[发明专利]小型无人直升机的火灾检测与跟踪方法

摘要

本发明公开了一种小型无人直升机的火灾检测与跟踪方法，包括以下步骤：系统初始化、开启地面站系统以及GIS平台，采集彩色图像和红外图像；根据颜色找出彩色图像中的可疑区域，根据灰度找出红外图像中的可疑区域；提取彩色图像中可疑区域的颜色，灰度共生矩阵特征；提取红外图像中可疑区域圆形度，面积变化率特征；经过离线训练后使用SVM的分类决策判定是否是火灾；机载处理器计算红外图像中火点坐标并发送给云台，云台实时跟踪火点；云台的惯性测量单元获取红外摄像头的姿态角；地面站结合小型无人直升机的经纬度、高度、偏航角信息和姿态角计算出火点的精确经纬度定位信息；最终GIS平台把火点的精确定位在地图上标出。

主权项

一种小型无人直升机的火灾检测与跟踪方法，其特征在于，所述方法包括下列步骤：S1、小型无人直升机的火灾检测与跟踪系统初始化以及开启地面站系统以及GIS平台；S2、通过机载彩色摄像头采集彩色图像，通过机载红外摄像头采集红外图像，并建立流媒体服务器实时传输彩色图像到地面站系统；S3、根据火灾的RGB值找出彩色图像的可疑区域，并提取可疑区域的RGB值、灰度共生矩阵的对比度，能量，熵特征；S4、根据灰度的阈值找出火灾在红外图像中的可疑区域，并提取可疑区域的圆形度和面积变化率特征；S5、火灾的彩色图像的特征和红外图像的特征作为SVM训练的正样本，重复步骤S2、S3、S4，分别采集无火焰的图像，提取特征作为SVM训练的负样本，之后用SVM进行离线训练；S6、重复步骤S2、S3、S4，提取彩色图像中可疑区域的RGB值，灰度共生矩阵的对比度、能量、熵特征以及红外图像中可疑区域的圆形度和面积变化率特征，代入到经过离线训练后SVM中进行决策分类；S7、若SVM判定可疑区域是火灾，则利用机载处理器计算红外图像火点坐标并发送给云台，若判断可疑区域不是火灾，则回到步骤S2；S8、云台接收到红外图像中的火点坐标并实时跟踪火点；S9、云台的惯性测量单元获取红外摄像头姿态角；S10、地面站接收小型无人直升机的经纬度、高度、偏航角信息以及云台的惯性测量单元获取的红外摄像头姿态角，计算出火点的精确经纬度定位信息；S11、将火灾点的精确定位发送到GIS平台，GIS平台把火点的精确定位在地图上标出。