CN117115991A - 一种森林防火预警方法和系统 - Google Patents
一种森林防火预警方法和系统 Download PDFInfo
- Publication number
- CN117115991A CN117115991A CN202311068898.1A CN202311068898A CN117115991A CN 117115991 A CN117115991 A CN 117115991A CN 202311068898 A CN202311068898 A CN 202311068898A CN 117115991 A CN117115991 A CN 117115991A
- Authority
- CN
- China
- Prior art keywords
- fire
- early warning
- target area
- value
- factor
- 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 47
- 230000002265 prevention Effects 0.000 title claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims abstract description 91
- 238000012544 monitoring process Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 10
- 239000000779 smoke Substances 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 4
- 238000003915 air pollution Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000001931 thermography Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000010485 coping Effects 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Classifications
-
- 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
- G06V10/443—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 by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- 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
- G06V10/54—Extraction of image or video features relating to texture
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供一种森林防火预警方法和系统,该方法包括:获取森林的目标区域的环境参数和图像;从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;根据所述火情影响值,得到所述目标区域的火情预估值;当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。本申请实施例能够提高森林防火预警的准确率和效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种森林防火预警方法和系统。
背景技术
森林火灾不仅对动植物栖息地造成破坏,还对生态环境产生巨大影响,例如引起水土流失和空气污染等,严重威胁着人民的生命财产安全,对森林火情进行有效监控显得十分重要。
然而,现有的火情监测方法主要依赖热成像相机,根据物体热辐射或温度波动特征来判断火情的发生。这种方法虽然能够检测火源和火焰,但却没有充分考虑气象环境的影响,容易导致误报和漏报的情况发生。例如,某些气象条件下,如大风、高温和低湿度,可能导致植被或其他物体的热辐射增加,被误判为火源。另外,在高温天气下,地面可能存在异常温度波动,也容易导致误报。这些缺点使得现有的火情监测方法无法准确可靠地判断火情,严重影响了火灾的及时发现和处理。
因此,需提出一种森林防火预警方法和系统,来解决该技术问题。
发明内容
本申请实施例的目的在于提供一种森林防火预警方法和系统,本申请实施例能够提高森林防火预警的准确率和效率。具体技术方案如下:
在本申请实施例的第一方面,提供一种森林防火预警方法,所述方法包括:
获取森林的目标区域的环境参数和图像;
从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;
根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;
根据所述火情影响值,得到所述目标区域的火情预估值;
当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
可选地,所述环境因子包括气温因子、降水因子、风速因子、湿度因子,所述非环境因子包括图像识别因子、人体红外感应因子、火情监测因子、灯光闪烁因子、语音播报因子和火情预警因子。
可选地,所述非环境因子为取值处于0-1之间的数值,所述从所述图像中提取出非环境因子,包括:
对所述图像进行预处理,得到预处理图像;
对所述预处理图像进行特征提取,得到目标特征;
对所述目标特征进行处理,得到目标对象;
通过激活函数计算所述目标对象的映射值,得到所述非环境因子。
可选地,所述非环境因子为图像识别因子,所述对所述目标特征进行处理,得到目标对象,包括:
对所述目标特征进行卷积处理,得到所述图像的局部图像,以及所述局部图像的纹理和颜色;
根据所述局部图像,以及所述局部图像的纹理和颜色,识别所述目标区域出现的火源、火焰和烟雾中的至少一个对象,得到所述目标对象。
可选地,所述根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值,包括:
获取每个所述环境因子对应的第一火情影响值,以及每个所述非环境因子对应的第二火情影响值;
将所述第一火情影响值和所述第二火情影响值的和值确定为所述火情影响值。
可选地,所述根据所述火情影响值,得到所述目标区域的火情预估值,包括:
获取所述目标区域在多个时段的多个火情影响值,以及所述多个火情影响值的权重;
获取所述目标区域的环境修正参数;
根据所述多个火情影响值、所述多个火情影响值的权重和所述环境修正参数,确定所述火情预估值。
可选地,所述在所述目标区域进行防火预警操作,包括:
对未进入所述目标区域的对象进行第一预警等级的提示预警操作;
对进入所述目标区域的对象进行第二预警等级的提示预警操作,其中,所述第二预警等级的优先度和重要度高于所述第一预警等级。
在本申请实施例的又一方面,提供一种森林防火预警系统,所述系统包括:
数据获取模块,用于获取森林的目标区域的环境参数和图像;
因子提取模块,用于从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;
火情影响值模块,用于根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;
火情预估值模块,用于根据所述火情影响值,得到所述目标区域的火情预估值;
防火预警模块,用于当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
在本申请实施例的又一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现如上所述方法的步骤。
在本申请实施例的又一方面,提供一种计算机设备,包括处理器、存储器和存储于所述存储器上的计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
由上可知,申请实施至少带来以下有益效果:
(1)、提高火情识别准确性:通过图像处理技术的预处理、特征提取和目标识别,系统能够更全面地识别火源、烟雾或与火灾相关的物体。与传统的仅基于热成像的方法相比,本方案的图像识别技术可以更准确地判断火情,避免了因气象因素导致的误报和漏报,提高了火情监测的准确性。
(2)、提升火情预警效率:采用图像识别技术后,火情的发现和判断可以更加及时和迅速。一旦系统检测到火源或与火灾相关的目标,即刻触发智能语音提醒和闪烁警示灯,有效地预警人员,使得火情得以尽早发现和处理,降低火灾蔓延的风险。
(3)、综合考虑气象环境影响:通过结合气象因子和图像识别参数,本方案能够在火情监测中更全面地考虑气象环境的影响。对于特定的气象条件,如大风、高温和低湿度等,系统能够更准确地判断是否存在火情,避免将自然因素误判为火源,增强了系统的稳定性和可靠性。
(4)、提高防火宣传和预警效果:本方案在平时为进入林区的人员进行防火宣传与示警,利用高亮警示灯光配合智能语音播报,加强了防火宣传的效果。同时,当出现火情时,系统会立即进行预警,向相关人员发送警报,及时采取措施,最大程度地保障人员和财产的安全。
(5)、强化生态环境保护:通过更准确地监测火情,本方案可以更及时地响应火灾,降低火灾对森林生态环境的损害。避免了火灾对动植物栖息地的破坏、水土流失和空气污染等对生态环境产生的严重影响,有助于保护自然生态平衡。
综上所述,改进后的本方案将通过图像识别技术的引入和气象因子的综合考虑,提高火情监测的准确性和效率,加强防火宣传和预警效果,强化生态环境保护,从而更有效地应对森林火灾,保障人们生命财产安全和生态环境的稳定。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的森林防火预警系统的应用场景示意图;
图2是本申请实施例提供的森林防火预警方法的流程示意图;
图3是本申请实施例提供的森林防火预警系统的结构示意图;
图4是本申请实施例提供的计算机设备的内部结构图。
具体实施方式
本申请实施例提供一种森林防火预警方法和系统。请参阅图1,图1为本申请实施例所提供的森林防火预警系统的应用场景示意图,该系统可以包括终端10和服务器11。本申请提供的森林防火预警方法可以通过终端10实现,也可以通过服务器11实现。
如图1所示,终端10与服务器11之间通过网络连接,比如,通过有线或无线网络连接等。其中,终端10可以包括但不局限于安装有各位网络平台应用的手机、平板等便携终端,以及电脑、查询机、广告机等固定终端。其中,服务器11为用户提供各种业务服务,包括服务推送服务器、用户推荐服务器等。
需要说明的是,图1所示的森林防火预警系统的应用场景示意图仅仅是一个示例,本申请实施例描述的终端、服务器以及应用场景是为了更加清楚的说明本申请实施例的技术方案,并不生成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题同样适用。
其中,终端10可以用于:
获取森林的目标区域的环境参数和图像;从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;根据所述火情影响值,得到所述目标区域的火情预估值;当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
需要说明的是,上述终端10执行森林防火预警方法的步骤,也可以由服务器11执行。
图2示出了本申请实施例提供的一种森林防火预警方法和系统的流程示意图,如图2所示,一种森林防火预警方法和系统包括如下步骤:
步骤201、获取森林的目标区域的环境参数和图像。
在本申请中,森林的目标区域可以是易出现火情的火情频发区域,或是保护级植被较多的重点森林区域,因此这些场景中更需要采用本申请实施例的方法执行森林火情判断、防火预警和火情预警的工作。
可以理解,环境参数可以是森林的目标区域所处环境的相关参数,例如温度、湿度、风向等,图像是指由摄像头、相机等图像采集设备拍摄到的森林的目标区域的图像。
步骤202、从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子。
其中,环境因子可以包括气温因子T、降水因子m、风速因子v、湿度因子f。
其中,非环境因子可以包括图像识别因子pimage、人体红外感应因子phuman、火情监测因子pfire、灯光闪烁因子plight、语音播报因子pvoice和火情预警因子palarm。
其中,非环境因子为取值处于0-1之间的数值。例如,pimage表示图像识别结果的可信度,取值范围[0,1],其中0表示没有检测到与火灾相关的目标,1表示图像处理结果非常可信,有明确的火情或烟雾目标,0-1之间表示识别目标对象的可信度。phuman表示感应到人体的程度,取值范围[0,1],其中0表示没有感应到人体,1表示完全感应到人体,0-1之间表示感应到人体的可信程度。pfire表示监测到火情的程度,取值范围[0,1],其中0表示没有监测到火情,1表示完全监测到火情。plight表示灯光闪烁的频率和强度,取值范围[0,1],其中0表示没有闪烁,1表示闪烁最频繁且最强烈,0-1之间表示灯光闪烁的频繁程度和强度。pvoice表示语音播报的频率和内容,取值范围[0,1],其中0表示没有语音播报,1表示语音播报最频繁且内容最详尽,0-1之间表示内容播报的详尽程度。palarm表示火情预警的准确性和及时性,取值范围[0,1],其中0表示没有预警,1表示预警最准确且最及时,0-1之间表示预警的准确程度和及时程度。
可选地,步骤202可以包括:
对所述图像进行预处理,得到预处理图像;
对所述预处理图像进行特征提取,得到目标特征;
对所述目标特征进行处理,得到目标对象;
通过激活函数计算所述目标对象的映射值,得到所述非环境因子。
在一些实施例中,可以对所获取的图像进行预处理,以提高后续图像处理和目标识别的效果。预处理可能包括图像的缩放、去噪、增强等操作,以确保图像的质量和一致性。预处理的结果是得到预处理图像。
在一些实施例中,可以对预处理图像进行特征提取,从中抽取出图像的关键特征。特征提取可以使用各种计算机视觉技术,如卷积神经网络(CNN)、局部二值模式(LBP)、颜色直方图等。特征提取的结果是得到目标特征,这些特征可以代表图像中存在的火源、火焰、烟雾等与火灾相关的目标。
在一些实施例中,可以对目标特征进行处理,进一步识别出目标对象,即火源、火焰、烟雾等。目标识别可能使用分类算法或目标检测算法,根据特征和已训练的模型来判断图像中是否存在与火灾相关的目标。目标识别的结果是得到目标对象,这些对象代表图像中存在的火灾或与火灾相关的目标。
在一些实施例中,可以对目标对象应用激活函数进行计算,得到非环境因子的映射值。非环境因子是指与环境因子无关的因素,它们可以包括图像识别因子、人体红外感应因子、火情监测因子、灯光闪烁因子、语音播报因子和火情预警因子等。激活函数可以用来将目标对象映射到合适的范围,以便后续的火险指数计算。
综上,图像预处理、特征提取和目标识别是系统中非常重要的步骤,通过这些步骤,系统能够从图像中获取有用的信息,并识别出与火灾相关的目标。计算非环境因子则可以用来综合考虑图像处理和目标识别的结果,进一步提高火险指数的计算和预警能力,以更准确地评估火险情况并采取相应的应对措施。
可选地,步骤“对所述目标特征进行处理,得到目标对象”,可以包括:
对所述目标特征进行卷积处理,得到所述图像的局部图像,以及所述局部图像的纹理和颜色;
根据所述局部图像,以及所述局部图像的纹理和颜色,识别所述目标区域出现的火源、火焰和烟雾中的至少一个对象,得到所述目标对象。
步骤203、根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值。
可选地,步骤203可以包括:
获取每个所述环境因子对应的第一火情影响值,以及每个所述非环境因子对应的第二火情影响值;
将所述第一火情影响值和所述第二火情影响值的和值确定为所述火情影响值。
在一些实施例中,火情影响值U可以表示为:
U=Iv(v)+IT(T)+If(f)+Im(m)+Ip(phuman)+Ip(pfire)+Ip(plight)+Ip(pvoice)+Ip(palarm)+Ip(pimage);
其中,Iv(v)、IT(T)、If(f)、Im(m)分别为风向、温度、湿度和降水对应的第一火情影响值,第一火情影响值可以通过查询第一火情影响值映射表得到,该映射表可以给出环境因子与第一火情影响值的对应关系,例如温度为10℃对应的第一火情影响值可以为6.41。
其中,Ip(phuman)、Ip(pfire)、Ip(plight)、Ip(pvoice)、Ip(palarm)、Ip(Pimage)分别为phuman、pfire、plight、pvoice、palarm对应的第二火情影响值。
步骤204、根据所述火情影响值,得到所述目标区域的火情预估值。
可选地,步骤204可以包括:
获取所述目标区域在多个时段的多个火情影响值,以及所述多个火情影响值的权重;
获取所述目标区域的环境修正参数;
根据所述多个火情影响值、所述多个火情影响值的权重和所述环境修正参数,确定所述火情预估值。
在一些实施例中,火情预估值I可以表示为:
I=(A1U1+A2U2+...+AnUn)×Cs×Cr;
其中,A1、A2、...、An为各火情影响值的权重,U1、U2、...、Un为目标区域不同时段的火情影响值,环境修正参数为地面修正参数Cs,降水修正参数Cr。
在一些实施例中,火情影响值是用来描述目标区域在不同时段的火险情况的参数。系统需要根据实际情况,采集目标区域在多个时段(例如不同的小时或日期)的相关数据,这些数据可以是火源强度、火焰大小、烟雾密度等反映火险程度的指标。通过计算和分析这些数据,得到目标区域在多个时段的多个火情影响值,分别表示为U1、U2、...、Un。
在一些实施例中,火情影响值的权重用于衡量各个时段的火情影响值对于火情预估的相对重要性。这些权重可以是预先设定的,也可以根据历史数据或专家意见进行优化。权重可能会随着时间、季节或目标区域的特性而有所不同,因此需要根据实际情况来设定。假设这些权重为A1、A2、...、An。
在一些实施例中,环境修正参数用于根据目标区域的实际环境条件对火情影响值进行修正。这些环境修正参数可以包括地面修正参数Cs,降水修正参数Cr,以及其他与目标区域环境相关的参数。环境修正参数的获取可以通过环境监测设备或气象数据来获取。
通过以上步骤,系统可以综合考虑目标区域在多个时段的火情影响值,并结合权重和环境修正参数,得到更为准确的火情预估值。这样,系统可以更有效地评估火险情况,做出及时的预警和应对措施,以保障人员和财产的安全。
步骤205、当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
可选地,步骤205可以包括:
对未进入所述目标区域的对象进行第一预警等级的提示预警操作;
对进入所述目标区域的对象进行第二预警等级的提示预警操作,其中,所述第二预警等级的优先度和重要度高于所述第一预警等级。
在一些实施例中,当系统检测到有对象进入目标区域外围或边界,但尚未进入目标区域本身,系统会进行第一预警等级的提示预警操作。该预警等级旨在提醒外围区域的人员注意可能存在的火险情况,鼓励他们保持警惕并采取相应的防范措施。提示预警可以采用以下方式之一或其组合:
发出简短的语音提示:通过扬声器或语音播报系统,发出简明扼要的提示信息,例如:“注意,目标区域附近可能存在火险,请注意安全!”。
点亮警示灯:在外围区域设置警示灯,以吸引人们的注意,提醒他们注意火险可能性。
发送短信或手机通知:通过手机短信或App通知,向附近人员发送预警信息。
在一些实施例中,第二预警等级的提示预警操作可以如下:
当系统检测到有对象进入目标区域内,即火险较高的区域时,系统会进行第二预警等级的提示预警操作。该预警等级的优先度和重要度高于第一预警等级,旨在更强烈地提醒目标区域内的人员及时采取应对措施,避免火灾发生或扩大。提示预警可以采用以下方式之一或其组合:
发出紧急的语音提示:通过扬声器或语音播报系统,发出紧急的语音提示信息,例如:“紧急情况,目标区域内可能存在火灾,请立即撤离!”。
引发警报:在目标区域设置警报器,产生高音量的声音或声光信号,以引起人们的高度警觉。
发送紧急通知:通过手机短信、App通知或其他通讯手段,向目标区域内的人员发送紧急通知和指示,促使他们立即采取行动。
由此,通过设立不同的预警等级和相应的预警操作,系统能够根据不同情况和优先级,及时地通过设立不同的预警等级和相应的预警操作,系统能够根据不同情况和优先级,及时地进行目标区域的预警和应对措施,保障人员安全并有效应对潜在的火灾风险。
由上可知,申请实施至少带来以下有益效果:
(1)、提高火情识别准确性:通过图像处理技术的预处理、特征提取和目标识别,系统能够更全面地识别火源、烟雾或与火灾相关的物体。与传统的仅基于热成像的方法相比,本方案的图像识别技术可以更准确地判断火情,避免了因气象因素导致的误报和漏报,提高了火情监测的准确性。
(2)、提升火情预警效率:采用图像识别技术后,火情的发现和判断可以更加及时和迅速。一旦系统检测到火源或与火灾相关的目标,即刻触发智能语音提醒和闪烁警示灯,有效地预警人员,使得火情得以尽早发现和处理,降低火灾蔓延的风险。
(3)、综合考虑气象环境影响:通过结合气象因子和图像识别参数,本方案能够在火情监测中更全面地考虑气象环境的影响。对于特定的气象条件,如大风、高温和低湿度等,系统能够更准确地判断是否存在火情,避免将自然因素误判为火源,增强了系统的稳定性和可靠性。
(4)、提高防火宣传和预警效果:本方案在平时为进入林区的人员进行防火宣传与示警,利用高亮警示灯光配合智能语音播报,加强了防火宣传的效果。同时,当出现火情时,系统会立即进行预警,向相关人员发送警报,及时采取措施,最大程度地保障人员和财产的安全。
(5)、强化生态环境保护:通过更准确地监测火情,本方案可以更及时地响应火灾,降低火灾对森林生态环境的损害。避免了火灾对动植物栖息地的破坏、水土流失和空气污染等对生态环境产生的严重影响,有助于保护自然生态平衡。
综上所述,改进后的本方案将通过图像识别技术的引入和气象因子的综合考虑,提高火情监测的准确性和效率,加强防火宣传和预警效果,强化生态环境保护,从而更有效地应对森林火灾,保障人们生命财产安全和生态环境的稳定。
为实现上述方法类实施例,本申请实施例还提供一种森林防火预警系统,图3示出了本申请实施例提供的一种森林防火预警系统的结构示意图,所述系统包括:
数据获取模块301,用于获取森林的目标区域的环境参数和图像;
因子提取模块302,用于从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;
火情影响值模块303,用于根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;
火情预估值模块304,用于根据所述火情影响值,得到所述目标区域的火情预估值;
防火预警模块305,用于当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述系统中模块/单元/子单元/组件的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
由上可知,申请实施至少带来以下有益效果:
(1)、提高火情识别准确性:通过图像处理技术的预处理、特征提取和目标识别,系统能够更全面地识别火源、烟雾或与火灾相关的物体。与传统的仅基于热成像的方法相比,本方案的图像识别技术可以更准确地判断火情,避免了因气象因素导致的误报和漏报,提高了火情监测的准确性。
(2)、提升火情预警效率:采用图像识别技术后,火情的发现和判断可以更加及时和迅速。一旦系统检测到火源或与火灾相关的目标,即刻触发智能语音提醒和闪烁警示灯,有效地预警人员,使得火情得以尽早发现和处理,降低火灾蔓延的风险。
(3)、综合考虑气象环境影响:通过结合气象因子和图像识别参数,本方案能够在火情监测中更全面地考虑气象环境的影响。对于特定的气象条件,如大风、高温和低湿度等,系统能够更准确地判断是否存在火情,避免将自然因素误判为火源,增强了系统的稳定性和可靠性。
(4)、提高防火宣传和预警效果:本方案在平时为进入林区的人员进行防火宣传与示警,利用高亮警示灯光配合智能语音播报,加强了防火宣传的效果。同时,当出现火情时,系统会立即进行预警,向相关人员发送警报,及时采取措施,最大程度地保障人员和财产的安全。
(5)、强化生态环境保护:通过更准确地监测火情,本方案可以更及时地响应火灾,降低火灾对森林生态环境的损害。避免了火灾对动植物栖息地的破坏、水土流失和空气污染等对生态环境产生的严重影响,有助于保护自然生态平衡。
综上所述,改进后的本方案将通过图像识别技术的引入和气象因子的综合考虑,提高火情监测的准确性和效率,加强防火宣传和预警效果,强化生态环境保护,从而更有效地应对森林火灾,保障人们生命财产安全和生态环境的稳定。
在一些实施例中,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4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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、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图像采集设备的相关数据。该计算机设备的网络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森林防火预警方法和系统。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入系统。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、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WI FI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现森林防火预警方法和系统。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入系统可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4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。
在一些实施例中,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。
在一些实施例中,提供了一种计算机可读存储介质,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。
综上所述,本申请提供的一种森林防火预警方法,所述方法包括:
获取森林的目标区域的环境参数和图像;
从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;
根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;
根据所述火情影响值,得到所述目标区域的火情预估值;
当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。
因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种森林防火预警方法,其特征在于,所述方法包括:
获取森林的目标区域的环境参数和图像;
从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;
根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;
根据所述火情影响值,得到所述目标区域的火情预估值;
当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
2.根据权利要求1所述的森林防火预警方法,其特征在于,所述环境因子包括气温因子、降水因子、风速因子、湿度因子,所述非环境因子包括图像识别因子、人体红外感应因子、火情监测因子、灯光闪烁因子、语音播报因子和火情预警因子。
3.根据权利要求1所述的森林防火预警方法,其特征在于,所述非环境因子为取值处于0-1之间的数值,所述从所述图像中提取出非环境因子,包括:
对所述图像进行预处理,得到预处理图像;
对所述预处理图像进行特征提取,得到目标特征;
对所述目标特征进行处理,得到目标对象;
通过激活函数计算所述目标对象的映射值,得到所述非环境因子。
4.根据权利要求3所述的森林防火预警方法,其特征在于,所述非环境因子为图像识别因子,所述对所述目标特征进行处理,得到目标对象,包括:
对所述目标特征进行卷积处理,得到所述图像的局部图像,以及所述局部图像的纹理和颜色;
根据所述局部图像,以及所述局部图像的纹理和颜色,识别所述目标区域出现的火源、火焰和烟雾中的至少一个对象,得到所述目标对象。
5.根据权利要求3所述的森林防火预警方法,其特征在于,所述根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值,包括:
获取每个所述环境因子对应的第一火情影响值,以及每个所述非环境因子对应的第二火情影响值;
将所述第一火情影响值和所述第二火情影响值的和值确定为所述火情影响值。
6.根据权利要求5所述的森林防火预警方法,其特征在于,所述根据所述火情影响值,得到所述目标区域的火情预估值,包括:
获取所述目标区域在多个时段的多个火情影响值,以及所述多个火情影响值的权重;
获取所述目标区域的环境修正参数;
根据所述多个火情影响值、所述多个火情影响值的权重和所述环境修正参数,确定所述火情预估值。
7.根据权利要求5所述的森林防火预警方法,其特征在于,所述在所述目标区域进行防火预警操作,包括:
对未进入所述目标区域的对象进行第一预警等级的提示预警操作;
对进入所述目标区域的对象进行第二预警等级的提示预警操作,其中,所述第二预警等级的优先度和重要度高于所述第一预警等级。
8.一种基于权利要求1-7任一项所述的预警方法的森林防火预警系统,其特征在于,所述系统包括:
数据获取模块,用于获取森林的目标区域的环境参数和图像;
因子提取模块,用于从所述环境参数中提取出环境因子,从所述图像中提取出非环境因子;
火情影响值模块,用于根据所述环境因子和所述非环境因子,得到所述目标区域的火情影响值;
火情预估值模块,用于根据所述火情影响值,得到所述目标区域的火情预估值;
防火预警模块,用于当所述火情预估值大于预设阈值,在所述目标区域进行防火预警操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311068898.1A CN117115991A (zh) | 2023-08-24 | 2023-08-24 | 一种森林防火预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311068898.1A CN117115991A (zh) | 2023-08-24 | 2023-08-24 | 一种森林防火预警方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117115991A true CN117115991A (zh) | 2023-11-24 |
Family
ID=88801536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311068898.1A Pending CN117115991A (zh) | 2023-08-24 | 2023-08-24 | 一种森林防火预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115991A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080077481A (ko) * | 2007-02-20 | 2008-08-25 | (주)에이치엠씨 | 영상처리를 이용한 화재 감지 방법 및 시스템 |
CN110390789A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 基于大数据的森林防火数据分析系统 |
CN112242036A (zh) * | 2019-07-01 | 2021-01-19 | 国电南瑞科技股份有限公司 | 一种变电站火灾报警方法及系统 |
CN113066254A (zh) * | 2021-03-16 | 2021-07-02 | 广东核电合营有限公司 | 核电设备工作环境异常预警方法、装置、设备和存储介质 |
CN113345194A (zh) * | 2021-04-29 | 2021-09-03 | 浙江大华技术股份有限公司 | 森林火情预警方法、系统、电子装置和存储介质 |
-
2023
- 2023-08-24 CN CN202311068898.1A patent/CN117115991A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080077481A (ko) * | 2007-02-20 | 2008-08-25 | (주)에이치엠씨 | 영상처리를 이용한 화재 감지 방법 및 시스템 |
CN112242036A (zh) * | 2019-07-01 | 2021-01-19 | 国电南瑞科技股份有限公司 | 一种变电站火灾报警方法及系统 |
CN110390789A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 基于大数据的森林防火数据分析系统 |
CN113066254A (zh) * | 2021-03-16 | 2021-07-02 | 广东核电合营有限公司 | 核电设备工作环境异常预警方法、装置、设备和存储介质 |
CN113345194A (zh) * | 2021-04-29 | 2021-09-03 | 浙江大华技术股份有限公司 | 森林火情预警方法、系统、电子装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
周孝评: "森林高火险预警的探讨", 江苏林业科技, vol. 23, no. 03 * |
林志强;路红亚;罗布次仁;王兴;: "基于GIS的西藏地区森林火险风险区划", 资源科学, vol. 35, no. 11 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10729117B2 (en) | Pest monitoring method based on machine vision | |
CN113011833A (zh) | 施工现场的安全管理方法、装置、计算机设备和存储介质 | |
CN108648402A (zh) | 智能火灾报警方法、终端及存储介质 | |
CN103338362B (zh) | 一种基于视频监控系统的事件处理方法及系统 | |
CN111339997A (zh) | 火点区域的确定方法及装置、存储介质和电子装置 | |
CN111428681A (zh) | 一种智能防疫系统 | |
CN111754714A (zh) | 一种安防监控系统及其监控方法 | |
CN105184938A (zh) | 一种基于云服务的电子商务平台 | |
CN110929608A (zh) | 安全帽佩带检测方法及系统 | |
CN105448017A (zh) | 小区围栏报警系统 | |
CN110930632B (zh) | 一种基于人工智能的预警系统 | |
CN114005236A (zh) | 基于物联网的森林火灾检测方法、系统和可读存储介质 | |
CN117115991A (zh) | 一种森林防火预警方法和系统 | |
CN113936293A (zh) | 基于视频信息的人员离岗检测方法、控制装置、存储介质 | |
CN112802288A (zh) | 综合报警信息推送方法、系统、存储介质、计算机设备 | |
CN116246401A (zh) | 一种社区公共区域管理的监控系统 | |
CN113808358B (zh) | 基于物联网平台的家庭火灾监控报警处理系统 | |
CN112907885B (zh) | 基于scnn的分散集中式家居图像火灾报警系统及方法 | |
CN113435371A (zh) | 一种基于电力物联网及人工智能的设备周边环境管控方法、装置及设备 | |
CN114882666A (zh) | 一种智能家居火灾预警方法、系统、终端设备及存储介质 | |
CN113299034A (zh) | 一种适应多场景的火焰识别预警方法 | |
CN114612771A (zh) | 一种基于神经网络的火源监控方法及系统 | |
CN112669562A (zh) | 一种计算机物联网火灾预警系统 | |
CN111881865A (zh) | 一种自适应的危险行为监控方法与系统、智能设备 | |
CN112347989A (zh) | 反光衣识别方法、装置、计算机设备和可读存储介质 |
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 |