仓储火灾视频图像智能识别预警方法与流程
本发明涉及图像识别,尤其涉及一种仓储火灾视频图像智能识别预警方法。
背景技术:
1、在电商仓储、快递中转仓、自动化分拣仓等场景中,输送带通常作为包裹连续转运的核心设备,长时间处于高速、连续运行状态。输送带系统一般包括皮带、托辊、挡边、驱动滚筒、支架以及若干分拣滑槽,运行过程中容易出现托辊卡滞、托辊端部磨损、皮带跑偏、异物卷入、包裹卡塞等异常情况。当上述异常持续存在时,皮带与托辊、挡边或异物之间会产生局部摩擦升温,进而导致皮带边缘、包裹外包装、纸屑、塑料膜等可燃材料发生热损伤、阴燃甚至起火。
2、现有仓储火灾视频识别方法通常是通过摄像机采集仓库区域的视频图像,再基于图像中的烟雾颜色、烟雾纹理、火焰颜色、火焰闪烁、烟雾扩散形态等特征判断是否发生火灾。该类方法能够在画面中出现明显烟雾或火焰时输出报警结果,相较于传统点型烟感、温感探测器,具有可视范围大、报警直观、便于远程确认等优点。
3、但是,在输送带托辊摩擦过热这一特定场景中,火灾前期并不会立即形成大面积烟雾或明显火焰。异常通常首先发生在皮带下缘、托辊端部、挡边内侧或输送带底部缝隙处,表现为细小烟丝、局部灰雾、边缘软化、局部黑化或者阴影厚度变化。由于输送带上方持续存在包裹运动,且包裹会间歇遮挡皮带下缘区域,现有视频火灾识别方法难以将这些断续、细小、局部的视觉异常识别为同一摩擦过热事件。
4、此外,输送带运行画面中存在大量非火灾干扰,例如包裹标签反光、透明胶带反光、塑料膜抖动、皮带阴影变化、支架遮挡以及灰尘扰动。现有技术如果仅根据疑似烟雾区域的颜色、形态或运动进行判断,容易将上述干扰误判为烟雾;如果为了降低误报而提高烟雾面积阈值,又容易漏掉托辊摩擦过热阶段的微弱烟丝。
技术实现思路
1、为了解决现有技术存在的技术问题,本发明实施例提供了仓储火灾视频图像智能识别预警方法。技术方案如下:
2、仓储火灾视频图像智能识别预警方法包括:
3、获取仓储输送带运行区域的连续视频图像,并对所述连续视频图像进行图像识别处理,获得输送带结构数据、运动包裹数据和烟雾候选数据。
4、基于所述输送带结构数据中的皮带下缘和托辊端部位置确定托辊端部监测区域,并基于位于所述托辊端部监测区域内的烟雾候选数据生成端部前兆特征序列。
5、基于所述运动包裹数据与所述托辊端部监测区域的位置重叠关系确定遮挡区间,在所述遮挡区间内停止更新所述端部前兆特征序列,并将遮挡前最后一个可见时刻的端部前兆特征序列作为续接基准。
6、在所述遮挡区间结束后,基于重新获得的端部前兆特征序列与所述续接基准之间的低幅连续关系,生成端部前兆延续值。
7、基于所述烟雾候选数据与所述运动包裹数据之间的运动同步关系,从所述端部前兆延续值中扣除随动干扰分量,获得摩擦过热风险值。
8、当所述摩擦过热风险值满足预设预警条件时,生成火灾预警信号并输出对应托辊端部监测区域的位置。
9、本发明实施例提供的技术方案带来的有益效果至少包括:
10、1、本发明提供的仓储火灾视频图像智能识别预警方法,通过获取仓储输送带运行区域的连续视频图像,并从中获得输送带结构数据、运动包裹数据和烟雾候选数据,使火灾识别过程不再仅依赖整幅画面中的明显烟雾或火焰特征,而是能够将仓储输送带的固定结构、运动包裹和微弱烟雾候选信息统一到同一时间序列和图像坐标体系中进行处理。通过该方式,可以为后续托辊端部监测区域确定、端部前兆特征序列生成、遮挡区间判断和随动干扰扣除提供稳定的数据基础,避免传统视频火灾识别方法在输送带复杂运行画面中因目标混杂、背景干扰和运动遮挡而导致的识别不稳定问题。
11、2、本发明基于输送带结构数据中的皮带下缘和托辊端部位置确定托辊端部监测区域,并基于位于托辊端部监测区域内的烟雾候选数据生成端部前兆特征序列,使火灾预警对象由普通仓储画面中的泛化烟雾区域转化为与托辊端部摩擦过热高发位置直接关联的局部前兆数据。该处理能够将早期极弱、面积较小、单帧置信度不足的烟雾候选数据,按照对应托辊端部监测区域和连续视频图像采集顺序组织成时序特征,从而提高对托辊卡滞、皮带跑偏、异物夹塞等引起的摩擦过热早期微烟的捕捉能力,降低因烟雾不明显而导致的漏检和预警滞后。
12、3、本发明基于运动包裹数据与托辊端部监测区域的位置重叠关系确定遮挡区间,并在遮挡区间内停止更新端部前兆特征序列,将遮挡前最后一个可见时刻的端部前兆特征序列作为续接基准。通过该处理,系统能够识别包裹经过托辊端部时造成的短时不可见状态,不会将遮挡期间未检测到烟雾候选数据的缺失帧直接作为前兆消失依据,也不会将包裹表面反光、标签晃动或塑料膜扰动产生的候选区域错误写入端部前兆特征序列。由此可以在输送带连续运行、包裹频繁遮挡的场景下保持端部微弱前兆数据的连续性,提高遮挡前后异常状态续接判断的可靠性。
13、4、本发明在遮挡区间结束后,基于重新获得的端部前兆特征序列与续接基准之间的低幅连续关系生成端部前兆延续值,并进一步基于烟雾候选数据与运动包裹数据之间的运动同步关系扣除随动干扰分量,获得摩擦过热风险值。通过该处理,能够区分固定托辊端部处持续存在的微弱烟雾前兆与随包裹移动的伪烟雾干扰,使风险值更准确地反映托辊端部摩擦过热状态。同时,当摩擦过热风险值满足预设预警条件时,系统能够生成火灾预警信号并输出对应托辊端部监测区域的位置,使预警结果不仅指示存在火灾风险,还能够定位到具体托辊端部位置,便于现场人员快速排查托辊卡滞、轴承异常、皮带跑偏或异物夹塞等故障,提高仓储输送带火灾早期处置效率。
1.仓储火灾视频图像智能识别预警方法,其特征在于,包括:
2.如权利要求1所述仓储火灾视频图像智能识别预警方法,其特征在于:所述基于所述输送带结构数据中的皮带下缘和托辊端部位置确定托辊端部监测区域,具体包括:
3.如权利要求2所述仓储火灾视频图像智能识别预警方法,其特征在于:基于位于所述托辊端部监测区域内的烟雾候选数据生成端部前兆特征序列,具体包括:
4.如权利要求3所述仓储火灾视频图像智能识别预警方法,其特征在于:所述端部前兆特征序列还包括端部参照变化量,所述端部参照变化量的生成过程包括:
5.如权利要求1所述仓储火灾视频图像智能识别预警方法,其特征在于:所述基于所述运动包裹数据与所述托辊端部监测区域的位置重叠关系确定遮挡区间,具体过程包括:
6.如权利要求1所述仓储火灾视频图像智能识别预警方法,其特征在于:所述在所述遮挡区间内停止更新所述端部前兆特征序列,并将遮挡前最后一个可见时刻的端部前兆特征序列作为续接基准,具体过程包括:
7.如权利要求6所述仓储火灾视频图像智能识别预警方法,其特征在于:生成端部前兆延续值,具体包括:
8.如权利要求1所述仓储火灾视频图像智能识别预警方法,其特征在于:所述运动同步关系,具体获得过程包括:
9.如权利要求8所述仓储火灾视频图像智能识别预警方法,其特征在于:随动干扰分量的获得过程具体包括:
10.如权利要求9所述仓储火灾视频图像智能识别预警方法,其特征在于:摩擦过热风险值的获得过程具体包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com