[发明专利]一种基于双目视觉的矿井火灾识别与火源定位方法

权利要求书

1.一种基于双目视觉的矿井火灾识别与火源定位方法，其特征在于：火灾识别与火源定位方法包括以下步骤：

步骤1：在矿井下重点监测区域安装双目摄像机，采用立体匹配方法对双目摄像机进行视觉配准；

步骤2：在摄像机监测区域内，通过双目摄像机计算不同位置处的目标估计距离，并与目标位置距摄像机的实测距离进行对比，拟合估计距离与实测距离的函数关系；

步骤3：采集摄像机监测区域内的火灾视频图像，并根据火灾视频图像提取火灾的动态特征、静态特征和深度特征；

步骤4：根据步骤3中火灾的动态特征、静态特征和深度特征，获取模型的卷积层、BN层、激活函数和损失函数，并训练深度学习模型；

步骤5：实时采集摄像机监测区域内的视频图像，并通过构造的深度学习模型对所述的视频图像进行判识；

步骤6：循环步骤5过程，当识别到火灾时，通过双目测距方法计算火源与摄像机之间的估计距离；

步骤7：根据所述的估计距离，带入估计距离与实测距离的函数关系，对火源位置进行实时定位。

2.如权利要求1所述的火灾识别与火源定位方法，其特征在于：所述重点监测区域包括矿井下巷道、采煤工作面、掘进工作面、机电硐室、井下变电站。

3.如权利要求1所述的火灾识别与火源定位方法，其特征在于：双目摄像机采用可调基线的双目探测单元，摄像机采用双可见光摄像机或双红外摄像机或红外摄像机与可见光摄像机。

4.如权利要求1所述的火灾识别与火源定位方法，其特征在于：火灾的动态特征包括火焰的面积变化率、火焰尖角变化率、火焰周长变化率、亮度变化率、质心移动区域；静态特征包括火焰的面积、周长、圆形度、矩形度、尖角数、颜色和纹理；深度特征包括浅层特征、中间层特征和深层特征。

5.如权利要求1所述的火灾识别与火源定位方法，其特征在于：深度学习模型的网络结构采用多个尺度的特征图，所述特征图的个数不小于2；深度学习模型的目标标记采用基于候选框的多尺度预测方法；损失函数包括目标置信度损失、目标分类损失、目标定位偏移量损失。

6.如权利要求1所述的火灾识别与火源定位方法，其特征在于：双目摄像机的视觉配准过程包括以下步骤：

步骤A1：预打印不同尺寸的棋盘标定纸，分别将棋盘标定纸依次平整的贴在距摄像机不同距离处；

步骤A2：使用双目摄像机同时拍摄，改变棋盘标定板的角度和距离，重复进行多次拍摄，依次拍摄15-20张；

步骤A3：获取在同一位置处的棋盘标定图片，依次提取角点进行标定，当平均标定误差小于0.5像素时，此次标定结果可用，得到相机的内外参数和畸变矩阵；

步骤A4：使用摄像机的内外参数和畸变矩阵对图像进行极线校正，使左右视图上的匹配点位于同一条直线上；

步骤A5：进行立体匹配，在左右视图上寻找匹配点，完成视觉配准。