一种火灾现场火情监测系统和监测方法技术方案

本发明专利技术公开了一种火灾现场火情监测系统和监控方法，包括火情红外图像采集系统、数据传输系统和远程监控中心；火情红外图像采集系统用于实时采集火灾现场的红外视频文件；数据传输系统用于接收并将发送红外视频文件至远程监控中心；远程监控中心，用于接收数据传输系统发送的红外视频文件并提取出张红外图像，然后通过基于双平台直方图的红外图像增强方法得到的增强处理后的火灾现场红外图像，并通过目标检测算法寻找出灾情信息。本发明专利技术能够为查找着火点、计算着火面积和寻找被困人员提供有力的数据支持。有力的数据支持。有力的数据支持。

【技术实现步骤摘要】
一种火灾现场火情监测系统和监测方法


[0001]本专利技术涉及消防领域，尤其涉及一种火灾现场火情监测系统和监测方法。

技术介绍

[0002]随着我国经济的快速发展，社会的安全稳定运行显得尤为重要，国家对于各类灾情事故的预防与及时处理极为重视。
[0003]火灾是一种极易发生的事故，会导致巨大的人员伤亡和财产损失。在消防人员进行消防救援时，对火灾现场的情况掌握至关重要，直接影响到是否能够及时扑灭火灾，降低损失。由于火灾现场中存在着大量烟雾粒子，消防人员很难在确保自身安全的情况下，通过目视准确掌握火灾现场情况。
[0004]同时，由于火灾现场产生的烟雾粒子的直径大于可见光波长且对于可见光是不透明的，因此直接导致火灾现场能见度过低，使得一般的摄像头在火灾现场无法清楚的记录火灾的内部情况。

技术实现思路

[0005]本专利技术的目的是提供一种火灾现场火情监测系统和监测方法，能够对火灾现场进行红外图像采集，并将采集到的红外图像经处理得到较为清晰的现场照片，为查找着火点、计算着火面积和寻找被困人员提供有力的数据支持。
[0006]本专利技术采用下述技术方案：
[0007]一种火灾现场火情监测系统，包括火情红外图像采集系统、数据传输系统和远程监控中心；
[0008]所述的火情红外图像采集系统，用于实时采集火灾现场的红外视频文件，并将获取的红外视频文件传输至数据传输系统；火情红外图像采集系统设置在火灾现场；
[0009]所述的数据传输系统，用于接收火情红外图像采集系统发送的红外视频文件，并将红外视频文件通过有线或无线方式发送至远程监控中心；
[0010]所述的远程监控中心，用于接收数据传输系统发送的红外视频文件，并按照设定的时间间隔从红外视频文件中依次提取出若干张红外图像，然后通过基于双平台直方图的红外图像增强方法，得到增强处理后的火灾现场红外图像；最后，远程控制中心再依据得到的增强处理后的火灾现场红外图像，通过目标检测算法寻找出灾情信息；灾情信息包括是否有人员被困、燃烧物特征、着火点位置和着火范围。
[0011]所述的火情红外图像采集系统包括设置于火灾现场的固定式红外视频监控器和设置有红外摄像头的无人机。
[0012]所述的远程监控中心所使用的基于双平台直方图的红外图像增强方法如下：
[0013]A：远程监控中心将获取的原始红外图像转化为该原始红外图像对应的像素分布直方图；然后进入步骤B；
[0014]B：根据获取的像素分布直方图，计算出原始红外图像的熵值H0和熵值比临界值V，
并将熵值H0作为当前最大熵值H
big
，即H
big
＝H0；然后进入步骤C；
[0015]其中，熵值的计算公式为：H＝
‑
∑
a
∑
b
P
ag lnP
ag
；
[0016]熵值比临界值的计算公式为：
[0017]熵值H0中的下角标表示未经迭代的第0次，P
ag
表示原始红外图像中像素点对应的特征二元组(a，g)出现的概率，f(a，g)表示原始红外图像中像素点对应的特征二元组(a，g)出现的频数，W为原始红外图像的宽度，J为原始红外图像的高度；原始红外图像中像素点对应的特征二元组(a，g)中，a为图像中该像素点的像素值，g为图像中该像素点的邻域梯度值；e为自然对数，Q为图像质量系数，N(T)表示原始红外图像中像素值的数量大于等于每个灰度值理想上最优数量N
exp
的像素点的数量，T表示原始红外图像中像素值的数量大于等于每个灰度级理想上最优数量N
exp
的像素点，M表示红外图像的灰度级阶数；
[0018]C：根据获取的像素分布直方图，对每个灰度阶数在直方图中的数量进行降序排序，得到降序列表A；然后进入步骤D；
[0019]A＝[N(X1)，N(X2)，......，N(X
n
)]；
[0020]其中，X
n
表示原始红外图像中的像素点且该像素点所对应的灰度阶数在直方图中数量最少，N(X
n
)表示像素点X
n
在像素分布直方图中的数量，N(X1)＞N(X2)＞
…
＞N(X
n
)；n为自然数；
[0021]D：在降序列表A中从前至后取前U个元素作为前序元素组，从后至前取后D个元素作为后续元素组；设熵值比系数R
old
的初始值为0，迭代次数m的初始值为0，改进方向C的初始值为up；然后进入步骤E；
[0022]其中，改进方向C包括up和down两个方向，C＝up表示仅从降序列表A中前序元素组内最后一个元素向后逐个进行扩充，改进方向C＝down表示仅从降序列表A中后续元素组内第一个元素向前逐个进行扩充；
[0023]E：根据确定的前序元素组和后续元素组，分别计算出当前上限阈值T
up
和当前下限阈值T
down
；然后进入步骤F；
[0024][0025][0026]其中，[]表示取整操作，Median
up
表示前序元素组的中位数，Mean
up
表示前序元素组的均值；N(X
i
)表示前序元素组中的第i个像素点X
i
在像素分布直方图中的数量，1≤i≤U
‑
1；σ1表示前序元素组中元素的标准差；Median
down
表示后序元素组的中位数，Mean
down
表示后序元素组的均值；N(X
j
)表示后序元素组中的第j个像素点X
j
在像素分布直方图中的数量，1≤j≤D
‑
1，σ2表示后序元素组中元素的标准差；
[0027]F：利用步骤E中计算得到的当前上限阈值T
up
和当前下限阈值T
down
，使用双平台直方图均衡算法对原始红外图像进行计算，得出均衡化后的原始红外图像的熵值H
new
；然后进
入步骤G；
[0028]G：根据原始红外图像的熵值H0和均衡化后的熵值H
new
，计算出当前熵值比系数R
new
；然后进入步骤H；
[0029][0030]H：判断当前熵值比系数R
new
是否大于熵值比临界值V；若R
new
≥V，则进入步骤L；若R
new
＜V，则进入步骤I；
[0031]I：判断迭代次数m是否小于设定的终止迭代次数m
s
，若m＜m
s
，则进入步骤J；若m＝m
s
，则进入步骤M；
[0032]其中，m
s
≥1；m
s
中下角标s为stop的首字母缩写；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火灾现场火情监测系统，其特征在于：包括火情红外图像采集系统、数据传输系统和远程监控中心；所述的火情红外图像采集系统，用于实时采集火灾现场的红外视频文件，并将获取的红外视频文件传输至数据传输系统；火情红外图像采集系统设置在火灾现场；所述的数据传输系统，用于接收火情红外图像采集系统发送的红外视频文件，并将红外视频文件通过有线或无线方式发送至远程监控中心；所述的远程监控中心，用于接收数据传输系统发送的红外视频文件，并按照设定的时间间隔从红外视频文件中依次提取出若干张红外图像，然后通过基于双平台直方图的红外图像增强方法，得到增强处理后的火灾现场红外图像；最后，远程控制中心再依据得到的增强处理后的火灾现场红外图像，通过目标检测算法寻找出灾情信息；灾情信息包括是否有人员被困、燃烧物特征、着火点位置和着火范围。2.根据权利要求1所述的火灾现场火情监测系统，其特征在于：所述的火情红外图像采集系统包括设置于火灾现场的固定式红外视频监控器和设置有红外摄像头的无人机。3.根据权利要求1所述的火灾现场火情监测系统，其特征在于，所述的远程监控中心所使用的基于双平台直方图的红外图像增强方法如下：A：远程监控中心将获取的原始红外图像转化为该原始红外图像对应的像素分布直方图；然后进入步骤B；B：根据获取的像素分布直方图，计算出原始红外图像的熵值H0和熵值比临界值V，并将熵值H0作为当前最大熵值H
big
，即H
big
＝H0；然后进入步骤C；其中，熵值的计算公式为：H＝
‑
∑
a
∑
b
P
ag
ln P
ag
；熵值比临界值的计算公式为：熵值H0中的下角标表示未经迭代的第0次，P
ag
表示原始红外图像中像素点对应的特征二元组(a，g)出现的概率，f(a，g)表示原始红外图像中像素点对应的特征二元组(a，g)出现的频数，W为原始红外图像的宽度，J为原始红外图像的高度；原始红外图像中像素点对应的特征二元组(a，g)中，a为图像中该像素点的像素值，g为图像中该像素点的邻域梯度值；e为自然对数，Q为图像质量系数，N(T)表示原始红外图像中像素值的数量大于等于每个灰度值理想上最优数量N
exp
的像素点的数量，T表示原始红外图像中像素值的数量大于等于每个灰度级理想上最优数量N
exp
的像素点，M表示红外图像的灰度级阶数；C：根据获取的像素分布直方图，对每个灰度阶数在直方图中的数量进行降序排序，得到降序列表A；然后进入步骤D；A＝[N(X1)，N(X2)，......，N(X
n
)]；其中，X
n
表示原始红外图像中的像素点且该像素点所对应的灰度阶数在直方图中数量最少，N(X
n
)表示像素点X
n
在像素分布直方图中的数量，N(X1)＞N(X2)＞
…
＞N(X
n
)；n为自然数；D：在降序列表A中从前至后取前U个元素作为前序元素组，从后至前取后D个元素作为
后续元素组；设熵值比系数R
old
的初始值为0，迭代次数m的初始值为0，改进方向C的初始值为up；然后进入步骤E；其中，改进方向C包括up和down两个方向，C＝up表示仅从降序列表A中前序元素组内最后一个元素向后逐个进行扩充，改进方向C＝down表示仅从降序列表A中后续元素组内第一个元素向前逐个进行扩充；E：根据确定的前序元素组和后续元素组，分别计算出当前上限阈值T
up
和当前下限阈值T
down
；然后进入步骤F；；然后进入步骤F；其中，[]表示取整操作，Median
up
表示前序元素组的中位数，Mean
up
表示前序元素组的均值；N(X
i
)表示前序元素组中的第i个像素点X
i
在像素分布直方图中的数量，1≤i≤U
‑
1；σ1表示前序元素组中元素的标准差；Mediah
down
表示后序元素组的中位数，Mean
down
表示后序元素组的均值；N(X
j
)表示后序元素组中的第j个像素点X
j
在像素分布直方图中的数量，1≤j≤D
‑
1，σ2表示后序元素组中元素的标准差；F：利用步骤E中计算得到的当前上限阈值T
up
和当前下限阈值T
down
，使用双平台直方图均衡算法对原始红外图像进行计算，得出均衡化后的原始红外图像的熵值H
new
；然后进入步骤G；G：根据原始红外图像的熵值H0和均衡化后的熵值H
new
，计算出当前熵值比系数R
new
；然后进入步骤H；H：判断当前熵值比系数R
new
是否大于熵值比临界值V；若R
new
≥V，则进入步骤L；若R
new
＜V，则进入步骤I；I：判断迭代次数m是否小于设定的终止迭代次数m
s
，若m＜m
s
，则进入步骤J；若m＝m...

【专利技术属性】
技术研发人员：魏凌飞，袁航，王轩，朱伟锋，葛海水，马超，马晓东，陈豪，
申请(专利权)人：河南慧联世安信息技术有限公司，
类型：发明
国别省市：