CN116091935A - 森林防火烟雾报警抗农业作业干扰处理方法及装置和介质 - Google Patents

森林防火烟雾报警抗农业作业干扰处理方法及装置和介质 Download PDF

Info

Publication number
CN116091935A
CN116091935A CN202310361165.0A CN202310361165A CN116091935A CN 116091935 A CN116091935 A CN 116091935A CN 202310361165 A CN202310361165 A CN 202310361165A CN 116091935 A CN116091935 A CN 116091935A
Authority
CN
China
Prior art keywords
smoke
suspected
rectangular frame
area
slope
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
CN202310361165.0A
Other languages
English (en)
Other versions
CN116091935B (zh
Inventor
薛方俊
蒋先勇
李志刚
魏长江
李财
胡晓晨
税强
曹尔成
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.)
Sichuan Sanside Technology Co ltd
Original Assignee
Sichuan Sanside Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Sanside Technology Co ltd filed Critical Sichuan Sanside Technology Co ltd
Priority to CN202310361165.0A priority Critical patent/CN116091935B/zh
Publication of CN116091935A publication Critical patent/CN116091935A/zh
Application granted granted Critical
Publication of CN116091935B publication Critical patent/CN116091935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

本发明涉及森林防火监控领域，公开了森林防火烟雾报警抗农业作业干扰处理方法及装置和介质，本发明根据第一疑似烟雾特征区中各个像素点的坐标信息构造出第一矩形框、基于第一矩形框中左下顶点到右上顶点的线段计算出斜率K1，根据第二疑似烟雾特征区域中各个像素点的坐标信息构造出至少1个第二矩形框、基于至少1个第二矩形框中左下顶点到右上顶点的线段计算出至少1个斜率K2，根据斜率K1、斜率K2的变化关系判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域是否符合农业作业烟雾，本发明独创的基于坐标信息进行矩形框处理，并对相邻帧的矩形框的斜率变化进行观测，用于进行定性分析从而有效的识别出疑似烟雾特征区域为农业作业烟雾。

Description

森林防火烟雾报警抗农业作业干扰处理方法及装置和介质
技术领域
本发明涉及森林防火监控领域，具体涉及森林防火烟雾报警抗农业作业干扰处理方法及装置和介质。
背景技术
森林防火技术，一般是采用视频监控对每帧画面进行识别，若识别出存在有烟雾区域，则进行报警输出，从而达到非明火的预警目的。
在布置的监控区域内，一般包括农业作业区和自然森林区，在喷洒农药的农业作业的需要时，作业人员时常会采用弥雾机在农业作业区进行喷洒作业，弥雾机在进行喷洒作业时，会产生大量喷洒作业烟雾，因此喷洒作业烟雾往往会经防火识别而识别出来，因此容易导致频繁的报警。一般对于这类报警，现有的系统会直接显示到画面中，由用户进行人工判定后，由用户作出火灾或非火灾的选项，从而关闭报警状态。因此，这会导致用户频繁的需要进行选择来关闭报警状态。因此，如何实现对这种现象的抗干扰处理，是本发明所需要解决的技术问题。
发明内容
本发明的目的在于提供森林防火烟雾报警抗农业作业干扰处理方法，该方法可以在保障不漏报警的情况下对农业作业烟雾进行抗干扰的处理。
一方面，森林防火烟雾报警抗农业作业干扰处理方法，包括以下步骤：
S1、将第N帧图像与背景帧图像通过背景减除法获得第一疑似烟雾特征区域，存储第一疑似烟雾特征区中各个像素点的坐标信息；
S2、从第N帧图像之后按顺序取至少1个后续帧图像，将至少1个后续帧图像分别与背景帧图像通过背景减除法获得至少1个第二疑似烟雾特征区域，存储至少1个第二疑似烟雾特征区域中各个像素点的坐标信息；
S3、根据第一疑似烟雾特征区中各个像素点的坐标信息构造出第一矩形框、并基于第一矩形框中左下顶点到右上顶点的线段计算出斜率K1；
S4、根据至少1个第二疑似烟雾特征区域中各个像素点的坐标信息构造出至少1个第二矩形框、并基于至少1个第二矩形框中左下顶点到右上顶点的线段计算出至少1个斜率K2；
S5、根据斜率K1、斜率K2的变化关系判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域是否符合农业作业烟雾，若是，则转S6，若否则转S7；
S6.不对当前第一疑似烟雾特征区或/和第二疑似烟雾特征区域进行报警显示、并消除报警；
S7.对当前第一疑似烟雾特征区、第二疑似烟雾特征区域执行烟雾确认判断，烟雾确认判断为是时，对当前第一疑似烟雾特征区或/和第二疑似烟雾特征区域进行报警显示，烟雾确认判断为否时，转S6。
优选的，根据斜率K1、斜率K2的变化关系判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域是否符合农业作业烟雾的具体为下列过程中的1种：
过程1：若斜率K1、斜率K2均小于1，且所有斜率K2均小于K1，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾；
过程2：若斜率K1、斜率K2均小于1，且所有斜率K2呈下降趋势，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾；
过程3：若斜率K1、斜率K2均小于1，且所有斜率K2均小于K1，且所有斜率K2呈下降趋势，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾。
优选的，根据第一疑似烟雾特征区中各个像素点的坐标信息构造出第一矩形框、并基于第一矩形框中左下顶点到右上顶点的线段计算出斜率K1的过程为：
S31、从第一疑似烟雾特征区中各个像素点的坐标信息中选出最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y，分别记为X1min、Y1min、X1max、Y1 max；
S32、基于X1min、Y1min、X1max、Y1 max构造第一矩形框；
S33、基于第一矩形框获得其左下顶点到右上顶点的线段的斜率K1，K1=第一矩形框的高度尺寸/第一矩形框的宽度尺寸。
优选的，根据第二疑似烟雾特征区中各个像素点的坐标信息构造出第二矩形框、并基于第二矩形框中左下顶点到右上顶点的线段计算出斜率K2的过程为：
S31、从第二疑似烟雾特征区中各个像素点的坐标信息中选出最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y，分别记为X2min、Y2min、X2max、Y2max，
S32、基于X2min、Y2min、X2max、Y2 max构造第二矩形框，
S33、基于第二矩形框获得其左下顶点到右上顶点的线段的斜率K2，K2=第二矩形框的高度尺寸/第二矩形框的宽度尺寸。
优选的，后续帧图像、第N帧图像与背景帧图像均是基于图像左上角为原点建立以像素为单位的直角坐标系X-Y，像素的横坐标X与纵坐标Y分别是在其图像中的列数与所在行数。
优选的，后续帧图像、第N帧图像与背景帧图像为森林防火监控视频中同一视角下的图像，背景帧图像为人工标定没有烟雾的图像。
优选的，所述烟雾确认判断包括：颜色特征检验确定法或/和形态特征检验确认法或/和运动特征检测确认法。
优选的，所述农业作业烟雾为弥雾机进行喷洒作业时产生的喷洒作业水雾。
另一方面，森林防火烟雾报警抗农业作业干扰处理装置，其特征在于，包括：
处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，实现所述的森林防火烟雾报警抗农业作业干扰处理方法。
另一方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现所述的森林防火烟雾报警抗农业作业干扰处理方法。
本发明的有益效果为：
1.本发明采用多个当前帧图像通过背景减除法处理获得疑似烟雾特征区域，然后对疑似烟雾特征区域进行斜率的提取，通过斜率的变化来确定是否为农业作业干扰烟雾，从而达到去除农业作业烟雾干扰的目的。
2.本发明采用特殊的核心算法，包括利用疑似烟雾特征区域的坐标信息进行扩展得到矩形区域，从而基于矩形区域计算特定线段的斜率，从而实现对斜率的变化的关联性分析，从而实现去除农业作业烟雾干扰的同时不会造成漏报的目的。
附图说明
图1为本发明的流程示意图。
图2为第一疑似烟雾特征区域在第N帧图像中的示意图。
图3为第二疑似烟雾特征区域在第N+K帧图像中的示意图。
图4为山林区域的第一疑似烟雾特征区域对应的第一矩形框 。
图5为山林区域的第二疑似烟雾特征区域对应的第二矩形框 。
图6为农业区域的第一疑似烟雾特征区域对应的第一矩形框 。
图7为农业区域的第二疑似烟雾特征区域对应的第二矩形框 。
具体实施方式
下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。
实施例1
如图1所示，
一方面，森林防火烟雾报警抗农业作业干扰处理方法，包括以下步骤：
S1、将第N帧图像与背景帧图像通过背景减除法获得第一疑似烟雾特征区域，存储第一疑似烟雾特征区中各个像素点的坐标信息；
S2、从第N帧图像之后按顺序取至少1个后续帧图像，将至少1个后续帧图像分别与背景帧图像通过背景减除法获得至少1个第二疑似烟雾特征区域，存储至少1个第二疑似烟雾特征区域中各个像素点的坐标信息；
S3、根据第一疑似烟雾特征区中各个像素点的坐标信息构造出第一矩形框、并基于第一矩形框中左下顶点到右上顶点的线段计算出斜率K1，
S4、根据至少1个第二疑似烟雾特征区域中各个像素点的坐标信息构造出至少1个第二矩形框、并基于至少1个第二矩形框中左下顶点到右上顶点的线段计算出至少1个斜率K2，
S5、根据斜率K1、斜率K2的变化关系判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域是否符合农业作业烟雾，若是，则转S6，若否则转S7，
S6.不对当前第一疑似烟雾特征区或/和第二疑似烟雾特征区域进行报警显示、并消除报警；
S7.对当前第一疑似烟雾特征区、第二疑似烟雾特征区域执行烟雾确认判断，烟雾确认判断为是时，对当前第一疑似烟雾特征区或/和第二疑似烟雾特征区域进行报警显示，烟雾确认判断为否时，转S6。
优选的，根据斜率K1、斜率K2的变化关系判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域是否为农业作业烟雾的具体为下列过程中的1种：
过程1：若斜率K1、斜率K2均小于1，且所有斜率K2均小于K1，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾；
过程2：若斜率K1、斜率K2均小于1，且所有斜率K2呈下降趋势，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾；
过程3：若斜率K1、斜率K2均小于1，且所有斜率K2均小于K1，且所有斜率K2呈下降趋势，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾。
优选的，根据第一疑似烟雾特征区中各个像素点的坐标信息构造出第一矩形框、并基于第一矩形框中左下顶点到右上顶点的线段计算出斜率K1的过程为：
S31、从第一疑似烟雾特征区中各个像素点的坐标信息中选出最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y，分别记为X1min、Y1min、X1max、Y1 max，
S32、基于X1min、Y1min、X1max、Y1 max构造第一矩形框，
S33、基于第一矩形框获得其左下顶点到右上顶点的线段的斜率K1，K1=第一矩形框的高度尺寸/第一矩形框的宽度尺寸。
优选的，根据第二疑似烟雾特征区中各个像素点的坐标信息构造出第二矩形框、并基于第二矩形框中左下顶点到右上顶点的线段计算出斜率K2的过程为：
S31、从第二疑似烟雾特征区中各个像素点的坐标信息中选出最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y，分别记为X2min、Y2min、X2max、Y2max，
S32、基于X2min、Y2min、X2max、Y2 max构造第二矩形框，
S33、基于第二矩形框获得其左下顶点到右上顶点的线段的斜率K2，K2=第二矩形框的高度尺寸/第二矩形框的宽度尺寸。
优选的，后续帧图像、第N帧图像与背景帧图像均是基于图像左上角为原点建立以像素为单位的直角坐标系X-Y，像素的横坐标X与纵坐标Y分别是在其图像中的列数与所在行数。
优选的，后续帧图像、第N帧图像与背景帧图像为森林防火监控视频中同一视角下的图像，背景帧图像为人工标定没有烟雾的图像。
优选的，所述烟雾确认判断包括：颜色特征检验确定法或/和形态特征检验确认法或/和运动特征检测确认法。
优选的，所述农业作业烟雾为弥雾机进行喷洒作业时产生的喷洒作业水雾。
如图2-图7所示，
为了更好的理解本发明的技术构思，本实施例将结合附图进行以下分析：
首先，对于本发明定义的农业作业烟雾，一般的包括但不限于弥雾机进行喷洒作业时产生的喷洒作业水雾；目前，在农业区域内使用弥雾机进行喷洒作业逐渐称为常态，弥雾机的作用是将液态物质进行雾化从而喷射出去，喷射出的水雾与物质燃烧所产生的烟雾非常类似，采用背差法非常容易识别出来。从物理角度来看：森林火灾所产生的烟雾为物质燃烧所产生的颗粒物，一般较轻，且下方有热源，颗粒物会向上扩展，即使在有微风的情况下，也会呈倾斜向上扩展趋势（若风力较大时，无法聚团，则无法识别出来，再此不在讨论）。弥雾机进行喷洒作业时产生的喷洒作业所产生的烟雾实质上为水雾，水雾下方一般没有热源，且水雾较重，因此造成的水雾一般在弥雾机的动能作用下，会横向扩展，且由于水雾较重，在重力的作用下，会向下扩展。
因此，本发明基于上述2者的物理特性的差异，设置了一种斜率变化测定法，利用多帧图像对应的烟雾区所扩展的矩形框的斜率，并观测这些斜率的变化特性，从而判定出其是否为农业作业烟雾，一般的，由于农业作业烟雾会横向、向下扩展，因此对应的斜率会降低、且斜率均小于1，因此本发明通过斜率均小于1和相邻斜率会降低这2个维度的参数进行有效识别出符合横向、向下扩展特性的农业作业烟雾。
本申请将进行以下示意进一步对上述原理进行阐述：
如图2和图3所示，图2为第一疑似烟雾特征区域在第N帧图像中的示意图，图3为第二疑似烟雾特征区域在第N+K帧图像中的示意图。本申请为了简化说明，
特选择了上述2个帧图像进行说明， 其中第N+K帧图像为第N帧图像之后的后续帧图像，K可以取任意整数。理论上，后续帧图像可以取多个。
若后续帧图像仅为1个第N+K帧图像，则：
如图2中分别有山林区域和农业区域，山林区域和农业区域均对应的有第一烟雾特征区域；如图3中也分别有山林区域和农业区域，山林区域和农业区域均对应的有第二烟雾特征区域。需要说明的是：山林区域的第一疑似烟雾特征区域和第二疑似烟雾特征区域对应的为森林火灾烟雾区域，农业区域的第一疑似烟雾特征区域和第二疑似烟雾特征区域对应的为森林火灾烟雾区域；本发明将以山林区域的第一疑似烟雾特征区域和第二疑似烟雾特征区域作为对比例，农业区域的第一疑似烟雾特征区域和第二疑似烟雾特征区域作为实施例。
以山林区域的第一疑似烟雾特征区域和第二疑似烟雾特征区域为对象时，通过本发明首先可以提高背景减除法获得上述第一疑似烟雾特征区域和第二疑似烟雾特征区域；
以图4、图5所示，图4为山林区域的第一疑似烟雾特征区域对应的第一矩形框 。图5为山林区域的第二疑似烟雾特征区域对应的第二矩形框 。在图4和图5中，包括了四种信息内容，分别是：烟雾轮廓（疑似烟雾特征区域）、烟雾轮廓占据的像素单元格、基于烟雾轮廓占据的像素单元格扩展而得的矩形框、矩形框左下顶点至右上顶点的线段（图中的斜虚线）。对于图4而言，其第一疑似烟雾特征区域占据的像素单元格所对应的像素坐标信息有：（1.7）（1.8）（2.7）（2.8）（2.9）（3.6）（3.7）（3.8），其最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y分别为：“1、6、3、9”，因此基于该信息---“1、6、3、9”可以构建一个高度尺寸为4、宽度尺寸为3的第一矩形框，其对应的斜率K1=4/3=1.33。同理，对于图5而言，可以构建一个高度尺寸为6、宽度尺寸为6的第二矩形框，其对应的斜率K2=6/6=1。基于对图4和图5的计算，可以看出多个疑似烟雾特征区域所对应的斜率均大于或等于1，这里需要说明的是：图5为微风情况下的烟雾数据，因此，其表现出横向、向上的扩展。
同理，以农业区域的第一疑似烟雾特征区域和第二疑似烟雾特征区域为对象时，通过本发明首先可以提高背景减除法获得上述第一疑似烟雾特征区域和第二疑似烟雾特征区域。
以图6、图7所示，图7为农业区域的第一疑似烟雾特征区域对应的第一矩形框 。图7为农业区域的第二疑似烟雾特征区域对应的第二矩形框 。在图6和图7中，包括了四种信息内容，分别是：烟雾轮廓（疑似烟雾特征区域）、烟雾轮廓占据的像素单元格、基于烟雾轮廓占据的像素单元格扩展而得的矩形框、矩形框左下顶点至右上顶点的线段。对于图6而言，其第一疑似烟雾特征区域占据的像素单元格所对应的像素坐标信息有：（1.8）（1.9）（2.8）（2.9）（3.8）（3.9）（4.8）（4.9），其最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y分别为：“1、8、4、9”，因此基于该信息---“1、8、4、9”可以构建一个高度尺寸为2、宽度尺寸为4的第一矩形框，其对应的斜率K1=2/4=0.5。同理，对于图7而言，可以构建一个高度尺寸为3、宽度尺寸为7的第二矩形框，其对应的斜率K2=3/7=0.43。基于对图6和图7的计算，可以看出多个疑似烟雾特征区域所对应的斜率均小于1，这里需要说明的是：因此，其表现出较大的横向的扩展和较小的向上扩展。
需要说明的是：上述坐标信息是将原图中的坐标信息转换的一个新的图模板中后所得，其目的是便于将坐标值小值化处理，也可以不进行该处理。
因此，可以对比的看出，对于农业作业烟雾而言，其表现出的横向扩展远大于向上扩展，一般的对于森林火灾烟雾，其向上扩展远大于横向扩展，即使在有风的情况下，其横向扩展也不会远大于向上扩展。有鉴于此，本发明构建了2个约束条件，对于农业作业烟雾而言，其斜率往往都是小于1，其为第一约束条件，其斜率会呈现降低的变化，其为第二约束条件。
以图6、图7为了，设第N+K帧图像之后的后续帧图像，并基于 农业作业烟雾的横向扩展远大于向上扩展的物理特性，其对应的斜率将进一步的小于第N+K帧图像所对应的斜率，因此还可以通过观测所有斜率K2呈下降趋势来进行判定是否为农业作业烟雾。
本发明独创的基于坐标信息进行矩形框处理，并对相邻帧的矩形框的斜率变化进行观测，用于进行定性分析从而有效的识别出疑似烟雾特征区域为农业作业烟雾。
实施例2：森林防火烟雾报警抗农业作业干扰处理装置，其特征在于，包括：
处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，实现所述的森林防火烟雾报警抗农业作业干扰处理方法。
实施例3：一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现所述的森林防火烟雾报警抗农业作业干扰处理方法。
可以理解的是，以上实施方式仅仅是为了说明本发明/发明的原理而采用的示例性实施方式，然而本发明/发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明/发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明/发明的保护范围。

Claims (10)

1.森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，包括以下步骤：
S1、将第N帧图像与背景帧图像通过背景减除法获得第一疑似烟雾特征区域，存储第一疑似烟雾特征区中各个像素点的坐标信息；
S2、从第N帧图像之后按顺序取至少1个后续帧图像，将至少1个后续帧图像分别与背景帧图像通过背景减除法获得至少1个第二疑似烟雾特征区域，存储至少1个第二疑似烟雾特征区域中各个像素点的坐标信息；
S3、根据第一疑似烟雾特征区中各个像素点的坐标信息构造出第一矩形框、并基于第一矩形框中左下顶点到右上顶点的线段计算出斜率K1；
S4、根据至少1个第二疑似烟雾特征区域中各个像素点的坐标信息构造出至少1个第二矩形框、并基于至少1个第二矩形框中左下顶点到右上顶点的线段计算出至少1个斜率K2；
S5、根据斜率K1、斜率K2的变化关系判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域是否符合农业作业烟雾，若是，则转S6，若否则转S7；
S6.不对当前第一疑似烟雾特征区或/和第二疑似烟雾特征区域进行报警显示、并消除报警；
S7.对当前第一疑似烟雾特征区、第二疑似烟雾特征区域执行烟雾确认判断，烟雾确认判断为是时，对当前第一疑似烟雾特征区或/和第二疑似烟雾特征区域进行报警显示，烟雾确认判断为否时，转S6。
2.根据权利要求1所述的森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，
根据斜率K1、斜率K2的变化关系判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域是否符合农业作业烟雾的具体为下列过程中的1种：
过程1：若斜率K1、斜率K2均小于1，且所有斜率K2均小于K1，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾；
过程2：若斜率K1、斜率K2均小于1，且所有斜率K2呈下降趋势，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾；
过程3：若斜率K1、斜率K2均小于1，且所有斜率K2均小于K1，且所有斜率K2呈下降趋势，则判定当前第一疑似烟雾特征区、第二疑似烟雾特征区域符合农业作业烟雾。
3.根据权利要求1所述的森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，
根据第一疑似烟雾特征区中各个像素点的坐标信息构造出第一矩形框、并基于第一矩形框中左下顶点到右上顶点的线段计算出斜率K1的过程为：
S31、从第一疑似烟雾特征区中各个像素点的坐标信息中选出最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y，分别记为X1min、Y1min、X1max、Y1 max；
S32、基于X1min、Y1min、X1max、Y1 max构造第一矩形框；
S33、基于第一矩形框获得其左下顶点到右上顶点的线段的斜率K1，K1=第一矩形框的高度尺寸/第一矩形框的宽度尺寸。
4.根据权利要求1所述的森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，
根据第二疑似烟雾特征区中各个像素点的坐标信息构造出第二矩形框、并基于第二矩形框中左下顶点到右上顶点的线段计算出斜率K2的过程为：
S31、从第二疑似烟雾特征区中各个像素点的坐标信息中选出最小的横坐标X和最小的纵坐标Y和最大的横坐标X和最大的纵坐标Y，分别记为X2min、Y2min、X2max、Y2max，
S32、基于X2min、Y2min、X2max、Y2 max构造第二矩形框，
S33、基于第二矩形框获得其左下顶点到右上顶点的线段的斜率K2，K2=第二矩形框的高度尺寸/第二矩形框的宽度尺寸。
5.根据权利要求1所述的森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，
后续帧图像、第N帧图像与背景帧图像均是基于图像左上角为原点建立以像素为单位的直角坐标系X-Y，像素的横坐标X与纵坐标Y分别是在其图像中的列数与所在行数。
6.根据权利要求1所述的森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，后续帧图像、第N帧图像与背景帧图像为森林防火监控视频中同一视角下的图像，背景帧图像为人工标定没有烟雾的图像。
7.根据权利要求1所述的森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，所述烟雾确认判断包括：颜色特征检验确定法或/和形态特征检验确认法或/和运动特征检测确认法。
8.根据权利要求1所述的森林防火烟雾报警抗农业作业干扰处理方法，其特征在于，所述农业作业烟雾为弥雾机进行喷洒作业时产生的喷洒作业水雾。
9.森林防火烟雾报警抗农业作业干扰处理装置，其特征在于，包括：
处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，实现如权利要求1-8中任一项所述的森林防火烟雾报警抗农业作业干扰处理方法。
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执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的森林防火烟雾报警抗农业作业干扰处理方法。
CN202310361165.0A 2023-04-07 2023-04-07 森林防火烟雾报警抗农业作业干扰处理方法及装置和介质 Active CN116091935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310361165.0A CN116091935B (zh) 2023-04-07 2023-04-07 森林防火烟雾报警抗农业作业干扰处理方法及装置和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310361165.0A CN116091935B (zh) 2023-04-07 2023-04-07 森林防火烟雾报警抗农业作业干扰处理方法及装置和介质

Publications (2)

Publication Number Publication Date
CN116091935A true CN116091935A (zh) 2023-05-09
CN116091935B CN116091935B (zh) 2023-08-01

Family

ID=86201094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310361165.0A Active CN116091935B (zh) 2023-04-07 2023-04-07 森林防火烟雾报警抗农业作业干扰处理方法及装置和介质

Country Status (1)

Country Link
CN (1) CN116091935B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362944A (zh) * 2023-05-31 2023-06-30 四川三思德科技有限公司 基于差异性的抗飞防作业干扰处理方法、装置及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160260306A1 (en) * 2013-10-19 2016-09-08 Iq Wireless Gmbh Entwicklungsgesellschaft Für Systeme Und Technologien Der Telekommunikation Method and device for automated early detection of forest fires by means of optical detection of smoke clouds
CN110969205A (zh) * 2019-11-29 2020-04-07 南京恩博科技有限公司 一种基于目标检测的森林烟火检测方法、存储介质和设备
CN111462451A (zh) * 2019-11-01 2020-07-28 武汉纺织大学 基于视频信息的秸秆焚烧检测报警系统
CN111599127A (zh) * 2020-05-18 2020-08-28 深圳市安泰数据监测科技有限公司 用于森林防火的监控塔及控制方法
CN112507865A (zh) * 2020-12-04 2021-03-16 国网山东省电力公司电力科学研究院 一种烟雾识别方法及识别装置
CN114005090A (zh) * 2021-11-12 2022-02-01 中山大学 一种基于疑似烟雾提议区域及深度学习的烟雾检测方法
CN114998788A (zh) * 2022-05-26 2022-09-02 浙江工业大学 一种基于视频分析的烟雾判定方法
CN115311658A (zh) * 2022-10-12 2022-11-08 四川三思德科技有限公司 森林防火烟雾报警抗干扰处理方法
CN115439803A (zh) * 2022-08-23 2022-12-06 杭州电子科技大学上虞科学与工程研究院有限公司 一种基于深度学习模型的烟雾光流识别方法
US20220405908A1 (en) * 2021-06-22 2022-12-22 X Development Llc Temporal bounds of wildfires

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160260306A1 (en) * 2013-10-19 2016-09-08 Iq Wireless Gmbh Entwicklungsgesellschaft Für Systeme Und Technologien Der Telekommunikation Method and device for automated early detection of forest fires by means of optical detection of smoke clouds
CN111462451A (zh) * 2019-11-01 2020-07-28 武汉纺织大学 基于视频信息的秸秆焚烧检测报警系统
CN110969205A (zh) * 2019-11-29 2020-04-07 南京恩博科技有限公司 一种基于目标检测的森林烟火检测方法、存储介质和设备
CN111599127A (zh) * 2020-05-18 2020-08-28 深圳市安泰数据监测科技有限公司 用于森林防火的监控塔及控制方法
CN112507865A (zh) * 2020-12-04 2021-03-16 国网山东省电力公司电力科学研究院 一种烟雾识别方法及识别装置
US20220405908A1 (en) * 2021-06-22 2022-12-22 X Development Llc Temporal bounds of wildfires
CN114005090A (zh) * 2021-11-12 2022-02-01 中山大学 一种基于疑似烟雾提议区域及深度学习的烟雾检测方法
CN114998788A (zh) * 2022-05-26 2022-09-02 浙江工业大学 一种基于视频分析的烟雾判定方法
CN115439803A (zh) * 2022-08-23 2022-12-06 杭州电子科技大学上虞科学与工程研究院有限公司 一种基于深度学习模型的烟雾光流识别方法
CN115311658A (zh) * 2022-10-12 2022-11-08 四川三思德科技有限公司 森林防火烟雾报警抗干扰处理方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
S. SUDHAKAR 等: "Unmanned Aerial Vehicle (UAV) based Forest Fire Detection and monitoring for reducing false alarms in forest-fires", 《COMPUTER COMMUNICATIONS》, vol. 149, pages 1 - 16, XP085915998, DOI: 10.1016/j.comcom.2019.10.007 *
杜立召;徐岩;张为;: "一种双网融合的分阶段烟雾检测算法", 西安电子科技大学学报, no. 04, pages 141 - 148 *
柯斌;戴杨;: "无人机烟雾识别系统在森林防火中的应用研究", 电脑知识与技术, no. 08, pages 154 - 156 *
薛倩; 刘婧; 孙钦升: "基于视频的飞机货舱烟雾识别去干扰方法研究", 《计算机仿真》, no. 2020, pages 65 - 70 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362944A (zh) * 2023-05-31 2023-06-30 四川三思德科技有限公司 基于差异性的抗飞防作业干扰处理方法、装置及介质
CN116362944B (zh) * 2023-05-31 2023-07-28 四川三思德科技有限公司 基于差异性的抗飞防作业干扰处理方法、装置及介质

Also Published As

Publication number Publication date
CN116091935B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN116091935B (zh) 森林防火烟雾报警抗农业作业干扰处理方法及装置和介质
CN111191576B (zh) 人员行为目标检测模型构建方法、智能分析方法及系统
JP4668978B2 (ja) 火炎検出方法及びその装置
TWI395483B (zh) 使用適應性背景模型之移動物體偵測方法及其電腦程式產品
JP4705090B2 (ja) 煙感知装置及びその方法
CN103903008B (zh) 一种基于图像识别输电线路的雾等级的方法以及系统
CN110346699B (zh) 基于紫外图像处理技术的绝缘子放电信息提取方法及装置
CN109377713A (zh) 一种火灾预警方法及系统
CN106534789A (zh) 一种一体化智慧型安防视频监控系统
CN101826153A (zh) 火灾检测方法
CN109886129B (zh) 提示信息生成方法和装置，存储介质及电子装置
CN112131081A (zh) 一种故障报警参数调整方法、装置、电子设备及存储介质
CN109740527A (zh) 一种视频帧中图像处理方法
JP2015169618A (ja) 可視煙判定装置及び可視煙判定方法
CN114612771A (zh) 一种基于神经网络的火源监控方法及系统
CN116362944B (zh) 基于差异性的抗飞防作业干扰处理方法、装置及介质
CN113449617A (zh) 轨道安全检测方法、系统、装置和存储介质
CN111882807B (zh) 一种识别区域火灾发生地方法及系统
Gao et al. Design and implementation of fire detection system using new model mixing
CN106056042A (zh) 产生视频数据变换表示以及分析视频数据的方法和系统
CN109727218A (zh) 一种完整图形提取方法
CN112115941B (zh) 火灾检测方法、装置、设备及存储介质
TWI273514B (en) Analyses of heavily corrupted images using fuzzy partitions
CN108229368B (zh) 一种视频显示方法及装置
CN114419560B (zh) 一种检测目标物体的方法、装置以及介质

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