[发明专利]一种基于密度峰值自适应聚类的森林火灾监测系统

权利要求书

1.一种基于密度峰值自适应聚类的森林火灾监测系统，其特征在于：包括：

拍摄无人机(1)，其内具有红外测温器和温度阈值，用于飞行到森林上空，拍摄监测森林温度情况，以输出拍摄图像，同时在拍摄图像上标出超过温度阈值的地点；

无人机控制系统(2)，与拍摄无人机(1)通信连接，以控制拍摄无人机(1)在森林上的飞行轨迹；

数据处理系统(3)，耦接于拍摄无人机(1)，以接收拍摄无人机(1)输出的拍摄图像，并通过密度峰值聚类算法对拍摄图像内的地点进行聚类，获得聚类结果；

火警预测系统(4)，与数据处理系统(3)耦接，以接收数据处理系统(3)输出的聚类结果，并对聚类结果进行分析计算，以输出火警预测结果。

2.根据权利要求1所述的基于密度峰值自适应聚类的森林火灾监测系统，其特征在于：所述数据处理系统(3)通过密度峰值聚类算法对拍摄图像内的地点进行聚类的具体步骤如下：

步骤一，将无人机控制系统(2)内的拍摄无人机(1)的飞行轨迹均匀的分为若干段，以其中一段的距离长度作为截断距离计算拍摄图像内各个地点的局部密度；

步骤二，选取聚类中心地点，然后将其余地点归类到比它密度更大的最相近的类中心所属的类别中，完成聚类算法，输出聚类结果。

3.根据权利要求2所述的基于密度峰值自适应聚类的森林火灾监测系统，其特征在于：所述步骤一中的截断距离通过以下步骤计算得出：

步骤一一，在接收到标有地点的拍摄图像以后，将拍摄无人机(1)的飞行轨迹整合到拍摄图像内，同时将拍摄图像内的各个点延伸至飞行轨迹上，在飞行轨迹上构成一个个截断点

步骤一二，计算步骤一一中各个截断点之间的距离，获得截断线段集，计算截断线段集内截断线段长度的中位数，该中位数作为截断距离。

4.根据权利要求3所述的基于密度峰值自适应聚类的森林火灾监测系统，其特征在于：所述火警预测系统(4)对聚类结果进行分析计算的具体步骤如下：

步骤三，在接收到聚类结果，将各个簇进行画圈，计算聚类结果各个簇内部的地点的数量；

步骤四，选择地点数量较多的簇作为火灾预发圈，发出信号至无人机控制系统(2)，无人机控制系统(2)控制拍摄无人机(1)移动到火灾预发圈的位置，并下降高度拍摄火灾预发圈的具体图像；

步骤五，通过图像识别算法分析步骤四中获得的具体图像中是否具有火苗图像，若有火苗图像则输出火灾预警信号，若没有火苗图像则输出火灾关注信号，同时派出火灾探测机器人移动至火灾预发圈内进行探测。

5.根据权利要求4所述的基于密度峰值自适应聚类的森林火灾监测系统，其特征在于：所述步骤五中图像识别算法识别火苗图像的具体步骤如下：

步骤五一，遍历具体图像内的各个颜色，画出颜色边界；

步骤五二，识别出步骤五一中红色的颜色边界，放大该颜色边界内部图像，同时分析颜色边界内部图像像素；

步骤五三，将步骤五二中获得的图像像素值与现有网上的火焰像素值相比对，若比对结果相似则判断为火苗图像，若比对结果不同，则判断为非火苗图像。