CN117058625A - 基于物联网的园区消防远程监测系统 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及基于物联网的园区消防远程监测系统，包括：通过分析高温边缘线中边缘像素点在图像中的位置分布获得高温区域对应高温边缘线的不规则程度，根据高温区域中像素点的灰度分布获得高温区域的温度变化程度，结合获取不规则程度和温度变化程度时对应拟合曲线与对应的序列之间的误差获得第一权重和第二权重，以对不规则程度、烟雾浓度系数以及温度变化程度进行调节，量化高温区域为火灾区域的概率，通过火灾概率确定火灾区域，并火灾区域进行可视化增强。本发明通过对园区红外图像进行有区别的锐化增强，提高了火灾区域在图像中的视觉效果，并大大提高了火灾监测的准确性，使火灾响应速度得到提升。

Description

基于物联网的园区消防远程监测系统

技术领域

本发明涉及图像数据处理技术领域，具体涉及基于物联网的园区消防远程监测系统。

背景技术

园区消防远程检测系统通过结合利用物联网技术和传感器设备，实现对园区内火灾风险的实时监测、远程预警和数据管理的系统，其中利用红外图像技术进行监测在园区消防领域得到广泛应用，红外监测设备能够高效地检测到火源、烟雾、高温区域等火灾迹象，同时结合图像处理和模式识别等算法，可以实现自动化火灾预警和火灾定位的功能，实现对园区火灾风险的敏感监测与及时响应。

而由于发生火灾时对周围建筑的炙烤，或由于天气温度升高导致的园区建筑以及地表温度升高的情况而出现的高温非火灾区域，会干扰火灾区域的边缘检测结果，使园区消防远程监测系统无法准确地识别出火灾区域，导致无法迅速响应造成火势扩大以及人员伤亡的风险。

发明内容

本发明提供基于物联网的园区消防远程监测系统，以解决现有的问题：由于发生火灾时对周围建筑的炙烤，或由于天气温度升高导致的园区建筑以及地表温度升高的情况而出现的高温非火灾区域，会干扰火灾区域的边缘检测结果，使园区消防远程监测系统无法准确地识别出火灾区域，导致无法迅速响应造成火势扩大以及人员伤亡的风险。

本发明的基于物联网的园区消防远程监测系统采用如下技术方案：

本发明一个实施例提供了基于物联网的园区消防远程监测系统，该系统包括以下模块：

图像采集模块，用于获取园区红外图像；

边缘分析模块，用于获取园区红外图像中的高温区域以及高温区域对应的高温边缘线；根据高温边缘线中边缘像素点的位置获得高温边缘线的特殊中点，根据高温边缘线中边缘像素点与特殊中点之间的距离获得高温区域对应高温边缘线的不规则程度；

区域分析模块，用于对高温区域利用不同预设大小的迭代窗口，通过分析迭代窗口内所有像素点的灰度值分布情况，获得高温区域对应的若干个窗口优选程度，获取任意高温区域的所有窗口优选程度形成的优选程度序列，根据优选程度序列获得高温区域的烟雾浓度系数；将高温区域对应高温边缘线的特殊中点与高温边缘线上任意边缘像素点所形成的线段记为辐射线段，将辐射线段上像素点形成的序列记为辐射像素点序列，根据辐射像素点序列获得高温区域的温度变化程度；

消防监测模块，用于通过优选程度序列和辐射像素点序列对不规则程度、烟雾浓度系数以及温度变化程度进行调节，获得高温区域为火灾区域的火灾概率，利用火灾概率的大小对园区消防进行远程监测。

进一步的，所述获取园区红外图像中的高温区域以及高温区域对应的高温边缘线，包括的具体方法为：

利用分水岭算法获取园区红外图像中的若干个连通域，将连通域内所有像素点的平均灰度值大于预设的第一阈值时对应的连通域记为高温区域；获取所有高温区域的边缘线记为高温边缘线。

进一步的，所述根据高温边缘线中边缘像素点的位置获得高温边缘线的特殊中点，根据高温边缘线中边缘像素点与特殊中点之间的距离获得高温区域对应高温边缘线的不规则程度，包括的具体方法为：

首先，获取红外边缘图像中任意高温边缘线横坐标的最小值和最大值，以及纵坐 标的最小值和最大值；将横坐标的最小值和最大值的平均值记为，将纵坐标的最小值和最 大值的平均值记为，将坐标处的像素点记为高温边缘线的特殊中点；获得红外边缘 图像中任意高温边缘线对应的特殊中点；

然后，获取任意高温边缘线中边缘像素点与高温边缘线对应特殊中点之间的欧氏距离，记为边缘像素点的距离特征，将高温边缘线中所有边缘像素点的距离特征的标准差记为高温区域对应高温边缘线的不规则程度。

进一步的，所述对高温区域利用不同预设大小的迭代窗口，通过分析迭代窗口内所有像素点的灰度值分布情况，获得高温区域对应的若干个窗口优选程度，包括的具体方法为：

获取任意高温区域对应高温边缘线中边缘像素点之间的最大欧氏距离，构建一 个初始大小为，且以任意高温区域的质心作为窗口中心的迭代窗口，迭代窗口的大小 参数以为步长进行迭代增加，迭代窗口的窗口大小小于等于，其中和为预设的超参 数；在迭代窗口的每一迭代过程中，将迭代窗口内所有像素点的灰度值的方差记为窗口优 选程度，获得若干次迭代过程中每一次迭代后迭代窗口对应的窗口优选程度。

进一步的，所述根据优选程度序列获得高温区域的烟雾浓度系数，包括的具体方法为：

首先，构建二维直角坐标系记为第一坐标系，将迭代窗口的迭代次数作为第一坐 标系的横轴，将迭代窗口的窗口优选程度作为第一坐标系的纵轴，将优选程度序列置入第 一坐标系中，则第一坐标系中包含若干个数据点，每一个数据点对应一个窗口优选程度，并 利用最小二乘法拟合第一坐标系中的所有数据点，获得拟合曲线记为优选程度曲线，获取 优选程度曲线中每个数据点的斜率，以及每个数据点对应的窗口大小，将记为对应数 据点的优选因子，将优选因子最大时对应的迭代窗口，记为最优迭代窗口；

然后，利用暗通道去雾算法获取最优迭代窗口的透射率，将透射率的倒数作为对应高温区域的烟雾浓度系数。

进一步的，所述将高温区域对应高温边缘线的特殊中点与高温边缘线上任意边缘像素点所形成的线段记为辐射线段，包括的具体方法为：

获取任意高温区域对应高温边缘线中任意一个边缘像素点，以高温边缘线的特殊 中点为起点，经过高温边缘线的第个边缘像素点，获得一个长度为的线段记为对 应边缘像素点的辐射线段，其中为预设的超参数，表示高温边缘线的特殊中点与高温 边缘线上第个边缘像素点之间的欧氏距离。

进一步的，所述根据辐射像素点序列获得高温区域的温度变化程度，包括的具体方法为：

首先，构建以像素点的序数为横轴，像素点的灰度值为纵轴的二维直角坐标系记为第二坐标系；将辐射像素点序列置入第二坐标系中，并利用最小二乘法对第二坐标系中的数据点进行曲线拟合，将拟合后获得的曲线记为辐射拟合曲线；获取第二坐标系中边缘像素点所对应数据点在辐射拟合曲线上的斜率记为边缘像素点的辐射斜率，获得高温边缘线中所有边缘像素点对应的辐射斜率；

然后，将任意高温区域对应高温边缘线中任意边缘像素点的辐射斜率的绝对值记为第一数值，将任意高温区域对应高温边缘线中所有边缘像素点的第一数值的平均值记为高温区域的温度变化程度。

进一步的，所述通过优选程度序列和辐射像素点序列对不规则程度、烟雾浓度系数以及温度变化程度进行调节，获得高温区域为火灾区域的火灾概率，包括的具体方法为：

首先，获取任意高温区域的优选程度序列与对应优选程度曲线之间的均方误差记为第一误差；获取辐射像素点序列与辐射拟合曲线之间的均方误差记为第二误差；根据第一误差和第二误差分别获得第一权重和第二权重；

然后，利用第一权重和第二权重分别对不规则程度、烟雾浓度系数以及温度变化权重进行调节，获得任意高温区域的火灾概率，具体计算方法为：

其中，表示高温区域的火灾概率；表示第一权重；表示第二权重；表示高 温区域的不规则程度；表示高温区域的烟雾浓度系数；表示高温区域的温度变化程 度。

进一步的，所述第一权重和第二权重的具体获取方法为：

其中，表示第一权重；表示第二权重；表示第一误差；表示第二误差；表示 预设的超参数；表示以自然常数为底数的指数函数。

进一步的，所述利用火灾概率的大小对园区消防进行远程监测，包括的具体方法为：

首先，利用线性归一化方法对所有高温区域的火灾概率进行归一化处理，获得归一化火灾概率，将归一化火灾概率大于预设的火灾概率阈值的高温区域记为火灾区域；

然后，利用反锐化掩模算法对火灾区域进行增强处理，将增强处理后的火灾区域进行标注，并通过显示屏进行可视化显示。

本发明的技术方案的有益效果是：通过对园区红外图像中的高温区域以及对应的高温边缘线进行多方面分析，根据高温边缘线中边缘像素点在图像中的位置分布获得高温区域对应高温边缘线的不规则程度，根据高温区域中像素点的灰度分布获得高温区域的温度变化程度，结合获取不规则程度和温度变化程度时对应拟合曲线与对应的序列之间的误差获得第一权重和第二权重，来对不规则程度、烟雾浓度系数以及温度变化程度进行调节，量化高温区域为火灾区域的概率，即火灾概率，通过火灾概率的大小确定火灾区域以对园区红外图像中的火灾区域进行可视化增强，通过对园区红外图像进行有区别的锐化增强，提高了火灾区域在图像中的视觉效果，并大大提高了火灾监测的准确性，使火灾响应速度得到提升。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明基于物联网的园区消防远程监测系统的结构框图；

图2为优选程度曲线。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于物联网的园区消防远程监测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于物联网的园区消防远程监测系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于物联网的园区消防远程监测系统的结构框图，该系统包括以下模块：

图像采集模块：用于获取园区红外图像并进行图像预处理。

需要说明的是，本实施例利用园区红外图像，对传统边缘检测结果中的各边缘连通域进行分析判断，对虚假高温区域边缘进行抑制，得到真实的火灾区域边缘，提高后续远程检测系统判断风险的准确性。

为了实现本实施例提出的基于物联网的园区消防远程监测系统，首先需要采集园区红外图像，具体过程为：

首先，利用红外成像仪采集园区红外图像；

然后，利用高斯滤波对园区红外图像进行预处理，获得预处理后的园区红外图像。

至此，通过上述方法得到园区红外图像。

边缘分析模块，用于获取园区红外图像对应红外边缘图像中边缘线的不规则程度。

需要说明的是，在红外图像中，火灾区域和高温非火灾区域的边缘会呈现出不同的轮廓特征，火灾区域的边缘通常不规则，而高温非火灾区域的边缘相比而言会比较规则，因此本实施例利用区域的轮廓特征来判断正常火灾边缘。

另外，火灾区域的梯度变化迅速，而高温非火灾区域的温度梯度可能不太明显，变化较为渐变，因此同时根据区域边缘的梯度变化程度来判断是否为火灾区域；同时火灾区域会伴随着烟雾存在，因此也可利用各区域的烟雾浓度来判断是否为火灾区域。

具体的，首先，利用分水岭算法获取园区红外图像中的若干个连通域，将连通域内所有像素点的平均灰度值大于预设的第一阈值时对应的连通域记为高温区域；并获取所有高温区域的边缘线记为高温边缘线，将所有高温边缘线形成的图像记为红外边缘图像。

需要说明的是，根据经验预设第一阈值为128，可根据实际情况进行调整，本实施例不作具体限定。

然后，获取红外边缘图像中任意高温边缘线横坐标的最小值和最大值，以及纵坐 标的最小值和最大值；将横坐标的最小值和最大值的平均值记为，将纵坐标的最小值和最 大值的平均值记为，将坐标处的像素点记为高温边缘线的特殊中点；获得红外边缘 图像中任意高温边缘线对应的特殊中点；

最后，获取任意高温边缘线中边缘像素点与边缘线对应特殊中点之间的欧氏距离，记为边缘像素点的距离特征，将高温边缘线中所有边缘像素点的距离特征的标准差记为高温边缘线的不规则程度。

需要说明的是，一个高温边缘线对应一个高温区域，因此一个高温区域的高温边缘线对应一个不规则程度。

至此，通过上述方法得到红外边缘图像中高温区域对应高温边缘线的不规则程度。

区域分析模块，用于对高温区域利用不同大小的迭代窗口进行灰度分布分析，获得若干个窗口优选程度形成的优选程度序列，根据优选程度序列获得最优迭代窗口，获取最优迭代窗口下高温区域的烟雾浓度系数，并根据高温区域中灰度值的变化特征获得高温区域的温度变化程度。

需要说明的是，由于在红外图像中，高温区域的灰度值不能很好反映区域内的烟雾浓度信息，因此需要获取高温区域及区域周围的烟雾浓度，所述高温区域即为火灾区域以及高温非火灾区域。

另外，根据构建窗口内灰度值的分布特征，多次获取不同窗口大小下对应的窗口优选程度，窗口优选程度随着迭代窗口的大小增长呈现出先缓慢增长到剧烈增长，再到缓慢增长的变化过程，当迭代窗口的窗口优选程度对应的变化过程中出现第二次缓慢增长时，对应的迭代窗口反映了对应高温区域的温度辐射范围，可根据对应大小的迭代窗口内的透射率获取烟雾浓度系数。

具体的，步骤（1），首先，获取任意高温区域对应高温边缘线中边缘像素点之间的 最大欧氏距离，构建一个初始大小为，且以任意高温区域的质心作为窗口中心的迭 代窗口，迭代窗口的大小参数以为步长进行迭代增加，迭代窗口的窗口大小小于等于， 其中和为预设的超参数；在迭代窗口的每一迭代过程中，将迭代窗口内所有像素点的灰 度值的方差记为窗口优选程度，获得若干次迭代过程中每一次迭代后迭代窗口对应的窗口 优选程度，获得任意高温区域的若干个窗口优选程度所形成的序列，记为优选程度序列。

需要说明的是，根据经验预设超参数和分别为3和2，可根据实际情况进行调整， 本实施例不作具体限定，其中为保证迭代窗口关于窗口中心存在中心对称，需要预设超参 数为偶数，超参数为奇数。

然后，构建二维直角坐标系记为第一坐标系，将迭代窗口的迭代次数作为第一坐 标系的横轴，将迭代窗口的窗口优选程度作为第一坐标系的纵轴，将优选程度序列置入第 一坐标系中，则第一坐标系中包含若干个数据点，每一个数据点对应一个窗口优选程度，并 利用最小二乘法拟合第一坐标系中的所有数据点，获得拟合曲线记为优选程度曲线，如图2 所示，获取优选程度曲线中每个数据点的斜率，以及每个数据点对应的窗口大小，将记 为对应数据点的优选因子，将优选因子最大时对应的迭代窗口，记为最优迭代窗口。

需要说明的是，本实施例中采用的拟合曲线为5次多项式，其他实施过程中可以拟合其他类型的曲线，本实施例不进行具体限定。

最后，利用暗通道去雾算法获取最优迭代窗口的透射率，将透射率的倒数作为对应高温区域的烟雾浓度系数。

步骤（2），由于火灾区域的边界通常是烟雾等火焰产物流动产生，所以在火焰边缘两侧像素点的梯度方向存在一定的一致性，其梯度方向通常指向火焰区域的外部，因此可利用高温区域对应高温边缘线中的每个边缘像素点的位置来获取温度变化程度，并根据温度变化程度的平均值来反映高温区域的边缘温度变化程度。

另外，火灾区域的边界的梯度变化快，高温非火灾区域的边界的梯度变化慢。

具体过程如下：

首先，获取任意高温区域对应高温边缘线中任意一个边缘像素点，以高温边缘线 的特殊中点为起点，经过高温边缘线的任意一个边缘像素点，获得一个长度为的线 段记为对应边缘像素点的辐射线段，获取园区红外图像中位于任意辐射线段上的所有像素 点，记为辐射线段的辐射像素点，其中为预设的超参数，表示高温边缘线的特殊中点 与高温边缘线上第个边缘像素点之间的欧氏距离。

需要说明的是，根据经验预设超参数B为2，可根据实际情况进行调整，本实施例不作具体限定。

然后，获取任意辐射线段上所有辐射像素点所形成的序列记为辐射像素点序列，构建以像素点的序数为横轴，像素点的灰度值为纵轴的二维直角坐标系记为第二坐标系；将辐射像素点序列置入第二坐标系中，辐射线段上的每一个辐射像素点在第二坐标系中对应一个数据点，并利用最小二乘法对第二坐标系中的数据点进行曲线拟合，将拟合后获得的曲线记为辐射拟合曲线；获取第二坐标系中边缘像素点所对应数据点在辐射拟合曲线上的斜率记为边缘像素点的辐射斜率，获得高温边缘线中所有边缘像素点对应的辐射斜率。

最后，根据任意高温边缘线中所有边缘像素点的辐射斜率获得高温边缘线所对应高温区域的温度变化程度，具体计算方法为：

其中，表示高温区域的温度变化程度；表示高温区域对应高温边缘线中第j 个边缘像素点的辐射斜率；表示高温区域对应高温边缘线中边缘像素点的数量。

至此，通过上述方法得到园区红外图像中所有高温区域的温度变化程度。

消防监测模块，用于利用任意高温区域的优选程度序列与对应优选程度曲线之间的均方误差，以及辐射像素点序列与辐射拟合曲线之间的均方误差对不规则程度、烟雾浓度系数以及温度变化程度进行调节，获得高温区域为火灾区域的火灾概率，并利用火灾概率的大小完成对园区消防的远程监测。

需要说明的是，不规则程度越大，表明其边缘连通区形状越不规则，则是火灾概率 越大；同样的，温度变化程度越大，火灾概率越高；烟雾浓度系数越大，火灾概率越 高。因为温度变化程度和烟雾浓度系数都是基于曲线拟合计算的，因此其拟合误差即可表 征其权重，拟合误差越大，则其对应温度变化程度和烟雾浓度系数的可信度越低，那么就占 有较小的权重。

具体的，步骤（1），首先，获取任意高温区域的优选程度序列与对应优选程度曲线之间的均方误差记为第一误差；获取辐射像素点序列与辐射拟合曲线之间的均方误差记为第二误差；根据第一误差和第二误差分别获得第一权重和第二权重，具体计算方法为：

其中，表示第一权重；表示第二权重；表示第一误差；表示第二误差；表示 预设的超参数；表示以自然常数为底数的指数函数。

需要说明的是，根据经验预设超参数为，表示了不规则程度在第一权重和第 二权重中所占比重为定值，可根据实际情况进行调整，本实施不作具体限定。

需要说明的是，第一误差为窗口优选程度随窗口大小变化拟合曲线过程中的拟合误差，由于烟雾浓度是基于优选窗口计算的，因此将第一误差作为烟雾浓度系数的权重；第二误差表示辐射像素点序列与辐射拟合曲线之间在拟合过程中的拟合误差，将第二误差作为高温区域的温度变化程度的权重；将第一误差和第二误差作为烟雾浓度系数和温度变化程度的权重以提高对应指标的可信程度，而由于拟合误差和可信度呈负相关关系，因此利用以自然常数为底数的指数衰减函数反映负相关关系。

然后，利用第一权重和第二权重分别对不规则程度、烟雾浓度系数以及温度变化权重进行调节，获得高温区域为火灾区域的概率，则任意高温区域的火灾概率的具体计算方法为：

其中，表示高温区域的火灾概率；表示第一权重；表示第二权重；NRP表示高 温区域的不规则程度；SC表示高温区域的烟雾浓度系数；TCP表示高温区域的温度变化程 度。

步骤（2），首先，利用线性归一化方法对所有高温区域的火灾概率进行归一化处理，获得归一化火灾概率，将归一化火灾概率大于预设的火灾概率阈值的高温区域记为火灾区域；

然后，利用反锐化掩模算法对火灾区域进行增强处理，将增强处理后的火灾区域进行标注，并通过显示屏进行可视化显示和报警，实现园区消防远程监测。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于物联网的园区消防远程监测系统，其特征在于，该系统包括以下模块：

图像采集模块，用于获取园区红外图像；

边缘分析模块，用于获取园区红外图像中的高温区域以及高温区域对应的高温边缘线；根据高温边缘线中边缘像素点的位置获得高温边缘线的特殊中点，根据高温边缘线中边缘像素点与特殊中点之间的距离获得高温区域对应高温边缘线的不规则程度；

区域分析模块，用于对高温区域利用不同预设大小的迭代窗口，通过分析迭代窗口内所有像素点的灰度值分布情况，获得高温区域对应的若干个窗口优选程度，获取任意高温区域的所有窗口优选程度形成的优选程度序列，根据优选程度序列获得高温区域的烟雾浓度系数；将高温区域对应高温边缘线的特殊中点与高温边缘线上任意边缘像素点所形成的线段记为辐射线段，将辐射线段上像素点形成的序列记为辐射像素点序列，根据辐射像素点序列获得高温区域的温度变化程度；

消防监测模块，用于通过优选程度序列和辐射像素点序列对不规则程度、烟雾浓度系数以及温度变化程度进行调节，获得高温区域为火灾区域的火灾概率，利用火灾概率的大小对园区消防进行远程监测。

2.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述获取园区红外图像中的高温区域以及高温区域对应的高温边缘线，包括的具体方法为：

利用分水岭算法获取园区红外图像中的若干个连通域，将连通域内所有像素点的平均灰度值大于预设的第一阈值时对应的连通域记为高温区域；获取所有高温区域的边缘线记为高温边缘线。

3.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述根据高温边缘线中边缘像素点的位置获得高温边缘线的特殊中点，根据高温边缘线中边缘像素点与特殊中点之间的距离获得高温区域对应高温边缘线的不规则程度，包括的具体方法为：

首先，获取红外边缘图像中任意高温边缘线横坐标的最小值和最大值，以及纵坐标的最小值和最大值；将横坐标的最小值和最大值的平均值记为，将纵坐标的最小值和最大值的平均值记为/>，将坐标/>处的像素点记为高温边缘线的特殊中点；获得红外边缘图像中任意高温边缘线对应的特殊中点；

然后，获取任意高温边缘线中边缘像素点与高温边缘线对应特殊中点之间的欧氏距离，记为边缘像素点的距离特征，将高温边缘线中所有边缘像素点的距离特征的标准差记为高温区域对应高温边缘线的不规则程度。

4.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述对高温区域利用不同预设大小的迭代窗口，通过分析迭代窗口内所有像素点的灰度值分布情况，获得高温区域对应的若干个窗口优选程度，包括的具体方法为：

获取任意高温区域对应高温边缘线中边缘像素点之间的最大欧氏距离，构建一个初始大小为/>，且以任意高温区域的质心作为窗口中心的迭代窗口，迭代窗口的大小参数以/>为步长进行迭代增加，迭代窗口的窗口大小小于等于/>，其中/>和/>为预设的超参数；在迭代窗口的每一迭代过程中，将迭代窗口内所有像素点的灰度值的方差记为窗口优选程度，获得若干次迭代过程中每一次迭代后迭代窗口对应的窗口优选程度。

5.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述根据优选程度序列获得高温区域的烟雾浓度系数，包括的具体方法为：

首先，构建二维直角坐标系记为第一坐标系，将迭代窗口的迭代次数作为第一坐标系的横轴，将迭代窗口的窗口优选程度作为第一坐标系的纵轴，将优选程度序列置入第一坐标系中，则第一坐标系中包含若干个数据点，每一个数据点对应一个窗口优选程度，并利用最小二乘法拟合第一坐标系中的所有数据点，获得拟合曲线记为优选程度曲线，获取优选程度曲线中每个数据点的斜率，以及每个数据点对应的窗口大小/>，将/>记为对应数据点的优选因子，将优选因子最大时对应的迭代窗口，记为最优迭代窗口；

然后，利用暗通道去雾算法获取最优迭代窗口的透射率，将透射率的倒数作为对应高温区域的烟雾浓度系数。

6.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述将高温区域对应高温边缘线的特殊中点与高温边缘线上任意边缘像素点所形成的线段记为辐射线段，包括的具体方法为：

获取任意高温区域对应高温边缘线中任意一个边缘像素点，以高温边缘线的特殊中点为起点，经过高温边缘线的第个边缘像素点，获得一个长度为/>的线段记为对应边缘像素点的辐射线段，其中/>为预设的超参数，/>表示高温边缘线的特殊中点与高温边缘线上第/>个边缘像素点之间的欧氏距离。

7.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述根据辐射像素点序列获得高温区域的温度变化程度，包括的具体方法为：

首先，构建以像素点的序数为横轴，像素点的灰度值为纵轴的二维直角坐标系记为第二坐标系；将辐射像素点序列置入第二坐标系中，并利用最小二乘法对第二坐标系中的数据点进行曲线拟合，将拟合后获得的曲线记为辐射拟合曲线；获取第二坐标系中边缘像素点所对应数据点在辐射拟合曲线上的斜率记为边缘像素点的辐射斜率，获得高温边缘线中所有边缘像素点对应的辐射斜率；

然后，将任意高温区域对应高温边缘线中任意边缘像素点的辐射斜率的绝对值记为第一数值，将任意高温区域对应高温边缘线中所有边缘像素点的第一数值的平均值记为高温区域的温度变化程度。

8.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述通过优选程度序列和辐射像素点序列对不规则程度、烟雾浓度系数以及温度变化程度进行调节，获得高温区域为火灾区域的火灾概率，包括的具体方法为：

首先，获取任意高温区域的优选程度序列与对应优选程度曲线之间的均方误差记为第一误差；获取辐射像素点序列与辐射拟合曲线之间的均方误差记为第二误差；根据第一误差和第二误差分别获得第一权重和第二权重；

然后，利用第一权重和第二权重分别对不规则程度、烟雾浓度系数以及温度变化权重进行调节，获得任意高温区域的火灾概率，具体计算方法为：

其中，表示高温区域的火灾概率；/>表示第一权重；/>表示第二权重；/>表示高温区域的不规则程度；/>表示高温区域的烟雾浓度系数；/>表示高温区域的温度变化程度。

9.根据权利要求8所述基于物联网的园区消防远程监测系统，其特征在于，所述第一权重和第二权重的具体获取方法为：

其中，表示第一权重；/>表示第二权重；/>表示第一误差；/>表示第二误差；/>表示预设的超参数；/>表示以自然常数为底数的指数函数。

10.根据权利要求1所述基于物联网的园区消防远程监测系统，其特征在于，所述利用火灾概率的大小对园区消防进行远程监测，包括的具体方法为：

首先，利用线性归一化方法对所有高温区域的火灾概率进行归一化处理，获得归一化火灾概率，将归一化火灾概率大于预设的火灾概率阈值的高温区域记为火灾区域；

然后，利用反锐化掩模算法对火灾区域进行增强处理，将增强处理后的火灾区域进行标注，并通过显示屏进行可视化显示。