[發(fā)明專利]廣域空間紅外多點實時火災探測方法及系統(tǒng)、定位方法

有效

• 申請?zhí)枺?/td>: 202211469877.6
• 申請日: 2022-11-23
• 公開（公告）號: CN115512307B
• 公開（公告）日: 2023-03-17
• 發(fā)明（設計）人: 鄧力;謝爽爽;賀元驊;劉全義;王海斌;王明武;吳丹丹
• 申請（專利權(quán)）人: 中國民用航空飛行學院
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/82;G06V10/74;G06V20/70;G01J5/03;G01J5/48
• 代理公司: 成都行之智信知識產(chǎn)權(quán)代理有限公司 51256
• 代理人: 王偉

本發(fā)明公開了廣域空間紅外多點實時火災探測方法及系統(tǒng)、定位方法，將紅外圖像劃分為多個區(qū)域圖像，且任意一個區(qū)域圖像內(nèi)僅包含一類可燃物；構(gòu)建Yolov5模型，通過歷史獲得的區(qū)域圖像對所述Yolov5模型訓練，獲得最優(yōu)Yolov5模型；選擇任意一張區(qū)域圖像，通過最優(yōu)Yolov5模型對所述區(qū)域圖像進行處理，獲得可燃物種類；基于可燃物種類，根據(jù)數(shù)據(jù)庫匹配與可燃物種類對應的發(fā)射率參數(shù)；基于發(fā)射率參數(shù)，計算獲得區(qū)域圖像的溫度，遍歷所有區(qū)域圖像，獲得若干溫度；在每個區(qū)域圖像中，判斷溫度是否達到所述區(qū)域圖像內(nèi)可燃物的溫度閾值，若是，則發(fā)出預警警告；本發(fā)明的有益效果實現(xiàn)了對遠距離空間范圍內(nèi)的火災進行實時探測的過程。

技術領域

本發(fā)明涉及火災探測技術領域，尤其涉及廣域空間紅外多點實時火災探測方法及系統(tǒng)、定位方法。

背景技術

廣域空間火災因發(fā)生區(qū)域范圍廣，發(fā)生位置隨機性大，火災探測的難度較大；如果使用傳統(tǒng)煙感、氣感、溫感等傳感器對廣域火災進行探測，由于煙霧、氣體在廣域空間濃度被大幅度稀釋，且濃度分布極不均勻，通常需要火勢蔓延到一定程度，火災具有一定規(guī)模才會被發(fā)現(xiàn)；現(xiàn)有技術中，通常采用紅外測溫探測技術對發(fā)生的火災進行探測，紅外測溫裝置，包括主控制器、與主控制器連接的攝像頭模組和與紅外溫度傳感器及模數(shù)轉(zhuǎn)換模塊，這類裝置能實現(xiàn)非接觸式測溫，主要應用于近距離人體測溫，對于廣域空間火災探測，其溫度探測距離過短，無法實現(xiàn)遠距離有效探溫。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術問題是通過紅外測溫技術，無法實現(xiàn)對遠距離溫度進行測量，目的在于提供廣域空間紅外多點實時火災探測方法及系統(tǒng)、定位方法，能夠?qū)崿F(xiàn)對遠距離空間范圍內(nèi)的火災進行實時探測的過程。

本發(fā)明通過下述技術方案實現(xiàn)：

廣域空間紅外多點實時火災探測方法，包括以下步驟：

S1：將紅外圖像劃分為多個區(qū)域圖像，且任意一個所述區(qū)域圖像內(nèi)僅包含一類可燃物，所述紅外圖像為紅外攝像頭實時拍攝的廣域空間的圖像；

S2：構(gòu)建Yolov5模型，通過歷史獲得的區(qū)域圖像對所述Yolov5模型訓練，獲得最優(yōu)Yolov5模型；

S3：選擇任意一張區(qū)域圖像，通過最優(yōu)Yolov5模型對所述區(qū)域圖像進行處理，獲得該區(qū)域圖像中的可燃物種類；

S4：基于所述可燃物種類，根據(jù)數(shù)據(jù)庫匹配與所述可燃物種類對應的發(fā)射率參數(shù)，所述數(shù)據(jù)庫為每種可燃物對應的發(fā)射率參數(shù)數(shù)據(jù)庫；

S5：基于所述發(fā)射率參數(shù)，計算獲得所述區(qū)域圖像的溫度，遍歷所有區(qū)域圖像，獲得若干溫度；

S6：在每個區(qū)域圖像中，判斷所述溫度是否達到所述區(qū)域圖像內(nèi)可燃物的溫度閾值，若是，則發(fā)出預警警告。

傳統(tǒng)的在進行火災探測的時候，通常采用的是通過紅外測溫裝置進行火災探測，但是在采用紅外測溫裝置的時候，主要應用于近距離人體測溫，對于廣域空間火災探測，其溫度探測距離過短，無法實現(xiàn)遠距離有效探溫。本發(fā)明提供了廣域空間紅外多點實時火災探測方法，通過將Yolov5模型來對圖像的主要物體進行識別，再通過對識別的物體進行數(shù)據(jù)庫匹配，將匹配的參數(shù)來計算物體當前的溫度，進而判斷當前的物體是否發(fā)生火災，實現(xiàn)了對遠距離空間范圍內(nèi)的火災進行實時探測的過程。

優(yōu)選地，所述S1包括以下子步驟：

將所述紅外視頻圖像劃分成多個網(wǎng)格圖像；

基于SIFT算法獲取每一個所述網(wǎng)格圖像與預設可燃物圖像的相似度；所述預設可燃物圖像為預先拍攝的位于所述廣域空間中的易燃物的圖像；

將相似度不為0且連續(xù)的所述網(wǎng)格圖像組合為一個所述區(qū)域圖像。

優(yōu)選地，所述S2的子步驟包括：

獲取歷史獲得的若干所述區(qū)域圖像，并對若干所述區(qū)域圖像進行標注，獲得標注圖像數(shù)據(jù)集；