本发明涉及计算机视觉,具体涉及一种基于阈值折线推进的野火行为提取方法。
背景技术:
1、野火火灾是一种极具破坏力的自然灾害,它的发生会烧毁茂密的野火植被,导致生态环境被破坏并引发大气污染等问题。由于野火的蔓延扩散具有不稳定、危险性高的特点,火势蔓延一旦形成规模,火灾的扑救代价也成几何级速增大,扑救难度直线上升的同时也极大威胁了执行火灾扑救任务的消防人员的生命安全。同时,野火的风向、湿度和气候等因素也会影响火势的发展,增加野火扑救难度。虽然现有的无人机已经广泛应用于野火的发现和定位中,然而如何实时高精度获取野火行为参数的获取方法(蔓延速度、方向和火焰强度等)即从图像、视频数据中提取野火的行为数据的方法仍未见报到。野火行为是指从野火开始到蔓延直至熄灭的整个过程中火焰表现出的各种现象和特征,野火行为主要有火焰方向、火焰蔓延速度、火焰强度、火焰高度、火焰大小等。如何获取高精度野火行为是进行高效扑救的前提条件,若消防人员在扑救过程中能够获取详细且准确的野火行为,火灾扑救效率将大幅度得到提高,所以找到一种能够高精度提取野火行为的方法对于火灾扑救十分重要。
2、目前,对于野火火灾的相关研究,主要集中在火的检测和火场仿真模拟上,侧重点都是对检测图像火焰和火场重现上,而对火场野火行为进行进一步信息提取的相关研究很少。火焰检测只能对火灾进行预警,但是无法应用于消防人员的火灾扑救过程,无法提高火灾的扑救效率。而火场重现可以加深对火场的认识,但只能用于火灾发生后的火场具体分析。
技术实现思路
1、本发明的目的在于提供一种基于阈值折线推进的野火行为提取方法,该方法有利于快速、高精度地提取野火行为信息。
2、为了实现上述目的,本发明采用的技术方案是:一种基于阈值折线推进的野火行为提取方法,包括以下步骤:
3、步骤s1:获取火场图像,对获得的火场图像进行预处理,构建火场数据集,并将火场数据集与获得的公共数据集一起划分为训练集、测试集和验证集,用于后续模型训练和参数优化;
4、步骤s2:利用聚类分块算法实现图像分块,通过特征工程提取图像特征,基于数据集训练得到火焰区域提取模型,进而提取图像中的火焰区域;
5、步骤s3:利用阈值折线法基于火焰区域提取火场图像的火线,通过火线法向向量得到火焰蔓延方向,利用叠加法得到火焰蔓延方向矢量图;
6、步骤s4:两帧火线图像叠加,当前火线法向向量所在直线与下一帧图像火线相交得到交点,选择下一帧图像中距离交点最近的聚类中心与原聚类中心相连,计算得到两聚类中心间的像素点距离,利用距离映射得到火焰蔓延距离,进而计算得到火焰蔓延速度;
7、步骤s5:根据得到的火焰蔓延速度,结合火场图像中的植被种类,通过火焰强度计算公式得到火场火焰强度。
8、进一步地,步骤s1中,火场图像由无人机系统以俯视角度针对野火进行高速拍摄得到;对火场图像进行预处理,主要包括图像配准、图像增强和距离映射,进而得到火场数据集。
9、进一步地,步骤s2中,采用聚类分块算法对火场图像进行分块处理,即设置像素块的数量,将图像像素分为多个像素块;再利用特征工程提取图像的多种特征,并通过打标签的方式建立图像特征与火之间的联系;然后通过数据集对cnn深度卷积网络进行训练来得到火焰区域提取模型,再通过得到的火焰区域提取模型来分割并提取图像中的火焰区域。
10、进一步地,所述特征工程主要提取色彩空间、形状和纹理三种特征,从图像色彩空间提取9个颜色特征向量,从图像形状提取2个特征向量,利用灰度共生矩阵从图像纹理提取4个特征向量,一共提取出15维特征向量提供给火焰区域提取模型进行训练;
11、给图像打标签的具体方法为:通过判断像素块中火焰面积占像素块总面积的大小来打标签,判定像素块是否有火条件如下:当火焰面积占像素块总面积超过了3/5时,判定该像素块有火,则标为1;当火焰面积占像素块总面积不超过2/5时,判定该像素块无火,则标为0;当火焰面积占像素块总面积在2/5到3/5之间时,判定为无法判断,则标为-1;
12、标签与特征工程的15维特征向量组成16维向量建立图像特征与聚类块为火聚类块的联系。
13、进一步地,步骤s3中,采用阈值折线法基于火焰区域提取火场图像的火线,即设定一阈值范围,并将火场图像中满足在阈值范围内且判定为火的聚类块聚类中心进行连线,得到火场火线;
14、然后根据得到的火场火线,计算判定为火的聚类块聚类中心之间连线的法向向量,即火线法向向量,并以火线法向向量作为火焰蔓延方向;遍历全部连线,得到整个火场火线的火焰蔓延方向;将得到的火焰蔓延方向图进行叠加融合,得到整个火场火焰蔓延方向矢量图。
15、进一步地,步骤s4中,按时间顺序相继两帧火线图像进行叠加,得到当前火线法向向量所在直线与下一帧图像火线的交点,计算该交点与下一帧图像中各判定为火的聚类块聚类中心的距离,选择距离该交点最近且判定为火的聚类块聚类中心与原聚类中心相连,计算两聚类块聚类中心间的像素点欧式距离,并进行距离映射,得到实际火焰蔓延距离,进而计算得到实际火焰蔓延速度。
16、进一步地,步骤s5中,采用的数据集图像植被类型为草本或低矮灌木,根据草本或低矮灌木的可燃物发热量和单位面积上草本或低矮灌木的质量,结合火焰蔓延速度,通过火焰强度计算公式计算得到火场火焰强度。
17、与现有技术相比,本发明具有以下有益效果:本发明提供了一种基于阈值折线推进的野火行为提取方法,该方法利用计算机视觉技术、聚类分块技术和阈值折线技术对火灾现场的野火行为信息进行自动提取,包括火焰蔓延方向、火焰蔓延速度和火焰强度,对野火行为提取的精度高、可靠性强,从而使消防人员可以直接、准确地获得火灾现场火焰蔓延的速度、方向和火焰强度,并根据火灾实况制定高效的扑救计划,进而可以在有效保障自身生命安全的情况下进行火灾扑救。此外,该方法计算量小,计算复杂度低,野火行为信息提取速度快,有利于消防人员快速准确地获取火场实况。本发明可以应用于火灾扑救便携设备、消防火灾机器人、火灾信息分析系统、无人机监控系统等,具有很强的实用性和广阔的应用前景。
1.一种基于阈值折线推进的野火行为提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于阈值折线推进的野火行为提取方法,其特征在于,步骤s1中,火场图像由无人机系统以俯视角度针对野火进行高速拍摄得到;对火场图像进行预处理,主要包括图像配准、图像增强和距离映射,进而得到火场数据集。
3.根据权利要求1所述的基于阈值折线推进的野火行为提取方法,其特征在于,步骤s2中,采用聚类分块算法对火场图像进行分块处理,即设置像素块的数量,将图像像素分为多个像素块;再利用特征工程提取图像的多种特征,并通过打标签的方式建立图像特征与火之间的联系;然后通过数据集对cnn深度卷积网络进行训练来得到火焰区域提取模型,再通过得到的火焰区域提取模型来分割并提取图像中的火焰区域。
4.根据权利要求3所述的基于阈值折线推进的野火行为提取方法,其特征在于,所述特征工程主要提取色彩空间、形状和纹理三种特征,从图像色彩空间提取9个颜色特征向量,从图像形状提取2个特征向量,利用灰度共生矩阵从图像纹理提取4个特征向量,一共提取出15维特征向量提供给火焰区域提取模型进行训练;
5.根据权利要求1所述的基于阈值折线推进的野火行为提取方法,其特征在于,步骤s3中,采用阈值折线法基于火焰区域提取火场图像的火线,即设定一阈值范围,并将火场图像中满足在阈值范围内且判定为火的聚类块聚类中心进行连线,得到火场火线;
6.根据权利要求1所述的基于阈值折线推进的野火行为提取方法,其特征在于,步骤s4中,按时间顺序相继两帧火线图像进行叠加,得到当前火线法向向量所在直线与下一帧图像火线的交点,计算该交点与下一帧图像中各判定为火的聚类块聚类中心的距离,选择距离该交点最近且判定为火的聚类块聚类中心与原聚类中心相连,计算两聚类块聚类中心间的像素点欧式距离,并进行距离映射,得到实际火焰蔓延距离,进而计算得到实际火焰蔓延速度。
7.根据权利要求1所述的基于阈值折线推进的野火行为提取方法,其特征在于,步骤s5中,采用的数据集图像植被类型为草本或低矮灌木,根据草本或低矮灌木的可燃物发热量和单位面积上草本或低矮灌木的质量,结合火焰蔓延速度,通过火焰强度计算公式计算得到火场火焰强度。