[发明专利]一种火焰识别的方法及装置

说明书

本申请提供了一种火焰识别方法，应用于火焰识别装置，该火焰识别装置包括：双目摄像头，该双目摄像头包括红外通道和可见光通道，红外通道上安装红外滤波片，该火焰识别方法包括：利用红外通道获取第一图像，基于第一图像确定初始火焰位置；利用可见光通道获取第二图像，基于初始火焰位置和第二图像确定火焰区域；利用神经网络模型对火焰区域进行识别，确定该火焰区域是否着火。本申请实现了对监控区域火焰的准确识别，降低了误报和漏报现象，有利于消防人员第一时间处理火灾危机。

技术领域

本发明属于火焰识别领域，尤其涉及一种火焰识别的方法及装置。

背景技术

在火灾探测领域中，大多采用传统烟雾颗粒感应系统需要烟雾颗粒进入传感器才能引起报警，红外及激光技术也需要烟雾遮挡才能引发报警。这些前提要求场合是相对封闭的空间。而室外场合像炼油厂、仓库等因为设备设施分散，空气流动大，传统烟火设备根本起不到作用，现在往往采用人员值守看管，造成管理成本上升。

当前基于视频分析的室内、室外火焰自动检测预警摄像机自动发现监控区域内的异常火灾苗头，以最快、最佳的方式进行告警和协助消防人员处理火灾危机，并最大限度的降低误报和漏报现象。同时还可查看现场实时图像，根据直观的画面直接指挥调度救火。

但是，目前，绝大多数的火灾监测装置只能监测火灾发生，而不能确定着火点的物理位置，给火灾救援带来了一定的盲目性。

发明内容

有鉴于此，本发明提供了一种火焰识别的方法及装置，解决了不能确定着火点的位置，实现了对监控区域内的火焰进行准确识别。

第一方面，提供了一种火焰识别方法，应用于火焰识别装置，该火焰识别装置包括：双目摄像头，双目摄像头包括红外通道和可见光通道，红外通道上安装红外滤波片，该火焰识别方法包括：利用红外通道获取第一图像，基于第一图像确定初始火焰位置；利用可见光通道获取第二图像，基于初始火焰位置和第二图像确定火焰区域，该火焰区域位于第二图像上；利用神经网络模型对火焰区域进行识别，确定该火焰区域是否真的着火。

第一方面提供的火焰识别的方法，通过双目摄像头的红外通道和可见光通道分别获取第一图像和第二图像。其中，通过在红外通道上安装红外滤波片得到红外光谱图像，获取火焰初始位置。这种通过普通镜头和传感器得到的红外光谱图像降低了摄像机镜头的成本。利用可见光通道上获取的第二图像和火焰初始位置确定火焰区域。根据火焰区域的图像，利用神经网络模型对火焰进行进一步识别。在该种实现方式中，在较低成本的前提下，实现了监控区域火焰的准确识别，降低了误报和漏报现象，有利于消防人员第一时间处理火灾危机。

在第一方面一种可能的实现方法中，基于初始火焰位置和第二图像确定火焰区域之前，方法还包括：将初始火焰位置通过坐标转换至第二图像上。该种实现方式中，通过将第一图像上的位置通过坐标转换到第二图像上，在第二图像上利用该位置和第二图像确定火焰区域，实现了火焰区域的精准定位。

在第一方面一种可能的实现方法中，利用可见光通道获取第二图像，基于初始火焰位置和第二图像确定火焰区域，包括：基于第二图像确定第二图像中每个像素的三基色分量，三基色分量包括红色分量、绿色分量和蓝色分量；基于三基色分量和初始火焰位置以及预设三基色分量第一阈值条件，确定出火焰区域。在该种实现方式中，通过对第二图像的每个像素进行三基色分量的判断，结合预设的三基色分量的阈值，最终找到火焰的像素区域。

在第一方面一种可能的实现方法中，利用神经网络模型对火焰区域进行识别，确定该火焰区域是否着火，包括：提取火焰的运动特征和轮廓特征；根据该运动特征和所述轮廓特征生成特征码；基于特征码和第二阈值条件，对火焰进行识别。在该种实现方法中，采用深度学习神经网络技术，收集样本数据，进行模型训练，并结合深度学习算法提取火焰的运动特征和轮廓特征，进一步判断视频中是否真的有火焰存在。