(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211224520.1 (22)申请日 2022.10.09 (71)申请人 青鸟消防股份有限公司 地址 075600 河北省张家口市逐鹿县涿鹿 涿下路工业园 申请人 武汉东智科技股份有限公司 　 武汉青鸟智安科技有限公司 (72)发明人 聂晖　罗朝会　陈黎　杨小波　 李军　 (74)专利代理 机构 北京汇彩知识产权代理有限 公司 11563 专利代理师 王键 (51)Int.Cl. G08B 17/00(2006.01) G06V 20/40(2022.01)G06V 10/74(2022.01) (54)发明名称 基于两个缓冲池的端云联动消防图侦方法 及系统 (57)摘要 本发明提供一种基于两个缓冲池的端云联 动消防图侦方法和系统， 所述系统包括前端感知 装置、 视频监控设备、 云中心服务器； 所述 云中心 服务器上设有： 缓冲模块， 包括长时缓冲池、 短时 缓冲池， 用于分别存储并更新所获取的长时图像 数据和短时图像数据； 图侦模块， 用于在实时视 频流获取的窗口期， 计算长时缓冲池与短时缓冲 池的历史图像差异性； 以及在实时视频流获取 后， 计算长时缓冲池与实时视频的实时图像差异 性； 当云中心服务器收到前端感知装置的报警信 号时， 通过历史图像差异性和/或实时图像差异 性计算， 为人工图侦提供辅助分析。 本发明采用 两个缓冲池技术， 通过历史图侦差异性和实时图 侦差异性的双重分析， 有效地提高了火警报告的 及时性和准确性。 权利要求书2页 说明书6页 附图1页 CN 115512506 A 2022.12.23 CN 115512506 A 1.一种基于两个缓冲池的端云联动消防图侦系统， 其特征在于， 包括前端感知装置、 视 频监控设备、 云中心 服务器； 所述前端感知 装置、 视频监控设备分别与所述云中心 服务器通 信连接； 所述云中心服 务器上设有： 缓冲模块， 包括长时缓冲池、 短时缓冲池， 用于分别存储 并更新所获取的视频监控设备 的长时图像数据和短时图像数据； 图侦模块， 用于在实时视频流获取的窗口期， 计算长时缓冲池与短时缓冲池的历史图 像差异性； 以及 在实时视频流获取后， 计算长时缓冲池与实时视频的实时图像差异性； 当云中心服务器收到前端感知装置的报警信号时， 通过历史图像差异性和/或实时图 像差异性计算， 为人工图侦提供辅助分析。 2.根据权利要求1所述的基于两个缓冲池的端云联动消防图侦系统， 其特征在于， 所述 云中心服务器上还设有地址匹配模块， 用于设置前端感知装置与视频监控设备的地理坐 标‑IP地址匹配表， 提供 前端感知装置对应的视频监控设备的通信地址 。 3.根据权利要求1所述的基于两个缓冲池的端云联动消防图侦系统， 其特征在于， 所述 云中心服 务器通过通信模块分别与前端感知装置和视频监控设备通信连接 。 4.一种基于 两个缓冲池的端云联动消防图侦方法， 其特 征在于， 包括如下步骤： S1、 设置前端感知装置与视频监控设备的地理坐标 ‑IP地址匹配表； S2、 设置两个缓冲池， 第一个为长时缓冲池， 第二个为短时缓冲池， 分别存储并更新所 获取的视频监控设备的长时图像数据和短时图像数据； S3、 云中心服务器收到前端感知装置的报警信号时， 通过匹配表查询对应的视频监控 设备的通信地址， 进行视频流远程获取； S4、 在实时视频流获取的窗口期， 通过长时缓冲池与短时缓冲池的图像数据， 进行历史 图像差异 性计算； 在实时视频流 获取后， 通过长时缓冲池与实时视频流的图像数据， 进行实 时图像差异性计算； S5、 使用历史图像差异性和/或实时图像差异性计算结果， 为人工图侦提供辅助分析。 5.根据权利要求4所述的基于两个缓冲池的端云联动消防图侦方法， 其特征在于， 所述 步骤S1具体包括： S11、 前端感知装置xi以网格化方式布防， 保存前端感知装置xi的地理坐标； S12、 视频监控设备yj的视野域覆盖1~N个前端感知装置， 保存视频监控设备yj的IP地 址； S13、 前端感知 装置xi与视频监控 设备yj的地理坐标‑IP地址的i:j匹配表为N:1线性表， 即N个前端感知装置对应一个视频监控设备。 6.根据权利要求4所述的基于两个缓冲池的端云联动消防图侦方法， 其特征在于， 所述 步骤S2具体包括： S21、 设置长时缓冲池数据更新时间t 1， 每隔t1时刻， 接收视频监控设备的远程图像， 进 行长时缓冲池图像数据的更新； S22、 设置短时缓冲池数据更新时间t2,  每隔t2时刻， 接收视频监控设备的远程图像， 进行短时缓冲池图像数据的更新； 其中， t 2 <t1。 7.根据权利要求6所述的基于两个缓冲池的端云联动消防图侦方法， 其特征在于， 所述 步骤S21中， 长时缓冲池图像数据更新方式为高斯背景建模方法， 具体包括：权　利　要　求　书 1/2 页 2 CN 115512506 A 2设对于背景图像B， 每一个 像素点 （x， y） 到高斯背景模型的映射p （x） 满足 ， 其中： x为某一像素点的像素值， u和d为高斯分布的均值和方 差； 计算长时缓冲池图像序列中每一个点的均值u和方差d， 作为背 景模型； 对于一幅包含前 景的任意图像G， 对于图像上的每一个点 （x,y） ， 若： ， 则认为该点是背景点， 否则为前景点； 其中， 为一个常数 阈值,G(x,y)表示前景即当前图像上的某点像素值,B(x,y)表示背景即高斯背景建模的背 景图像上对应点的像素值； 长时缓冲池用以下 方法更新每一帧图像： 其中， p是 更新阈值， 为 一个常数， 用来反映背景 更新率， p越大， 背景 更新的越慢。 8.根据权利要求6所述的基于两个缓冲池的端云联动消防图侦方法， 其特征在于， 所述 步骤S22中， 短时缓冲池图像数据更新方式为 替换法， 具体为： 在短时缓冲池获取图像后， 把最新获取的所有图像像素Mt（x， y） 完全覆盖之前的像素 Mt‑1（x， y） ： 。 9.根据权利要求4所述的基于两个缓冲池的端云联动消防图侦方法， 其特征在于， 所述 步骤S4中， 历史图像差异性和实时图像差异性的计算方法为结构相似性差异计算方法， 具 体步骤包括： 输入长时缓冲池与短时缓冲池的图像数据或者长时缓冲池与实时视频的图像数据， 设 每两张图片分别为x， y； 将平均灰度 μ作为亮度测量， 分别计算平均灰度ux、 uy； 将灰度标准差σ 作为对比度测量， 分别计算灰度标准差σ x、 σ y； 根据计算得到的ux、 uy、 σ x、 σ y， 计算图片之间的结构化差异性D(x， y)： 其中C1， C2为常数， 避免分母接 近于0时造成的不稳定性； D越大， 代 表图片差异性越小， D越小， 代 表图片的差异性越大。 10.根据权利要求9所述的基于两个缓冲池的端云联动消防图侦方法， 其特征在于， 所 述步骤S5中， 为人工图帧提供辅助分析是指： 在前端感知 装置报警后， 云中心 服务器未获取 现场实时视频流之前， 若历史图像差异性D1大于某阈值， 说明大概率不是前端感知装置误 报， 工作人员可根据此IP地址和视频时间， 得到火灾发生可能的地点与时间， 发出火灾预 警， 提前准备消防操作； 当现场实时视频流到达 云中心服务器后， 若实时图像差异 性D2大于 某阈值， 则判断此处大概率 发生火灾， 工作人员可根据此IP地址和视频时间， 确定火灾 发生 地点与时间， 发出火灾报警。权　利　要　求　书 2/2 页 3 CN 115512506 A 3