一种基于视觉的火灾监控方法与流程

1.本发明属于安防技术领域，涉及一种基于视觉的火灾监控方法。


背景技术：

2.2020年，我国发生火灾25.2万起，直接经济损失高达40.09亿。
3.现有火灾监控一般由消防火灾自动报警系统和消防联动系统2种组成，火灾自动报警系统是将燃烧产生的烟雾、热量、火焰等物理量，通过火灾探测器变成电信号，传输到火灾报警控制器，并同时以声或光的形式通知整个楼层疏散，控制器记录火灾发生的部位、时间等，使人们能够及时发现火灾，并及时采取有效措施，扑灭初期火灾。
4.然而，现有的消防火灾自动报警系统存在以下不足：
5.1.火灾探测器(探头)超期服役，国产探头寿命一般在三万小时左右(三年半)，世界名牌火灾探测器的使用寿命最高可达六万小时(七年)。但现在有的建筑报警系统如应用时间过长，对探头仍不更换、不维修、不清洗，探测器的灵敏度根本满足不了工作需要，所得到的火灾信息也不准确，这就可能贻误报警时机，造成灾难；
6.2.常用火灾探测器，是采集一定空间内燃烧产生的烟雾、热量、火焰等物理量，通过火灾探测器变成电信号，传输到火灾报警控制器，属于被动接触，易受空间、气流、温度影响，时间长，准确率低，触发警报时，往往小火已经变成大火；
7.3.现有的火灾探测器一般安装于保护空间的顶棚或墙壁之上,并且需要被探测信号(如烟雾)进入探测器并积累到一定程度时才会产生报警,属于接触式探测。在一些高大空间、户外空间以及存在不稳定气流的场所，由于环境因素干扰的影响，火灾信号很难及时快速地到达探测器﹐会导致上述火灾探测器无法正常有效工作，影响探测精度与准确性。


技术实现要素：

8.本发明为解决上述技术问题，本发明的目的是提供一种基于视觉的火灾监控方法，解决了采用视觉方式进行火灾报警，并预测火灾发展趋势的技术问题。
9.为实现上述目的，本发明采用如下技术方案：
10.一种基于视觉的火灾监控方法，包括在监控地点部署数个摄像头，每一个摄像头拍摄的画面均为一个监控区域；
11.所有摄像头均通过数据线与火灾防控中心平台通信；
12.在火灾防控中心平台建立监控地点的背景模型；
13.根据摄像头拍摄的画面，获取易燃物品在画面中的占比；
14.对火灾易发区域进行判断，并根据判断结果对监控区域进行火灾易发区域或火灾不易发区域的判定；
15.在背景模型中添加每一个摄像头的监控区域；
16.当某一个监控区域发生火灾时，摄像头根据深度神经网络模型确定火灾画面；
17.火灾防控中心平台显示火灾画面以及摄像头编号信息，同时在背景模型中标定出
火灾发生在哪一个监控区域，并发出火灾报警；
18.火灾防控中心平台在背景模型中模拟火灾发展趋势。
19.优选的，火灾防控中心平台部署分布式服务器集群或只部署单独的中心服务器，摄像头通过数显与分布式服务器集群或中心服务器通信。
20.优选的，在对火灾易发区域进行判断时，具体包括如下步骤：
21.步骤1：对摄像头拍摄的画面进行分析，通过深度神经网络模型，得到画面中所有的易燃物品；
22.步骤2：在画面中，对每一个易燃物品分别以方框标出；
23.步骤3：计算方框在画面中的面积占比，当到达预设值时，判断摄像头拍摄的区域为火灾易发区域；反之，则判断为火灾不易发区域；
24.根据步骤1和步骤2的方法，对每一个摄像头拍摄的监控区域均进行判断，划分出火灾易发区域和火灾不易发区域。
25.优选的，在背景模型中模拟火灾发展趋势时，具体包括如下步骤：
26.步骤a1：在背景模型中标定火灾发生的监控区域，设定该监控区域为监控区域a；
27.步骤a2：获取与监控区域a相邻的一个监控区域b；
28.步骤a3：判断监控区域b是否为火灾易发区域：是，则判断火灾向监控区域b发展；不是，则判断火灾不想监控区域b发展；
29.步骤a4：根据步骤a2和步骤a3的方法，对所有与监控区域a相邻的监控区域进行判断；
30.步骤a5：根据步骤a4的结果，得到火灾发展趋势图，并标定在背景模型中。
31.本发明的有益效果：
32.本发明所述的一种基于视觉的火灾监控方法，解决了采用视觉方式进行火灾报警，并预测火灾发展趋势的技术问题，本发明根据深度神经网络模型对火灾画面进行判定，可在火灾图像出现的5秒之内，快速识别火焰或烟雾，同时发出火灾报警信号，探测速度远远快于常规的火灾探测器，能够同时分别探测监控区域内的火焰和烟雾，并发出相应的报警信号，无论是阴燃的烟雾还是明显的火焰，都能迅速识别，快速报警，本发明可以利用目前市场上9成以上的各种型号的视频监控系统，只需获取摄像头画面即可进行判定，加载方式简单，操作方便，具有广泛的适用性和兼容性，本发明可以在背景模型中模拟火灾的发展趋势，为消防提供有力的支持。
附图说明
33.图1为本发明的流程图；
34.图2是本发明的对监控区域进行火灾易发区域或火灾不易发区域标定的流程图；
35.图3是本发明的实际拍摄的火灾不易发区域的监控画面；
36.图4是本发明的世界拍摄的火灾易发区域的监控画面；
37.图中：易燃物1、不易燃物2、方框4、边框5。
具体实施方式
38.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，所描述的实施例仅仅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。
39.如图1-图4所示的一种基于视觉的火灾监控方法，包括在监控地点部署数个摄像头，每一个摄像头拍摄的画面均为一个监控区域；
40.所有摄像头均通过数据线与火灾防控中心平台通信；
41.在火灾防控中心平台建立监控地点的背景模型；
42.根据摄像头拍摄的画面，获取易燃物品在画面中的占比；
43.对火灾易发区域进行判断，并根据判断结果对监控区域进行火灾易发区域或火灾不易发区域的判定；
44.在背景模型中添加每一个摄像头的监控区域；
45.当某一个监控区域发生火灾时，摄像头根据深度神经网络模型确定火灾画面；
46.利用深度神经网络模型判断明火为现有技术，故不详细叙述。
47.火灾防控中心平台显示火灾画面以及摄像头编号信息，同时在背景模型中标定出火灾发生在哪一个监控区域，并发出火灾报警；
48.火灾防控中心平台在背景模型中模拟火灾发展趋势。
49.优选的，火灾防控中心平台部署分布式服务器集群或只部署单独的中心服务器，摄像头通过数显与分布式服务器集群或中心服务器通信。
50.优选的，在对火灾易发区域进行判断时，具体包括如下步骤：
51.步骤1：对摄像头拍摄的画面进行分析，通过深度神经网络模型，得到画面中所有的易燃物品；
52.所述深度神经网络模型为现有技术，用于判断画面中的具体物体的种类，故不详细描述。
53.步骤2：在画面中，对每一个易燃物品分别以方框标出；
54.如图3和图4所示，在实施例中，易燃物品的方框需要框住画面中的易燃物品，具体实施时，本技术在获取到易燃物品的画面后，采用的方框要比易燃物品本身在画面中的占比面积要大一些。
55.步骤3：计算方框在画面中的面积占比，当到达预设值时，判断摄像头拍摄的区域为火灾易发区域；反之，则判断为火灾不易发区域；
56.根据步骤1和步骤2的方法，对每一个摄像头拍摄的监控区域均进行判断，划分出火灾易发区域和火灾不易发区域。
57.优选的，在背景模型中模拟火灾发展趋势时，具体包括如下步骤：
58.步骤a1：在背景模型中标定火灾发生的监控区域，设定该监控区域为监控区域a；
59.步骤a2：获取与监控区域a相邻的一个监控区域b；
60.步骤a3：判断监控区域b是否为火灾易发区域：是，则判断火灾向监控区域b发展；不是，则判断火灾不想监控区域b发展；
61.步骤a4：根据步骤a2和步骤a3的方法，对所有与监控区域a相邻的监控区域进行判断；
62.步骤a5：根据步骤a4的结果，得到火灾发展趋势图，并标定在背景模型中。
63.如图3和图4所示，本发明在判断监控区域是否为火灾易发区域时，只需对画面中的方框进行面积计算即可，在实际应用中，本实施判断的占比阈值标准为60％，如图3所示，在画面中，画面边框为边框5，易燃物1采用方框4框起来，不易燃物2则不采用方框4框起来，在图3中，方框4的占比不到整体画面的30％，即判断该监控区域为火灾不易发区域，如图4所示，所有的易燃物1分别用方框4框起来，最后计算出所有的方框4加起来在画面中的占比超过了60％，则判断该监控空区域为火灾易发区域。
64.本实施了中，所有摄像头所拍摄的监控区域均标定在背景模型中，当某一个区域发生火灾后，监控人员可以快速的通过背景模型判断出火灾的发展趋势，为消防工作提到了一定的指导作用。
65.本发明所述的一种基于视觉的火灾监控方法，解决了采用视觉方式进行火灾报警，并预测火灾发展趋势的技术问题，本发明根据深度神经网络模型对火灾画面进行判定，可在火灾图像出现的5秒之内，快速识别火焰或烟雾，同时发出火灾报警信号，探测速度远远快于常规的火灾探测器，能够同时分别探测监控区域内的火焰和烟雾，并发出相应的报警信号，无论是阴燃的烟雾还是明显的火焰，都能迅速识别，快速报警，本发明可以利用目前市场上9成以上的各种型号的视频监控系统，只需获取摄像头画面即可进行判定，加载方式简单，操作方便，具有广泛的适用性和兼容性，本发明可以在背景模型中模拟火灾的发展趋势，为消防提供有力的支持。
66.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
67.此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
68.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。