CN104954744A - 烟雾检测系统 - Google Patents

Abstract

本发明公开了一种烟雾检测系统，包括视频采集子系统和数据处理子系统，所述视频采集子系统用于实时采集监控区域中的视频图像，并将实时采集的视频图像通过远程网络发送至数据处理子系统；所述数据处理子系统对所接收到的视频图像进行烟雾检测。本发明烟雾检测系统不受空间区域限制，能够适用于空旷室内、室外以及远景森林等情况；而且本发明烟雾检测系统不但连接方便简单，而且维护难度低。

Description

烟雾检测系统

技术领域

本发明涉及监控领域，尤其涉及烟雾检测系统。

背景技术

传统火灾检测预警系统，通常方法是采用粒子传感器来感知空气中烟雾浓度并发出预警，由于火灾前期空气中烟雾浓度低，检测效果差，仅仅适用于密闭空间。不能应用与室外或者森林等空旷的大场景区域。

发明内容

本发明的主要目的在于提供一种烟雾检测系统，旨在解决现有技术的火灾检测系统无法应用于空旷区域的问题。

为实现上述目的，本发明提供一种烟雾检测系统，包括视频采集子系统和数据处理子系统，所述视频采集子系统用于实时采集监控区域中的视频图像，并将实时采集的视频图像通过远程网络发送至数据处理子系统；所述数据处理子系统对所接收到的视频图像进行烟雾检测。

优选地，所述视频采集子系统包括多个摄像装置、第一通信设备，各摄像装置均与第一通信设备连接，第一通信设备与所述数据处理子系统通信。

优选地，所述第一通信设备为交换机、光端机或光纤。

优选地，所述摄像装置包括高清分辨率摄像头、通信单元；所述高清分辨率摄像头用于采集监控区域的视频图像；所述通信单元用于与第一通信设备通信，以将所述摄像头采集的视频图像发送至所述第一通信设备。

优选地，所述数据处理子系统包括第二通信设备、监控终端、存储器；所述第二通信设备用于与所述视频采集子系统进行通信，以接收所述视频采集子系统所采集的视频图像；所述监控终端用于显示所述第二通信设备接收到的视频图像；所述存储器用于存储所述第二通信设备接收到的视频图像。

优选地，所述数据处理子系统还包括解析处理器及分析处理器；所述解析处理器用于对第二通信设备接收到的视频图像进行解析，获得原始图像数据；所述分析处理器调用预设的烟雾检测算法，对该原始图像数据进行烟雾检测，获得烟雾检测结果；所述监控终端还用于显示所述检测结果；所述存储器还用于存储所述检测结果。

优选地，所述分析处理器具体用于：

根据混合高斯背景建模算法，对所述原始图像数据进行运动性检测，获得运动区域；提取所述运动区域中的烟雾颜色特征分布，获得疑似烟雾运动区域，或者采用小波变换对所述运动区域进行模糊性检测，获得疑似烟雾运动区域；对所述疑似烟雾运动区域进行边缘抖动性检测，确定烟雾运动区域。

优选地，所述分析处理器还用于在确定所分析的原始图像数据上存在烟雾区域时，将检测结果发送至相应的终端设备，以提示用户进行及时处理；或者产生报警信息。

优选地，所述存储器用于根据第二通信设备接收到的视频图像，提取该视频图像中设备标识，并将该接收到的视频图像存储至与所述设备标识对应的位置。

优选地，所述视频采集子系统还包括红外探测装置和/或温度感测装置，用于感测所监控区域的环境信号，并将该所采集的环境信号与所述摄像装置采集的视频图像一起发送至第一通信设备。

综上，本发明烟雾检测系统相对于现有技术，具有以下特点：

1.本发明烟雾检测系统不受空间区域限制，能够适用于空旷室内、室外以及远景森林等情况；

2.本发明烟雾检测系统中的摄像装置实现了7*24小时的智能监控，不但可以及时发现火情，而且还省去大量人力成本；

3.本发明烟雾检测系统采用以太网设备，将视频采集子系统实时采集的视频图像发送至远程的数据处理子系统进行处理，相比传统系统采用点对点传输系统，每次需要扩大监控区域时，只需增加如高清摄像机等外场监控设备，并实现第一通信设备和该增加的监控设备的连接即可，监控终端只在操作界面上配置相应的信息即可；因此，本发明烟雾检测系统不但连接方便简单，而且维护难度低；

4.本发明烟雾检测系统不但能够及时发现火情，而且还可以将火情报警实时反馈到用户终端，便于及时决策。

附图说明

图1为本发明烟雾检测系统的结构示意图；

图2为图1中烟雾检测系统中视频采集子系统与数据处理子系统的结构示意图；

图3为图2中摄像装置的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提出一种基于远程网络的烟雾检测系统。如图1所示，该烟雾检测系统视频采集子系统100、数据处理子系统200。该视频采集子系统100用于实时采集视频图像，并将实时采集的视频图像通过远程网络300发送至数据处理子系统200；数据处理子系统200接收到视频采集子系统100发送的视频图像后，可以对其进行存储，以供需要使用时进行调取。另外，该数据处理子系统200还可以将该接收到的视频图像进行显示，以供工作人员可以及时查看。该数据处理子系统200还可以对所接收到的视频图像进行分析，当该视频图像对应的监控区域中存在烟雾情况时，则立刻报警。

如图2所示，视频采集子系统100包括摄像装置110、第一通信设备120。该摄像装置110包括多个，并分别设置空旷室内、室外或远景森林等区域，且在容易发生火灾的位置或者火灾发生时便于观察烟雾的可视位置，例如制高点。如图3所示，该摄像装置110包括摄像头111、通信单元112、处理芯片113、存储器114、电源115。图3示出了该摄像装置110的部分结构，并不限定该摄像装置110的结构，该摄像装置110还可包括其他结构，例如云台。其中处理芯片113用于调用其他组件，实现监控功能。例如，在摄像装置110上电启动后，处理芯片113调用摄像头111，以对监测区域进行视频图像的采集。该采集的视频图像可以缓存在存储器114中，也可以通过通信单元112发送至第一通信设备120。该通信单元112可以包括网卡、天线等等。各摄像装置110均将所采集的视频图像发送至第一通信设备120，并由第一通信设备120统一发送至数据处理子系统200。

上述摄像头111可以包括普通摄像头、变焦距摄像头、广角摄像头等。而且为了获得清晰的图像，该摄像头111将采用高分辨率摄像头，同时具有夜视监控功能，以便采集晚上的视频图像，从而实现全天候24小时拍摄。另外，上述电源115将由网络进行供电，即在该摄像装置110将所采集的视频图像传输至第一通信设备120的同时，该第一通信设备120可对该摄像装置110进行直流供电。上述摄像装置110与第一通信设备120可以为有线连接，也可以为无线连接。该第一通信设备120可为交换机、光端机或者光纤等等。

可以理解的是，上述视频采集子系统100可以为多个，并对应分布在需监控的区域的不同位置。通过多个视频采集子系统100的设置，实现了大面积区域的监控。

进一步地，上述数据处理子系统200包括第二通信设备210、监控终端220、解析处理器230、分析处理器240、存储器250。其中，第二通信设备210用于与视频采集子系统100的第一通信设备120进行通信，用于传输视频采集子系统100所采集的视频图像。该第二通信设备210可为交换机、光端机或者光纤等等。监控终端220可提供监控平台，用于监控的视频显示、解析信息显示、摄像机管理、报表信息的显示等等。该监控终端220还可包括具有显示屏幕的PC(个人计算机)、笔记本电脑以及其他具有监视功能的终端。解析处理器230用于对第二通信设备210所接收到的视频流进行解析，获得原始图像数据，然后将该原始图像数据发送至分析处理器240，分析处理器240调用预设的烟雾检测算法，实现可视场景中的烟雾检测预警分析，最后将分析结果保存在存储器250中。当然，该解析处理器230解析得到的原始图像数据后，直接保存在存储器250中，以供监控终端220显示该图像；或者直接发送至监控终端进行显示。上述存储器250可以为本地存储设备，也可以为网络存储设备，例如NVR服务器。

上述解析处理器230采用嵌入式处理平台，该嵌入式处理平台搭载高性能的硬件处理芯片，搭建插槽式处理机箱，以保证处理平台的可扩展性。该插槽式处理机箱搭载视频处理板，利用板卡插拔的方式进行安装和卸载。视频处理板的主要功能是分析第二通信设备210接收到的视频流，并将分析结果保存到数据库中。同时，该视频处理板还用于与分析处理器240、存储器250、监控终端220进行通信，完成参数配置、视频解析结果传输等功能。本发明实施例采用TI公司的TMS320DM8148作为主控控制器以设计视频处理板。

上述分析处理器240调用预设的烟雾检测算法，对解析处理器230获得的原始图像数据进行分析，判断该原始图像数据是否存在烟雾。具体检测过程如下：

首先，分析处理器240利用烟雾的运动性、颜色特性、模糊性、抖动性等特征，并结合混合高斯背景建模方法进行运动性检测，检测出运动区域。另外，该混合高斯背景建模算法将进行更新，以保证运动区域检测的准确性。该混合高斯背景建模具体更新过程：

彩色图像时，假定图像像素点R、G、B三色通道相互独立并具有相同的方差。对于随机变量X的观测数据集{x1,x2,…,xN}，xt＝(rt,gt,bt)为t时刻像素的样本，则单个采样点xt所服从的混合高斯分布概率密度函数：

$p\left(x_t\right)=\underset{i=1}{\overset{k}{\Σ}}{w}_{i,t}\×\mathrm{\η}(x_t,{\mathrm{\μ}}_{i,t},{\mathrm{\τ}}_{i,t})$

$\mathrm{\η}(x_t,{\mathrm{\μ}}_{i,t},{\mathrm{\τ}}_{i.t})=\frac{1}{|{\mathrm{\τ}}_{i,t}{|}^{\frac{1}{2}}}{e}^{-\frac{1}{2}{(x_i-u_{i,t})}^T}{\mathrm{\τ}}_{i,t}^{-1}(x_t-{\mathrm{\μ}}_{i,t})$

${\mathrm{\τ}}_{i,t}={\mathrm{\δ}}_{i,t}^{2}I$

其中，k为分布模式总数，η(x_t,μ_i,t,τ_i,t)为t时刻第i个高斯分布，μ_i,t为其均值，τ_i,t为其协方差矩阵，δ_i,t为方差，I为三维单位矩阵，w_i,t为t时刻第i个高斯分布的权重。详细算法流程：

1.每个像素x_t同当前k个模型按照下面公式进行比较，直到找到匹配新像素的分布模型，即同该模型的均值偏差在2.5σ内，如果所匹配的模式符合背景要求，则属于背景，否则为前景。

|x_t-μ_i,t-1|≤2.5σ_i,t-1

2.各模式权值按照如下公式更新，其中α是学习速率，对于匹配的模式M_k,t＝1，否则M_k,t＝0，然后对各模式权重进行归一化，

w_k,t＝(1-α)*w_k,t-1+α*M_k,t

3.未匹配模式的均值μ和标准差σ不变，匹配模式的参数按照如下公式更新：

ρ＝α*η(x_t|μ_k,δ_k)

μ_t＝(1-ρ)*μ_t-1+υ*x_t

${\mathrm{\σ}}_t^2=(1-\mathrm{\ρ})*{\mathrm{\σ}}_{t-1}^2+\mathrm{\ρ}*{(x_t-{\mathrm{\μ}}_t)}^T(x_t-{\mathrm{\μ}}_t)$

4.如果第一步中没有任何模式匹配，则权重最小的模式被替代，即该模式的均值为当前像素值，标准差为初始较大值，权重为较小值。

5.各模式根据w/α²按降序排列，权重大，标准差小的模式排列靠前。

6.选前B个模式作为背景，B满足以下公式，参数T表示背景所占比例 $B=\arg \left(min\left(\underset{k=1}{\overset{b}{\Σ}}{w}_k>T\right)\right).$

其次，分析处理器240根据烟雾在不同颜色特征空间具有不同的特征分布，通过在相应特征空间设置对应的颜色区域阈值，在上述检测出的运动区域中提取具有烟雾颜色特征分布，以获得疑似烟雾运动区域。

烟雾的RGB三通道分布区间基本是相同的，同时烟雾在HIS空间中满足I在一定法范围内，同时满足以下这两个条件则认为像素是可以烟雾像素点。

$\left\{\begin{array}{c}R\±\mathrm{\α}=G\±\mathrm{\α}=B\±\mathrm{\α}\\ L_1\≤I\≤L_2\end{array}\right.$

根据上述特征判别，分析可知，由于RGB模型使用同一阈值容易造成漏检和误检，所以对烟雾颜色判别准则修正后具体公式如下：

$\left\{\begin{array}{c}(R-G)\∈\[{\mathrm{\α}}_1,{\mathrm{\α}}_2\]\\ (G-B)\∈\[{\mathrm{\β}}_1,{\mathrm{\β}}_2\]\\ (B-R)\∈\[{\mathrm{\γ}}_1,{\mathrm{\γ}}_2\]\\ I\∈\[{\mathrm{\θ}}_1,{\mathrm{\θ}}_2\]\end{array}\right.$

以上公式R,G,B,为图像RGB通道颜色阈值α,β,γ根据具体情况可设置为15-25之间，I为亮度空间θ₁,θ₂取值范围为[80,220]，

进一步地，分析处理器240还将采用小波变换对已经检测到的区域进行模糊性检测。由于随着烟雾的发展，浓度会越来越浓，高频信息将随之减小，对应的子图像能量减少。将当前图像与背景图像的三幅高频分量图像(指当前图像和背景图像分别进行小波变换后各自得到垂直，水平，对角方向高频分量图像，)进行比对，为计算方便，将原有的图像设置成若干个子块，大小为(k₁,k₂)，若某个子块的能量减少，说明获得的原始图像中对应该区域可能产生了烟雾，在图像亮度空间进行小波变换。子块大小设置为8×8。小波变换后能量表示如下式：w_n＝|LH_n(x,y)|²+|HL_n|²+|HH_n(x,y)|²。

通过以上公式，可以得出当前图像与背景图像经过小波变换之后的能量。而当前时刻图像信息减少量ΔW_n＝|W_n(x,y)-W₀(x,y)|，其中Wn为当前图像，W0为背景图像，ΔW_n体现当前时刻图像信息减少量。根据现场试验数据设定(存在烟雾时，图像模糊，对应高频分量减少，)阈值，以根据该阈值及图像信息减少量ΔW_n的比较，可以检测出模糊区域，同时剔除其他非烟雾运动目标影响。由于其他一般性运动目标例如人、动物、车辆等不具有模糊性特征，因此通过小波变换进行模糊性检测后，可以提出此类目标。

最后，分析处理器240对疑似烟雾运动区域进行边缘抖动性检测。烟雾边缘存在着一定的闪烁，而且烟雾边缘闪烁频率大概在1-3HZ范围内。x_n[k,l]表示像素点[k,l]随时间变化的一维信号，它可以取像素点[k,l]的亮度值，然后采用一维时域小波变换来对图像中像素的高频活动进行检测，将信号通过不同的高通和低通滤波器族，其中|e_n[k,l]|,|d_n[k,l]|是两阶小波滤波器的输出子信号，即两阶小波变换系数。通过对小波输出子信号d_n|k,l|,e_n|k,l|的检测可以知道，对于静止的像素，由于使用了高通滤波器，这两个子信号的值等于0或者非常接近于0，普通移动物体经过点x_n[k,l]时，子信号d_n|k,l|,e_n|k,l|将会出现单独一个不为0的峰值，烟雾区域则子信号中将会在短时间内出现多个不为0的峰值。

因此，若子信号d_n|k,l|,e_n|k,l|的值在几秒钟内多次超过某个阈值，则认为该点为烟雾点。我们采用二阶小波滤波器，第一阶滤波后高频小波子信号d_n[k,l]被记录下来，其中包含了输入信号x_n[k,l]频率在[1.25Hz,2.5Hz]范围内的信息。第二阶滤波后高频小波子信号e_n[k,l]被记录下来，信号频率范围在[0.625Hz,1.25Hz]范围内的信号，这就意味着经过二阶小波滤波器后，利用自信号将能够检测出在0.625Hz到2.5Hz之间的信息。烟雾闪烁频率在这个频率范围之内，因此可以进一步检测出烟雾区域。

由于抖动性检测主要检测出运动区域边缘信息，因此，将检测到抖动性边缘的区域作为最后的烟雾检测结果，使得烟雾检测更加准确。

上述分析处理器240对解析处理器230解析的原始图像数据进行分析，确定该原始图像数据上存在烟雾区域时，可将该检测到的信息发送至相应的终端或设备，以提示用户进行及时处理；或者根据检测到的信息进行报警，例如产生报警音、或者拨打报警电话。

上述存储器240用于存储第二通信设备210接收到的视频流，以及解析处理器230对视频流进行解析的数据。由于该存储器240要存储所有的摄像装置110传输过来的视频流，因此该摄像装置110需要设置相应的设备标识，该标识可以用于识别不同的监控区域的摄像头，例如A区域S4，即A监控区域内的摄像头，且该摄像头编号为S4。

进一步地，上述视频采集子系统100中还包括红外探测装置，用于检测火焰燃烧时的红外辐射信号。或者该视频采集子系统100上还设有温度感测装置，用于感测周围的环境温度。该红外探测装置和温度感测装置采集的环境信息，将与摄像装置110采集的视频图像一起发送至数据处理子系统200，以使该数据处理子系统200的分析处理器240结合红外辐射信号、环境温度以及视频图像，以及时检测出监控区域中存在的烟雾环境，提高检测的效率。

进一步地，上述数据处理子系统200还可供用户终端远程登录，并对数据处理子系统200中的数据进行查看。即用户终端登录数据处理子系统后，将向数据处理子系统发送数据查看请求，以从数据处理子系统200中调取相应的数据，进行查看。因此，用户不再需要实时查看监控终端220中的显示信息，而是通过远程终端登录该数据处理子系统200，从而可以随时随地查看监控图像以及采集到的环境信号，进而在确定监控区域存在火灾时，及时作出判断。

进一步地，上述数据处理子系统200的第二通信设备210在预设时间内未接收到视频采集子系统发送的视频图像，将产生提示信息，以提示用户该视频采集子系统的摄像装置产生故障。通过预设时间进行判断，从而可以及时发现摄像装置采集图像过程中的异常，并及时处理。

综上，本发明烟雾检测系统相对于现有技术，具有以下特点：

1.本发明烟雾检测系统不受空间区域限制，能够适用于空旷室内、室外以及远景森林等情况；而且在火情发生时，能够在形成明火前发出报警；

2.本发明烟雾检测系统中的摄像装置实现了7*24小时的智能监控，不但可以及时发现火情，而且还省去大量人力成本；

3.本发明烟雾检测系统采用以太网设备，将视频采集子系统实时采集的视频图像发送至远程的数据处理子系统进行处理，相比传统系统采用点对点传输系统，每次需要扩大监控区域时，只需增加如高清摄像机等外场监控设备，并实现第一通信设备和该增加的监控设备的连接即可，监控终端只在操作界面上配置相应的信息即可；因此，本发明烟雾检测系统不但连接方便简单，而且维护难度低；

4.本发明烟雾检测系统不但能够及时发现火情，而且还可以将火情报警实时反馈到用户终端，便于及时决策。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种烟雾检测系统，其特征在于，所述烟雾检测系统包括视频采集子系统和数据处理子系统，所述视频采集子系统用于实时采集监控区域中的视频图像，并将实时采集的视频图像通过远程网络发送至数据处理子系统；所述数据处理子系统对所接收到的视频图像进行烟雾检测。

2.如权利要求1所述的烟雾检测系统，其特征在于，所述视频采集子系统包括多个摄像装置、第一通信设备，各摄像装置均与第一通信设备连接，第一通信设备与所述数据处理子系统通信。

3.如权利要求2所述的烟雾检测系统，其特征在于，所述第一通信设备为交换机、光端机或者光纤。

4.如权利要求2所述的烟雾检测系统，其特征在于，所述摄像装置包括高清分辨率摄像头、通信单元；所述高清分辨率摄像头用于采集监控区域的视频图像；所述通信单元用于与第一通信设备通信，以将所述摄像头采集的视频图像发送至所述第一通信设备。

5.如权利要求1-4任一项所述的烟雾检测系统，其特征在于，所述数据处理子系统包括第二通信设备、监控终端、存储器；所述第二通信设备用于与所述视频采集子系统进行通信，以接收所述视频采集子系统所采集的视频图像；所述监控终端用于显示所述第二通信设备接收到的视频图像；所述存储器用于存储所述第二通信设备接收到的视频图像。

6.如权利要求5所述的烟雾检测系统，其特征在于，所述数据处理子系统还包括解析处理器及分析处理器；所述解析处理器用于对第二通信设备接收到的视频图像进行解析，获得原始图像数据；所述分析处理器调用预设的烟雾检测算法，对该原始图像数据进行烟雾检测，获得烟雾检测结果；所述监控终端还用于显示所述检测结果；所述存储器还用于存储所述检测结果。

7.如权利要求6所述的烟雾检测系统，其特征在于，所述分析处理器具体用于：

根据混合高斯背景建模算法，对所述原始图像数据进行运动性检测，获得运动区域；提取所述运动区域中的烟雾颜色特征分布，获得疑似烟雾运动区域，或者采用小波变换对所述运动区域进行模糊性检测，获得疑似烟雾运动区域；对所述疑似烟雾运动区域进行边缘抖动性检测，确定烟雾运动区域。

8.如权利要求6所述的烟雾检测系统，其特征在于，所述分析处理器还用于在确定所分析的原始图像数据上存在烟雾区域时，将检测结果发送至相应的终端设备，以提示用户进行及时处理；或者产生报警信息。

9.如权利要求5所述的烟雾检测系统，其特征在于，所述存储器用于根据第二通信设备接收到的视频图像，提取该视频图像中设备标识，并将该接收到的视频图像存储至与所述设备标识对应的位置。

10.如权利要求2所述的烟雾检测系统，其特征在于，所述视频采集子系统还包括红外探测装置和/或温度感测装置，用于感测所监控区域的环境信号，并将该所采集的环境信号与所述摄像装置采集的视频图像一起发送至第一通信设备。