CN104143248B - 基于无人机的森林火灾探测及防控方法 - Google Patents

Abstract

本发明公开了一种基于无人机的森林火灾探测及防控方法，其采用可见光图像与热红外图像结合的方式，通过观看图像上亮度高的点的热像差值即可判断森林火险，投放灭火包，及时扑灭火头点或初步控制火势；通过地面接收站进一步精确分析，可及时发现被无人机粗判所遗漏的非正常区域，特别是，通过形成火情可能性系数的百分比分布图可更有效的实现监控；效率高且精度准。

Description

基于无人机的森林火灾探测及防控方法

技术领域

本发明属于消防安全技术领域，具体涉及一种基于无人机的森林火灾探测及防控方法。

背景技术

森林火灾是全球性的林业重要灾害之一，每年都会造成林业资源的重大损失和大范围的环境污染。传统的森林防火监测，主要采用人工瞭望、远程视频监控和卫星遥感方式。

人工瞭望方式是在制高点设立瞭望哨，值班人员24小时轮流值班，由于人为的疏忽和过失，会使得许多火情未能及早发现，延误扑火时间，造成严重后果。

远程视频监控方式是在林区搭建大量的视频监控点，监控点配备摄像机，通过有线或无线网络将实时画面传送到监控中心，由中心人员实施监控。该方式不需直接派驻人员到林区现场，但在远距离上人工很难识别早期火情。尤其是可见光摄像机监控系统，在夜间，几乎没有可探测的光谱范围的光照，视频图像上几乎是漆黑一片，很难发现和判断林火。即便换成热红外视频监控，森林环境复杂，容易存在监控死点，从而造成隐患。

卫星遥感方式是通过对遥感照片的处理后发现林火，但卫星只能发现较大区域的林火，在火灾早期无法发现；同时还存在遥感图像分辨率不足、灵活性差等问题。

现有技术中也已有基于无人机的森林火灾检测。CN102496234A 号专利公开的技术是“当发现森林的火源点后，利用无人机上红外摄像仪将其拍摄下来，并将无人机GPS 位置通过卫星通信发送到消防中心”，谁发现火源点？如何发现火源点？能否自动识别、提取火源点？该专利技术中无详细说明，无法自动识别火灾区域、蔓延范围以及发展趋势，该专利中公开的技术实用性很差。另外的公开也仅限于图像采集、分析和预报的功能，待人们接到信号找到火点进行防控措施时，可能火势已经蔓延。

发明内容

基于上述现有技术存在的问题，本发明提供一种基于无人机的森林火灾探测及防控方法，高效发现可疑火源，自动计算火警概率，针对火灾放生概率的判断进行初步防控并及时报警。

为解决上述现有技术存在的问题，本发明采取的技术方案为：基于无人机的森林火灾探测及防控方法，其特征在于，包括以下步骤：

1）在无人机中预设气象数据、正常情况下监控区域的可见光图像和热红外图像；预设高温区和热像差值的阈值；

2）通过无人机对监控区域巡查同时拍摄可见光图像和热红外图像，并通过GPS定位功能实时记录图像对应的拍摄位置和拍摄时间，同时将数据通过无线传输传至地面接收站；

3）对步骤2）获取的可见光图像和热红外图像分别与步骤1）预存的正常情况下监控区域的可见光图像和热红外图像分别进行偏高温区的标记和热像差值的计算，并与预设阈值进行对比；

4）当未突破预设阈值，忽略正常温度偏高区域，继续巡查；突破预设阈值，则将此区域定义为非正常区域，向地面接收站发出警报；同时，无人机通过GPS定位，向非正常区域投放灭火包，并以此非正常区域为圆心，于上空环绕飞行，实时多方位监控该区域的动态变化并传送至地面接收站，直至热像差值恢复至预设阈值以内，取消警报，继续巡查；

5）地面接收站接收步骤2）传送的数据，综合火灾理论数据和经验数据对可见光图像和热红外图像进行全面系统分析，形成监控区域各火情可能性系数的百分比分布图，并将可能性系数大于70%的区域的GPS定位数据通过无线传输反馈给无人机，由无人机从可能性系数值由高到低进行重点巡视；地面接收站接收步骤4）传送的数据，综合火灾理论数据和经验数据对可见光图像和热红外图像进行全面系统分析，确定为失火点，计算失火面积，及时安排灭火行动，确定无人机误报，则解除警报并通过无线传输反馈无人机继续巡查。

步骤1）中所述预设的阈值获取方式：正常情况下监控区域的热红外图像，结合预设的气象数据，调整图像亮度范围，即为所述阈值范围。

步骤4）中所述地面接收站对接收的白天的可见光图像的分析还包括烟雾分析，具体为分离每一帧的图像，在RGB色彩空间下，其中R表示像素的红色分量，G表示像素的绿色分量，B表示像素的蓝色分量，I表示三分量的均值，则当-20＜R-G＜0、-55＜G-B＜-10、15＜B-R＜90或130＜I＜255时，是青色烟雾；当230＜I＜255时，是白色烟雾；128＜R=G=B＜192，是灰色烟雾；不同烟雾结合热像差值，结合经验数据参与火灾可能性系数的计算。

所述的灰色烟雾区域的当前平均灰度与一段时间之前自身的平均灰度值相比存在较大的变化，且该区域灰度值与整个检测区平均灰度值的差值超过设定阈值，则该区域直接判断该区域出现潜在异常。

步骤4）对所述地面接收站接收的晚上的可见光图像的分析还包括火焰分析，具体为分离每一帧的图像，在RGB色彩空间下，其中R表示像素的红色分量，G表示像素的绿色分量，B表示像素的蓝色分量，比较R信号与B信号的轻度：如果R信号超过B信号且差值高于设定的阈值，可判断该区域偏红色，为火光的概率较高；否则视为干扰。

所述R信号明显超过B信号，且与一段时间之前自身的平均差值存在较大的变化，同时该差值与整个检测区平均差值超过设定阈值，则该区域直接判断该区域出现潜在异常。

步骤5）中所述失火面积的计算，是通过航高数据和图像面积，通过几何计算获得。

步骤5）中可能性系数值相同时，无人机从靠近自身的区域优先巡查。

所述无线传输是通过公用无线通信网络或自组织的无线通讯网络或通过卫星系统。

本发明所述的基于无人机的森林火灾探测及防控方法，相比于现有技术具有如下优势：

1）采用可见光图像与热红外图像结合的方式，其中热红外系统的优点，可以将热红外光谱7.5到13.5微米的图像转换为可见光图像，由于超过所有超过绝对零度的物体都回散射出红外光谱，温度越高，散射出的红外光谱越强，所以，在热红外成像显示的灰度图像中，物体在图像上的亮度强度与物体的温度成正比，因此无人机通过观看图像上亮度高的点的热像差值即可判断森林火险，投放灭火包，及时扑灭火头点或初步控制火势；

2）热红外成像不受白昼限制，白天和晚上都可以准确的判断森林火险，通过地面接收站的进一步控制；

3）通过地面接收站进一步精确分析，可及时发现被无人机粗判所遗漏的非正常区域，特别是，通过形成火情可能性系数的百分比分布图可更有效的实现监控；

4）结合气候、烟雾、色彩等因素，提高了监控的精准度。

附图说明

图1为本发明的流程示意图。

具体实施方式

以下结合具体实施方式对本发明进行详细说明。

实施例1

一种基于无人机的森林火灾探测及防控方法，步骤流程如图1所示：

1）在无人机中预设气象数据、正常情况下监控区域的可见光图像和热红外图像；预设热像差值的阈值；阈值获取方式：正常情况下监控区域的热红外图像，结合预设的气象数据，调整图像亮度范围，即为所述阈值范围；

2）通过无人机对监控区域巡查同时拍摄可见光图像和热红外图像，并通过GPS定位功能实时记录图像对应的拍摄位置和拍摄时间，同时将数据通过无线通信网络传至地面接收站；

3）对步骤2）获取的可见光图像和热红外图像分别与步骤1）预存的正常情况下监控区域的可见光图像和热红外图像分别进行偏高温区的标记和热像差值的计算，并与预设阈值进行对比；

4）当未突破预设阈值，忽略正常温度偏高区域，继续巡查；突破预设阈值，则将此区域定义为非正常区域，向地面接收站发出警报；同时，无人机通过GPS定位，向非正常区域投放灭火包，并以此非正常区域为圆心，于上空环绕飞行，实时多方位监控该区域的动态变化并传送至地面接收站，直至热像差值恢复至预设阈值以内，取消警报，继续巡查；

5）地面接收站接收步骤2）传送的数据，综合火灾理论数据和经验数据对可见光图像和热红外图像进行全面系统分析，形成监控区域各火情可能性系数的百分比分布图，并将可能性系数大于70%的区域的GPS定位数据通过无线通信网络反馈给无人机，由无人机从可能性系数值由高到低进行重点巡视；可能性系数值相同时，无人机从靠近自身的区域优先巡查；地面接收站接收步骤4）传送的数据，综合火灾理论数据和经验数据对可见光图像和热红外图像进行全面系统分析，确定为失火点，通过航高数据和图像面积，通过几何计算方式计算失火面积，及时安排灭火行动，确定无人机误报，则解除警报并通过无线通信网络反馈无人机继续巡查。

其中：步骤4）中所述地面接收站对接收的白天的可见光图像的分析还包括烟雾分析，具体为分离每一帧的图像，在RGB色彩空间下，其中R表示像素的红色分量，G表示像素的绿色分量，B表示像素的蓝色分量，I表示三分量的均值，则当-20＜R-G＜0、-55＜G-B＜-10、15＜B-R＜90或130＜I＜255时，是青色烟雾；当230＜I＜255时，是白色烟雾；128＜R=G=B＜192，是灰色烟雾；不同烟雾结合热像差值，结合经验数据参与火灾可能性系数的计算。当所述的灰色烟雾区域的当前平均灰度与一段时间之前自身的平均灰度值相比存在较大的变化，且该区域灰度值与整个检测区平均灰度值的差值超过设定阈值，则该区域直接判断该区域出现潜在异常。

步骤4）对所述地面接收站接收的晚上的可见光图像的分析还包括火焰分析，具体为分离每一帧的图像，在RGB色彩空间下，其中R表示像素的红色分量，G表示像素的绿色分量，B表示像素的蓝色分量，比较R信号与B信号的轻度：如果R信号超过B信号且差值高于设定的阈值，可判断该区域偏红色，为火光的概率较高；否则视为干扰。当所述R信号明显超过B信号，且与一段时间之前自身的平均差值存在较大的变化，同时该差值与整个检测区平均差值超过设定阈值，则该区域直接判断该区域出现潜在异常。

Claims (9)

1.基于无人机的森林火灾探测及防控方法，其特征在于，包括以下步骤：

1）在无人机中预设气象数据、正常情况下监控区域的可见光图像和热红外图像；预设高温区和热像差值的阈值；

2）通过无人机对监控区域巡查同时拍摄可见光图像和热红外图像，并通过GPS定位功能实时记录图像对应的拍摄位置和拍摄时间，同时将数据通过无线传输传至地面接收站；

3）对步骤2）获取的可见光图像和热红外图像分别与步骤1）预存的正常情况下监控区域的可见光图像和热红外图像分别进行偏高温区的标记和热像差值的计算，并与预设阈值进行对比；

4）当未突破预设阈值，忽略正常温度偏高区域，继续巡查；突破预设阈值，则将此区域定义为非正常区域，向地面接收站发出警报；同时，无人机通过GPS定位，向非正常区域投放灭火包，并以此非正常区域为圆心，于上空环绕飞行，实时多方位监控该区域的动态变化并传送至地面接收站，直至热像差值恢复至预设阈值以内，取消警报，继续巡查；

5）地面接收站接收步骤2）传送的数据，综合火灾理论数据和经验数据对可见光图像和热红外图像进行全面系统分析，形成监控区域各火情可能性系数的百分比分布图，并将可能性系数大于70%的区域的GPS定位数据通过无线传输反馈给无人机，由无人机从可能性系数值由高到低进行重点巡视；地面接收站接收步骤4）传送的数据，综合火灾理论数据和经验数据对可见光图像和热红外图像进行全面系统分析，确定为失火点，计算失火面积，及时安排灭火行动，确定无人机误报，则解除警报并通过无线传输反馈无人机继续巡查。

2.根据权利要求1所述的基于无人机的森林火灾探测及防控方法，其特征在于，步骤1）中所述预设的阈值获取方式：正常情况下监控区域的热红外图像，结合预设的气象数据，调整图像亮度范围，即为所述阈值范围。

3.根据权利要求1所述的基于无人机的森林火灾探测及防控方法，其特征在于，步骤4）中所述地面接收站对接收的白天的可见光图像的分析还包括烟雾分析，具体为分离每一帧的图像，在RGB色彩空间下，其中R表示像素的红色分量，G表示像素的绿色分量，B表示像素的蓝色分量，I表示三分量的均值，则当-20＜R-G＜0、-55＜G-B＜-10、15＜B-R＜90或130＜I＜255时，是青色烟雾；当230＜I＜255时，是白色烟雾；128＜R=G=B＜192，是灰色烟雾；不同烟雾结合热像差值，结合经验数据参与火灾可能性系数的计算。

4.根据权利要求3所述的基于无人机的森林火灾探测及防控方法，其特征在于，所述的灰色烟雾区域的当前平均灰度与一段时间之前自身的平均灰度值相比存在较大的变化，且该区域灰度值与整个检测区平均灰度值的差值超过设定阈值，则直接判断该区域出现潜在异常。

5.根据权利要求1所述的基于无人机的森林火灾探测及防控方法，其特征在于，步骤4）对所述地面接收站接收的晚上的可见光图像的分析还包括火焰分析，具体为分离每一帧的图像，在RGB色彩空间下，其中R表示像素的红色分量，G表示像素的绿色分量，B表示像素的蓝色分量，比较R信号与B信号的轻度：如果R信号超过B信号且差值高于设定的阈值，可判断该区域偏红色，为火光的概率较高；否则视为干扰。

6.根据权利要求5所述的基于无人机的森林火灾探测及防控方法，其特征在于，所述R信号明显超过B信号，且与一段时间之前自身的平均差值存在较大的变化，同时该差值与整个检测区平均差值超过设定阈值，则直接判断该区域出现潜在异常。

7.根据权利要求1所述的基于无人机的森林火灾探测及防控方法，其特征在于，步骤5）中所述失火面积的计算，是通过航高数据和图像面积，通过几何计算获得。

8.根据权利要求1所述的基于无人机的森林火灾探测及防控方法，其特征在于，步骤5）中可能性系数值相同时，无人机从靠近自身的区域优先巡查。

9.根据权利要求1-8任一项所述的基于无人机的森林火灾探测及防控方法，其特征在于，所述无线传输是通过公用无线通信网络或自组织的无线通讯网络或通过卫星系统。