本發(fā)明涉及一種礦井火災(zāi)紅外視覺特征篩選及特征融合監(jiān)測方法，尤其是基于視覺的目標(biāo)檢測技術(shù)、圖像分割技術(shù)、視覺特征提取技術(shù)、以及礦井外因火災(zāi)監(jiān)測技術(shù)。

背景技術(shù)：

1、礦井火災(zāi)是煤礦重特大事故中的五大災(zāi)害之一。當(dāng)前相關(guān)研究人員對礦井火災(zāi)的致災(zāi)機(jī)理和救災(zāi)風(fēng)險等認(rèn)識不充分，導(dǎo)致在礦井火災(zāi)的感知和判識方面仍缺少有效的技術(shù)方法，造成礦井火災(zāi)重特大事故時有發(fā)生，并引起巨大的經(jīng)濟(jì)損失，嚴(yán)重情況的還造成礦井下的人員傷亡。在火災(zāi)發(fā)生時，通常會產(chǎn)生火焰、煙霧、有毒有害氣體等。同時，事故調(diào)查表明：在礦井火災(zāi)事故中，由于創(chuàng)傷和燒傷造成人員死亡占比不足20％，一氧化碳中毒窒息造成人員死亡占比高于80％。一氧化碳濃度越高、持續(xù)時間越長，對人體傷害越重，直至死亡。因此，在煤礦井下，及時發(fā)現(xiàn)高溫?zé)嵩椿蛟缙诨馂?zāi)、快速定位災(zāi)害源位置、準(zhǔn)確判識災(zāi)害類型、針對性啟動應(yīng)急預(yù)案和應(yīng)急救援，對于煤炭安全生產(chǎn)來說至關(guān)重要。

2、現(xiàn)有的礦井火災(zāi)感知和報警技術(shù)涉及煤炭地質(zhì)賦存條件，開采方法和工藝、傳感器技術(shù)等諸多因素的影響，導(dǎo)致現(xiàn)有礦井火災(zāi)報警系統(tǒng)的漏報率和誤報率還很高。同時，現(xiàn)有的監(jiān)測技術(shù)無法實(shí)現(xiàn)火災(zāi)初期階段和遠(yuǎn)距離的監(jiān)測，也無法對災(zāi)源進(jìn)行定位與跟蹤，難以滿足煤礦安全生產(chǎn)需要。此外，在井下惡劣環(huán)境中，災(zāi)害感知裝置所依賴的傳感器容易受到環(huán)境因素的干擾，且這些傳感器僅能夠?qū)Π惭b位置處或周圍小范圍的監(jiān)測，很難實(shí)現(xiàn)對礦井下災(zāi)情的大面積監(jiān)控。

3、在礦井外因火災(zāi)的視覺監(jiān)測中，現(xiàn)有基于可見光和近紅外波段的外因火災(zāi)監(jiān)測方法均容易受井下各種干擾光源的影響，如巷道燈、礦燈、車燈等干擾光源。熱紅外視覺監(jiān)測不僅具有監(jiān)視范圍大、抗干擾能力強(qiáng)和實(shí)時性強(qiáng)等優(yōu)點(diǎn)，還具有可見光和近紅外監(jiān)測所不能表達(dá)的溫度場特征，并且易于發(fā)現(xiàn)遮蔽的火源目標(biāo)。為此，基于熱紅外視覺特征的火災(zāi)監(jiān)測已經(jīng)成為礦井外因火災(zāi)監(jiān)測的重要研究方向之一。但目前的熱紅外火災(zāi)視覺監(jiān)測僅適用于失控火源或近距離的特定場景，無法排除井下的干擾熱源，導(dǎo)致對早期火源目標(biāo)的檢測效果較差，并且無法實(shí)現(xiàn)井下遠(yuǎn)距離、大范圍的火災(zāi)監(jiān)測。

4、針對熱紅外火災(zāi)視覺監(jiān)測中存在的問題，結(jié)合煤礦井下特殊環(huán)境，本發(fā)明利用礦井外因火災(zāi)蔓延過程中的視覺特征，實(shí)現(xiàn)了一種基于紅外視覺特征融合的礦井外因火災(zāi)監(jiān)測，利用防爆攝像機(jī)等外部設(shè)備作為視頻圖像采集裝置，實(shí)時采集監(jiān)測區(qū)域的視頻圖像，僅在井下重點(diǎn)區(qū)域部署少量的攝像機(jī)，就能實(shí)現(xiàn)煤礦井下的大面積監(jiān)測；同時，對監(jiān)控設(shè)備采集到的視頻圖像進(jìn)行計(jì)算機(jī)視覺和圖像處理技術(shù)分析。針對火災(zāi)蔓延階段的動、靜態(tài)特征類型多的問題，采用火災(zāi)特征篩選方法選取關(guān)鍵視覺特征，并結(jié)合選取的關(guān)鍵視覺特征對視頻圖像中火災(zāi)疑似目標(biāo)進(jìn)行特征融合識別，以此達(dá)到快速、精確、可靠的識別監(jiān)視區(qū)域內(nèi)的高溫?zé)嵩春偷V井火災(zāi)。該方法與現(xiàn)有的監(jiān)測預(yù)警方法相比，基于本發(fā)明的礦井外因火災(zāi)判識方法將更為快速、精確和可靠。此外，在礦井應(yīng)急救援過程中，基于紅外視覺的火災(zāi)監(jiān)測還能夠輔助救援人員對現(xiàn)場災(zāi)情做出預(yù)判并制訂對應(yīng)的應(yīng)急預(yù)案。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有熱紅外視覺監(jiān)測技術(shù)進(jìn)行礦井火災(zāi)識別時存在誤報率和漏報率高的問題，以及在實(shí)現(xiàn)井下大面積監(jiān)測的基礎(chǔ)上，提高井下早期火災(zāi)的識別速度、精確度、可靠性，進(jìn)而滿足煤礦安全生產(chǎn)的實(shí)際需要。

2、本發(fā)明具體采用以下技術(shù)方案解決上述技術(shù)問題：

3、一種礦井火災(zāi)紅外視覺特征篩選及特征融合監(jiān)測方法，其特征在于，所述的方法包括以下步驟：

4、步驟1：結(jié)合礦井待監(jiān)視區(qū)域的空間特征、地質(zhì)特性、巷幫條件和采動影響，在待監(jiān)視區(qū)域的最優(yōu)位置處安裝紅外熱像儀；

5、步驟2：采集火災(zāi)紅外視頻，并進(jìn)行等間隔采樣，依次獲取視頻中第t-1幀和t幀的紅外圖像；采用改進(jìn)的lcm模型分割出第t-1幀和t幀中的火災(zāi)區(qū)域；

6、步驟3：依次計(jì)算第t-1幀和t幀中火災(zāi)區(qū)域的靜態(tài)特征，所述的靜態(tài)特征至少包括圓形度、矩形度、溫度、紋理、偏心率；采用相似度系數(shù)定位第t-1幀和t幀中同一火災(zāi)區(qū)域，并計(jì)算同一火災(zāi)區(qū)域的動態(tài)特征，所述的動態(tài)特征至少包括溫度變化率、面積變化率、質(zhì)心移動、周長增長率；根據(jù)所述的靜態(tài)特征和動態(tài)特征，構(gòu)建第t幀圖像中火災(zāi)區(qū)域的樣本特征向量；

7、步驟4：重復(fù)步驟2和3過程，獲取火災(zāi)紅外視頻中所有火災(zāi)區(qū)域的樣本特征向量，并通過所有火災(zāi)區(qū)域的樣本特征向量建立礦井火災(zāi)的樣本特征集；

8、步驟5：采集包含干擾熱源的礦井紅外視頻，采用步驟2過程獲取第t-1幀和t幀中的干擾熱源區(qū)域；采用步驟3過程獲取第t幀圖像中干擾熱源區(qū)域的樣本特征向量；重復(fù)步驟2和3過程，獲取包含干擾熱源的礦井紅外視頻中所有干擾熱源區(qū)域的樣本特征向量，并通過所有干擾熱源區(qū)域的樣本特征向量建立礦井干擾熱源的樣本特征集；

9、步驟6：通過礦井火災(zāi)的樣本特征集和礦井干擾熱源的樣本特征集，建立礦井火災(zāi)紅外視覺特征篩選的數(shù)據(jù)集，并進(jìn)行礦井火災(zāi)紅外視覺關(guān)鍵特征篩選；

10、步驟7：結(jié)合篩選的礦井火災(zāi)紅外視覺關(guān)鍵特征和所述數(shù)據(jù)集，構(gòu)建礦井火災(zāi)的關(guān)鍵特征數(shù)據(jù)集；隨機(jī)抽取關(guān)鍵特征數(shù)據(jù)集中的一部分樣本數(shù)據(jù)，構(gòu)成特征融合監(jiān)測的分類器的訓(xùn)練數(shù)據(jù)集，并將訓(xùn)練數(shù)據(jù)集輸入特征融合監(jiān)測的分類器進(jìn)行模型訓(xùn)練，獲取訓(xùn)練后的特征融合監(jiān)測的分類器模型；

11、步驟8：采用改進(jìn)的lcm模型分割紅外熱像儀視頻流中出現(xiàn)的火災(zāi)疑似區(qū)域，根據(jù)當(dāng)前幀和前一幀中的同一火災(zāi)疑似區(qū)域，計(jì)算當(dāng)前幀的礦井火災(zāi)紅外視覺關(guān)鍵特征；根據(jù)得到的礦井火災(zāi)紅外視覺關(guān)鍵特征，構(gòu)建相應(yīng)的關(guān)鍵特征向量，并將關(guān)鍵特征向量輸入訓(xùn)練后的特征融合監(jiān)測的分類器模型，識別當(dāng)前幀中是否存在礦井外因火災(zāi)。

12、進(jìn)一步地，所述的礦井火災(zāi)紅外視覺特征篩選過程包括以下步驟：

13、步驟6a：隨機(jī)抽取數(shù)據(jù)集中的一部分樣本特征向量，并按照樣本特征向量中的特征類別依次構(gòu)成僅有同一種特征的單特征訓(xùn)練集f1，f2，…，fn，n為特征總數(shù)；

14、步驟6b：選取某一單特征訓(xùn)練集fτ，輸入特征篩選分類器中進(jìn)行模型訓(xùn)練，訓(xùn)練完成后輸出該單特征對應(yīng)的篩選分類器模型sτ，1≤τ≤n；

15、步驟6c：重復(fù)步驟6b，依次得到單特征訓(xùn)練集f1，f2，…，fn對應(yīng)的篩選分類器模型s1，s2，…，sn；

16、步驟6d：將數(shù)據(jù)集中的另一部分樣本特征向量，按照樣本特征向量中的特征類別依次構(gòu)成僅有同一種特征的單特征測試集f1，f2，…，fn；

17、步驟6e：將單特征測試集f1，f2，…，fn輸入對應(yīng)的篩選分類器模型s1，s2，…，sn中進(jìn)行預(yù)測，輸出每一單特征測試集對應(yīng)的預(yù)測值；采用指標(biāo)閾值法分析預(yù)測值與真實(shí)值，篩選出礦井火災(zāi)紅外視覺關(guān)鍵特征。

18、進(jìn)一步地，所述的改進(jìn)的lcm模型包括將原lcm模型中局部區(qū)域取最大值策略改為計(jì)算局部區(qū)域的均值，并引入多尺度策略提高礦井紅外圖像中目標(biāo)的顯著度；所述的顯著度由式計(jì)算得到；通過顯著度公式計(jì)算不同尺度下的顯著圖，將多個尺度下顯著圖進(jìn)行取像素最大值操作，得到最終的顯著圖，采用原lcm模型的目標(biāo)分割策略，提取最終的顯著圖中的火災(zāi)區(qū)域、干擾熱源區(qū)域或火災(zāi)疑似區(qū)域；式中cj為尺度j下中心區(qū)域的顯著值；lj為尺度j下中心區(qū)域的灰度最大值；ci,j為尺度j下中心區(qū)域與第i個鄰域的對比度，ci＝l/mi，i取4或8鄰域，mi為第i個鄰域的灰度平均值。

19、進(jìn)一步地，所述的紋理特征通過計(jì)算火災(zāi)區(qū)域、干擾熱源區(qū)域或火災(zāi)疑似區(qū)域的圖像熵得到，所述的圖像熵式中pq為火災(zāi)疑似區(qū)域中灰度q出現(xiàn)的概率；n為礦井紅外圖像的灰度等級。

20、進(jìn)一步地，所述的溫度特征通過計(jì)算火災(zāi)區(qū)域、干擾熱源區(qū)域或火災(zāi)疑似區(qū)域的灰度平均值得到，所述的灰度平均值式中m為火災(zāi)區(qū)域、干擾熱源區(qū)域或火災(zāi)疑似區(qū)域的像素總數(shù)；ik為火災(zāi)區(qū)域、干擾熱源區(qū)域或火災(zāi)疑似區(qū)域中第k個像素的灰度。

21、進(jìn)一步地，所述的溫度變化率dt＝|rt,t-rt,t-1|/rt,t，式中rt,t和rt,t-1分別為第t幀和t-1幀中同一火災(zāi)區(qū)域或同一干擾熱源區(qū)域或同一火災(zāi)疑似區(qū)域的灰度平均值rt。

22、進(jìn)一步地，所述的相似度系數(shù)通過計(jì)算均方相對誤差的倒數(shù)得到，用于衡量紅外視頻中相鄰幀的分割區(qū)域是否為同一火災(zāi)區(qū)域或同一干擾熱源區(qū)域或同一火災(zāi)疑似區(qū)域；所述的均方相對誤差式中μt,τ、μt-1,τ分別為第t幀和t-1幀中同一火災(zāi)區(qū)域或同一干擾熱源區(qū)域或同一火災(zāi)疑似區(qū)域的第τ個靜態(tài)特征值。

23、進(jìn)一步地，所述的特征類別由靜態(tài)特征和動態(tài)特征構(gòu)成，特征總數(shù)等于特征類別的數(shù)目之和，所述的指標(biāo)閾值法為根據(jù)預(yù)測值與真實(shí)值，計(jì)算對應(yīng)的指標(biāo)值，并將指標(biāo)值與設(shè)定的閾值進(jìn)行比較。