多数据融合的森林火灾智能识别系统和方法
【技术领域】
[0001 ] 本发明涉及一种多数据融合的森林火灾智能识别系统和方法。
【背景技术】
[0002]目前，基于视频分析的森林火灾预警系统，主要使用可见光摄像机和红外热像仪采集的图像。森林火灾发生时，有火焰和烟雾产生，同时释放大量的能源。通过分析可见光图像上着火区域的颜色、形状、运动和频率特征，以及红外图像上着火区域的亮度特征，可以实现森林火灾的早期监测预警。但是，工程实践表明，仅仅利用可见光或红外波段的图像数据，森林火灾预警系统的误识率过高。
【发明内容】
[0003]本发明的目的在于克服现有技术的不足，提供一种多数据融合的森林火灾智能识别系统和方法，该方法将多种数据进行融合来进行森林火灾预测，能显著降低森林火灾的误识率，提高系统的运行效率。
[0004]本发明的目的是通过以下技术方案来实现的:多数据融合的森林火灾智能识别系统，它包括红外热像仪、数字摄像机、超声波气象站、地理信息系统和上位机，红外热像仪、数字摄像机、超声波气象站和地理信息系统分别与上位机连接；所述的上位机上设置有人工神经网络和模糊专家系统，所述的人工神经网络分析红外热像仪采集的红外图像和数字摄像机采集的可见光图像，并将分析后的数据传输到模糊专家系统计算森林火灾的概率，超声波气象站提供森林的气象数据，地理信息系统提供地理信息。
[0005]所述的人工神经网络分析红外图像的亮度特征，对可疑着火区域进行面积、位移滤波，并利用能量和形状的相关性进行震荡分析；分析可见光图像将红外图像可疑着火区域映射到可见光图像上，检测相关区域是否有烟雾，用红外和可见光图像融合产生的冗余数据区分森林火灾和阳光反射、热物体以及人工照明。
[0006]所述的模糊专家系统将可疑着火区域的地理数据、气象数据、历史分析数据和红外与可见光图像分析结果一起进行处理，计算出森林火灾发生的概率。
[0007]所述的气象数据包括温度、相对湿度、风速和降水量，地理数据包括坡度、可燃物储量、土地使用信息。
[0008]多数据融合的森林火灾智能识别系统的识别方法，它包括如下子步骤:
S1:数据采集，红外热像仪采集森林的红外图像，数字摄像机采集森林的可见光图像；
52:图像处理，探测红外图像上的高亮度区域；对高亮度区域进行温度、面积和位移滤波；对滤波后的高亮度区域进行能量分析、亮度和形状的振荡分析；匹配红外和可见光图像，定位报警区域；探测烟雾；融合红外和可见光图像探测结果；
53:气象数据处理，将气象数据输入气象模型，计算发生森林火灾的概率；
54:地理数据处理，从数据库查询地理信息，计算发生森林火灾的潜能；
55:火灾概率计算，将步骤S2-S4得到的分析结果输入模糊专家系统，计算森林火灾发生的概率。
[0009]所述的步骤S2中对滤波后的高亮度区域进行亮度和形状的振荡分析采用如下方式:将襄铃的图像进行比较，得到相关系数，以时间为X轴，以相关系数为Y轴，得到相关系数曲线，即振荡曲线。
[0010]所述的步骤S3中的气象模型根据历史数据建立，气象模型规则根据温度、湿度、降雨量来设定，温度高、湿度小、无降水，火灾发生概率大，反之温度低、湿度高、降水多，火灾发生概率低。
[0011]所述的步骤S4中计算发生森林火灾的潜能根据地理地貌来确定，森林地区发生火灾概率大，水库地区发生火灾概率小。
[0012]所述的步骤S5中计算森林火灾发生的概率根据气象数据、地理信息和探测结果对火灾的影响的权重进行估算，图像数据可靠性最强，权重最大。
[0013]本发明的有益效果是:本发明提供了一种多数据融合的森林火灾智能识别系统和方法，该方法将多种数据进行融合来进行森林火灾预测，能显著降低森林火灾的误识率，提高系统的运行效率，降低工作人员的劳动强度。
【附图说明】
[0014]图1为本发明的系统结构框图；
图2为本发明的识别方法流程图。
【具体实施方式】
[0015]下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
[0016]如图1所示，多数据融合的森林火灾智能识别系统，它包括红外热像仪、数字摄像机、超声波气象站、地理信息系统和上位机，红外热像仪、数字摄像机、超声波气象站和地理信息系统分别与上位机连接；所述的上位机上设置有人工神经网络和模糊专家系统，所述的人工神经网络分析红外热像仪采集的红外图像和数字摄像机采集的可见光图像，并将分析后的数据传输到模糊专家系统计算森林火灾的概率，超声波气象站提供森林的气象数据，地理信息系统提供地理信息。
[0017]红外热像仪采用探测波长在8_14um的红外热像仪，数字摄像机采用带长焦镜头的高清数字摄像机。
[0018]所述的人工神经网络分析红外图像的亮度特征，对可疑着火区域进行面积、位移滤波，并利用能量和形状的相关性进行震荡分析；分析可见光图像将红外图像可疑着火区域映射到可见光图像上，检测相关区域是否有烟雾，用红外和可见光图像融合产生的冗余数据区分森林火灾和阳光反射、热物体以及人工照明。
[0019]所述的模糊专家系统将可疑着火区域的坡度、可燃物储量、土地使用信息等地理数据、温度、相对湿度、风速和降水量等气象数据、历史分析数据和红外与可见光图像分析结果一起进行处理，计算出森林火灾发生的概率。
[0020]如图2所示，多数据融合的森林火灾智能识别系统的识别方法，它包括如下子步骤: S1:数据采集，红外热像仪采集森林的红外图像，数字摄像机采集森林的可见光图像；
52: