CN107798811B - 一种隧道火灾监测器、监测系统及监测方法 - Google Patents
一种隧道火灾监测器、监测系统及监测方法 Download PDFInfo
- Publication number
- CN107798811B CN107798811B CN201711013113.5A CN201711013113A CN107798811B CN 107798811 B CN107798811 B CN 107798811B CN 201711013113 A CN201711013113 A CN 201711013113A CN 107798811 B CN107798811 B CN 107798811B
- Authority
- CN
- China
- Prior art keywords
- image
- sampling
- signal
- flame
- difference
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000012806 monitoring device Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 34
- 239000011521 glass Substances 0.000 claims abstract description 24
- 238000012790 confirmation Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims description 57
- 230000003287 optical effect Effects 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 17
- 238000004140 cleaning Methods 0.000 claims description 11
- 239000000779 smoke Substances 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 230000000712 assembly Effects 0.000 claims description 7
- 238000000429 assembly Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000005457 Black-body radiation Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 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
- 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
本发明公开了一种隧道火灾监测器、监测系统及监测方法，隧道火灾监测器包括控制端、信号采样端及处理端。控制端起到控制的作用，信号采样端用于对现场图像进行采样，处理端用于对采样图像信息进行处理，信号采样端设置有多个滤光镜片对进入到摄像机镜头中的光线进行滤波，利用前设定采样时刻采集到的图像采样信息作为标准图像，与当前采样时刻采集到的图像采样信息做背景差分以及帧间差分处理，得到采样差值图像，采样差值图像与设定图像差值计算模型进行特征匹配，识别输出火焰监测信号或火焰确认信号，上述方案能够快速地识别获取到图像中的火焰信息并且计算得到的采样差值图像，从而能够准确地反应出火焰的发展趋势，准确性以及实时性高。
Description
技术领域
本发明涉及火灾监测技术领域，更具体地说，它涉及一种隧道火灾监测器、监测系统及监测方法。
背景技术
在隧道建设以及隧道使用过程中，消防安全都十分重要。目前对于隧道火灾的监测，主要还是依靠设置在隧道中的各类传感器完成，例如烟雾传感器、温度传感器等，通过对温度、烟雾的分析判断出隧道中是否发生火灾。
隧道中发生火灾的初始时刻，由于各类传感器在空间位置的分布上具有分散性，火灾的烟雾量或者火焰温度的大小及分布区域均很有可能达不到触发各类传感器的要求，使得火灾初期的监测存在很大的不确定性，具有较大的缺陷。此外，目前也出现了红外对射探测装置，这类装置也存在着不足，在火灾的初始时刻，受建筑物内部的通风系统影响，烟雾不容易聚集在红外探测线路上，造成检测可靠性和实时性都不够。因此，需要一种新的火灾监测设备。
发明内容
本发明技术方案所要解决的技术问题为，如何有效地提高隧道火灾探测的可靠性及实时性，以减少火灾安全隐患。
为了解决上述技术问题，本发明技术方案提出了一种隧道火灾监测器，具体方案如下：
一种隧道火灾监测器，包括：
控制端，配置为微处理器模块，用于输出控制信号；
信号采样端，与所述控制端连接，用于对现场图像进行采样，输出图像采样信息，配置为摄像机以及设置在所述摄像机镜头前方的用以对进入镜头的光线进行过滤的滤光组件，所述滤光组件响应于所述控制信号对进入摄像机镜头的光线进行滤波；
处理端，配置为耦接于控制端以及所述信号采样端，接收当前采样时刻信号采样端输出的所述图像采样信息并将其与前一采样时刻的图像采样信息作对比，计算得到当前采样时刻与前一采样时刻图像采样信息的采样差值图像，并将所述采样差值图像与设定图像差值计算模型进行特征匹配，识别输出火焰监测信号或火焰确认信号；
其中，初始状态下，所述控制端控制滤光组件选择设定滤光参数对光线进行滤光，并控制处理端对接收到的图像进行计算处理，输出火焰监测信号；
当所述火焰监测信号满足所述图像差值计算模型后，所述控制端控制所述滤光组件，至少一次调节所述滤光组件的滤光参数，并控制处理端对滤光组件调整滤光参数后接收到的图像采样信息进行计算处理，输出不同滤光参数条件下的火焰确认信号。
通过上述技术方案，信号采集端直接采集隧道现场的图像信息，火焰探测的方式更为直接。监测时对进入到镜头中的光线进行滤波处理，能够滤除光线中的干扰。利用前若干采样时刻采样到的图像信息，经处理后作为标准图像，满足图像帧间差分的检测要求，处理端将当前采样时刻采样得到的图像采样信息与上述标准图像做差分处理，得到当前采样时刻较之前的采样时刻采样图像信息的变化量，由此判定出火焰检测信号，准确度以及实时性高。由于不同材料的火焰温度不同，由同一滤光参数采集到的采样图像信息很有可能是由其他发光或者产热物体的干扰，因此，采用不同的滤光参数对现场图像进行滤光，多重确认，不仅大大提升了火焰监测的准确性，还能够对火焰的燃烧温度、火源位置以及火焰蔓延的路径进行监测。
进一步的，所述处理端包括：
接口模块，配置为与所述信号采样端以及其它外部设备通信连接，包括多个通信接口以及对应的数据转换器；
存储器，用于存储当前采样时刻以及前若干时刻信号采样端采集到的图像采样信息、以及图像差值计算模型；
运算器，配置为与所述接口模块以及存储器数据连接，接收所述图像采样信息并将其与前若干时刻图像采样信息做差分处理，计算并输出所述采样差值图像；
比对模块，配置为与所述存储器以及运算器数据连接，接收所述图像差值计算模型以及采样差值图像，输出火焰监测信号；若采样差值图像的特征满足图像差值计算模型，输出所述火焰确认信号。
通过上述技术方案，将图像差值计算模型以及图像采样信息存储在存储器中，方便后期的调用，提升数据处理的效率，同时，由于标准图像在不断的变化，因此，运算器得到的采样差值图像也会不断地发生变化，实时性高，利用上述采样差值图像与图像差值计算模型做对比，准确性更高，不同采样时刻生成的采样差值图像在时间上进行拼接后，能够反应出火焰的动态过往以及预测后期火焰的蔓延趋势，为后期火灾的扑灭或人员疏散提供参考数据。
进一步的，所述数据转换器将所述信号采样端前后时刻采集的所述图像采样信息转化为灰度图像，所述运算器包括：
像素分割模块，将转换后的图像采样信息分割为多个像素，计算各个像素的灰度值；
差值提取模块，配置为与像素分割模块数据连接，接收当前采样时刻的图像采样信息对应各个像素的灰度值，以及前若干时刻图像采样信息对应各个像素的灰度值，根据设定算法计算得到所述采样差值图像。
进一步的，所述根据设定算法计算得到所述采样差值图像配置为：
背景-帧间差分计算模块，与所述存储器以及接口模块数据连接，采集前若干采样时刻的图像采样信息生成标准图像，利用当前采样时刻采集的图像采样信息与标准图像做差分处理，生成采样差值图像。
通过上述技术方案，将传统的背景图像差分法以及帧间差分法融合起来，不以初始时刻的采样图像信息作为标准图像，使得后期计算得到的采样差值图像能够准确反应出现场图像的变化，同时，利用背景差分法，可以反应出采集到的图像相对于标准图像的变化量，呈现出“动态的”图像采样信息。
进一步的，所述信号采样端还包括用于放置所述摄像机以及滤光组件的壳体，所述壳体整体呈圆筒状，所述摄像机可拆卸连接于所述壳体中；
所述滤光组件包括同轴设置于所述壳体开口处的转动架，所述转动架上嵌设有多个分别用于对不同波长光线进行滤波的滤光镜片，多个所述滤光镜片绕所述转动架的轴向均匀设置且当转动架处于静止状态时，至少有一个滤光镜片与摄像机的镜头重合；
所述壳体的轴向上固定设置有用于驱动所述转动架转动的驱动件，所述驱动件与所述控制端控制连接。
通过上述技术方案，可以在监测过程中对进入镜头的光线进行滤光调节，由此可以在不同的波长段对光线进行滤光。
进一步的，所述转动架远离所述摄像机的一侧设置有用于对多个滤光镜片的表面进行清洁的清洁组件，所述清洁组件包括固定套设在所述壳体中的绒毛刷以及清洁海绵块，所述绒毛刷及海绵清洁块与所述滤光镜片的表面相接触。
通过上述技术方案，可以在滤光镜片转动的过程中对滤光镜片加以清洁，避免灰尘遮挡滤光镜片。
为了解决现有技术中的技术问题，本发明技术方案还提出了一种隧道火灾监测系统，包括如前所述的隧道火灾监测器以及声光报警端、报警控制器、监控中心、通信单元，其中，
所述隧道火灾监测器与所述报警控制器信号连接，输出火灾监测信号或火焰确认信号至报警控制器；
所述报警控制器与所述声光报警端以及监控中心通过通信单元通信连接，接收所述火灾监测信号或火焰确认信号，输出控制信号至声光报警端，输出报警信号至监控中心。
通过上述技术方案，当隧道中发生火灾时，利用图像识别算法对隧道中的火焰进行识别，识别过程中多次调整滤光参数，避免隧道中的其它光线对监测造成影响。同时通过设置报警控制器，将隧道中隧道火灾监测器监测到的信息及时传递到监控中心，并且在现场通过声光报警端输出报警。
进一步的，所述检测系统还包括：
烟感探测器，设置于隧道内部，配置为与所述报警控制器信号连接，用于检测烟雾并输出烟雾检测信号至报警控制器；
温感探测器，设置于隧道内部，配置为与所述报警控制器信号连接，用于检测温度并输出温度检测信号至报警控制器。
通过上述技术方案，结合对隧道内温度以及烟雾的监测，使得火灾监测更为准确全面。
为解决现有技术中存在的技术问题，本发明技术方案还提出了一种隧道火灾监测方法，包括如下步骤：
S1，基于前若干采样时刻采集到的图像采样信息，建立标准图像；
S2，建立满足火焰特征的图像差值计算模型；
S3，基于设定滤光参数，采集当前采样时刻的现场图像；
S4，根据当前采样时刻采集到的图像采样信息，与标准图像做背景差分，得到采样差值图像；
S5，基于所述图像差值计算模型，识别采样差值图像是否满足火焰特征；
若上述采样差值图像不满足火焰特征，重复步骤S1-S5；
若上述采样差值图像满足火焰特征，调整所述滤光参数，重复步骤S3-S5，直至采集设定个数滤光参数条件下的图像采样信息，生成火焰确认信号。
进一步的，所述步骤S4具体包括：
S41，将当前采样时刻采集到的图像采样信息以及标准图像转化为灰度图像并对其做像素分割处理；
S42，计算各个像素点的灰度值，并利用当前采样时刻采集到的图像采样信息像素灰度值减去标准图像的像素灰度值，得到像素差值；
S43，设定一阈值并将每个像素差值与上述阈值作比较，若像素差值大于上述阈值，则该像素差值对应的原始像素保留，删除其余原始像素，形成采样差值图像。
与现有技术相比，本发明的有益效果如下：
（1）通过利用前面某一时刻或前若干时刻，生成与当前时刻采集到的图像采样信息做对比的标准图像，能够快速地识别获取到图像中的火焰信息并且计算得到的采样差值图像，从而能够进一步准确地反应出火焰的发展趋势，准确性以及实时性高；
（2）通过设置不同的滤光镜片，使得进入到摄像机的光线能够被以不同的滤光参数过滤，排除隧道中其它光源对火灾监测器的干扰。
附图说明
图1为本发明隧道火灾监测器的结构示意图（局部剖视）；
图2为本发明隧道火灾监测器的结构示意图；
图3为本发明隧道火灾监测器功能框架示意图；
图4为本发明隧道火灾监测系统的框架示意图；
图5为本发明隧道火灾监测方法的流程示意图。
附图标记：1、控制端；2、信号采样端；3、处理端；4、摄像机；5、滤光组件；6、接口模块；7、存储器；8、运算器；9、比对模块；10、像素分割模块；11、差值提取模块；12、壳体；13、转动架；14、滤光镜片；15、驱动件；16、清洁组件；17、绒毛刷；18、清洁海绵块；19、隧道火灾监测器；20、声光报警端；21、报警控制器；22、监控中心；23、通信单元；24、烟感探测器；25、温感探测器。
具体实施方式
下面结合实施例及图对本发明作进一步的详细说明，但本发明的实施方式不仅限于此。
如图1和图2所示，一种隧道火灾监测器19，主要包括：控制端1、信号采样端2（参见图3）以及处理端3。控制端1起到控制的作用，信号采样端2用于对现场的图像进行采样，处理端3用于对采样图像信息进行处理。
在本发明技术方案中，如图3所示，控制端1配置为微处理器模块，用于输出控制信号。上述微处理器模块采用单片机模块或FPGA模块。
信号采样端2与控制端1连接，受控于控制器模块的输出信号进行动作，用于对现场图像进行采样，输出图像采样信息。具体而言，上述信号采样端2配置为摄像机4以及设置在所述摄像机4镜头前方的用以对进入镜头的光线进行过滤的滤光组件5，摄像机4用于采集现场图像，滤光组件5响应于控制信号对进入摄像机4镜头的光线进行滤波。
由于不同波长射度的光线，其对应的光源温度也不相同，单纯的图像识别很容易被其它光线所干扰。因此，需要选择不同的滤波阈值（滤光参数）对光线进行过滤，上述阈值的确定原理可大致概括如下：首先根据普朗克定律得到绝对黑体辐射的光谱分布，计算出设定温度范围内绝对黑体的光谱辐射出射度与波长间的关系曲线，而后根据维恩位移定律，可以求出该温度下光谱辐射出射角的峰值波长，由上述波长选择最合适的滤光镜片14。
本发明技术方案中，如图1所示，信号采样端2还包括用于放置摄像机4以及滤光组件5的壳体12，上述壳体12整体呈圆筒状，摄像机4可拆卸连接于壳体12中。滤光组件5包括同轴设置于壳体12开口处的转动架13，转动架13上嵌设有多个分别用于对不同波长光线进行滤波的滤光镜片14，多个滤光镜片14绕转动架13的轴向均匀设置且当转动架13处于静止状态时，至少有一个滤光镜片14与摄像机4的镜头重合。壳体12的轴向上固定设置有用于驱动转动架13转动的驱动件15，驱动件15与控制端1控制连接。在本发明技术方案中，上述驱动件15采用步进电机或伺服电机，上述驱动件15的转动轴与转动架13同轴固定连接。
优化的，为了可以在滤光镜片14转动的过程中对滤光镜片14加以清洁，避免灰尘遮挡滤光镜片14，转动架13远离摄像机4的一侧设置有用于对多个滤光镜片14的表面进行清洁的清洁组件16，清洁组件16包括固定套设在壳体12中的绒毛刷17以及清洁海绵块18，绒毛刷17及海绵清洁块与滤光镜片14的表面相接触。
在本发明技术方案中，处理端3配置为耦接于控制端1以及信号采样端2，接收当前采样时刻信号采样端2输出的图像采样信息并将其与前一采样时刻的图像采样信息作对比，计算得到当前采样时刻与前一采样时刻图像采样信息的采样差值图像，并将采样差值图像与设定图像差值计算模型进行特征匹配，识别输出火焰监测信号或火焰确认信号。其中，初始状态下，控制端1控制滤光组件5选择设定滤光参数对光线进行滤光，并控制处理端3对接收到的图像进行计算处理，输出火焰监测信号。当火焰监测信号满足图像差值计算模型后，控制端1控制滤光组件5，至少一次调节滤光组件5的滤光参数，并控制处理端3对滤光组件5调整滤光参数后接收到的图像采样信息进行计算处理，输出不同滤光参数条件下的火焰确认信号。
为了实现上述工作过程，详述的，处理端3包括：接口模块6、存储器7、运算器8以及比对模块9。
接口模块6配置为与信号采样端2以及其它诸如外部设备通信连接，包括电力接口、多个通信接口以及对应的数据转换器等，通信接口包括RS232以及USB数据接口，数据转换器主要用于对图像数据的格式进行转换。
存储器7用于存储当前采样时刻以及前若干时刻信号采样端2采集到的图像采样信息、以及图像差值计算模型。
运算器8采用专用的DSP芯片，配置为与接口模块6以及存储器7数据连接，接收图像采样信息并将其与前若干时刻图像采样信息做差分处理，计算并输出采样差值图像。
比对模块9配置为与存储器7以及运算器8数据连接，接收图像差值计算模型以及采样差值图像，输出火焰监测信号；若采样差值图像的特征满足图像差值计算模型，输出火焰确认信号。实际应用当中，上述比对模块9以及运算器8均内置于一专用DSP芯片中。
进一步的，数据转换器将信号采样端2前后时刻采集的图像采样信息转化为灰度图像。基于上述灰度图像，运算器8包括：像素分割模块10以及差值提取模块11，像素分割模块10将转换后的图像采样信息分割为多个像素，计算各个像素的灰度值。差值提取模块11配置为与像素分割模块10数据连接，接收当前采样时刻的图像采样信息对应各个像素的灰度值，以及前若干时刻图像采样信息对应各个像素的灰度值，根据设定算法计算得到采样差值图像。
上述过程中，根据设定算法计算得到采样差值图像配置为：
背景-帧间差分计算模块，与存储器7以及接口模块6数据连接，采集前若干采样时刻的图像采样信息生成标准图像，利用当前采样时刻采集的图像采样信息与标准图像做差分处理，生成采样差值图像。将传统的背景图像差分法以及帧间差分法融合起来，不以初始时刻的采样图像信息作为标准图像，使得后期计算得到的采样差值图像能够准确反应出现场图像的变化，同时，利用背景差分法，可以反应出采集到的图像相对于标准图像的变化量，呈现出“动态的”图像采样信息。
为了解决现有技术中的技术问题，本发明技术方案还提出了一种隧道火灾监测系统，如图4所示，包括如前的隧道火灾监测器19以及声光报警端20、报警控制器21、监控中心22、通信单元23。
其中，隧道火灾监测器19与报警控制器21信号连接，输出火灾监测信号或火焰确认信号至报警控制器21。报警控制器21与声光报警端20以及监控中心22通过通信单元23通信连接，接收火灾监测信号或火焰确认信号，输出控制信号至声光报警端20，输出报警信号至监控中心22。声光报警端20由蜂鸣器以及警报灯组成，报警控制器21采用现有技术中常用的火灾报警控制器21即可，通信单元23为两个，有线通信模块与GSM无线通信模块，分别服务于报警控制器21与现场的声光报警端20，以及报警控制器21与远端的监控中心22。当隧道中发生火灾时，利用图像识别算法对隧道中的火焰进行识别，识别过程中多次调整滤光参数，避免隧道中的其它光线对监测造成影响。同时通过设置报警控制器21，将隧道中隧道火灾监测器19监测到的信息及时传递到监控中心22，并且在现场通过声光报警端20输出报警。
基于上述系统组成，进一步的，检测系统还包括：烟感探测器24以及温感探测器25。烟感探测器24设置于隧道内部，配置为与报警控制器21信号连接，用于检测烟雾并输出烟雾检测信号至报警控制器21。温感探测器25设置于隧道内部，配置为与报警控制器21信号连接，用于检测温度并输出温度检测信号至报警控制器21。系统中结合对隧道内温度以及烟雾的监测，使得火灾监测更为准确全面。
基于上述隧道火灾监测器19，为解决现有技术中存在的技术问题，本发明技术方案还提出了一种隧道火灾监测方法，如图5所示，包括如下步骤：
S1，基于前若干采样时刻采集到的图像采样信息，建立标准图像；
S2，建立满足火焰特征的图像差值计算模型；
S3，基于设定滤光参数，采集当前采样时刻的现场图像；
S4，根据当前采样时刻采集到的图像采样信息，与标准图像做背景差分，得到采样差值图像；
S5，基于图像差值计算模型，识别采样差值图像是否满足火焰特征；
若上述采样差值图像不满足火焰特征，重复步骤S1-S5；
若上述采样差值图像满足火焰特征，调整滤光参数，重复步骤S3-S5，直至采集设定个数滤光参数条件下的图像采样信息，生成火焰确认信号。
上述步骤S4具体包括：
S41，将当前采样时刻采集到的图像采样信息以及标准图像转化为灰度图像并对其做像素分割处理；
S42，计算各个像素点的灰度值，并利用当前采样时刻采集到的图像采样信息像素灰度值减去标准图像的像素灰度值，得到像素差值；
S43，设定一阈值并将每个像素差值与上述阈值作比较，若像素差值大于上述阈值，则该像素差值对应的原始像素保留，删除其余原始像素，形成采样差值图像。
上述步骤S5中，基于采样差值图像识别火焰特征的过程包括图像边缘曲度变化参数、图像中心温度等。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种隧道火灾监测器(19)，包括：
控制端(1)，配置为微处理器模块，用于输出控制信号；
信号采样端(2)，与所述控制端(1)连接，用于对现场图像进行采样，输出图像采样信息，配置为摄像机(4)以及设置在所述摄像机(4)镜头前方的用以对进入镜头的光线进行过滤的滤光组件(5)，所述滤光组件(5)响应于所述控制信号对进入摄像机(4)镜头的光线进行滤波；
其特征在于，还包括：
处理端(3)，配置为耦接于控制端(1)以及所述信号采样端(2)，接收当前采样时刻信号采样端(2)输出的所述图像采样信息并将其与前一采样时刻的图像采样信息作对比，计算得到当前采样时刻与前一采样时刻图像采样信息的采样差值图像，并将所述采样差值图像与设定图像差值计算模型进行特征匹配，识别输出火焰监测信号或火焰确认信号；
其中，初始状态下，所述控制端(1)控制滤光组件(5)选择设定滤光参数对光线进行滤光，并控制处理端(3)对接收到的图像进行计算处理，输出火焰监测信号；
当所述火焰监测信号满足所述图像差值计算模型后，所述控制端(1)控制所述滤光组件(5)，至少一次调节所述滤光组件(5)的滤光参数，并控制处理端(3)对滤光组件(5)调整滤光参数后接收到的图像采样信息进行计算处理，输出不同滤光参数条件下的火焰确认信号。
2.根据权利要求1所述的隧道火灾监测器(19)，其特征在于，所述处理端(3)包括：
接口模块(6)，配置为与所述信号采样端(2)以及其它外部设备通信连接，包括多个通信接口以及对应的数据转换器；
存储器(7)，用于存储当前采样时刻以及前若干时刻信号采样端(2)采集到的图像采样信息、以及图像差值计算模型；
运算器(8)，配置为与所述接口模块(6)以及存储器(7)数据连接，接收所述图像采样信息并将其与前若干时刻图像采样信息做差分处理，计算并输出所述采样差值图像；
比对模块(9)，配置为与所述存储器(7)以及运算器(8)数据连接，接收所述图像差值计算模型以及采样差值图像，输出火焰监测信号；若采样差值图像的特征满足图像差值计算模型，输出所述火焰确认信号。
3.根据权利要求2所述的隧道火灾监测器(19)，其特征在于，所述数据转换器将所述信号采样端(2)前后时刻采集的所述图像采样信息转化为灰度图像，所述运算器(8)包括：
像素分割模块(10)，将转换后的图像采样信息分割为多个像素，计算各个像素的灰度值；
差值提取模块(11)，配置为与像素分割模块(10)数据连接，接收当前采样时刻的图像采样信息对应各个像素的灰度值，以及前若干时刻图像采样信息对应各个像素的灰度值，根据设定算法计算得到所述采样差值图像。
4.根据权利要求3所述的隧道火灾监测器(19)，其特征在于，所述根据设定算法计算得到所述采样差值图像配置为：
背景-帧间差分计算模块，与所述存储器(7)以及接口模块(6)数据连接，采集前若干采样时刻的图像采样信息生成标准图像，利用当前采样时刻采集的图像采样信息与标准图像做差分处理，生成采样差值图像。
5.根据权利要求1所述的隧道火灾监测器(19)，其特征在于，所述信号采样端(2)还包括用于放置所述摄像机(4)以及滤光组件(5)的壳体(12)，所述壳体(12)整体呈圆筒状，所述摄像机(4)可拆卸连接于所述壳体(12)中；
所述滤光组件(5)包括同轴设置于所述壳体(12)开口处的转动架(13)，所述转动架(13)上嵌设有多个分别用于对不同波长光线进行滤波的滤光镜片(14)，多个所述滤光镜片(14)绕所述转动架(13)的轴向均匀设置且当转动架(13)处于静止状态时，至少有一个滤光镜片(14)与摄像机(4)的镜头重合；
所述壳体(12)的轴向上固定设置有用于驱动所述转动架(13)转动的驱动件(15)，所述驱动件(15)与所述控制端(1)控制连接。
6.根据权利要求5所述的隧道火灾监测器(19)，其特征在于，所述转动架(13)远离所述摄像机(4)的一侧设置有用于对多个滤光镜片(14)的表面进行清洁的清洁组件(16)，所述清洁组件(16)包括固定套设在所述壳体(12)中的绒毛刷(17)以及清洁海绵块(18)，所述绒毛刷(17)及海绵清洁块与所述滤光镜片(14)的表面相接触。
7.一种隧道火灾监测系统，其特征在于，包括如权利要求1～6中任意一项所述的隧道火灾监测器(19)以及声光报警端(20)、报警控制器(21)、监控中心(22)、通信单元(23)，其中，
所述隧道火灾监测器(19)与所述报警控制器(21)信号连接，输出火灾监测信号或火焰确认信号至报警控制器(21)；
所述报警控制器(21)与所述声光报警端(20)以及监控中心(22)通过通信单元(23)通信连接，接收所述火灾监测信号或火焰确认信号，输出控制信号至声光报警端(20)，输出报警信号至监控中心(22)。
8.根据权利要求7所述的隧道火灾监测系统，其特征在于，所述隧道火灾监测系统还包括：
烟感探测器(24)，设置于隧道内部，配置为与所述报警控制器(21)信号连接，用于检测烟雾并输出烟雾检测信号至报警控制器(21)；
温感探测器(25)，设置于隧道内部，配置为与所述报警控制器(21)信号连接，用于检测温度并输出温度检测信号至报警控制器(21)。
9.一种隧道火灾监测方法，其特征在于，包括如下步骤：
S1，基于前若干采样时刻采集到的图像采样信息，建立标准图像；
S2，建立满足火焰特征的图像差值计算模型；
S3，基于设定滤光参数，采集当前采样时刻的现场图像；
S4，根据当前采样时刻采集到的图像采样信息，与标准图像做背景差分，得到采样差值图像；
S5，基于所述图像差值计算模型，识别采样差值图像是否满足火焰特征；
若上述采样差值图像不满足火焰特征，重复步骤S1-S5；
若上述采样差值图像满足火焰特征，调整所述滤光参数，重复步骤S3-S5，直至采集设定个数滤光参数条件下的图像采样信息，生成火焰确认信号。
10.根据权利要求9所述的隧道火灾监测方法，其特征在于，所述步骤S4具体包括：
S41，将当前采样时刻采集到的图像采样信息以及标准图像转化为灰度图像并对其做像素分割处理；
S42，计算各个像素点的灰度值，并利用当前采样时刻采集到的图像采样信息像素灰度值减去标准图像的像素灰度值，得到像素差值；
S43，设定一阈值并将每个像素差值与上述阈值作比较，若像素差值大于上述阈值，则该像素差值对应的原始像素保留，删除其余原始像素，形成采样差值图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711013113.5A CN107798811B (zh) | 2017-10-26 | 2017-10-26 | 一种隧道火灾监测器、监测系统及监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711013113.5A CN107798811B (zh) | 2017-10-26 | 2017-10-26 | 一种隧道火灾监测器、监测系统及监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107798811A CN107798811A (zh) | 2018-03-13 |
| CN107798811B true CN107798811B (zh) | 2019-07-16 |
Family
ID=61547652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711013113.5A Active CN107798811B (zh) | 2017-10-26 | 2017-10-26 | 一种隧道火灾监测器、监测系统及监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107798811B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108798784A (zh) * | 2018-05-25 | 2018-11-13 | 庄玉琼 | 智能隧道施工安装监控装置 |
| CN109028236A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 一种自动识别油烟状况的抽油烟机 |
| CN109919071B (zh) * | 2019-02-28 | 2021-05-04 | 沈阳天眼智云信息科技有限公司 | 基于红外多特征联合技术的火焰识别方法 |
| CN110519569B (zh) * | 2019-09-05 | 2020-12-11 | 安徽卓呈科技有限公司 | 一种渐变调节型自清洁红外监控器 |
| CN110580694B (zh) * | 2019-09-11 | 2022-03-08 | 石家庄学院 | 二次直方图均衡动态图像方法 |
| CN113205669B (zh) * | 2021-04-13 | 2022-07-19 | 清华大学合肥公共安全研究院 | 一种融合式的消防物联网监测预警方法 |
| CN116721353B (zh) * | 2023-08-07 | 2023-11-03 | 南京大学 | 一种利用Sentinel-2日间影像探测火炬的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2532483Y (zh) * | 2001-11-09 | 2003-01-22 | 周流 | 红外线火焰探测器 |
| JP2009210490A (ja) * | 2008-03-05 | 2009-09-17 | Tokyo Electric Power Co Inc:The | 画像解析システム及びコンピュータプログラム |
| US8339219B1 (en) * | 2009-05-19 | 2012-12-25 | Sandia Corporation | Passive hybrid sensing tag with flexible substrate saw device |
| 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 |
| DE102016208359B3 (de) * | 2016-05-13 | 2017-09-07 | Siemens Schweiz Ag | Brandmelder, insbesondere geschlossener Streulichtrauchmelder, mit einer separaten Photodiode zur Erfassung von Umgebungslicht, um davon abhängig die Ausgabe eines möglichen Brandalarms zu beschleunigen |
-
2017
- 2017-10-26 CN CN201711013113.5A patent/CN107798811B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2532483Y (zh) * | 2001-11-09 | 2003-01-22 | 周流 | 红外线火焰探测器 |
| JP2009210490A (ja) * | 2008-03-05 | 2009-09-17 | Tokyo Electric Power Co Inc:The | 画像解析システム及びコンピュータプログラム |
| US8339219B1 (en) * | 2009-05-19 | 2012-12-25 | Sandia Corporation | Passive hybrid sensing tag with flexible substrate saw device |
| 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 |
| DE102016208359B3 (de) * | 2016-05-13 | 2017-09-07 | Siemens Schweiz Ag | Brandmelder, insbesondere geschlossener Streulichtrauchmelder, mit einer separaten Photodiode zur Erfassung von Umgebungslicht, um davon abhängig die Ausgabe eines möglichen Brandalarms zu beschleunigen |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107798811A (zh) | 2018-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107798811B (zh) | 一种隧道火灾监测器、监测系统及监测方法 | |
| US9224278B2 (en) | Automated method and system for detecting the presence of a lit cigarette | |
| CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
| CN109887221A (zh) | 一种火灾智能检测系统及其控制方法 | |
| US20120038778A1 (en) | Self-Scanning Passive Infrared Personnel Detection Sensor | |
| CN109040711A (zh) | 一种图像采集方法、监控方法和图像传感器 | |
| CN103321129A (zh) | 基于3g网络的红外热像的远程路面施工诊断系统及方法 | |
| CN104111413B (zh) | 一种用于评估输变电设备电晕放电的装置和方法 | |
| KR101275297B1 (ko) | 이동객체 추적 카메라 장치 | |
| CN102881106A (zh) | 一种热成像视频双鉴林火识别系统及其识别方法 | |
| KR20120081496A (ko) | 열화상 온도분석을 통한 산불 발생 감지 방법 | |
| CN203630902U (zh) | 一种改进型图像火灾探测器 | |
| CN206074832U (zh) | 一种地铁车辆车顶受电弓异物检测系统 | |
| CN115512307B (zh) | 广域空间红外多点实时火灾探测方法及系统、定位方法 | |
| CN112084813A (zh) | 异常目标的检测方法、装置及存储介质 | |
| CN101833117A (zh) | 智能车辆安全视觉检测装置及运动目标跟踪方法 | |
| CN201726494U (zh) | 利用图像色彩信息执行图像比对的装置与系统 | |
| CN206741006U (zh) | 危险源检测装置 | |
| CN108416969B (zh) | 一种无死角地下空间火灾检测方法 | |
| CN108362382B (zh) | 一种热成像监控方法及其监控系统 | |
| CN212635748U (zh) | 配电网巡检机器人 | |
| CN108198164A (zh) | 一种电缆隧道电缆完整性的检测装置及方法 | |
| JP5771955B2 (ja) | 対象識別装置及び対象識別方法 | |
| CN110097732B (zh) | 一种火焰探测监控装置及其处理方法 | |
| CN211477410U (zh) | 温度测量设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |