CN113225526A - 一种实验室烟雾监控方法及系统 - Google Patents
一种实验室烟雾监控方法及系统 Download PDFInfo
- Publication number
- CN113225526A CN113225526A CN202110353884.9A CN202110353884A CN113225526A CN 113225526 A CN113225526 A CN 113225526A CN 202110353884 A CN202110353884 A CN 202110353884A CN 113225526 A CN113225526 A CN 113225526A
- Authority
- CN
- China
- Prior art keywords
- smoke
- target
- monitoring
- area
- laboratory
- 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.)
- Granted
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 254
- 238000012544 monitoring process Methods 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000000877 morphologic effect Effects 0.000 claims description 32
- 238000009792 diffusion process Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 13
- 238000004887 air purification Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 235000019504 cigarettes Nutrition 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000391 smoking effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000012827 research and development Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Fire-Detection Mechanisms (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开了一种实验室烟雾监控方法及系统,其方法包括:将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器,在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像,解析监控图像,获得目标区域中的目标烟雾参数,将目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。通过利用烟雾传感器与视频监控相结合的方式来共同实现对于实验室内烟雾的监控可以保证监控结果的准确性,相比于现有技术中单个利用烟雾传感器来说,监控结果更加严谨和精确。可以避免实验室中仪器和设备在实验过程中由于实验内容产生烟雾进而发生误报警情况的发生,进一步地提高了监控结果的准确性。
Description
技术领域
本发明涉及烟雾监控技术领域,尤其涉及一种实验室烟雾监控方法及系统。
背景技术
随着我国科技的发展与进步,越来越多的公司和高校以及国家科研单位注重自己的研发,于是在大部分公司和高校以及国家科研单位都设置了用于研发的实验室来进行研发实验,在实验室内部放置有多个工作仪器和设备,由于这些工作仪器和设备都价值不菲,并且它们的排列顺序都紧凑密集,故而消防问题显得尤其重要,消防检测的首要任务是检测实验室内是否出现烟雾进而确定是否发生火灾,现有技术中的烟雾监控方法为在实验室内设置多个烟雾传感器,在烟雾传感器检测到烟雾时会自动报警从而使得工作人员知晓发生火灾,这种方法存在以下问题:烟雾传感器随着使用期限的增长难免会出现误报警情况的发生,降低了判别的准确率和浪费了工作人员的精力的同时降低了工作人员的体验感。
发明内容
针对上述所显示出来的问题,本发明提供了一种实验室烟雾监控方法及系统用以解决背景技术中提到的烟雾传感器随着使用期限的增长难免会出现误报警情况的发生,降低了判别的准确率和浪费了工作人员的精力的同时降低了工作人员的体验感的问题。
一种实验室烟雾监控方法,包括以下步骤:
将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器;
在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像;
解析所述监控图像,获得所述目标区域中的目标烟雾参数;
将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。
优选的,所述将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器,包括:
将所述实验室场地划分为多个等面积的监控区域;
获取每个监控区域中的实验仪器数量,根据每个监控区域中的实验仪器数量评估出每个监控区域的安全参数;
根据每个监控区域的安全参数确定每个监控区域的烟雾传感器安装数量;
按照区域划分结果中每个监控区域的划分顺序为每个监控区域设置位置标识以及该监控区域对应的目标数量个烟雾传感器。
优选的,所述在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像,包括:
确定所述目标烟雾传感器的地理位置;
根据所述地理位置确定目标烟雾传感器所在目标区域;
接通实验室监控终端,从所述监控终端中调取目标区域的监控图像。
优选的,所述解析所述监控图像,获得所述目标区域中的目标烟雾参数,包括:
通过预设平滑函数对所述监控图像进行噪声去除处理,对处理后的监控图像进行增强;
判断增强后的监控图像中是否有烟雾产生,若是,利用小波分解增强后的监控图像,否则,发出目标区域无异常的提示;
获取经过小波分解的增强后的监控图像的高频分量;
根据所述高频分量确定目标区域内的烟雾是否为香烟烟雾,若是,发出禁止抽烟的语音提醒;
若目标区域内的烟雾不是香烟烟雾,利用Kalman滤波器对增强后的监控图像进行烟雾的运动路径检测;
在所述增强后的监控图像中进行基于烟雾颜色参数的烟雾像素区域提取,获取提取区域;
根据提取区域中的烟雾颜色评估出目标区域内的烟雾浓度;
将所述目标区域内的烟雾浓度以及烟雾的运动路径确认为目标区域中的目标烟雾参数。
优选的,所述将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标,包括:
提取所述目标烟雾参数与预设烟雾参数相同的N个参数选项;
获取目标烟雾参数与预设烟雾参数在同一个参数选项中的参数向量;
将目标烟雾参数与预设烟雾参数的N个参数向量进行比较,获取比较结果;
若比较结果为二者的参数向量的目标相似度大于等于预设相似度时,确定所述目标区域中的烟雾量没有超标,若比较结果为二者的参数向量的目标相似度小于所述预设相似度时,确定所述目标区域中的烟雾量已超标。
优选的,所述判断增强后的监控图像中是否有烟雾产生的步骤包括:
采用混合高斯模型算法获取增强后的监控图像中的前景运动区域;
统计所述前景运动区域中的形态特征;
根据统计的形态特征进行综合判断以确定增强后的监控图像中是否有烟雾产生。
优选的,所述根据统计的形态特征进行综合判断以确定增强后的监控图像中是否有烟雾产生的步骤包括:
对所述统计的形态特征进行情景模拟,根据第一模拟景象确定统计的形态特征是否为正常空气流通的第一形态特征,若是,确定增强后的监控图像中没有烟雾产生,否则,获取烟雾在空气中的第二形态特征;
对所述第二形态特征进行情景模拟,根据第二模拟景象确定统计的形态特征是否为所述第二形态特征,若是,确定增强后的监控图像中有烟雾产生。
优选的,所述对处理后的监控图像进行增强的步骤包括:
将所述处理后的监控图像中每个像素点的红色灰度值、蓝色灰度值以及蓝色灰度值转换为预设色调值;
利用随机选择算法在处理后的监控图像中随机选择预设数量个目标像素点,将所述预设数量个目标像素点作为采样点;
判断每个采样点是否为极值点,将是极值点的目标数量个第一采样点保留,将不是极值点的第二采样点删除;
判断目标数量个第一采样点是否为噪声点,将是噪声点的第三采样点进行标记,将不是噪声点的第四采样点舍弃;
根据第三采样点在处理后的监控图像中的分布情况获得处理后的监控图像中的推算噪声点分布图;
利用初始化噪声扩散规则对处理后的监控图像中的推算噪声点分布图进行预处理,获得异常数据;
根据异常数据的比例计算出噪声信号在推算噪声点分布图下的所占初始化噪声扩散规则的权重值;
根据计算的权重值调整所述预设初始化噪声扩散规则,获得目标噪声扩散规则;
利用所述目标噪声扩散规则确定处理后的监控图像中的实际噪声点分布图;
将处理后的监控图像中的像素点在所述实际噪声点分布图的目标像素点作为噪声点消除以对处理后的监控图像进行增强。
优选的,在确定所述目标区域中的烟雾量没有超标之后,所述方法还包括:
检测所述目标区域内的氧气含量,根据目标区域内的氧气含量确定目标区域内的空气流通指数;
确定与所述目标区域相邻的P个当前监控区域;
检测每个当前监控区域中的温度,根据每个当前监控区域的温度和目标区域的空气流通指数以及目标区域中的烟雾量计算出实验室内的隐藏风险指数:
其中,k表示为实验室内的隐藏风险指数,Ti表示为第i个当前监控区域中的温度,T′表示为预设温度基准值,取值为16℃,θ表示为温度对于烟雾扩散的影响因子,取值为[0.05,0.1],E表示为目标区域的空气流通指数,μ表示为目标区域内的烟雾的扩散频率,ρ1表示为目标区域内的烟雾的密度,ρ2表示为标准状态下的空气密度,Si表示为第i个当前监控区域的面积,S′表示为实验室场地的总面积,v表示为目标区域内烟雾的扩散范围,v′表示为实验室的室内面积;
确定所述实验室内的隐藏风险指数是否大于等于预设阈值,若是,确认需要对实验室室内进行空气净化处理,否则,无需进行后续操作;
当确认需要对实验室进行空气净化处理时,启动实验室内安装的空气净化器工作目标时长;
其中,空气净化器的工作时长通过以下方式计算:
其中,t′表示为预设工作时长,F()表示为预设污染度等级评估函数,β表示为评估的污染度等级所对应的空气净化器工作模式下的空气净化效率。
一种实验室烟雾监控系统,该系统包括:
设置模块,用于将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器;
获取模块,用于在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像;
解析模块,用于解析所述监控图像,获得所述目标区域中的目标烟雾参数;
确定模块,用于将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明所提供的一种实验室烟雾监控方法的工作流程图;
图2为本发明所提供的一种实验室烟雾监控方法的另一工作流程图;
图3为本发明所提供的一种实验室烟雾监控方法的又一工作流程图;
图4为本发明所提供的一种实验室烟雾监控系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着我国科技的发展与进步,越来越多的公司和高校以及国家科研单位注重自己的研发,于是在大部分公司和高校以及国家科研单位都设置了用于研发的实验室来进行研发实验,在实验室内部放置有多个工作仪器和设备,由于这些工作仪器和设备都价值不菲,并且它们的排列顺序都紧凑密集,故而消防问题显得尤其重要,消防检测的首要任务是检测实验室内是否出现烟雾进而确定是否发生火灾,现有技术中的烟雾监控方法为在实验室内设置多个烟雾传感器,在烟雾传感器检测到烟雾时会自动报警从而使得工作人员知晓发生火灾,这种方法存在以下问题:烟雾传感器随着使用期限的增长难免会出现误报警情况的发生,降低了判别的准确率和浪费了工作人员的精力的同时降低了工作人员的体验感。为了解决上述问题,本实施例公开了一种实验室烟雾监控方法。
一种实验室烟雾监控方法,如图1所示,包括以下步骤:
步骤S101、将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器;
步骤S102、在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像;
步骤S103、解析所述监控图像,获得所述目标区域中的目标烟雾参数;
步骤S104、将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。
上述技术方案的工作原理为:将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器,在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像,解析所述监控图像,获得所述目标区域中的目标烟雾参数,将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。
上述技术方案的有益效果为:通过利用烟雾传感器与视频监控相结合的方式来共同实现对于实验室内烟雾的监控可以保证监控结果的准确性,相比于现有技术中单个利用烟雾传感器来说,监控结果更加严谨和精确,进一步地,通过对比烟雾参数来确定目标区域中的烟雾量是否超标可以避免实验室中仪器和设备在实验过程中由于实验内容产生烟雾进而发生误报警情况的发生,进一步地提高了监控结果的准确性,解决了现有技术中烟雾传感器随着使用期限的增长难免会出现误报警情况的发生,降低了判别的准确率和浪费了工作人员的精力的同时降低了工作人员的体验感的问题。
在一个实施例中,如图2所示,所述将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器,包括:
步骤S201、将所述实验室场地划分为多个等面积的监控区域;
步骤S202、获取每个监控区域中的实验仪器数量,根据每个监控区域中的实验仪器数量评估出每个监控区域的安全参数;
步骤S203、根据每个监控区域的安全参数确定每个监控区域的烟雾传感器安装数量;
步骤S204、按照区域划分结果中每个监控区域的划分顺序为每个监控区域设置位置标识以及该监控区域对应的目标数量个烟雾传感器。
上述技术方案的有益效果为:通过划分区域进行各自监控可以更加细致地对实验室进行烟雾监控,同时,通过评估每个区域的安全参数可以有效地确定每个监控区域的监控力度进而为每个区域设置不同数量个烟雾传感器,可更加全面地对实验室进行烟雾监控,进一步地提高了监控准确性。
在一个实施例中,所述在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像,包括:
确定所述目标烟雾传感器的地理位置;
根据所述地理位置确定目标烟雾传感器所在目标区域;
接通实验室监控终端,从所述监控终端中调取目标区域的监控图像。
上述技术方案的有益效果为:通过利用地理位置来确定目标烟雾传感器所在的目标区域可以快速地根据目标烟雾传感器的坐标来确定其所属的区域。
在一个实施例中,所述解析所述监控图像,获得所述目标区域中的目标烟雾参数,包括:
通过预设平滑函数对所述监控图像进行噪声去除处理,对处理后的监控图像进行增强;
判断增强后的监控图像中是否有烟雾产生,若是,利用小波分解增强后的监控图像,否则,发出目标区域无异常的提示;
获取经过小波分解的增强后的监控图像的高频分量;
根据所述高频分量确定目标区域内的烟雾是否为香烟烟雾,若是,发出禁止抽烟的语音提醒;
若目标区域内的烟雾不是香烟烟雾,利用Kalman滤波器对增强后的监控图像进行烟雾的运动路径检测;
在所述增强后的监控图像中进行基于烟雾颜色参数的烟雾像素区域提取,获取提取区域;
根据提取区域中的烟雾颜色评估出目标区域内的烟雾浓度;
将所述目标区域内的烟雾浓度以及烟雾的运动路径确认为目标区域中的目标烟雾参数。
上述技术方案的有益效果为:通过判断监控图像中的烟雾是否为香烟烟雾可以进一步地避免误判断情况的发生,提高了判定的准确性,进一步地,通过提取烟雾像素区域以及烟雾运动路径检测可以有效地根据烟雾的自身参数来在监控图像中确定与其自身参数相同的因素,相比于直接观察图像发现烟雾来说更加精确和严谨。
在一个实施例中,如图3所示,所述将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标,包括:
步骤S301、提取所述目标烟雾参数与预设烟雾参数相同的N个参数选项;
步骤S302、获取目标烟雾参数与预设烟雾参数在同一个参数选项中的参数向量;
步骤S303、将目标烟雾参数与预设烟雾参数的N个参数向量进行比较,获取比较结果;
步骤S304、若比较结果为二者的参数向量的目标相似度大于等于预设相似度时,确定所述目标区域中的烟雾量没有超标,若比较结果为二者的参数向量的目标相似度小于所述预设相似度时,确定所述目标区域中的烟雾量已超标。
上述技术方案的有益效果为:通过向量数据比较的方式来确定目标区域中的烟雾量有没有超标可以快速准确地判断目标区域中的烟雾量是否为正常范围内的烟雾量,相较于单纯利用烟雾传感器检测的数据来评估更加稳定和快速并且准确率更高。
在一个实施例中,所述判断增强后的监控图像中是否有烟雾产生的步骤包括:
采用混合高斯模型算法获取增强后的监控图像中的前景运动区域;
统计所述前景运动区域中的形态特征;
根据统计的形态特征进行综合判断以确定增强后的监控图像中是否有烟雾产生。
上述技术方案的有益效果为:通过以形态特征判断监控图像中是否有烟雾产生可以根据烟雾的自身参数来判断监控图像中是否有烟雾,判断准确率更高。
在一个实施例中,所述根据统计的形态特征进行综合判断以确定增强后的监控图像中是否有烟雾产生的步骤包括:
对所述统计的形态特征进行情景模拟,根据第一模拟景象确定统计的形态特征是否为正常空气流通的第一形态特征,若是,确定增强后的监控图像中没有烟雾产生,否则,获取烟雾在空气中的第二形态特征;
对所述第二形态特征进行情景模拟,根据第二模拟景象确定统计的形态特征是否为所述第二形态特征,若是,确定增强后的监控图像中有烟雾产生。
上述技术方案的有益效果为:通过对统计的形态特征进行情景模拟可针对模拟结果同监控图像进行比较是否相同以确定监控图像中是否有烟雾。
在一个实施例中,所述对处理后的监控图像进行增强的步骤包括:
将所述处理后的监控图像中每个像素点的红色灰度值、蓝色灰度值以及蓝色灰度值转换为预设色调值;
利用随机选择算法在处理后的监控图像中随机选择预设数量个目标像素点,将所述预设数量个目标像素点作为采样点;
判断每个采样点是否为极值点,将是极值点的目标数量个第一采样点保留,将不是极值点的第二采样点删除;
判断目标数量个第一采样点是否为噪声点,将是噪声点的第三采样点进行标记,将不是噪声点的第四采样点舍弃;
根据第三采样点在处理后的监控图像中的分布情况获得处理后的监控图像中的推算噪声点分布图;
利用初始化噪声扩散规则对处理后的监控图像中的推算噪声点分布图进行预处理,获得异常数据;
根据异常数据的比例计算出噪声信号在推算噪声点分布图下的所占初始化噪声扩散规则的权重值;
根据计算的权重值调整所述预设初始化噪声扩散规则,获得目标噪声扩散规则;
利用所述目标噪声扩散规则确定处理后的监控图像中的实际噪声点分布图;
将处理后的监控图像中的像素点在所述实际噪声点分布图的目标像素点作为噪声点消除以对处理后的监控图像进行增强。
上述技术方案的有益效果为:通过对处理后的监控图像中的噪声点分布图进行推断可以准确地获得符合处理后的监控图像的目标噪声扩散规则,更加具有实用性,并且通过目标噪声扩散规则获得的实际噪声点分布图更加符合处理后的监控图像,保证了数据的精确,进一步地,通过将处理后的监控图像中的像素点在所述实际噪声点分布图的目标像素点作为噪声点消除可以针对有噪声的像素点进行消除而无需对所有像素点进行处理,降低了工作负荷的同时也无需对原本不需要进行增强的像素点增强,提高了工作效率。
在一个实施例中,在确定所述目标区域中的烟雾量没有超标之后,所述方法还包括:
检测所述目标区域内的氧气含量,根据目标区域内的氧气含量确定目标区域内的空气流通指数;
确定与所述目标区域相邻的P个当前监控区域;
检测每个当前监控区域中的温度,根据每个当前监控区域的温度和目标区域的空气流通指数以及目标区域中的烟雾量计算出实验室内的隐藏风险指数:
其中,k表示为实验室内的隐藏风险指数,Ti表示为第i个当前监控区域中的温度,T′表示为预设温度基准值,取值为16℃,θ表示为温度对于烟雾扩散的影响因子,取值为[0.05,0.1],E表示为目标区域的空气流通指数,μ表示为目标区域内的烟雾的扩散频率,ρ1表示为目标区域内的烟雾的密度,ρ2表示为标准状态下的空气密度,Si表示为第i个当前监控区域的面积,S′表示为实验室场地的总面积,v表示为目标区域内烟雾的扩散范围,v′表示为实验室的室内面积;
确定所述实验室内的隐藏风险指数是否大于等于预设阈值,若是,确认需要对实验室室内进行空气净化处理,否则,无需进行后续操作;
当确认需要对实验室进行空气净化处理时,启动实验室内安装的空气净化器工作目标时长;
其中,空气净化器的工作时长通过以下方式计算:
其中,t′表示为预设工作时长,F()表示为预设污染度等级评估函数,β表示为评估的污染度等级所对应的空气净化器工作模式下的空气净化效率。
上述技术方案的有益效果为:通过计算实验室内的隐藏风险指数可以有效地评估出目标区域内的烟雾量是否会对人体产生危害,避免工作人员在实验室工作过程中误吸入烟雾而产生疾病或者身体不适情况的发生,保证了工作人员的安全性,进一步地,通过计算空气净化器的工作时长既可以确定空气净化器的工作模式又可以准确地计算出空气净化时长,既实现了空气净化又可以避免能源浪费,实现了节能环保。
本实施例还公开了一种实验室烟雾监控系统,如图4所示,该系统包括:
设置模块401,用于将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器;
获取模块402,用于在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像;
解析模块403,用于解析所述监控图像,获得所述目标区域中的目标烟雾参数;
确定模块404,用于将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,此处不再赘述。
本领域技术人员应当理解的是,本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种实验室烟雾监控方法,其特征在于,包括以下步骤:
将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器;
在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像;
解析所述监控图像,获得所述目标区域中的目标烟雾参数;
将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。
2.根据权利要求1所述实验室烟雾监控方法,其特征在于,所述将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器,包括:
将所述实验室场地划分为多个等面积的监控区域;
获取每个监控区域中的实验仪器数量,根据每个监控区域中的实验仪器数量评估出每个监控区域的安全参数;
根据每个监控区域的安全参数确定每个监控区域的烟雾传感器安装数量;
按照区域划分结果中每个监控区域的划分顺序为每个监控区域设置位置标识以及该监控区域对应的目标数量个烟雾传感器。
3.根据权利要求1所述实验室烟雾监控方法,其特征在于,所述在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像,包括:
确定所述目标烟雾传感器的地理位置;
根据所述地理位置确定目标烟雾传感器所在目标区域;
接通实验室监控终端,从所述监控终端中调取目标区域的监控图像。
4.根据权利要求1所述实验室烟雾监控方法,其特征在于,所述解析所述监控图像,获得所述目标区域中的目标烟雾参数,包括:
通过预设平滑函数对所述监控图像进行噪声去除处理,对处理后的监控图像进行增强;
判断增强后的监控图像中是否有烟雾产生,若是,利用小波分解增强后的监控图像,否则,发出目标区域无异常的提示;
获取经过小波分解的增强后的监控图像的高频分量;
根据所述高频分量确定目标区域内的烟雾是否为香烟烟雾,若是,发出禁止抽烟的语音提醒;
若目标区域内的烟雾不是香烟烟雾,利用Kalman滤波器对增强后的监控图像进行烟雾的运动路径检测;
在所述增强后的监控图像中进行基于烟雾颜色参数的烟雾像素区域提取,获取提取区域;
根据提取区域中的烟雾颜色评估出目标区域内的烟雾浓度;
将所述目标区域内的烟雾浓度以及烟雾的运动路径确认为目标区域中的目标烟雾参数。
5.根据权利要求1所述实验室烟雾监控方法,其特征在于,所述将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标,包括:
提取所述目标烟雾参数与预设烟雾参数相同的N个参数选项;
获取目标烟雾参数与预设烟雾参数在同一个参数选项中的参数向量;
将目标烟雾参数与预设烟雾参数的N个参数向量进行比较,获取比较结果;
若比较结果为二者的参数向量的目标相似度大于等于预设相似度时,确定所述目标区域中的烟雾量没有超标,若比较结果为二者的参数向量的目标相似度小于所述预设相似度时,确定所述目标区域中的烟雾量已超标。
6.根据权利要求4所述实验室烟雾监控方法,其特征在于,所述判断增强后的监控图像中是否有烟雾产生的步骤包括:
采用混合高斯模型算法获取增强后的监控图像中的前景运动区域;
统计所述前景运动区域中的形态特征;
根据统计的形态特征进行综合判断以确定增强后的监控图像中是否有烟雾产生。
7.根据权利要求6所述实验室烟雾监控方法,其特征在于,所述根据统计的形态特征进行综合判断以确定增强后的监控图像中是否有烟雾产生的步骤包括:
对所述统计的形态特征进行情景模拟,根据第一模拟景象确定统计的形态特征是否为正常空气流通的第一形态特征,若是,确定增强后的监控图像中没有烟雾产生,否则,获取烟雾在空气中的第二形态特征;
对所述第二形态特征进行情景模拟,根据第二模拟景象确定统计的形态特征是否为所述第二形态特征,若是,确定增强后的监控图像中有烟雾产生。
8.根据权利要求4所述实验室烟雾监控方法,其特征在于,所述对处理后的监控图像进行增强的步骤包括:
将所述处理后的监控图像中每个像素点的红色灰度值、蓝色灰度值以及蓝色灰度值转换为预设色调值;
利用随机选择算法在处理后的监控图像中随机选择预设数量个目标像素点,将所述预设数量个目标像素点作为采样点;
判断每个采样点是否为极值点,将是极值点的目标数量个第一采样点保留,将不是极值点的第二采样点删除;
判断目标数量个第一采样点是否为噪声点,将是噪声点的第三采样点进行标记,将不是噪声点的第四采样点舍弃;
根据第三采样点在处理后的监控图像中的分布情况获得处理后的监控图像中的推算噪声点分布图;
利用初始化噪声扩散规则对处理后的监控图像中的推算噪声点分布图进行预处理,获得异常数据;
根据异常数据的比例计算出噪声信号在推算噪声点分布图下的所占初始化噪声扩散规则的权重值;
根据计算的权重值调整所述预设初始化噪声扩散规则,获得目标噪声扩散规则;
利用所述目标噪声扩散规则确定处理后的监控图像中的实际噪声点分布图;
将处理后的监控图像中的像素点在所述实际噪声点分布图的目标像素点作为噪声点消除以对处理后的监控图像进行增强。
9.根据权利要求5所述实验室烟雾监控方法,其特征在于,在确定所述目标区域中的烟雾量没有超标之后,所述方法还包括:
检测所述目标区域内的氧气含量,根据目标区域内的氧气含量确定目标区域内的空气流通指数;
确定与所述目标区域相邻的P个当前监控区域;
检测每个当前监控区域中的温度,根据每个当前监控区域的温度和目标区域的空气流通指数以及目标区域中的烟雾量计算出实验室内的隐藏风险指数:
其中,k表示为实验室内的隐藏风险指数,Ti表示为第i个当前监控区域中的温度,T′表示为预设温度基准值,取值为16℃,θ表示为温度对于烟雾扩散的影响因子,取值为[0.05,0.1],E表示为目标区域的空气流通指数,μ表示为目标区域内的烟雾的扩散频率,ρ1表示为目标区域内的烟雾的密度,ρ2表示为标准状态下的空气密度,Si表示为第i个当前监控区域的面积,S′表示为实验室场地的总面积,v表示为目标区域内烟雾的扩散范围,v′表示为实验室的室内面积;
确定所述实验室内的隐藏风险指数是否大于等于预设阈值,若是,确认需要对实验室室内进行空气净化处理,否则,无需进行后续操作;
当确认需要对实验室进行空气净化处理时,启动实验室内安装的空气净化器工作目标时长;
其中,空气净化器的工作时长通过以下方式计算:
其中,t′表示为预设工作时长,F()表示为预设污染度等级评估函数,β表示为评估的污染度等级所对应的空气净化器工作模式下的空气净化效率。
10.一种实验室烟雾监控系统,其特征在于,该系统包括:
设置模块,用于将实验室场地划分为多个监控区域,为每个监控区域设置位置标识以及烟雾传感器;
获取模块,用于在某一烟雾传感器发生报警时,获取发生报警的目标烟雾传感器所在目标区域的监控图像;
解析模块,用于解析所述监控图像,获得所述目标区域中的目标烟雾参数;
确定模块,用于将所述目标烟雾参数与预设烟雾参数进行比较以确定目标区域中的烟雾量是否超标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353884.9A CN113225526B (zh) | 2021-04-01 | 2021-04-01 | 一种实验室烟雾监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353884.9A CN113225526B (zh) | 2021-04-01 | 2021-04-01 | 一种实验室烟雾监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113225526A true CN113225526A (zh) | 2021-08-06 |
CN113225526B CN113225526B (zh) | 2022-07-08 |
Family
ID=77086143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110353884.9A Active CN113225526B (zh) | 2021-04-01 | 2021-04-01 | 一种实验室烟雾监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113225526B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593170A (zh) * | 2021-08-11 | 2021-11-02 | 张佳 | 一种基于远程感烟探测的智能预警系统 |
CN113766190A (zh) * | 2021-09-05 | 2021-12-07 | 无锡联友塑业有限公司 | 利用图像监控的自动化控制平台 |
CN116071885A (zh) * | 2023-04-04 | 2023-05-05 | 四川三思德科技有限公司 | 一种电梯用防干扰烟雾感应报警方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101885522B1 (ko) * | 2018-04-10 | 2018-08-06 | 유한회사 한국케이비에프 | 흡연 감시 장치 |
CN108922101A (zh) * | 2018-07-19 | 2018-11-30 | 数海信息技术有限公司 | 一种数海信息智能安防校园管理系统 |
US20180350220A1 (en) * | 2017-05-31 | 2018-12-06 | Eric V. Gonzales | Smoke device and smoke detection circuit |
CN112329608A (zh) * | 2020-11-03 | 2021-02-05 | 合肥集知云信息科技有限公司 | 一种基于大数据分析的智慧消防监测管理云平台 |
-
2021
- 2021-04-01 CN CN202110353884.9A patent/CN113225526B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180350220A1 (en) * | 2017-05-31 | 2018-12-06 | Eric V. Gonzales | Smoke device and smoke detection circuit |
KR101885522B1 (ko) * | 2018-04-10 | 2018-08-06 | 유한회사 한국케이비에프 | 흡연 감시 장치 |
CN108922101A (zh) * | 2018-07-19 | 2018-11-30 | 数海信息技术有限公司 | 一种数海信息智能安防校园管理系统 |
CN112329608A (zh) * | 2020-11-03 | 2021-02-05 | 合肥集知云信息科技有限公司 | 一种基于大数据分析的智慧消防监测管理云平台 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593170A (zh) * | 2021-08-11 | 2021-11-02 | 张佳 | 一种基于远程感烟探测的智能预警系统 |
CN113593170B (zh) * | 2021-08-11 | 2022-08-30 | 张佳 | 一种基于远程感烟探测的智能预警系统 |
CN113766190A (zh) * | 2021-09-05 | 2021-12-07 | 无锡联友塑业有限公司 | 利用图像监控的自动化控制平台 |
CN116071885A (zh) * | 2023-04-04 | 2023-05-05 | 四川三思德科技有限公司 | 一种电梯用防干扰烟雾感应报警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113225526B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113225526B (zh) | 一种实验室烟雾监控方法及系统 | |
CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
CN104463253B (zh) | 基于自适应背景学习的消防通道安全检测方法 | |
CN114141370A (zh) | 一种疫情防控的信息管理方法、装置及计算机存储介质 | |
CN111797752A (zh) | 违规视频检测方法、装置、设备及存储介质 | |
CN114070654B (zh) | 一种基于大数据的安全管控方法及其系统 | |
CN111339907A (zh) | 一种基于图像识别技术的排污识别方法及装置 | |
CN113591540A (zh) | 一种渔业非法捕捞监测与预警方法及系统 | |
CN108872780B (zh) | 带电勘查的带电作业检测、系统及终端设备 | |
CN112163760A (zh) | 学生学习专注度检测方法和系统 | |
CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN113935696B (zh) | 一种寄递行为异常分析方法、系统、电子设备及存储介质 | |
CN112070072B (zh) | 基于图像识别的预制舱消防控制系统及其控制方法 | |
CN111803956B (zh) | 游戏外挂行为的确定方法、装置、电子设备及存储介质 | |
CN113936293A (zh) | 基于视频信息的人员离岗检测方法、控制装置、存储介质 | |
CN112418102A (zh) | 烟火检测方法、装置、烟火检测系统及电子设备 | |
CN112949536A (zh) | 一种基于云平台的火灾报警方法 | |
CN115439997B (zh) | 一种火灾预警方法、装置、设备及可读存储介质 | |
CN116666785A (zh) | 储能电池系统安全预警方法、装置、电子设备及介质 | |
CN114758470B (zh) | 一种基于消防工程的火灾预警方法及系统 | |
CN115965796A (zh) | 一种基于图像识别的金属锈蚀检测方法及系统 | |
CN116403141A (zh) | 一种烟火检测方法、系统及存储介质 | |
CN115841655A (zh) | 一种用于城市楼宇消防的电动车入户监测方法及系统 | |
CN112607542B (zh) | 电梯控制方法、装置、计算机设备和存储介质 | |
CN115631442A (zh) | 基于机器视觉的火灾火焰检测方法和装置 |
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 |