多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)和方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及一種多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)和方法。
【背景技術(shù)】
[0002]目前，基于視頻分析的森林火災預警系統(tǒng)，主要使用可見光攝像機和紅外熱像儀采集的圖像。森林火災發(fā)生時，有火焰和煙霧產(chǎn)生，同時釋放大量的能源。通過分析可見光圖像上著火區(qū)域的顏色、形狀、運動和頻率特征，以及紅外圖像上著火區(qū)域的亮度特征，可以實現(xiàn)森林火災的早期監(jiān)測預警。但是，工程實踐表明，僅僅利用可見光或紅外波段的圖像數(shù)據(jù)，森林火災預警系統(tǒng)的誤識率過高。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)和方法，該方法將多種數(shù)據(jù)進行融合來進行森林火災預測，能顯著降低森林火災的誤識率，提高系統(tǒng)的運行效率。
[0004]本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的:多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)，它包括紅外熱像儀、數(shù)字攝像機、超聲波氣象站、地理信息系統(tǒng)和上位機，紅外熱像儀、數(shù)字攝像機、超聲波氣象站和地理信息系統(tǒng)分別與上位機連接；所述的上位機上設置有人工神經(jīng)網(wǎng)絡和模糊專家系統(tǒng)，所述的人工神經(jīng)網(wǎng)絡分析紅外熱像儀采集的紅外圖像和數(shù)字攝像機采集的可見光圖像，并將分析后的數(shù)據(jù)傳輸?shù)侥：龑＜蚁到y(tǒng)計算森林火災的概率，超聲波氣象站提供森林的氣象數(shù)據(jù)，地理信息系統(tǒng)提供地理信息。
[0005]所述的人工神經(jīng)網(wǎng)絡分析紅外圖像的亮度特征，對可疑著火區(qū)域進行面積、位移濾波，并利用能量和形狀的相關(guān)性進行震蕩分析；分析可見光圖像將紅外圖像可疑著火區(qū)域映射到可見光圖像上，檢測相關(guān)區(qū)域是否有煙霧，用紅外和可見光圖像融合產(chǎn)生的冗余數(shù)據(jù)區(qū)分森林火災和陽光反射、熱物體以及人工照明。
[0006]所述的模糊專家系統(tǒng)將可疑著火區(qū)域的地理數(shù)據(jù)、氣象數(shù)據(jù)、歷史分析數(shù)據(jù)和紅外與可見光圖像分析結(jié)果一起進行處理，計算出森林火災發(fā)生的概率。
[0007]所述的氣象數(shù)據(jù)包括溫度、相對濕度、風速和降水量，地理數(shù)據(jù)包括坡度、可燃物儲量、土地使用信息。
[0008]多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)的識別方法，它包括如下子步驟:
S1:數(shù)據(jù)采集，紅外熱像儀采集森林的紅外圖像，數(shù)字攝像機采集森林的可見光圖像；
52:圖像處理，探測紅外圖像上的高亮度區(qū)域；對高亮度區(qū)域進行溫度、面積和位移濾波；對濾波后的高亮度區(qū)域進行能量分析、亮度和形狀的振蕩分析；匹配紅外和可見光圖像，定位報警區(qū)域；探測煙霧；融合紅外和可見光圖像探測結(jié)果；
53:氣象數(shù)據(jù)處理，將氣象數(shù)據(jù)輸入氣象模型，計算發(fā)生森林火災的概率；
54:地理數(shù)據(jù)處理，從數(shù)據(jù)庫查詢地理信息，計算發(fā)生森林火災的潛能；
55:火災概率計算，將步驟S2-S4得到的分析結(jié)果輸入模糊專家系統(tǒng)，計算森林火災發(fā)生的概率。
[0009]所述的步驟S2中對濾波后的高亮度區(qū)域進行亮度和形狀的振蕩分析采用如下方式:將襄鈴的圖像進行比較，得到相關(guān)系數(shù)，以時間為X軸，以相關(guān)系數(shù)為Y軸，得到相關(guān)系數(shù)曲線，即振蕩曲線。
[0010]所述的步驟S3中的氣象模型根據(jù)歷史數(shù)據(jù)建立，氣象模型規(guī)則根據(jù)溫度、濕度、降雨量來設定，溫度高、濕度小、無降水，火災發(fā)生概率大，反之溫度低、濕度高、降水多，火災發(fā)生概率低。
[0011]所述的步驟S4中計算發(fā)生森林火災的潛能根據(jù)地理地貌來確定，森林地區(qū)發(fā)生火災概率大，水庫地區(qū)發(fā)生火災概率小。
[0012]所述的步驟S5中計算森林火災發(fā)生的概率根據(jù)氣象數(shù)據(jù)、地理信息和探測結(jié)果對火災的影響的權(quán)重進行估算，圖像數(shù)據(jù)可靠性最強，權(quán)重最大。
[0013]本發(fā)明的有益效果是:本發(fā)明提供了一種多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)和方法，該方法將多種數(shù)據(jù)進行融合來進行森林火災預測，能顯著降低森林火災的誤識率，提高系統(tǒng)的運行效率，降低工作人員的勞動強度。
【附圖說明】
[0014]圖1為本發(fā)明的系統(tǒng)結(jié)構(gòu)框圖；
圖2為本發(fā)明的識別方法流程圖。
【具體實施方式】
[0015]下面結(jié)合附圖進一步詳細描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護范圍不局限于以下所述。
[0016]如圖1所示，多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)，它包括紅外熱像儀、數(shù)字攝像機、超聲波氣象站、地理信息系統(tǒng)和上位機，紅外熱像儀、數(shù)字攝像機、超聲波氣象站和地理信息系統(tǒng)分別與上位機連接；所述的上位機上設置有人工神經(jīng)網(wǎng)絡和模糊專家系統(tǒng)，所述的人工神經(jīng)網(wǎng)絡分析紅外熱像儀采集的紅外圖像和數(shù)字攝像機采集的可見光圖像，并將分析后的數(shù)據(jù)傳輸?shù)侥：龑＜蚁到y(tǒng)計算森林火災的概率，超聲波氣象站提供森林的氣象數(shù)據(jù)，地理信息系統(tǒng)提供地理信息。
[0017]紅外熱像儀采用探測波長在8_14um的紅外熱像儀，數(shù)字攝像機采用帶長焦鏡頭的高清數(shù)字攝像機。
[0018]所述的人工神經(jīng)網(wǎng)絡分析紅外圖像的亮度特征，對可疑著火區(qū)域進行面積、位移濾波，并利用能量和形狀的相關(guān)性進行震蕩分析；分析可見光圖像將紅外圖像可疑著火區(qū)域映射到可見光圖像上，檢測相關(guān)區(qū)域是否有煙霧，用紅外和可見光圖像融合產(chǎn)生的冗余數(shù)據(jù)區(qū)分森林火災和陽光反射、熱物體以及人工照明。
[0019]所述的模糊專家系統(tǒng)將可疑著火區(qū)域的坡度、可燃物儲量、土地使用信息等地理數(shù)據(jù)、溫度、相對濕度、風速和降水量等氣象數(shù)據(jù)、歷史分析數(shù)據(jù)和紅外與可見光圖像分析結(jié)果一起進行處理，計算出森林火災發(fā)生的概率。
[0020]如圖2所示，多數(shù)據(jù)融合的森林火災智能識別系統(tǒng)的識別方法，它包括如下子步驟: S1:數(shù)據(jù)采集，紅外熱像儀采集森林的紅外圖像，數(shù)字攝像機采集森林的可見光圖像；
52: