[发明专利]一种基于光学图像和红外图像融合分析的森林防火监测方法

权利要求书

1.一种基于光学图像和红外图像融合分析的森林防火监测方法，其特征在于，包括如下步骤：

S1，利用高斯混合背景建模与灰度阈值法分别对光学图像与红外图像进行预处理提取特征信息；

S2，将预处理得到的特征信息进行整合并生成归一化子图传入YOLO v3目标检测网络；

S3，基于预训练好的YOLO v3目标检测模型对火焰情况进行分类检测，生成分析报告；

S4，根据分析报告来标记具体起火位置并送人工复检决定是否采取相关措施。

2.如权利要求1所述的一种基于光学图像和红外图像融合分析的森林防火监测方法，其特征在于，所述步骤S1中，利用高斯混合背景建模对光学图像进行预处理，具体方法包括：

(1)模型初始化，第一帧图像的每个像素值作为均值，并设置方差w，建立q数量的高斯混合模型，q默认为1，w默认为1.0；

(2)模型学习，将当前帧的像素点和已有的高斯模型对应的像素点作比较，若：

满足|X_k-u_(q，k)|＞2.5σ_(q，k)，需要进行增加高斯分量；

满足|X_k-u_(q，k)|＝2.5σ_(q，k)，需要进行替换高斯分量；

满足|X_k-u_(q，k)|＜2.5σ_(q，k)，判断背景和前景；

其中，X_k为新像素值，u_(q，k)为均值，σ_(q，k)为标准差，k为第k个高斯分量；

针对森林场景的监控视频，调低标准差的系数，由默认2.5改为1.5+0.5；

若满足|X_k-u_(q，k)|＜(1.5+0.5)σ_(q，k)，判断背景和前景；

判断公式为：

其中，w_q为权重归一化后的结果，b为选出的背景模式数量，T表示背景所占的比例；

高斯混合模型的迭代计算公式为：

w_q(k+1)＝(1-α)w_q(k)+αM_q(k+1)

μ_q(k+1)＝(1-ρ)μ_q(k)+ρI(k+1)

ρ＝αG(I(k+1)；μ_q，σ_q)

其中，α和ρ代表学习率，w_q表示权值，μ_q是均值，是方差，k为第k个高斯分量，M_q是求第k个高斯分量的像素均值的函数，I表示求第k个高斯分量的像素值的函数，G是求学习率的函数；

(3)对得到的前景图像进行5*5中值滤波去噪；

(4)利用OpenCV对步骤(3)得到的图像进行烟火检测，预处理结束。

3.如权利要求1所述的一种基于光学图像和红外图像融合分析的森林防火监测方法，其特征在于，所述步骤S1中，利用OpenCV对红外图像进行烟火检测，每隔一段时间将森林的环境温度与预设的森林环境温度表进行对比，设定一个温度阈值t，如果温度大于t，则检测到异常，将提取可疑信息并传至云端服务器进行进一步检测；检测过程中，一些热源的出现会影响检测结果，采用MeanShift跟踪算法对可疑热源进行追踪计算其移动速度，减少运动生物可能带来的影响，具体步骤为：

(1)Mean Shift的向量基本形式的定义为：

其中，x表示空间中任意一点，x_i表示第i个样本点，n表示样本点x_i有k个点落入S_k区域中；S_h是一个半径为h的高维球区域，满足以下关系的y点的集合：

S_h(x)≡{y：(y-x)^T(y-x)≤h²}

(2)将检测到的可疑对象在视频首帧中框出，作为Mean Shift的输入；

(3)提取对象的轮廓，从图像中获取对象的特征信息，并设置跟踪参数；

(4)对得到的信息进行反向投影，获得反向投影图，计算反向投影的公式如下：

其中，m是直方图区间的个数，u表示直方图的个数，q_u每一个直方图对应的频数，b(x_i)表示图像在点x_i位置的像数值，δ表示冲击响应函数；

(5)根据反向投影和物体轮廓进行Mean Shift迭代，收敛后移动到检测目标上，返回目标位置的标记，具体的迭代公式如下：

其中，f_k为当前位置的中心坐标，z_i为当前区域像素，r为核函数窗口大小，w_i为Bhattacharyya系数，g为高斯核函数的导函数。

(6)将返回的结果在下一帧中作为输入，实现可疑对象的跟踪并根据位置坐标计算其移动速度，移动速度超过某一阈值并且温度差异不是很大则判定为生物运动，预处理结束。