一种应用于无人机的火灾检测系统及其火灾检测方法 【技术领域】
本发明涉及火灾检测系统，特别是指一种应用于无人机的火灾检测系统及其火灾检测方法。
背景技术
森林火灾是对人民生命财产造成巨大损失的重大灾害之一，对森林火灾的检测预警一直是火灾预防的重要组成部分。目前，森林火灾预防分为以下几种：1、人工检查；2、固定位置的烟火传感器、摄像头；3、使用各种民用飞行器巡逻，检查火点。
人工巡山检查，成本低廉，是使用较多的森林火灾预防方式，但肉眼辨识能力极其有限，对尚未形成火焰的早期火灾无辨识能力，无法达到早期火灾快速识别。
安装在固定位置的烟火传感器，可以有效的覆盖大面积的森林、山地，有较强的火焰预警能力。但由于受森林、山地的地形限制，烟火传感器的安装位置受到了一定程度的限制，因而无法避免出现观测死角的可能。另外，要得到有效的火灾检测效果需要有数量庞大的传感器，这些传感器高昂的维护费用也增加了防火的成本。
各种民用飞行器巡检，能够有效而且即使的发现森林火灾，不存在观察死角，但民用飞行器的租用费用极高，导致防火成本很高，而且对有覆盖物的火灾高危点，巡检检查能力有限。
随着无人机技术的发展，无人机在许多领域都扮演着日益重要的角色，但使用红外摄像头的无人机火灾检测尚属空白。另外，在火灾检测算法领域，有基于彩色图像的火焰检测算法、烟火检测算法、光亮度检测算法等都是较为成熟的火焰检测算法，但这些火焰检测算法都只适用于彩色图像的火灾检测，而在红外图像的火灾检测方面无法取得理想的检测效果。
【发明内容】
本发明的目的在于克服上述现有技术的不足之处，提供一种利用无人直升机成本低，效率高的平台，设计针对红外图像的火灾检测系统及其火灾检测方法，从而快速识别火灾火焰和火灾高危点，及时、准确预警火灾。
一种应用于无人机的火灾检测系统，包括惯性导航系统、定位系统，其特征在于：还包括红外图像采集设备以及信号处理流程网络，
所述红外图像采集设备包括：
嵌入式计算机，用于收集和贮存红外图像灰度值数据、姿态角数据和纬度高度数据，并通过无线路由器以及无线网络与地面站计算机相通信连接；
图像采集卡，用于将采集到的红外图像转变为数字信号；
红外摄像头，用于采集野外红外图像；
所述信号处理流程网络包括：
输入层：输入红外图像灰度值数据、姿态角数据和纬度高度数据；
中间层：通过对红外图像灰度值数据、姿态角数据和纬度高度数据三种输入量进行温度阀值、温度梯度和微分的运算；
输出层：将温度阀值和温度梯度的运算结果与程序变量中的火灾特征的阀值数据相比较，获得是否为火灾火焰或火灾高危点的结果。
采用上述应用于无人机的火灾检测系统实现的火灾检测方法，其特征在于，
所述红外摄像头采集的模拟图像信息输入至图像采集卡中转换为数字信号，再将数字信号输入嵌入式计算机，即为红外图像灰度值数据；通过嵌入式计算机收集无人机上的惯性导航系统、定位系统所产生的姿态角数据和纬度高度数据；
所述嵌入式计算机将红外图像灰度值数据、姿态角数据和纬度高度数据以数据包的形式通过无线路由器以及无线网络发送至地面站计算机；
所述地面站计算机对红外图像灰度值数据、姿态角数据和纬度高度数据三种输入量进行温度阀值、温度梯度和微分的运算处理，然后将温度阀值和温度梯度的运算结果与程序变量中的火灾特征的阀值数据相比较，获得是否为火灾火焰或火灾高危点的结果；确定火灾火焰或火灾高危点的目标位置，并显示在地面站计算机的显示屏上。
所述对红外图像灰度值数据、姿态角数据和纬度高度数据三种输入量进行温度阀值和温度梯度的运算方法为：在出现疑似火灾或疑似火灾高危点的区域中央对竖直，水平，正、负45度四个方向分别作温度梯度算子运算，运算结果作为判断火灾火焰的依据。
所述对红外图像灰度值数据、姿态角数据和纬度高度数据三种输入量进行微分的运算处理是指，使用邻帧间像素灰度值绝对值相减的方法进行以帧间时间差为时间变化率的微分算法，运算结果作为判断火灾高危点的依据。
本发明与现有技术相比具有如下突出的优点和效果：
1、本发明利用无人直升机成本低，效率高的平台，通过使用红外摄像头的红外图像和特征，快速识别火灾火焰和火灾高危点，及时、准确预警火灾。
2、相比被安装在固定位置的火灾检测系统，本发明不存在死角，具有机动、高效地特点。
3、相比各种民用飞行器巡检，本发明有效地降低了火灾检测成本。
4、针对本发明红外图像的检测设计的火灾火焰和火灾高危点检测算法高效简捷、实用有效，使用较小的系统开销达到相对较高的识别精度，并且能够有效的过滤野外干扰信息如变电站，太阳镜面的反射等，降低了火灾误报率，提高了该系统的可靠性。
【附图说明】
图1为一种应用于无人机的火灾检测系统硬件结构示意图；
图2为一种应用于无人机的火灾检测系统火灾数据通信程序流程图；
图3为一种应用于无人机的火灾检测系统火灾信息处理程序流程图。
【具体实施方式】
下面结合实施例对本发明作进一步详细的描述，但本发明的实施方式不限于此。
本发明实施例采用某研究项目的试制的无人机作为平台，该无人机能够实现自主定点飞行，自主悬停，手动遥控飞行等飞行动作。用于贮存和对图像数据进行计算的嵌入式计算机采用PC104单板电脑；使用RTD公司的VFG7350图像采集卡实现红外图像转变数字信号；PHOTON FLIR系列红外摄像头。
如图1所示，应用于无人机的火灾检测系统的硬件部分主要包括无人机及其惯性导航系统、定位系统以及由嵌入式计算机、图像采集卡、红外摄像头组成的红外图像采集设备，它们的连接关系是：无人机上的IMU惯性导航系统元件、GPS全球定位系统元件都与嵌入式单板计算机PC104的串行数据接口以115200bps的速率相连接；红外摄像头与VFG7350图像采集卡通过复合视频线相连接；再将VFG7350图像采集卡与嵌入式单板计算机PC104上的PC104+插槽相连接，通过网线将嵌入式单板计算机PC104的以太网接口与无线路由器相连接，无线路由器通过无线网络和地面站(计算机)保持数据通信。
采用上述应用于无人机的火灾检测系统实现的火灾检测方法包括：
如图2所示，在信号处理流程网络的输入层，实时地将红外摄像头采集的模拟图像信息输入至VFG7350图像采集卡中，通过在图像采集卡内部的SAA7134图像解码芯片将输入的模拟信号转换为数字信号；再将数字信号输入嵌入式单板计算机PC104，并被嵌入式单板计算机PC104的火灾数据通信程序中的图像数据读取模块收集，即为红外图像灰度值数据。
通过在嵌入式单板计算机PC104上的火灾数据通信程序中的姿态读取模块收集无人机上的IMU惯性导航系统部件、GPS全球定位系统部件所产生的姿态角数据和纬度高度数据。
上述的红外图像灰度值数据、姿态角数据和纬度高度数据作为火灾算法识别运算的原始数据，通过以用网线将嵌入式单板计算机PC104的以太网接口相连接的无线路由器把上述三种原始数据以数据包的形式通过无线网络发至地面站(计算机)。
如图3所示，在信号处理流程网络的中间层，地面站计算机的火灾信息处理程序中的接受模块，读取无线网络传回的三种原始数据。其中，所采集红外图像灰度值数据，红外图像的每个像素点都使用0-255中的数字表示其温度的高低，数字和现实的温度呈线性关系，0为最低，255为最高。当红外摄像头的视场中出现超过预置阀值T0的像素区域时，判定该巡逻区域出现疑似火灾火焰或疑似火灾高危点。
针对火灾具体的判断识别算法如下：
在出现疑似火灾或疑似火灾高危点的区域中央，分别对竖直，水平，正、负45度四个方向作温度梯度运算，如R5的竖直，水平，正、负45度方向的温度梯度运算如下：
竖直grad(R5)＝2*R6+R3+R9-2*R4-R1-R7
水平grad(R5)＝2*R2+R1+R3-2*R8-R9-R7
正45°grad(R5)＝2*R3+R2+R6-2*R7-R4-R8
负45°grad(R5)＝2*R7+R4+R8-2*R3-R2-R6
R1 R2 R3 R4 R5 R6 R7 R8 R9
通过对上述四个方向作出的温度梯度运算，把疑似区域边界内的四个方向的温度梯度值以单链表的数据结构储存在地面站计算机中，将该单链表记录为Q1，当红外摄像头采集下一帧图像的时候，重复这个过程，并且记录新的单链表记录为Q2，将Q2和Q1的差值与预置在程序中的火焰温度梯度变化阀值T1相比较，当变化大于T1则根据火焰的不稳定性可判定为野外火灾火焰，当变化小于T1则可以认为是其他稳定可控的红外辐射源，如变电站，高压线等不属于火灾检测的对象，属于干扰信息，即予以过滤。
以纸张燃烧火焰的红外图像和电灯的红外图像为例，正45度方向的温度梯度运算如下：
材料 燃烧纸张梯 度链表1 燃烧纸张梯 度链表2 电灯梯度链 表1 电灯梯度链 表2 1 59 98 53 52 2 21 0 77 80 3 153 52 19 16 4 65 79 23 20 5 9 86 45 42
温度梯度运算结果表明电灯梯度链表1与电灯梯度链表2的红外源温度梯度值相对稳定，可认定为非火灾，而燃烧纸张梯度链表1与燃烧纸张梯度链表2的红外源温度梯度值跳变较大，可认定为火焰。
针对火灾高危点具体的判断识别算法如下：
根据上述算法被判定为非火灾的区域，使用以下两个步骤对该区域进一步进行是否属于火灾高危点的识别：(1)首先对于该可疑区域采用邻帧间像素灰度值绝对值相减的方法进行以帧间时间差为时间变化率的微分算法；(2)对背景图像进行a值为0.2的平均值滤波，将执行微分算法的结果作为火灾高危点的评估参数，与预置程序变量中的温度变化阀值T2做比较，若大于温度变化阀值T2则返回火灾高危火点报警，若小于温度变化阀值T2则认为是普通的野外高温，不具有火灾的危险。
在信号处理流程网络的输出层中，当火灾检测流程中检测到上述两种检测对象，即火灾火焰和火灾高危点，则高亮圈定检测出来的目标，并将检测对象的地理信息显示在地面站，具体实现步骤如下：
(1)通过与嵌入式计算机PC104相连接的无人机的惯性导航系统(IMU惯性导航部件)，在无人机飞行过程中不断返回的无人机的姿态信息，pitch俯仰角度、yaw航偏角角度、row翻滚角度，由于红外摄像头在无人机上的安装位置是固定的，因而只要通过角度姿态转换矩阵，即可得红外摄像头的姿态信息。
(2)将已经检测到的火灾火焰或者火灾高危点的中心像素坐标，通过对极几何的方法，计算出火灾高危点的以无人机为参照系的世界系坐标，作为数据融合的参数之一。
(3)通过无人机上的GPS定位系统所返回的纬度和高度信息，结合步骤(1)中姿态信息和步骤(2)中的世界系坐标，可以得到火灾火焰或者火灾高危点所处的地理信息，并且在地面站计算机的显示器上高亮地显示出该点在画面中的位置。
如上所述，即可较好地实现本发明。