一种基于计算机视觉的森林火灾检测及预警系统

摘要

本发明提供了一种基于计算机视觉的森林火灾检测及预警系统，包括中心服务站、视频采集模块、视频存储模块、图片对照模块、采集控制模块、深度分析模块和通讯模块，所述视频采集模块用于获取所述森林预警站周围的图像数据，所述视频存储模块用于存储对照图片组，所述图片对照模块用于将对照图片组与实时的图像数据进行对比得到可疑区域，所述采集控制模块控制所述视频采集模块获取可疑区域的详情图，所述深度分析模块对所述详情图进行火焰识别，识别到火焰后所述通讯模块将图像数据发送至所述中心服务站。该系统将火焰的检测分为图像对照和深度分析两个层次，在有限的计算资源下能够精确地检测出初期的火势，减小火灾带来的损失。

说明书

技术领域

本发明涉及森林火灾检测技术领域，尤其涉及一种基于计算机视觉的森林火灾检测及预警系统。

背景技术

森林火灾是森林最危险的敌人，也是林业最可怕的灾害，它会给森林带来最有害，具有毁灭性的后果，森林火灾不只是烧毁成片的森林，伤害林内的动物，而且还降低森林的更新能力，引起土壤的贫瘠和破坏森林涵养水源的作用，甚而导致生态环境失去平衡，如何在有效地识别出火灾初期的火势，从而及早作出部署进行灭活，降低火灾带来的损失时当前火灾预警系统面临的问题。

现在已经开发出了很多火灾预警系统，经过我们大量的检索与参考，发现现有的预警系统有如公开号为KR101146474B1，KR101085975B1、CN101719298B和KR101532055B1所公开的系统，利用了卫星遥感数据在大尺度空间上的信息表现力，以遥感数据为基础，包括了对大空间范围森林草原生态系统的火灾危险性评估，以及森林草原异常高温点检测，通过异常高温点检测数据与火灾危险性评估数据的同化加工处理，生成点面结合的森林草原火灾遥感监测预警信息，为森林草原防火以及火灾应急反映提供有效的决策指示信息。但该系统采用遥感技术，虽然检测范围广，但无法检测到小规模的火势，预警效率不够高，使消防人员无法在早期扑灭火势。

发明内容

本发明的目的在于，针对所存在的不足，提出了一种基于计算机视觉的森林火灾检测及预警系统，

为了克服现有技术的不足，本发明采用如下技术方案：

一种基于计算机视觉的森林火灾检测及预警系统，其特征在于，包括若干森林预警站和中心服务站，所述森林预警站用于采集前线的图像数据并进行火灾分析，所述中心服务站用于统筹所有森林预警站的数据以及火情地图的可视化；

所述森林预警站包括视频采集模块、视频存储模块、图片对照模块、采集控制模块、深度分析模块和通讯模块，所述视频采集模块用于获取所述森林预警站周围的图像数据，所述视频存储模块用于存储对照图片组，所述图片对照模块用于将对照图片组与实时的图像数据进行对比得到可疑区域，所述采集控制模块控制所述视频采集模块获取可疑区域的详情图，所述深度分析模块对所述详情图进行火焰识别，识别到火焰后所述通讯模块将图像数据发送至所述中心服务站；

所述图片对照模块根据图纹从所述对照图片组中选择一张最接近实时图像的对照图片，所述图纹的计算方式为：

根据图片的像素点获得灰度特征g，以固定顺序从整张图片中得到灰度特征序列{g

其中，j为压缩后的灰度特征序列的元素序号；

不断重复压缩过程，使得最终的灰度特征序列的元素个数处于预设范围内，所述灰度特征序列为该图片的图纹；

所述深度分析模块从你两张连续的详情图中检索出疑似火焰像素点，重叠的疑似火焰像素点为集合{H1}，未重叠的疑似火焰像素点为集合{H2}，分别对集合{H1}和{H2}计算离散度Q：

其中，N为集合内像素点的总个数，(x，y)为集合中像素点的坐标，

所述深度分析模块计算出火焰指数Y：

其中，N1为集合{H1}中像素点的个数，N2为集合{H2}中像素点的个数，r为比例基数；

当所述火焰指数超过阈值时，所述深度分析模块识别出火焰；

进一步的，所述视频采集模块获取的图片设有图片属性，所述图片属性包含水平角度、俯仰角度、焦距、天气状况和拍摄时间，所述对照图片组中包含了不同属性的图片；

进一步的，所述采集控制模块设有巡逻模式和监控模式，在所述巡逻模式下，所述视频采集模块以固定的速度拍摄不同水平角度和不同俯仰角度下的视频，在所述监控模式下，所述视频采集模块以固定的水平角度、俯仰角度和焦距拍摄视频；

进一步的，所述系统还包括对照替换模块，当因季节变化以及植物的生长导致视频采集模块获取的图片信息与对照图片组中的图片信息产生区别时，所述对照替换模块从所述视频采集模块拍摄的视频中截取图片替换原有的对照图片组；

进一步的，当其中一个森林预警站检测到火焰信息后，所述中心服务站向火焰点周边的森林预警站发送指令，使其处于监控模式下对后续的火势发展进行监测并上传图像数据。

本发明所取得的有益效果是：

本系统将火势的检测分为两个层次，普通图像对照和详细图像分析，普通图像对照将实时图像和对照图像进行对比，能够发现细微的差别，且对照图像包含了不同属性的图像，减少了误检的发生率，再获取细微差别处的详情图，深度分析是否存在火焰，这能大大提高了检测火势的效率，使得工作人员能及早作出处理，减小火灾造成的损失。

附图说明

从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。

图1为整体结构框架示意图。

图2为火灾检测预警流程示意图。

图3为网络摄像机在巡逻模式下的工作流程示意图。

图4为巡逻模式下的采样示意图。

图5为获取采样图片的可疑区域流程示意图。

具体实施方式

为了使得本发明的目的.技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统.方法和/或特征将变得显而易见。旨在所有此类附加的系统.方法.特征和优点都包括在本说明书内.包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位，以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

实施例一。

结合图1和图2，本实施例提供了一种基于计算机视觉的森林火灾检测及预警系统，包括若干森林预警站和中心服务站，所述森林预警站用于采集前线的图像数据并进行火灾分析，所述中心服务站用于统筹所有森林预警站的数据以及火情地图的可视化；

所述森林预警站包括视频采集模块、视频存储模块、图片对照模块、采集控制模块、深度分析模块和通讯模块，所述视频采集模块用于获取所述森林预警站周围的图像数据，所述视频存储模块用于存储对照图片组，所述图片对照模块用于将对照图片组与实时的图像数据进行对比得到可疑区域，所述采集控制模块控制所述视频采集模块获取可疑区域的详情图，所述深度分析模块对所述详情图进行火焰识别，识别到火焰后所述通讯模块将图像数据发送至所述中心服务站；

所述图片对照模块根据图纹从所述对照图片组中选择一张最接近实时图像的对照图片，所述图纹的计算方式为：

根据图片的像素点获得灰度特征g，以固定顺序从整张图片中得到灰度特征序列{g

其中，j为压缩后的灰度特征序列的元素序号；

不断重复压缩过程，使得最终的灰度特征序列的元素个数处于预设范围内，所述灰度特征序列为该图片的图纹；

所述深度分析模块从你两张连续的详情图中检索出疑似火焰像素点，重叠的疑似火焰像素点为集合{H1}，未重叠的疑似火焰像素点为集合{H2}，分别对集合{H1}和{H2}计算离散度Q：

其中，N为集合内像素点的总个数，(x，y)为集合中像素点的坐标，

所述深度分析模块计算出火焰指数Y：

其中，N1为集合{H1}中像素点的个数，N2为集合{H2}中像素点的个数，r为比例基数；

当所述火焰指数超过阈值时，所述深度分析模块识别出火焰；

所述视频采集模块获取的图片设有图片属性，所述图片属性包含水平角度、俯仰角度、焦距、天气状况和拍摄时间，所述对照图片组中包含了不同属性的图片；

所述采集控制模块设有巡逻模式和监控模式，在所述巡逻模式下，所述视频采集模块以固定的速度拍摄不同水平角度和不同俯仰角度下的视频，在所述监控模式下，所述视频采集模块以固定的水平角度、俯仰角度和焦距拍摄视频；

所述系统还包括对照替换模块，当因季节变化以及植物的生长导致视频采集模块获取的图片信息与对照图片组中的图片信息产生区别时，所述对照替换模块从所述视频采集模块拍摄的视频中截取图片替换原有的对照图片组；

当其中一个森林预警站检测到火焰信息后，所述中心服务站向火焰点周边的森林预警站发送指令，使其处于监控模式下对后续的火势发展进行监测并上传图像数据。

实施例二。

本实施例包含实施例一中的全部内容，提供了一种基于计算机视觉的森林火灾检测及预警系统，包括分布在森林各处的若干个森林预警站和中心服务站，所述森林预警站包括视频采集模块、视频存储模块、图片对照模块、采集控制模块、深度分析模块、通讯模块，所述视频采集模块设置于一台网络摄像机中，所述视频存储模块、图片对照模块、采集控制模块、深度分析模块、通讯模块设置于一台计算机中，所述网络摄像机用于采集周边的画面数据，所述计算机用于分析所述画面数据、控制所述网络摄像机的拍摄状态以及与所述中心服务站进行通讯，所述中心服务站用于查询拍摄视频以及火情地图的可视化；

所述网络摄像机具有360度水平旋转功能、俯仰角功能和调焦功能，所述网络摄像机在不同的水平角度、俯仰角度和焦距下拍摄图片作为对照图片保存于所述视频存储模块中，每张对照图片的属性包含网络摄像机的上述三个拍摄状态，所述对照图片的集合构成对照图片组，所述对照图片组的图片内容包含所述网络摄像机周围的所有场景，所述对照图片的属性还包括天气状况和拍摄时间，当当前拍摄的图片与所述对照图片组图片的属性不同且画面存在区别时，将当前拍摄的图片加入到所述对照图片组中；

结合附图3，所述采集控制模块设置有巡逻模式，在巡逻模式下，所述网络摄像机先以固定的仰角水平旋转360度，再以平视状态水平旋转360度，最后以固定的俯角水平旋转360度，不断重复这三个过程，所述网络摄像及在水平旋转过程中以固定的巡逻速度v进行旋转，但所述网络摄像机在调整俯仰角度时，旋转速度为0，所述采集控制模块还设置有火灾监控模式，在所述火灾监控模式下，所述网络摄像机以固定的状态拍摄同一场景的视频；

结合附图4，所述图片对照模块以一定的采样频率f从处于巡逻模式下的网络摄像机拍摄的视频中截取图片作为采样图片，所述采样频率满足

所述深度分析模块内设有火焰算法用于识别所述详情图中的火焰，若检测到火焰，则所述通讯模块将向所述中心服务站发送火灾告警，同时将所述网络摄像机拍摄的视频画面持续发送至所述中心服务站，所述中心服务站向火灾点附近的其余森林预警站发送信息，使所述森林预警站以火灾监控模式拍摄火灾点周围的情况并将拍摄的视频持续发送至所述中心服务站，工作人员根据所述中心服务站收集到的多个森林预警站的火灾信息进行救援部署，若所述深度分析模块未检测到火焰，则所述采集控制模块将所述网络摄像机重新设置为巡逻模式。

实施例三。

本实施例包含以上实施例中的全部内容，本实施例中的所述对照图片组的水平角度属性分为0°、60°、120°、180°、240°和300°，所述采样图片的水平角度属性为

其中，

从所述对照图片组中选择水平角度为

结合附图5，下面对图片P1和集合A1进行对比的方法进行说明，包括如下步骤；

S1、将集合A1中的图片截取保留为与图片P1对应的部分；

S2、计算图片P1与集合A1中对照图片的图纹；

S3、选择集合A1中与图片P1图纹最接近的对照图片B；

S4、将图片P1与对照图片B进行对比，得到可疑区域；

步骤S2中计算图片的图纹的方法如下：

将图片转换为256色的灰度图，并将灰度值划分为16个等级，每个等级包含16个连续的灰度色，以4*4的像素块为统计单位，所述像素块中拥有最多像素点个数的灰度等级作为所述像素块的灰度特征g，按先从左向右，再从上到下的顺序对图片进行统计处理，得到灰度特征序列{g

其中，j为压缩后的灰度特征序列的元素序号；

不断重复压缩过程，使得最终的灰度特征序列的元素个数处于64至128之间，而所述灰度特征序列即该图片的图纹；

步骤S4中将两图片进行对比得到可疑区域的方法如下：

将所述图片P1的灰度图与对照图片B的灰度图相减得到m*n的差异矩阵C，其中，m为图片P1的水平方向像素点个数，n为图片P1的竖直方向像素点个数，差异矩阵C中每个元素的值为整数，包括正数、负数和0，统计出矩阵C中元素个数最多的值，记为

其中，k为可疑阈值；

对所述可疑点进行排杂处理，具体方法为对每一个可疑点获取以其为中心的5*5矩阵，若该矩阵内的可疑点数量少于10个，则将该可疑点排除出统计；

对所述可疑点进行分区处理，若两个可疑点处于一个5*5矩阵内，则这两个可疑点处于相连状态，将所有相连的可疑点作为一个集合，得到多个可疑点集合；

对所述可疑点集合进行最终确认，当所述可疑点集合的可疑点数量超过阈值时，该可疑点集合的外接矩形作为可疑区域。

实施例四。

本实施例包含了以上实施例中的全部内容，本实施例中的所述深度分析模块从所述网络摄像机获取一组详情图，并对所述详情图进行火焰算法和烟雾算法分析，火焰算法分析过程如下；

所述深度分析模块提取出详情图中的疑似火焰像素点，所述疑似火焰像素点满足如下要求的像素点：

其中，R为像素点的红色分量，G为像素点的绿色分量，B为像素点的蓝色分量，为像素点的红色分量阈值；

对连续的2张详情图中的疑似火焰像素点进行对比，位置重合的像素点作为集合{H1}，位置未重合的像素点作为集合{H2}，分别对集合{H1}和{H2}计算离散度Q：

其中，N为集合中像素点的总个数，(x，y)为集合中每个像素点的坐标，

用Q1表示集合{H1}的离散度，Q2表示集合{H2}的离散度，所述深度分析模块计算出连续2张详情图的火焰指数Y：

其中，N1为集合{H1}中像素点的个数，N2为集合{H2}中像素点的个数，r为比例基数；

当所述火焰指数超过阈值时，所述深度分析模块认为详情图中识别出火焰。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，系统和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。

在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路，过程，算法，结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。

综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。