CN105336085A - 一种基于图像处理技术的远程大空间火灾监测报警方法 - Google Patents
一种基于图像处理技术的远程大空间火灾监测报警方法 Download PDFInfo
- Publication number
- CN105336085A CN105336085A CN201510559309.9A CN201510559309A CN105336085A CN 105336085 A CN105336085 A CN 105336085A CN 201510559309 A CN201510559309 A CN 201510559309A CN 105336085 A CN105336085 A CN 105336085A
- Authority
- CN
- China
- Prior art keywords
- pixel
- flame
- smog
- condition
- neural network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000005516 engineering process Methods 0.000 title abstract description 8
- 239000000779 smoke Substances 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 30
- 235000019504 cigarettes Nutrition 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 9
- 241000023320 Luma <angiosperm> Species 0.000 claims description 3
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 23
- 230000018109 developmental process Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 6
- 239000000428 dust Substances 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- JLDSOYXADOWAKB-UHFFFAOYSA-N aluminium nitrate Chemical compound [Al+3].[O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O JLDSOYXADOWAKB-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- COOGPNLGKIHLSK-UHFFFAOYSA-N aluminium sulfide Chemical compound [Al+3].[Al+3].[S-2].[S-2].[S-2] COOGPNLGKIHLSK-UHFFFAOYSA-N 0.000 description 1
- LXQXZNRPTYVCNG-YPZZEJLDSA-N americium-241 Chemical compound [241Am] LXQXZNRPTYVCNG-YPZZEJLDSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000002165 photosensitisation Effects 0.000 description 1
- 239000003504 photosensitizing agent Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- GGYFMLJDMAMTAB-UHFFFAOYSA-N selanylidenelead Chemical compound [Pb]=[Se] GGYFMLJDMAMTAB-UHFFFAOYSA-N 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000020354 squash Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Abstract
本发明涉及一种基于图像处理技术的远程大空间火灾监测报警方法:S1.使用摄像头获取监控现场的视频数据,然后对视频数据进行运动目标的提取;S2.判定运动目标的各个像素点是否满足烟雾颜色的条件,确定疑烟区域;S3.对疑烟区域的各个像素点进行烟雾特征的提取,然后判断该像素点是否为烟雾像素点;S4.判断烟雾像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S5;S5.判定运动目标的各个像素点是否满足火焰颜色的条件,确定准火焰区域;S6.对准火焰区域的各个像素点进行火焰特征的提取,然后判断该像素点是否为火焰像素点;S7.判断火焰像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S1。
Description
技术领域
本发明涉及消防管理领域,更具体地,涉及一种基于图像处理技术的远程大空间火灾监测报警方法。
背景技术
出于消防安全的目的,一般需要在建筑物的内部安装检测装置来对建筑物的消防情况进行监控,在建筑物内部出现火灾时,监控人员能够在发生火灾的初期及时获知火灾情况并进行干预,从而降低火灾造成的损失。现有技术中,一般使用以下三种检测装置或检测技术对建筑物内部的消防情况进行监控:
一、基于传统电子技术的烟雾传感器和温度传感器
烟雾传感器一般都是根据烟雾粒子的某些物理、化学特征制成的,一般分为离子式和光电式两类。其中离子式烟雾传感器的工作原理是在内外电离室里面放射源镅241,电离产生的正、负离子在电场的作用下各自向正负电极移动;在正常的情况下,内外电离室的电流、电压都是稳定的,一旦有烟雾窜逃外电离室,干扰了带电粒子的正常运动,电流、电压就会有所改变。这破坏了内外电离室之间的平衡,此时无线发射器发出无线烟雾报警信号。而光电式烟雾传感器则是利用了烟雾粒子的散射和遮蔽效应,将探测部位烟雾浓度的变化转化为电信号的变化,从而实现对火灾情况的探测。
温度传感器则是利用了金属在不同温度下的热膨胀系数不同的原理,将温度的变化转换为电信号的变化从而实现对火灾进行监测的目的。
二、光截面图像感烟火灾探测技术
如图1所示,探测单元由一只接收器(R)对多个发射器(T)组成,在接收器与多个发射器之间形成感烟探测光截面。其原理具体如下:通过发射器发射主动红外光源形成光截面,当火灾烟雾通过光束截面时,光截面局部光强由于烟气颗粒的散射、吸收等作用而减弱,通过接收器接收的光截面局部光强的变化情况,则可获知火灾的具体情况。
三、火焰探测器
火焰探测器又称感光式火灾探测器,它是用于响应火灾的光特性。在物质的燃烧过程中会产生大量我们人眼无法看到的红外光和紫外光,火焰探测器正是通过检测这两种光来检测火灾的。根据火焰的光特性,火焰探测器可以分为三种:一种是对火焰中波长较短的紫外光辐射敏感的紫外探测器;另一种是对火焰中波长较长的红外光辐射敏感的红外探测器;第三种是同时探测火焰中波长较短的紫外线和波长较长的红外线的紫外/红外混合探测器。对于火焰燃烧中产生的0.185~0.260微米波长的紫外线,可采用碳化硅或硝酸铝或者盖革一弥勒管作为敏感元件。对于火焰中产生的2.5~3微米波长的红外线,可采用硫化铝材料的传感器,对于火焰产生的4.4~4.6微米波长的红外线可采用硒化铅材料或钽酸铝材料的传感器。根据不同燃料燃烧发射的光谱可选择不同的传感器。
但是,上述技术虽然可以对建筑物内部的火灾情况进行监测,但是在实际使用时,却不可避免地出现了以下缺点:
一、传统的烟雾传感器是对烟雾粒子进行探测的,因此烟雾传感器容易受到空气中水气和灰尘或者是小昆虫的影响,误报比较高。离子式烟雾传感器发出的离子还会对人体造成一定的伤害。温度传感器则很容易受到环境温度变化的影响,同时在真正的火灾现场中,需要等到火灾发展到一定的程度,引起环境温暖发生巨大变化时温度传感器、烟雾传感器才会报警,在阴燃阶段基本不起作用,因此往往在报警时已经错过了最佳的灭火时机。
同时由于传统烟雾传感器和温度传感器是根据环境发生变化会引起电子元件的物理特性发生相应变化这一原理来进行火灾检测的,所以准确率对电子元件的性能依赖程度很高,电子元件受到环境中空气、水汽和粉尘的影响很容易老化或者性能发生变化造成误报率比较高。同时烟雾传感器在工作的时候需要烟雾进入到传感器里面或者烟雾的浓度需要达到一定的程度才会响应,在一些大型空间中,建筑的高度可以达到十几米甚至几十米,由于空气的稀释作用和建筑物内部热风压的影响,火灾发生过程中产生的烟雾很难上升到建筑顶部以驱动烟雾传感器,所以说这种火灾探测技术是无法应用到大型空间中。
二、光截面图像感烟火灾探测技术在一定的程度上解决了大空间的火灾探测问题,但是这种探测技术存在着很多的缺点和局限性,比如发现火情晚,往往报警时,火灾已经发展到了一定的程度,错过了最佳的灭火时机。此外,这种技术不具备在火灾阴燃不可见烟或只有少许烟阶段及早发现火情的能力。
同时光截面图像感烟火灾探测技术在实际使用中,为了保证其探测功能的实现,要求在红外发射端与接收端之间无遮挡。这就要求仓库内的货架、货物、作业机械(如行车)均不得安装或移动至发射端与接收端之间,否则将引起误报。因此,系统在安装过程中,为了避免这些可以诱发误报的因素,设备大都安装在车间、仓库等高大空间的天花板上。这将面临与传统的烟雾传感器、温度传感器相同的问题——烟雾到达路程长、过程中易稀释飘散等造成报警时间晚,探测容易受到各种因素的影响。
光截面图像感烟火灾探测技术通过处理红外接收端信号的变化来检测火灾信号,如果火灾并没有产生烟雾或者说在火灾的早期阶段产生的烟雾浓度并不高的情况下,接收端的信号变化并不明显,还不足以驱动系统,就会造成火灾信号的漏报或者错过了早期报警,所以说这种技术不具备在火灾阴燃不可见烟或只有少许烟阶段及早发现火情的能力
三、火焰探测器具有响应速度快、探测间隔远、环境适应性好的优点,但是价格比较高,目前应用的场合主要是石油和天然气的勘探、储存场所;海上钻井、陆地钻井,易燃材料储存仓库、炸药和军需品仓库等一些比较高端的场合。昂高的价格使得该探测器很难广泛性地民用。
发明内容
本发明为解决以上现有技术所述的至少一种缺陷,提供了一种基于图像处理技术的远程大空间火灾监测报警方法,该方法具有抗干扰能力强(能够排除日常中例如日光灯,粉尘,雷电,水汽等因素的干扰)、探测范围广、响应速度快的特点,适合对大空间建筑内部早期火灾的探测。
为实现以上发明目的,采用的技术方案是:
一种基于图像处理技术的远程大空间火灾监测报警方法,包括以下步骤:
S1.使用摄像头获取监控现场的视频数据,然后对视频数据进行运动目标的提取;若提取得到运动目标,则进入步骤S2;
S2.判定运动目标的各个像素点是否满足烟雾颜色的条件,并根据判定的结果确定疑烟区域;
S3.对疑烟区域的各个像素点进行烟雾特征的提取,并分别将提取的烟雾特征作为BP神经网络的输入,然后根据BP神经网络的输出值判断该像素点是否为烟雾像素点;
S4.判断疑烟区域中包含的烟雾像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S5;
S5.判定运动目标的各个像素点是否满足火焰颜色的条件,并根据判定的结果确定准火焰区域;
S6.对准火焰区域的各个像素点进行火焰特征的提取,并分别将提取的火焰特征作为BP神经网络的输入,然后根据BP神经网络的输出值判断该像素点是否为火焰像素点;
S7.判断准火焰区域中火焰像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S1。
上述方案中,监测报警方法将摄像头当做前端,对环境进行实时监测,然后通过分析摄像头拍摄的图像数据,提取火灾的信号。由于摄像头监测的范围广,因此监测报警方法解决了大空间的火灾探测难题,同时,利用BP神经网络进行烟雾像素点、火焰像素点的判别,能够提高监测的准确率。
同时,由于常规的火灾探测器无法在同一个硬件设备中集成烟雾监测和火焰监测两大功能,带来实际应用中需要对同一场合同时安装这两种探测器的麻烦。本发明提供的监测报警方法首先对采集回来的视频数据进行烟雾监测,如果监测到烟雾信号则进行报警,若否则转到火焰监测,烟雾监测、火焰监测这两个功能轮流执行,使得监测报警方法同时实现了火焰监测功能和烟雾监测功能。
优选地,步骤S1中,提取运动目标的过程如下:读取视频数据的视频帧,使用混合高斯模型对每一视频帧的背景进行建模,然后利用当前视频帧与构建的视频帧的背景作差分,即可获取运动目标。
优选地,步骤S2中,判断像素点是否满足烟雾颜色条件的过程具体如下:获取像素点的RGB值,并判断像素点是否满足以下条件:
其中
T1取值15~25,T2=80,T3=220,T4=30,当像素点同时满足条件一和条件二或者同时满足条件二与条件三,则该像素点满足烟雾颜色的条件。
优选地,步骤S5中,判断像素点是否满足火焰颜色条件的过程具体如下:获取像素点的RGB值,判断像素点是否满足以下条件:
其中Rt为红色分量的阈值,a、b表示系数,x、y表示像素点的坐标,R(x,y,t)表示像素点在t时刻的红色亮度数值,同理,G(x,y,t)表示像素点在t时刻的绿色亮度数值,B(x,y,t)表示像素点在t时刻的蓝色亮度数值;S(x,y,t)表示根据BP神经网络方程计算出的一个比较值,若像素点满足以上条件则判定该像素点满足火焰颜色的条件。
优选地,所述步骤S3中提取了三个烟雾特征,分别为背景高频信号的衰减率、烟雾的扩散率、烟雾的轮廓不规则率,并将这三个特征作为BP神经网络的输入。
优选地,所述步骤S6中提取了三个火焰特征,分别为火焰的尖角变化率、火焰的圆形度、火焰的面积变化率,并将这三个特征作为BP神经网络的输入。
优选地,步骤S4、S7中,BP神经网络的输出res大于0.7时,像素点被判定为烟雾像素点或火焰像素点,此时若BP神经网络的输出res连续大于0.7的个数大于阈值,则进行报警。
优选地,所述阈值为30,若BP神经网络的输出res连续大于0.7的个数out小于阈值,则不产生报警;30<out<80时,产生烟雾预警或火焰报警;当80<out<120时,产生一级烟雾警报信号或一级火焰警报信号;120<out<180时,产生二级烟雾警报信号或二级火焰警报信号;180<out时,产生三级烟雾警报信号或三级火焰警报信号。火灾发生或往往是一个持续发展的过程,现有的技术方案只能够对火灾的发生、持续与否做一个简单的判定,而不能对火灾的发展程度做探测,因此在功能上十分受限。而本发明提供的监测报警方法,能够根据火灾现场采集的疑烟区域或准火焰区域的烟雾像素点或火焰像素点的数目来判定火灾的发展程度,并发出相应的警报信号供消防人员进行参考,这种功能、这种思路是现有技术所无法提供的。
与现有技术相比,本发明的有益效果是:
1)具有很高的智能性,抗干扰能力强(能够排除日常中例如日光灯,粉尘,雷电,水汽等因素的干扰),探测范围广,响应速度快,适合大空间早期火灾的探测;
2)能够将烟雾检测和火焰检测这两大功能集成到同一个硬件设备上,在保持准确率的前提下,提高了监测能力,在实际的实用当中,减少了设备安装的复杂性,提高了资源的利用率;
3)对检测出来的火灾信号进行了等级分析,并且建立了一套分等级报警体制。火灾产生时,探测器经过火灾等级分析,从报警信号中就可以知道此时火灾的发展程度和发展趋势;
4)可以直接利用监控设备,不需要再次安装烟感、温感探测器等,大大减少了各种材料施工费用,对一些不方便布线施工的场合非常方便。
附图说明
图1为光截面图像感烟火灾探测技术的实施示意图。
图2为监测报警方法的流程图。
图3为烟雾识别的流程图。
图4为火焰识别的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图2~4所示,本发明提供的大空间火灾监测报警方法,包括以下步骤:
S1.使用摄像头获取监控现场的视频数据,然后对视频数据进行运动目标的提取;若提取得到运动目标,则进入步骤S2;
其中提取运动目标的过程如下:读取视频数据的视频帧,使用混合高斯模型对每一视频帧的背景进行建模,然后利用当前视频帧与构建的视频帧的背景作差分,即可获取运动目标;
S2.判定运动目标的各个像素点是否满足烟雾颜色的条件,并根据判定的结果确定疑烟区域;
S3.对疑烟区域的各个像素点进行烟雾特征的提取,提取的烟雾特征分别为背景高频信号的衰减率、烟雾的扩散率、烟雾的轮廓不规则率,并将提取的烟雾特征作为BP神经网络的输入,然后根据BP神经网络的输出值判断该像素点是否为烟雾像素点;
S4.判断疑烟区域中包含的烟雾像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S5;
S5.判定运动目标的各个像素点是否满足火焰颜色的条件,并根据判定的结果确定准火焰区域;
S6.对准火焰区域的各个像素点进行火焰特征的提取,提取的火焰特征分别为火焰的尖角变化率、火焰的圆形度、火焰的面积变化率,并将提取的火焰特征作为BP神经网络的输入,然后根据BP神经网络的输出值判断该像素点是否为火焰像素点;
S7.判断准火焰区域中火焰像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S1。
上述方案中,监测报警方法将摄像头当做前端,对环境进行实时监测,然后通过分析摄像头拍摄的图像数据,提取火灾的信号。由于摄像头监测的范围广,因此监测报警方法解决了大空间的火灾探测难题,同时,利用BP神经网络进行烟雾像素点、火焰像素点的判别,能够提高监测的准确率。
同时,由于常规的火灾探测器无法在同一个硬件设备中集成烟雾监测和火焰监测两大功能,带来实际应用中需要对同一场合同时安装这两种探测器的麻烦。本发明提供的监测报警方法首先对采集回来的视频数据进行烟雾监测,如果监测到烟雾信号则进行报警,若否则转到火焰监测,烟雾监测、火焰监测这两个功能轮流执行,使得监测报警方法同时实现了火焰监测功能和烟雾监测功能。
本实施例中,判断像素点是否满足烟雾颜色条件的过程具体如下:获取像素点的RGB值,并判断像素点是否满足以下条件:
其中
T1取值15~25,T2=80,T3=220,T4=30,当像素点同时满足条件一和条件二或者同时满足条件二与条件三,则该像素点满足烟雾颜色的条件。
而判断像素点是否满足火焰颜色条件的过程具体如下:获取像素点的RGB值,判断像素点是否满足以下条件:
其中Rt为红色分量的阈值,a、b表示系数,x、y表示像素点的坐标,R(x,y,t)表示像素点在t时刻的红色亮度数值,同理,G(x,y,t)表示像素点在t时刻的绿色亮度数值,B(x,y,t)表示像素点在t时刻的蓝色亮度数值;S(x,y,t)表示根据BP神经网络方程计算出的一个比较值,若像素点满足以上条件则判定该像素点满足火焰颜色的条件。
本实施例中,BP神经网络的输出res大于0.7时,像素点被判定为烟雾像素点或火焰像素点,此时若BP神经网络的输出res连续大于0.7的个数大于阈值,则进行报警。本实施例中,阈值为30,若BP神经网络的输出res连续大于0.7的个数out小于阈值,则不产生报警;30<out<80时,产生烟雾预警或火焰报警;当80<out<120时,产生一级烟雾警报信号或一级火焰警报信号;120<out<180时,产生二级烟雾警报信号或二级火焰警报信号;180<out时,产生三级烟雾警报信号或三级火焰警报信号。
火灾发生或往往是一个持续发展的过程,现有的技术方案只能够对火灾的发生、持续与否做一个简单的判定,而不能对火灾的发展程度做探测,因此在功能上十分受限。而本发明提供的监测报警方法,能够根据火灾现场采集的疑烟区域或准火焰区域的烟雾像素点或火焰像素点的数目来判定火灾的发展程度,并发出相应的警报信号供消防人员进行参考,这种功能、这种思路是现有技术所无法提供的。
与现有技术相比,本发明的有益效果是:
1)具有很高的智能性,抗干扰能力强(能够排除日常中例如日光灯,粉尘,雷电,水汽等因素的干扰),探测范围广,响应速度快,适合大空间早期火灾的探测;
2)能够将烟雾检测和火焰检测这两大功能集成到同一个硬件设备上,在保持准确率的前提下,提高了监测能力,在实际的实用当中,减少了设备安装的复杂性,提高了资源的利用率;
3)对检测出来的火灾信号进行了等级分析,并且建立了一套分等级报警体制。火灾产生时,探测器经过火灾等级分析,从报警信号中就可以知道此时火灾的发展程度和发展趋势;
4)可以直接利用监控设备,不需要再次安装烟感、温感探测器等,大大减少了各种材料施工费用,对一些不方便布线施工的场合非常方便。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:包括以下步骤:
S1.使用摄像头获取监控现场的视频数据,然后对视频数据进行运动目标的提取;若提取得到运动目标,则进入步骤S2;
S2.判定运动目标的各个像素点是否满足烟雾颜色的条件,并根据判定的结果确定疑烟区域;
S3.对疑烟区域的各个像素点进行烟雾特征的提取,并分别将提取的烟雾特征作为BP神经网络的输入,然后根据BP神经网络的输出值判断该像素点是否为烟雾像素点;
S4.判断疑烟区域中包含的烟雾像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S5;
S5.判定运动目标的各个像素点是否满足火焰颜色的条件,并根据判定的结果确定准火焰区域;
S6.对准火焰区域的各个像素点进行火焰特征的提取,并分别将提取的火焰特征作为BP神经网络的输入,然后根据BP神经网络的输出值判断该像素点是否为火焰像素点;
S7.判断准火焰区域中火焰像素点的数目是否大于阈值,若是则进行报警,否则进入步骤S1。
2.根据权利要求1所述的基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:步骤S1中,提取运动目标的过程如下:读取视频数据的视频帧,使用混合高斯模型对每一视频帧的背景进行建模,然后利用当前视频帧与构建的视频帧的背景作差分,即可获取运动目标。
3.根据权利要求1所述的基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:步骤S2中,判断像素点是否满足烟雾颜色条件的过程具体如下:获取像素点的RGB值,并判断像素点是否满足以下条件:
其中
T1取值15~25,T2=80,T3=220,T4=30,当像素点同时满足条件一和条件二或者同时满足条件二与条件三,则该像素点满足烟雾颜色的条件。
4.根据权利要求1所述的基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:步骤S5中,判断像素点是否满足火焰颜色条件的过程具体如下:获取像素点的RGB值,判断像素点是否满足以下条件:
其中Rt为红色分量的阈值,a、b表示系数,x、y表示像素点的坐标,R(x,y,t)表示像素点在t时刻的红色亮度数值,同理,G(x,y,t)表示像素点在t时刻的绿色亮度数值,B(x,y,t)表示像素点在t时刻的蓝色亮度数值;S(x,y,t)表示根据BP神经网络方程计算出的一个比较值,若像素点满足以上条件则判定该像素点满足火焰颜色的条件。
5.根据权利要求1~4任一项所述的基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:所述步骤S3中提取了三个烟雾特征,分别为背景高频信号的衰减率、烟雾的扩散率、烟雾的轮廓不规则率,并将这三个特征作为BP神经网络的输入。
6.根据权利要求5所述的基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:所述步骤S6中提取了三个火焰特征,分别为火焰的尖角变化率、火焰的圆形度、火焰的面积变化率,并将这三个特征作为BP神经网络的输入。
7.根据权利要求6所述的基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:步骤S4、S7中,BP神经网络的输出res大于0.7时,像素点被判定为烟雾像素点或火焰像素点,此时若BP神经网络的输出res连续大于0.7的个数大于阈值,则进行报警。
8.根据权利要求7所述的基于图像处理技术的远程大空间火灾监测报警方法,其特征在于:所述阈值为30,若BP神经网络的输出res连续大于0.7的个数out小于阈值,则不产生报警;30<out<80时,产生烟雾预警或火焰报警;当80<out<120时,产生一级烟雾警报信号或一级火焰警报信号;120<out<180时,产生二级烟雾警报信号或二级火焰警报信号;180<out时,产生三级烟雾警报信号或三级火焰警报信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510559309.9A CN105336085A (zh) | 2015-09-02 | 2015-09-02 | 一种基于图像处理技术的远程大空间火灾监测报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510559309.9A CN105336085A (zh) | 2015-09-02 | 2015-09-02 | 一种基于图像处理技术的远程大空间火灾监测报警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105336085A true CN105336085A (zh) | 2016-02-17 |
Family
ID=55286581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510559309.9A Pending CN105336085A (zh) | 2015-09-02 | 2015-09-02 | 一种基于图像处理技术的远程大空间火灾监测报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105336085A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931409A (zh) * | 2016-05-30 | 2016-09-07 | 重庆大学 | 一种基于红外与可见光摄像机联动的森林火灾监测方法 |
CN106563227A (zh) * | 2016-10-31 | 2017-04-19 | 广东美的制冷设备有限公司 | 一种除湿机防火方法、系统和除湿机 |
CN108345247A (zh) * | 2018-02-26 | 2018-07-31 | 杭州智仁建筑工程有限公司 | 一种自动控制方法 |
CN108399359A (zh) * | 2018-01-18 | 2018-08-14 | 中山大学 | 一种视频序列下实时火灾检测预警方法 |
CN108470424A (zh) * | 2018-03-06 | 2018-08-31 | 深圳森阳环保材料科技有限公司 | 一种基于图像特征的森林安全监测系统 |
CN108877131A (zh) * | 2018-07-02 | 2018-11-23 | 上海信颐信息技术有限公司 | 一种安防报警方法及设备 |
CN108898779A (zh) * | 2018-06-22 | 2018-11-27 | 张小勇 | 一种火灾报警方法和系统 |
CN109360370A (zh) * | 2018-11-30 | 2019-02-19 | 广州高新兴机器人有限公司 | 一种基于机器人烟火检测的方法 |
CN109377713A (zh) * | 2018-09-26 | 2019-02-22 | 石化盈科信息技术有限责任公司 | 一种火灾预警方法及系统 |
CN109409224A (zh) * | 2018-09-21 | 2019-03-01 | 河海大学 | 一种自然场景火焰检测的方法 |
CN109544855A (zh) * | 2018-10-31 | 2019-03-29 | 国电南瑞科技股份有限公司 | 基于计算机视觉的轨道交通综合监控火灾闭路电视系统及实现方法 |
CN109767593A (zh) * | 2019-02-26 | 2019-05-17 | 浙江晶鲸科技有限公司 | 具有psct光阀的火灾监控装置 |
CN109887220A (zh) * | 2019-01-23 | 2019-06-14 | 珠海格力电器股份有限公司 | 空调和空调的控制方法 |
CN110120143A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 一种炼化企业易燃易爆区域烟雾智能监测系统 |
CN110120142A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 一种火灾烟雾视频智能监控预警系统及预警方法 |
CN110648490A (zh) * | 2019-09-26 | 2020-01-03 | 华南师范大学 | 适用于嵌入式平台的多因子火焰识别方法 |
CN110826559A (zh) * | 2019-11-01 | 2020-02-21 | 北京工业大学 | 基于视觉感知的火炬烟尘监测方法 |
CN111639825A (zh) * | 2020-07-01 | 2020-09-08 | 广东工业大学 | 基于A-Star算法是森林火灾指示逃生路径方法及系统 |
CN112530129A (zh) * | 2020-11-16 | 2021-03-19 | 浙江华消科技有限公司 | 余火检测系统、方法和存储介质 |
CN112651355A (zh) * | 2020-12-29 | 2021-04-13 | 四川警察学院 | 一种基于混合高斯模型和卷积神经网络的危险品识别预警方法 |
CN113884776A (zh) * | 2021-10-08 | 2022-01-04 | 苏州市计量测试院 | 一种射频电磁场辐射抗扰度试验方法和装置 |
CN113926819A (zh) * | 2021-10-16 | 2022-01-14 | 江苏泰扬金属制品有限公司 | 云端操作节点监控应用系统 |
CN116597603A (zh) * | 2023-07-19 | 2023-08-15 | 山东哲远信息科技有限公司 | 一种智能消防火灾报警系统及其控制方法 |
CN116630843A (zh) * | 2023-04-13 | 2023-08-22 | 安徽中科数智信息科技有限公司 | 一种用于消防救援的防火监督管理方法和系统 |
CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002069292A1 (fr) * | 2001-02-26 | 2002-09-06 | Fastcom Technology Sa | Procede et dispositif de detection de feux base sur l'analyse d'images |
CN201091014Y (zh) * | 2007-06-29 | 2008-07-23 | 丁国锋 | 一种火灾探测装置 |
CN101625789A (zh) * | 2008-07-07 | 2010-01-13 | 北京东方泰坦科技有限公司 | 基于烟火智能识别的森林火灾实时监测方法 |
CN102136059A (zh) * | 2011-03-03 | 2011-07-27 | 苏州市慧视通讯科技有限公司 | 一种基于视频分析的烟雾检测方法 |
CN102163358A (zh) * | 2011-04-11 | 2011-08-24 | 杭州电子科技大学 | 一种基于视频图像分析的烟雾/火焰检测方法 |
CN102663869A (zh) * | 2012-04-23 | 2012-09-12 | 国家消防工程技术研究中心 | 基于视频监控平台的室内火灾检测方法 |
CN103116746A (zh) * | 2013-03-08 | 2013-05-22 | 中国科学技术大学 | 一种基于多特征融合技术的视频火焰探测方法 |
-
2015
- 2015-09-02 CN CN201510559309.9A patent/CN105336085A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002069292A1 (fr) * | 2001-02-26 | 2002-09-06 | Fastcom Technology Sa | Procede et dispositif de detection de feux base sur l'analyse d'images |
CN201091014Y (zh) * | 2007-06-29 | 2008-07-23 | 丁国锋 | 一种火灾探测装置 |
CN101625789A (zh) * | 2008-07-07 | 2010-01-13 | 北京东方泰坦科技有限公司 | 基于烟火智能识别的森林火灾实时监测方法 |
CN102136059A (zh) * | 2011-03-03 | 2011-07-27 | 苏州市慧视通讯科技有限公司 | 一种基于视频分析的烟雾检测方法 |
CN102163358A (zh) * | 2011-04-11 | 2011-08-24 | 杭州电子科技大学 | 一种基于视频图像分析的烟雾/火焰检测方法 |
CN102663869A (zh) * | 2012-04-23 | 2012-09-12 | 国家消防工程技术研究中心 | 基于视频监控平台的室内火灾检测方法 |
CN103116746A (zh) * | 2013-03-08 | 2013-05-22 | 中国科学技术大学 | 一种基于多特征融合技术的视频火焰探测方法 |
Non-Patent Citations (3)
Title |
---|
李奔: "基于视频图像序列处理的火焰侦测", 《中国硕士学位论文全文数据库 信息科技辑》 * |
王娜娜: "基于视频的火灾烟雾检测算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
荣建忠: "基于多特征的火焰图像探测研究及实现", 《中国博士学位论文全文全文数据库 信息科技辑》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931409A (zh) * | 2016-05-30 | 2016-09-07 | 重庆大学 | 一种基于红外与可见光摄像机联动的森林火灾监测方法 |
CN106563227B (zh) * | 2016-10-31 | 2019-03-08 | 广东美的制冷设备有限公司 | 一种除湿机防火方法、系统和除湿机 |
CN106563227A (zh) * | 2016-10-31 | 2017-04-19 | 广东美的制冷设备有限公司 | 一种除湿机防火方法、系统和除湿机 |
CN108399359A (zh) * | 2018-01-18 | 2018-08-14 | 中山大学 | 一种视频序列下实时火灾检测预警方法 |
CN108399359B (zh) * | 2018-01-18 | 2022-05-10 | 中山大学 | 一种视频序列下实时火灾检测预警方法 |
CN110120142A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 一种火灾烟雾视频智能监控预警系统及预警方法 |
CN110120143A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 一种炼化企业易燃易爆区域烟雾智能监测系统 |
CN110120142B (zh) * | 2018-02-07 | 2021-12-31 | 中国石油化工股份有限公司 | 一种火灾烟雾视频智能监控预警系统及预警方法 |
CN108345247A (zh) * | 2018-02-26 | 2018-07-31 | 杭州智仁建筑工程有限公司 | 一种自动控制方法 |
CN108470424A (zh) * | 2018-03-06 | 2018-08-31 | 深圳森阳环保材料科技有限公司 | 一种基于图像特征的森林安全监测系统 |
CN108898779A (zh) * | 2018-06-22 | 2018-11-27 | 张小勇 | 一种火灾报警方法和系统 |
CN108877131A (zh) * | 2018-07-02 | 2018-11-23 | 上海信颐信息技术有限公司 | 一种安防报警方法及设备 |
CN109409224B (zh) * | 2018-09-21 | 2023-09-05 | 河海大学 | 一种自然场景火焰检测的方法 |
CN109409224A (zh) * | 2018-09-21 | 2019-03-01 | 河海大学 | 一种自然场景火焰检测的方法 |
CN109377713A (zh) * | 2018-09-26 | 2019-02-22 | 石化盈科信息技术有限责任公司 | 一种火灾预警方法及系统 |
CN109544855A (zh) * | 2018-10-31 | 2019-03-29 | 国电南瑞科技股份有限公司 | 基于计算机视觉的轨道交通综合监控火灾闭路电视系统及实现方法 |
CN109360370A (zh) * | 2018-11-30 | 2019-02-19 | 广州高新兴机器人有限公司 | 一种基于机器人烟火检测的方法 |
CN109887220A (zh) * | 2019-01-23 | 2019-06-14 | 珠海格力电器股份有限公司 | 空调和空调的控制方法 |
CN109767593A (zh) * | 2019-02-26 | 2019-05-17 | 浙江晶鲸科技有限公司 | 具有psct光阀的火灾监控装置 |
CN110648490A (zh) * | 2019-09-26 | 2020-01-03 | 华南师范大学 | 适用于嵌入式平台的多因子火焰识别方法 |
CN110826559B (zh) * | 2019-11-01 | 2022-04-22 | 北京工业大学 | 基于视觉感知的火炬烟尘监测方法 |
CN110826559A (zh) * | 2019-11-01 | 2020-02-21 | 北京工业大学 | 基于视觉感知的火炬烟尘监测方法 |
CN111639825A (zh) * | 2020-07-01 | 2020-09-08 | 广东工业大学 | 基于A-Star算法是森林火灾指示逃生路径方法及系统 |
CN111639825B (zh) * | 2020-07-01 | 2024-02-23 | 广东工业大学 | 基于A-Star算法的森林火灾指示逃生路径方法及系统 |
CN112530129A (zh) * | 2020-11-16 | 2021-03-19 | 浙江华消科技有限公司 | 余火检测系统、方法和存储介质 |
CN112651355A (zh) * | 2020-12-29 | 2021-04-13 | 四川警察学院 | 一种基于混合高斯模型和卷积神经网络的危险品识别预警方法 |
CN113884776A (zh) * | 2021-10-08 | 2022-01-04 | 苏州市计量测试院 | 一种射频电磁场辐射抗扰度试验方法和装置 |
CN113926819A (zh) * | 2021-10-16 | 2022-01-14 | 江苏泰扬金属制品有限公司 | 云端操作节点监控应用系统 |
CN116630843A (zh) * | 2023-04-13 | 2023-08-22 | 安徽中科数智信息科技有限公司 | 一种用于消防救援的防火监督管理方法和系统 |
CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
CN116777707B (zh) * | 2023-06-20 | 2023-12-01 | 浙江宏远智能科技有限公司 | 一种智慧社区管理系统和方法 |
CN116597603B (zh) * | 2023-07-19 | 2023-10-10 | 山东哲远信息科技有限公司 | 一种智能消防火灾报警系统及其控制方法 |
CN116597603A (zh) * | 2023-07-19 | 2023-08-15 | 山东哲远信息科技有限公司 | 一种智能消防火灾报警系统及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105336085A (zh) | 一种基于图像处理技术的远程大空间火灾监测报警方法 | |
CN106448023B (zh) | 一种具有存储功能的火灾烟雾报警器 | |
CN205140120U (zh) | 一种物联网图像火灾远程监控预警系统 | |
Krüll et al. | Early forest fire detection and verification using optical smoke, gas and microwave sensors | |
US7991187B2 (en) | Intelligent image smoke/flame sensor and detection system | |
CN109564716B (zh) | 用于检测紧急情况的系统和方法 | |
CN103337123B (zh) | 基于视频图像的油田联合站火灾预警方法 | |
CN101577033A (zh) | 多波段红外图像型火灾探测系统及其火灾预警方法 | |
CN206224736U (zh) | 一种具有存储功能的火灾烟雾报警器 | |
CN108648400A (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 | |
CN109493561A (zh) | 一种基于图像处理的火灾监控系统 | |
CN105354974A (zh) | 基于三波长红外火焰探测器的火焰探测方法 | |
KR20210078338A (ko) | 고성능 레이더 및 머신 러닝을 이용한 침입탐지 시스템 | |
CN102496235B (zh) | 具有光学完整性的图像火灾探测器及方法 | |
CN112257554B (zh) | 基于多光谱的森林火灾识别方法、系统、程序及存储介质 | |
CN110009863A (zh) | 一种立式双光路感烟探测迷宫及其探测方法 | |
CN108682105B (zh) | 一种基于多光谱的输电线路山火勘测预警装置及预警方法 | |
CN110070692A (zh) | 一种智能视觉消防监视系统及方法 | |
CN106474646A (zh) | 全自动智能灭火装置 | |
CN109461282A (zh) | 一种监视温度的装置和方法 | |
CN106297161A (zh) | 一种基于物联网多模感知的安防监测数据融合算法 | |
CN102928083A (zh) | 森林防火用红外测温仪及其测温方法 | |
CN202929792U (zh) | 一种森林防火三波段检测系统 | |
CN110428574A (zh) | 一种烟雾探测器及其烟雾探测方法 | |
CN206097353U (zh) | 一种生物质电厂料场火灾监测管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160217 |
|
RJ01 | Rejection of invention patent application after publication |