[发明专利]基于RGB视觉的电厂烟火监测方法、装置、系统和存储介质

说明书

本发明提供一种基于RGB视觉的电厂烟火监测方法、装置、系统和存储介质，所述方法包括：获取预设监测区域的RGB视频图像；对所述RGB视频图像进行感兴趣区域提取，得到目标视频图像；根据深度学习目标检测算法对所述目标视频图像进行烟火检测，得到所述目标视频图像中的烟火种类和坐标位置；将所述RGB视频图像、所述烟火种类和所述坐标位置发送到云服务器，使云服务器根据所述坐标位置发出相应的报警信息；本发明解决了现有技术中的电厂烟火监测方法不能对烟火进行及时有效的预判和报警，并且由于外界环境的原因经常出现误判的问题，具有处理速度快、实时性强和准确率高的特点，有助于解决电厂安全方面的问题。

技术领域

本发明涉及图像识别技术领域，具体涉及基于RGB视觉的电厂烟火监测方法、装置、系统和存储介质。

背景技术

目前，电厂对烟火的监测根据烟火不同的燃烧现象采样不同类型的烟火探测器，其主要类型有：感温型、感烟型、感光型和气敏型四大类。通常火灾的发生过程由六个阶段组成：吸热阶段、热解阶段、发烟阶段、扩散阶段、明火阶段和衰减阶段，但烟火探测器多数都是在火灾出现的后面三个阶段出现警报，而此时火灾可能相当严重了，而且烟火探测器大多是采用浓度检测法，采集的火灾信息物理量少，相对大空间场所、大范围场景等，常常会由于探测的远近或位置等因素无法起作用；另外，一些对于可见光和红外光的结合使用用于火灾的判断也具备同样的缺点，容易受环境温度等条件影响，进而影响烟火发生判断。

可见，现有技术中的电厂烟火监测方法不能对烟火进行及时有效的预判和报警，并且由于外界环境的原因经常出现误判的问题，因此不能及时有效的解决电厂安全方面的问题。

发明内容

针对现有技术中所存在的不足，本发明提供的基于RGB视觉的电厂烟火监测方法、装置、系统和存储介质，其解决了现有技术中的电厂烟火监测方法不能对烟火进行及时有效的预判和报警，并且由于外界环境的原因经常出现误判的问题，具有处理速度快、实时性强和准确率高的特点，有助于解决电厂安全方面的问题。

第一方面，本发明提供一种基于RGB视觉的电厂烟火监测方法，应用于图像采集端，所述方法包括：获取预设监测区域的RGB视频图像；对所述RGB视频图像进行感兴趣区域提取，得到目标视频图像；根据深度学习目标检测算法对所述目标视频图像进行烟火检测，得到所述目标视频图像中的烟火种类和坐标位置；将所述RGB视频图像、所述烟火种类和所述坐标位置发送到云服务器，使云服务器根据所述坐标位置发出相应的报警信息。

可选地，根据深度学习目标检测算法对所述目标视频图像进行烟火检测，得到所述目标视频图像中的烟火种类和坐标位置，包括：根据基础网络算法对所述目标视频图像进行多尺度检测，得到烟火形态图像；对所述烟火形态图像进行类别预测，获取到所述烟火种类；根据所述RGB视频图像，对所述烟火形态图像进行位置回归，获取到所述坐标位置。

可选地，对所述烟火形态图像进行类别预测，获取到所述烟火种类，包括：构建生成对抗网络模型；将烟火样本图像输入到所述生成对抗网络模型，得到烟火样本图像集；将所述烟火形态图像与所述烟火样本图像集进行比较，得到所述烟火形态图像中的烟火种类。

可选地，根据所述RGB视频图像，对所述烟火形态图像进行位置回归，获取到所述坐标位置，包括：构建位置回归网络模型；将所述烟火形态图像输入到所述位置回归网络模型；根据所述烟火形态图像得到相对位置数据；根据所述RGB视频图像，对所述相对位置数据进行定位，得到所述坐标位置。

可选地，对所述RGB视频图像进行感兴趣区域提取，得到目标视频图像，包括：通过背景自适应算法对所述RGB视频图像进行处理，得到所述RGB视频图像中的运动目标；根据所述运动目标和自适应阈值，得到所述RGB视频图像中的运动区域；将所述运动区域从所述RGB视频图像中进行分割，得到所述目标视频图像。