CN101334924A

CN101334924A - 一种火灾探测系统及其火灾探测方法

Info

Publication number: CN101334924A
Application number: CNA2007101181841A
Authority: CN
Inventors: 丁国锋
Original assignee: Individual
Current assignee: Individual
Priority date: 2007-06-29
Filing date: 2007-06-29
Publication date: 2008-12-31
Anticipated expiration: 2027-06-29
Also published as: CN101334924B

Abstract

本发明提供一种火灾探测系统及方法，该系统包括：视频采集模块；火焰判断模块，从采集到的视频图像中提取火焰特征参数，并根据火焰特征参数进行统计分析，计算探测区域的火焰发生概率；烟雾判断模块，用于提取烟雾特征参数，并根据烟雾特征参数进行统计分析，计算探测区域的烟雾发生概率；火灾判断模块，用于根据火焰发生概率和烟雾发生概率进行融合计算，确定火灾发生概率；故障判断模块，用于识别故障信息；报警模块，用于比较火焰、烟雾和火灾发生概率与预设阈值，并根据比较结果发出相应报警信息。本发明可同时实现火焰和烟雾的探测报警，尤其针对火灾初期的烟雾，具有很好的识别能力，具有早期报警功能。

Description

一种火灾探测系统及其火灾探测方法

技术领域

本发明涉及消防安全监测技术，特别涉及一种火灾探测系统及其火灾探测方法。

背景技术

多年以来大型空间(会展中心、体育场馆、飞机库、大型仓库、大型厂房等)、特殊建筑物(交通隧道、石油石化生产区、爆炸性储物区、博物馆、地铁、列车站、医院等)和室外大型场地(森林、公园等公共社区等)的火灾探测器一直是消防界不断探索研究的问题。

大型空间的特征是：空间大，一般高达20m以上，单体建筑地面面积较大；早期探测火灾困难，由于空间较大，目前的一些常规探测器对火灾初期的特征参量如燃烧气体含量、烟雾浓度、温度等很难快速反应，如烟要到达一定高度并产生使对射式感烟探测器动作报警的烟浓度需要较长的时间。

特殊建筑物的共同特征是：常规探测技术都存在一些缺陷，很难达到快速探测的目的；环境条件复杂，有的情况是环境很差，面临着爆炸性等特殊环境问题；要求快速探测，早期预报，并实现火灾安全监控一体化。

室外大型场地的特征是：室外，面积大，环境随自然天气变化而变化，条件复杂；火灾发生存在位置不确定性，随机性大，目前没有合适的探测手段；外部环境干扰大，受光、雾、水气、雨、雪、闪电等的影响大；需要形成大面积、广泛区域的监控。

正因为上述的特殊性，目前的常规基于非图像原理的探测器无法对上述3种情形给出有效的火灾预警。

随着全球模式识别技术的不断发展，以及近百年来消防、安全系统发展中的可视化需求，尤其是美国911之后对安全监控需求的增大，为解决上述的问题，出现了基于视频图像的智能消防探测系统，通过视频采集模块来实时采集探测区域内的视频图像后，利用视频图像进行火灾探测。

如中国专利95100519.7提出了一种利用彩色影像三基色差分进行火灾探测与定位的方法，然而该方法存在的问题是：

存在很多人工或自然光源的三基色特性与火焰的特性相似，仅基于三基色差分法，误报率极高；

该算法只针对火焰探测，不具备烟雾探测能力，因此不具备大空间、特殊建筑物早期探测报警的能力。

中国专利00805204.2提出了一种光截面图像感烟探测方法，该方法也存在下述的问题：

与线型光束感烟探测器原理基本类似，不适用于高度较高的场所，对火灾初期产生的升腾中的烟雾探测困难；

红外发光阵列安装很不方便。

发明内容

本发明的目的是提供一种火灾探测系统及其火灾探测方法，基于视频图像中的烟雾和火焰特征，实现对火灾的准确预报。

为了实现上述目的，本发明提供了一种火灾探测系统，包括用于实时采集探测区域内的视频图像的视频采集模块，其中，还包括：

火焰判断模块，用于从采集到的视频图像中提取火焰特征参数，并根据系列帧视频图像的火焰特征参数进行统计分析，计算探测区域的火焰发生概率；

烟雾判断模块，用于从采集到的视频图像中提取烟雾特征参数，并根据系列帧视频图像的烟雾特征参数进行统计分析，计算探测区域的烟雾发生概率；

火灾判断模块，用于根据探测区域的火焰发生概率和烟雾发生概率进行融合计算，确定火灾发生概率；

故障判断模块，用于识别故障信息；

报警模块，用于比较火焰、烟雾和火灾发生概率与预设阈值，并根据比较结果发出相应报警信息。

上述的系统，其中，所述的视频采集模块为可进行调节的摄像头、CCD成像单元或CMOS成像单元。

上述的系统，其中，所述火焰特征参数包括运动参数、颜色参数、轮廓参数、面积率参数和频率特征参数，所述烟雾特征参数包括运动参数、饱和度参数、纹理参数、频域特性参数和相关系数。

上述的系统，其中，还包括：

背景光源模块，用于在探测区域的亮度分布和光线照度等级低于探测标准时，为探测区域提供背景光源。

上述的系统，其中，还包括：

探测区域光线监测与控制单元，用于分析计算探测区域的亮度分布和光线照度等级，并在探测区域的亮度分布和光线照度等级低于探测标准时，控制所述背景光源模块的启动。

上述的系统，其中，还包括：

常规火灾探测模块，用于检测火灾特征参数；

所述火焰判断模块和/或烟雾判断模块和/或火灾判断模块进一步融合所述火灾特征参数，计算出火焰发生概率和/或烟雾发生概率和/或火灾发生概率。

为了更好的实现上述目的，本发明还提供了一种火灾探测方法，包括实时采集探测区域内的视频图像的视频采集步骤，其中，还包括：

火焰/烟雾判断步骤，从采集到的系列帧视频图像中提取火焰/烟雾特征参数，对火焰/烟雾特征参数进行特征匹配和统计分析后，融合计算探测区域的火焰/烟雾发生概率；

火灾判断步骤，根据探测区域的火焰发生概率和烟雾发生概率融合计算确定火灾发生概率；

故障判断步骤，根据采集到的视频图像判断视场发生遮挡、偏转的程度，并通过外围电路判断系统工作电源正常与否，给出故障判断和信号；

报警步骤，比较火焰、烟雾和火灾发生概率与预设阈值，并根据比较结果发出相应报警信息。

上述的方法，其中，还包括：

背景光源提供步骤，在探测区域的亮度分布和光线照度等级低于探测标准时，为探测区域提供背景光源。

上述的方法，其中，所述火焰特征参数包括运动参数、颜色参数、轮廓参数、面积率参数和频率特征参数，所述烟雾特征参数包括运动参数、饱和度参数、纹理参数、频域特性参数和相关系数。

上述的方法，其中，所述火焰/烟雾判断步骤具体包括：

步骤41，从采集到的探测区域的序列帧图像中提取火焰特征参数/烟雾特征参数；

步骤42，统计系列帧视频图像的火焰特征参数/烟雾特征参数，将达到火焰/烟雾统计判断标准的火焰特征参数/烟雾特征参数的特征标志位设置为1，否则设置为-1；

步骤43，根据火焰特征参数/烟雾特征参数的特征标志位和对应的权重计算火焰发生概率增量/烟雾发生概率增量；

步骤44，将得到的本时刻的火焰/烟雾发生概率增量与上一时刻的火焰/烟雾发生概率相加得到本时刻的火焰/烟雾发生概率。

上述的方法，其中，所述步骤42中的统计判断标准为：一定百分比的系列帧视频图像的火焰特征参数/烟雾特征参数达到规定的阈值时，特征标志位设置为1。

上述的方法，其中，所述火灾发生概率为：

k·P_F(t)+(1-k)·P_S(t)

所述P_F(t)和P_S(t)分别为t时刻的火焰发生概率和烟雾发生概率，所述k为融合系数。

上述的方法，其中，所述火灾发生概率为：

k1·P_X(t)，如果P(t)＞1，P(t)＝1

先出现烟雾，且烟雾发生概率P_S(t)大于P_thr，则P_X(t)＝P_S(t)，k1＝1+P_F(t)；

先出现火焰，且火焰发生概率P_F(t)大于P_thr，则P_X(t)＝P_F(t)，k1＝1+P_S(t)；

其中，P_thr为选定的一个死区概率阈值。

上述的方法，其中，

所述火灾判断步骤具体根据探测区域的火焰特征参数、烟雾特征参数，以及常规火灾探测模块检测得到的参数进行特征匹配和统计分析，并融合计算确定火灾发生概率。

本发明具有以下有益效果：

算法简单，易于形成一体化系统，可以广泛适应各种使用需求；

可同时实现火焰和烟雾的探测报警，尤其针对火灾初期的烟雾，具有很好的识别能力，具有早期报警功能；

系统具有自学习功能，可以不断适应所处的环境，大大提高系统防误报警和漏报警的能力；

系统具有白天、黑夜全天候工作性能，具有独立工作能力，可与各类火灾报警系统或安全监控系统兼容。

附图说明

图1为本发明的火灾探测系统的结构示意图；

图2为本发明的火灾探测系统的火灾探测方法的流程示意图；

图3为本发明的方法的具体流程示意图；

图4为利用视频图像确定火灾发生概率的具体流程示意图；

图5为本发明的一种具体实现的结构示意图。

具体实施方式

本发明的火灾探测系统及其火灾探测方法在获取探测区域的系列帧视频图像后，利用系列帧视频图像火焰和烟雾特征参数的统计分析，分别计算火焰和烟雾的发生概率，根据火焰和烟雾的概率计算结果来融合计算火灾发生的概率，并与火焰、烟雾和火灾的概率阈值进行比较，给出警示、预警和报警。

如图1所示，本发明的火灾探测系统包括：

视频采集模块，用于实时采集探测区域内的视频图像；

火焰判断模块，用于从采集到的视频图像中提取火焰特征参数，并根据系列帧图像的火焰特征参数进行统计分析，计算探测区域的火焰发生概率；

烟雾判断模块，用于从采集到的视频图像中提取烟雾特征参数，并根据系列帧图像的烟雾特征参数进行统计分析，计算探测区域的烟雾发生概率；

故障判断模块，用于识别探测器视场被遮挡或偏转、背景光源启动、供电等故障；

报警及信息输入输出模块，用于比较火焰、烟雾和火灾发生概率与预设阈值，并根据比较结果发出和显示相应报警信息，通过网络接口输出火灾概率、火灾位置等参数，输入灵敏度等级等各种设定参数，并可通过复合视频接口或以太网接口输出火灾图像复合视频。

当然，上述的各模块都需要进行供电，因此必然还包括供电模块，对各模块供电，保证系统的正常运行。

其中，上述的视频采集模块可以是摄像头，CCD成像单元或CMOS成像单元等，其可根据环境的具体情况，进行白平衡、光圈调节等动作，以获得探测区域内最佳的视频图像。

而上述的火焰判断模块、烟雾判断模块、火灾判断模块、故障判断模块和报警及信息输入输出模块可通过基于DSP的监控装置或基于PC计算机和图像采集系统的监控装置来实现。

其中，上述的火焰特征参数包括运动参数、颜色参数、轮廓参数、面积率参数和频率特征参数等，而烟雾特征参数包括运动参数、饱和度参数和纹理参数、频域特性参数和相关系数等。

同时，考虑到探测区域内的亮度分布和光线照度可能会随着自然光线和人工光源的变化而变化，进而不能满足火灾探测的要求(如晚上这种特定时间，或矿洞、停车场等特定区域等情况)，因此，如图1所示，本发明的火灾探测系统还包括：

探测区域光线监测模块，用于根据探测区域的视频图像判断探测区域的亮度分布和光线照度等级，对于低于探测标准的情况，向背景光源模块输出启动控制命令，并监测光源启动后的视场变化情况；

背景光源模块，用于接收探测区域光线监测模块发出的启动控制命令为探测区域提供背景光源。

在背景光源启动时，即使现场自然条件导致光线较暗，视频采集模块也可以利用背景光源模块提供的背景光源采集到符合条件的视频图像。

同时，考虑到对本发明的火灾探测系统中的各模块的保护，还可设置一封装模块，用于容纳上述的视频采集模块、火焰判断模块、烟雾判断模块、火灾判断模块等，在所述封装模块上设置有窗口镜片，位于视频采集模块的镜头的前方，保证探测区域的可见光和红外线可以被视频采集模块所接收。

如图5所示，其中I/O PCB作为输入/输出、信号传递的模块，与摄像头(camera)、背景光源(IR LED and Filter Mirror)、常规火灾探测模块(UV or IRSensor和UV or IR Signal Processor)、算法处理芯片(DSP core PCB)连接，接收视频图像、电源供应信号等，输出控制信号、视频采集图像等。

该I/O PCB通过以太网(IEEE 802.3 Ethernet)、RS232/RS485与上位机进行联系；通过RS232/RS485与摄像头(camera)连接。

从图5可以看出，摄像头(camera)、背景光源(IR LED and Filter Mirror)、常规火灾探测模块(UV or IR Sensor和UV or IR Signal Processor)、算法处理芯片(DSP core PCB)等被封装起来。

常规火灾探测模块将在后面进行详细描述。

该封装模块为非易燃性材料制成，这样有利于在火灾发生时对整个系统进行保护。

如图2所示，本发明的火灾探测系统的火灾探测方法包括：

视频采集步骤21，实时采集探测区域内的视频图像；

火焰/烟雾判断步骤22，从采集到的系列帧视频图像中提取火焰、烟雾特征参数，对时间系列参数进行特征匹配和统计分析，并分别融合计算探测区域的火焰、烟雾发生概率；

火灾判断步骤23，根据探测区域的火焰发生概率和烟雾发生概率融合计算火灾发生概率；

报警及信息输入输出步骤24，比较火焰、烟雾和火灾发生概率与预设阈值，并根据比较结果发出相应警示、预警和报警信息，通过网络接口输出火灾概率和报警信息，输入设定参数，并可通过复合视频接口或以太网接口输出火灾图像复合视频。

同时，本发明的方法还包括：

背景光源提供步骤，在探测区域的亮度分布和光线照度等级低于探测标准时，使用背景光源。

下面对本发明的方法进行进一步详细的描述，如图3所示，本发明的方法具体包括：

步骤31，系统启动后自行初始化操作，包括初始化各种参数和输入输出I/O接口，并将摄像头置于彩色状态；

步骤32，对探测区域采集一定长度的序列帧图像，并分析提取固定背景和固定背景中的主特征；

固定背景是指探测区域中剔除各种杂信和移动物体所得到的视场背景，这一背景不随时间变化而变化，在本系统中将提取正常照度范围彩色背景和黑暗照度范围启动红外黑白背景两种固定背景，固定背景的主特征包括场景的梯度特征区块、特殊纹理区块等。

步骤33，判断探测区域环境亮度分布和光线照度是否符合探测要求，如果是，进入步骤34，否则启动背景光源，并将视频采集模块切换到黑白状态。系统进而采集系列帧图像进行分析，确定背景光源和彩色/黑白切换是否正确，如不正确则进行故障报警，如正确进入步骤34；

在此，判断探测区域亮度分布和光线照度是否符合探测要求具体通过以下操作实现：

根据采集到的一定长度的序列帧图像计算探测区域亮度分布和光线照度等级，在视场光线照度低于预设标准，或视场某些局部的分布亮度低于预设亮度等级时判断为不符合要求，否则判断为符合要求。

步骤34，对探测区域连续采集固定周期的序列帧图像；

步骤35，判断连续采集到的序列帧图像与场景固定背景中的主特征的偏差是否超过预设阈值，例如系统计算的系列帧图像的梯度分布或纹理特征在选定的特征区块发生偏差是否超过设定阈值，如果是，则表明视场发生了偏转或被遮挡，即发出故障报警后返回步骤31，等待故障处理，否则进入步骤36；

步骤36，从采集到的视频图像中提取火焰、烟雾特征参数，分别根据系列帧图像的火焰、烟雾特征参数进行统计分析，并计算探测区域的火焰、烟雾发生概率；

步骤37，根据探测区域的火焰发生概率和烟雾发生概率确定火灾发生概率；

步骤38，判断火焰、烟雾和火灾发生概率是否超过预设阈值，如果是，进入步骤39，否则返回步骤34；

步骤39，根据火焰、烟雾和火灾发生概率的值输出不同级别报警信号。

如火焰、烟雾和火灾发生概率在第一区间则发出一级报警信号，在第二区间则发出二级报警信号，在第三区间则发出三级报警信号等。

在步骤36中，需要从采集到的系列帧视频图像中提取火焰、烟雾特征参数，该动作具体通过以下操作实现：

自学习提取长周期背景和短周期背景；周期性背景是指按一定的时间周期通过学习算法得到的视场背景，取不同的周期长短即可定出长周期和短周期背景，长周期背景主要反映的是长周期时间范围内最大程度剔除运动物的场景图像，短周期背景则会将有一定运动频率但非火灾的运动物融合为背景，长短周期的配合可以大大降低干扰。

提取这一序列图像两帧间、每一帧与短周期背景图像、每一帧与长周期背景图像的差异和动态变化特征，形成火焰、烟雾特征参数。每一种火焰或烟雾特征在时间序列上都有自己的特点，例如火焰的闪烁频率在时间序列里表现为2.5～12Hz，基于此，只要将时间系列的特征参数进行统计，既可确定火焰和烟雾的概率。

从上述的描述可以看出，在探测区域的视频图像采集处于正常时，则根据采集到的图像分别进行火焰和烟雾的分析，进而根据统计分析结果计算火焰和烟雾概率，并融合计算火灾发生的概率，下面对这个过程进行详细描述。

如图4所示，该过程具体包括：

步骤41，在获取t时刻的序列帧图像后，分别从该序列帧图像中提取火焰特征参数和烟雾特征参数；

其中该火焰特征参数包括与火焰特征相关的运动、颜色、轮廓、面积率和频率特征参数等；

该烟雾特征参数包括与烟雾特征相关的运动、饱和度、纹理、频域特性参数和相关系数等。

步骤42，根据系列帧视频图像的特征参数进行匹配统计分析，设置火焰特征和烟雾特征的标志位；

判断系列帧图像中每帧的第i个火焰特征参数/第j个烟雾特征参数在统计匹配率是否达到火焰/烟雾匹配条件，例如一般要求匹配率应达到80％以上等，如果是则将对应的火焰特征标志位Fi/烟雾特征标志位Sj设置为1，否则设置为-1；

步骤43，根据火焰特征和烟雾特征的标志位和对应权重计算火焰发生概率增量和烟雾发生概率增量；

将每一个火焰特征标志位Fi与对应的预设权重FVi相乘，然后将所有的乘积相加作为t时刻的火焰发生概率增量ΔP_F(t)；将每一个烟雾特征标志位Sj与对应的预设权重SVj相乘，然后将所有的乘积相加作为t时刻的烟雾发生概率增量ΔP_S(t)，即：

ΔPF(t)＝∑Fi·FVi

ΔPS(t)＝∑Sj·SVj

在此，该预设权重根据特征参数在判断中所起到的作用来决定，如：

判断火焰时，火焰的本质特征面积率等，其不易受外部影响的，权重设得大一些，对于火焰探测的表面特征，如颜色等，易受外部影响，权重设得小一些；

判断烟雾时，反映烟雾的主要特征，如内部运动特征、背景的纹理影响特征等，权重设得大一些，对于颜色等，易受外部影响的特征，权重可以设得小一些；

步骤44，将得到的t时刻的火焰/烟雾发生概率增量与t-1时刻的火焰/烟雾发生概率P_F(t)/P_S(t)相加得到t时刻的火焰/烟雾发生概率，即：

P_F(t)＝P_F(t-1)+ΔP_F(t)

P_S(t)＝P_S(t-1)+ΔP_S(t)

步骤45，根据得到的t时刻的火焰发生概率和烟雾发生概率计算t时刻火灾发生概率。

在此，本发明可根据以下算法计算火灾发生概率。

方法1：

P(t)＝k·P_F(t)+(1-k)·P_S(t)

其中k为融合系数，与使用的场所相关，是一个描述场景火灾特性的参数，例如对于防护区域中火灾主要表现为火焰的，可将k系数取大一些；

方法2：

P(t)＝k1·P_X(t)，如果P(t)＞1，P(t)＝1

其中，P_thr为选定的一个死区概率阈值，对于小于这一概率的情况，不予计算P(t)。

上述的两种火灾发生概率计算方法中，方法1对于决策而言较平稳，方法2则是加速决策。

根据以上计算，最终可以获得火灾发生概率P(t)。

同时，考虑到本发明的系统和方法是基于视频图像进行火灾探测，但基于视频图像的火灾探测对一些假火(如用布料和灯光人工造的舞台假火等)有时无法识别，因此，本发明提出了一种复合型火灾探测系统，与上述图像火灾探测系统的区别在于：

增加常规火灾探测模块，如紫外、红外等不同类型的火焰传感器与对应信号处理电路的结合，用于检测其它的火灾特征参数；

如图4所示，其中，火焰、烟雾和火灾判断模块进一步结合从常规火灾探测模块获得的火灾特征参数，融合计算火焰和烟雾的发生概率，并最终计算得到火灾发生概率。

由于引入了常规火灾探测模块，因此可以弥补基于视频的火灾探测中存在的问题，进一步完善了火灾探测。

本发明加入常规火灾探测模块后，其火灾发生概率的计算与没有加入常规火焰探测模块的差别在于，

ΔP_F(t)＝∑Fi·FVi+FN(t)·NV

其中，Fi为第i个火焰特征的特征标志位，FVi为第i个火焰特征对应的预设权重，而FN(t)为t时刻常规火灾探测模块输出特征参数对应的特征标志位。其根据常规火灾探测模块得到的模拟量确定，当常规火灾探测模块得到的模拟量参数NF(t)和模拟量参数的变化率ΔNF(t)，在时间窗口{t-T，t}内，均大于特定的阈值，则设特征标志位FN(t)为1，否则为-1，而NV为常规火灾探测模块的火灾发生概率增量权重。

复合型火灾探测系统其他的处理与图4所示的流程相同，在此不再赘述。

同时，考虑到报警可能出现误报和漏报的情况，为了使得操作人员能通过直观的视频图像做出更加准确的判断，本发明的火灾探测系统进一步还包括：

视频图像显示模块，用于利用显示终端显示视频采集模块采集到的探测区域的视频图像或复合了报警信息的复合视频图像。

同时，考虑到火灾发生后能够对事故录像进行分析，本发明的火灾探测系统进一步还包括：

信息记录与显示模块，用于保存和显示探测区域内的视频图像和报警信息。

在此，该信息记录与显示模块可按一定周期对探测区域内的视频图像和报警信息进行刻录和释放，例如可每月一个周期进行存储管理；也可以仅在发生事故时出发记录相关信息。

同时，本发明的火灾探测系统进一步还包括：

系统参数设置模块，用于设置火灾判断参数，该参数包括系统决策参数，如火焰特征参数和烟雾特征参数的权重、火焰和烟雾的判断标准、系统灵敏度等级，以及火灾发生概率中的系数等。

同时，该火灾判断参数还可包括屏蔽区域参数、场景选择参数等。对于屏蔽区域参数和场景选择参数举例说明如下。

当监测区域内确实存在视频图像无法区分的假火灾时(如舞台假火)，可利用屏蔽区域参数来设定或修正屏蔽区域，将相应区域进行屏蔽，不予火灾判断；

对于图像火灾探测系统而言，场景的选择、描述十分重要，而利用场景选择参数可选择不同的场景。例如人们预先知道的空间大小、干扰类型等信息均是描绘场景的重要参数。

同时，本发明的火灾探测系统进一步还包括：

自学习模块，用于在系统发生误报警或漏报警时，利用自学习机制更新系统决策参数。

该自学习模块的自学习过程包括如下步骤：

步骤51，从信息记录模块获取发生误报警或漏报警所对应的视频序列，并从现地探测器获取对应的系统决策参数，通过自学习模块计算获得时间序列数据和概率，如Fi(t)、Sj(t)、P_F(t)、P_S(t)、P(t)等，同时根据事故录像和标准火灾视频确定期望的火灾概率参数P_FD(t)、P_SD(t)、P_D(t)；

步骤52，判断系统决策参数中对概率贡献最大的特征的概率贡献值是否大于其他特征的概率贡献值的预定倍数，如果是，进入步骤53，否则进入步骤54；

步骤53，删除该特征或大大降低该特征的决策权重，并进行标准火灾视频录像和事故视频录像的火灾判断，判断是否达到期望概率，如果是结束学习，否则返回步骤52；例如当将图像火灾探测系统用于生产过程易产生烟雾的工厂时，烟雾特征将会成为引起概率畸变的主要问题，因此系统会自动剔除这一特征，再将时间序列进行演算，当结果达到期望的概率时，即表明决策是正确；

步骤54，表明权重系数存在偏差，则采用梯度算法完成对所有权重系数的计算修改。

步骤55，以上修正后的决策参数将用标准火灾视频录像进行软测试，测试无误的，即确定为最终决策参数，通过系统参数设置模块下载到现地火灾探测器中，以更新老的决策参数，否则返回步骤52。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种火灾探测系统，包括用于实时采集探测区域内的视频图像的视频采集模块，其特征在于，还包括：

故障判断模块，用于识别故障信息；

2.根据权利要求1所述的系统，其特征在于，所述的视频采集模块为可进行调节的摄像头、CCD成像单元或CMOS成像单元。

3.根据权利要求1所述的系统，其特征在于，所述火焰特征参数包括运动参数、颜色参数、轮廓参数、面积率参数和频率特征参数，所述烟雾特征参数包括运动参数、饱和度参数、纹理参数、频域特性参数和相关系数。

4.根据权利要求1所述的系统，其特征在于，还包括：

5.根据权利要求4所述的系统，其特征在于，还包括：

6.根据权利要求1所述的系统，其特征在于，还包括：

常规火灾探测模块，用于检测火灾特征参数；

7.根据权利要求1所述的系统，其特征在于，还包括：

设定调试与自学习模块，用于对探测系统进行参数设定，并在系统发生误报警或漏报警时，利用自学习机制更新系统决策参数。

8.根据权利要求7所述的系统，其特征在于，还包括：

信息记录显示模块，用于显示、保存采集到的探测区域内的视频图像和各种报警信息，并在发生误报或漏报警时向所述设定调试与自学习模块提供事故视频录像。

9.一种火灾探测方法，包括实时采集探测区域内的视频图像的视频采集步骤，其特征在于，还包括：

10.根据权利要求9所述的方法，其特征在于，还包括：

11.根据权利要求9所述的方法，其特征在于，所述火焰特征参数包括运动参数、颜色参数、轮廓参数、面积率参数和频率特征参数，所述烟雾特征参数包括运动参数、饱和度参数、纹理参数、频域特性参数和相关系数。

12.根据权利要求11所述的方法，其特征在于，所述火焰/烟雾判断步骤具体包括：

13.根据权利要求12所述的方法，其特征在于，所述步骤42中的统计判断标准为：一定百分比的系列帧视频图像的火焰特征参数/烟雾特征参数达到规定的阈值时，特征标志位设置为1。

14.根据权利要求13所述的方法，其特征在于，所述火灾发生概率为：

k·P_F(t)+(1-k)·P_S(t)

15.根据权利要求13所述的方法，其特征在于，所述火灾发生概率为：

k1·P_X(t)，如果P(t)＞1，P(t)＝1

其中，P_thr为选定的一个死区概率阈值。

16.根据权利要求9所述的方法，其特征在于：

17.根据权利要求9所述的方法，其特征在于，还包括自学习步骤，用于在发生误报警或漏报警时，利用自学习机制更新系统决策参数。

18.根据权利要求17所述的方法，其特征在于，还包括：

信息记录与显示步骤，保存、显示采集到的探测区域的视频图像、报警信息，在自学习机制中提供事故视频录像。

19.根据权利要求17所述的方法，其特征在于，所述自学习机制具体为：

步骤51，获取发生误报警或漏报警所对应的视频序列，并获取对应的系统决策参数，人工设定期望概率；

步骤53，删除该特征或减小该特征的决策权重，并进行标准火灾视频录像和事故视频录像的火灾判断，判断是否达到期望概率，如果是结束学习，否则返回步骤52；

步骤54，采用梯度算法完成对所有权重系数的计算修改，利用新生成的决策参数对标准火灾视频录像和事故视频录像进行火灾判断，判断是否达到期望概率，如果是结束学习，否则返回步骤52。