CN116311056A - 基于图像轮廓边角数的矿井火灾识别与报警方法 - Google Patents
基于图像轮廓边角数的矿井火灾识别与报警方法 Download PDFInfo
- Publication number
- CN116311056A CN116311056A CN202310252682.4A CN202310252682A CN116311056A CN 116311056 A CN116311056 A CN 116311056A CN 202310252682 A CN202310252682 A CN 202310252682A CN 116311056 A CN116311056 A CN 116311056A
- Authority
- CN
- China
- Prior art keywords
- fire
- image
- suspected
- vertexes
- polygon
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 13
- 239000003245 coal Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000005641 tunneling Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000009429 distress Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 3
- 239000002817 coal dust Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005474 detonation Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
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
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06V10/30—Noise filtering
-
- 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
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Emergency Management (AREA)
- Nonlinear Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于图像轮廓边角数的矿井火灾识别与报警方法,所述火灾识别与报警方法通过在井下安装摄像机,实时采集并识别监控区域疑似火灾图像,并通过监测火焰燃烧具有不规则形态特征进行矿井火灾识别与报警。所述火灾识别与报警方法充分考虑了火灾燃烧图像特征,辨识快速,准确简单,能为井下遇险人员争取宝贵的救援和逃生时间。
Description
技术领域
本发明涉及一种基于图像轮廓边角数的矿井火灾识别与报警方法,该方法涉及数字图像处理技术和通信技术等领域。
背景技术
煤炭行业,瓦斯、火灾、水灾、顶板、煤尘等事故困扰着煤矿安全生产。数据表明,我国煤矿发生的重特大事故统计中,矿井火灾及火灾引起的爆炸是事故占比最高、致灾最严重的。矿井火灾一旦发生,如果火势不能得到及时控制,波及范围将迅速扩大,造成大量人员伤亡和财产损失;进一步可能会作为引爆源致使井下高浓度瓦斯和煤尘区域发生爆炸,对井下环境造成二次创伤。因此,快速识别井下火灾灾情,及时报警,有针对性的启动应急预案和应急救援,对于煤炭安全生产来说至关重要。
在现有的矿井火灾监测技术中,包括有各类传感器综合监测法,比如温度、烟雾、气体等传感器,该类监测虽然具有可靠性高、操作简单的优点,但是基于井下作业场景复杂,其布置及维护工作量大且受干扰源影响大;红外辐射测温装备监测法,能实现对火源进行测温,但是测温精度受井下环境因素及火灾干扰源影响较大;视觉特征监测法,目前主流的矿井火灾监测技术,但是现有的监测技术采取判定火灾的特征变量较多,虽然信息特征包含丰富,但是所包含的不稳定因素也较多,基于多镜头及多帧图像综合判定火灾灾情,会导致判定时间较长,漏报率及误报率较高。
因此,有必要研究新的矿井火灾快速识别方法,缩短判定时间,减小现有监测技术针对矿井火灾感知的误报率和漏报率。尽早发现矿井火灾,并能够第一时间对火灾灾害进行报警,是及时进行应急救援,挽救井下遇险人员生命的重要保障。
发明内容
本发明的目的在于提供一种基于图像轮廓边角数的矿井火灾识别与报警方法,该方法充分考虑了火灾燃烧图像特征,能够快速辨别火灾和火灾干扰源,准确简单,能为井下遇险人员争取更多的救援和逃生时间。所述火灾识别与报警方法包括在巷道、采煤工作面和掘进工作面安装摄像机实时监测监控区域,依据疑似火灾图像上疑似火灾区域轮廓外顶点接多边形与内顶点接多边形边、角数量特征关系是否满足设定条件进行火灾报警判定,依据设定时间内判定为火灾报警的次数与总判定次数比值是否满足设定条件进行井下监控区域火灾判定,当判定井下监控区域发生火灾,立即向监控终端发出火灾报警信号;
所述火灾报警判定的工作过程包括:
步骤1:摄像机实时采集监控区域的图像,所述监控图像经过图像滤波去噪,图像增强及图像像素二值化后,当图像上有单块区域像素特征值N1大于设定的阈值H时,判定所述图像为单块区域的疑似火灾图像;当图像上有多块不连通区域像素特征值Ni(i≥2)均大于设定的阈值H时,判定所述图像为多块区域的疑似火灾图像,执行步骤2;当不满足疑似火灾图像判定条件,则持续监测;
步骤2:当疑似火灾图像上只有单块疑似火灾区域时,直接将疑似火灾图像上疑似火灾区域进行轮廓边缘特征处理,提取轮廓上特征顶点,分别得到疑似火灾区域轮廓外顶点接多边形和内顶点接多边形,并求出外顶点接多边形的边、角数及边长值和内顶点接多边形的边、角数及边长值;或当疑似火灾图像上有多块疑似火灾区域时,则将多块疑似火灾区域进行图像分割,分块对疑似火灾区域进行轮廓边缘特征处理,提取轮廓上特征顶点,分别得到疑似火灾区域轮廓外顶点接多边形和内顶点接多边形,并求出外顶点接多边形的边、角数及边长值和内顶点接多边形的边、角数及边长值,执行步骤3;
步骤3:当疑似火灾图像上疑似火灾区域轮廓内、外顶点接多边形的边、角满足条件时,式中kea、keb、LBez分别为所述外顶点接多边形边数、角数、边长值,kec、ked、LCez分别为内顶点接多边形边数、角数、边长值,kr、z1、z2为设定阈值;所述kr、z1、z2由试验测定或人为设定得到,则执行步骤4,否则返回执行步骤1;
步骤4:进行火灾报警,并返回执行步骤1。
1.所述火灾识别与报警方法进一步包括:所述井下监控区域火灾判定过程包括,持续时间T秒循环执行火灾报警判定的工作,当所述满足火灾报警判定条件的疑似火灾图像报警次数变量X与图像的总判定次数变量Y比值大于设定的阈值S时,即X/Y>S,则判定井下监控区域发生火灾。
2.所述火灾识别与报警方法进一步包括:所述外顶点接多边形为依据疑似火灾图像上疑似火灾区域轮廓外凸顶点,依次直线连接形成的多边形。
3.所述火灾识别与报警方法进一步包括:所述内顶点接多边形为依据疑似火灾图像上疑似火灾区域轮廓内凹顶点,依次直线连接形成的多边形。
4.所述火灾识别与报警方法进一步包括:所述步骤2中提取轮廓上特征顶点为作疑似火灾区域轮廓的逼近多边形,得到所述轮廓逼近多边形上顶点及坐标,进一步地,对轮廓逼近多边形上各顶点进行判定,得到所述轮廓逼近多边形上外凸顶点及坐标和内凹顶点及坐标。
5.所述火灾识别与报警方法进一步包括:所述外顶点接多边形的边数计算方法为角数计算方法为所述计算方法中为各疑似火灾区域轮廓外凸顶点坐标;所述内顶点接多边形边数计算方法为/>角数计算方法为/>所述计算方法中为各疑似火灾区域轮廓内凹顶点坐标。
6.所述火灾识别与报警方法进一步包括:所述摄像机包括可见光摄像机、远红外摄像机、近红外摄像机和紫外摄像机。
所述基于图像轮廓边角数的矿井火灾识别与报警方法具有以下特点:
1.本发明的火灾识别方法充分分析了火灾燃烧图像轮廓特征,充分分析了井下火灾干扰源的图像轮廓特征,所述方法基于疑似火灾图像轮廓的内、外多边形的边、角、边长值等综合信息进行火灾判定,更加有利于对火灾干扰源进行甄别及剔除,能够减小对火灾灾情的误报和漏报。
2.本发明方法不仅高效的利用了火灾图像的特征信息,且图像处理部分的算法构建简洁、高效,单帧图像即可快速判定火灾信息,所述方法特征提取辨识度高,变量少,从而缩短了疑似火灾的判别时间,进一步为井下被困及受灾人员争取更多的逃生时间。
附图说明
图1基于图像轮廓边角数的矿井火灾识别与报警方法实施方案示意图。
图2火灾监测报警设备结构示意图。
图3基于图像轮廓边角数的矿井火灾识别与报警方法的火灾报警流程示意图
图4基于图像轮廓边角数的矿井火灾识别与报警方法的火灾判定流程示意图。
具体实施方式
图1是基于图像轮廓边角数的矿井火灾识别与报警方法实施方案示例,主要组成包括:
1.存储服务器(101),所述存储服务器与图像采集摄像机(105)通信连接,负责存储转发由摄像机提供的监控区域实时视频图像数据;所述存储服务器与火灾监测报警设备(106)通信连接,负责存储转发由火灾监测报警设备提供的火灾报警数据;为监控终端(102)提供查看待监测区域的现场监控数据或调取历史监控图像数据服务。
2.监控终端(102),安装于井上,用于接收所述火灾监测报警设备(106)的报警信号;负责提供井下环境监控数据显示服务,由存储服务器(101)提供实时、历史数据和火灾报警数据,具有声光报警功能;生产管理人员可通过监控终端对存储服务器(101)存储的历史数据调取查询。
3.核心交换机(103),矿用以太网的核心管理和交换设备,负责所有接入矿用以太网的设备的管理和数据交换,具有路由功能,连接互联网。
4.环网交换机(104),矿用以太网的井下交换设备,安装在井下,多个环网交换机以环网方式连接。
5.摄像机(105),图像采集设备,安装在井下巷道、采煤工作面及掘进工作面,负责采集井下巷道及工作面等易发生火灾区域的实时视频图像;所述摄像机包括可见光摄像机、远红外摄像机、近红外摄像机和紫外摄像机;所述摄像机具有网络输出和模拟视频输出功能;网络接口直接连接环网交换机(104),将实时采集的监控区域的视频图像数据传输给存储服务器(101),模拟视频输出端口连接火灾监测报警设备(106)。
6.火灾监测报警设备(106),负责接收和处理由摄像机(105)采集的监控视频图像数据,内置图形图像处理软件,当处理后的疑似火灾图像,满足设定的火灾报警条件,则向存储服务器(101)发出火灾报警数据;并向监控终端(102)发出火灾报警信号;具有有线与无线通信功能。
7.疑似火灾区域,摄像机实时监控区域出现的疑似着火点区域,该图像数据由摄像机实时监测并采集上传。
图2是火灾监测报警设备结构示意图,所述火灾监测报警设备结构主要组成包括:
核心处理器、图形处理器、存储单元、时钟单元、电源单元、USB接口单元、视频图像采集模块、无线通信单元、网络接口单元、SD卡接口单元。
1.核心处理器(201),采用Broadcom BCM2837处理器,采用ARM Cortex-A53架构,64位四核1.2GHz。
2.图形处理器(202),采用是Dual Core VideoCore IV GPU处理器。
3.存储单元(203),采用1GB LPDD2内存。
4.时钟单元(204),采用19.2MHz晶振。
5.电源单元(205),采用AC/DC模块,输入100V~240VAC,输出12VDC,用于设备供电。
6.USB接口单元(206),支持4个USB接口。
7.视频图像采集模块(207),将模式视频信号转为数字视频数据,输入连接摄像机(105)的模拟视频输出端口,通过USB口将数字视频数据传输给核心处理器(201),支持多路视频采集。
8.通信模块(208),负责将RS485通信接口转换为USB通信接口,连接其他数据监测设备。
9.无线通信单元(209),支持802.11b/g/n协议,用于与支持无线通信的监测设备进行无线通信。
10.网络接口单元(210),负责接入矿用以太网,连接环网交换机(104)。
11.SD卡单元(211),用于存放系统文件、库文件、监控程序文件等,使用Linux系统管理,内置OpenCV库用于视频数据处理,采用不小于4GB的Micro SD卡。
基于图像轮廓边角数的矿井火灾识别与报警方法的火灾报警流程示例如图3所示,所述主流程包括:
1.(301)将火灾监测报警设备内部计时器时间T置零并开始计时,同时设定执行火灾报警判定条件的图像的总判定次数变量Y=0,设定疑似火灾图像满足火灾判定报警条件的火灾报警次数变量X=0,执行步骤(302)。
2.(302)进一步设置执行火灾报警判定条件的图像的总判定次数变量Y=Y+1,所述监控图像每执行一次火灾报警判定条件,则判定次数变量累计加一,执行步骤(303)。
3.(303)火灾监测报警设备对图像进行处理,并对疑似火灾图像进行火灾报警判定,当满足设定的火灾报警判定条件时,执行步骤(304),否则返回执行步骤(302)。
4.(304)所述疑似火灾图像每满足一次火灾报警判定条件,则火灾报警次数变量累计加一,即X=X+1,同时向监控终端发出火灾预警,执行步骤(305)。
5.(305)在设定时间内循环执行火灾报警判定的工作流程,判定计时器时间值T是否大于设定时间阈值t,当时间值T>t时,执行步骤(306),否则返回执行步骤(302)。
6.(306)进一步判定满足火灾报警判定条件的火灾图像报警次数X与执行火灾报警判定条件的图像的总判定次数Y比值是否大于设定阈值S,当X/Y>S时,执行步骤(307),否则返回执行步骤(301)。
7.(307)火灾监测报警设备向存储服务器(101)、监控终端(102)发出火灾报警信号。
基于图像轮廓边角数的矿井火灾识别与报警方法的火灾判定流程示例如图4所示,所述流程包括:
1.(401)摄像机安装在井下巷道、采煤工作面及掘进工作面,实时采集监控区域的图像,并上传至火灾监测报警设备进行图像识别处理,进一步执行步骤(402)。
2.(402)火灾监测报警设备对监控图像进行预处理,所述监控图像经过图像去噪,图像增强及图像像素二值化后,当图像上有单块区域像素亮度特征值N1>H时,判定所述图像为单块区域的疑似火灾图像;当图像上有多块不连通区域像素亮度特征值时,判定所述图像为多块区域的疑似火灾图像,进一步执行步骤(403),否则返回执行步骤(401)。
3.(403)火灾监测报警设备将疑似火灾图像上疑似火灾区域进行轮廓边缘特征处理,所述当疑似火灾图像上只有单块疑似火灾区域时,直接将疑似火灾图像上疑似火灾区域进行轮廓边缘特征处理;所述当疑似火灾图像上有多块疑似火灾区域时,则将多块疑似火灾区域进行图像分割,分块对疑似火灾区域进行轮廓边缘特征处理;
进一步地,作疑似火灾图像上疑似火灾区域轮廓的逼近多边形,求轮廓逼近多边形的顶点及坐标,利用公式求出逼近多边形顶点坐标,式中{(xi-1,yi-1),(xi,yi),(xi+1,yi+1)}为逼近多边形上任意相邻坐标点组。当/>则判定坐标点(xi,yi)为逼近多边形上顶点坐标,依次遍历多边形上所有点坐标,以此求出多边形上所有顶点坐标组/>所述公式中e表示为疑似火灾图像上疑似火灾区域分块数,执行步骤(404)。
4.(404)进一步对轮廓逼近多边形上各顶点进行判定,得出外凸顶点及坐标和内凹顶点及坐标:基于步骤(403)求出的逼近多边形顶点坐标,求得该逼近多边形的总面积任取多边形上一顶点坐标Aep(xp,yp),则将该坐标点左右两邻近顶点坐标点{Ae(p-1)(xp-1,yp-1),Ae(p+1)(xp+1,yp+1)}直接直线连接,组成新的多边形,则该新的多边形上顶点坐标组为{Ae1(x1,y1)···Ae(p-1)(xp-1,yp-1),Ae(p+1)(xp+1,yp+1)···Aej(xj,yj)},进一步求得该多边形面积当SAep<SAej时,则判定该顶点Aep(xp,yp)为顶点坐标组中的外凸顶点,当SAep>SAej时,则判定该顶点Aep(xp,yp)为顶点坐标组中的内凹顶点,执行步骤(405)。
9.(409)当火灾监测报警设备监测到疑似火灾图像上疑似火灾区域轮廓内顶点接多边形的边、角数量特征关系满足条件kec>kr,ked>kr时,则执行步骤(411),否则返回执行步骤(401)。
10.(410)当火灾监测报警设备监测到疑似火灾图像上疑似火灾区域轮廓外顶点接多边形的边、角数量特征关系满足条件kea>kr,keb>kr时,则执行步骤(411),否则返回执行步骤(401)。
11.(411)当火灾监测报警设备监测到疑似火灾图像上疑似火灾区域轮廓内、外顶点接多边形的边、角数量特征关系满足条件kea≠kec,keb≠ked时,则执行步骤(412),否则执行步骤(401)。
13.(413)进行火灾报警处理。
Claims (7)
1.基于图像轮廓边角数的矿井火灾识别与报警方法,其特征在于:在巷道、采煤工作面和掘进工作面安装摄像机实时监测监控区域,依据疑似火灾图像上疑似火灾区域轮廓外顶点接多边形与内顶点接多边形边、角数量特征关系是否满足设定条件进行火灾报警判定,依据设定时间内判定为火灾报警的次数与总判定次数比值是否满足设定条件进行井下监控区域火灾判定,当判定井下监控区域发生火灾,立即向监控终端发出火灾报警信号;
所述火灾报警判定的工作过程包括:
步骤1:摄像机实时采集监控区域的图像,所述监控图像经过图像滤波去噪,图像增强及图像像素二值化后,当图像上有单块区域像素特征值N1大于设定的阈值H时,判定所述图像为单块区域的疑似火灾图像;当图像上有多块不连通区域像素特征值Ni(i≥2)均大于设定的阈值H时,判定所述图像为多块区域的疑似火灾图像,执行步骤2;当不满足疑似火灾图像判定条件,则持续监测;
步骤2:当疑似火灾图像上只有单块疑似火灾区域时,直接将疑似火灾图像上疑似火灾区域进行轮廓边缘特征处理,提取轮廓上特征顶点,分别得到疑似火灾区域轮廓外顶点接多边形和内顶点接多边形,并求出外顶点接多边形的边、角数及边长值和内顶点接多边形的边、角数及边长值;或当疑似火灾图像上有多块疑似火灾区域时,则将多块疑似火灾区域进行图像分割,分块对疑似火灾区域进行轮廓边缘特征处理,提取轮廓上特征顶点,分别得到疑似火灾区域轮廓外顶点接多边形和内顶点接多边形,并求出外顶点接多边形的边、角数及边长值和内顶点接多边形的边、角数及边长值,执行步骤3;
步骤3:当疑似火灾图像上疑似火灾区域轮廓内、外顶点接多边形的边、角满足条件时,式中kea、keb、LBez分别为所述外顶点接多边形边数、角数、边长值,kec、ked、LCez分别为内顶点接多边形边数、角数、边长值,kr、z1、z2为设定阈值;所述kr、z1、z2由试验测定或人为设定得到,则执行步骤4,否则返回执行步骤1;
步骤4:进行火灾报警,并返回执行步骤1。
2.如权利要求1所述基于图像轮廓边角数的矿井火灾识别与报警方法,其特征在于:所述井下监控区域火灾判定过程包括,持续时间T秒循环执行火灾报警判定的工作,当所述满足火灾报警判定条件的疑似火灾图像报警次数变量X与图像的总判定次数变量Y比值大于设定的阈值S时,即XY>S,则判定井下监控区域发生火灾。
3.如权利要求1所述基于图像轮廓边角数的矿井火灾识别与报警方法,其特征在于:所述外顶点接多边形为依据疑似火灾图像上疑似火灾区域轮廓外凸顶点,依次直线连接形成的多边形。
4.如权利要求1所述基于图像轮廓边角数的矿井火灾识别与报警方法,其特征在于:所述内顶点接多边形为依据疑似火灾图像上疑似火灾区域轮廓内凹顶点,依次直线连接形成的多边形。
5.如权利要求1所述基于图像轮廓边角数的矿井火灾识别与报警方法,其特征在于:所述步骤2中提取轮廓上特征顶点为作疑似火灾区域轮廓的逼近多边形,得到所述轮廓逼近多边形上顶点及坐标,进一步地,对轮廓逼近多边形上各顶点进行判定,得到所述轮廓逼近多边形上外凸顶点及坐标和内凹顶点及坐标。
7.如权利要求1所述基于图像轮廓边角数的矿井火灾识别与报警方法,其特征在于:所述摄像机包括可见光摄像机、远红外摄像机、近红外摄像机和紫外摄像机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310252682.4A CN116311056A (zh) | 2023-03-07 | 2023-03-07 | 基于图像轮廓边角数的矿井火灾识别与报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310252682.4A CN116311056A (zh) | 2023-03-07 | 2023-03-07 | 基于图像轮廓边角数的矿井火灾识别与报警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116311056A true CN116311056A (zh) | 2023-06-23 |
Family
ID=86816318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310252682.4A Pending CN116311056A (zh) | 2023-03-07 | 2023-03-07 | 基于图像轮廓边角数的矿井火灾识别与报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116311056A (zh) |
-
2023
- 2023-03-07 CN CN202310252682.4A patent/CN116311056A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109068099B (zh) | 基于视频监控的虚拟电子围栏监控方法及系统 | |
CN103248878B (zh) | 一种综采工作面异常状况的模式识别方法、装置与系统 | |
CN103726879A (zh) | 利用摄像头自动捕捉矿井矿震坍塌并及时记录报警的方法 | |
CN111383429A (zh) | 建筑工地工人着装检测方法、系统、装置、存储介质 | |
CN110874866B (zh) | 一种基于视频的变电站三维监控方法及系统 | |
CN108592811A (zh) | 一种房屋结构裂缝变形实时动态监测系统及识别方法 | |
CN104454011A (zh) | 基于图像的采煤工作面冲击地压报警方法 | |
CN202523169U (zh) | 一种红外热像型火灾探测报警系统 | |
CN210691346U (zh) | 一种基于工地隐患自动识别系统 | |
CN117011791A (zh) | 基于图像轮廓面积特征的矿井火灾识别与报警方法 | |
CN113361420A (zh) | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 | |
CN111507951A (zh) | 电缆线路隧道工程巡检装置 | |
CN113206978A (zh) | 油气管道站场安防智能监控预警系统及方法 | |
CN105548196B (zh) | 硬质合金顶锤在线无损检测的方法和装置 | |
CN115100813B (zh) | 基于数字孪生的智慧社区系统 | |
CN113256934A (zh) | 一种高空作业人员安全检测系统 | |
CN112129350A (zh) | 一种基于“ar+安防”的化工企业实景监控系统 | |
CN108071423A (zh) | 基于红外图像监测设备的矿井爆炸监控系统 | |
CN112377265A (zh) | 基于图像识别加速度特征的冲击地压报警方法 | |
CN114550082A (zh) | 一种易用高效ai识别算法 | |
CN112377264A (zh) | 基于图像识别加速度特征的煤与瓦斯突出报警方法 | |
CN117523806A (zh) | 火灾预警方法、系统、设备及存储介质 | |
CN116311056A (zh) | 基于图像轮廓边角数的矿井火灾识别与报警方法 | |
CN112947147A (zh) | 一种基于多传感器及云平台算法的消防机器人 | |
CN112989099A (zh) | 基于图像通信的智慧施工管理系统和方法 |
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 |