[發(fā)明專利]多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)和方法

有效

• 申請?zhí)枺?/td>: 201510311371.6
• 申請日: 2015-06-09
• 公開（公告）號: CN104966372B
• 公開（公告）日: 2017-09-29
• 發(fā)明（設計）人: 曾志偉;宋昌林;陳方春;楊鵬程
• 申請（專利權）人: 四川匯源光通信有限公司
• 主分類號: G08B17/00
• 分類號: G08B17/00
• 代理公司: 成都金英專利代理事務所(普通合伙)51218
• 代理人: 袁英

1.多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)，它包括紅外熱像儀、數(shù)字攝像機、超聲波氣象站、地理信息系統(tǒng)和上位機，紅外熱像儀、數(shù)字攝像機、超聲波氣象站和地理信息系統(tǒng)分別與上位機連接；所述的上位機上設置有人工神經網絡和模糊專家系統(tǒng)，所述的人工神經網絡分析紅外熱像儀采集的紅外圖像和數(shù)字攝像機采集的可見光圖像，并將分析后的數(shù)據(jù)傳輸?shù)侥：龑＜蚁到y(tǒng)計算森林火災的概率，超聲波氣象站提供森林的氣象數(shù)據(jù)，地理信息系統(tǒng)提供地理信息，其特征在于：所述的人工神經網絡分析紅外圖像的亮度特征，對可疑著火區(qū)域進行面積、位移濾波，并利用能量和形狀的相關性進行震蕩分析；分析可見光圖像將紅外圖像可疑著火區(qū)域映射到可見光圖像上，檢測相關區(qū)域是否有煙霧，用紅外和可見光圖像融合產生的冗余數(shù)據(jù)區(qū)分森林火災和陽光反射、熱物體以及人工照明。

2.根據(jù)權利要求1所述的多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)，其特征在于：所述的模糊專家系統(tǒng)將可疑著火區(qū)域的地理數(shù)據(jù)、氣象數(shù)據(jù)、歷史分析數(shù)據(jù)和紅外與可見光圖像分析結果一起進行處理，計算出森林火災發(fā)生的概率。

3.根據(jù)權利要求1所述的多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)，其特征在于：所述的氣象數(shù)據(jù)包括溫度、相對濕度、風速和降水量，地理數(shù)據(jù)包括坡度、可燃物儲量、土地使用信息。

4.如權利要求1-3中任意一項所述的多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)的識別方法，其特征在于：它包括如下子步驟：

S1：數(shù)據(jù)采集，紅外熱像儀采集森林的紅外圖像，數(shù)字攝像機采集森林的可見光圖像；

S2：圖像處理，探測紅外圖像上的高亮度區(qū)域；對高亮度區(qū)域進行溫度、面積和位移濾波；對濾波后的高亮度區(qū)域進行能量分析、亮度和形狀的振蕩分析；匹配紅外和可見光圖像，定位報警區(qū)域；探測煙霧；融合紅外和可見光圖像探測結果；

S3：氣象數(shù)據(jù)處理，將氣象數(shù)據(jù)輸入氣象模型，計算發(fā)生森林火災的概率；

S4：地理數(shù)據(jù)處理，從數(shù)據(jù)庫查詢地理信息，計算發(fā)生森林火災的潛能；

S5：火災概率計算，將步驟S2-S4得到的分析結果輸入模糊專家系統(tǒng)，計算森林火災發(fā)生的概率；

所述的步驟S3中的氣象模型根據(jù)歷史數(shù)據(jù)建立，氣象模型規(guī)則根據(jù)溫度、濕度、降雨量來設定，溫度高、濕度小、無降水，火災發(fā)生概率大，反之溫度低、濕度高、降水多，火災發(fā)生概率低。

5.根據(jù)權利要求4所述的多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)的識別方法，其特征在于：所述的步驟S2中對濾波后的高亮度區(qū)域進行亮度和形狀的振蕩分析采用如下方式：將相鄰的圖像進行比較，得到相關系數(shù)，以時間為X軸，以相關系數(shù)為Y軸，得到相關系數(shù)曲線，即振蕩曲線。

6.根據(jù)權利要求4所述的多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)的識別方法，其特征在于：所述的步驟S4中計算發(fā)生森林火災的潛能根據(jù)地理地貌來確定，森林地區(qū)發(fā)生火災概率大，水庫地區(qū)發(fā)生火災概率小。

7.根據(jù)權利要求4所述的多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)的識別方法，其特征在于：所述的步驟S5中計算森林火災發(fā)生的概率根據(jù)氣象數(shù)據(jù)、地理信息和探測結果對火災的影響的權重進行估算，圖像數(shù)據(jù)可靠性最強，權重最大。