CN116362944B - 基于差异性的抗飞防作业干扰处理方法、装置及介质 - Google Patents
基于差异性的抗飞防作业干扰处理方法、装置及介质 Download PDFInfo
- Publication number
- CN116362944B CN116362944B CN202310627943.6A CN202310627943A CN116362944B CN 116362944 B CN116362944 B CN 116362944B CN 202310627943 A CN202310627943 A CN 202310627943A CN 116362944 B CN116362944 B CN 116362944B
- Authority
- CN
- China
- Prior art keywords
- value
- difference
- array
- statistical
- suspected smoke
- 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
- 238000003672 processing method Methods 0.000 title claims description 11
- 239000000779 smoke Substances 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000002265 prevention Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000011410 subtraction method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000010008 shearing Methods 0.000 claims description 4
- 238000005507 spraying Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 13
- 239000000575 pesticide Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 239000007921 spray Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 239000003595 mist Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000011344 liquid material Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical 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
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Emergency Management (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Analytical Chemistry (AREA)
- Algebra (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明提供了基于差异性的抗飞防作业干扰处理方法、装置及介质,应用于森林防火烟雾报警,涉及森林防火监控领域,包括:S1:获得疑似烟雾特征区域;S2:获得上半部分的疑似烟雾特征区域,并存储上半部分的疑似烟雾特征区域各个像素点的坐标信息;S3:将上半部分的疑似烟雾特征区域进行纵向压缩,获得统计数组Q;S4:获取上半部分的疑似烟雾特征区域的对称点,并将统计数组Q划分为统计数组Q1和统计数组Q2;S5:根据统计数组Q1中的数值和统计数组Q2中的数值的对应关系进行残差计算,根据残差绝对值的大小判定当前疑似烟雾特征区域是否符合无人机作业烟雾,若是,则不对当前疑似烟雾特征区域进行报警显示,并消除报警。
Description
技术领域
本发明涉及森林防火监控领域,具体涉及基于差异性的抗飞防作业干扰处理方法、装置及介质。
背景技术
飞防是指通过通用飞机喷洒农药的一种大面积、短时期压低虫口密度的有效方法,具有其它常规措施难以比拟的优越性。而因为森林林木较多,在特定的季节里,森林里面容易产生较多的害虫,所以治林人员会采用通用的无人机对林木进行农药喷洒作业,当无人机进行农药喷洒作业时,液态物质通过雾化会产生大量喷洒作业烟雾,进而出现在森林中。
这种喷洒作业烟雾的出现,可能会对森林防火系统造成一些干扰。因为森林防火技术,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。如果无人机在监控范围内进行农药喷洒作业,则喷洒作业烟雾就会经过防火识别而识别出来,导致森林防火系统发出报警。
其中,用于飞防作业的无人机一般为具有两个喷洒孔的无人机,该无人机会通过两个对称的喷洒孔进行农药喷洒作业,则该左右两边的喷洒孔所产生的喷洒作业烟雾的差异性比较小,如何利用这种差异性来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
本发明的目的是提供基于差异性的抗飞防作业干扰处理方法、装置及介质,通过将当前疑似烟雾特征区域划分为疑似烟雾特征区域1和疑似烟雾特征区域2,并通过判断疑似烟雾特征区域1和疑似烟雾特征区域2的差异性大小来判定当前疑似烟雾特征区域是否符合无人机作业烟雾,若是,则不对疑似烟雾特征区域进行报警显示,并消除报警,可以利用差异性判断进行排除飞防作业对森林防火系统造成的干扰。
为解决上述技术问题,本发明采用了以下方案:
基于差异性的抗无人机作业干扰处理方法,应用于森林防火烟雾报警,所述方法包括:
S1:将第N帧图像与背景帧图像通过背景减除法获得疑似烟雾特征区域;
S2:将疑似烟雾特征区域按照横向进行剪切预处理,获得上半部分的疑似烟雾特征区域,并存储上半部分的疑似烟雾特征区域各个像素点的坐标信息(X,Y),X表示像素点的横坐标在其图像中的列数,Y表示像素点的纵坐标在其图像中的行数;
S3:将上半部分的疑似烟雾特征区域进行纵向压缩,即统计每一列像素点的行数,并获得统计数组Q{t1,t2,...,tn},所述“t1,t2,...,tn”为表示行数的统计值;
S4:获取上半部分的疑似烟雾特征区域的对称点,并根据对称点将统计数组Q划分为统计数组Q1和统计数组Q2;
S5:根据统计数组Q1中的数值和统计数组Q2中的数值的对应关系进行残差计算,根据残差绝对值的大小判定当前疑似烟雾特征区域是否符合无人机作业烟雾,若是,则不对当前疑似烟雾特征区域进行报警显示,并消除报警。
进一步的,所述统计数组Q1中包括极大值1,所述统计数组Q2中包括极大值2,所述S5中具体包括以下步骤:
S51:建立统计数组Q1中的每个数值和统计数组Q2中的每个数值的对应关系;
S52:将统计数组Q1中的数值与对应的统计数组Q2中的数值进行残差计算,获得多个残差值,并获得多个残差绝对值;
S53:将多个残差绝对值进行大小比较,获得最大的残差绝对值,并判断最大的残差绝对值是否超过阈值,若不超过,则判定当前疑似烟雾特征区域符合无人机作业烟雾,且不对疑似烟雾特征区域进行报警显示,并消除报警。
进一步的,所述建立统计数组Q1中的每个数值和统计数组Q2中的每个数值的对应关系的具体过程为:
先建立极大值1和极大值2的对应关系,
再依次将位于极大值1前面的数值与位于极大值2后面的数值建立一对一的对应关系,并依次将位于极大值1后面的数值与位于极大值2前面的数值根据位置顺序依次建立一对一的对应关系。
进一步的,在S4中,具体包括以下步骤:
S41:遍历统计数组Q,将相邻两项统计值作差,作差时保持作差方向一致,即始终保持后项减前项,得到差值数组,所述差值数组表示相邻两项差值数值之间的相对关系;
S42:遍历差值数组,将前一项差值数值大于0且后一项差值数值小于等于0的统计值标记为极大值1,再将前一项差值数值小于0且后一项差值数值大于等于0的统计值标记为极小值,再将前一项差值数值大于0且后一项差值数值小于等于0的统计值标记为极大值2;
S43:将极小值记为该疑似烟雾特征区域的对称点,根据对称点对应的统计值位于统计数组中的位置进行划分,即将对应的统计值的前半部分记为统计数组Q1,将对应的统计值的后半部分记为统计数组Q2。
进一步的,在S3中,统计每一列像素点的行数的具体公式为:Ymax-Ymin+1,所述Ymax为行数的最大值,所述Ymin为行数的最小值。
进一步的,第N帧图像与背景帧图像均是基于图像左下角为原点建立以像素为单位的直角坐标系X-Y,像素点的横坐标X与纵坐标Y分别是在其图像中的列数与所在行数。
进一步的,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。
基于差异性的抗飞防作业干扰处理装置,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,实现所述的基于差异性的抗飞防作业干扰处理方法。
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基于差异性的抗飞防作业干扰处理方法。
本发明的有益效果:
由于,飞防作业所产生的喷洒作业烟雾可能会被森林防火系统所识别出来,并且导致森林防火系统发出报警。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,由用户做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。
本发明提供了一种基于差异性的抗飞防作业干扰处理方法来解决上述技术问题。由于,用于飞防作业的无人机一般会通过两个对称的喷洒孔进行农药喷洒作业,导致该左右两边的喷洒孔所产生的喷洒作业烟雾的差异性比较小。
所以,本发明主要通过特殊的纵向压缩方法获得当前疑似烟雾特征区域的对称点,根据对称点将当前疑似烟雾特征区域划分为疑似烟雾特征区域1和疑似烟雾特征区域2,再通过判断疑似烟雾特征区域1和疑似烟雾特征区域2的差异性大小来判定当前疑似烟雾特征区域是否符合无人机作业烟雾,若是,则不对疑似烟雾特征区域进行报警显示,并消除报警,使森林防火系统可以抗飞防作业干扰,并且节省人力资源。
附图说明
图1为本发明的流程示意图。
图2为通过背景减除法得到的当前疑似烟雾特征区域的示意图。
图3为本发明中上半部分的疑似烟雾特征区域的示意图。
图4为本发明中上半部分的疑似烟雾特征区域的坐标信息的示意图。
图5为本发明中上半部分的疑似烟雾特征区域对应的统计数组Q的示意图。
图6为本发明中疑似烟雾特征区域1和对应的统计数组Q1的示意图。
图7为本发明中疑似烟雾特征区域2和对应的统计数组Q2的示意图。
图8为本发明中建立的统计数组Q1中的数值和统计数组Q2中的数值的对应关系的示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。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。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
另外,为了清楚和简洁起见,可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到,在不脱离本公开的精神和范围的情况下,可以对本文描述的示例进行各种改变和修改。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
下面通过参考附图并结合实施例来详细说明本发明:
实施例1
基于差异性的抗飞防作业干扰处理方法,应用于森林防火烟雾报警,如图1所示,所述方法包括:
S1:将第N帧图像与背景帧图像通过背景减除法获得疑似烟雾特征区域;
S2:将疑似烟雾特征区域按照横向进行剪切预处理,获得上半部分的疑似烟雾特征区域,并存储上半部分的疑似烟雾特征区域各个像素点的坐标信息(X,Y),X表示像素点的横坐标在其图像中的列数,Y表示像素点的纵坐标在其图像中的行数;
S3:将上半部分的疑似烟雾特征区域进行纵向压缩,即统计每一列像素点的行数,并获得统计数组Q{t1,t2,...,tn},所述“t1,t2,...,tn”为表示行数的统计值;
S4:获取上半部分的疑似烟雾特征区域的对称点,并根据对称点将统计数组Q划分为统计数组Q1和统计数组Q2;
S5:根据统计数组Q1中的数值和统计数组Q2中的数值的对应关系进行残差计算,根据残差绝对值的大小判定当前疑似烟雾特征区域是否符合无人机作业烟雾,若是,则不对当前疑似烟雾特征区域进行报警显示,并消除报警。
优选的,统计数组Q1中包括极大值1,所述统计数组Q2中包括极大值2,所述S5中具体包括以下步骤:
S51:建立统计数组Q1中的每个数值和统计数组Q2中的每个数值的对应关系;
S52:将统计数组Q1中的数值与对应的统计数组Q2中的数值进行残差计算,获得多个残差值,并获得多个残差绝对值;
S53:将多个残差绝对值进行大小比较,获得最大的残差绝对值,并判断最大的残差绝对值是否超过阈值,若不超过,则判定当前疑似烟雾特征区域符合无人机作业烟雾,且不对疑似烟雾特征区域进行报警显示,并消除报警。
优选的,所述建立统计数组Q1中的每个数值和统计数组Q2中的每个数值的对应关系的具体过程为:
先建立极大值1和极大值2的对应关系,
再依次将位于极大值1前面的数值与位于极大值2后面的数值建立一对一的对应关系,并依次将位于极大值1后面的数值与位于极大值2前面的数值根据位置顺序依次建立一对一的对应关系。
优选的,在S4中,具体包括以下步骤:
S41:遍历统计数组Q,将相邻两项统计值作差,作差时保持作差方向一致,即始终保持后项减前项,得到差值数组,所述差值数组表示相邻两项差值数值之间的相对关系;
S42:遍历差值数组,将前一项差值数值大于0且后一项差值数值小于等于0的统计值标记为极大值1,再将前一项差值数值小于0且后一项差值数值大于等于0的统计值标记为极小值,再将前一项差值数值大于0且后一项差值数值小于等于0的统计值标记为极大值2;
S43:将极小值记为该疑似烟雾特征区域的对称点,根据对称点对应的统计值位于统计数组中的位置进行划分,即将对应的统计值的前半部分记为统计数组Q1,将对应的统计值的后半部分记为统计数组Q2。
优选的,在S3中,统计每一列像素点的行数的具体公式为:Ymax-Ymin+1,所述Ymax为行数的最大值,所述Ymin为行数的最小值。
优选的,第N帧图像与背景帧图像均是基于图像左下角为原点建立以像素为单位的直角坐标系X-Y,像素点的横坐标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,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。
具体的,对于本发明定义的无人机作业烟雾一般包括但不限于无人机进行农药喷洒作业时产生的喷洒作业水雾,由于,在使用无人机进行农药喷洒作业时,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类似,采用背景减除法非常容易识别出来,所以会对森林防火系统造成一些问题。
其中,一般进行农药喷洒作业的无人机具有两个喷洒孔,该无人机会通过两个对称的喷洒孔进行农业喷洒作业,由于,两个喷洒孔是相同尺寸大小且同时进行农业喷洒作业,所以两个喷洒孔分别产生的喷洒作业烟雾的差异性会比较小。
根据两个喷洒孔分别产生的喷洒作业烟雾的差异性较小,本发明提供了一种基于差异性的抗飞防作业干扰处理方法,其应用于森林防火烟雾报警,通过纵向压缩方法获得当前疑似烟雾特征区域的对称点,根据对称点将当前疑似烟雾特征区域划分为疑似烟雾特征区域1和疑似烟雾特征区域2,再通过判断疑似烟雾特征区域1和疑似烟雾特征区域2的差异性大小来判定当前疑似烟雾特征区域是否符合无人机作业烟雾,若是,则不对疑似烟雾特征区域进行报警显示,并消除报警。
基于上述原理,对本发明进行进一步的阐述:
如图2所示,图2为通过背景减除法得到的当前疑似烟雾特征区域的示意图,由于,将该当前疑似烟雾特征区域进行横向剪切预处理,获得上半部分的疑似烟雾特征区域,如图3所示,这个步骤可以排除一些干扰,使本发明的计算过程更加方便。
其中,本发明基于图像左下角为原点建立以像素为单位的直角坐标系X-Y,像素点的横坐标X与纵坐标Y分别是在其图像中的列数与所在行数。
如图4所示,可以得出,上半部分的疑似烟雾特征区域占据的像素单元格对应的坐标信息。如图5所示,根据上半部分的疑似烟雾特征区域占据的像素单元格进行纵向压缩,获得统计数组Q{4,5,6,6,6,6,6,11,11,11,5,3,6,8,10,10,10,4,4,4,4,2}。所述统计数组Q中的一个统计值为一列像素单元格的总行数,并且所述统计数组中统计值的位置顺序是固定的,根据横坐标信息进行升序排序。
因此,通过纵向压缩得到的统计数组Q找到当前疑似烟雾特征区域的对称点。由于,无人机为具有两个对称的喷洒孔的无人机,所以当前疑似烟雾特征区域一定具有两个极大值点,所述极大值点在物理位置上就表示为喷洒孔的位置,两个极大值点中的极小值点就可以作为本发明中的对称点。将统计数组Q中的统计值进行两两相邻作差,所示作差方向保持一致,即始终保持后项减前项,得到差值数组{1,1,0,0,0,0,5,0,0,-6,-2,3,2,2,0,0,-6,0,0,0,-2},所述差值数组表示相邻两项差值数值之间的相对关系,例如,统计值5的前一项差值数值为1且后一项差值数值为1。遍历差值数组,得到极大值1为统计值11,所述统计值12的前一项差值数值为5且后一项差值数值为0;极小值为统计值3,所述统计值3的前一项差值数值为-2且后一项差值数值为3;极大值2为统计值10,所述统计值10的前一项为2且后一项差值数值为0。
所以,该统计值4记为当前疑似烟雾特征区域的对称点,根据该对称点就可以将统计数组Q划分为统计数组Q1{4,5,6,6,6,6,6,11,11,11,5}和统计数组Q2{6,8,10,10,10,4,4,4,4,2},分别如图6、图7所示。
然后建立统计数组Q1中的极大值1和统计数组Q2中的极大值2的对应关系,如图8所示,先建立极大值1和极大值2的对应关系,再依次将位于极大值1前面的数值与位于极大值2后面的数值建立一对一的对应关系,并依次将位于极大值1后面的数值与位于极大值2前面的数值根据位置顺序依次建立一对一的对应关系。
将统计数组Q1中的数值与对应的统计数组Q2中的数值进行残差计算,获得多个残差值,并获得多个残差绝对值,具体为{2,1,2,2,2,4,4,1,2,5},然后将多个残差绝对值进行大小比较,获得最大的残差绝对值5,并判断最大的残差绝对值是否超过阈值,若不超过,则判定当前疑似烟雾特征区域符合无人机作业烟雾,且不对疑似烟雾特征区域进行报警显示,并消除报警。
由于残差绝对值表示疑似烟雾特征区域1和疑似烟雾特征区域2的差异性,所以只需选择最大的残差绝对值进行判断,若判断该最大的残差绝对值都没有超过阈值,那么就可以认定为该疑似烟雾特征区域1中所有像素点与对应的疑似烟雾特征区域2中的像素点的差异大小都没有超过阈值,则可以判定疑似烟雾特征区域1与疑似烟雾特征区域2的差异性较小,则可以判定当前疑似烟雾特征区域符合无人机作业烟雾。
实施例2
本实施例提供一种计算机可读存储介质,包括:一个或多个处理器;存储单元,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,能使得所述一个或多个处理器实现实施例1或实施例2的一种河流漂浮污染物的监测方法。
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,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。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (9)
1.基于差异性的抗飞防作业干扰处理方法,应用于森林防火烟雾报警,其特征在于,所述方法包括:
S1:将第N帧图像与背景帧图像通过背景减除法获得疑似烟雾特征区域;
S2:将疑似烟雾特征区域按照横向进行剪切预处理,获得上半部分的疑似烟雾特征区域,并存储上半部分的疑似烟雾特征区域各个像素点的坐标信息(X,Y),X表示像素点的横坐标在其图像中的列数,Y表示像素点的纵坐标在其图像中的行数;
S3:将上半部分的疑似烟雾特征区域进行纵向压缩,即统计每一列像素点的行数,并获得统计数组Q{t1,t2,...,tn},所述“t1,t2,...,tn”为表示行数的统计值;
S4:获取上半部分的疑似烟雾特征区域的对称点,并根据对称点将统计数组Q划分为统计数组Q1和统计数组Q2;
S5:根据统计数组Q1中的数值和统计数组Q2中的数值的对应关系进行残差计算,根据残差绝对值的大小判定当前疑似烟雾特征区域是否符合无人机作业烟雾,若是,则不对当前疑似烟雾特征区域进行报警显示,并消除报警。
2.根据权利要求1所述的基于差异性的抗飞防作业干扰处理方法,其特征在于,所述统计数组Q1中包括极大值1,所述统计数组Q2中包括极大值2,所述S5中具体包括以下步骤:
S51:建立统计数组Q1中的每个数值和统计数组Q2中的每个数值的对应关系;
S52:将统计数组Q1中的数值与对应的统计数组Q2中的数值进行残差计算,获得多个残差值,并获得多个残差绝对值;
S53:将多个残差绝对值进行大小比较,获得最大的残差绝对值,并判断最大的残差绝对值是否超过阈值,若不超过,则判定当前疑似烟雾特征区域符合无人机作业烟雾,且不对疑似烟雾特征区域进行报警显示,并消除报警。
3.根据权利要求2所述的基于差异性的抗飞防作业干扰处理方法,其特征在于,所述建立统计数组Q1中的每个数值和统计数组Q2中的每个数值的对应关系的具体过程为:
先建立极大值1和极大值2的对应关系,
再依次将位于极大值1前面的数值与位于极大值2后面的数值建立一对一的对应关系,并依次将位于极大值1后面的数值与位于极大值2前面的数值根据位置顺序依次建立一对一的对应关系。
4.根据权利要求1所述的基于差异性的抗飞防作业干扰处理方法,其特征在于,在S4中,具体包括以下步骤:
S41:遍历统计数组Q,将相邻两项统计值作差,作差时保持作差方向一致,即始终保持后项减前项,得到差值数组,所述差值数组表示相邻两项差值数值之间的相对关系;
S42:遍历差值数组,将前一项差值数值大于0且后一项差值数值小于等于0的统计值标记为极大值1,再将前一项差值数值小于0且后一项差值数值大于等于0的统计值标记为极小值,再将前一项差值数值大于0且后一项差值数值小于等于0的统计值标记为极大值2;
S43:将极小值记为该疑似烟雾特征区域的对称点,根据对称点对应的统计值位于统计数组中的位置进行划分,即将对应的统计值的前半部分记为统计数组Q1,将对应的统计值的后半部分记为统计数组Q2。
5.根据权利要求1所述的基于差异性的抗飞防作业干扰处理方法,其特征在于,在S3中,统计每一列像素点的行数的具体公式为:Ymax-Ymin+1,所述Ymax为行数的最大值,所述Ymin为行数的最小值。
6.根据权利要求1所述的基于差异性的抗飞防作业干扰处理方法,其特征在于,第N帧图像与背景帧图像均是基于图像左下角为原点建立以像素为单位的直角坐标系X-Y,像素点的横坐标X与纵坐标Y分别是在其图像中的列数与所在行数。
7.根据权利要求1所述的基于差异性的抗飞防作业干扰处理方法,其特征在于,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。
8.基于差异性的抗飞防作业干扰处理装置,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1-7中任一项所述的基于差异性的抗飞防作业干扰处理方法。
9.一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7任一项所述的基于差异性的抗飞防作业干扰处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310627943.6A CN116362944B (zh) | 2023-05-31 | 2023-05-31 | 基于差异性的抗飞防作业干扰处理方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310627943.6A CN116362944B (zh) | 2023-05-31 | 2023-05-31 | 基于差异性的抗飞防作业干扰处理方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116362944A CN116362944A (zh) | 2023-06-30 |
CN116362944B true CN116362944B (zh) | 2023-07-28 |
Family
ID=86905324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310627943.6A Active CN116362944B (zh) | 2023-05-31 | 2023-05-31 | 基于差异性的抗飞防作业干扰处理方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362944B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016110263A (ja) * | 2014-12-03 | 2016-06-20 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
CN106840409A (zh) * | 2017-01-23 | 2017-06-13 | 北京师范大学 | 一种基于modis的森林火灾火点检测方法 |
CN107085714A (zh) * | 2017-05-09 | 2017-08-22 | 北京理工大学 | 一种基于视频的森林火灾检测方法 |
CN110147758A (zh) * | 2019-05-17 | 2019-08-20 | 电子科技大学成都学院 | 一种基于深度学习的森林防火方法 |
CN111357293A (zh) * | 2017-11-24 | 2020-06-30 | 索尼公司 | 图像处理装置和方法 |
CN112906481A (zh) * | 2021-01-23 | 2021-06-04 | 招商新智科技有限公司 | 一种基于无人机实现森林火情检测的方法 |
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 |
CN115761627A (zh) * | 2022-11-14 | 2023-03-07 | 无锡学院 | 一种火灾烟雾火焰图像识别方法 |
WO2023030513A1 (zh) * | 2021-09-05 | 2023-03-09 | 汉熵通信有限公司 | 物联网系统 |
CN115798134A (zh) * | 2022-11-28 | 2023-03-14 | 中国舰船研究设计中心 | 一种红外热成像传感器及红外测温方法 |
CN116012395A (zh) * | 2023-02-07 | 2023-04-25 | 昆明理工大学 | 一种基于深度可分离卷积的多尺度融合烟雾分割方法 |
CN116091935A (zh) * | 2023-04-07 | 2023-05-09 | 四川三思德科技有限公司 | 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 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10833912B2 (en) * | 2012-12-05 | 2020-11-10 | Origin Wireless, Inc. | Methods, devices, servers, apparatus, and systems for wireless internet of things applications |
TWI550988B (zh) * | 2015-02-17 | 2016-09-21 | A group-based switch control system | |
US11865394B2 (en) * | 2017-12-03 | 2024-01-09 | Mighty Fire Breaker Llc | Environmentally-clean biodegradable water-based concentrates for producing fire inhibiting and fire extinguishing liquids for fighting class A and class B fires |
DE202018102534U1 (de) * | 2017-12-22 | 2018-05-15 | Schott Ag | Transparente, eingefärbte Lithiumaluminiumsilikat-Glaskeramik |
CN110186985B (zh) * | 2019-06-20 | 2021-08-03 | 应急管理部四川消防研究所 | 宽浓度多组分危险气体检测仪及其实现方法 |
-
2023
- 2023-05-31 CN CN202310627943.6A patent/CN116362944B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016110263A (ja) * | 2014-12-03 | 2016-06-20 | 能美防災株式会社 | 煙検出装置および煙検出方法 |
CN106840409A (zh) * | 2017-01-23 | 2017-06-13 | 北京师范大学 | 一种基于modis的森林火灾火点检测方法 |
CN107085714A (zh) * | 2017-05-09 | 2017-08-22 | 北京理工大学 | 一种基于视频的森林火灾检测方法 |
CN111357293A (zh) * | 2017-11-24 | 2020-06-30 | 索尼公司 | 图像处理装置和方法 |
CN110147758A (zh) * | 2019-05-17 | 2019-08-20 | 电子科技大学成都学院 | 一种基于深度学习的森林防火方法 |
CN112906481A (zh) * | 2021-01-23 | 2021-06-04 | 招商新智科技有限公司 | 一种基于无人机实现森林火情检测的方法 |
WO2023030513A1 (zh) * | 2021-09-05 | 2023-03-09 | 汉熵通信有限公司 | 物联网系统 |
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 |
CN115761627A (zh) * | 2022-11-14 | 2023-03-07 | 无锡学院 | 一种火灾烟雾火焰图像识别方法 |
CN115798134A (zh) * | 2022-11-28 | 2023-03-14 | 中国舰船研究设计中心 | 一种红外热成像传感器及红外测温方法 |
CN116012395A (zh) * | 2023-02-07 | 2023-04-25 | 昆明理工大学 | 一种基于深度可分离卷积的多尺度融合烟雾分割方法 |
CN116091935A (zh) * | 2023-04-07 | 2023-05-09 | 四川三思德科技有限公司 | 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 |
Non-Patent Citations (3)
Title |
---|
BCD电路器件结构的计算机辅助设计;薛方俊;中国优秀硕士学位论文全文数据库信息科技辑;I135-148 * |
基于共现分析剪切波变换的红外与可见光图像融合研究;齐彪;中国博士学位论文全文数据库 信息科技辑(第1期);基于共现分析剪切波变换的红外与可见光图像融合研究 * |
多源干扰下高超声速飞行器自主精细控制;郭雷 等;宇航学报;第44卷(第4期);558-565 * |
Also Published As
Publication number | Publication date |
---|---|
CN116362944A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AT506928B1 (de) | Verfahren zur videoanalyse | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
JP4705090B2 (ja) | 煙感知装置及びその方法 | |
US20040119848A1 (en) | Method and apparatus for computerized image background analysis | |
KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
US7804522B2 (en) | Image analysis for smoke detection | |
JP2008262533A (ja) | 火炎検出方法及びその装置 | |
CN110287875A (zh) | 视频目标的检测方法、装置、电子设备和存储介质 | |
CN111639825A (zh) | 基于A-Star算法是森林火灾指示逃生路径方法及系统 | |
CN109886129B (zh) | 提示信息生成方法和装置,存储介质及电子装置 | |
CN115690496A (zh) | 基于YOLOv5的实时区域入侵检测方法 | |
CN116362944B (zh) | 基于差异性的抗飞防作业干扰处理方法、装置及介质 | |
CN107316024A (zh) | 基于深度学习的周界报警算法 | |
CN112633157B (zh) | 一种agv工作区域安全性的实时检测方法及系统 | |
CN104347022A (zh) | 一种拼接屏故障检测方法及系统 | |
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 | |
CN110928305A (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
CN113221724B (zh) | 车辆抛洒物检测方法及系统 | |
CN117797435A (zh) | 泡沫消防车智能灭火方法、系统、泡沫消防车及存储介质 | |
CN113283332A (zh) | 一种消防机器人火焰识别方法、设备及存储介质 | |
CN112927459A (zh) | 一种基于无人机视觉的九宫格火势预测方法及应用 | |
Hameete et al. | Intelligent Multi-Camera Video Surveillance. | |
KR102081577B1 (ko) | Cctv를 활용한 지능형 화재 감지 시스템 | |
CN115170894A (zh) | 一种烟火检测的方法及装置 | |
CN115526896A (zh) | 一种火灾防控的方法、装置、电子设备及可读存储介质 |
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 |