一种基于林地信息管理平台的森林防火预警方法及系统与流程

本技术涉及防火监控，尤其是涉及一种基于林地信息管理平台的森林防火预警方法及系统。

背景技术：

1、林地信息管理平台是以森林、草原的日常管理和监测保护为目标的林业信息化建设管理平台，充分运用物联网、大数据等现代信息技术手段，将指定区域范围的林地资源信息、林长组织体系、任务目标达成等纳入信息化监管范畴，采用数据共享、部门协同、多级联动等机制，对该指定区域范围的林长制工作进行统筹管理。

2、为了有效防止森林火灾，需要对森林环境进行检测；而火灾的发生需要条件，自身的条件和人为因素的影响都可能造成火灾的发生；人为因素影响包括野炊等。

3、目前主流的检测方式是在需要进行监控的重要场地安装监控摄像头或通过无人机荷载相机进行任务巡检的方式进行监控，再通过网络、通信将拍摄的画像传输至林地信息管理平台端，通过巡检员对监控画面进行监控，在发现可疑的会引起森林火灾的行为时，需要前往现场管理。

4、而现有的人工通过林地信息管理平台的后台端进行监控的方式，由于人的眼力和精力有限，通常是在发生森林火灾事故后翻看视频回放录像，定位可疑人员行为，没有很好地在火灾发生前检测出火灾发生的可能性，为森林火灾的处理带来了滞后性，存在改善的空间。

技术实现思路

1、为了及时发现会引起森林火灾的可疑人员行为，及时进行防火预警，本技术提供一种基于林地信息管理平台的森林防火预警方法及系统。

2、本技术的发明目的一采用如下技术方案实现：

3、一种基于林地信息管理平台的森林防火预警方法，包括：

4、实时获取森林防火监控录像；在所述森林防火监控录像中获取到人像图像时，对所述人像图像进行行为分析，得到对应的人员行为分析结果；所述人员行为分析结果包括异常人员行为；基于所述人像图像获取对应的位置标识，将所述位置标识对异常人员行为对应位置划分为待检测区域范围，获取所述待检测区域范围的气体浓度参数；

5、在所述气体浓度参数满足预设的异常预警阈值时进行预警；在接收到所述预警信息时获取所述待检测区域范围的热量参数并进行热量变化率分析，得到对应的预警分析结果。

6、通过采用上述技术方案，为了检测人为因素可能引发的森林火灾，需要对除巡检员执行巡检任务等的正常工作外的异常人员、异常行为进行监控分析；具体地，通过在实时获取得到的森林防火监控录像中获取到的人像影像进行人员行为分析，以从人员行为分析结果中得到森林防火监控录像中人员的具体行为；人员行为分析结果包含巡检员巡检的正常人员行为和外来人员野炊的异常人员行为；因而持续监控分析该异常人员行为是否存在引发森林火灾的安全隐患，通过在异常人员对应的位置区域内划分进一步跟踪监测的待检测区域范围，并通过无人机载荷气体浓度传感器等能够监测气体浓度信息的监测设备、且无人机载荷红外热成像仪等具备热成像技术的设备以进行紧急巡检的方式前往该待检测区域范围进行气体浓度检测和热量变化率分析；由于空气中一氧化碳、二氧化碳、氧气的浓度达到一定的比值时可能会引发森林火灾的危险现象(如相同时间内，一氧化碳的增加值与二氧化碳的减少值比例在7％-10％的时候，可能会引发森林着火，而比值达到10％以上，则引发森林火灾)；因而在待检测区域范围的气体浓度达到会引发森林火灾的异常预警阈值时，给林地信息管理平台的管理人员发送预警信息；并基于预警信息获取待检测区域范围的热量参数并再次进行温度热量变化分析，以快速得到对应的预警分析结果，便于及时发现会引起森林火灾的可疑人员行为，及时进行防火预警。

7、本技术在一较佳示例中：还包括：

8、采用目标检测网络，对所述人像图像进行初次检测，得到初次检测为烟雾或火焰的目标对象；在初次检测到有烟雾或火焰的目标对象时，将所述人像图像中包括所述目标对象的图像作为预警图像；从第一帧的所述预警图像开始，统计连续帧的所述预警图像的总帧数；

9、若所述总帧数大于或等于预设帧数阈值，截取多个所述预警图像中所述目标对象所占的区域，得到多个告警目标图；

10、采用动态分类网络，对所述多个告警目标图进行动态特性判断，得到分类结果，所述分类结果包括所述目标对象是否为疑似烟火。

11、通过采用上述技术方案，采用目标检测网络，结合人像图像中的烟雾、火焰的颜色，从人像图像中筛选出大量的烟雾或火焰的目标对象，以便于筛选出森林中是否出现人为因素点火的行为：如放鞭炮、烧烤食物等，需要对人为因素可能引发火灾的行为进行重点关注；进一步地，在获得目标对象后，采用图像前景、统计预警图像总帧数和动态特性判断的方式对目标对象进行多级过滤，排除非烟雾、非火焰的目标对象，以提高识别烟雾或火焰的目标对象的准确度，从而提高对异常人员行为的识别结果。

12、本技术在一较佳示例中：所述在所述目标对象为所述人像图像中的前景时，将所述人像图像中包括所述目标对象的图像作为预警图像之后；包括：

13、基于所述预警图像的位置标识对应的待检测区域范围进行跟踪拍摄得到跟踪监控录像；

14、若预设的时间阈值内在所述跟踪监控录像中没有识别到人像图像时，则对所述跟踪监控录像进行分帧处理，得到待判定跟踪图像；

15、采用目标检测网络，对所述待判定跟踪图像进行检测；在得到检测为烟雾或火焰的目标对象时进行预警。

16、通过采用上述技术方案，人为因素在森林中点火，如野炊后，在人员离开时需要及时将火扑灭彻底，以免发生森林火灾；因而在识别森林中出现人员异常行为时，对人员异常行为所在的待检测区域范围进行跟踪拍摄得到跟踪监控录像；如在一定的时间内该范围没有检测到人像图像，表征该人员已离开该区域；此时对跟踪监控录像进行分帧处理，得到待判定跟踪图像，并识别同一个待检测区域范围内是否存在烟雾、火焰等目标对象，以判定人员离开后是否扑灭火源，如在检测到烟雾或火焰的目标对象时，表征火源没有被完全扑灭，此时通过预警信号通知森林管理员及时采取扑火措施。

17、本技术在一较佳示例中：所述对所述人像图像进行行为分析，得到对应的人员行为分析结果；具体包括：

18、对所述森林防火监控录像进行分帧处理，逐帧比较相邻两帧所述人像图像之间的动作差异信息；

19、若所述动作差异信息小于预设的差异阈值，则将对应的所述人像图像合并，以得到人物驻足时间；

20、识别并获取人体部位信息，并根据人体部位信息从所述动作差异信息中得到人像行为信息，将所述人像行为信息和对应的人物驻足时间作为所述人员行为分析结果。

21、通过采用上述技术方案，通过对森林防火监控录像进行分帧处理得到多帧的人像图像，再对相邻两帧之间的人像图像进行动作差异分析，分析判断出该人员的行为，在人员的动作差异信息小于差异阈值时，则人员可能存在驻留、踩点的异常行为；同时通过对人体部位信息的动作差异信息进行分析，能够将人员的不同部位的动作进行结合分析得到人像行为信息，如四肢、躯干的动作差异信息等，使得到的人员行为分析结果更加准确；有利于筛选出森林中除巡检员正常巡查之外的异常行为。

22、本技术在一较佳示例中：包括：将所述位置标识对异常人员行为对应位置划分为待检测区域范围，获取所述待检测区域范围的气体浓度参数；具体包括：

23、将该异常人员行为对应的所述人像图像所在定点位置作为目标定位点；通过预设的摄像装置扫描周边环境中的人像图像，识别并获取新的异常人员行为和对应的目标定位点；

24、基于若干个所述目标定位点一一对应确定若干个待检测区域范围；

25、识别各个所述待检测区域范围内的气体类型，并在指定的时间段统计得到多种气体的气体浓度参数。

26、通过采用上述技术方案，对于外来人员的野餐，会存在相邻区域内的多处点火的情况，此时通过识别得到的至少一个异常人员行为对应的定点位置作为目标定位点，通过摄像装置扫描识别该异常人员行为的附近相邻区域是否也存在异常行为，基于检测到的多个异常人员分布的区域划分若干个待检测区域范围，识别获取各个待检测区域范围内的气体类型和气体浓度参数，判断是否存在空气中一氧化碳、二氧化碳、氧气的浓度达到一定的比值时可能会引发森林火灾的危险现象；如相同时间内，一氧化碳的增加值与二氧化碳的减少值比例在7％-10％的时候，可能会引发森林着火，而比值达到10％以上，则引发森林火灾；便于达到对预发生火灾的危险情形进行预警监测的目的。

27、本技术在一较佳示例中：所述基于若干个所述目标定位点一一对应确定若干个待检测区域范围之后，包括：

28、获取若干个所述待检测区域范围内的空气湿度、空气温度；统计获得未降雨天数ty；

29、将获取的若干个空气湿度中的最小值标记为空气湿度sd；将获取的若干个空气温度中的最大值标记为空气温度wd；

30、利用计算公式计算得到森林火灾发生系数fs，其中计算公式为

31、

32、其中α、β为预设值，且α、β均小于1；其中为异常人员行为对空气温度的变化影响系数，且pγ大于或等于1。

33、在所述森林火灾发生系数fs满足预警条件时进行预警。

34、通过采用上述技术方案，为在森林火灾发生前检测出火灾发生的可能性，并进行及时的补救以有效防止火灾的发生；通过对若干个待检测范围区域进行森林火灾发生系数的计算，当森林火灾发生系数满足预警条件时，表征此时森林中发生自燃火灾的可能性较高，通过预警的方式提示巡检员重点关注。

35、本技术的发明目的二采用如下技术方案实现：

36、一种基于林地信息管理平台的森林防火预警系统，包括：用于执行如上所述的一种基于林地信息管理平台的森林防火预警方法，森林防火预警系统包括：

37、监控行为分析模块，用于获取森林防火监控录像；在所述森林防火监控录像中获取到人像图像时，对所述人像图像进行行为分析，得到对应的人员行为分析结果；所述人员行为分析结果包括异常人员行为；

38、定位跟踪监测模块，用于基于所述人像图像获取对应的位置标识，将所述位置标识对异常人员行为对应位置划分为待检测区域范围，获取所述待检测区域范围的气体浓度参数；

39、预警提示确认模块，用于在所述气体浓度参数满足预设的异常预警阈值时进行预警；在接收到所述预警信息时获取所述待检测区域范围的热量参数并进行热量变化率分析，得到对应的预警分析结果。

40、通过采用上述技术方案，在实时获取得到的森林防火监控录像中获取到的人像影像进行人员行为分析，以从人员行为分析结果中得到森林防火监控录像中人员的具体行为；人员行为分析结果包含巡检员巡检的正常人员行为和外来人员野炊等点火的异常人员行为；因而需要持续监控分析该异常人员行为是否存在引发森林火灾的安全隐患，通过在异常人员对应的位置区域内划分进一步跟踪监测的待检测区域范围，通过无人机载荷监测设备以进行紧急巡检的方式前往该待检测区域范围进行气体浓度检测和热量变化率分析；由于空气中一氧化碳、二氧化碳、氧气的浓度达到一定的比值时可能会引发森林火灾的危险现象(如相同时间内，一氧化碳的增加值与二氧化碳的减少值比例在7％-10％的时候，可能会引发森林着火，而比值达到10％以上，则引发森林火灾)；因而在待检测区域范围的气体浓度满足会引发森林火灾的异常预警阈值时，给林地信息管理平台的管理人员发送预警信息；并基于预警信息再次进行温度热量变化分析，以快速得到对应的预警分析结果，便于及时发现会引起森林火灾的可疑人员行为，及时进行防火预警。

41、本技术在一较佳示例中：森林防火预警系统还包括：

42、目标检测模块，采用目标检测网络，对所述人像图像进行初次检测，得到初次检测为烟雾或火焰的目标对象；

43、预警图分析统计模块，用于在初次检测到有烟雾或火焰的目标对象时，将所述人像图像中包括所述目标对象的图像作为预警图像；从第一帧的所述预警图像开始，统计连续帧的所述预警图像的总帧数；

44、区域跟踪分析模块，用于若所述总帧数大于或等于预设帧数阈值，截取多个所述预警图像中所述目标对象所占的区域，得到多个告警目标图；

45、动态特性判断模块，用于采用动态分类网络，对所述多个告警目标图进行动态特性判断，得到分类结果，所述分类结果包括所述目标对象是否为疑似烟火。

46、通过采用上述技术方案，采用目标检测网络，结合人像图像中的烟雾、火焰的颜色，从人像图像中筛选出大量的烟雾或火焰的目标对象，以便于筛选出森林中是否出现人为因素点火的行为：如放鞭炮、烧烤食物等，需要对人为因素可能引发火灾的行为进行重点关注；进一步地，在获得目标对象后，采用图像前景、统计预警图像总帧数和动态特性判断的方式对目标对象进行多级过滤，排除非烟雾、非火焰的目标对象，以提高识别烟雾或火焰的目标对象的准确度，提高对异常人员行为的识别结果。

47、本技术在一较佳示例中：所述监控行为分析模块包括：

48、动作差异分析子模块，用于对所述森林防火监控录像进行分帧处理，逐帧比较相邻两帧所述人像图像之间的动作差异信息；

49、驻足时间计算子模块，用于若所述动作差异信息小于预设的差异阈值，则将对应的所述人像图像合并，以得到人物驻足时间；

50、人像行为判断子模块，用于识别并获取人体部位信息，并根据人体部位信息从所述动作差异信息中得到人像行为信息，将所述人像行为信息和对应的人物驻足时间作为所述人员行为分析结果。

51、通过采用上述技术方案，通过对森林防火监控录像进行分帧处理得到多帧的人像图像，再对相邻两帧之间的人像图像进行动作差异分析，分析判断出该人员的行为，在人员的动作差异信息小于差异阈值时，则人员可能存在驻留、踩点的异常行为；同时通过对人体部位信息的动作差异信息进行分析，能够将人员的不同部位的动作进行结合分析，如四肢、躯干的动作差异信息等，使得到的人员行为分析结果更加准确；有利于筛选出森林中除巡检员正常巡查之外的异常行为。

52、综上所述，本技术包括以下至少一种有益技术效果：

53、1.在实时获取得到的森林防火监控录像中获取到的人像影像进行人员行为分析，以从人员行为分析结果中得到森林防火监控录像中人员的具体行为；人员行为分析结果包含巡检员巡检的正常人员行为和外来人员野炊等点火的异常人员行为；因而需要持续监控分析该异常人员行为是否存在引发森林火灾的安全隐患，通过在异常人员对应的位置区域内划分进一步跟踪监测的待检测区域范围，通过无人机载荷监测设备以进行紧急巡检的方式前往该待检测区域范围进行气体浓度检测和热量变化率分析；由于空气中一氧化碳、二氧化碳、氧气的浓度达到一定的比值时可能会引发森林火灾的危险现象(如相同时间内，一氧化碳的增加值与二氧化碳的减少值比例在7％-10％的时候，可能会引发森林着火，而比值达到10％以上，则引发森林火灾)；因而在待检测区域范围的气体浓度满足会引发森林火灾的异常预警阈值时，给林地信息管理平台的管理人员发送预警信息；并基于预警信息再次进行温度热量变化分析，以快速得到对应的预警分析结果，便于及时发现会引起森林火灾的可疑人员行为，及时进行防火预警；

54、2.采用目标检测网络，结合人像图像中的烟雾、火焰的颜色，从人像图像中筛选出大量的烟雾或火焰的目标对象，以便于筛选出森林中是否出现人为因素点火的行为：如放鞭炮、烧烤食物等，需要对人为因素可能引发火灾的行为进行重点关注；进一步地，在获得目标对象后，采用图像前景、统计预警图像总帧数和动态特性判断的方式对目标对象进行多级过滤，排除非烟雾、非火焰的目标对象，以提高识别烟雾或火焰的目标对象的准确度，提高对异常人员行为的识别结果；

55、3.人为因素在森林中点火，如野炊后，在人员离开时需要及时将火扑灭彻底，以免发生森林火灾；因而在识别森林中出现人员异常行为时，对人员异常行为所在的待检测区域范围进行跟踪拍摄得到跟踪监控录像；如在一定的时间内该范围没有检测到人像图像，表征该人员已离开该区域；此时对跟踪监控录像进行分帧处理，得到待判定跟踪图像，并识别同一个待检测区域范围内是否存在烟雾、火焰等目标对象，以判定人员离开后是否扑灭火源，如在检测到烟雾或火焰的目标对象时，表征火源没有被完全扑灭，此时通过预警信号通知森林管理员及时采取扑火措施；

56、4.为在森林火灾发生前检测出火灾发生的可能性，并进行及时的补救防止火灾的发生；通过对若干个待检测范围区域进行森林火灾发生系数的计算，当森林火灾发生系数满足预警条件时，表征此时森林中发生自燃火灾的可能性较高，通过预警的方式提示巡检员重点关注。