[发明专利]一种基于图像的火灾检测方法

说明书

本发明公开了一种基于图像的火灾检测方法，获取当前帧图像和背景帧图像；对当前帧图像和背景帧图像进行第一预处理，得到第一预处理当前帧图像和第一预处理背景帧图像；提取形状不规则特征、背景模糊特征以及面积增长率；基于第一BP神经网络模型，以形状不规则特征、背景模糊特征和面积增长率作为输入值，得出烟雾检测结果；当烟雾检测结果为有烟雾时，对当前帧图像和背景帧图像进行火焰检测，并根据火焰检测结果得到火灾检测结果；本发明通过将背景帧图像作为图像比对的基础，提取当前帧图像和背景帧图像中的烟雾特征，再结合BP神经网络模型，先对图像中的烟雾进行检测，若无烟雾，则不需要进行火焰检测，节省检测时间，提升检测效率。

技术领域

本发明属于图像检测技术领域，尤其涉及一种基于图像的火灾检测方法。

背景技术

火的使用与早期人类社会的进步息息相关，与此同时，由火焰引发的火灾却对人们的生命财产安全造成了严重威胁。国家应急管理部发布数据表明，2020年，全国范围内，仅3月份，共发生森林火灾221起，同比减少34.2％，而仅四川省境内，发生森林草原火灾共42起，同比增加26起，增幅达到163％。最严重的一起火灾是3月30日，位于四川省凉山州西昌市，造成19名人员牺牲。2019年，亚马逊森林大火过火面积89万公顷，同年西伯利亚大火导致270万公顷被熊熊大火灼烧，此前备受人们关注的澳大利亚大火，自2019年9月开始至今年4月，全境总计1120万公顷森林被烧毁。火情致使人们伤亡惨重甚至无家可归，除此之外对当地的经济也造成了巨大打击。就澳洲本次火情而言，据银行估算，山火迄今造成的损失已经超过34亿美元，整个澳大利亚的GDP也将因此减少0.2％至0.5％。

在中国，1987年发生的特大森林火灾，位于黑龙江省大兴安岭地区林场。此次火灾造成全国110万公顷的过火面积，受灾群众5万余人，死亡193人，226人受伤，造成当地直接经济损失大约55亿元人民币。

随着科技的发展，人们逐渐意识到需要加强预警监测系统建设，与其在意外发生时耗时耗力控制，不如提高火灾预警水平，及时发现着火区域，尽早控制并消灭火情。因此如何高效的检测、报警火灾，及时预防、控制火情，引起人们的极大关注。

火灾的发生对人们造成的各种危害使得火灾报警系统的研究发展在很早之前就已经展开。最初的火灾报警系统主要是基于检测火灾发生时产生的燃烧物质而进行的传感器报警，后期为了实现多传感器集成警报，使用了感烟、感温、感光探测器及复合型探测器等多个传感器。利用火焰的烟雾，温度和光的特征来检测火灾并转换火灾信号(模拟信号)，并将其转换为电信号(数字信号)，反馈给控制中心进行检测。

但是，对于户外及高大空间而言，传统感烟、感温、感光式火灾探测器等单一判据的监测系统应用性不强，易受环境内其他因素干扰，误报率较高。

发明内容

本发明的目的是提供一种基于图像的火灾检测方法，通过与烟雾和火焰进行结合分析，提高火灾检测准确率，降低火灾预警的误报率。

本发明采用以下技术方案：一种基于图像的火灾检测方法，包括以下步骤：

获取当前帧图像和背景帧图像；

对当前帧图像和背景帧图像进行第一预处理，得到第一预处理当前帧图像和第一预处理背景帧图像；其中，背景帧图像为当前帧图像之前的第N帧图像，N为大于等于1的整数；

提取第一预处理当前帧图像中第三区域的形状不规则特征、第一预处理当前帧图像和第一预处理背景帧图像之间的背景模糊特征、以及第一预处理当前帧图像和第一预处理背景帧图像中的疑似烟雾区域的面积增长率；

基于第一BP神经网络模型，以形状不规则特征、背景模糊特征和面积增长率作为输入值，得出烟雾检测结果；

当烟雾检测结果为有烟雾时，对当前帧图像和背景帧图像进行火焰检测，并根据火焰检测结果确定火灾检测结果。

进一步地，第一预处理包括：