【技术实现步骤摘要】
本专利技术涉及林业工程，具体为一种基于自适应目标检测的森林火灾烟雾自动识别系统及方法。
技术介绍
1、在面对频发的森林火灾事件时，及时、准确地检测和评估烟雾的存在成为森林防火中的一项重要任务。传统的火灾监测方法主要依赖人工巡检和固定监测点，这种方法不仅耗时耗力，而且由于森林的广阔和复杂性，难以实现实时的全面覆盖，极易导致火灾的早期发现失效。尤其是在天气条件变化、地形复杂的情况下，人工巡检的局限性愈加显现，无法满足现代森林防火的需求。因此，开发高效的自动化监测系统，已成为迫切的需求。
2、现有的森林火灾监测技术主要依赖于单一的传感器数据，如可见光摄像头或红外传感器，这导致了在复杂气象条件(如强光、阴霾和雨雾等)下，检测效果的不稳定性。可见光图像在阳光强烈或环境光线不足的情况下，容易受到干扰，产生误报或漏报的情况。另一方面，虽然热红外传感器可以有效捕捉到温度变化，但其对在低温条件下形成的烟雾检测能力有限。因此，现有技术在数据融合和综合分析的能力上存在不足，难以实现高效的烟雾检测和火灾预警。
3、现有技术中的，公开号为cn112686190a公开了一种基于自适应目标检测的森林火灾烟雾自动识别方法，具体包括在预先建立的森林火灾烟雾图像数据库中获取标定后的图像数据作为目标训练图像；将目标训练图像输入预定义的火灾烟雾检测识别模型，通过模型中的区域候选网络进行图像特征提取；选取预先建立的指标模型库中的指标，对图像特征提取的识别精度进行评估。该方法以改进的自适应目标检测网络为主体，有效地提高了森林火灾烟雾特征的提取能力，
4、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供一种基于自适应目标检测的森林火灾烟雾自动识别系统及方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于自适应目标检测的森林火灾烟雾自动识别系统，具体包括：
4、信息采集模块，用于对整个待监测森林区域进行监测，其由若干个采集森林状态信息的火灾烟雾信息监测单元组成，所述火灾烟雾信息监测单元包括视觉传感器和热红外传感器，所述森林状态信息包括可见光图像和热红外图像；
5、自适应检测调整模块，用于基于可见光图像中的平均亮度，对初始特征阈值进行自适应调整，得到自适应特征阈值，同时基于可见光图像计算各像素点的图像特征数据，所述图像特征数据包括像素点的色相、饱和度和明度，所述初始特征阈值包括色相范围阈值、饱和度阈值和明度阈值；
6、重点区域识别提取模块，用于基于自适应特征阈值制定烟雾识别标准，对可见光图像中图像特征数据符合烟雾识别标准的像素点进行标识，将标识像素点组成的图像区域记为烟雾重点区域，通过轮廓检测算法，对烟雾重点区域进行提取，并通过热红外图像获取烟雾重点区域的温度数值；
7、烟雾识别确定模块，用于基于烟雾重点区域的纹理特征、形状特征和对应的温度数值生成火灾烟雾评估值，并基于火灾烟雾评估值确定烟雾重点区域是否为森林火灾烟雾，所述纹理特征包括对比度和能量，所述形状特征包括轮廓简约度和圆度。
8、进一步地，所述视觉传感器和热红外传感器为高清摄像机和热红外摄影机，通过高清摄像机和热红外摄影机采集待监测森林区域的实时视频，通过实时视频获取森林状态信息包括可见光图像和热红外图像，其中获取可见光图像和热红外图像的方法为从实时视频中采集同时刻的可见光和热红外帧图像，采集间隔为30帧。
9、进一步地，根据平均亮度对初始特征阈值进行自适应调整，得到自适应特征阈值包括如下步骤：根据采集的可见光图像中各像素点的亮度，计算当前可见光图像的平均亮度l；将可见光图像从rgb颜色空间转换为hsv颜色空间，计算图像特征数据，所述图像特征数据包括像素点的色相h、饱和度s和明度v；
10、根据平均亮度对初始特征阈值进行自适应调整，得到自适应特征阈值所依据的公式为：
11、hfinal＝[hbase(0)+αh*l，hbase(1)-βh*l]
12、sfinal＝sbase-γs*l
13、vfinal＝vbase+δv*l
14、式中，hfinal表示自适应色相范围阈值，sfinal表示自适应饱和度阈值，vfinal表示自适应明度阈值，自适应特征阈值包括hfinal、sfinal和vfinal，hbase(0)和hbase(1)表示初始特征阈值中色相范围的下限和上限，sbase为初始特征阈值中的饱和度阈值，vbase为始特征阈值中的明度阈值，其中αh、βh、γs和δv分别表示色相范围的下限和上限，饱和度阈值，明度阈值的调整系数，l为当前可见光图像的平均亮度。
15、进一步地，采集的可见光图像中的平均亮度l计算所依据的公式为：
16、
17、式中，m表示可见光图像中的总像素点数量，ip表示第p个像素点的亮度值，记可见光图像左上角第一个像素点为第一个像素点，按照行优先顺序依次排列标号，共得到m个像素点，其中p是像素点的索引，p＝1,2,…,m；
18、第p个像素点的亮度值ip通过以下公式计算：
19、ip＝0.299rp+0.587gp+0.114bp
20、式中，rp表示第p个像素点的红色通道的强度值，gp表示第p个像素点的绿色通道的强度值，bp表示第p个像素点的蓝色通道的强度值。
21、进一步地，将可见光图像从rgb颜色空间转换为hsv颜色空间，计算图像特征数据包括以下步骤：
22、根据每个像素点的红色、绿色和蓝色通道的强度值计算图像特征数据，具体计算公式如下：
23、
24、式中，atan2为反正切函数，用于计算两个变量的反正切值，hp、sp和vp分别为可见光图像中第p个像素点的色相、饱和度和明度。
25、进一步地，根据自适应特征阈值制定烟雾识别标准，所述烟雾识别标准所依据的逻辑为：
26、当像素点满足以下条件时：
27、hp∈hfinal
28、sp<sfinal
29、vp>vfinal
30、对该像素点进行标记，将全部满足烟雾识别标准的像素点所组成的图像区域，记为烟雾重点区域，并基于canny边缘检测算法，对烟雾重点区域进行提取，获取热红外图像中对应烟雾重点区域的温度数值，其中通本文档来自技高网...
【技术保护点】
1.一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于，具体包括：
2.根据权利要求1所述的一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：所述视觉传感器和热红外传感器为高清摄像机和热红外摄影机，通过高清摄像机和热红外摄影机采集待监测森林区域的实时视频，通过实时视频获取森林状态信息包括可见光图像和热红外图像，其中获取可见光图像和热红外图像的方法为从实时视频中采集同时刻的可见光和热红外帧图像，采集间隔为30帧。
3.根据权利要求1所述的基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：根据平均亮度对初始特征阈值进行自适应调整，得到自适应特征阈值包括如下步骤：根据采集的可见光图像中各像素点的亮度，计算当前可见光图像的平均亮度L；将可见光图像从RGB颜色空间转换为HSV颜色空间，计算图像特征数据，所述图像特征数据包括像素点的色相H、饱和度S和明度V；
4.根据权利要求3所述的一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：采集的可见光图像中的平均亮度L计算所依据的公式为：
5.根据权利要求4所
6.根据权利要求5所述的一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：根据自适应特征阈值制定烟雾识别标准，所述烟雾识别标准所依据的逻辑为：
7.根据权利要求1所述的一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：基于烟雾重点区域的纹理特征、形状特征和对应的温度数值生成火灾烟雾评估值所依据的公式为：
8.根据权利要求7所述的一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：获取烟雾重点区域的纹理特征的形状特征步骤包括：通过灰度共生矩阵计算烟雾重点区域的纹理特征包括对比度和能量，基于烟雾重点区域的轮廓长度与区域面积计算形状特征包括轮廓简约度和圆度。
9.一种基于自适应目标检测的森林火灾烟雾自动识别方法，其特征在于：所述基于自适应目标检测的森林火灾烟雾自动识别方法用于控制权利要求1-8任一项所述的基于自适应目标检测的森林火灾烟雾自动识别系统，具体步骤包括：
...【技术特征摘要】
1.一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于，具体包括：
2.根据权利要求1所述的一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：所述视觉传感器和热红外传感器为高清摄像机和热红外摄影机，通过高清摄像机和热红外摄影机采集待监测森林区域的实时视频，通过实时视频获取森林状态信息包括可见光图像和热红外图像，其中获取可见光图像和热红外图像的方法为从实时视频中采集同时刻的可见光和热红外帧图像，采集间隔为30帧。
3.根据权利要求1所述的基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：根据平均亮度对初始特征阈值进行自适应调整，得到自适应特征阈值包括如下步骤：根据采集的可见光图像中各像素点的亮度，计算当前可见光图像的平均亮度l；将可见光图像从rgb颜色空间转换为hsv颜色空间，计算图像特征数据，所述图像特征数据包括像素点的色相h、饱和度s和明度v；
4.根据权利要求3所述的一种基于自适应目标检测的森林火灾烟雾自动识别系统，其特征在于：采集的可见光图像中的平均亮度l计算所依据的公式为：
5.根据权利要求4所述...
【专利技术属性】
技术研发人员：刘兴朋，嘎日玛，张继权，廖晓玉，佟志军，
申请(专利权)人：东北师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。