【技术实现步骤摘要】
本专利技术涉及烟火识别预警，具体而言，涉及一种基于gis的智能烟火识别预警方法及系统。
技术介绍
1、港口属于重点区域，具有不可估量的价值。然而，火灾风险随时影响着港口的安全发展。预防火灾，尤其是在火灾初期就迅速发现并预警，显得尤为关键。
2、在现有技术中，对于烟火识别主要是基于无人机技术，无人机搭载高清摄像头，通过实时传输图像，地面监测人员可以实时查看监测区域的情况。然而，这种监测方式存在显著不足：仅仅依赖于人工肉眼识别烟火，这不仅效率低下，而且准确性也无法保证；一旦发现烟火，需要监测人员手动上报，由于受到现场环境复杂、信息获取手段有限以及人为主观判断等多种因素的影响，相关人员往往只能对火势情况进行一个大致的描述性汇报，难以做到精准且全面地反映火灾实际状况，错过最佳的灭火时机。
技术实现思路
1、本专利技术实施例提供一种基于gis的智能烟火识别预警方法及系统，本专利技术能够显著提升烟火识别的效率和准确性，智能化分析实时画面中的火情信息，实现精准识别与即时预警，克服了人工肉眼识别效率低下和火势情况汇报准确性不足的问题。
2、为了实现上述目的，本专利技术提供了一种基于gis的智能烟火识别预警方法，包括：
3、在烟火识别预警区域预先部署图像采集设备，基于所述图像采集设备采集对应的实时区域图像，提取所述实时区域图像的图像像素值，并进行灰度转换，得到区域图像灰度值序列；
4、确定对比区域图像灰度值序列，根据所述区域图像灰度值序列和所述对比区域
5、当生成所述区域烟火待识别标记时，将所述实时区域图像随机分为多个子实时区域图像，并根据所述区域图像灰度值序列确定每个子实时区域图像对应的子区域图像灰度值序列；
6、对所述子区域图像灰度值序列进行分析，并基于分析结果计算所述子实时区域图像的子烟火识别预警系数，根据所有的子烟火识别预警系数确定多个子烟火识别预警系数数组；
7、对所有的子烟火识别预警系数数组进行分析，计算所述烟火识别预警区域的烟火识别预警系数，并根据所述烟火识别预警系数判断是否发出预警，若是，则根据所述烟火识别预警系数和gis地理信息系统生成火情汇报信息。
8、进一步地，在确定对比区域图像灰度值序列，根据所述区域图像灰度值序列和所述对比区域图像灰度值序列对所述烟火识别预警区域生成初始烟火分析标记时，包括：
9、获取与所述烟火识别预警区域对应的无烟火区域图像，对所述无烟火区域图像进行灰度转换，得到所述对比区域图像灰度值序列；
10、判断所述区域图像灰度值序列内的区域图像灰度值是否均等于所述对比区域图像灰度值序列，若是，则对所述烟火识别预警区域生成所述区域无烟火标记；
11、若否，则对所述烟火识别预警区域生成所述区域烟火待识别标记。
12、进一步地，在对所述子区域图像灰度值序列进行分析，并基于分析结果计算所述子实时区域图像的子烟火识别预警系数时，包括：
13、将所述子区域图像灰度值序列与所述对比区域图像灰度值序列进行对比，提取所述子区域图像灰度值序列中等于对比区域图像灰度值的子区域图像灰度值，生成等子区域图像灰度值序列；
14、根据所述子区域图像灰度值序列中剩余的子区域图像灰度值，生成识别子区域图像灰度值序列；
15、计算所述识别子区域图像灰度值序列与对比区域图像灰度值的图像灰度差值，生成识别子区域图像灰度差值序列；
16、预先设定第一预设图像灰度差值和第二预设图像灰度差值；
17、将所述第一预设图像灰度差值和所述第二预设图像灰度差值映射到所述识别子区域图像灰度差值序列中；
18、确定所述识别子区域图像灰度差值序列中的最小图像灰度差值和最大图像灰度差值，统计所述最小图像灰度差值与所述第一预设图像灰度差值之间的第一图像灰度差值数量；
19、统计所述第一预设图像灰度差值与所述第二预设图像灰度差值之间的第二图像灰度差值数量；
20、统计所述最大图像灰度差值与所述第二预设图像灰度差值之间的第三图像灰度差值数量；
21、根据所述第一图像灰度差值数量、第二图像灰度差值数量和所述第三图像灰度差值数量计算所述子实时区域图像的子烟火识别预警系数。
22、进一步地，在根据所述第一图像灰度差值数量、第二图像灰度差值数量和所述第三图像灰度差值数量计算所述子实时区域图像的子烟火识别预警系数时，包括：
23、根据下式计算所述子实时区域图像的子烟火识别预警系数：
24、；
25、其中，q为子实时区域图像的子烟火识别预警系数，w为识别子区域图像灰度差值序列中图像灰度差值的数量，re为识别子区域图像灰度差值序列中第e个图像灰度差值，t1为第一预设图像灰度差值，t2为第二预设图像灰度差值，y1为第一图像灰度差值数量，y2为第二图像灰度差值数量，y3为第三图像灰度差值数量，u为识别子区域图像灰度差值序列对应的图像灰度差值方差，p为调节系数。
26、进一步地，根据下列方法计算调节系数p：
27、对所述子区域图像灰度值序列进行归一化处理，并根据归一化处理结果构建子区域图像灰度值曲线；
28、确定所述子区域图像灰度值曲线上的曲线拐点，并确定每个曲线拐点对应的图像灰度值；
29、统计所述等子区域图像灰度值序列的等图像灰度值数量，统计所述识别子区域图像灰度值序列的识别图像灰度值数量；
30、根据下式计算调节系数p：
31、；
32、其中，d1为子区域图像灰度值曲线上所有图像灰度值的平均值，a为曲线拐点的数量，si为第i个曲线拐点对应的拐点斜率，f1为等图像灰度值数量，f2为识别图像灰度值数量，d2为所有曲线拐点对应的图像灰度值的平均值，e为常数。
33、进一步地，在根据所有的子烟火识别预警系数确定多个子烟火识别预警系数数组时，包括：
34、从所有的子烟火识别预警系数中随机提取第一子烟火识别预警系数和第二子烟火识别预警系数，将所述第一子烟火识别预警系数和所述第二子烟火识别预警系数作为初始子烟火识别预警系数数组；
35、计算所述初始子烟火识别预警系数数组中两个子烟火识别预警系数的第一系数和值；
36、随机提取第三子烟火识别预警系数，计算所述第三子烟火识别预警系数和所述第一系数和值的第一差值绝对值，判断所述第一差值绝对值是否小于预设差值绝对值，若是，则将所述第三子烟火识别预警系数更新至所述初始子烟火识别预警系数数组；
37、若否，则将所述初始子烟火识别预警系数数组作为一个子烟火识别预警系数数组，随机提取第四子烟火识别预警系数，将所述第四子烟火识别预警系数和所述第三子烟火识别预警系数作为第二初始子烟火识别预警系数数组；
本文档来自技高网...
【技术保护点】
1.一种基于GIS的智能烟火识别预警方法，其特征在于，包括：
2.根据权利要求1所述的基于GIS的智能烟火识别预警方法，其特征在于，在确定对比区域图像灰度值序列，根据所述区域图像灰度值序列和所述对比区域图像灰度值序列对所述烟火识别预警区域生成初始烟火分析标记时，包括：
3.根据权利要求1所述的基于GIS的智能烟火识别预警方法，其特征在于，在对所述子区域图像灰度值序列进行分析，并基于分析结果计算所述子实时区域图像的子烟火识别预警系数时，包括：
4.根据权利要求3所述的基于GIS的智能烟火识别预警方法，其特征在于，在根据所述第一图像灰度差值数量、第二图像灰度差值数量和所述第三图像灰度差值数量计算所述子实时区域图像的子烟火识别预警系数时，包括：
5.根据权利要求4所述的基于GIS的智能烟火识别预警方法，其特征在于，根据下列方法计算调节系数p：
6.根据权利要求1所述的基于GIS的智能烟火识别预警方法，其特征在于，在根据所有的子烟火识别预警系数确定多个子烟火识别预警系数数组时，包括：
7.根据权利要求1所述的基于GI
8.根据权利要求7所述的基于GIS的智能烟火识别预警方法，其特征在于，在根据所述第一计算系数和所述第二计算系数计算所述烟火识别预警区域的烟火识别预警系数时，包括：
9.根据权利要求1所述的基于GIS的智能烟火识别预警方法，其特征在于，在根据所述烟火识别预警系数判断是否发出预警时，包括：
10.一种基于GIS的智能烟火识别预警系统，应用于如权利要求1-9任一项所述的基于GIS的智能烟火识别预警方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于gis的智能烟火识别预警方法，其特征在于，包括：
2.根据权利要求1所述的基于gis的智能烟火识别预警方法，其特征在于，在确定对比区域图像灰度值序列，根据所述区域图像灰度值序列和所述对比区域图像灰度值序列对所述烟火识别预警区域生成初始烟火分析标记时，包括：
3.根据权利要求1所述的基于gis的智能烟火识别预警方法，其特征在于，在对所述子区域图像灰度值序列进行分析，并基于分析结果计算所述子实时区域图像的子烟火识别预警系数时，包括：
4.根据权利要求3所述的基于gis的智能烟火识别预警方法，其特征在于，在根据所述第一图像灰度差值数量、第二图像灰度差值数量和所述第三图像灰度差值数量计算所述子实时区域图像的子烟火识别预警系数时，包括：
5.根据权利要求4所述的基于gis的智能烟火识别预警方法，其特征在于，根据下列方法计算调节系数p...
【专利技术属性】
技术研发人员：卢聪，杨鹏飞，张华，耿增涛，黄鹏，季维敏，吴振伟，李苗，
申请(专利权)人：山东港口科技集团青岛有限公司，
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。