一种基于边框掩码质心偏移的视频火灾蔓延监测方法与流程

本发明涉及火灾监测，尤其涉及一种基于边框掩码质心偏移的视频火灾蔓延监测方法。

背景技术：

1、火灾是指在时间或空间上失去控制的燃烧所造成的伤害，是最经常、最普遍威胁公众安全的主要灾害之一，而工厂火灾由于其特殊的环境和复杂性，往往会造成更为严重的后果，不仅会威胁员工生命安全，还可能引发连锁反应，如有毒气体泄漏和爆炸事故等，对周边社区及生态环境造成长期影响。因此，工厂火灾的早期检测与及时防控至关重要。

2、然而，传统的火灾监测手段（如烟雾探测器、温度传感器）在工厂环境中存在诸多局限性，难以满足现代工厂复杂场景的火灾预警需求，具体问题包括覆盖范围有限，工厂通常占地面积大，且内部结构复杂，传统传感器需要密集部署才能实现全面覆盖，这不仅增加了成本，还可能导致监测盲区；误报率高，工厂环境中存在大量干扰因素，例如焊接烟雾、粉尘、蒸汽等，这些因素容易触发烟雾探测器的误报，而高温作业环境可能导致温度传感器的误报；响应速率慢，传统传感器通常需要火灾发展到一定阶段才能触发警报，难以实现火灾的早期预警，在工厂环境中，火灾往往在初期阶段发展迅速，传统传感器的延迟可能导致火灾在未被发现的情况下迅速蔓延，造成更大的损失。

3、随着工业规模的扩大和生产技术的进步，工厂火灾监测的需求日益增长，传统技术已无法满足现代工厂的复杂需求，因此，亟需一种高效、精准、智能的火灾监测方法来应对现代工厂的火灾监测。

技术实现思路

1、有鉴于此，本申请提供一种基于边框掩码质心偏移的视频火灾蔓延监测方法，以解决现有技术存在的不足 。

2、本申请第一方面提供一种基于边框掩码质心偏移的视频火灾蔓延监测方法，包括：

3、基于部署在预设区域的多源摄像头网络实时采集视频数据，基于所述视频数据，获取相应实时图像并进行去噪处理得到目标图像；

4、对所有目标图像中火焰区域采用火焰边界框进行数据标注，得到标注图像；

5、构建图像检测网络，利用所有标注图像对所述图像检测网络进行训练，基于训练后的图像检测网络，对实时采集的视频数据进行火焰点检测，并将检测到的火焰边界框通过最小外接矩阵框映射到采集实时图像对应的rgb图像中，所述火焰边界框对应最小外接矩阵框内区域为火焰区域；

6、对所述rgb图像进行灰度处理，得到火焰灰度图；基于预设图像分割算法，对所述火焰灰度图中火焰区域及背景区域进行分割；

7、基于经过图像分割得到的火焰区域，设计边框掩码质心偏移算法计算火焰蔓延速率及方向，得到第一计算结果；

8、基于所述第一计算结果，对火灾蔓延程度进行评估。

9、在第一方面一种可能的实现方式中，获取相应实时图像并进行去噪处理包括：

10、采用opencv算法的高斯滤波函数对所述实时图像进行去噪处理。

11、在第一方面一种可能的实现方式中，对所有目标图像中火焰区域采用火焰边界框进行数据标注包括：

12、采用深度学习图像标签标注软件labelme进行数据标注。

13、在第一方面一种可能的实现方式中，确定所述火焰边界框的最小外接矩阵框包括：

14、获取所述火焰边界框的所有坐标，得到坐标集；

15、基于所述坐标集，统计所述坐标集中最大坐标为，最小坐标为，最大坐标为，及最小坐标为；

16、以坐标、、及确定所述火焰边界框的最小外接矩阵框。

17、在第一方面一种可能的实现方式中，设计边框掩码质心偏移算法包括：

18、计算所述火焰区域内的质心坐标，得到第二计算结果；

19、基于所述第二计算结果，获取预设时间内每帧实时图像的质心坐标，得到质心坐标集；

20、以所述质心坐标集中第一帧实时图像对应的质心坐标为原点，实时图像的轴方向为极坐标轴方向，建立极坐标系，并将所述质心坐标集中剩余连续的质心坐标转换为连续的极坐标后添加到所述极坐标系中；

21、基于所述质心坐标集中所有质心坐标转换为极坐标添加到的极坐标系，计算火焰质心距离偏移速率及火焰质心偏移角度。

22、在第一方面一种可能的实现方式中，采用以下公式计算所述火焰区域的质心坐标包括：

23、

24、坐标为所述火焰区域的质心坐标，坐标为所述火焰区域灰度图的像素在相应实时图像坐标系下的坐标，且所述坐标的像素值为。

25、在第一方面一种可能的实现方式中，将所述质心坐标集中剩余连续的质心坐标转换为连续的极坐标包括：

26、获取所述质心坐标集中所有连续质心坐标为、、、……及；

27、以所述质心坐标为所述极坐标系的原点，计算所述质心坐标与原点的相对坐标具体为：

28、

29、所述质心坐标的坐标为，所述质心坐标的坐标为；

30、计算所述质心坐标与原点的半径具体为：

31、

32、计算所述质心坐标与原点的角度具体为：

33、

34、所述质心坐标对应的极坐标为。

35、在第一方面一种可能的实现方式中，采用以下公式计算所述火焰质心距离偏移速率包括：

36、

37、为数据点，为数据点数量，对应第个数据点的质心极径,为所述火焰质心距离偏移速率。

38、在第一方面一种可能的实现方式中，采用以下公式计算所述火焰质心偏移角度包括：

39、

40、为在所述极坐标系中相邻帧实时图像质心角度的偏移量，为所述实时图像的帧数，为所述火焰质心偏移角度。

41、在第一方面一种可能的实现方式中，基于所述第一计算结果，对火灾蔓延程度进行评估包括：

42、若判断0＜≤d1，判定火灾蔓延等级为一级，且火灾蔓延角度为；

43、若判断d1＜≤d2，判定火灾蔓延等级为二级，且火灾蔓延角度为；

44、若判断d2＜＜1，判定火灾蔓延等级为三级，且火灾蔓延角度为。

45、其有益效果在于：本发明公开了一种基于边框掩码质心偏移的视频火灾蔓延监测方法，通过部署在预设区域的多源摄像头网采集实时图像并进行去噪处理得到目标图像，对目标图像中火焰区域采用边界框进行标注得到标注图像；构建图像检测网络，并利用标注图像进行训练，然后对实时采集的视频数据进行火焰点检测，同时将检测到的火焰边界框通过最小外接矩阵映射至rgb图像中，最小外接矩阵内区域即为火焰区域；对rgb图像进行灰度及图像分割处理，将火焰区域及背景区域进行分割，然后针对分割得到的火焰区域，设计边框掩码质心偏移算法进行火焰蔓延速率及方向，从而对火灾蔓延情况进行评估。在工厂环境火灾监测任务中，本发明不仅可以精准定位火灾源头，还能实时分析火灾蔓延趋势，从而为火灾应急决策提供关键数据支持和保障。

1.一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，获取相应实时图像并进行去噪处理包括：

3.根据权利要求1所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，对所有目标图像中火焰区域采用火焰边界框进行数据标注包括：

4.根据权利要求1所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，确定所述火焰边界框的最小外接矩阵框包括：

5.根据权利要求1所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，设计边框掩码质心偏移算法包括：

6.根据权利要求5所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，采用以下公式计算所述火焰区域的质心坐标包括：

7.根据权利要求5所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，将所述质心坐标集中剩余连续的质心坐标转换为连续的极坐标包括：

8.根据权利要求5所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，采用以下公式计算所述火焰质心距离偏移速率包括：

9.根据权利要求8所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，采用以下公式计算所述火焰质心偏移角度包括：

10.根据权利要求9所述的一种基于边框掩码质心偏移的视频火灾蔓延监测方法，其特征在于，基于所述第一计算结果，对火灾蔓延程度进行评估包括：