CN115083102B - 基于灾情雷达的火灾灾情检测方法及系统 - Google Patents
基于灾情雷达的火灾灾情检测方法及系统 Download PDFInfo
- Publication number
- CN115083102B CN115083102B CN202210519402.7A CN202210519402A CN115083102B CN 115083102 B CN115083102 B CN 115083102B CN 202210519402 A CN202210519402 A CN 202210519402A CN 115083102 B CN115083102 B CN 115083102B
- Authority
- CN
- China
- Prior art keywords
- imaging information
- information
- fire
- image
- disaster
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000003384 imaging method Methods 0.000 claims abstract description 160
- 238000009826 distribution Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000000779 smoke Substances 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 36
- 239000000428 dust Substances 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 230000007480 spreading Effects 0.000 abstract description 3
- 238000003892 spreading Methods 0.000 abstract description 3
- 238000002485 combustion reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
Abstract
本发明涉及基于灾情雷达的火灾灾情检测方法及系统,其包括:提供一检测装置,其包括无人机,无人机上安装有雷达探测器、红外摄像头和高清摄像头;利用检测装置进行获取第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;将数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息,并结合数据库中的第一成像信息得到火灾情况分布图。该方法将实际的火灾现场图片、热量分布和火灾上空的烟尘分布情况,进行综合的分析,可得到火灾处的具体分布情况,以分辨出明火和暗火,以及还可以对火势蔓延进行预测,检测方法简单准确。
Description
技术领域
本发明涉及遥感探测技术领域,特别涉及基于灾情雷达的火灾灾情检测方法及系统。
背景技术
森林火灾是一种年年发生的世界性的、危害森林资源的重大灾害,每一次森林大火都给森林植被、森林生态系统、全球生态环境和人类生命财产带来严重危害和损失。我国是重、特大森林火灾高发区,特别是在东北森林与华南森林,已引起政府的高度重视。因此,对于森林火灾的监控至关重要,如何及时、准确地检测到森林火灾的发生已经成为国内外研究热点之一。
在一些相关技术中,利用雷达遥感技术进行检测火灾的情况,其原理为火情出现时,会在上空产生漂浮的烟尘和碳化燃烧物,其如同雨滴一般可以反射雷达发射出的微波脉冲信号,经过对反射回来的脉冲信号进行分析后可以得出,火灾的情况;但是其存在以下的问题:
(1)其反射的微波脉冲信号,当云滴和雨滴存在时,会产生较大的干扰,需要利用回波的移动性、扩散性、多普勒速度场分布特征进行分析处理,该方法较为复杂。
(2)由于火灾产生上空产生漂浮的烟尘和碳化燃烧物,是不断的进行移动的,其分析出的情况与实际的情况不相符合;并且当火灾处于发生阶段、并没有产生较大的烟尘和碳化燃烧物时,是无法进行检测的,往往检测到火灾时,其已经发展到了灾情严重的地步,这是亟需解决的问题。
发明内容
本发明实施例提供基于灾情雷达的火灾灾情检测方法及系统,以解决相关技术中当云滴和雨滴存在时,会产生较大的干扰,需要利用回波的移动性、扩散性、多普勒速度场分布特征进行分析处理,该方法较为复杂的问题。
第一方面,提供了基于灾情雷达的火灾灾情检测方法,包括以下步骤:
提供一检测装置,其包括无人机,所述无人机上安装有雷达探测器、红外摄像头和高清摄像头;
利用所述检测装置进行获取第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;所述第一成像信息为雷达探测器影像,第二成像信息为热量影像,第三成像信息为高清影像;
将所述数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;
利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;
结合所述数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。
一些实施例中,将所述数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层,包括以下步骤:
将所述数据库中图像信息相似的第二成像信息和第三成像信息进行关联;
将关联度超过百分之九十的第二成像信息和第三成像信息划分为一组,并形成一个空间模型;每个空间模型中包括两个平行的平面,第二成像信息和第三成像信息分别对应分布在两个平面内;
获取每个空间模型中第二成像信息和第三成像信息的四周边缘信息;
将每个空间模型中的四周边缘信息进行关联;
按照关联度从高到低进行排列组合,以得到所述图像分布信息总图层;所述图像分布信息总图层包括热量影像图层和高清影像图层。
一些实施例中,利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息,包括以下步骤:
将图像分布信息总图层中的热量影像图层进行格栅化处理,得到多个格栅区域;
利用格栅区域对高清影像图层进行切割,得到分析区域;
根据格栅区域的热量分布值,并结合分析区域按照第一设定规则进行分析判定,形成所述第一信息。
一些实施例中,所述第一设定规则包括:
若格栅区域的热量分布值未超过火灾值,则未有火灾;
若格栅区域的热量分布值超过火灾值,则读取其对应的分析区域,并进行以下的分析:
若分析区域出现浓烟,则表明为地表出现明火灾情;否则地表下发生暗火。
一些实施例中,在按照所述第一设定规则判断之前,还需要对分析区域内的地表物进行分析;
若地表物为光秃裸露的岩石或者湖泊区域,则跳过该分析区域的判定,否则进入按照第一设定规则进行分析判定的步骤。
一些实施例中,结合所述数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图,包括以下步骤:
将所述第一成像信息进行排列组合,形成雷达探测器影像图层;
按照也进行格栅化处理,得到与分析区域对应的优化区域;
获取优化区域的信息,并结合所述第一信息,按照第二设定规则进行判断,最终得到所述火灾情况分布图。
一些实施例中,所述第二设定规则具体为:
当所述第一信息出现火灾时,且优化区域上空有烟尘和碳化燃烧物,则表明此优化区域正在燃烧;
当所述第一信息为出现火灾时,且优化区域上空有烟尘和碳化燃烧物,则表明此优化区域为火势将要蔓延的区域。
一些实施例中,所述检测装置上还设有与雷达探测器、红外摄像头和高清摄像头连接的信号传输装置。
第二方面,提供了基于灾情雷达的火灾灾情检测系统,其包括:
检测装置,其包括无人机,所述无人机上安装有雷达探测器、红外摄像头和高清摄像头;
第一模块,利用所述检测装置进行获取第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;所述第一成像信息为雷达探测器影像,第二成像信息为热量影像,第三成像信息为高清影像;
第二模块,将所述数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;
第三模块,利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;
第四模块,结合所述数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。
一些实施例中,还包括第五模块,第五模块接收所述数据库,并其内存储有计算机可读存储介质,计算机可读存储介质用于执行基于灾情雷达的火灾灾情检测方法。
本发明提供的技术方案带来的有益效果包括:
本发明实施例提供了基于灾情雷达的火灾灾情检测方法及系统,通过无人机上的雷达探测器、红外摄像头和高清摄像头,可得到第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;第一成像信息为雷达探测器影像,第二成像信息为热量影像,第三成像信息为高清影像;通过将第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;结合数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。该方法将实际的火灾现场图片、热量分布和火灾上空的烟尘分布情况,进行综合的分析,可以得到火灾处的具体分布情况,以分辨出明火和暗火,以及还可以对火势蔓延进行预测。其检测方法简单,无需复杂的计算,并且检测结果准确。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于灾情雷达的火灾灾情检测方法流程示意图;
图2为本发明实施例提供的检测装置的示意图。
图中:1、检测装置;10、无人机;11、雷达探测器;12、红外摄像头;13、高清摄像头。
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,所描述的实施例是本发明的一部分实施例,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的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。
本发明实施例提供了基于灾情雷达的火灾灾情检测方法及系统,以解决相关技术中当云滴和雨滴存在时,会产生较大的干扰,需要利用回波的移动性、扩散性、多普勒速度场分布特征进行分析处理,该方法较为复杂的问题。
请参阅图1,基于灾情雷达的火灾灾情检测方法,包括以下步骤:
提供一检测装置1,其包括无人机10,无人机10上安装有雷达探测器11、红外摄像头12和高清摄像头13;
利用检测装置1进行获取第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;第一成像信息为雷达探测器影像,第二成像信息为热量影像,第三成像信息为高清影像;
将数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;
利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;
结合数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。
通过将第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;结合数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。该方法将实际的火灾现场图片、热量分布和火灾上空的烟尘分布情况,进行综合的分析,可以得到火灾处的具体分布情况,以分辨出明火和暗火,以及还可以对火势蔓延进行预测。其检测方法简单,无需复杂的计算,并且检测结果准确。
在一些优选的实施例中,将数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层,包括以下步骤:
将数据库中图像信息相似的第二成像信息和第三成像信息进行关联;将关联度超过百分之九十的第二成像信息和第三成像信息划分为一组,并形成一个空间模型;每个空间模型中包括两个平行的平面,第二成像信息和第三成像信息分别对应分布在两个平面内;获取每个空间模型中第二成像信息和第三成像信息的四周边缘信息;将每个空间模型中的四周边缘信息进行关联;按照关联度从高到低进行排列组合,以得到图像分布信息总图层;图像分布信息总图层包括热量影像图层和高清影像图层。
本步骤的作用在于,检测装置1获得的为多个图片,其为散乱的情况,需要进行排列分,通过本将检测装置1获得的所有图片,可进行拼装,以获得完成的火灾情况的图像。
在一些优选的实施例中,利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息,包括以下步骤:将图像分布信息总图层中的热量影像图层进行格栅化处理,得到多个格栅区域;利用格栅区域对高清影像图层进行切割,得到分析区域;根据格栅区域的热量分布值,并结合分析区域按照第一设定规则进行分析判定,形成第一信息。
其中第一设定规则包括:若格栅区域的热量分布值未超过火灾值,则未有火灾;若格栅区域的热量分布值超过火灾值,则读取其对应的分析区域,并进行以下的分析:若分析区域出现浓烟,则表明为地表出现明火灾情;否则地表下发生暗火。
本步骤,利用格栅划分区域,可以得到图像分布信息总图层中每一处的具体火灾情况,得到明火、暗火、以及没有火灾区域的分布情况。
进一步的,在按照第一设定规则判断之前,还需要对分析区域内的地表物进行分析;若地表物为光秃裸露的岩石或者湖泊区域,则跳过该分析区域的判定,否则进入按照第一设定规则进行分析判定的步骤。从而加快分析过程,避免重复的分析。
在一些优选的实施例中,结合数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图,包括以下步骤:
将第一成像信息进行排列组合,形成雷达探测器影像图层;按照也进行格栅化处理,得到与分析区域对应的优化区域;获取优化区域的信息,并结合第一信息,按照第二设定规则进行判断,最终得到火灾情况分布图。
其中,第二设定规则具体为:当第一信息出现火灾时,且优化区域上空有烟尘和碳化燃烧物,则表明此优化区域正在燃烧;当第一信息为出现火灾时,且优化区域上空有烟尘和碳化燃烧物,则表明此优化区域为火势将要蔓延的区域。
这一步骤中,利用第一成像信息进行辅助判断,并且由于火灾会向风向扩散,烟尘随着风向而飘动,因此还可以大致的判断火势将要蔓延的方向,从而给出灭火人员一定的参考。
在一些优选的实施例中,检测装置1上还设有与雷达探测器11、红外摄像头12和高清摄像头13连接的信号传输装置。
本发明还提出了基于灾情雷达的火灾灾情检测系统,其包括:
检测装置1,其包括无人机10,无人机10上安装有雷达探测器11、红外摄像头12和高清摄像头13;
第一模块,利用检测装置1进行获取第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;第一成像信息为雷达探测器影像,第二成像信息为热量影像,第三成像信息为高清影像;
第二模块,将数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;
第三模块,利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;
第四模块,结合数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。
进一步的,还包括第五模块,第五模块接收数据库,并其内存储有计算机可读存储介质,计算机可读存储介质用于执行于火灾探测雷达的火灾灾情检测方法。具体的,计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读存储介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
在本发明的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体的连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是,在本发明中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性地包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.基于灾情雷达的火灾灾情检测方法,其特征在于,包括以下步骤:
提供一检测装置(1),其包括无人机(10),所述无人机(10)上安装有雷达探测器(11)、红外摄像头(12)和高清摄像头(13);
利用所述检测装置(1)进行获取第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;所述第一成像信息为雷达探测器影像,第二成像信息为热量影像,第三成像信息为高清影像;
将所述数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;具体包括的步骤为:将所述数据库中图像信息相似的第二成像信息和第三成像信息进行关联;将关联度超过百分之九十的第二成像信息和第三成像信息划分为一组,并形成一个空间模型;每个空间模型中包括两个平行的平面,第二成像信息和第三成像信息分别对应分布在两个平面内;获取每个空间模型中第二成像信息和第三成像信息的四周边缘信息;将每个空间模型中的四周边缘信息进行关联;按照关联度从高到低进行排列组合,以得到所述图像分布信息总图层;所述图像分布信息总图层包括热量影像图层和高清影像图层;
利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;
结合所述数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。
2.如权利要求1所述的基于灾情雷达的火灾灾情检测方法,其特征在于,利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息,包括以下步骤:
将图像分布信息总图层中的热量影像图层进行格栅化处理,得到多个格栅区域;
利用格栅区域对高清影像图层进行切割,得到分析区域;
根据格栅区域的热量分布值,并结合分析区域按照第一设定规则进行分析判定,形成所述第一信息。
3.如权利要求2所述的基于灾情雷达的火灾灾情检测方法,其特征在于,所述第一设定规则包括:
若格栅区域的热量分布值未超过火灾值,则未有火灾;
若格栅区域的热量分布值超过火灾值,则读取其对应的分析区域,并进行以下的分析:
若分析区域出现浓烟,则表明为地表出现明火灾情;否则地表下发生暗火。
4.如权利要求3所述的基于灾情雷达的火灾灾情检测方法,其特征在于:
在按照所述第一设定规则判断之前,还需要对分析区域内的地表物进行分析;
若地表物为光秃裸露的岩石或者湖泊区域,则跳过该分析区域的判定,否则进入按照第一设定规则进行分析判定的步骤。
5.如权利要求2所述的基于灾情雷达的火灾灾情检测方法,其特征在于,结合所述数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图,包括以下步骤:
将所述第一成像信息进行排列组合,形成雷达探测器影像图层;
按照也进行格栅化处理,得到与分析区域对应的优化区域;
获取优化区域的信息,并结合所述第一信息,按照第二设定规则进行判断,最终得到所述火灾情况分布图。
6.如权利要求5所述的基于灾情雷达的火灾灾情检测方法,其特征在于,所述第二设定规则具体为:
当所述第一信息出现火灾时,且优化区域上空有烟尘和碳化燃烧物,则表明此优化区域正在燃烧;
当所述第一信息为出现火灾时,且优化区域上空有烟尘和碳化燃烧物,则表明此优化区域为火势将要蔓延的区域。
7.如权利要求1所述的基于灾情雷达的火灾灾情检测方法,其特征在于:
所述检测装置(1)上还设有与雷达探测器(11)、红外摄像头(12)和高清摄像头(13)连接的信号传输装置。
8.基于灾情雷达的火灾灾情检测系统,其特征在于,其包括:
检测装置(1),其包括无人机(10),所述无人机(10)上安装有雷达探测器(11)、红外摄像头(12)和高清摄像头(13);
第一模块,利用所述检测装置(1)进行获取第一成像信息、第二成像信息和第三成像信息,并汇集成数据库;所述第一成像信息为雷达探测器影像,第二成像信息为热量影像,第三成像信息为高清影像;
第二模块,将所述数据库中第三成像信息和第二成像信息进行同化处理,得到图像分布信息总图层;其所述第二模块的处理包括:用于将所述数据库中图像信息相似的第二成像信息和第三成像信息进行关联;用于将关联度超过百分之九十的第二成像信息和第三成像信息划分为一组,并形成一个空间模型;每个空间模型中包括两个平行的平面,第二成像信息和第三成像信息分别对应分布在两个平面内;用于获取每个空间模型中第二成像信息和第三成像信息的四周边缘信息;用于将每个空间模型中的四周边缘信息进行关联;用于按照关联度从高到低进行排列组合,以得到所述图像分布信息总图层;所述图像分布信息总图层包括热量影像图层和高清影像图层;
第三模块,利用第二成像信息和第三成像信息对图像分布信息总图层进行分析处理,得到第一信息;
第四模块,结合所述数据库中的第一成像信息对第一信息进行分析,得到火灾情况分布图。
9.如权利要求8所述的基于灾情雷达的火灾灾情检测系统,其特征在于:
还包括第五模块,第五模块接收所述数据库,并其内存储有计算机可读存储介质,计算机可读存储介质用于执行权利要求1至7中任一项所述的基于灾情雷达的火灾灾情检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210519402.7A CN115083102B (zh) | 2022-05-12 | 2022-05-12 | 基于灾情雷达的火灾灾情检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210519402.7A CN115083102B (zh) | 2022-05-12 | 2022-05-12 | 基于灾情雷达的火灾灾情检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115083102A CN115083102A (zh) | 2022-09-20 |
CN115083102B true CN115083102B (zh) | 2024-03-19 |
Family
ID=83246915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210519402.7A Active CN115083102B (zh) | 2022-05-12 | 2022-05-12 | 基于灾情雷达的火灾灾情检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115083102B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101076734B1 (ko) * | 2011-07-12 | 2011-10-26 | 주식회사 에이치케이 일렉트로닉스 | 정보분석형 산불 감시 장치 및 그 방법 |
KR101462247B1 (ko) * | 2014-03-10 | 2014-11-21 | 삼성영상보안주식회사 | 적외선 열영상 기반의 스마트 화재감지 시스템 및 자동소화장치 인터페이스 플랫폼 |
CN106910309A (zh) * | 2017-04-18 | 2017-06-30 | 南昌航空大学 | 基于无人机飞行平台的森林火灾检测系统 |
CN107123227A (zh) * | 2017-07-06 | 2017-09-01 | 合肥科大立安安全技术股份有限公司 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
CN108033015A (zh) * | 2017-12-20 | 2018-05-15 | 西安科技大学 | 一种用于煤矸石山着火点监测的无人机装置及方法 |
CN108922098A (zh) * | 2018-05-04 | 2018-11-30 | 国网山西省电力公司电力科学研究院 | 一种基于红外引导及雷达探测的山火监测系统及方法 |
CN111476971A (zh) * | 2020-04-09 | 2020-07-31 | 英大智能电气有限公司 | 一种输电线路近距离山火监测装置 |
CN113596335A (zh) * | 2021-07-31 | 2021-11-02 | 重庆交通大学 | 基于图像融合的公路隧道火灾监测系统及方法 |
-
2022
- 2022-05-12 CN CN202210519402.7A patent/CN115083102B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101076734B1 (ko) * | 2011-07-12 | 2011-10-26 | 주식회사 에이치케이 일렉트로닉스 | 정보분석형 산불 감시 장치 및 그 방법 |
KR101462247B1 (ko) * | 2014-03-10 | 2014-11-21 | 삼성영상보안주식회사 | 적외선 열영상 기반의 스마트 화재감지 시스템 및 자동소화장치 인터페이스 플랫폼 |
CN106910309A (zh) * | 2017-04-18 | 2017-06-30 | 南昌航空大学 | 基于无人机飞行平台的森林火灾检测系统 |
CN107123227A (zh) * | 2017-07-06 | 2017-09-01 | 合肥科大立安安全技术股份有限公司 | 一种基于双波段的嵌入式图像火焰探测器及其识别方法 |
CN108033015A (zh) * | 2017-12-20 | 2018-05-15 | 西安科技大学 | 一种用于煤矸石山着火点监测的无人机装置及方法 |
CN108922098A (zh) * | 2018-05-04 | 2018-11-30 | 国网山西省电力公司电力科学研究院 | 一种基于红外引导及雷达探测的山火监测系统及方法 |
CN111476971A (zh) * | 2020-04-09 | 2020-07-31 | 英大智能电气有限公司 | 一种输电线路近距离山火监测装置 |
CN113596335A (zh) * | 2021-07-31 | 2021-11-02 | 重庆交通大学 | 基于图像融合的公路隧道火灾监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115083102A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Phillips et al. | When the dust settles: The four behaviors of lidar in the presence of fine airborne particulates | |
Wille et al. | Intense atmospheric rivers can weaken ice shelf stability at the Antarctic Peninsula | |
Farnsworth et al. | A characterization of autumn nocturnal migration detected by weather surveillance radars in the northeastern USA | |
Vulpiani et al. | Mass discharge rate retrieval combining weather radar and thermal camera observations | |
Waxler et al. | The stratospheric arrival pair in infrasound propagation | |
Zaporozhets et al. | System for monitoring the technical state of heating networks based on UAVs | |
US10451731B2 (en) | Software-defined radio earth atmosphere imager | |
Sobhani et al. | Source sector and region contributions to black carbon and PM 2.5 in the Arctic | |
Vergoz et al. | The Antares explosion observed by the USArray: an unprecedented collection of infrasound phases recorded from the same event | |
Wesselink et al. | Automatic detection of snow avalanche debris in central Svalbard using C-band SAR data | |
Zhang et al. | An evaluation of the impact of aerosol particles on weather forecasts from a biomass burning aerosol event over the Midwestern United States: observational-based analysis of surface temperature | |
Uprety et al. | Damage detection using high-resolution SAR imagery in the 2009 L'Aquila, Italy, earthquake | |
Abdo et al. | Effective range assessment of lidar imaging systems for autonomous vehicles under adverse weather conditions with stationary vehicles | |
KR101221755B1 (ko) | 위험기상과 관련된 반사도 셀의 탐지 방법 | |
CN115083102B (zh) | 基于灾情雷达的火灾灾情检测方法及系统 | |
Lamer et al. | 2-SIM: A GCM-oriented ground-observation forward-simulator framework for objective evaluation of cloud and precipitation phase | |
Kovalev et al. | Determination of smoke plume and layer heights using scanning lidar data | |
Bahrami et al. | Efficient dust detection based on spectral and thermal observations of MODIS imagery | |
Islam et al. | Does mean sea level trend mask historical storm surge trend: evidence from tropical cyclones affecting Japan since 1980 | |
Utkin et al. | Laser rangefinder architecture as a cost-effective platform for lidar fire surveillance | |
Mengod et al. | The influence of external factors on false alarms in an infrared fire detection system | |
Boretti | A perspective on single‐photon LiDAR systems | |
Miner et al. | Performance of hazard prediction and assessment capability urban models for the UDINEE project | |
Abdel-Moati et al. | Remote gas detection system using infrared camera technology and sophisticated gas plume detection computer algorithm | |
Iozzia et al. | The influence of volcano topographic changes on infrasound amplitude: lava fountains at Mt. Etna in 2021 |
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 |