所述时间差值大于所述时间差值阈值，则确定需要对所述目标森林区域进行火灾监控处理；
在需要对所述目标森林区域进行火灾监控处理时，生成视频监控指令。
4.如权利要求3所述的基于图像识别的森林监控方法，其特征在于，所述在需要对所述目标森林区域进行火灾监控处理时，生成视频监控指令的步骤，包括：
在需要对所述目标森林区域进行火灾监控处理时，针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备在历史上最近一次对该图像监控设备对应的森林子区域进行视频监控得到多帧历史森林监控视频帧中的历史代表森林监控视频帧；
针对所述多个图像监控设备中的每一个图像监控设备，计算该图像监控设备对应的历史代表森林监控视频帧的视频帧清晰度，并基于该视频帧清晰度确定出该图像监控设备对应的第一数量，所述第一数量指的是图像监控设备所拍摄的历史代表森林监控视频帧的数量，其中，所述第一数量与所述视频帧清晰度之间具有负相关关系；
针对所述多个图像监控设备中的每一个图像监控设备，基于该图像监控设备对应的第一数量生成该图像监控设备对应的视频监控指令，其中，所述视频监控指令中携带对应的第一数量，使得所述图像监控设备在接收到所述视频监控指令之后，基于携带的所述第一数量对对应的森林子区域进行视频监控，得到包括所述第一数量的森林监控视频帧的森林监控视频。
5.如权利要求1所述的基于图像识别的森林监控方法，其特征在于，所述步骤S120，具体包括以下步骤：
针对每一个所述森林监控视频，分别对该森林监控视频包括的多帧森林监控视频帧进行计算，得到每一帧森林监控视频帧对应的视频帧清晰度；
针对每一个所述森林监控视频，基于该森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧对应的视频帧清晰度，确定出具有最大视频帧清晰度的森林监控视频帧，并将该森林监控视频帧确定为该森林监控视频对应的代表森林监控视频帧。
6.如权利要求5所述的基于图像识别的森林监控方法，其特征在于，所述针对每一个所述森林监控视频，分别对该森林监控视频包括的多帧森林监控视频帧进行计算，得到每一帧森林监控视频帧对应的视频帧清晰度的步骤，包括：
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，将该森林监控视频帧分割为多帧森林监控子视频帧；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，分别计算该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行清晰度融合处理，得到该森林监控视频帧对应的视频帧清晰度。
7.如权利要求6所述的基于图像识别的森林监控方法，其特征在于，所述针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行清晰度融合处理，得到该森林监控视频帧对应的视频帧清晰度的步骤，包括：
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，计算该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度的平均值，得到该森林监控视频帧对应的清晰度均值，并基于该清晰度均值对该森林监控视频帧对应的多帧森林监控子视频帧中的每一帧森林监控子视频帧的子视频帧清晰度进行离散值计算，得到该森林监控视频帧对应的清晰度离散值；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，基于该森林监控视频帧对应的清晰度离散值确定出该森林监控视频帧对应的融合系数，其中，所述融合系数与所述清晰度离散值之间具有负相关关系，且所述融合系数小于或等于1、大于0；
针对每一个所述森林监控视频包括的多帧森林监控视频帧中的每一帧森林监控视频帧，计算该森林监控视频帧对应的清晰度均值和对应的融合系数之间的乘积，得到该森林监控视频帧对应的视频帧清晰度。
8.一种基于图像识别的森林监控系统，其特征在于，应用于图像处理服务器，所述图像处理服务器通信连接有多个图像监控设备，所述基于图像识别的森林监控系统包括：
监控视频获取模块，用于针对所述多个图像监控设备中的每一个图像监控设备，获取该图像监控设备对该图像监控设备对应的森林子区域进行视频监控得到的森林监控视频，其中，所述多个图像监控设备与目标森林区域包括的多个森林子区域一一对应，且每一个所述森林监控视频包括多帧森林监控视频帧；
监控视频筛选模块，用于针对每一个所述森林监控视频，对该森林监控视频包括的多帧森林监控视频帧进行筛选处理，得到该森林监控视频对应的代表森林监控视频帧；
监控视频识别模块，用于对所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧，并对所述森林监控拼接视频帧进行识别处理，得到所述目标森林区域对应的火灾监控结果；
具体包括以下步骤：
确定所述目标森林区域包括的多个森林子区域之间的区域相邻关系，并基于所述多个森林子区域之间的区域相邻关系，对所述多个森林子区域对应的多帧所述代表森林监控视频帧进行拼接处理，得到所述目标森林区域对应的森林监控拼接视频帧；
对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带；
基于所述至少一条防火隔离带的面积，得到对应的防火隔离面积，并基于所述防火隔离面积确定出所述目标森林区域对应的第一安全系数，其中，所述第一安全系数与所述防火隔离面积之间具有正相关关系；
确定所述至少一条防火隔离带将所述目标森林区域分割为相互独立的隔离区域的数量，得到对应的防火隔离区域数量，并基于所述防火隔离区域数量确定出所述目标森林区域对应的第二安全系数，其中，所述第二安全系数与所述防火隔离区域数量之间具有正相关关系；
对所述第一安全系数和所述第二安全系数进行融合处理，得到所述目标森林区域对应的安全系数融合值，并将所述安全系数融合值确定为所述目标森林区域对应的火灾监控结果，其中，所述安全系数融合值用于表征所述目标森林区域在发生火宅时的安全程度；
所述对所述森林监控拼接视频帧进行隔离带识别处理，得到所述目标森林区域对应的至少一条防火隔离带的步骤，包括：
基于所述森林监控拼接视频帧中的每一个像素点的像素颜色，对所述像素点进行聚类处理，得到对应的多个第一像素点聚类集合，其中，属于同一个第一像素点聚类集合中的任意两个像素点对应的像素颜色相同，属于不同第一像素点聚类集合中的任意两个像素点对应的像素颜色不相同；
针对每一个所述第一像素点聚类集合，对该第一像素点聚类集合包括的多个像素点进行聚类处理，得到该第一像素点聚类集合对应的至少一个第二像素点聚类集合，其中，任意一个所述像素点在对应的第二像素点聚类集合中至少具有一个相邻的像素点，且同一个所述第一像素点聚类集合对应的任意两个第二像素点聚类集合之间任意两个像素点不相邻；
针对每一个所述第二像素点聚类集合，统计该第二像素点聚类集合包括的像素点的数量，得到该第二像素点聚类集合对应的像素点统计数量，并确定该像素点统计数量与预先配置的第一数量阈值之间的相对大小关系，以及，在该像素点统计数量小于或等于所述第一数量阈值时，将该第二像素点聚类集合更新为第三像素点聚类集合；
针对每一个所述第三像素点聚类集合，基于该第三像素点聚类集合包括的每一个像素点，构建出对应的第一像素区域，并针对当前的每一个第二像素点聚类集合，基于该第二像素点聚类集合包括的每一个像素点，构建出对应的第二像素区域；
针对每一个所述第三像素点聚类集合，确定是否存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域，并在存在包围该第三像素点聚类集合对应的第一像素区域的至少一个第二像素区域时，将该第三像素点聚类集合包括的像素点合并至该至少一个第二像素区域中区域内轮廓长度最小的一个第二像素区域对应的第二像素点聚类集合中，得到新的第二像素点聚类集合；
将当前具有的每一个第二像素点聚类集合和每一个第三像素点聚类集合确定为目标像素点聚类集合，并针对每一个所述目标像素点聚类集合，基于该目标像素点聚类集合包括的像素点的像素颜色，确定出该目标像素点聚类集合对应的像素区域是否属于防火隔离区域，并在该像素区域属于防火隔离区域时，将该像素区域中长度最大且不邻接的两条区域边界线，分别作为该像素区域对应的第一区域边界线和第二区域边界线；
针对属于防火隔离区域的每一个像素区域，对该像素区域对应的第一区域边界线进行拐点识别处理，得到该第一区域边界线对应的多个边界线拐点，并分别计算每一个边界线拐点与该像素区域对应的第二区域边界线之间的最小距离值，以及，基于每一个边界线拐点对应的最小距离值的平均值，确定该像素区域是否属于防火隔离带。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210788322.1A CN114863350B (zh) | 2022-07-06 | 2022-07-06 | 一种基于图像识别的森林监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210788322.1A CN114863350B (zh) | 2022-07-06 | 2022-07-06 | 一种基于图像识别的森林监控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114863350A CN114863350A (zh) | 2022-08-05 |
| CN114863350B true CN114863350B (zh) | 2022-10-04 |
Family
ID=82627075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210788322.1A Active CN114863350B (zh) | 2022-07-06 | 2022-07-06 | 一种基于图像识别的森林监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114863350B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115205765B (zh) * | 2022-09-15 | 2022-11-25 | 成都中轨轨道设备有限公司 | 一种基于fpga的视频分析方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112580396A (zh) * | 2019-09-29 | 2021-03-30 | 东北林业大学 | 一种森林火灾识别方法 |
| CN113435359A (zh) * | 2021-06-30 | 2021-09-24 | 李思雨 | 一种图像识别方法 |
| CN113553942A (zh) * | 2021-07-20 | 2021-10-26 | 李旭昆 | 一种图像处理方法 |
| CN114140713A (zh) * | 2021-11-11 | 2022-03-04 | 郑信江 | 一种图像识别系统、图像识别方法 |
-
2022
- 2022-07-06 CN CN202210788322.1A patent/CN114863350B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114863350A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1805715B1 (en) | A method and system for processing video data | |
| CN114863350B (zh) | 一种基于图像识别的森林监控方法及系统 | |
| CN111222478A (zh) | 一种工地安全防护检测方法和系统 | |
| US11321287B2 (en) | Data noise reduction method, device, computer apparatus and storage medium | |
| CN115018840B (zh) | 精密铸件裂纹检测方法、系统及装置 | |
| CN115660520A (zh) | 一种基于交通运输物流的数据分析方法及系统 | |
| CN112800846B (zh) | 高空抛物的监测方法、装置、电子设备及存储介质 | |
| CN112102340A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN115719467A (zh) | 一种基于图像识别的森林调查监测方法及系统 | |
| CN114724215A (zh) | 一种敏感图像识别方法及系统 | |
| CN111882578A (zh) | 前景图像获取方法、前景图像获取装置和电子设备 | |
| CN110913209B (zh) | 摄像头遮挡检测方法、装置、电子设备及监控系统 | |
| JP2017045438A (ja) | 画像解析装置、画像解析方法、画像解析プログラム、および画像解析システム | |
| CN112927178B (zh) | 遮挡检测方法、装置、电子设备以及存储介质 | |
| CN115909215A (zh) | 一种基于目标检测的边缘入侵预警方法及系统 | |
| CN116644476B (zh) | 一种图像遮挡方法、装置、电子设备和存储介质 | |
| CN112967301A (zh) | 自拍图像抠图方法及装置 | |
| CN115620243B (zh) | 基于人工智能的污染源监测方法、系统及云平台 | |
| CN115065842A (zh) | 基于虚拟现实的全景视频串流交互方法及系统 | |
| CN115830641A (zh) | 一种员工识别方法、装置、电子设备及存储介质 | |
| CN115588157A (zh) | 交联低烟低卤聚烯烃材料的性能数据处理方法及系统 | |
| CN114896653A (zh) | 一种基于bim的建筑物数据监测方法及其系统 | |
| CN113965759A (zh) | 一种视频帧的压缩方法及系统 | |
| CN114255344A (zh) | 安检图像切分方法、装置、电子设备及计算机可读介质 | |
| CN112700657B (zh) | 用于生成检测信息的方法、装置、路侧设备和云控平台 |
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 |