森林火点去扰动单点定位装置及基于该装置的定位方法

摘要

森林火点去扰动单点定位装置及基于该装置的定位方法，它涉及森林火点单点定位装置及基于该装置的定位方法，它是为了解决现有的确定火点的摄像机拍摄的图像中扰动过大导致火点定位精度低的问题。本发明的方法通过对火源位置进行多幅图像采集、分析，可以有效的消除由于环境影响造成的摄像机晃动而导致的火源在图像中坐标位置不准确的问题，通过该方法，可以对火源中心位置进行准确地定位，定位精度较高。本发明适用于森林火点的准确定位。

说明书

技术领域

本发明涉及森林火点单点定位装置及基于该装置的定位方法。

背景技术

森林是陆地生态的主体，具有很高的生态效益和经济效益，是人类宝贵的资源，而近 几年森林资源急剧减少，除人为砍伐外，森林火灾是造成森林面积减少的主要原因。因而 林区的防火措施的研究受到各国的重视。

目前，森林防火方法有很多，也有很多地区已经开始采用在深林中安装摄像机对森林 进行监控。然而用于森林防火的摄像机通常位于户外环境下，由于环境的影响，例如风的 吹动，或者云台的机械运动都会导致摄像机载体的晃动，从而导致固定于载体上的摄像机 也会随之以一定的幅度摆动。此时摄像机所获取的图像中火源的位置信息肯定与理论位置 有一定的偏差，这反映在实际场景中会产生几公里乃至十几公里的偏差，远远不能满足要 求。

发明内容

本发明是为了解决现有的确定火点的摄像机拍摄的图像中扰动过大导致火点定位精 度低的问题，从面提供一种森林火点去扰动单点定位装置及基于该装置的定位方法。

森林火点去扰动单点定位装置，它包括摄像机和云台，所述摄像机固定在云台上，它 还包括数据处理前端和地面控制端；所述数据处理前端包括模拟视频数字转换模块、视频 分析模块、云台控制模块和数据前端数据收发模块；所述摄像机的图像信号输出端与模拟 视频数字转换模块的图像信号输入端连接；所述模拟视频数字转换模块的数字信号输出端 与视频分析模块的数字信号输入端连接；所述视频分析模块的一号分析结果输出端与云台 控制模块的分析结果输入端连接；所述视频分析模块的二号分析结果输出/输入端与数据 前端数据收发模块的分析结果输入/输出端连接；数据前端数据收发模块的数据输出端与 云台控制模块的数据输入端连接；云台控制模块用于控制云台运动；

控制端包括数据处理控制模块和控制端数据收发模块，所述控制端数据收发模块的数 据输出/输入端与数据处理控制模块的数据输入/输出端连接；控制端数据收发模块与数据 前端数据收发模块通过无线电信号实现数据传输。

基于上述装置的森林火点去扰动单点定位方法，它由以下步骤实现：

步骤一、采用摄像机拍摄森林火点图像；

步骤二、采用模拟视频数字转换模块对步骤一获得的森林火点图像进行转换，获得森 林火点数字图像；

步骤三、根据预设的一号门限值对步骤二中获得的图像进行初步分割，获得消除背景 环境影响的图像；

步骤四、采用最大类间方差法对步骤三获得的消除背景环境影响的图像进行进一步分 割，获得火源区域有效图像；

步骤五、如果装置处在火源搜索状态，则执行步骤六，否则执行步骤七；

步骤六、将步骤五中获得的火源区域有效图像的每一个像素值逐一与预先设定的二号 门限值进行比较，并判断超过所述二号门限值的像素的数量是否大于所述火源区域有效图 像中的像素总数的1/2，如果判断结果为是，退出火源搜索状态，并则执行步骤六一，如 果判断结果为否，则执行步骤六二；

步骤六一、采用云台控制模块控制云台停止转动，进行单点定位图像采集，并执行步 骤七；

步骤六二、未发生火灾，返回执行步骤一；

步骤七、将步骤四获得的火源区域有效图像进行二值化处理，并对二值化的图像中的 亮点位置进行连通区域判定，选取每个连通区域的中心位置作为该图像的特征点数据进行 存储，作为该幅图像的特征点集合，记为：

S_j＝{D_j1，D_j2…，D_ji，…D_jn}

式中：表示第j幅图像中第i个火源中心在图像中的位置坐标，x_ji为第j幅 图像中第i个火源中心在图像中的横坐标，y_ji为第j幅图像中第i个火源中心在图像中的 纵坐标，i、j均为正整数；

步骤八、返回执行步骤一至七，直至获得足够的图像帧后，计算所有特征数据构成的 数据集合：

H＝{S₁∪S₂∪...∪S_j...∪S₁₀₀}

式中：S_j表示由第j帧图像中以火源中心位置为特征点构成的特征点集合，并计算中 由所有特征数据构成的数据集合H中各个数据点的密度参数，密度参数的求取通过规定 一个距离门限ξ，除计算点外，其余特征点落在以计算点为中心，距离门限ξ为半径的圆 内的个数即为该点的密度；

步骤九、在步骤八获得的数据集合中剔除小密度点，所述小密度点为数据集合H中 数据点的密度小于预设门限λ的点，获得摄像头所观测到的火源在各帧图像中的位置坐 标，并确定火源个数以及火源的粗略中心位置；

步骤十、将步骤九确定火源个数以及火源的粗略中心位置作为初始条件，以最近欧式 距离作为分类标准，采用C均值算法对特征点集合进行分类，并将所得的各类的聚类中 心进行存储，此聚类中心即为火源中心位置在摄像机拍摄的图像中的实际坐标位置；

步骤十一、根据步骤十获得的各聚类中心坐标位置，控制云台转动，当聚类中心的数 量为一个时，则为单点火源，控制摄像机中心对准火源的中心位置；当聚类中心的数量为 多个时，则为多点火源，控制摄像机对准由各火源中心坐标为顶点多边形的中心位置，实 现森林火点去扰动单点定位。

步骤九中所述火源个数以及火源的粗略中心位置的确定方法为：

首先，选择一个密度门限ρ和另外一个距离门限η，在所有数据点中的选择密度参数 最高的一个特征点作为第一个火源的中心位置，然后，在剩余的特征点中选择密度参数大 于ρ且改点距离第一个火源中心位置距离大于η的特征点作为第二个火源位置；

此处旨在分辨出两个火源之间的距离相聚较远的情况，若有两处火源相距较近时比如 几十米，反映在摄像机图像上也就是2～3个像素的差别，以上限定条件虽然将他们判定 为一个火源，但并不影响该发明的最初设想，因为在森林环境下，摄像机所要观察距离较 远，范围比较广，且该发明目的为了在发生或在时为救火部队提供方向指示，因此这种短 距离的多火源情况可认为是一个火源，而且这种短距离多火源的产生肯定是由于某种特定 因素引起的，其中心距离一般不会太大。而当有两处火源距离较远比如十几公里的时候， 两处火源反映在摄像机图像中的位置相距就比较远了，此时即使摄像机处于晃动中，两个 火源于各帧图像的中心位置坐标也是分成两堆的，这样通过上述限定即可分开了。

然后在剩余的特征点中选择密度参数大于ρ且该点距离第一个与第二个火源中心位 置距离均大于η的特征点作为第三个火源位置，以此类推直到不再有符合条件的特征点存 在为止，从而确定了这些特征点所指向的火源个数和火源的粗略中心位置。

步骤八中计算所有特征数据构成的数据集合的过程中：特征点的距离计量方式采用欧 氏距离实现，第i点到第j点的欧氏距离表示为：

$D=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}$

其中x和y表示该点在图像中的位置坐标。

步骤八中获得图像帧的数量为100幅。

有益效果：本发明的方法通过对火源位置进行多幅图像采集、分析，可以有效的消除 由于环境影响造成的摄像机晃动而导致的火源在图像中坐标位置不准确的问题，通过该方 法，可以对火源中心位置进行准确地定位，定位精度较高。

附图说明

图1是本发明的数据处理前端的结构示意图；图2是本发明的控制端的结构示意图； 图3是本发明方法的流程示意图。

具体实施方式

具体实施方式一、结合图1和图2说明本具体实施方式，森林火点去扰动单点定位装 置，它包括摄像机和云台，所述摄像机固定在云台上，它还包括数据处理前端和地面控制 端；所述数据处理前端包括模拟视频数字转换模块21、视频分析模块22、云台控制模块 23和数据前端数据收发模块24；所述摄像机的图像信号输出端与模拟视频数字转换模块 21的图像信号输入端连接；所述模拟视频数字转换模块21的数字信号输出端与视频分析 模块22的数字信号输入端连接；所述视频分析模块22的一号分析结果输出端与云台控制 模块23的分析结果输入端连接；所述视频分析模块22的二号分析结果输出/输入端与数 据前端数据收发模块24的分析结果输入/输出端连接；数据前端数据收发模块24的数据 输出端与云台控制模块23的数据输入端连接；云台控制模块23用于控制云台运动；

控制端包括数据处理控制模块31和控制端数据收发模块32，所述控制端数据收发模 块32的数据输出/输入端与数据处理控制模块31的数据输入/输出端连接；控制端数据收 发模块32与数据前端数据收发模块24通过无线电信号实现数据传输。

本实施方式的系统由位于摄像机后的数据处理前端设备，以及位于控制室内的控制端 设备构成。

其数据处理前端设备包括：

模拟视频数字转换模块：将摄像机拍摄产生的PAL制模拟视频扫面信号转换为PAL 制数字视频扫描信号。

视频分析模块：首先将摄像机获取的图像帧进行图像分割，将图像中的明暗两部分分 离开来。由于设备采用红外摄像机，图像中的明亮对应火源，而灰暗部分对应环境背景， 所以通过将分离的明亮部分图像各像素点与一人为设定的门限值进行比较，判定火源出现 有无。然后，在确定有火源的情况下，对视频数据以一定的时间间隔进行图像帧采集、分 割将图像中的火源部分提取出来，由于PAL制视频帧频为25帧每秒，因而此处时间间隔 选为40ms的整数倍，并将图像中各火源的中心位置坐标作为特征点进行保存。进而计算 各特征点在所有特征点组成的数据集合中的密度参数，并剔除特征点集合中噪声造成的孤 立点，以各特征点的密度参数和欧氏距离作为约束条件，并确定各个火源中心在图像中粗 略的像素位置信息。然后，以这些粗略的位置信息作为初始条件对剔除掉噪声点的特征点 数据集合采用C均值算法进行聚类分析，结果得到的各类的聚类中心即为火源目标在图 像中的实际像素位置；同时调用云台控制模块，控制摄像机镜头中心的对准方向，对于单 点火源控制摄像头中心对准火源的中心位置，对于多点火源则控制摄像机镜头中心对准由 各火源中心坐标为顶点多边形的中心位置。

数据前端数据收发模块：将视频分析模块产生的聚类中心位置信息，云台的位置编号、 角度信息、俯仰角信息以及云台摄像机的焦距信息打包成一个数据帧发送给控制端；接收 来自控制端的控制信号帧并将控制信号帧解码成控制信号并调动云台控制模块控制云台 的转动。

云台控制模块：负责控制云台按照指令进行转动或者调整摄像机的焦距。

控制端设备包括：

数据处理控制模块：负责产生控制云台转动和调整摄像机焦距的信令，并对接收到的 来自数据处理前端设备的聚类中心位置信息，云台的位置编号、角度信息、俯仰角信息以 及云台摄像机的焦距信息等信息进行解算，计算出火源在现实场景中的实际位置，并调用 报警模块产生报警信息。

控制端数据收发模块：负责将云台以及摄像头控制信令编码打包成一个数据帧发送给 数据处理前端设备；接收来自数据处理前端的数据帧，并将该数据帧解码还原成聚类中心 位置信息，云台的位置编号、角度信息、俯仰角信息以及云台摄像机的焦距信息。

本发明的方法通过对火源位置进行多幅图像采集、分析，可以有效的消除由于环境影 响造成的摄像机晃动而导致的火源在图像中坐标位置不准确的问题，通过该方法，可以对 火源中心位置进行准确地定位，具有极高的使用价值。

具体实施方式二、本具体实施方式与具体实施方式一所述的森林火点去扰动单点定位 装置的区别在于，控制端还包括结果信息输出接口电路33，所述结果信息输出接口电路 33的结果信息输入端与数据处理控制模块31的结果信息输出端连接。

本实施方式中的结果信息输出接口，用于提供数据处理控制模块解算的位置信息的输 出接口。

具体实施方式三、本具体实施方式与具体实施方式一所述的森林火点去扰动单点定位 装置的区别在于，控制端还包括控制设备接口模块34，所述控制设备接口模块34的外部 控制信号输出端与数据处理控制模块31的外部控制信号输入端连接。

本实施方式中的控制设备接口模块，用于负责为外部的控制设备提供接口。

具体实施方式四、本具体实施方式与具体实施方式一所述的森林火点去扰动单点定位 装置的区别在于，控制端还包括报警模块35，所述数据处理控制模块31的报警信号输出 端与报警信号输入端连接。

本实施方式中的报警模块用于在侦测到火源的时候发生警报。

具体实施方式五、结合图3说明本具体实施方式，基于具体实施方式一的森林火点去 扰动单点定位方法，它由以下步骤实现：

步骤一、程序初始化控制系统进入搜索火源的工作模式；

步骤二、对模拟视频数字转换模块传来的摄像机所拍摄的PAL制视频数字扫描信号 进行采集，由于PAL制视频格式规定每一帧图像信息分奇偶两场进行扫描，因而此处在 进行图像采集时需要将奇偶两场数据重新进行排列，而由于本发明后续处理只对图像的亮 度信息感兴趣，色差信号对系统的贡献不是很大，此处只提取视频扫描信号的亮度信息， 在经过数据重新排列后即可得到PAL制视频中的一帧分辨率为720*576的数字图像。

步骤三、由于背景环境的温度较低，反映在红外图像中亮度较低，因而人为设定较小 门限对获取的图像初步进行分割，这样可以将大部分背景信息剔除，可以有效的消除背景 环境的影响。

步骤四、在步骤三的基础上利用最大类间方差法对图像进一步进行分割，将图像中明 亮部分与灰暗部分分离开来。由于采用红外摄像机对森林进行监测，因而分离出的明亮部 分为包含火源的有效图像，需对此部分进行存储以进行后续的处理。

步骤五、判定系统是否属于火源搜索模式，若是处于搜索模式则通过预先设定的门限 与第四步中的存储的图像像素值进行比较，若该图像中的大部分像素点数值超过门限值则 判定发现火源，此时则控制系统退出火源搜索的工作模式，并调用云台控制模块控制云台 停止转动；如果该图像中的绝大部分像素点数值都低于门限值则判定未火源，此时则重复 之前的步骤直至发现火源为止。

步骤六、在发现火源的情况下，将第四步分割出的图像数据进行二值化处理，并对二 值化的图像中的亮点位置进行连通区域判定，并选取每个连通区域的中心位置作为该图像 的特征点数据进行存储考虑第j幅图像其特征点集合可记为：

S_j＝{D_j1，D_j2…，D_ji，…D_jn}。

其中$D_{\mathrm{ji}}=\left(\begin{array}{c}{x}_{\mathrm{ji}}\\ y_{\mathrm{ji}}\end{array}\right)$表示第j幅图像中第i个火源中心在图像中的位置坐标。并且x_ji为第 j幅图像中第i个火源中心在图像中的横坐标，y_ji为第j幅图像中第i个火源中心在图像 中的纵坐标。

步骤七、判断系统是否取够足够数量的图像帧，此处设定为100幅，由于该发明以 40ms为间隔进行图像采集，即需要对从发现火源的图像帧为时间起点的4s时间段内图像 进行采集。当采集够100幅图像帧时认定已经获取足够的数据量进行后续处理，否则认为 还未获取足够的数据进行进一步操作需要重复之前的步骤，直到图像采集帧数达到要求为 止。

计算由之前获取的所有特征数据所构成的数据集合H＝{S₁∪S₂∪...∪S_j...∪S₁₀₀}，式 中：S_j表示由第j帧图像中以火源中心位置为特征点构成的特征点集合，并计算中由所有 特征数据构成的数据集合H中各个数据点的密度参数，密度参数的求取通过规定一个距 离门限ξ，除计算点外，其余特征点落在以计算点为中心，距离门限ξ为半径的圆内的个 数即为该点的密度。此处选用的距离计量方式为欧氏距离，如i点到j点的欧氏距离可表 示为：

$D=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}$

其中x和y表示该点在图像中的位置坐标。由于环境影响使得摄像机一直处于晃动的 状态，导致对于同一观测目标在不同帧图像中的坐标位置是不同的，但是由于观测目标距 离摄像头的距离很远大概在几百米到几千米范围内不等，因而对于同一观测目标各帧图像 之间的坐标位置距离相差不是很远，因而由于噪声等影响所产生的干扰点的密度参数必定 是很小的，通过剔除这些小密度点可以剔除一些孤立点对系统的干扰。

步骤八、在剔除小密度点之后剩余的特征点即为摄像头所观测到的火源在各帧图像中 的位置坐标。同样由于摄像头的晃动，导致同一目标点的中心位置坐标会在一个小范围内 晃动，因而对于火源个数以及粗略的中心位置可以通过以下方法实现：

首先，选择一个密度门限ρ和另外一个距离门限η。在所有数据点中的选择密度参数 最高的一个特征点作为第一个火源的中心位置，然后，在剩余的特征点中选择密度参数大 于ρ且改点距离第一个火源中心位置距离大于η的特征点作为第二个火源位置，然后在剩 余的特征点中选择密度参数大于ρ且改点距离第一个与第二个火源中心位置距离均大于 η的特征点作为第三个火源位置，以此类推直到不再有符合条件的特征点存在为止。这样 就确定了这些特征点所指向的目标个数，以及粗略的中心位置。

步骤九、以步骤八所确定的火源个数以及粗略的中心位置作为初始条件，以最近欧式 距离作为分类标准，采用C均值算法对特征点集合进行分类，并将所得的各类的聚类中 心进行存储。此聚类中心即为火源中心位置在摄像机拍摄的图像中的实际坐标位置。

步骤十、调用云台控制模块，根据第十步求得聚类中心坐标位置，控制云台转动，若 判定为单点火源则控制摄像头中心对准火源的中心位置，对于多点火源则控制摄像机镜头 中心对准由各火源中心坐标为顶点多边形的中心位置。并将第十步求得的聚类中心位置传 送给数据处理前端数据收发模块进行处理。