CN117037065A - 火焰烟雾浓度检测方法、装置、计算机设备和存储介质 - Google Patents
火焰烟雾浓度检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117037065A CN117037065A CN202311031325.1A CN202311031325A CN117037065A CN 117037065 A CN117037065 A CN 117037065A CN 202311031325 A CN202311031325 A CN 202311031325A CN 117037065 A CN117037065 A CN 117037065A
- Authority
- CN
- China
- Prior art keywords
- visible light
- flame
- light image
- smoke concentration
- detected
- 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
- 239000000779 smoke Substances 0.000 title claims abstract description 304
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000003384 imaging method Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 238000007499 fusion processing Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 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
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Fire-Detection Mechanisms (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请涉及一种火焰烟雾浓度检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:通过设置于待检测区域中的多个方位的可见光摄像设备,获取待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,确定每个可见光摄像设备对应的权重;基于各个可见光摄像设备对应的权重,对各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。采用本方法,能够提高火焰烟雾浓度的检测准确率。
Description
技术领域
本申请涉及烟雾浓度检测技术领域,特别是涉及一种火焰烟雾浓度检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
架空输电线路通常布置在野外,例如森林等植被茂盛的区域;当植被茂盛的区域中发生火灾时,燃烧产生的高温以及植被燃烧生成的烟雾颗粒会改变输电线路对地间隙的导电性能,从而使得输电线路容易发生跳闸事故,导致大面积的停电事故,因此,需要对植被茂盛的区域进行火焰烟雾浓度的检测,以对植被茂盛区域进行实时的火灾监测。
在相关技术中,通常都是用烟雾探测器进行火焰烟雾浓度的检测;然而,烟雾探测器容易受到外界环境空气质量的影响,因此使得火焰烟雾浓度的检测准确率较低。
发明内容
基于此,有必要针对上述火焰烟雾浓度的检测准确率较低的技术问题,提供一种能够提高火焰烟雾浓度的检测准确率的火焰烟雾浓度检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种火焰烟雾浓度检测方法。所述方法包括:
通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;
基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重;
基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
在其中一个实施例中,所述基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重,包括:
针对每个可见光摄像设备,确定所述火焰的烟雾在所述可见光摄像设备采集的可见光图像中的面积信息和所述可见光摄像设备的摄像像素;
根据所述实际距离与距离阈值之间的距离比值关系、所述面积信息,以及所述摄像像素与摄像像素阈值之间的像素比值关系,确定所述可见光摄像设备对应的权重;
所述距离阈值为所述各个可见光摄像设备对应的实际距离中,对应的数值大于其余实际距离的数值的实际距离;所述摄像像素阈值为所述各个可见光摄像设备对应的摄像像素中,对应的数值大于其余摄像像素的数值的摄像像素。
在其中一个实施例中,所述确定所述火焰的烟雾在所述可见光摄像设备采集的可见光图像中的面积信息,包括:
从所述可见光摄像设备采集的可见光图像中,识别出所述火焰的烟雾图像;
确定所述烟雾图像的面积与所述可见光图像的面积之间的面积比值关系,作为所述火焰的烟雾在所述可见光摄像设备采集的可见光图像中的面积信息。
在其中一个实施例中,所述每个可见光摄像设备安装在所述待检测区域中的一个电力塔杆的顶部;
所述每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离通过下述方式确定:
针对每个可见光摄像设备,从所述可见光摄像设备采集的可见光图像中,识别出电力塔杆的电力塔杆图像和所述火焰的烟雾图像;
基于所述电力塔杆图像和所述电力塔杆的实际高度,确定所述可见光图像的比例信息,以及,基于所述烟雾图像,确定所述可见光摄像设备与所述火焰的烟雾之间的图像距离;所述图像距离用于表征所述火焰的烟雾在所述可见光图像中与所述可见光摄像设备之间的距离;
基于所述比例信息和所述图像距离,确定所述可见光摄像设备与所述待检测区域中的火焰的烟雾之间的实际距离。
在其中一个实施例中,所述基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度,包括:
获取所述每个可见光摄像设备采集的初始可见光图像表征的初始烟雾浓度;所述初始烟雾浓度为所述每个可见光摄像设备在所述待检测区域中不存在火焰的情况下采集得到;
分别确定所述每个可见光摄像设备对应的初始烟雾浓度与烟雾浓度之间的烟雾浓度差异信息,作为所述每个可见光摄像设备对应的目标烟雾浓度;
基于所述各个可见光摄像设备对应的权重,对所述每个可见光摄像设备对应的目标烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
在其中一个实施例中,每个区域中均设置有火焰探测器;
在通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度之前,还包括:
在接收到火焰警报信息的情况下,确定发送所述火焰警报信息的火焰探测器;
将所述火焰探测器关联的区域确定为存在火焰的待检测区域;
启动所述待检测区域中的多个方位的可见光摄像设备。
第二方面,本申请还提供了一种火焰烟雾浓度检测装置。所述装置包括:
第一烟雾浓度确定模块,用于通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;
摄像设备权重确定模块,用于基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重;
第二烟雾浓度确定模块,用于基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;
基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重;
基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;
基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重;
基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;
基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重;
基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
上述火焰烟雾浓度检测方法、装置、计算机设备、存储介质和计算机程序产品,首先通过设置于待检测区域中的多个方位的可见光摄像设备,获取待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;然后基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,确定每个可见光摄像设备对应的权重;最后基于各个可见光摄像设备对应的权重,对各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。这样,通过多个可见光摄像设备,能够从各个角度采集对待检测区域进行采集,得到待检测区域的多张可见光图像,并确定每张可见光图像表征的烟雾浓度,然后基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,能够确定每个可见光摄像设备对应的权重,进而能够基于各个可见光摄像设备对应的权重,对对应的烟雾浓度进行融合处理得到火焰的实际烟雾浓度;上述火焰烟雾浓度检测方法,与基于烟雾探测器的火焰烟雾浓度检测方法相比,通过综合待检测区域中的各个可见光摄像设备检测到的烟雾的浓度来确定待检测区域中的火焰的实际烟雾浓度,因此不容易受到外界环境空气质量的影响,提高了火焰烟雾浓度的检测准确率。
附图说明
图1为一个实施例中火焰烟雾浓度检测方法的流程示意图;
图2为一个实施例中火焰烟雾浓度检测方法的应用示意图;
图3为一个实施例中确定每个可见光摄像设备对应的权重的步骤的流程示意图;
图4为一个实施例中确定每个可见光摄像设备与待检测区域中的火焰之间的实际距离的步骤的流程示意图;
图5为一个实施例中得到待检测区域中的火焰的实际烟雾浓度的步骤的流程示意图;
图6为另一个实施例中火焰烟雾浓度检测方法的流程示意图;
图7为一个实施例中火焰烟雾浓度实时观测方法的流程示意图;
图8为一个实施例中火焰烟雾浓度检测装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
在一示例性实施例中,如图1所示,提供了一种火焰烟雾浓度检测方法,本实施例以该方法应用于服务器进行举例说明;可以理解的是,该方法也可以应用于终端,还可以应用于包括服务器和终端的系统,并通过服务器和终端之间的交互实现。其中,服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。本实施例中,该方法包括以下步骤:
步骤S102,通过设置于待检测区域中的多个方位的可见光摄像设备,获取待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度。
其中,每个可见光摄像设备设置于待检测区域中的一个电力塔杆的顶部;可见光摄像设备用于采集可见光图像。能够理解的是,目前市场上已有能够根据周围图像计算周围烟雾浓度的可见光摄像设备,因此,服务器基于可见光摄像设备,还能够确定可见光摄像设备根据自身采集的可见光图像检测得到的烟雾浓度;例如,可见光摄像设备将检测到的烟雾浓度,显示在可见光图像中,并发送给服务器。
其中,每张可见光图像表征的烟雾浓度,根据拍摄该可见光图像的可见光摄像设备,基于该可见光图像检测得到。
如图2所示为本申请提供的火焰烟雾浓度检测方法的应用示意图;参阅图2,可以将可见光摄像设备安装在森林中的各个电力塔杆的顶部,并将森林分为多个区域,当某个区域存在火焰时,可以通过该区域内的各个电力塔杆顶部的可见光摄像设备,从不同角度采集该区域的多张可见光图像。
具体地,服务器在检测到森林中发生火灾,即存在火焰的情况下,启动存在火焰的待检测区域中的多个可见光摄像设备;多个可见光摄像设备启动后,会以预设的时间间隔,在相同时间点对附近环境进行拍摄,并将拍摄得到的可见光图像发送给服务器;服务器通过多个可见光摄像设备对待检测区域的拍摄,获取待检测区域的多张可见光图像,并获取每张可见光图像表征的烟雾浓度,例如,服务器将可见光摄像设备发送的可见光图像上标注的烟雾浓度,确定为该可见光摄像设备对应的烟雾浓度
步骤S104,基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,确定每个可见光摄像设备对应的权重。
其中,实际距离为可见光摄像设备与待检测区域中的火焰在真实世界中的距离。
其中,权重用于表征可见光摄像采集的可见光图像表征的烟雾浓度对待检测区域中的火焰的实际烟雾浓度的影响程度。
具体地,针对每个可见光摄像设备,服务器根据每个可见光摄像设备采集的可见光图像,确定每个可见光摄像设备和待检测区域中的烟雾之间的实际距离,进而根据每个可见光摄像设备对应的实际距离,确定表征每个可见光摄像采集的可见光图像表征的烟雾浓度对待检测区域中的火焰的实际烟雾浓度的影响程度,即每个可见光摄像设备各自对应的权重。
步骤S106,基于各个可见光摄像设备对应的权重,对各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。
具体地,服务器基于各个可见光摄像设备各自对应的权重,对各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,例如加权求和,得到待检测区域中的火焰的实际烟雾浓度;服务器基于该实际烟雾浓度,可以确定待检测区域中的火焰的火势大小,进而确定火灾的严重程度,从而实现针对森林中的火灾的实时监测,因此,服务器可以在实际烟雾浓度超过烟雾浓度阈值的情况下,发出火灾预警信息,以使森林防火人员对火灾进行控制,以及使输电线路的运维人员对待检测区域中的输电线路设备进行运维。
举例说明,服务器可以基于公式1对各个烟雾浓度进行融合处理,得到实际烟雾浓度:
其中,P表示实际烟雾浓度;N表示待检测区域中的可见光摄像设备的总个数,n表示可见光摄像设备在待检测区域中的所有可见光摄像设备中的序号;Pn表示第n个可见光摄像设备采集的可见光图像表征的烟雾浓度,λn表示第n个可见光摄像设备对应的权重。
再举例说明,服务器还可以基于公式2对各个烟雾浓度进行融合处理,得到实际烟雾浓度:
上述实施例提供的火焰烟雾浓度检测方法中,服务器首先在检测到存在火焰的情况下,服务器首先通过设置于待检测区域中的多个方位的可见光摄像设备,获取待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;然后,服务器基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,确定每个可见光摄像设备对应的权重;最后,服务器基于各个可见光摄像设备对应的权重,对各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。这样,通过多个可见光摄像设备,能够从各个角度采集对待检测区域进行采集,从而服务器得到待检测区域的多张可见光图像,并能够确定每张可见光图像表征的烟雾浓度,然后基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,服务器能够确定每个可见光摄像设备对应的权重,进而能够基于各个可见光摄像设备对应的权重,对对应的烟雾浓度进行融合处理得到火焰的实际烟雾浓度;上述火焰烟雾浓度检测方法,与基于烟雾探测器的火焰烟雾浓度检测方法相比,通过综合待检测区域中的各个可见光摄像设备检测到的烟雾的浓度来确定待检测区域中的火焰的实际烟雾浓度,因此不容易受到外界环境空气质量的影响,提高了火焰烟雾浓度的检测准确率。
如图3所示,在一示例性实施例中,上述步骤S104,基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,确定每个可见光摄像设备对应的权重,具体包括以下步骤:
步骤S302,针对每个可见光摄像设备,确定火焰的烟雾在可见光摄像设备采集的可见光图像中的面积信息和可见光摄像设备的摄像像素。
步骤S304,根据实际距离与距离阈值之间的距离比值关系、面积信息,以及摄像像素与摄像像素阈值之间的像素比值关系,确定可见光摄像设备对应的权重。
其中,可见光摄像设备的摄像像素,可以根据可见光图像的属性信息确定。
其中,面积信息用于表征可见光图像中,火焰的烟雾图像的面积与可见光图像的面积之间的面积差异,例如面积差值或面积比值。
其中,距离阈值为各个可见光摄像设备对应的实际距离中,对应的数值大于其余实际距离的数值的实际距离,即距离阈值为各个可见光摄像设备对应的实际距离中的最大实际距离。
其中,摄像像素阈值为各个可见光摄像设备对应的摄像像素中,对应的数值大于其余摄像像素的数值的摄像像素,即摄像像素阈值为各个可见光摄像设备对应的摄像像素中的最大摄像像素。
具体地,针对每个可见光摄像设备,服务器通过以下过程确定该可见光摄像设备对应的实际距离、面积信息以及摄像像素:服务器根据该可见光摄像设备采集的可见光图像,首先确定可见光摄像设备与待检测区域中的火焰在可见光图像上的图像距离,并基于图像距离和可见光图像的比例尺,得到可见光摄像设备与待检测区域中的火焰在真实世界中的实际距离;接着,服务器从可见光图像中,识别出火焰的烟雾图像,并计算烟雾图像的面积和可见光图像的面积之间的面积差异,从而得到火焰的烟雾在可见光图像中的面积信息;接着,服务器根据可见光图像的属性信息,确定该可见光摄像设备的摄像像素。
基于上述过程,服务器可以得到待检测区域中的所有可见光摄像设备对应的实际距离和摄像像素,然后,服务器将所有实际距离中的最大实际距离,确定为距离阈值,以及,将所有摄像像素中的最大摄像像素,确定为摄像像素阈值。
接着,针对每个可见光摄像设备,服务器通过以下过程确定该可见光摄像设备对应的权重:服务器首先确定该可见光摄像设备对应的实际距离与距离阈值之间的距离比值关系,以及该可见光摄像设备对应的摄像像素与摄像像素阈值之间的像素比值关系;然后,根据上述距离比值关系、像素比值关系以及该可见光摄像设备对应的面积信息,按照公式3得到可见光摄像设备对应的权重:
其中,λn表示第n个可见光摄像设备对应的权重;Ln表示第n个可见光摄像设备与待检测区域中的火焰之间的实际距离,LMAX表示距离阈值;PIn表示第n个可见光摄像设备的摄像像素,PIMAX表示摄像像素阈值;Sn表示火焰的烟雾在第n个可见光摄像设备采集的可见光图像中的面积信息。
能够理解的是,服务器还可以每次获取可见光图像的时候就更新一次可见光摄像设备对应的权重,以保证权重的准确性,进而保证实际烟雾浓度的准确性。
本实施例中,服务器通过每个可见光摄像设备采集的可见光图像,能够得到每个可见光摄像设备对应的实际距离、面积信息以及摄像像素,从而能够基于实际距离、面积信息以及摄像像素,确定该可见光摄像设备对应的烟雾浓度,对待检测区域中的火焰的实际烟雾浓度的影响程度,即该可见光摄像设备对应的权重,以便于后续基于权重,将各个可见光摄像设备对应的烟雾浓度融合为实际烟雾浓度;基于上述过程,服务器可以基于多个可见光摄像设备对火焰的烟雾浓度进行确定,避免了单个可见光摄像设备或单个烟雾探测器对烟雾浓度检测造成的不准确,因此提高了火焰烟雾浓度的检测准确率。
在一示例性实施例中,上述步骤S302中,确定烟雾在可见光图像中的面积信息,具体包括以下内容:从可见光摄像设备采集的可见光图像中,识别出火焰的烟雾图像;确定烟雾图像的面积与可见光图像的面积之间的面积比值关系,作为火焰在可见光图像中的面积信息。
具体地,服务器通过目标检测算法,从可见光图像中,识别出火焰的烟雾图像,并确定烟雾图像的面积和可见光图像的面积;然后,服务器确定烟雾图像的面积与可见光图像的面积之间的面积比值关系,即烟雾图像在可见光图像中的占比,从而得到火焰的烟雾在可见光图像中的面积信息。
本实施例中,服务器通过烟雾图像的面积和可见光图像的面积,能够得到火焰的烟雾在可见光图像中的面积信息,进而能够表征火焰的烟雾在待检测区域中的分布范围,为后续可见光摄像设备的权重的确定提供了依据。
在一示例性实施例中,每个可见光摄像设备安装在待检测区域中的一个电力塔杆的顶部。
如图4所示,上述步骤S104中的每个可见光摄像设备与待检测区域中的火焰之间的实际距离通过下述方式确定:
步骤S402,针对每个可见光摄像设备,从可见光摄像设备采集的可见光图像中,识别出电力塔杆的电力塔杆图像和火焰的烟雾图像。
步骤S404,基于电力塔杆图像和电力塔杆的实际高度,确定可见光图像的比例信息,以及,基于烟雾图像,确定可见光摄像设备与火焰的烟雾之间的图像距离。
步骤S406,基于比例信息和图像距离,确定可见光摄像设备与待检测区域中的火焰的烟雾之间的实际距离。
其中,图像距离用于表征火焰的烟雾与可见光摄像设备在可见光图像中的距离。
具体地,服务器基于目标检测模型,从可见光摄像设备采集的可见光图像中,识别出待检测区域中的其余塔杆的电力塔杆图像和火焰的烟雾图像;然后,服务器将电力塔杆图像的高度,确定为电力塔杆的图像高度,以及,测量可见光图像中,可见光摄像设备与烟雾图像之间的距离,作为可见光摄像设备与火焰之间的图像距离;由于每根电力塔杆的高度都是相同且固定的,因此,服务器可以根据电力塔杆的图像高度和电力塔杆的实际高度,计算可见光图像的比例信息(即可见光图像的比例尺),最后,服务器再根据比例信息和可见光摄像设备与火焰的烟雾之间的图像距离,推导出可见光摄像设备与火焰之间的实际距离。其中,图像高度用于表征电力塔杆在可见光图像中的高度,
举例说明,假设电力塔杆的图像高度为h,实际高度为H,可见光摄像设备与火焰的烟雾之间的图像距离为l,那么服务器可以根据公式4计算得到可见光摄像设备与火焰之间的实际距离L:
其中,H/h表示可见光图像的比例信息。
再举例说明,当可见光图像中存在多个电力塔杆的电力塔杆图像时,可以先分别基于每一个电力塔杆图像确定一个比例尺,再将各个比例尺的平均值作为可见光图像的比例信息。
本实施例中,服务器通过可见光图像中的电力塔杆,能够得到可见光图像的比例信息,进而推到出可见光摄像设备与火焰的烟雾之间的实际距离,为后续可见光摄像设备的权重的确定提供了依据。
如图5所示,在一示例性实施例中,上述步骤S106,基于各个可见光摄像设备对应的权重,对各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度,具体包括以下步骤:
步骤S502,获取每个可见光摄像设备采集的初始可见光图像表征的初始烟雾浓度。
步骤S504,分别确定每个可见光摄像设备对应的初始烟雾浓度与烟雾浓度之间的烟雾浓度差异信息,作为每个可见光摄像设备对应的目标烟雾浓度。
步骤S506,基于各个可见光摄像设备对应的权重,对每个可见光摄像设备对应的目标烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。
其中,初始烟雾浓度为每个可见光摄像设备在待检测区域中不存在火焰的情况下采集得到;能够理解的是,即便是在没有火焰的情况下,空气中也会存在一定数量的烟雾颗粒,因此为了避免空气中原本就存在的烟雾颗粒对烟雾浓度检测的影响,需要对可见光摄像设备检测到的烟雾浓度进行清零处理,以校正空气中原本就存在的烟雾颗粒对烟雾浓度检测的影响。
具体地,针对每个区域,服务器在根据火焰探测器,确定区域中不存在火焰的情况下,启动该区域中的各个可见光摄像设备,并基于各个可见光摄像设备,获取该区域的多张初始可见光图像,并将每张初始可见光图像表征的烟雾浓度,作为拍摄该初始可见光图像的可见光设备采集对应的初始烟雾浓度;然后,服务器在根据火焰探测器,确定某个区域中存在火焰的情况下,将该区域确定为待检测区域,并且启动待检测区域中的各个可见光摄像设备,针对每个可见光摄像设备,服务器确定该可见光摄像设备采集的可见光图像表征的烟雾浓度,接着,服务器确定该可见光摄像设备对应的初始烟雾浓度(无火焰环境下)与烟雾浓度(火焰环境下)之间的烟雾浓度差值,从而得到该可见光摄像设备实际检测得到的目标烟雾浓度;最后,服务器基于各个可见光摄像设备对应的权重,对每个可见光摄像设备对应的目标烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。
举例说明,假设对于某可见光摄像设备而言,初始烟雾浓度为5ppm(parts permillion,百万分比浓度),烟雾浓度为50ppm,那么该可见光摄像设备对应的目标烟雾浓度即为50-5=45(ppm)。
本实施例中,服务器通过在无火焰情况下启动可见光摄像设备,能够对各个区域在无火焰的情况下的初始烟雾浓度进行检测,从而实现了可见光摄像设备检测烟雾浓度的清零处理,又通过可见光摄像设备在无火焰环境下的初始烟雾浓度和火焰环境下的烟雾浓度,能够在排除空气中原本就存在的烟雾颗粒的影响的情况下,对火焰的烟雾浓度进行检测,因此提高了火焰烟雾浓度的检测准确率。
在一示例性实施例中,每个区域中均设置有火焰探测器。
在上述步骤S102,通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度之前,具体还包括以下内容:在接收到火焰警报信息的情况下,确定发送火焰警报信息的火焰探测器;将火焰探测器关联的区域确定为存在火焰的待检测区域;启动待检测区域中的多个方位的可见光摄像设备。
其中,火焰探测器为用于探测环境中是否存在火焰的仪器,例如温度传感器、烟雾探测器,还可以用红外探测器、紫外探测器等。
具体地,服务器通过设置在各个区域中的火焰探测器,实时监测区域中是否存在火焰;当火焰探测器探测到所属区域中存在火焰的情况下,会向服务器发送火焰警报信息;当服务器接收到火焰警报信息,会基于火焰警报信息确定发送该火焰警报信息的火焰探测器,然后将发送该火焰警报信息的火焰探测器的所属区域确定为存在火焰的待检测区域,并启动该待检测区域中的多个方位的可见光摄像设备。
举例说明,当火焰探测器为烟雾探测器时,烟雾探测器可以根据一定时间内的烟雾浓度的涨幅程度来判断是否需要发出火焰警报信息。
能够理解的是,由于火焰探测器只用于探测是否存在火焰,因此,每个区域中的火焰探测器的数量不需要太多,可以是一个或多个,因此,服务器接收到的火焰警报信息也可以为一条或多条;若服务器接收到的是多条火焰警报信息,那么服务器可以将发送多条火焰警报信息的多个火焰探测器对应的区域(可以为一个区域,也可以为多个区域组成的区域),确定为待检测区域。
本实施例中,服务器设置在各个区域中的火焰探测器,可以初步检测各个区域中是否存在火焰,并在接收到火焰探测器发送的火焰警报信息的情况下,基于发送火焰警报信息的火焰探测器,确定存在火焰的待检测区域。
在一示例性实施例中,如图6所示,提供了另一种火焰烟雾浓度检测方法,以该方法应用于服务器为例进行说明,包括以下步骤:
步骤S601,在接收到火焰警报信息的情况下,确定发送火焰警报信息的火焰探测器。
步骤S602,将火焰探测器关联的区域确定为存在火焰的待检测区域。
步骤S603,启动待检测区域中的多个方位的可见光摄像设备。
步骤S604,通过设置于待检测区域中的多个方位的可见光摄像设备,获取待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度。
步骤S605,针对每个可见光摄像设备,确定火焰的烟雾在可见光摄像设备采集的可见光图像中的面积信息和可见光摄像设备的摄像像素。
步骤S606,根据实际距离与距离阈值之间的距离比值关系、面积信息,以及摄像像素与摄像像素阈值之间的像素比值关系,确定可见光摄像设备对应的权重。
步骤S607,获取每个可见光摄像设备采集的初始可见光图像表征的初始烟雾浓度。
步骤S608,分别确定每个可见光摄像设备对应的初始烟雾浓度与烟雾浓度之间的烟雾浓度差异信息,作为每个可见光摄像设备对应的目标烟雾浓度。
步骤S609,基于各个可见光摄像设备对应的权重,对每个可见光摄像设备对应的目标烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。
本实施例中,第一,服务器通过每个可见光摄像设备采集的可见光图像,能够得到每个可见光摄像设备对应的实际距离、面积信息以及摄像像素,从而能够基于实际距离、面积信息以及摄像像素,确定该可见光摄像设备对应的烟雾浓度,对待检测区域中的火焰的实际烟雾浓度的影响程度,即该可见光摄像设备对应的权重,以便于后续基于权重,将各个可见光摄像设备对应的烟雾浓度融合为实际烟雾浓度;第二,服务器通过在无火焰情况下启动可见光摄像设备,能够对各个区域在无火焰的情况下的烟雾浓度进行检测,从而实现了可见光摄像设备检测烟雾浓度的清零处理,避免了空气中原本就存在的烟雾颗粒对烟雾浓度检测的影响,进而提高了火焰烟雾浓度的检测准确率;上述火焰烟雾浓度检测方法,与基于烟雾探测器的火焰烟雾浓度检测方法相比,通过综合待检测区域中的各个可见光摄像设备检测到的烟雾的浓度来确定待检测区域中的火焰的实际烟雾浓度,因此不容易受到外界环境的影响,提高了火焰烟雾浓度的检测准确率。
为了更清晰阐明本申请实施例提供的火焰烟雾浓度检测方法,以下以一个具体的实施例对该火焰烟雾浓度检测方法进行具体说明,但应当理解的是,本申请实施例并不限于此。如图7所示,在一示例性实施例中,本申请还提供了一种火焰烟雾浓度实时观测方法,具体包括以下步骤:
S1:在森林中的各个电力塔杆的顶端安装可见光摄像设备。
S2:如果森林中发生火灾,则可根据一定时间内烟雾浓度的涨幅程度来启动火灾发生范围内的所有可见光摄像设备,以采集火焰烟雾的可见光图像;可见光摄像设备采集可见光图像后,将可见光图像发送给服务器。
S3:服务器提取所有可见光摄像设备采集的可见光图像,根据可见光摄像设备和火焰烟雾的距离、摄像设备的摄像像素、火焰烟雾区域占可见光图像面积百分比确定各个可见光摄像设备的烟雾浓度权重。
S4:服务器根据可见光摄像设备采集的可见光图像,提取可见光摄像设备采集的可见光图像中的烟雾浓度。
S5:根据各个可见光摄像设备各自对应的烟雾浓度,以及可见光摄像设备的权重,计算火焰的实际烟雾浓度。
本实施例中,采用多可见光摄像设备综合作为烟雾浓度的检测标准,能够尽可能地排除由温度和环境等因素对单个烟雾探测器或可见光摄像设备造成的干扰,提高了山火环境中火焰烟雾浓度检测的抗干扰能力。同时对各个可见光摄像设备的烟雾浓度采用权重计算,能够使计算得到的实际烟雾浓度更加准确可靠,可见光摄像设备的分布位置也可根据当地山火发生情况灵活布置,以更好地分析植被环境下烟雾浓度的大小,为山火条件下的烟雾浓度检测提供参考。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的火焰烟雾浓度检测方法的火焰烟雾浓度检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个火焰烟雾浓度检测装置实施例中的具体限定可以参见上文中对于火焰烟雾浓度检测方法的限定,在此不再赘述。
在一示例性实施例中,如图8所示,提供了一种火焰烟雾浓度检测装置,包括:第一烟雾浓度确定模块802、摄像设备权重确定模块804和第二烟雾浓度确定模块806,其中:
第一烟雾浓度确定模块802,用于通过设置于待检测区域中的多个方位的可见光摄像设备,获取待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度。
摄像设备权重确定模块804,用于基于每个可见光摄像设备与待检测区域中的火焰之间的实际距离,确定每个可见光摄像设备对应的权重。
第二烟雾浓度确定模块806,用于基于各个可见光摄像设备对应的权重,对各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。
在一示例性实施例中,摄像设备权重确定模块804,还用于针对每个可见光摄像设备,确定火焰的烟雾在可见光摄像设备采集的可见光图像中的面积信息和可见光摄像设备的摄像像素;根据实际距离与距离阈值之间的距离比值关系、面积信息,以及摄像像素与摄像像素阈值之间的像素比值关系,确定可见光摄像设备对应的权重;距离阈值为各个可见光摄像设备对应的实际距离中,对应的数值大于其余实际距离的数值的实际距离;摄像像素阈值为各个可见光摄像设备对应的摄像像素中,对应的数值大于其余摄像像素的数值的摄像像素。
在一示例性实施例中,摄像设备权重确定模块804,还用于从可见光摄像设备采集的可见光图像中,识别出火焰的烟雾图像;确定烟雾图像的面积与可见光图像的面积之间的面积比值关系,作为火焰的烟雾在可见光摄像设备采集的可见光图像中的面积信息。
在一示例性实施例中,每个可见光摄像设备安装在待检测区域中的一个电力塔杆的顶部。
火焰烟雾浓度检测装置还包括实际距离确定模块,用于针对每个可见光摄像设备,从可见光摄像设备采集的可见光图像中,识别出电力塔杆的电力塔杆图像和火焰的烟雾图像;基于电力塔杆图像和电力塔杆的实际高度,确定可见光图像的比例信息,以及,基于烟雾图像,确定可见光摄像设备与火焰的烟雾之间的图像距离;图像距离用于表征火焰的烟雾在可见光图像中与可见光摄像设备之间的距离;基于比例信息和图像距离,确定可见光摄像设备与待检测区域中的火焰的烟雾之间的实际距离。
在一示例性实施例中,第二烟雾浓度确定模块806,还用于获取每个可见光摄像设备采集的初始可见光图像表征的初始烟雾浓度;初始烟雾浓度为每个可见光摄像设备在待检测区域中不存在火焰的情况下采集得到;分别确定每个可见光摄像设备对应的初始烟雾浓度与烟雾浓度之间的烟雾浓度差异信息,作为每个可见光摄像设备对应的目标烟雾浓度;基于各个可见光摄像设备对应的权重,对每个可见光摄像设备对应的目标烟雾浓度进行融合处理,得到待检测区域中的火焰的实际烟雾浓度。
在一示例性实施例中,每个区域中均设置有火焰探测器。
火焰烟雾浓度检测装置还包括火焰探测模块,用于在接收到火焰警报信息的情况下,确定发送火焰警报信息的火焰探测器;将火焰探测器关联的区域确定为存在火焰的待检测区域;启动待检测区域中的多个方位的可见光摄像设备。
上述火焰烟雾浓度检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一示例性实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各个可见光摄像设备对应的第一烟雾浓度。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种火焰烟雾浓度检测方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一示例性实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一示例性实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一示例性实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种火焰烟雾浓度检测方法,其特征在于,所述方法包括:
通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;
基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重;
基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
2.根据权利要求1所述的方法,其特征在于,所述基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重,包括:
针对每个可见光摄像设备,确定所述火焰的烟雾在所述可见光摄像设备采集的可见光图像中的面积信息和所述可见光摄像设备的摄像像素;
根据所述实际距离与距离阈值之间的距离比值关系、所述面积信息,以及所述摄像像素与摄像像素阈值之间的像素比值关系,确定所述可见光摄像设备对应的权重;
所述距离阈值为所述各个可见光摄像设备对应的实际距离中,对应的数值大于其余实际距离的数值的实际距离;所述摄像像素阈值为所述各个可见光摄像设备对应的摄像像素中,对应的数值大于其余摄像像素的数值的摄像像素。
3.根据权利要求2所述的方法,其特征在于,所述确定所述火焰的烟雾在所述可见光摄像设备采集的可见光图像中的面积信息,包括:
从所述可见光摄像设备采集的可见光图像中,识别出所述火焰的烟雾图像;
确定所述烟雾图像的面积与所述可见光图像的面积之间的面积比值关系,作为所述火焰的烟雾在所述可见光摄像设备采集的可见光图像中的面积信息。
4.根据权利要求1所述的方法,其特征在于,所述每个可见光摄像设备安装在所述待检测区域中的一个电力塔杆的顶部;
所述每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离通过下述方式确定:
针对每个可见光摄像设备,从所述可见光摄像设备采集的可见光图像中,识别出电力塔杆的电力塔杆图像和所述火焰的烟雾图像;
基于所述电力塔杆图像和所述电力塔杆的实际高度,确定所述可见光图像的比例信息,以及,基于所述烟雾图像,确定所述可见光摄像设备与所述火焰的烟雾之间的图像距离;所述图像距离用于表征所述火焰的烟雾在所述可见光图像中与所述可见光摄像设备之间的距离;
基于所述比例信息和所述图像距离,确定所述可见光摄像设备与所述待检测区域中的火焰的烟雾之间的实际距离。
5.根据权利要求1所述的方法,其特征在于,所述基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度,包括:
获取所述每个可见光摄像设备采集的初始可见光图像表征的初始烟雾浓度;所述初始烟雾浓度为所述每个可见光摄像设备在所述待检测区域中不存在火焰的情况下采集得到;
分别确定所述每个可见光摄像设备对应的初始烟雾浓度与烟雾浓度之间的烟雾浓度差异信息,作为所述每个可见光摄像设备对应的目标烟雾浓度;
基于所述各个可见光摄像设备对应的权重,对所述每个可见光摄像设备对应的目标烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
6.根据权利要求1至5任一项所述的方法,其特征在于,每个区域中均设置有火焰探测器;
在通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度之前,还包括:
在接收到火焰警报信息的情况下,确定发送所述火焰警报信息的火焰探测器;
将所述火焰探测器关联的区域确定为存在火焰的待检测区域;
启动所述待检测区域中的多个方位的可见光摄像设备。
7.一种火焰烟雾浓度检测装置,其特征在于,所述装置包括:
第一烟雾浓度确定模块,用于通过设置于待检测区域中的多个方位的可见光摄像设备,获取所述待检测区域在存在火焰的情况下的多张可见光图像及每张可见光图像表征的烟雾浓度;
摄像设备权重确定模块,用于基于每个可见光摄像设备与所述待检测区域中的火焰之间的实际距离,确定所述每个可见光摄像设备对应的权重;
第二烟雾浓度确定模块,用于基于各个可见光摄像设备对应的权重,对所述各个可见光摄像设备采集的可见光图像表征的烟雾浓度进行融合处理,得到所述待检测区域中的所述火焰的实际烟雾浓度。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311031325.1A CN117037065A (zh) | 2023-08-15 | 2023-08-15 | 火焰烟雾浓度检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311031325.1A CN117037065A (zh) | 2023-08-15 | 2023-08-15 | 火焰烟雾浓度检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117037065A true CN117037065A (zh) | 2023-11-10 |
Family
ID=88627719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311031325.1A Pending CN117037065A (zh) | 2023-08-15 | 2023-08-15 | 火焰烟雾浓度检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117037065A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117612093A (zh) * | 2023-11-27 | 2024-02-27 | 北京东青互联科技有限公司 | 一种数据中心的动力环境监控方法、系统、设备和介质 |
-
2023
- 2023-08-15 CN CN202311031325.1A patent/CN117037065A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117612093A (zh) * | 2023-11-27 | 2024-02-27 | 北京东青互联科技有限公司 | 一种数据中心的动力环境监控方法、系统、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111739250B (zh) | 结合图像处理技术与红外传感器的火灾探测方法及系统 | |
JP2019079445A (ja) | 火災監視システム | |
CN109815787B (zh) | 目标识别方法、装置、存储介质及电子设备 | |
CN106485868A (zh) | 火情的监测方法、系统和火情的监测服务器 | |
CN117037065A (zh) | 火焰烟雾浓度检测方法、装置、计算机设备和存储介质 | |
KR102149832B1 (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
CN113343779B (zh) | 环境异常检测方法、装置、计算机设备和存储介质 | |
JP5127883B2 (ja) | ネットワークカメラ異常検知及び通報方式 | |
CN108629254B (zh) | 一种运动目标的检测方法及装置 | |
CN110599728A (zh) | 基于区块链的火情预警方法、装置、设备及存储介质 | |
CN116229668A (zh) | 基于红外视频监测的火灾定位系统 | |
JP4111660B2 (ja) | 火災検出装置 | |
CN209433517U (zh) | 一种基于多火焰图像与组合判据的火灾识别报警装置 | |
KR101929539B1 (ko) | 유전자 알고리즘을 이용한 화재 감지 방법 및 시스템 | |
CN109308409A (zh) | 一种基于相似度计算的攻击路径重构方法 | |
CN114758470B (zh) | 一种基于消防工程的火灾预警方法及系统 | |
CN114445669A (zh) | 一种烟火告警方法、装置、电子设备及存储介质 | |
JP5309069B2 (ja) | 煙検出装置 | |
CN112966762A (zh) | 一种野生动物检测方法、装置、存储介质及电子设备 | |
TWI797017B (zh) | 過熱預測系統、過熱預測方法以及非暫態電腦可讀取儲存媒體 | |
CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 | |
CN113298048B (zh) | 一种基于计算机视觉的森林火灾检测及预警系统 | |
JP7436801B2 (ja) | 情報出力プログラム、情報出力装置及び情報出力方法 | |
US20230147316A1 (en) | Forest fire detection systemand method capable of determining whether events are same | |
CN111754713B (zh) | 视频监控方法、装置及系统 |
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 |