技术特征：
1.一种火焰检测方法，其特征在于，包括：基于第一摄像单元和第二摄像单元获取包含同一待检测区域的数字采集视频和rgb采集视频；通过对所述数字采集视频进行高亮区域检测和运动区域检测生成火焰区域掩膜视频；通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频；对所述火焰区域掩膜视频的有效性进行验证并生成包含火焰区域rgb视频的预警信息。2.根据权利要求1所述的火焰检测方法，其特征在于，生成所述火焰区域掩膜视频包括：将所述数字采集视频逐帧分解为多个数字图像；利用公式逐一处理全部所述数字图像并生成多个高亮区域图像，其中，src为数字图像，mask高亮区域图像，(i，j)为像素坐标，threshold为特征提取值；对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模，并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像；逐帧基于所述高亮区域图像及其对应帧的所述运动区域图像生成多个掩膜区域图像；基于所述多个掩膜区域图像生成所述火焰区域掩膜视频。3.根据权利要求2所述的火焰检测方法，其特征在于，对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模，并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像包括：利用公式更新像素点的像素值的概率分布，其中，p(x)为像素点(i，j)像素值的概率分布，由k个高斯分布的线性组合构成，α
k
为高斯分布系数，μ
k
为高斯分布均值，σ
k
为标准差；对于像素点(i，j)，其像素值为x，如果其满足|x-μ
k
|≤d1σ
k
，则x属于第k个高斯分布，该像素点(i，j)为背景点，否则像素点(i，j)为前景点，其中，d1为常数；遍历每一帧的全部前景点生成每一帧的运动区域图像。4.根据权利要求3所述的火焰检测方法，其特征在于，通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的所述火焰区域rgb视频包括：将所述数字采集视频和所述rgb采集视频逐帧分解为多个帧相同的数字图像和rgb图像对；基于所述数字图像和rgb图像对进行特征点检测和特征点匹配，建立所述数字图像和rgb图像对中所述数字图像与所述rgb图像的映射关系；基于相同帧的所述掩膜区域图像、所述数字图像和rgb图像对和所述映射关系生成火焰区域rgb图像；
重复上述步骤直至遍历生成全部帧的所述火焰区域rgb图像，并基于全部帧的所述火焰区域rgb图像生成所述火焰区域rgb视频。5.根据权利要求4所述的火焰检测方法，其特征在于，对所述火焰区域掩膜视频的有效性进行验证包括：获取火焰数据集；搭建基于cnn+rnn的神经网络模型fire detection；使用火焰数据集对fire detection模型进行训练；使用fire detection模型对所述火焰区域掩膜视频进行验证。6.一种火焰检测系统，其特征在于，包括：第一摄像单元，设置有滤光片，用于获取待检测区域的数字采集视频；第二摄像单元，用于获取所述待检测区域的rgb采集视频；数据处理单元，用于对所述数字采集视频进行高亮区域检测和运动区域检测生成火焰区域掩膜视频，并通过对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的火焰区域rgb视频，且对所述火焰区域掩膜视频的有效性进行验证并生成包含火焰区域rgb视频的预警信息。7.根据权利要求6所述的火焰检测系统，其特征在于，所述数据处理单元生成所述火焰区域掩膜视频包括：将所述数字采集视频逐帧分解为多个数字图像；利用公式逐一处理全部所述数字图像并生成多个高亮区域图像，其中，src为数字图像，mask高亮区域图像，(i，j)为像素坐标，threshold为特征提取值；对所述数字采集视频的每一帧图像的全部像素点进行高斯混合建模，并通过遍历每一帧的像素值不属于第一预设阈值区间的像素点得到每一帧的运动区域图像；逐帧基于所述高亮区域图像及其对应帧的所述运动区域图像生成多个掩膜区域图像；基于所述多个掩膜区域图像生成所述火焰区域掩膜视频。8.根据权利要求7所述的火焰检测系统，其特征在于，所述数据处理单元更新像素值包括：利用公式更新像素点的像素值的概率分布，其中，p(x)为像素点(i，j)像素值的概率分布，由k个高斯分布的线性组合构成，α
k
为高斯分布系数，μ
k
为高斯分布均值，σ
k
为标准差；对于像素点(i，j)，其像素值为x，如果其满足|x-μ
k
|≤d1σ
k
，则x属于第k个高斯分布，该像素点(i，j)为背景点，否则像素点(i，j)为前景点，其中，d1为常数；遍历每一帧的全部前景点生成每一帧的运动区域图像。9.根据权利要求6所述的火焰检测系统，其特征在于，所述数据处理单元对所述火焰区域掩膜视频进行视角变换获取rgb采集视频中包含的所述火焰区域rgb视频包括：将所述数字采集视频和所述rgb采集视频逐帧分解为多个帧相同的数字图像和rgb图像对；基于所述数字图像和rgb图像对进行特征点检测和特征点匹配，建立所述数字图像和rgb图像对中所述数字图像与所述rgb图像的映射关系；基于相同帧的所述掩膜区域图像、所述数字图像和
rgb图像对和所述映射关系生成火焰区域rgb图像；重复上述步骤直至遍历生成全部帧的所述火焰区域rgb图像，并基于全部帧的所述火焰区域rgb图像生成所述火焰区域rgb视频。10.根据权利要求8所述的火焰检测系统，其特征在于，所述火焰检测系统还包括用于对所述火焰区域掩膜视频的有效性进行验证的神经网络单元，其中，所述神经网络单元获取火焰数据集，搭建基于cnn+rnn的神经网络模型fire detection；，并使用火焰数据集对fire detection模型进行训练，通过fire detection模型对所述火焰区域掩膜视频进行验证。