[发明专利]基于监控摄像头的森林防火烟雾检测方法及系统在审
申请号: | 202111042787.4 | 申请日: | 2021-09-07 |
公开(公告)号: | CN113689650A | 公开(公告)日: | 2021-11-23 |
发明(设计)人: | 彭长生;王豪博;江文健;陈戈;杨建浩 | 申请(专利权)人: | 广州邦讯信息系统有限公司 |
主分类号: | G08B17/00 | 分类号: | G08B17/00;G08B17/12;G06K9/62;G06N3/08;G06N3/02 |
代理公司: | 上海十蕙一兰知识产权代理有限公司 31331 | 代理人: | 刘秋兰 |
地址: | 510663 广东省广州市天*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 监控 摄像头 森林 防火 烟雾 检测 方法 系统 | ||
1.一种基于监控摄像头的森林防火烟雾检测方法,其特征在于,包括:
获取视频图像作为参照图像,间隔预设时间后获取另一视频图像作为当前图像;
将所述当前图像与所述参照图像进行相位相减,并进行图像预处理,得到目标图像;
通过预设的神经网络模型对所述目标图像进行分类预测,得到烟雾识别结果。
2.如权利要求1所述的基于监控摄像头的森林防火烟雾检测方法,其特征在于,所述获取视频图像作为参照图像,间隔预设时间后获取另一视频图像作为当前图像,包括:
初始时获取的视频图像作为参照图像P1,间隔时间T后获取的另一视频图像作为当前图像P2,间隔时间2T后获取新的视频图像时,将当前图像P2作为参照图像P1,新的视频图像作为新的当前图像P2;
且,T=K*X;
其中,X为监控摄像头到监控画面中心距离,K为监控画面变化率;
所述将所述当前图像与所述参照图像进行相位相减,并进行图像预处理,得到目标图像,包括:
将所述当前图像P2与所述参照图像P1通过图像帧差法进行相位相减,得到差分图像ΔP,即ΔP=P2(2T)-P1(T);
将所述差分图像进行图像预处理后得到目标图像。
3.如权利要求2所述的基于监控摄像头的森林防火烟雾检测方法,其特征在于,所述将所述差分图像进行图像预处理后得到目标图像,包括:
将所述差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后,得到处理后的差分图像;
将处理后的差分图像中的前景区域在对应的所述当前图像中进行提取,得到目标图像。
4.如权利要求3所述的基于监控摄像头的森林防火烟雾检测方法,其特征在于,在对应的所述当前图像中进行提取时,提取范围为所述前景区域的最大矩形区域。
5.如权利要求1所述的基于监控摄像头的森林防火烟雾检测方法,其特征在于,所述通过预设的神经网络模型对所述目标图像进行分类预测,得到烟雾识别结果后,包括:
在所述当前图像中标注所述目标图像对应的区域,并展示所述烟雾识别结果。
6.一种基于监控摄像头的森林防火烟雾检测系统,其特征在于,包括:
至少一个网络监控摄像头,摄制面朝向森林中需要进行监控的区域;
至少一台服务器,与所述网络监控摄像头无线连接,接收所述网络监控摄像头发送的视频流数据;
所述服务器内设有:
图像获取模块,用于获取所述网络监控摄像头发送的视频图像作为参照图像,间隔预设时间后获取所述网络监控摄像头发送的另一视频图像作为当前图像;
相位相减模块,用于将所述当前图像与所述参照图像进行相位相减,并进行图像预处理,得到目标图像;
分类预测模块,用于通过预设的神经网络模型对所述目标图像进行分类预测,得到烟雾识别结果。
7.如权利要求6所述的基于监控摄像头的森林防火烟雾检测系统,其特征在于,所述图像获取模块,包括:
图像获取单元,用于初始时获取的视频图像作为参照图像P1,间隔时间T后获取的另一视频图像作为当前图像P2,间隔时间2T后获取新的视频图像时,将当前图像P2作为参照图像P1,新的视频图像作为新的当前图像P2;且,T=K*X;其中,X为监控摄像头到监控画面中心距离,K为监控画面变化率;
所述相位相减模块,包括:
帧差法单元,用于将所述当前图像与所述参照图像通过图像帧差法进行相位相减,得到差分图像;
预处理单元,用于将所述差分图像进行图像预处理后得到目标图像。
8.如权利要求7所述的基于监控摄像头的森林防火烟雾检测系统,其特征在于,所述预处理单元,用于将所述差分图像进行信号放大、信号降噪、去除颗粒及连接相邻块后,得到处理后的差分图像;将处理后的差分图像中的前景区域在对应的所述当前图像中进行提取,得到目标图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州邦讯信息系统有限公司,未经广州邦讯信息系统有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111042787.4/1.html,转载请声明来源钻瓜专利网。