一种基于机器人烟火检测的方法与流程

本发明属于机器人技术领域，具体涉及一种基于机器人烟火检测的方法。

背景技术：

随着社会经济的腾飞，城市化进程加快，高层、地下及石化建筑大量涌现。建筑的高层化，结构的复杂化，给建筑消防带来了新的挑战。如何快速准确地判断出是否发生火灾，从而及时处理，保证财产和生命安全是消防工作的重要课题。现有技术中通常采用以下方案：1.传感器检测法：通过烟火传感器来检测烟火时的气体浓度，从而检测出发生烟火；2.视频分析法：通过可见光摄像头拍摄的视频进行颜色分析，同时加入动态检测算法来判断是否发生烟火。现有技术的缺点：1)传感器检测法：有多种形式的传感器能检测烟火，但都存在适用空间有限，易受干扰，误报率高，智能度低，不适合在恶劣条件下检测等缺点。2)视频分析法：单纯通过视频进行分析，通过颜色及烟火的动态进行判断，存在一定的误报率，当发生烟火的距离比较远时，由于视频上烟火的像素比较小无法进行判断，从而引起漏报的现象。

技术实现要素：

为了解决现有技术中存在的技术缺陷，本发明提出了一种基于机器人烟火检测的方法，通过红外温度检测可实现远距离的烟火检测，通过基于红外温度的烟火检测算法和可见光摄像头的图片抓拍分析进行联合判断，可实现无误报和低漏报。

本发明通过以下技术方案实现：

一种基于机器人烟火检测的方法，应用于移动机器人，包括如下步骤：

s1:获取一帧的温度数据；

s2:对温度数据进行简化处理；

s3:提取图像中的高温块数以及高温块的面积；

s4:对烟火温度特性进行结果分析，判断是否可能存在烟火告警；

s5:进行动态特征检测，判断是否存在动态特征，排除高温设备引起的误报；

s6:烟火颜色特性分析，进一步判断是否存在烟火特性；

s7:结合步骤s4、s5、s6的检测结果进行烟火评估及告警，当均满足情况时则认为存在烟火告警的情况。

进一步地，在所述步骤s1中，进一步包括，通过红外热成像摄像头获取所述的温度数据，设定红外热成像摄像头的分辨率为x*y，通过红外热成像摄像头获取一帧的温度数据，即x*y个温度数据，可以用一个二维数组t[x][y]来表示一帧的温度数据。

进一步地，在所述步骤s2中，进一步包括，对所述的二维数组t[x][y]的温度数据进行简化，获得简化后的二维数组数据t[x][y]。

进一步地，在所述步骤s3中，进一步包括，通过递归算法获取二维数组t[x][y]中上下左右相邻为1的块数及每块中1的个数。

进一步地，其特征在于，所述的递归算法的计算公式为：

其中，area(i)(j)为递归算法的函数，i、j为参数，0≤i＜x，0≤j＜y，b为整个二维数组t[x][y]中上下左右相邻为1的块数，n为每块中1的个数。

进一步地，在所述步骤s4中，进一步包括，根据计算出的块数b和个数n进行初次判断，判断是否可能存在烟火告警：相邻为1的块中1的总数n可以认为是像素的个数，n的范围为0＜n＜x*y，这里设定一个阈值f，当满足这个条件时，认为可能发生烟火。

进一步地，在所述步骤s5中，进一步包括，当步骤s4中判断到可能发生烟火时，如果当前机器人在运动，则停止机器人，然后重复步骤s1～s4，获取到多次的n值：n1、n2、n3、...nm，其中m为次数，当满足下面公式时，可认为存在动态特征，

进一步地，在所述步骤s6中，进一步包括，通过可见光摄像头提取一张图片数据，转换成rgb格式，通过rgb的特性判断是否存在烟火颜色的特性。

进一步地，所述的烟火颜色分为红色和黄色，

红色的判断条件为：(r-g>diff_r)&&(r-b>diff_r)，即r分量与g、b分量差值大于特定的阈值；

黄色的判断条件为：b>128&g>128&(r-b)>diff_y&(g-b)>diff_y，即b分量和g分量大于128，并且b分量和r、g分量的差值大于特定的阈值。

本发明还包括一种非易失性存储介质，其包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现上述的烟火检测方法。

与现有技术相比，本发明至少具有下述的有益效果或优点：

1、可以检测出比烟火更小的火源，如烟头；

2、通过温度的特性检测能够完全排除只基于可见光视频检测的出现的误报情况；

3、通过机器人进行烟火检测，能实现跨区域的动态烟火检测。

附图说明

以下将结合附图对本发明做进一步详细说明；

图1为本发明的基于机器人烟火检测的方法流程图；

图2为本发明的温度数据的简化图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本方案应用于移动机器人，在移动机器人上设置有红外热成像摄像头和可见光高清摄像头。

本发明涉及的基于机器人烟火检测的方法，方法流程如图1所述，步骤如下：

step1:通过红外热成像摄像头获取一帧的温度数据

红外热成像摄像头能获取到每个像素点的温度，本方案中设定红外热成像摄像头的分辨率为x*y，通过红外热成像摄像头获取一帧的温度数据，即x*y个温度数据，可以用一个二维数组t[x][y]来表示一帧的温度数据。

step2:对该二维数组t[x][y]的温度数据进行简化

火的温度一般是300摄氏度以上，这里对二维数组t[x][y]的温度数据跟300进行比较，如图2所示，如果大于300则用1表示，如果小于300则用0表示。从图1可以看出，经过对温度数据进行简化获得t[x][y]的二维数组数据。

step3:提取图像中的高温块数：获取二维数组t[x][y]中上下左右相邻为1的块数及每块中1的个数

根据下式中递归算法，对二维数组t[x][y]进行递归判断，可以获得二维数组t[x][y]中上下左右相邻为1的块数(用b表示块数)，以及每块中1的个数(用n表示个数)。

其中，area(i)(j)为递归算法的函数，i、j为参数，0≤i＜x，0≤j＜y，b为整个二维数组t[x][y]中上下左右相邻为1的块数，n为每块中1的个数。

step4:根据计算出的块数b和个数n进行初次判断，判断是否可能存在烟火告警

相邻为1的块中1的总数n可以认为是像素的个数，n的范围为0＜n＜x*y，这里设定一个阈值f，当满足这个条件时，认为可能发生烟火。

其中，阈值f的取值越小，则检测到烟火的距离就越远。

step5:进行动态特征检测，排除那些高温的设备引起的误报

当step4中判断到可能发生烟火时，如果当前机器人在运动，则停止机器人，然后重复step1～step4的步骤，获取到多次的n值，如n1、n2、n3、...nm，其中m为次数，当满足下面公式时，可认为存在动态特征。

上面公式表示对多次获取到的n值求平均值，再与首次获取的n1值进行比较，如果变化超过20％，则认为存在动态变化的特征。由于火焰是动态变化的，所以每次获取一帧数据的n值都会变化比较大，如果多次获取到的n值几乎不变，则可以认为不是烟火，而是高温的设备。

step6:通过可见光摄像头抓拍图片，提取颜色特征，进一步判断是否存在烟火特性。

通过可见光摄像头提取一张图片数据，转换成rgb格式，通过rgb的特性判断是否存在烟火颜色的特性，烟火颜色一般情况下为红色或黄色，判断条件如下：

红颜色的判断条件：(r-g>diff_r)&&(r-b>diff_r)，即r分量与g、b分量差值大于特定的阈值。

黄颜色的判断条件：b>128&g>128&(r-b)>diff_y&(g-b)>diff_y，即b分量和g分量大于128，并且b分量和r、g分量的差值大于特定的阈值。

step7:烟火评估及告警

结合step4、step5、step6的检测结果，当都满足情况是则认为存在烟火告警的情况。

本发明还提供了一种非易失性存储介质，其包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现上述所述的烟火检测方法。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。在不脱离本发明之精神和范围内，所做的任何修改、等同替换、改进等，同样属于本发明的保护范围之内。