CN101656012A - 一种智能图像烟雾、火焰探测器及探测方法 - Google Patents
一种智能图像烟雾、火焰探测器及探测方法 Download PDFInfo
- Publication number
- CN101656012A CN101656012A CN200810145761A CN200810145761A CN101656012A CN 101656012 A CN101656012 A CN 101656012A CN 200810145761 A CN200810145761 A CN 200810145761A CN 200810145761 A CN200810145761 A CN 200810145761A CN 101656012 A CN101656012 A CN 101656012A
- Authority
- CN
- China
- Prior art keywords
- smog
- flame
- probability
- intelligent image
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Fire-Detection Mechanisms (AREA)
Abstract
一种智能图像烟雾、火焰探测器和一种复合型智能图像烟雾、火焰探测器,及由这些探测器组成的智能图像火灾探测系统,该探测器由摄像头或成像CCD部件、DSP核心处理电路、输入、输出电路、红外灯及滤光镜部件、金属或其他封装、视窗镜片和前、后盖组成,具可确实监控初期产生真正烟雾及火焰等火灾的特性,以达具有早期报警功能降低灾害发生的目的。
Description
技术领域
本发明设计火灾探测或报警技术,特别是涉及一种智能图像烟雾、火灾探测数字信息系统。
背景技术
随着全球模式识别技术的不断发展,以及近百年来消防、安全系统发展中的视觉化需求,尤其是美国911之后对安全监控需求的增大,基于视频图像的智能探测系统层出不穷。由于监控目标的不同,又划分为不同的研究和应用方向。本发明涉及火灾探测报警领域。
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:空间较大,一般会高达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;目前基于非图像原理的探测器无法给出火灾的位置,无法控制灭火系统进行有效灭火。
特殊建筑物的特征情况会较复杂,他们的共同特征是: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。
正因为这些特殊性,目前的常规探测技术难以达到预期的目的,尤其是早期探测火灾、早期控制处理的目的。
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,该方法存在的问题是:第一,有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;第二,该演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(国际公开号WO00/63863,公开日2000.10.26)提出了一种光截面图像感烟探测方法,其存在的问题是: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,且红外发光阵列安装很不方便。以上两类系统均是采用工业控制电脑作为处理平台,不具备对探测前端的调整控制功能。
外国专利WO01/57819,US7002478“Smoke and Flame Detection”提出了一些火灾探测的演算法,其存在的主要问题是:第一,该方法是用了相关分析、Bayesian统计方法等复杂演算法,大量使用n次方、开方等运算,加之一帧图像点数在104点以上,因此运算量很大,不可能在DSP的处理器中移植使用,只能采用高性能的电脑分析;第二,系统没有对摄像头及配套光源的控制机制,很难在夜晚使用,这是其使用的最大障碍;第三,由于其需要采用包括键盘等在内的工控机,其很难通过关于火灾探测器的国际标准的检验,这也是其至今不能获得国际认证的原因。
发明内容
本发明目的在于提出一种基于DSP核心处理电路的智能图像烟雾、火焰探测器,以实现摄像系统、背景光源、中央处理系统、输入输出控制系统的一体化,从而满足火灾探测器各类国际、国内标准的要求。
本发明的第二目的是提出一种复合型的智能图像烟雾、火焰探测器,用已有的一些火灾探测手段辅助图像火灾识别演算法,以避免视频无法区分的假火。
本发明的第三目的是提出一种基于特征匹配的统计和概率融合计算法,以简单的计算方法实现智能火灾探测,通过两级概率数据融合,获得最佳的火灾概率数据。
本发明的再一目的是提出一种具有自学习机制的智能图像火灾探测系统,当发生误报警或漏报警时,可以启动系统回圈学习机制,改善系统的识别能力,以更好地适应所保护的区域。
本发明的目的主要由下述技术方案实现:
一种智能图像烟雾、火焰探测器,其特征在于:由摄像头1或成像CCD部件、DSP核心处理电路2、输入、输出电路3、红外灯及滤光镜部件6、金属或其他材料封装的外壳5、视窗镜片7和前、后盖8、4组成。
一种复合型智能图像烟雾、火焰探测器,其特征在于:由摄像头1或成像CCD部件、DSP核心处理电路2、输入、输出电路3、红外灯及滤光镜部件6、金属或其他封装5、视窗镜片7和前、后盖8、4,以及紫外、红外等不同类型的火灾感测器10和不同类型火灾感测器的信号处理电路9组成。一种智能图像烟雾、火焰探测系统,由智能图像烟雾和火焰探测器11、信息管理与数字刻录系统13、辅助学习设定调试系统14、显示与操作盘12组成,其特征在于:所述智能图像烟雾、火焰探测器由上述的探测器组成。一种基于PC或其他中央处理系统的智能图像烟雾、火焰探测器,其特征在于:由探测前端43和信号处理系统46组成。所述探测前端43由CCD成像装置或摄像头44、红外灯或其他背景光源50及感光感测器电路51组成。所述信号处理系统46由图像采集器45、电脑或其他计算处理系统47、摄像机及光源控制输出电路49、报警及图像信号输出48组成。
以上智能图像烟雾、火焰探测器的DSP核心处理电路的核心处理演算法是基于t时刻序列帧图像特征匹配的统计和概率融合计算法。具体流程如下:第一,系统在t时刻获取长度L的序列帧图像;第二,自学习确定固定背景的特征、周期为TL的长周期背景、周期为TS的短周期背景;第三,对t时刻获取长度m的序列帧图像进行分析,提取这一序列图像的每两帧间的每一帧与短周期背景图像及与长周期背景图像的差异和动态变化特征;第四,对计算出各种特征参数同火焰或烟雾特征进行匹配,当序列帧图像匹配成功的图像达到百分比Ratio时,特征标志FCi和SCj置1,否则置-1;第五,根据不同特征的权重,进行第一级数据融合,得到火焰和烟雾概率增量ΔPF(t)和ΔPS(t);第六,将火焰、烟雾的概率增量进行第二级数据融合,得出t时刻的火灾概率P(t)。
复合型探测器中的常规火灾探测装置的计算概率将作为DSP核心处理电路的演算法概率融合的一个输入参数。
以上智能图像烟雾、火焰探测器划分出不同的概率区间,警示概率Pal<P(t)≤Pah,预警概率Ppl<P(t)≤Pph,报警概率PFl<P(t)≤PFh。探测器根据t时刻的火灾概率P(t),给出不同级别的报警信息。
当探测器发生误报警或漏报警时,将辅助学习设定调试系统14与智能图像烟雾和火焰探测器11连接,再同信息管理与数字刻录系统13构成回圈自学习系统,自学习机制产生更新后的系统决策参数。
与已有技术相比,本发明有如下优点:
1.演算法简单,易于形成一体化系统,可以广泛适应各种使用需求;
2.可以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;
3.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。
附图说明
图1为本发明图像烟雾、火焰探测器的一种实施例示意图;
图2为本发明图像烟雾、火焰探测器的第二种实施例示意图;
图3为本发明的智能图像火灾探测系统;
图4为本发明的实施例一图像烟雾、火焰探测器监控流程图;
图5为本发明的实施例二复合型图像烟雾、火焰探测器监控流程图;
图6为本发明的智能图像火灾探测的数据融合与决策机制控流程图;
图7为本发明的智能图像火灾探测系统学习机制控流程图;
图8为本发明的图像烟雾、火焰探测器基于PC等其他处理系统的实施例三。
附图标记说明:
1-摄像头;2-DSP核心处理电路;3-输入、输出电路;4-后盖;5-外壳;6-红外灯及滤光镜部件;7-视窗镜片;8-前盖;9-信号处理电路;10-火灾感测器;11-智能图像烟雾和火焰探测器;12-显示与操作盘;13-信息管理与数字刻录系统;14-辅助学习设定调试系统;15-将摄像头置于彩色状态;16-采集一定长度的序列图像自学习提取固定背景;17-进行图像分析环境光线的强弱;18-控制启动红外灯并将摄像头切换到黑白状态;19-连续采集序列帧图像;20-与场景固定特征的参数序列与预设值B进行比对;21-自学习提取长周期和短周期背景;22-t时刻序列帧图像进行计算分析;23、24-t时刻长度L的序列图像进行火焰及烟雾特征匹配运算;25、26-第一级火焰或烟雾增量融合概率计算;27-第二级火灾融合概率计算;28-火灾发生概率超过提醒、警示及报警的预设值进行比对;29-输出提醒、警示及报警信号;30-采集红外、紫外线火焰以及其它感测火灾传感器的数据;31-进行数据分析及取得参数的绝对值和相对变化量;32-绝对值和相对变化量比对是否超过预设值;33-火灾盖率增量计算;34-发现误报警或漏报警;35-配套设定与调试系统读取时间图像;36-配套数字图像刻录与信息管理系统;37-触发图像烟雾、火灾探测器学习机制;38-配套设定与调试系统检查学习参数;39-学习后参数运行结果是否符合事件结果;40-标准测试视频是否通过;41-继续学习或调整算法策略;42-正式进入运作;43-探测前端;44-摄像头;45-图像采集器;46-信号处理系统;47-电脑或其他计算处理系统;48-报警及图像信号输出;49-摄像机及光源控制输出电路;50-红外灯或其他背景光源;51-感光感测器电路。
具体实施方式
参见图1,本发明的智能图像烟雾、火焰探测器由摄像头或成像CCD部件1、DSP核心处理电路2、输入、输出电路3、红外灯及滤光镜部件6、金属或其他材质封装的外壳5、视窗镜片7和前盖8、后盖4组成。摄像头或成像CCD部件1主要用于产生即时的模拟量场景图像信号,并且可根据环境的具体情况,进行白平衡、光圈调节等以获取最佳的图像;DSP核心处理电路2主要用于将CCD部件1所产生的模拟图像信号的数字化、进行演算法分析、决策判断并控制输出;输入、输出电路3主要用于电源供给器所供电的电源滤波、整形和电压调节,配置输出继电器,配置各类输入、输出接口,并保证探测器具有很好的EMC(电磁兼容性能)特性。红外灯及滤光镜部件6主要用于在环境光很弱的情况下提供背景光源,在启动红外光源的同时,滤光片和摄像头同时切换到黑白状态;视窗镜片7主要作用是对摄像头镜头进行保护,并保证可见光和红外光可以有效地通过,进入成像CCD部件1成像;金属或其他材质封装5和前盖8、后盖4主要是形成一个完整的封装,保护内部的成像CCD部件1和电路等。
所述的智能图像烟雾、火焰探测器,当所覆盖现场的环境光低于一定照度时,DSP核心处理电路2计算场景亮度低于设定值时,DSP核心处理电路2控制红外灯启动,并将摄像头(含滤光片)切换到黑白工作模式。
所述的智能图像烟雾、火焰探测器,具有预警、火警、故障继电器输出、RS232/RS485串行通讯接口、复合视频输出接口和TCP/IP以太网输出接口。
参见图4,所述智能图像烟雾、火焰探测器的软件流程如下:系统启动后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15;采集一定长度的序列图像,自学习提取固定背景16,以分析提取固定背景和固定背景中的主特征,同时进行图像分析环境光线的强弱17,并计算现场亮度等级,当环境光线过暗时,DSP核心处理电路2将控制启动红外灯并将摄像头切换到黑白状态18的模式;隔一定的周期,系统连续采集序列帧图像19,将每一帧图像与场景固定特征的参数序列与预设值B进行比对20,当发现参数序列P偏差大于预设值B时,系统会进行故障报警(此故障报警的工作于图4中未表示清楚);如果没有以上问题,演算法将自学习提取长周期和短周期背景21,接着对t时刻序列帧图像进行计算分析22,接着则分别进行对t时刻长度L的序列图像进行火焰及烟雾特征匹配运算23、24,以取得各种与火焰、烟雾相关的特征信息;再将前述所得与火焰及烟雾相关的数据,分别进行第一级火焰或烟雾增量融合概率计算25、26和第二级火灾融合概率计算27后,得出t时刻的概率P(t);所得的概率数值进行与火灾发生概率超过提醒、警示及报警的预设值进行比对28,最终中央处理器根据不同报警级别的预设值确定报警级别,并通过各类输出口输出提醒、警示及报警信号29。
参见图2,本发明的复合型智能图像烟雾、火焰探测器,由摄像头或成像CCD部件1、DSP核心处理电路2、输入、输出电路3、红外灯及滤光镜部件6、金属或其他封装5、视窗镜片7和前盖8、后盖4,以及紫外、红外等不同类型的火灾感测器10和紫外、红外线火灾感测器的信号处理电路9组成。与上述图像火灾探测器不同的是,该探测器引入了常规火灾探测器,以避免图像视频对假火的错误辨识。
参见图5,与图4的软件监控流程比较,复合型图像火灾探测器的数据融合计算中增加了常规火灾探测器的概率增量参数,从而抑制由于一些特殊的假火造成的误报,例如用布料和灯光人工造的舞台假火等,因此其增加了采集红外、紫外线火焰以及其它感测火灾传感器的数据30,并将其进行数据分析及取得参数的绝对值和相对变化量31,接着再对所取得的绝对值和相对变化量比对是否超过预设值32,最后再进行火灾盖率增量计算33,以进行第二级火灾概率融合计算27后,得出t时刻的概率P(t);所得的概率数值进行与火灾发生概率超过提醒、警示及报警的预设值进行比对28,最终中央处理器根据不同报警级别的预设值确定报警级别,并通过各类输出口输出提醒、警示及报警信号29。
参见图6,上述探测器的演算法如下,系统获取t时刻长度L的序列帧图像,提取与火焰特征相关的运动、颜色、轮廓、面积率等n种特征参数Fi,i=1,……,n和与烟雾相关的运动、饱和度、纹理等m种特征Sj,j=1,……,m;对于第i或j个特征参数,对L长度的序列图像进行计算,当L长度序列帧图像的这些参数符合火焰或烟雾特征达到百分比ratio以上时,置t时刻的FCi=1,SCj=1,否则置FCi=0,SCj=0;针对烟雾和火焰的每一种特征,系统将给一个概率增量权重FVi,i=1,……,n和SVj,j=1,……,m,重要的权重大,次要的权重小,该权重还可以通过自学习进行更新;进而系统进行第一级数据融合:
ΔPF(t)=∑FCi·FVi
ΔPS(t)=∑SCj·SVj
之后系统进行第二级数据融合:
PF(t)=PF(t-1)+ΔPF(t)
PS(t)=PS(t-1)+ΔPS(t)
火灾概率计算的方法一:
P(t)=k·PF(t)+(1-k)·PS(t),其中k为固定的系数;
火灾概率计算的方法二:
P(t)=k1·PX(t),if P(t)>1,P(t)=1
如果先出现烟雾,且烟雾概率大于Pthr,则PX(t)=PS(t),k1=1+PF(t)
如果先出现火焰,且火焰概率大于Pthr,则PX(t)=PF(t),k1=1+PS(t)
Pthr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)
火灾概率计算方法一对于决策而言较平稳,方法二则是加速决策。这些概率计算方法可以用于视频图像进行分区报警的情况,不同分区的火灾概率融合可参照计算。根据以上计算,最终可以获得发生火灾的概率P(t)。在根据探测器划分出不同的概率区间,警示概率Pal<P(t)≤Pah,预警概率Ppl<P(t)≤Pph,报警概率PFl<P(t)≤PFh,给出不同级别的报警信息。
参见图3,本发明的智能图像烟雾、火焰探测系统由智能图像烟雾和火焰探测器11、信息管理与数字刻录系统13、辅助学习设定调试系统14、显示与操作盘12组成。信息管理与数字刻录系统13的主要目的是对各种报警信息、联动控制信息进行有效管理,并通过GIS地图或其他类型平面图进行显示,另外按一定周期刻录和释放图像信息,例如可按30天一个周期进行存储管理。辅助学习设定调试系统14的主要目的是对智能图像烟雾和火焰探测器11进行参数设定,并与系统其他子系统形成自学习系统,从而充分适应复杂的应用环境,大大提高系统防误报、防漏报警的能力。
参见图7,当系统发现误报警或漏报警34时,通过辅助学习设定调试系统14与智能图像烟雾和火焰探测器11连接,再同信息管理与数字刻录系统13联接构成回圈自学习系统,自学习机制产生更新后的系统决策参数。辅助学习设定调试系统14会从信息管理与数字刻录系统13读取事件的图像信息,分析确定引起误报警或漏报警的图像序列,并自学习确定修正参数,修正参数导入智能图像烟雾和火焰探测器11,智能图像烟雾和火焰探测器11从辅助学习设定调试系统14读取图像信息,经系统采用标准火灾视频验证确定是否已得到系统性能的修正,没问题即可投入应用。采用这种方法,系统将不断学习所处的环境,最终达到很强的适应性,因此,当系统发现误报警或漏报警34时,配套设定与调试系统读取时间图像35,其是由配套数字图像刻录与信息管理系统所提供36,接续则触发图像烟雾、火灾探测器学习机制37,配套设定与调试系统检查学习参数38,在进行比对学习后参数运行结果是否符合事件结果39,若符合,则续进行标准测试视频是否通过40,若通过则正式进入运作42,否则进入继续学习或调整算法策略41。
参见图8,本发明的基于PC或其他中央处理系统的智能图像烟雾、火焰探测器,由探测前端43和信号处理系统46组成。所述探测前端43由CCD成像装置或摄像头44、红外灯或其他背景光源50、感光感测器电路51组成。所述信号处理系统46由图像采集器45、电脑或其他计算处理系统47、摄像机及光源控制输出电路49、报警和图像信号输出48组成。除了具有自己高效独特的演算法外,本发明引入了红外或其他类型的背景光源及其控制功能,从而解决了在黑夜的火灾烟雾探测问题,这是以往发明和系统产品所没有解决的问题。
Claims (11)
1.一种智能图像烟雾、火焰探测器,其特征在于:包括摄像头、DSP核心处理电路、输入、输出电路、红外灯及滤光片部件、外壳、视窗镜片和前、后盖。
2.根据权利要求1所述的智能图像烟雾、火焰探测器,其特征在于:该摄像头为成像CCD。
3.根据权利要求1所述的智能图像烟雾、火焰探测器,其特征在于:当所覆盖视场的环境光低于一定照度时,DSP核心处理电路将控制红外灯启动,并将摄像头切换到黑白工作模式。
4.根据权利要求1所述的智能图像烟雾、火焰探测器,其特征在于:所述探测器具有预警、火警、故障继电器输出、RS232/RS485串行通讯接口、复合视频输出接口和TCP/IP以太网输出接口。
5.一种复合型智能图像烟雾、火焰探测器,其特征在于:包括摄像头或成像CCD部件、DSP核心处理电路、输入、输出电路、红外灯及滤光镜部件、外壳、视窗镜片和前、后盖,以及火灾感测器和火灾感测器信号处理电路。
6.一种智能图像烟雾、火焰探测系统,由智能图像烟雾和火焰探测器、信息管理与数字刻录系统、辅助学习设定调试系统、显示与操作盘组成,其特征在于:所述智能图像烟雾、火焰探测器由权利要求1或5所述的探测器组成。
7.一种基于中央处理系统的智能图像烟雾、火焰探测器,其特征在于:包括探测前端和信号处理系统;所述探测前端由摄像头或CCD成像装置、红外灯或其他光源、感光感测器电路组成;所述信号处理系统由图像采集装置、电脑或其他计算处理系统、摄像机及光源控制输出电路、报警和图像信号输出接口组成。
8.一种智能图像烟雾、火焰探测方法,其用于上述智能图像烟雾、火焰探测器,其特征在于:DSP核心处理电路基于t时刻序列帧图像特征匹配的统计和概率融合算法进行处理演算,具体流程如下:
第一,系统在t时刻获取长度L的序列帧图像;
第二,自学习确定固定背景的特征、周期为TL的长周期背景、周期为TS的短周期背景;
第三,对t时刻获取长度m的序列帧图像进行分析,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;
第四,对计算出的各种特征参数同火焰或烟雾特征进行匹配,当序列帧匹配成功的图像达到百分比Ratio时,特征标志FCi和SCj置1,否则置-1;
第五,根据不同特征的权重,进行第一级数据融合,得到火焰和烟雾概率增量ΔPF(t)和ΔPS(t);
第六,将火焰、烟雾的概率增量进行第二级数据融合,得出t时刻的火灾概率P(t)。
9.根据权利要求8所述的智能图像烟雾、火焰探测方法,其特征在于:DSP核心处理电路的处理演算过程还包括:系统获取来自火灾感测器的火灾概率融合数据,所述火灾概率融合数据与图像分析获得的火灾特征火焰和烟雾的概率增量一并进行数据融合,最终得出t时刻的火灾概率。
10.根据权利要求8或9所述的智能图像烟雾、火焰探测方法,其特征在于:所述方法还包括,探测器划分出不同的概率区间,Pal<P(t)≤Pah为警示概率区间,Ppl<P(t)≤Pph为预警概率区间,PFl<P(t)≤PFh为报警概率区间;探测器根据t时刻的火灾概率P(t),给出不同级别的报警信息。
11.根据权利要求8或9所述的智能图像烟雾、火焰探测方法,其特征在于:所述方法还包括当探测器发生误报警或漏报警时,将辅助学习设定调试系统与智能图像烟雾和火焰探测器连接,再与信息管理与数字刻录系统构成回圈自学习系统,自学习机制产生更新后的系统决策参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810145761A CN101656012A (zh) | 2008-08-19 | 2008-08-19 | 一种智能图像烟雾、火焰探测器及探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810145761A CN101656012A (zh) | 2008-08-19 | 2008-08-19 | 一种智能图像烟雾、火焰探测器及探测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101656012A true CN101656012A (zh) | 2010-02-24 |
Family
ID=41710280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810145761A Pending CN101656012A (zh) | 2008-08-19 | 2008-08-19 | 一种智能图像烟雾、火焰探测器及探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101656012A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201146A (zh) * | 2011-05-18 | 2011-09-28 | 中国科学技术大学 | 基于主动红外视频的零照度环境火灾烟雾识别方法 |
CN103136893A (zh) * | 2013-01-24 | 2013-06-05 | 浙江工业大学 | 基于多传感器数据融合技术的隧道火灾预警控制方法及其系统 |
CN104867265A (zh) * | 2015-04-22 | 2015-08-26 | 深圳市佳信捷技术股份有限公司 | 摄像装置、火灾检测报警系统及方法 |
CN105050267A (zh) * | 2015-07-22 | 2015-11-11 | 浙江华铁通讯技术工程有限公司 | 智能灯光集成报警系统 |
CN105612566A (zh) * | 2013-10-11 | 2016-05-25 | 罗伯特·博世有限公司 | 烟雾识别设备、用于探测至少一个烟雾探测特征的方法以及计算机程序 |
CN105718881A (zh) * | 2016-01-19 | 2016-06-29 | 西安理工大学 | 基于红外视频灰度图像的零照度环境烟尘监测方法 |
CN106707039A (zh) * | 2017-02-28 | 2017-05-24 | 王永福 | 一种具有闪电免疫功能的火花探测器 |
CN107123226A (zh) * | 2017-06-16 | 2017-09-01 | 招商局重庆交通科研设计院有限公司 | 一种用于公路隧道火灾探测定位系统 |
CN108088559A (zh) * | 2016-11-21 | 2018-05-29 | 阿自倍尔株式会社 | 火焰检测系统 |
CN108537202A (zh) * | 2018-04-19 | 2018-09-14 | 广州林邦信息科技有限公司 | 森林火灾识别装置及系统 |
CN109117805A (zh) * | 2018-08-22 | 2019-01-01 | 浙江大丰实业股份有限公司 | 舞台灯光阵列防火控制系统 |
CN110307571A (zh) * | 2019-06-26 | 2019-10-08 | 杭州九阳小家电有限公司 | 一种油烟机的烟雾识别效果交互方法、系统和油烟机 |
JP2019179573A (ja) * | 2019-06-21 | 2019-10-17 | ホーチキ株式会社 | 火災検知システム及び火災検知方法 |
CN110996069A (zh) * | 2019-12-20 | 2020-04-10 | 文红军 | 一种能联动智能灭火的ai智能火眼系统 |
CN112258772A (zh) * | 2020-10-19 | 2021-01-22 | 南京中通消防科技有限公司 | 一种智能预警的消防系统 |
CN112634572A (zh) * | 2020-12-07 | 2021-04-09 | 北京中电飞华通信有限公司 | 一种基于烟感温感的火灾预测方法、装置及电子设备 |
CN112669562A (zh) * | 2021-01-22 | 2021-04-16 | 九江职业技术学院 | 一种计算机物联网火灾预警系统 |
-
2008
- 2008-08-19 CN CN200810145761A patent/CN101656012A/zh active Pending
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201146A (zh) * | 2011-05-18 | 2011-09-28 | 中国科学技术大学 | 基于主动红外视频的零照度环境火灾烟雾识别方法 |
CN102201146B (zh) * | 2011-05-18 | 2012-11-21 | 中国科学技术大学 | 基于主动红外视频的零照度环境火灾烟雾识别方法 |
CN103136893A (zh) * | 2013-01-24 | 2013-06-05 | 浙江工业大学 | 基于多传感器数据融合技术的隧道火灾预警控制方法及其系统 |
CN103136893B (zh) * | 2013-01-24 | 2015-03-04 | 浙江工业大学 | 基于多传感器数据融合技术的隧道火灾预警控制方法及其系统 |
CN105612566B (zh) * | 2013-10-11 | 2019-08-27 | 罗伯特·博世有限公司 | 烟雾识别设备以及用于探测至少一个烟雾探测特征的方法 |
US10121344B2 (en) | 2013-10-11 | 2018-11-06 | Robert Bosch Gmbh | Smoke detection device, method for detecting at least one smoke detection feature, and computer program |
CN105612566A (zh) * | 2013-10-11 | 2016-05-25 | 罗伯特·博世有限公司 | 烟雾识别设备、用于探测至少一个烟雾探测特征的方法以及计算机程序 |
CN104867265A (zh) * | 2015-04-22 | 2015-08-26 | 深圳市佳信捷技术股份有限公司 | 摄像装置、火灾检测报警系统及方法 |
CN105050267B (zh) * | 2015-07-22 | 2017-12-01 | 浙江华铁通讯技术工程有限公司 | 智能灯光集成报警系统 |
CN105050267A (zh) * | 2015-07-22 | 2015-11-11 | 浙江华铁通讯技术工程有限公司 | 智能灯光集成报警系统 |
CN105718881A (zh) * | 2016-01-19 | 2016-06-29 | 西安理工大学 | 基于红外视频灰度图像的零照度环境烟尘监测方法 |
CN105718881B (zh) * | 2016-01-19 | 2019-01-11 | 西安理工大学 | 基于红外视频灰度图像的零照度环境烟尘监测方法 |
CN108088559A (zh) * | 2016-11-21 | 2018-05-29 | 阿自倍尔株式会社 | 火焰检测系统 |
CN108088559B (zh) * | 2016-11-21 | 2020-03-24 | 阿自倍尔株式会社 | 火焰检测系统 |
CN106707039A (zh) * | 2017-02-28 | 2017-05-24 | 王永福 | 一种具有闪电免疫功能的火花探测器 |
CN107123226A (zh) * | 2017-06-16 | 2017-09-01 | 招商局重庆交通科研设计院有限公司 | 一种用于公路隧道火灾探测定位系统 |
CN108537202A (zh) * | 2018-04-19 | 2018-09-14 | 广州林邦信息科技有限公司 | 森林火灾识别装置及系统 |
CN109117805A (zh) * | 2018-08-22 | 2019-01-01 | 浙江大丰实业股份有限公司 | 舞台灯光阵列防火控制系统 |
CN109117805B (zh) * | 2018-08-22 | 2022-04-29 | 浙江大丰实业股份有限公司 | 舞台灯光阵列防火控制系统 |
JP2019179573A (ja) * | 2019-06-21 | 2019-10-17 | ホーチキ株式会社 | 火災検知システム及び火災検知方法 |
CN110307571A (zh) * | 2019-06-26 | 2019-10-08 | 杭州九阳小家电有限公司 | 一种油烟机的烟雾识别效果交互方法、系统和油烟机 |
CN110996069A (zh) * | 2019-12-20 | 2020-04-10 | 文红军 | 一种能联动智能灭火的ai智能火眼系统 |
CN112258772A (zh) * | 2020-10-19 | 2021-01-22 | 南京中通消防科技有限公司 | 一种智能预警的消防系统 |
CN112634572A (zh) * | 2020-12-07 | 2021-04-09 | 北京中电飞华通信有限公司 | 一种基于烟感温感的火灾预测方法、装置及电子设备 |
CN112634572B (zh) * | 2020-12-07 | 2023-01-17 | 北京中电飞华通信有限公司 | 一种基于烟感温感的火灾预测方法、装置及电子设备 |
CN112669562A (zh) * | 2021-01-22 | 2021-04-16 | 九江职业技术学院 | 一种计算机物联网火灾预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101656012A (zh) | 一种智能图像烟雾、火焰探测器及探测方法 | |
CN101334924B (zh) | 一种火灾探测系统及其火灾探测方法 | |
US7991187B2 (en) | Intelligent image smoke/flame sensor and detection system | |
CN100538757C (zh) | 基于全方位视觉传感器的火灾监控装置 | |
AU2021202430B2 (en) | Smart city closed camera photocell and street lamp device | |
CN101458865B (zh) | 一种火灾探测系统及方法 | |
CN1943824B (zh) | 基于全方位视觉传感器的自动消防灭火装置 | |
CN109640032B (zh) | 基于人工智能多要素全景监控检测五维预警系统 | |
CN101609589A (zh) | 多频图像火灾探测系统 | |
CN201091014Y (zh) | 一种火灾探测装置 | |
CN100504942C (zh) | 智能视频监控设备模组和系统及其监控方法 | |
CN101527073B (zh) | 火灾探测系统及方法 | |
CN103208126B (zh) | 一种自然环境下运动物体监测方法 | |
KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
CN104966372A (zh) | 多数据融合的森林火灾智能识别系统和方法 | |
CN110148272B (zh) | 一种消防通道的监控方法、监控装置及消防通道系统 | |
CN107437318A (zh) | 一种可见光智能识别算法 | |
CN103413395A (zh) | 烟气智能检测预警方法及装置 | |
KR102425732B1 (ko) | 재난 위험도 알림 표시판 및 재난 예·경보 시스템 | |
CN109741565B (zh) | 煤矿火灾识别系统及方法 | |
KR102064418B1 (ko) | 빅데이터에 기반해 작동되는 자동소화시스템 | |
CN114882676B (zh) | 基于智能杆的多场景下智能监控预警方法及系统 | |
CN105448017A (zh) | 小区围栏报警系统 | |
CN202306757U (zh) | 基于双波段的嵌入式火焰探测装置 | |
CN103489202A (zh) | 基于视频的入侵检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100224 |