一种基于火焰图像进行温度检测的摄像系统及检测方法与流程

本发明涉及工业摄像，特别涉及为一种基于火焰图像进行温度检测的摄像系统及检测方法。

背景技术：

1、当前在火灾探测领域中，主要应用的是气体型、感烟型、温度型、感光型和图像型的火灾报警系统。系统的功能包括检测出火灾，然后直接进行断电、喷水等灭火措施并报警。然而对于大空间环境(如油库、超大型仓库、油码头等)，自然界中存在着诸多影响火灾探测的因素，如空间高度、热量屏障、覆盖范围、远程信号传输等。在这些情况下，传统的接触式探测手段，如感温、感烟式火灾探测器并不能有效利用，不但需要高成本的支持，而且可靠性、准确度、实施性都很低。

2、由于火灾的火焰一般具有较为明显的视觉特性，基于这样的科学基础，摄像型火灾探测就有着很高的研究价值，它具备非接触式特点，有别于传统的接触式探测技术。而且因为它检测快速，且图像信息直观、丰富使得摄像型火灾探测已成为当今人类在仓库、大型工厂、野外森林等大空间和开放空间进行火灾探测的得力帮手。

3、但是这类摄像型火灾探测器目前存在的不足是：当火灾发生时，摄像系统无法从图像的焦距中采集到火灾的火势温度分布和火势走向。

技术实现思路

1、本发明旨在解决当火灾发生时，摄像系统无法从影像数据中采集到火势分布与摄像头的实际距离和火灾的实际温度分布和走势的问题，提供一种基于火焰图像进行温度检测的摄像系统及方法。

2、本发明为解决技术问题采用如下技术手段：

3、本发明提供、一种基于火焰图像进行温度检测的摄像系统，其特征在于，包括视像检测装置、信号处理装置和数据存储装置及显示装置；

4、所述视像检测装置用于检测预设火焰中的影像数据，获取包括红外数据在内的火焰影像数据，并将对应的至少一种或多种数字信号进行过滤，分别获取图像数据；按照设定时间延续点分别获取所述图像数据对应的至少一种或多种待识别图像，并存储于所述数据存储装置；

5、信号处理装置包括识别模块和计算模块，

6、所述识别模块，用于将所述待识别图像转换为二维二值图像，基于所述二维二值图像的不变矩作为识别特征，将所述二维二值图像经过所述不变矩的特征提取后，应用bp神经网络对所述二维二值图像进行识别，获得图像识别结果；

7、所述计算模块，实时调取数据存储装置数据，基于所述火焰影像数据中的图像数据，获取所述图像识别结果中的焦距值，根据预设的焦距温度比对表格，识别所述火焰的对应温度，根据所述对应温度，对所述图像数据中预设区域的温度数据进行边缘检测，检测所述预设区域的轮廓数据，并采用退火算法进行推理计算，对所述预设区域的至少一个或多个像素点应用退火计算,得到所述像素点的误差值，将所述误差值输入至预设的误差矩阵中,得到至少一个或多个所述预设区域的温度数值，对数据中对应时间延续点的变化数据进行计算处理，并显示在显示装置上，同时显示预测火焰发展走向数据；

8、还包括显示模块，用于显示获取的检测数据和预测的火焰走向数据。

9、所述视像检测模块还包括：

10、捕捉单元，用于采用预设的热成像检测器捕捉热成像数据，基于所述热成像数据预设的信号分布，识别所述信号分布中的至少一个或多个火焰分布区域，捕捉所述火焰分布区域的外层区域，其中，所述外层区域具体为具有等于或大于所述热成像检测器的预设火焰强度的火焰，包括焰峰；

11、识别单元，用于识别所述火焰分布区域的内层区域，其中，所述内层区域具体为具有小于所述热成像检测器的预设火焰强度的火焰，包括内焰、外焰和焰心；

12、判断单元，用于获取所述外层区域与所述内层区域之间的火焰强度区间值，判断所述火焰强度区间值是否大于预设的最小强度范围；

13、执行单元，用于执行判断单元结果，若是，则排除所述信号分布中的至少一个火焰分布区域的匮乏热图像数据，过滤所述匮乏热图像数据，若否，则采集所述信号分布中的至少一个火焰分布区域的盈余热图像数据，基于所述盈余热图像数据得到所述待识别图像。

14、一种基于火焰图像进行温度检测的方法，其特征在于，包括以下步骤：

15、s1检测预设影像数据，获取包括红外数据在内的火焰影像数据，并将对应的至少一种或多种数字信号进行过滤，分别获取图像数据；按照时间延续点分别获取所述图像数据对应的至少一种或多种待识别图像，其中，所述图像数据具体包括火焰图像；

16、s2将所述待识别图像转换为二维二值图像，基于所述二维二值图像的不变矩作为识别特征，将所述二维二值图像经过所述不变矩的特征提取后，应用bp神经网络对所述二维二值图像进行识别，获得图像识别结果；

17、s3基于所述图像数据中的火焰图像，获取所述图像识别结果中的焦距值，根据预设的焦距温度比对表格，识别所述火焰的对应温度，根据所述对应温度，对所述图像数据中预设区域的温度数据进行边缘检测，检测所述预设区域的轮廓数据，并采用退火算法进行推理计算，对所述预设区域的至少一个或多个像素点应用退火计算,得到所述像素点的误差值，将所述误差值输入至预设的误差矩阵中,得到至少一个或多个所述预设区域的温度数值，对数据中对应时间延续点的变化数据进行计算处理，并显示在显示装置上，同时显示预测火焰发展走向数据。

18、所述采用至少一种或多种数字信号对所述图像数据进行过滤，获取到所述图像数据对应的至少一种或多种待识别图像的步骤中，包括：

19、采用预设的热成像检测器捕捉热成像数据，基于所述热成像数据预设的信号分布，识别所述信号分布中的至少一个或多个火焰分布区域，捕捉所述火焰分布区域的外层区域，其中，所述外层区域具体为具有等于或大于所述热成像检测器的预设火焰强度的火焰，包括焰峰；

20、识别所述火焰分布区域的内层区域，其中，所述内层区域具体为具有小于所述热成像检测器的预设火焰强度的火焰，包括内焰、外焰和焰心；

21、获取所述外层区域与所述内层区域之间的火焰强度区间值，判断所述火焰强度区间值是否大于预设的最小强度范围；

22、若是，则排除所述信号分布中的至少一个火焰分布区域的匮乏热图像数据，过滤所述匮乏热图像数据，若否，则采集所述信号分布中的至少一个火焰分布区域的盈余热图像数据，基于所述盈余热图像数据得到所述待识别图像。

23、所述将所述待识别图像转换为二维二值图像的步骤中，包括：

24、读取需要转换的所述待识别图像的图像信息，所述图像信息包括数据格式信息、图像尺寸信息及像素值信息；

25、基于所述图像信息确定所述二维二值图像的数据格式，根据所述图像信息的图像尺寸信息确定所述二维二值图像的尺寸；

26、依据所述数据格式和所述尺寸，从所述待识别图像中读取的像素值信息中提取所述二维二值图像中各个像素对应的像素值，并捕捉所述各个像素的坐标；

27、根据所述像素值采集所述各个像素的灰度值，将所述坐标作为所述二维二值图像的x轴坐标，以所述灰度值作为所述二维二值图像的y轴坐标，完成所述二维二值图像的转换。

28、所述基于所述二维二值图像的不变矩作为识别特征，将所述二维二值图像经过所述不变矩的特征提取后，应用bp神经网络对所述二维二值图像进行识别，获得图像识别结果的步骤中，包括：

29、获取所述二维二值图像的红外图像样本；

30、基于所述红外图像样本，采集样本的温度差、样本的发热区域面积和样本的不变矩构成样本特征向量进行输入至预设的空白神经网络，以两位二进制数作为所述空白神经网络的输出，通过所述样本特征向量对所述空白神经网络进行训练，构建所述bp神经网络。

31、所述基于所述图像数据中的火焰图像红外数据，获取所述图像识别结果中的焦距值，根据预设的焦距温度比对表格，识别所述火焰图像的对应温度的步骤中，包括：

32、获取所述图像数据的焦距补偿值，基于所述焦距补偿值在所述焦距温度比对表格中得到焦距补偿值对应的温度值，其中，所述焦距补偿值具体为摄像装置与火焰之间的需要补偿区间距离值；

33、判断所述温度值是否小于预设温度值；

34、若是，则所述图像数据中的焦距值＝(预设温度值-温度值)×焦距补偿值，若否，则所述图像数据中的焦距值＝(预设温度值+温度值)÷焦距补偿值。

35、所述对所述图像数据中预设区域的温度数据进行边缘检测，检测所述预设区域的轮廓数据的步骤中，包括：

36、提取所述图像数据中的至少一个或多个轮廓点，基于所述轮廓点的数量值确定所述预设区域的分割份量；

37、采用预设的语义分割对所述预设区域进行区域分割，得到所述预设区域的边缘信息，将所述预设区域的边缘节点进行连接；

38、删除所述预设区域中的连通域，得到所述预设区域的小分叉，根据预设的图像闭操作将所述小分叉在所述预设区域中进行填充，得到所述预设区域中的各个轮廓数据。

39、所述并采用退火算法进行推理计算，对所述预设区域的至少一个或多个像素点应用退火计算,得到所述像素点的误差值，将所述误差值输入至预设的误差矩阵中,得到至少一个或多个所述预设区域的温度数值的步骤中，包括：

40、基于退火算法预设的初始温度和温度迭代次数，对所述像素点进行迭代运算，得到至少一个或多个迭代结果，其中，所述迭代结果具体为首个像素点和下一像素点的误差值；

41、判断所述迭代结果是否处于预设的误差区间；

42、若是，则采集所述迭代结果的误差值作为所述预设区域的温度数值；

43、若否，则基于当个迭代结果继续进行所述迭代运算，直至所述迭代结果的误差值处于所述预设的误差区间，终止所述迭代运算，基于多个迭代结果获取对应的多个预设区域的温度区间值，根据所述多个预设区域的温度区间值进行预设的平均值选取，得到所述预设区域的温度数值。

44、本发明提供了一种基于火焰图像进行温度检测的摄像系统及检测方法，具有以下有益效果：

45、本发明通过采用摄像系统来采集火焰的影像，获取火焰图像数据，基于图像数据计算得出火焰的实际距离和温度分布，推算出火灾发生时，火焰分布在图像数据中的各个分割区域对应的实时温度分布，并给出火势的走向预测；为消防人员或工作人员提供了灭火数据支持，提高了灭火过程中的安全性和效率。