CN119399592A 一种智慧媒体高清视频的多光谱融合显示方法和系统 （深圳腾信百纳科技有限公司）

道福保社区市花路创凌通科技大厦A座四层405(河套科创中心市花路一号一种智慧媒体高清视频的多光谱融合显示本申请提供了一种智慧媒体高清视频的多据和可见光特征数据进行空间配准后再特征融对火灾风险进行评估并进行视频端标注显示的2采集红外光视频数据和可见光视频数据并进行特征点识别，获得对红外光视频数据和可见光视频数据分别进行特征提取，获得红外光特征根据所述空间距离数据以及所述红外光特征数据、可见光特征数对配准后的红外光特征数据和可见光特征数据进行特征根据所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得火灾风险采集红外光视频数据和可见光视频数据，分别对红外光视频数据和所述红外光特征点坐标数据包括红外光角点坐标数据、红外光轮廓所述可见光特征点坐标数据包括可见光角点坐标数据、可见光轮廓点坐标将所述红外光特征点坐标数据和可见光特征点坐标数据输入预设空间变换模型中进对红外光视频数据和可见光视频数据分别进行特征提取，获得红外光特征所述红外光特征数据包括热辐射像素值、红外光纹理特征数据、红外所述红外光纹理特征数据包括边界热对比度、边界热相关性数据所述可见光特征数据包括可见光纹理特征数据、可见光边缘特征所述可见光边缘特征数据包括边缘像素梯度值、边缘像素梯度方根据所述热辐射区域质心坐标数据以及所述轮廓质3根据所述空间距离数据以及所述轮廓面积、热辐射区域面积进行将所述特征融合评估指数与预设特征融合评估指数阈值进行根据所述边界热对比度、边界热相关性数据以及所述边界颜色对比根据所述边缘热像素梯度值、边缘热像素梯度方向变化频率、边根据所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得火灾风险评估根据所述热辐射像素值、纹理特征异常评估指数和边缘特征将所述火灾风险评估指数与预设火灾风险评估指数阈值进行对比，根频的多光谱融合显示的方法程序被所述处理器执行时实现采集红外光视频数据和可见光视频数据并进行特征点识别，获得对红外光视频数据和可见光视频数据分别进行特征提取，获得红外光特征根据所述空间距离数据以及所述红外光特征数据、可见光特征数对配准后的红外光特征数据和可见光特征数据进行特征4根据所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得火灾风险采集红外光视频数据和可见光视频数据，分别对红外光视频数据和所述红外光特征点坐标数据包括红外光角点坐标数据、红外光轮廓所述可见光特征点坐标数据包括可见光角点坐标数据、可见光轮廓点坐标将所述红外光特征点坐标数据和可见光特征点坐标数据输入预设空间变换模型中进5[0002]视频监控作为智慧工地的重要组成部分，能够直观地呈的图像对不同的物体特征和环境条件具有独特的敏感性，通过将多光谱图像进行融合处红外光和可见光的多光谱数据进行数据融合，并对特征融合后的数据进行特征异常评估，对配准后的红外光特征数据和可见光特征数据进行特征融合，获得特征融合向根据所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得火灾6所述红外光特征点坐标数据包括红外光角点坐标数据、红外光轮廓点坐标数据、所述可见光特征点坐标数据包括可见光角点坐标数据、可见光轮廓点坐标数据、将所述红外光特征点坐标数据和可见光特征点坐标数据输入预设空间变换模型根据所述热辐射区域质心坐标数据以及所述轮廓质心坐标数据进行空间距离计所述空间距离数据以及所述红外光特征数据、可见光特征数据处理获得特征融合评估指7所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得火灾风险评估指数，述智慧媒体高清视频的多光谱融合显示方法的程序被所述处理器执行时实现对配准后的红外光特征数据和可见光特征数据进行特征融合，获得特征融合向根据所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得火灾所述红外光特征点坐标数据包括红外光角点坐标数据、红外光轮廓点坐标数据、所述可见光特征点坐标数据包括可见光角点坐标数据、可见光轮廓点坐标数据、将所述红外光特征点坐标数据和可见光特征点坐标数据输入预设空间变换模型8[0015]由上可知，本申请提供的一种智慧媒体高清视频的多光含红外光和可见光的多光谱数据进行数据融合，并对特征融合后的数据进行特征异常评图2为本申请实施例提供的智慧媒体高清视频的多光谱融合显示方法的获得空间图3为本申请实施例提供的智慧媒体高清视频的多光谱融合显示方法的获得空间图4为本申请实施例提供的智慧媒体高清视频的多光谱融合显示方法的进行空间此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因9S16、根据所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得的几何变形差异，使得同一物体在两种图像中的形状和位置关系能够在数学上更好地对换模型参数将红外光图像中的每个像素按照这个变换规则映射到与可见光图像对应的位见光视频数据并进行特征点识别，获得红外光特征点坐标数据和可见光特征点坐标数据，S24、将所述红外光特征点坐标数据和可见光特征点坐标数据输入预设空间变换;S36、根据所述热辐射区域质心坐标数据以及所述轮廓质心坐标数据进行空间距;;;;理特征异常评估指数和边缘特征异常评估指数处理获得火灾风险;[0038]本发明还公开了智慧媒体高清视频的多光谱融合显示系统，包括存储器和处理视频的多光谱融合显示方法程序被所述处理器执行时实现对配准后的红外光特征数据和可见光特征数据进行特征融合，获得特征融合向根据所述纹理特征异常评估指数以及所述边缘特征异常评估指数处理获得火灾的几何变形差异，使得同一物体在两种图像中的形状和位置关系能够在数学上更好地对换模型参数将红外光图像中的每个像素按照这个变换规则映射到与可见光图像对应的位所述红外光特征点坐标数据包括红外光角点坐标数据、红外光轮廓点坐标数据、所述可见光特征点坐标数据包括可见光角点坐标数据、可见光轮廓点坐标数据、将所述红外光特征点坐标数据和可见光特征点坐标数据输入预设空间变换模型;[0043]根据本发明实施例，所述对红外光视频数据和可见光视频数据分别进行特征提根据所述热辐射区域质心坐标数据以及所述轮廓质心坐标数据进行空间距离计;;;;理特征异常评估指数和边缘特征异常评估指数处理获得火灾风险;pr为热辐射像素值，"z为