[发明专利]一种基于视频图像融合分析算法的电力管廊火源识别及火点测距方法

说明书

本发明涉及一种基于视频图像融合分析算法的电力管廊火源识别及火点测距方法，利用视频采集装置周期性对隧道内现场环境进行扫描，系统后台对实时传送回来的视频图像进行过滤分析，通过图像处理、特征提取、深度学习等多种算法相融合来综合判别各画面中有无火灾发生。后端系统将视频装置轮询的路径与云台转向预置位进行坐标匹配，通过对预置位坐标的读取和换算来估算火源与摄像头间的方向和距离，从而实现火点测距。本发明方法适合于用在电力管廊等密闭空间中判断有无火灾以及火源测距场景，主要关键点在于火灾及着火面积的识别和判断，并计算出火点的大致间距，为电力电缆运维人员进行火灾应急处置时提供重要参考依据。

技术领域

本发明涉及电力火灾判断领域，特别是一种基于视频图像融合分析算法的电力管廊火源识别及火点测距方法。

背景技术

电力部门对电力管廊内火灾监控提出了更高要求，对火灾判断和识别准确率需接近100％，还对火源与防火门、工作井、电缆接头等设备之间的距离和蔓延时间估算也提出了相应要求，以便作为制定火情处置方案的重要依据。

目前行业领域内针对电力管廊火灾监控的的研究已成为电力管廊监控系统中的重要组成部分，一般通过烟雾和测温来判断是否发生火灾，而通过视频图像来分析隧道内火源和火源范围的技术尚不多见，且研究技术均无火点测距功能。由于电力管廊内环境的复杂性，火情趋势及着火点点位和险情处置极为困难，如处置不当反而会发生不必要的人员伤亡事故和更大的财产损失。因此如果能够通过智能化技术手段来分析和评估火情情况，并同时计算和定位出电力管廊内火灾火点的参考距离，能够给运维抢修人员降低火情应急处置的难度，让火灾抢救更加及时和有效。

发明内容

有鉴于此，本发明的目的是提出一种基于视频图像融合分析算法的电力管廊火源识别及火点测距方法，能够给出电力管廊内火灾火点的参考距离，能够给运维抢修人员降低应急处置的难度。

本发明采用以下方案实现：一种基于视频图像融合分析算法的电力管廊火源识别及火点测距方法，具体包括以下步骤：

步骤S1：通过视频采集装置周期性对隧道内现场环境进行轮询扫描，其中视频采集装置由云台控制转向；

步骤S2：依次通过图像预处理和分割、火焰特征提取、以及采用深度学习算法对火焰特征进行识别，判别步骤S1采集的各画面中有无火灾发生；若有火灾发生，则进入步骤S3，否则返回步骤S1；

步骤S3：将视频装置采集轮询的路径与云台转向预置位进行坐标匹配，通过对预置位坐标的读取和换算来估算火源与摄像头间的方向和距离。

本发明利用集成有可见光、热成像摄像和控制云台的视频设备，通过周期性对隧道内现场环境进行扫描，系统后台对实时传送回来的视频图像进行过滤分析，通过图像处理、特征提取、深度学习等多种算法相融合来综合判别各画面中有无火灾发生。后端系统将视频装置轮询的路径与云台转向预置位进行坐标匹配，通过对预置位坐标的读取和换算来估算火源与摄像头间的方向和距离，从而实现火点测距。本发明方法适合于用在电力管廊等密闭空间中判断有无火灾以及火源测距场景，主要关键点在于火灾及着火面积的识别和判断，并计算出火点的大致间距，为电力电缆运维人员进行火灾应急处置时提供重要参考依据。

进一步地，所述视频采集装置为热成像视频采集设备，包括高清可见光镜头和红外热成像镜头。

进一步地，所述视频采集装置采用固定焦距的方式，并对目标区域采用热源灰度轮询扫描。

进一步地，步骤S1还包括：对需要监控的隧道进行现场勘查，确定视频采集装置的选点安装位置，同时对云台预置位进行配置，现场测量好对设定好的各预置位的实际距离和方位角度，并与预置位点在系统后台映射保存。

进一步地，步骤S2中，所述采用深度学习算法对火焰特征进行识别具体包括以下步骤：

步骤S21：建立神经网络，并确定权值；