一种红外监测的园区火灾预警方法与流程

阅读：评论：0

1.本发明涉及园区火灾预警技术领域，特别涉及一种红外监测的园区火灾预警方法。

背景技术：

2.目前，园区火灾预防主要是通过园区工作人员的巡逻，通过园区工作人员对整个园区进行巡逻来发现一些火源，防止火灾的发生。但是通过园区工作人员巡逻来预防火灾，一方面会浪费园区工作人员大量的时间，另一方面如果园区工作人员由于疏忽，没有及时地发现一些火源，仍可能会导致一些火灾的发生，无法及时对火灾进行预警处理。
3.因此，本发明提出一种红外监测的园区火灾预警方法。

技术实现要素：

4.本发明提供一种红外监测的园区火灾预警方法，通过将现场工作过程中得到的红外图像与正常工况下的标准红外图像进行对比，将异常红外图像提取出来，对异常红外图像中的火焰形状特征进行提取，根据火焰形状特征的综合变化来确定火灾的发生，进行相应的预警处理。
5.本发明提供一种红外检测的园区火灾预警方法，包括：步骤1：基于红外热像仪采集园区内所有工况正常的标准红外图像；步骤2：基于红外热像仪采集得到园区现场工作过程的实际红外图像，并与所述标准红外图像进行比对；步骤3：根据比对结果，提取异常红外图像；步骤4：采集基于所述异常红外图像的连续帧视频图像，提取不同视频图像中的火焰形状特征；步骤5：根据所述火焰形状特征以及所述火焰形状特征的综合变化，执行相应的预警处理。
6.优选的，基于红外热像仪采集园区内所有工况正常的标准红外图像，包括：统计得到园区内工作过程中所有的工况情况，基于红外热像仪对每个工况的工作过程都进行红外图像的采集，将采集到的每个工况的红外图像放在同对应的红外图像集合中，得到多个存放红外图像的集合；对每个存放红外图像的集合所对应的工况进行判断，若该工况的工作过程中没有发生火灾，则该工况正常；选取所有工况正常的红外图像集合，将工况正常的红外图像集合中的所有标准红外图像作为第一红外图像，存放到存储器中。
7.优选的，基于红外热像仪采集得到园区现场工作过程的实际红外图像，并与所述标准红外图像进行比对，包括：基于红外热像仪对园区现场的工作过程进行热成像数据采集，将采集得到
的红外图像作为第二红外图像；将第一红外图像与第二红外图像都缩小到预设尺寸并进行灰度转换；对第一灰度图像中每行相邻两个像素点的灰度值进行比较，对灰度值大的像素点进行1标记，对灰度值小的像素点进行0标记，得到所述第一灰度图像的第一指纹；同时，获取所述第二灰度图像的第二指纹；将所述第一指纹与第二指纹进行比较，对不一致位置进行计数；如果计数小于4，则认为第二红外图像是正常红外图像；如果计数大于8，则认为第二红外图像是异常红外图像。
8.优选的，提取不同视频图像中的火焰形状特征之前，还包括：构建火焰识别模型，具体包括：将工况正常的第一红外图像作为第一训练样本，构建第一训练样本集合；将发生火灾的工作过程的红外图像作为第二训练样本，构建第二训练样本集合；将第二训练样本集合中没有火焰的第二训练样本提取出来，对剩下有火焰的第二训练样本构建第三训练样本集合；将提取出来的没有火焰的第二训练样本加入到第一训练样本集合中得到第四训练样本集合；使用dert预训练模型对第三训练样本集合和第四训练样本集合进行训练，得到火焰识别模型。
9.优选的，采集基于所述异常红外图像的连续帧视频图像，提取不同视频图像中的火焰形状特征，包括：将异常红外图像提取出来并按照现场工作过程的时间顺序进行排列，得到异常红外图像的连续帧视频图像，作为第一视频图像；对得到的第一视频图像进行滤波处理，得到滤波后的第一视频图像；将滤波后的第一视频图像输入到火焰识别模型中，确定每帧视频图像是否有火焰产生；去除掉第一视频图像中的无火焰产生图像得到第二视频图像；对第二视频图像中的每帧火焰图像进行二值化处理，并对二值化处理图像中的初始边界线进行确定；对初始边界线进行分析，得到最终边界线；按照所述最终边界线对对应二值化处理图像进行分割，得到目标火焰区域；从每个目标火焰区域中提取与预设指标相关的指标参数，并得到对应目标火焰区域的火焰特征。
10.优选的，将滤波后的第一视频图像输入到火焰识别模型中，确定每帧视频图像是否有火焰产生，包括：将滤波后的第一视频图像分解成若干连续帧的异常红外图像，将每帧异常红外图像分别输入到构建好的火焰识别模型中进行识别；分别计算每帧异常红外图像与所述火焰识别模型中每个火焰类别的相似度，并将最大相似度类别作为对应帧异常红外图像的类别；根据第一视频图像中每帧异常红外图像的类别确定每帧视频图像中是否有火焰
产生。
11.优选的，对初始边界线进行分析，得到最终边界线，包括：对获取的所有初始边界线进行标定，并按照轮廓走向，将标定的所有初始边界线进行顺序排列；分别获取每个初始边界线的第一端点和第二端点，并确定每个第一端点的第一切线与第二端点的第二切线；按照顺序获取相邻初始边界线中的第一边界线的第二端点与所述相邻初始边界线中第二边界线的第一端点的第一直线；当所述第一直线小于预设长度时，按照顺序获取相邻初始边界线中的第一边界线的第二端点的第二切线与所述相邻初始边界线中第二边界线的第一端点的第一切线，并确定两个切线之间是否存在交点；若存在，判断所述第一直线的中点到所述交点的第一距离是否小于预设距离，若是，将所述交点保留，并基于所述交点建立与两个端点的连接；若不是，根据第一距离与所述预设距离的第一比值，对所述中点到所述交点的距离进行第一截取，并将截取点保留，且基于所述截取点建立与两个端点的连接；当所述第一直线不小于预设长度时，以所述第一直线的一半长度为半径，且以所述第一直线的中点作圆心进行画圆，得到第一圆；同时，判断所述第一切线与第二切线是否与所述第一圆存在第一点；若都存在，按照所述第一点的出现位置顺序，依次按照第二端点、两个第一点、第一端点的顺序连接；若只存在一个第一点，则获取对应第一点的圆弧，并取所述圆弧的中间点作为连接点，来实现第二端点、连接点、第一端点的顺序连接；若不存在第一点，则根据所述第一切线与第二切线的交点方向，确定对所述第一圆的截取方向，并在所述截取方向上对应的半圆进行与直径的平行截取，并获取两个截取点，依次按照第二端点、两个截取点、第一端点的顺序连接；基于所有连接结果，构建得到最终边界线。
12.优选的，从每个目标火焰区域中提取与预设指标相关的指标参数，并得到对应目标火焰区域的火焰特征，包括：根据以下公式计算得到连续两帧视频图像的目标火焰区域的面积增长率：其中，g为目标火焰区域的面积增长率，s
i+1
是目标火焰区域在第i+1帧视频图像中的面积，si是目标火焰区域在第i帧视频图像中的面积，t
i+1
是第i+1帧视频图像对应的时间，ti是第i帧视频图像对应的时间；根据以下公式计算得到每帧视频图像的目标火焰区域的火苗特征：根据以下公式计算得到每帧视频图像的目标火焰区域的火苗特征：
其中，表示对应帧视频图像中第j1个火苗簇的火苗簇特征值；表示对应帧视频图像中第j1个火苗簇的边界周长；表示对应帧视频图像中第j1个火苗簇的面积；表示参考火苗簇特征值；表示对应帧视频图像中第j1个火苗簇的颜特征值；表示对应帧视频图像中第j1个火苗簇包含的颜像素块；表示第j1个火苗簇中第g1个颜像素块的颜值；表示参考颜值；表示基于颜像素块的颜比值；表示基于颜像素块的最小颜比值；表示基于颜像素块的最大颜比值；m1表示火苗簇的个数；表示基于火苗簇特征值的集合；表示基于颜特征值的集合；基于火苗簇特征值的集合以及颜特征值的集合，得到目标火焰区域的火焰特征。
13.优选的，根据所述火焰形状特征以及所述火焰形状特征的综合变化，执行相应的预警处理，包括：将所有连续两帧视频图像中目标火焰区域的特征变化进行记录；根据记录结果，从特征-预警数据库中匹配预警方式，进行预警处理。
14.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
15.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
16.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1为本发明实施例中一种红外监测的园区火灾预警方法的流程图。
具体实施方式
17.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
18.本发明提供一种红外监测的园区火灾预警方法，如图1所示，包括：步骤1：基于红外热像仪采集园区内所有工况正常的标准红外图像；步骤2：基于红外热像仪采集得到园区现场工作过程的实际红外图像，并与所述标准红外图像进行比对；步骤3：根据比对结果，提取异常红外图像；步骤4：采集基于所述异常红外图像的连续帧视频图像，提取不同视频图像中的火焰形状特征；步骤5：根据所述火焰形状特征以及所述火焰形状特征的综合变化，执行相应的预
警处理。
19.该实施例中，工况正常指没有火灾发生的工作过程，采集得到所有没有火灾发生的工作过程的红外图像，作为标准红外图像。
20.该实施例中，采用差值哈希算法对现场工作过程的红外图像与标准红外图像进行相似度处理，用来出与标准红外图像不同的异常红外图像。
21.该实施例中，将所有异常红外图像提取出来，按照时间顺序排列得到连续帧的第一视频图像。
22.该实施例中，不同视频图像中的火焰形状特征包括目标火焰区域的面积增长率，火苗簇特征值，火苗簇颜特征值。
23.该实施例中，目标火焰区域的面积增长率不变或者变大，目标火焰区域的面积都在变大，火苗簇特征值表示每个火苗簇的规则程度，火苗簇特征值越小，火苗簇的形状越不规则，火苗簇颜特征值越大，火苗簇的温度越高。根据连续视频图像的三个火焰形状特征的综合变化来判断是否发生火灾。
24.该实施例中，记录下第二视频图像中每帧视频图像的三个火焰特征的变化，将记录下的所述三个火焰特征的变化与特征-预警数据库进行匹配，进行相应的预警处理。
25.上述技术方案的有益效果是：通过将现场工作过程中得到的红外图像与正常工况下的标准红外图像进行对比，将异常红外图像提取出来，对异常红外图像中的火焰形状特征进行提取，根据火焰形状特征的综合变化来确定火灾的发生，进行相应的预警处理。
26.本发明提供一种红外监测的园区火灾预警方法，基于红外热像仪采集园区内所有工况正常的标准红外图像，包括：统计得到园区内工作过程中所有的工况情况，基于红外热像仪对每个工况的工作过程都进行红外图像的采集，将采集到的每个工况的红外图像放在同对应的红外图像集合中，得到多个存放红外图像的集合；对每个存放红外图像的集合所对应的工况进行判断，若该工况的工作过程中没有发生火灾，则该工况正常；选取所有工况正常的红外图像集合，将工况正常的红外图像集合中的所有标准红外图像作为第一红外图像，存放到存储器中。
27.该实施例中，所有工况包括正常工况也包括发生火灾的工况，将所有工况的红外图像放在不同的集合中，最后选取工况正常的红外图像集合作为标准图像。
28.该实施例中，将采集到的标准红外图像作为第一红外图像，存放到存储器中，方便与现场工作过程采集的红外图像进行比对。
29.上述技术方案的有益效果是：通过采集所有工况正常的标准红外图像，为后面与现场工作过程中的红外图像进行比对提供了基础。
[0030] 本发明提供一种红外监测的园区火灾预警方法，基于红外热像仪采集得到园区现场工作过程的实际红外图像，并与所述标准红外图像进行比对，包括：基于红外热像仪对园区现场的工作过程进行热成像数据采集，将采集得到的红外图像作为第二红外图像；将第一红外图像与第二红外图像都缩小到预设尺寸并进行灰度转换；对第一灰度图像中每行相邻两个像素点的灰度值进行比较，对灰度值大的像素点
进行1标记，对灰度值小的像素点进行0标记，得到所述第一灰度图像的第一指纹；同时，获取所述第二灰度图像的第二指纹；将所述第一指纹与第二指纹进行比较，对不一致位置进行计数；如果计数小于4，则认为第二红外图像是正常红外图像；如果计数大于8，则认为第二红外图像是异常红外图像。
[0031]
该实施例中，将现场工作过程中采集到的红外图像作为第二红外图像，与工况正常的第一红外图像进行比对。
[0032]
该实施例中，将第一红外图像与第二红外图像都缩小到9*8的尺寸，一共72个像素，并对所述两种红外图像进行灰度转换，转为64级灰度图像。
[0033]
该实施例中，将第一红外图像进行灰度转换后得到第二灰度图像，第二红外图像进行灰度转换后得到第二灰度图像。
[0034]
该实施例中，每个灰度图像中每行有9个像素点，所以比较每两个相邻像素点的灰度值并进行标记后，每行得到8个标记，都为0，1。每个灰度图像中有八行，最后每张灰度图像会得到64个标记值。
[0035]
该实施例中，指纹相当于灰度图像的身份标识，是唯一的。每张第一灰度图像都只有一个第一指纹，每张第二灰度图像都只有一个第二指纹。
[0036]
该实施例中，第一灰度图像与第二灰度图像进行比对时，看它们所对应的第一指纹与第二指纹中64个标记中有多少个标记不同。如果不同标记的个数小于4，就认为该第二红外图像是正常红外图像，如果不同标记的个数大于8，就认为该第二红外图像是异常红外图像，并将异常红外图像提取出来。
[0037]
上述技术方案的有益效果是：将第一红外图像与第二红外图像进行灰度转换，可以通过计算第一指纹与第二指纹中不同标记的个数来确定第二红外图像是否为异常红外图像，并进行异常红外图像的提取。
[0038]
本发明提供一种红外监测的园区火灾预警方法，提取不同视频图像中的火焰形状特征之前，还包括：构建火焰识别模型，具体包括：将工况正常的第一红外图像作为第一训练样本，构建第一训练样本集合；将发生火灾的工作过程的红外图像作为第二训练样本，构建第二训练样本集合；将第二训练样本集合中没有火焰的第二训练样本提取出来，对剩下有火焰的第二训练样本构建第三训练样本集合；将提取出来的没有火焰的第二训练样本加入到第一训练样本集合中得到第四训练样本集合；使用dert预训练模型对第三训练样本集合和第四训练样本集合进行训练，得到火焰识别模型。
[0039]
该实施例中，将所有工况正常的红外图像作为一种训练样本，构建第一训练样本集合，将发生火灾的工作过程中得到的红外图像作为一种训练样本，构建第二训练样本集合。
[0040]
该实施例中，第二训练样本集合中并非所有的训练样本都有火焰，将第二训练样本集合中没有火焰的训练样本添加到第一训练样本集合中，分别得到第三训练样本集合和第四训练样本集合。
[0041]
该实施例中，dert预训练模型对第三训练样本集合与第四训练样本集合中的训练样本进行训练，得到火焰识别模型。
[0042]
上述技术方案的有益效果是：构建火焰识别模型可以对第一视频图像中每帧视频图像进行识别，判断每帧视频图像中是否有火焰产生。
[0043] 本发明提供一种红外监测的园区火灾预警方法，采集基于所述异常红外图像的连续帧视频图像，提取不同视频图像中的火焰形状特征，包括：将异常红外图像提取出来并按照现场工作过程的时间顺序进行排列，得到异常红外图像的连续帧视频图像，作为第一视频图像；对得到的第一视频图像进行滤波处理，得到滤波后的第一视频图像；将滤波后的第一视频图像输入到火焰识别模型中，确定每帧视频图像是否有火焰产生；去除掉第一视频图像中的无火焰产生图像得到第二视频图像；对第二视频图像中的每帧火焰图像进行二值化处理，并对二值化处理图像中的初始边界线进行确定；对初始边界线进行分析，得到最终边界线；按照所述最终边界线对对应二值化处理图像进行分割，得到目标火焰区域；从每个目标火焰区域中提取与预设指标相关的指标参数，并得到对应目标火焰区域的火焰特征。
[0044]
该实施例中，第一视频图像由时间连续的异常红外图像组成。
[0045]
该实施例中，滤波是对原图像进行降噪处理，在不影响原图像主要特征的情况下，去除大部分噪音，决定了后续的图像质量，极大地降低了图像二值化处理的复杂程度。
[0046]
该实施例中，将滤波后的第一视频图像中每帧视频图像都输入火焰识别模型中，去除没有火焰的视频图像，得到第二视频图像。
[0047]
该实施例中，二值化处理是将每帧火焰图像上的像素点的灰度值设置为0或255，让每帧火焰图像呈现出明显的只有黑和白的视觉效果。其中，目标火焰区域是白的，背景区域是黑的。
[0048]
该实施例中，最终边界线用来分割目标火焰区域和背景区域。
[0049]
该实施例中，对二值化图像进行分割后得到目标火焰区域，然后提取相关指标参数，得到目标火焰区域的火焰特征。
[0050]
上述技术方案的有益效果是：对第二视频图像中的每帧视频图像进行二值化处理并进行图像分割，可以得到每帧视频图像的目标火焰区域，经过提取获得每帧视频图像目标火焰区域的火焰特征。
[0051]
本发明提供一种红外监测的园区火灾预警方法，将滤波后的第一视频图像输入到火焰识别模型中，确定每帧视频图像是否有火焰产生，包括：将滤波后的第一视频图像分解成若干连续帧的异常红外图像，将每帧异常红外图像分别输入到构建好的火焰识别模型中进行识别；分别计算每帧异常红外图像与所述火焰识别模型中每个火焰类别的相似度，并将最大相似度类别作为对应帧异常红外图像的类别；根据第一视频图像中每帧异常红外图像的类别确定每帧视频图像中是否有火焰
产生。
[0052]
该实施例中，要将第一视频图像中每帧视频图像输入到火焰识别模型中进行识别，需要将第一视频图像分解成连续的异常红外图像。
[0053]
该实施例中，通过计算每帧视频图像与火焰识别模型中每个火焰类别的相似度来确定每帧视频图像对应的火焰类别，相似度最大的火焰类别即为视频图像的类别，根据每帧视频图像的类别确定是否有火焰产生。
[0054]
上述技术方案的有益效果是：确定第一视频图像中每帧视频图像是否有火焰产生，可以得到发生火灾时所有有火焰产生的视频图像，从而构建第二视频图像。
[0055]
本发明提供一种红外监测的园区火灾预警方法，对初始边界线进行分析，得到最终边界线，包括：对获取的所有初始边界线进行标定，并按照轮廓走向，将标定的所有初始边界线进行顺序排列；分别获取每个初始边界线的第一端点和第二端点，并确定每个第一端点的第一切线与第二端点的第二切线；按照顺序获取相邻初始边界线中的第一边界线的第二端点与所述相邻初始边界线中第二边界线的第一端点的第一直线；当所述第一直线小于预设长度时，按照顺序获取相邻初始边界线中的第一边界线的第二端点的第二切线与所述相邻初始边界线中第二边界线的第一端点的第一切线，并确定两个切线之间是否存在交点；若存在，判断所述第一直线的中点到所述交点的第一距离是否小于预设距离，若是，将所述交点保留，并基于所述交点建立与两个端点的连接；若不是，根据第一距离与所述预设距离的第一比值，对所述中点到所述交点的距离进行第一截取，并将截取点保留，且基于所述截取点建立与两个端点的连接；当所述第一直线不小于预设长度时，以所述第一直线的一半长度为半径，且以所述第一直线的中点作圆心进行画圆，得到第一圆；同时，判断所述第一切线与第二切线是否与所述第一圆存在第一点；若都存在，按照所述第一点的出现位置顺序，依次按照第二端点、两个第一点、第一端点的顺序连接；若只存在一个第一点，则获取对应第一点的圆弧，并取所述圆弧的中间点作为连接点，来实现第二端点、连接点、第一端点的顺序连接；若不存在第一点，则根据所述第一切线与第二切线的交点方向，确定对所述第一圆的截取方向，并在所述截取方向上对应的半圆进行与直径的平行截取，并获取两个截取点，依次按照第二端点、两个截取点、第一端点的顺序连接；基于所有连接结果，构建得到最终边界线。
[0056]
该实施例中，截取方向与第一切线与第二切线的交点方向一致，如果说不存在交点，则进行上半圆或下半圆的随机直线截取，获取得到的两个点作为截取点。
[0057]
该实施例中，从最上面那个初始边界线开始按照逆时针方向对每个初始边界线进行标定并排序。
[0058]
该实施例中，每个初始边界线最左边的端点为第一端点，最右边的端点为第二端
点，获取第一端点的切线作为第一切线，第二端点的切线作为第二切线。
[0059]
该实施例中，获取相邻的两个初始边界线。左边的初始边界线为第一边界线，右边的初始边界线为第二边界线，将第一边界线的第二端点与第二边界线的第一端点之间用直线连接起来。
[0060]
该实施例中，预设长度是提前设置好的，且设置为2mm。
[0061]
该实施例中，当相邻初始边界线第二端点与第一端点之间的第一直线长度小于2mm时，获取相邻初始边界线的第一切线和第二切线，并确定第一切线和第二切线之间是否有交点。
[0062]
该实施例中，预设距离是预先设置好的一个比较值，设置为1mm。
[0063]
该实施例中，如果相邻初始边界线中两条切线之间存在交点，判断相邻初始边界线中的第一直线到两条切线交点的距离是否小于预设距离。如果小于预设距离，将两条切线的交点进行保留，并且将所述交点与两个端点进行连接。
[0064]
该实施例中，如果相邻初始边界线中第一直线到两条切线交点的距离大于预设距离，获取第一距离与所述预设距离的第一比值，根据第一比值的大小对第一直线的中点到两条切线交点的距离进行截取，将得到的截取点与两个端点进行连接。
[0065]
该实施例中，第一比值越大，截取的距离越大。
[0066]
该实施例中，当相邻初始边界线第二端点与第一端点之间的第一直线长度大于2mm时，将第一直线的中点作为圆心，中点到任意一个端点的距离作为半径进行画圆，得到第一圆。
[0067]
该实施例中，判断得到的第一圆与两个端点的切线是否都有第一点。
[0068]
该实施例中，第一点指两条切线与第一圆的交点。
[0069]
该实施例中，如果两条切线都与第一圆有第一点，则按照从左到右的顺序将第二端点，两个第一点，第一端点依次进行连接。
[0070]
该实施例中，如果两条切线与第一圆只有一个第一点，确定该第一点是第一圆与哪条切线的交点。如果该第一点是第一圆与第一切线的交点，获取第一端点与第一点之间的圆弧，并得到所述圆弧的中间点。将圆弧的中间点作为连接点，将第二端点，连接点，第一端点依次连接。如果该第一点是第一圆与第二切线的交点，获取第二端点与第一点之间的圆弧，并得到所述圆弧的中间点。将圆弧的中间点作为连接点，将第二端点，连接点，第一端点依次进行连接。
[0071]
该实施例中，如果两条切线与第一圆没有第一点，则判断两条切线的交点对于第一圆的位置对第一圆进行截取。将两条切线的交点正对着第一圆的方向截取半个第一圆，并获得两个截取点。将第二端点，两个截取点，第一端点依次进行连接。
[0072]
该实施例中，基于每两个相邻初始边界线的连接结果得到最终边界线。
[0073]
上述技术方案的有益效果是：根据每相邻的两个初始边界线获得连接结果，最后基于所有连接结果得到最终边界线，这样获得的最终边界线更加精确，使得到的目标火焰区域更加完整。
[0074]
本发明提供一种红外监测的园区火灾预警方法，从每个目标火焰区域中提取与预设指标相关的指标参数，并得到对应目标火焰区域的火焰特征，包括：根据以下公式计算得到连续两帧视频图像的目标火焰区域的面积增长率：
其中，g为目标火焰区域的面积增长率，s
i+1
是目标火焰区域在第i+1帧视频图像中的面积，si是目标火焰区域在第i帧视频图像中的面积，t
i+1
是第i+1帧视频图像对应的时间，ti是第i帧视频图像对应的时间；根据以下公式计算得到每帧视频图像的目标火焰区域的火苗特征：征：征：征：其中，表示对应帧视频图像中第j1个火苗簇的火苗簇特征值；表示对应帧视频图像中第j1个火苗簇的边界周长；表示对应帧视频图像中第j1个火苗簇的面积；表示参考火苗簇特征值；表示对应帧视频图像中第j1个火苗簇的颜特征值；表示对应帧视频图像中第j1个火苗簇包含的颜像素块；表示第j1个火苗簇中第g1个颜像素块的颜值；表示参考颜值；表示基于颜像素块的颜比值；表示基于颜像素块的最小颜比值；表示基于颜像素块的最大颜比值；m1表示火苗簇的个数；表示基于火苗簇特征值的集合；表示基于颜特征值的集合；基于火苗簇特征值的集合以及颜特征值的集合，得到目标火焰区域的火焰特征。
[0075]
该实施例中，将连续两帧视频图像中目标火焰区域的面积增长率，火苗簇特征值，火苗簇颜特征值作为目标火焰区域的火焰特征。
[0076]
该实施例中，每帧视频图像中的目标火焰区域都有很多的火苗簇，每个火苗簇都对应一个颜特征值。
[0077]
该实施例中，一个火苗簇特征值集合包含一帧视频图像中目标火焰区域所有的火苗簇特征值，一个颜特征值集合包含一帧视频图像中目标火焰区域所有火苗簇的颜特征值。
[0078]
上述技术方案的有益效果是：通过观察提取到的火焰形状特征的综合变化，可以确定连续两帧视频图像中是否发生火灾，进而确定整个现场工作过程中是否发生火灾。
[0079]
本发明提供一种红外监测的园区火灾预警方法，根据所述火焰形状特征以及所述火焰形状特征的综合变化，执行相应的预警处理，包括：将所有连续两帧视频图像中目标火焰区域的特征变化进行记录；根据记录结果，从特征-预警数据库中匹配预警方式，进行预警处理。
[0080]
该实施例中，特征-预警数据库中存放火焰形状特征不同变化情况下对应的不同预警方式。
[0081]
该实施例中，连续两帧视频图像同时满足目标火焰区域的面积变大，第二帧视频图像对应火苗簇特征值集合中的火苗簇特征值大于第一帧视频图像，第二帧视频图像颜特征值集合中的颜特征值大于第一帧视频图像，则与特征-预警数据库中火灾预警匹配，进行火灾预警。否则，可能受到了白炽灯，蜡烛等干扰目标的影响，不进行火灾预警。
[0082]
上述技术方案的有益效果是：根据连续视频图像中火焰形状特征的综合变化来判断是否发生火灾并进行相应的预警，可以排除一些干扰目标对判断结果的影响，提高预警的准确率。
[0083]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：

1.一种红外监测的园区火灾预警方法，其特征在于，包括：步骤1：基于红外热像仪采集园区内所有工况正常的标准红外图像；步骤2：基于红外热像仪采集得到园区现场工作过程的实际红外图像，并与所述标准红外图像进行比对；步骤3：根据比对结果，提取异常红外图像；步骤4：采集基于所述异常红外图像的连续帧视频图像，提取不同视频图像中的火焰形状特征；步骤5：根据所述火焰形状特征以及所述火焰形状特征的综合变化，执行相应的预警处理。2.根据权利要求1所述的红外监测的园区火灾预警方法，其特征在于，基于红外热像仪采集园区内所有工况正常的标准红外图像，包括：统计得到园区内工作过程中所有的工况情况，基于红外热像仪对每个工况的工作过程都进行红外图像的采集，将采集到的每个工况的红外图像放在同对应的红外图像集合中，得到多个存放红外图像的集合；对每个存放红外图像的集合所对应的工况进行判断，若该工况的工作过程中没有发生火灾，则该工况正常；选取所有工况正常的红外图像集合，将工况正常的红外图像集合中的所有标准红外图像作为第一红外图像，存放到存储器中。3.根据权利要求1所述的红外监测的园区火灾预警方法，其特征在于，基于红外热像仪采集得到园区现场工作过程的实际红外图像，并与所述标准红外图像进行比对，包括：基于红外热像仪对园区现场的工作过程进行热成像数据采集，将采集得到的红外图像作为第二红外图像；将第一红外图像与第二红外图像都缩小到预设尺寸并进行灰度转换；对第一灰度图像中每行相邻两个像素点的灰度值进行比较，对灰度值大的像素点进行1标记，对灰度值小的像素点进行0标记，得到所述第一灰度图像的第一指纹；同时，获取所述第二灰度图像的第二指纹；将所述第一指纹与第二指纹进行比较，对不一致位置进行计数；如果计数小于4，则认为第二红外图像是正常红外图像；如果计数大于8，则认为第二红外图像是异常红外图像。4.根据权利要求1所述的红外监测的园区火灾预警方法，其特征在于，提取不同视频图像中的火焰形状特征之前，还包括：构建火焰识别模型，具体包括：将工况正常的第一红外图像作为第一训练样本，构建第一训练样本集合；将发生火灾的工作过程的红外图像作为第二训练样本，构建第二训练样本集合；将第二训练样本集合中没有火焰的第二训练样本提取出来，对剩下有火焰的第二训练样本构建第三训练样本集合；将提取出来的没有火焰的第二训练样本加入到第一训练样本集合中得到第四训练样本集合；使用dert预训练模型对第三训练样本集合和第四训练样本集合进行训练，得到火焰识别模型。
5.根据权利要求1所述的红外监测的园区火灾预警方法，其特征在于，采集基于所述异常红外图像的连续帧视频图像，提取不同视频图像中的火焰形状特征，包括：将异常红外图像提取出来并按照现场工作过程的时间顺序进行排列，得到异常红外图像的连续帧视频图像，作为第一视频图像；对得到的第一视频图像进行滤波处理，得到滤波后的第一视频图像；将滤波后的第一视频图像输入到火焰识别模型中，确定每帧视频图像是否有火焰产生；去除掉第一视频图像中的无火焰产生图像得到第二视频图像；对第二视频图像中的每帧火焰图像进行二值化处理，并对二值化处理图像中的初始边界线进行确定；对初始边界线进行分析，得到最终边界线；按照所述最终边界线对对应二值化处理图像进行分割，得到目标火焰区域；从每个目标火焰区域中提取与预设指标相关的指标参数，并得到对应目标火焰区域的火焰特征。6.根据权利要求5所述的红外监测的园区火灾预警方法，其特征在于，将滤波后的第一视频图像输入到火焰识别模型中，确定每帧视频图像是否有火焰产生，包括：将滤波后的第一视频图像分解成若干连续帧的异常红外图像，将每帧异常红外图像分别输入到构建好的火焰识别模型中进行识别；分别计算每帧异常红外图像与所述火焰识别模型中每个火焰类别的相似度，并将最大相似度类别作为对应帧异常红外图像的类别；根据第一视频图像中每帧异常红外图像的类别确定每帧视频图像中是否有火焰产生。7.根据权利要求5所述的红外监测的园区火灾预警方法，其特征在于，对初始边界线进行分析，得到最终边界线，包括：对获取的所有初始边界线进行标定，并按照轮廓走向，将标定的所有初始边界线进行顺序排列；分别获取每个初始边界线的第一端点和第二端点，并确定每个第一端点的第一切线与第二端点的第二切线；按照顺序获取相邻初始边界线中的第一边界线的第二端点与所述相邻初始边界线中第二边界线的第一端点的第一直线；当所述第一直线小于预设长度时，按照顺序获取相邻初始边界线中的第一边界线的第二端点的第二切线与所述相邻初始边界线中第二边界线的第一端点的第一切线，并确定两个切线之间是否存在交点；若存在，判断所述第一直线的中点到所述交点的第一距离是否小于预设距离，若是，将所述交点保留，并基于所述交点建立与两个端点的连接；若不是，根据第一距离与所述预设距离的第一比值，对所述中点到所述交点的距离进行第一截取，并将截取点保留，且基于所述截取点建立与两个端点的连接；当所述第一直线不小于预设长度时，以所述第一直线的一半长度为半径，且以所述第一直线的中点作圆心进行画圆，得到第一圆；同时，判断所述第一切线与第二切线是否与所述第一圆存在第一点；
若都存在，按照所述第一点的出现位置顺序，依次按照第二端点、两个第一点、第一端点的顺序连接；若只存在一个第一点，则获取对应第一点的圆弧，并取所述圆弧的中间点作为连接点，来实现第二端点、连接点、第一端点的顺序连接；若不存在第一点，则根据所述第一切线与第二切线的交点方向，确定对所述第一圆的截取方向，并在所述截取方向上对应的半圆进行与直径的平行截取，并获取两个截取点，依次按照第二端点、两个截取点、第一端点的顺序连接；基于所有连接结果，构建得到最终边界线。8.根据权利要求5所述的红外监测的园区火灾预警方法，其特征在于，从每个目标火焰区域中提取与预设指标相关的指标参数，并得到对应目标火焰区域的火焰特征，包括：根据以下公式计算得到连续两帧视频图像的目标火焰区域的面积增长率：其中，g为目标火焰区域的面积增长率，s
i+1
是目标火焰区域在第i+1帧视频图像中的面积，s
i
是目标火焰区域在第i帧视频图像中的面积，t
i+1
是第i+1帧视频图像对应的时间，t
i
是第i帧视频图像对应的时间；根据以下公式计算得到每帧视频图像的目标火焰区域的火苗特征：根据以下公式计算得到每帧视频图像的目标火焰区域的火苗特征：根据以下公式计算得到每帧视频图像的目标火焰区域的火苗特征：根据以下公式计算得到每帧视频图像的目标火焰区域的火苗特征：其中，表示对应帧视频图像中第j1个火苗簇的火苗簇特征值；表示对应帧视频图像中第j1个火苗簇的边界周长；表示对应帧视频图像中第j1个火苗簇的面积；表示参考火苗簇特征值；表示对应帧视频图像中第j1个火苗簇的颜特征值；表示对应帧视频图像中第j1个火苗簇包含的颜像素块；表示第j1个火苗簇中第g1个颜像素块的颜值；表示参考颜值；表示基于颜像素块的颜比值；表示基于颜像素块的最小颜比值；表示基于颜像素块的最大颜比值；m1表示火苗簇的个数；表示基于火苗簇特征值的集合；表示基于颜特征值的集合；基于火苗簇特征值的集合以及颜特征值的集合，得到目标火焰区域的火焰特征。9.根据权利要求1所述的红外监测的园区火灾预警方法，其特征在于，根据所述火焰形状特征以及所述火焰形状特征的综合变化，执行相应的预警处理，包括：将所有连续两帧视频图像中目标火焰区域的特征变化进行记录；根据记录结果，从特征-预警数据库中匹配预警方式，进行预警处理。

技术总结

本发明提供了一种红外监测的园区火灾预警方法，包括，基于红外热像仪采集园区内所有工况正常的标准红外图像。基于红外热像仪采集得到园区现场工作过程的实际红外图像，并与所述标准红外图像进行比对。根据比对结果，提取异常红外图像。采集基于所述异常红外图像的连续帧视频图像，提取不同视频图像中的火焰形状特征。根据所述火焰形状特征以及所述火焰形状特征的综合变化，执行相应的预警处理。提供了一种红外监测的园区火灾预警方法，可以及时发现园区工作过程的一些火灾隐患，同时排除了一些干扰目标对判断结果的影响，进一步提高了火灾预警的准确率。灾预警的准确率。灾预警的准确率。