一种公路隧道内火灾监测方法及系统与流程

本发明涉及火灾检测，尤其是涉及一种公路隧道内火灾监测方法及系统。

背景技术：

1、公路隧道内发生火灾会对人们的生命安全及财产带来很多严重的破坏，也会造成交通堵塞，影响车辆的正常运行；若公路隧道内有火灾发生，可能会产生有毒气体或有害物质威胁人们的生命安全。因此，为防止上述情况发生，对公路隧道内进行火灾监测。

2、目前，公路隧道内由于环境复杂多变，监测系统可能会出现漏报或误报，导致火灾监测方法具有不稳定性；由于许多公路隧道火灾监测系统缺乏实时监控，导致无法及时发现和处理火灾事故。

技术实现思路

1、为了提高公路隧道内火灾监测的稳定性，本技术提供了一种公路隧道内火灾监测方法及系统。

2、第一方面，本技术提供的一种公路隧道内火灾监测方法，采用如下的技术方案：

3、一种公路隧道内火灾监测方法，包括：

4、获取目标区域对应的图像数据；

5、将图像数据输入至漏油识别模型中，漏油识别模型输出漏油检测结果；

6、获取目标区域内的危险气体浓度信息，根据危险气体浓度信息得到气体检测结果；

7、获取目标区域内的烟雾浓度信息，根据烟雾浓度信息对目标区域进行危险等级划分，得到危险等级结果；

8、根据漏油检测结果、气体检测结果和危险等级结果，生成火灾风险等级。

9、通过采用上述技术方案，先获取目标区域的图像数据，再利用漏油识别模型基于图像数据得到漏油检测结果，利用气体浓度信息得到气体检测结果，并且利用烟雾浓度信息对目标区域进行危险等级划分，得到危险等级结果。通过漏油检测结果、气体检测结果和火灾风险等级多个方面，更加全面的对隧道内火灾进行监测，提高火灾监测的稳定性。

10、可选的，还包括对预设网络进行训练得到漏油识别模型，所述训练步骤包括：

11、采集训练数据集，对训练数据集中的每一张样本图像进行漏油区域标注，得到漏油区域标签；

12、将样本图像输入至预设网络模型中，统计样本图像灰度值的分布，得到道路区域；

13、根据道路区域每一像素格的灰度值，提取道路区域中的异常区域；

14、判断异常区域是否为漏油区域，若是，则输出油污识别结果；

15、根据油污识别结果和漏油区域标签，对预设网络的模型参数进行迭代更新，得到漏油识别模型。

16、通过采用上述技术方案，先对训练数据集中的样本图像进行漏油区域标注得到漏油区域标签，利用统计样本图像灰度值点的分布的方式得到道路区域，根据道路区域像素格灰度值的变化，从而提取道路区域中点的异常区域，若判定异常区域为漏油区域，则输出油污识别结果，将油污识别结果和标注的漏油区域标签进行比对，以便根据比对结果对预设网络的模型参数进行迭代更新，从而实现了对预设网络进行训练得到漏油识别模型的效果。

17、可选的，所述采集训练数据集，具体包括：

18、在不同环境因素下，分别采集目标区域内的原始图像；其中，环境因素包括光照强度、时间段以及图像采集设备的采集角度；

19、对原始图像进行预处理，得到样本图像，对样本图像进行整合得到训练数据集。

20、通过采用上述技术方案，先采集在不同光照强度、不同时间段和采集设备的不同角度下的原始图像并对原始图像进行预处理，得到图像质量更高且更全面的样本图像，从而实现了训练数据集的构建。

21、可选的，所述对原始图像进行预处理，得到样本图像，具体包括：

22、对原始图像进行灰度化处理，得到灰度图像；

23、对灰度图像进行滤波处理，得到去噪图像；

24、对去噪图像进行平滑处理，得到样本图像。

25、通过采用上述技术方案，先对样本图像进行灰度化处理，减少了图像的复杂性，以得到更加简化的灰度图像，再对灰度图像进行滤波处理，减少了图像的噪声、增加了图像的特定特征，以得到去噪图像，最后对去噪图像进行平滑处理，对细节部分进行平滑处理，从而得到质量更高的样本图像。

26、可选的，所述根据道路区域每一像素格的灰度值，提取道路区域中的异常区域，具体包括：

27、根据道路区域每一像素格的灰度值，计算道路区域的平均色值，并基于平均色值生成当前的阈值色值；

28、筛选出灰度值超过阈值色值的像素格，得到异常像素格；

29、根据异常像素格，对道路区域进行二值化处理，得到二值化图像；

30、对二值化图像进行形态学操作，以得到道路区域中得到异常区域。

31、通过采用上述技术方案，先根据道路区域每个像素格的灰度值计算出平均色值，再基于平均色值生成当前的阈值色值，使得阈值色值更加贴近当前环境，筛选出超过阈值色值的像素格并得到异常像素格，根据异常像素格对道路区域进行二值化处理，得到二值化图像，对二值化图像进行形态学操作，通过形态学操作对二值化图像中的异常像素格进行扩张和膨胀，将相连的异常像素格连成区域，并去除噪声像素格，从而实现了对异常区域的提取。

32、可选的，所述判断异常区域是否为漏油区域，具体包括：

33、判断异常区域的形状是否符合油污形状特征，若不符合，则判定异常区域不是漏油区域；

34、若符合，则判断异常区域的面积在单位时长内是否扩大，若否，则判定异常区域不是漏油区域；若是，则判定异常区域为漏油区域。

35、通过采用上述技术方案，若异常区域形状符合油污形状特征，且异常区域的面积在单位时长内扩大，则判定异常区域为漏油区域，从而实现了对漏油区域的识别。

36、可选的，所述根据漏油检测结果、气体检测结果和危险等级结果，生成火灾风险等级，具体包括：

37、判断危险等级结果是否为一级，若为一级，则生成火灾风险等级为高风险；

38、若不为一级，则判断气体检测结果是否超过预设气体浓度阈值，并判断漏油监测结果是否存在漏油；

39、若超过预设气体浓度阈值和/或漏油监测结果为漏油，则生成火灾风险等级为中风险；

40、若未超过预设气体浓度阈值且漏油监测结果为不漏油，则生成火灾风险等级为低风险。

41、通过采用上述技术方案，若危险判断结果为一级，说明当前目标区域可能已经发生火灾，则直接生成火灾风险等级为高风险，若不是一级，再对当前气体浓度和漏油监测结果进行判断，若气体浓度超过阈值或生成漏油结果，说明目标区域中存在易燃易爆气体或油污，发生火灾的风险较大，则此时生成火灾风险等级为中风险，若气体浓度未超过阈值且生成不漏油结果，则发生火灾的可能性较小，此时生成火灾风险等级为低风险，从而实现了火灾风险等级的生成。

42、可选的，所述生成火灾风险等级之后，还包括：

43、响应于火灾风险等级为中风险，输出声光报警控制信号，以对目标区域进行声光报警；

44、响应于火灾风险等级为高风险，输出声光报警控制信号对目标区域进行声光报警，并生成高风险报警消息发送至监测终端。

45、通过采用上述技术方案，先生成火灾风险等级，若为中风险，则对隧道内发出声光报警信号，以提醒行驶车辆；若为高风险，此时不仅要对隧道内发出声光报警，还要将高风险报警消息发送至监测终端，以便相关人员及时采取措施，从而保障了公路隧道内车辆的通行安全。

46、第二方面，本技术提供一种公路隧道内火灾监测系统，采用如下技术方案：

47、一种公路隧道内火灾监测系统，包括：

48、图像处理单元，用于获取目标区域对应的图像数据；

49、漏油检测单元，用于将图像数据输入至漏油识别模型中，漏油识别模型输出漏油检测结果；

50、气体检测单元，用于获取目标区域内的危险气体浓度信息，根据危险气体浓度信息得到气体检测结果；

51、危险等级划分单元，用于获取目标区域内的烟雾浓度信息，根据烟雾浓度信息对目标区域进行危险等级划分，得到危险等级结果；

52、风险等级生成单元，用于根据漏油检测结果、气体检测结果和危险等级结果，生成火灾风险等级。

53、第三方面，本技术提供一种计算机设备，采用如下技术方案：

54、一种计算机设备，包括存储器、处理器以及储存在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行如上述任一种方法的计算机程序。

55、第四方面，本技术提供一种计算机可读存储介质，采用如下技术方案：

56、一种计算机可读存储介质，包括存储有能够被处理器加载并执行如上述任一方法中的计算机程序。