本發(fā)明涉及火災(zāi)預(yù)警，尤其涉及基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法及系統(tǒng)。
背景技術(shù)：
1、現(xiàn)有火災(zāi)智能預(yù)警技術(shù)主要依賴(lài)單一模態(tài)傳感器或固定閾值的圖像識(shí)別，存在響應(yīng)滯后、易受環(huán)境干擾、誤報(bào)率高等問(wèn)題。熱成像技術(shù)因其對(duì)溫度敏感、可穿透煙霧、全天候工作的優(yōu)勢(shì)，被逐步引入火災(zāi)監(jiān)測(cè)領(lǐng)域。然而，當(dāng)前熱成像火災(zāi)檢測(cè)方法仍存在以下不足：一是熱成像傳感器的精度會(huì)隨時(shí)間漂移（如像元響應(yīng)率變化、盲元增多），若未及時(shí)校準(zhǔn)，將導(dǎo)致溫度測(cè)量失準(zhǔn)；二是環(huán)境氣象因素（如水汽、氣溶膠）對(duì)紅外輻射的衰減效應(yīng)未得到有效補(bǔ)償，使得遠(yuǎn)距離火點(diǎn)識(shí)別困難；三是大多采用固定溫度閾值或面積閾值進(jìn)行火情判斷，無(wú)法適應(yīng)不同監(jiān)測(cè)距離、季節(jié)變化等場(chǎng)景，容易漏報(bào)或誤報(bào)；四是單純依賴(lài)熱成像難以區(qū)分高溫干擾源（如工業(yè)設(shè)備、車(chē)燈）與真實(shí)火焰。。
2、盡管已有專(zhuān)利進(jìn)行火災(zāi)預(yù)測(cè)，例如公開(kāi)號(hào)為：cn119647962a的發(fā)明專(zhuān)利公開(kāi)的一種火災(zāi)風(fēng)險(xiǎn)評(píng)估預(yù)警系統(tǒng)，包括：（1）劃分火災(zāi)風(fēng)險(xiǎn)潛在因素為物理因素和環(huán)境因素，并收集相關(guān)數(shù)據(jù)；（2）構(gòu)建風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)學(xué)習(xí)樣本；（3）劃分火災(zāi)風(fēng)險(xiǎn)等級(jí)；（4）確立火災(zāi)風(fēng)險(xiǎn)的計(jì)算和評(píng)估模型；（5）通過(guò)建立的模型得出的風(fēng)險(xiǎn)分值和劃分的火災(zāi)風(fēng)險(xiǎn)等級(jí)對(duì)比，得出建筑物風(fēng)險(xiǎn)等級(jí)。例如公開(kāi)號(hào)為：cn116611562a的發(fā)明專(zhuān)利公開(kāi)的一種基于物聯(lián)網(wǎng)的智慧園區(qū)火災(zāi)預(yù)警管理系統(tǒng)及方法，包括：數(shù)據(jù)采集模塊、數(shù)據(jù)匹配模塊、預(yù)測(cè)模塊、預(yù)警模塊、電氣量監(jiān)測(cè)模塊、數(shù)據(jù)預(yù)處理模塊和分析處理模塊，通過(guò)將環(huán)境采集點(diǎn)的實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)的實(shí)時(shí)曲線與各個(gè)歷史曲線軌跡進(jìn)行比較，并通過(guò)設(shè)定的匹配公式進(jìn)行匹配，找到與實(shí)時(shí)數(shù)據(jù)匹配度高的歷史數(shù)據(jù)對(duì)應(yīng)的已知的火災(zāi)發(fā)生情況預(yù)測(cè)當(dāng)前火災(zāi)情況。但這些方案均未涉及熱成像傳感器自身的精度保障與環(huán)境自適應(yīng)修正，難以在復(fù)雜環(huán)境中實(shí)現(xiàn)精準(zhǔn)、動(dòng)態(tài)的火情早期預(yù)警。因此，如何對(duì)熱成像傳感器進(jìn)行精度評(píng)估與優(yōu)化、結(jié)合氣象數(shù)據(jù)修正紅外輻射、動(dòng)態(tài)劃分區(qū)域并融合可見(jiàn)光特征，成為當(dāng)前火災(zāi)智能預(yù)警技術(shù)亟待解決的關(guān)鍵問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中因傳感器性能退化、氣象干擾、固定閾值和單一模態(tài)局限所導(dǎo)致的火災(zāi)預(yù)警準(zhǔn)確性低、環(huán)境適應(yīng)性差及誤報(bào)漏報(bào)頻發(fā)的技術(shù)難題，實(shí)現(xiàn)了復(fù)雜環(huán)境下火災(zāi)風(fēng)險(xiǎn)的精準(zhǔn)感知與智能預(yù)警，本發(fā)明實(shí)施例提供了一種基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法及系統(tǒng)。技術(shù)方案如下：
2、一方面，提供了一種基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，該方法包括：獲取熱成像傳感器的精度表征參數(shù)并進(jìn)行監(jiān)測(cè)精度評(píng)估，判斷監(jiān)測(cè)精度評(píng)估結(jié)果是否滿足預(yù)設(shè)監(jiān)測(cè)需求，若滿足則執(zhí)行火情判別閾值自適應(yīng)匹配，若不滿足則對(duì)熱成像傳感器執(zhí)行監(jiān)測(cè)精度優(yōu)化，并重新執(zhí)行監(jiān)測(cè)精度評(píng)估直至監(jiān)測(cè)精度評(píng)估結(jié)果滿足預(yù)設(shè)監(jiān)測(cè)需求；基于目標(biāo)區(qū)域的氣象傳感器實(shí)時(shí)采集的環(huán)境氣相參數(shù)，對(duì)熱成像傳感器采集的熱成像數(shù)據(jù)進(jìn)行紅外輻射強(qiáng)度衰減修正，得到修正后的熱成像數(shù)據(jù)；基于修正后的熱成像數(shù)據(jù)對(duì)目標(biāo)區(qū)域進(jìn)行區(qū)域類(lèi)別動(dòng)態(tài)劃分，生成各正常像素區(qū)域與各異常像素區(qū)域，將正常像素區(qū)域標(biāo)記為第一狀態(tài)區(qū)域，基于區(qū)域類(lèi)別動(dòng)態(tài)劃分結(jié)果與火情判別閾值自適應(yīng)匹配結(jié)果，動(dòng)態(tài)標(biāo)記各異常像素區(qū)域的狀態(tài)，生成第二狀態(tài)區(qū)域與第三狀態(tài)區(qū)域；基于目標(biāo)區(qū)域可見(jiàn)光畫(huà)面提取的畫(huà)面煙霧特征，對(duì)第三狀態(tài)區(qū)域執(zhí)行區(qū)域狀態(tài)二次標(biāo)記，劃分為第一狀態(tài)區(qū)域和第二狀態(tài)區(qū)域；對(duì)于第一狀態(tài)區(qū)域，基于目標(biāo)區(qū)域潛在風(fēng)險(xiǎn)執(zhí)行監(jiān)測(cè)頻率動(dòng)態(tài)調(diào)節(jié)；對(duì)于第二狀態(tài)區(qū)域，基于火勢(shì)蔓延趨勢(shì)執(zhí)行分級(jí)火災(zāi)預(yù)警。
3、另一方面，提供了一種基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警系統(tǒng)，該系統(tǒng)應(yīng)用于基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，該系統(tǒng)包括：監(jiān)測(cè)精度調(diào)控模塊、輻射強(qiáng)度修正模塊、區(qū)域狀態(tài)判別模塊和火災(zāi)分級(jí)預(yù)警模塊；其中，監(jiān)測(cè)精度調(diào)控模塊，用于獲取熱成像傳感器的精度表征參數(shù)并進(jìn)行監(jiān)測(cè)精度評(píng)估，判斷監(jiān)測(cè)精度評(píng)估結(jié)果是否滿足預(yù)設(shè)監(jiān)測(cè)需求，若滿足則執(zhí)行火情判別閾值自適應(yīng)匹配，若不滿足則對(duì)熱成像傳感器執(zhí)行監(jiān)測(cè)精度優(yōu)化，并重新執(zhí)行監(jiān)測(cè)精度評(píng)估直至監(jiān)測(cè)精度評(píng)估結(jié)果滿足預(yù)設(shè)監(jiān)測(cè)需求；輻射強(qiáng)度修正模塊，用于基于目標(biāo)區(qū)域的氣象傳感器實(shí)時(shí)采集的環(huán)境氣相參數(shù)，對(duì)熱成像傳感器采集的熱成像數(shù)據(jù)進(jìn)行紅外輻射強(qiáng)度衰減修正，得到修正后的熱成像數(shù)據(jù)；區(qū)域狀態(tài)判別模塊，用于基于修正后的熱成像數(shù)據(jù)對(duì)目標(biāo)區(qū)域進(jìn)行區(qū)域類(lèi)別動(dòng)態(tài)劃分，生成各正常像素區(qū)域與各異常像素區(qū)域，將正常像素區(qū)域標(biāo)記為第一狀態(tài)區(qū)域，基于區(qū)域類(lèi)別動(dòng)態(tài)劃分結(jié)果與火情判別閾值自適應(yīng)匹配結(jié)果，動(dòng)態(tài)標(biāo)記各異常像素區(qū)域的狀態(tài)，生成第二狀態(tài)區(qū)域與第三狀態(tài)區(qū)域；火災(zāi)分級(jí)預(yù)警模塊，用于基于目標(biāo)區(qū)域可見(jiàn)光畫(huà)面提取的畫(huà)面煙霧特征，對(duì)第三狀態(tài)區(qū)域執(zhí)行區(qū)域狀態(tài)二次標(biāo)記，劃分為第一狀態(tài)區(qū)域和第二狀態(tài)區(qū)域；對(duì)于第一狀態(tài)區(qū)域，基于目標(biāo)區(qū)域潛在風(fēng)險(xiǎn)執(zhí)行監(jiān)測(cè)頻率動(dòng)態(tài)調(diào)節(jié)；對(duì)于第二狀態(tài)區(qū)域，基于火勢(shì)蔓延趨勢(shì)執(zhí)行分級(jí)火災(zāi)預(yù)警。
4、有益效果
5、本發(fā)明實(shí)施例提供的技術(shù)方案帶來(lái)的有益效果至少包括：
6、1、本發(fā)明通過(guò)對(duì)熱成像傳感器的精度表征參數(shù)進(jìn)行監(jiān)測(cè)評(píng)估與動(dòng)態(tài)優(yōu)化、結(jié)合環(huán)境氣相參數(shù)修正熱成像數(shù)據(jù)、對(duì)目標(biāo)區(qū)域進(jìn)行動(dòng)態(tài)分區(qū)與狀態(tài)標(biāo)記、利用可見(jiàn)光煙霧特征二次校驗(yàn)疑似區(qū)域，并針對(duì)不同狀態(tài)區(qū)域動(dòng)態(tài)調(diào)節(jié)監(jiān)測(cè)頻率及執(zhí)行分級(jí)預(yù)警，從而提升了火災(zāi)預(yù)警的準(zhǔn)確性、適應(yīng)性和及時(shí)性，有效降低誤報(bào)、漏報(bào)概率，兼顧不同場(chǎng)景下的監(jiān)測(cè)需求與火情處置效率，進(jìn)而實(shí)現(xiàn)了基于多模態(tài)數(shù)據(jù)的全流程、智能化、精細(xì)化火災(zāi)智能預(yù)警，為火災(zāi)早期發(fā)現(xiàn)、快速處置提供可靠技術(shù)支撐。
7、2、本發(fā)明通過(guò)根據(jù)熱成像傳感器盲元率與預(yù)設(shè)閾值的對(duì)比結(jié)果，針對(duì)性執(zhí)行盲元補(bǔ)償強(qiáng)度動(dòng)態(tài)調(diào)節(jié)與響應(yīng)增益系數(shù)分級(jí)動(dòng)態(tài)調(diào)節(jié)，其中盲元補(bǔ)償依據(jù)盲元補(bǔ)償需求度與監(jiān)測(cè)精度偏差量實(shí)現(xiàn)精準(zhǔn)調(diào)控以抑制離散壞點(diǎn)干擾，響應(yīng)增益通過(guò)四級(jí)梯度檔位適配不同精度偏差場(chǎng)景、平衡信號(hào)放大與噪聲抑制，從而精準(zhǔn)彌補(bǔ)傳感器監(jiān)測(cè)精度缺口，有效優(yōu)化熱成像傳感器的成像質(zhì)量與測(cè)溫精度，規(guī)避精度不足對(duì)火情識(shí)別的影響，進(jìn)而實(shí)現(xiàn)了熱成像傳感器監(jiān)測(cè)精度的自適應(yīng)提升與穩(wěn)定管控，為后續(xù)火災(zāi)預(yù)警工作提供高精度的數(shù)據(jù)支撐，保障預(yù)警系統(tǒng)的可靠性與準(zhǔn)確性。
8、3、本發(fā)明通過(guò)對(duì)第三狀態(tài)疑似火情區(qū)域?qū)?yīng)的可見(jiàn)光圖像進(jìn)行預(yù)處理，提取煙霧紋理與邊緣輪廓融合特征向量，并將其與預(yù)設(shè)煙霧模板的標(biāo)準(zhǔn)特征向量進(jìn)行余弦相似度匹配，根據(jù)匹配結(jié)果對(duì)疑似區(qū)域進(jìn)行二次狀態(tài)標(biāo)記，從而精準(zhǔn)區(qū)分真實(shí)火情與虛假疑似區(qū)域，有效降低火災(zāi)預(yù)警的誤報(bào)率，提升疑似火情判別精度，進(jìn)而實(shí)現(xiàn)了對(duì)火情狀態(tài)的精準(zhǔn)校驗(yàn)與二次確認(rèn)，進(jìn)一步保障火災(zāi)預(yù)警的準(zhǔn)確性和可靠性，為后續(xù)分級(jí)預(yù)警與處置提供精準(zhǔn)依據(jù)。
1.一種基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述精度表征參數(shù)包括像元響應(yīng)率、噪聲等效溫差、盲元率和響應(yīng)非均勻性系數(shù)；
3.如權(quán)利要求1所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述執(zhí)行火情判別閾值自適應(yīng)匹配的步驟包括：
4.如權(quán)利要求1所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述對(duì)所述熱成像傳感器執(zhí)行監(jiān)測(cè)精度優(yōu)化的步驟包括：
5.如權(quán)利要求1所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述環(huán)境氣相參數(shù)包括水分子濃度、氣溶膠濃度及二氧化碳濃度；
6.如權(quán)利要求5所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述基于所述修正后的熱成像數(shù)據(jù)對(duì)目標(biāo)區(qū)域進(jìn)行區(qū)域類(lèi)別動(dòng)態(tài)劃分的步驟包括：
7.如權(quán)利要求1所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述對(duì)第三狀態(tài)區(qū)域執(zhí)行區(qū)域狀態(tài)二次標(biāo)記的步驟包括：
8.如權(quán)利要求1所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述基于目標(biāo)區(qū)域潛在風(fēng)險(xiǎn)執(zhí)行監(jiān)測(cè)頻率動(dòng)態(tài)調(diào)節(jié)的步驟包括：
9.如權(quán)利要求1所述基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于：所述基于火勢(shì)蔓延趨勢(shì)執(zhí)行分級(jí)火災(zāi)預(yù)警的步驟包括：
10.一種基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警系統(tǒng)，應(yīng)用如權(quán)利要求1-9中任意一項(xiàng)所述一種基于多模態(tài)數(shù)據(jù)的火災(zāi)智能預(yù)警方法，其特征在于，包括：監(jiān)測(cè)精度調(diào)控模塊、輻射強(qiáng)度修正模塊、區(qū)域狀態(tài)判別模塊和火災(zāi)分級(jí)預(yù)警模塊；