CN115050154A - 多功能室内安防监测报警系统 - Google Patents
多功能室内安防监测报警系统 Download PDFInfo
- Publication number
- CN115050154A CN115050154A CN202210658399.7A CN202210658399A CN115050154A CN 115050154 A CN115050154 A CN 115050154A CN 202210658399 A CN202210658399 A CN 202210658399A CN 115050154 A CN115050154 A CN 115050154A
- Authority
- CN
- China
- Prior art keywords
- infrared
- module
- information
- thermal
- security monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 69
- 230000005855 radiation Effects 0.000 claims abstract description 55
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 19
- 230000003287 optical effect Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000001931 thermography Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000009545 invasion Effects 0.000 abstract description 9
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 241000463219 Epitheca Species 0.000 description 8
- 239000000779 smoke Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 206010069201 Smoke sensitivity Diseases 0.000 description 4
- 230000017525 heat dissipation Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/19—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using infrared-radiation detection systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明涉及一种多功能室内安防监测报警系统，包括红外检测模块、主控边缘计算模块和云服务器；红外检测模块用于采集视场内红外热辐射信息；红外检测模块与主控边缘计算模块信号连接；主控边缘计算模块被配置为：判断接收到的红外热辐射信息是否大于第一阈值，若大于第一阈值，且红外辐射值持续升高，则判断火灾；若接收到的红外辐射值为大于第一阈值的第二值，且热图像信息位置变化，则判断人员入侵；云服务器，被配置为用于实时接受所述热图像信息和报警信息；本系统既能保护用户隐私又能判断防火还是入侵发生，并能够根据异常进行报警。
Description
技术领域
本发明涉及安防监控技术领域。具体而言，涉及多功能室内安防监测报警系统。
背景技术
近年来，随着社会经济的快速发展，人们对建筑安防的需求越来越大。比如，家庭、办公场所、商场以及其他室内公公共场所人员入侵检测的需求旺盛。
目前国内智能入侵监测分析技术主要分为2类，一类是采用可见光摄像头对视频画面中的目标进行提取检测，通过各种不同的规则来区分不同的事件，从而实现不同判断并产生相应的报警联动等。第二类是通过红外、微波等传感器复合来进行入侵监测。但是传统的可见光摄像机对隐私保护不够，对光线依赖较强，近人体红外探测器准确度较低。
传统的室内火灾监控采用烟雾传感器报警方式，针对环境中的烟雾浓度进行探测和报警。烟感探测器预警对使用环境要求高，作用距离短，不具备可视化功能，往往不能第一时间发现火情，使得火情无法得到有效控制，造成严重的经济损失。但是实际生活中存在很多无烟起火的情况，比如电起火、气起火等，这种情况烟雾传感器是无法检测到的，所以传统的烟雾传感器存在检测精度不高、误报率较高等问题。
并且，现有技术中安防单一，仅能实现智能入侵检测或者仅能室内火灾监控，如果用户都有需求，需要购买两种设备，成本高且不方便，因此，本发明提供一种多功能室内安防监测报警系统。
发明内容
本发明正是基于现有技术的上述需求而提出的，本发明要解决的技术问题是针对隐私保护不够，红外探测器和烟雾传感器精度不高的问题，提供多功能室内安防监测报警系统。
为了解决上述问题，本发明是采用如下技术方案实现的：
多功能室内安防监测报警系统，所述系统包括：红外检测模块、主控边缘计算模块和云服务器；
所述红外检测模块用于采集视场内红外热辐射信息；
所述红外检测模块与所述主控边缘计算模块信号连接；
所述主控边缘计算模块被配置为：判断接收到的所述红外热辐射信息是否大于第一阈值，若大于第一阈值，且红外辐射值持续升高，则判断火灾；若接收到的所述红外辐射值为大于第一阈值的第二值，且热图像信息位置变化，则判断人员入侵；
所述云服务器，被配置为用于实时接受所述热图像信息和报警信息。
本系统可以通过同时判断接收到的红外热辐射信息是否大于第一阈值，红外辐射值是否持续升高，以及接收到的红外热辐射信息是否为大于第一阈值的第二值，且热图像信息位置是否变化，能够识别危险信息是人员入侵还是火灾，选择性提醒用户，使用户可以采取相应的应对措施。
可选地，所述主控边缘计算模块还被配置为：当接收到的所述红外热辐射信息大于第一阈值时，且为第二值时；判断热图像信息在经过预定时间T内，是否移动预定距离D；若大于预定距离D，则为人员入侵；否则为火灾。
由于比较小的火焰起火，也会引起的一个相对固定的第二值发生，所以会引起误判的情况，为了进一步提高系统检测精度，本系统当确定接收到的红外热辐射信息为第二值时，通过时间和位移确定危险类别。
可选地，所述主控边缘计算模块还被配置为：当经过预定时间T内，移动大于预定距离D时；判断热图像信息的轮廓是否大于预定轮廓M，若大于等于预定轮廓M，则判断为人员入侵；否则为火灾。
当火势很大时，红外辐射值不再持续升高，可能会达到第二值，还可能通过燃烧室内物品使火焰移动，大于预定距离D，造成系统误判，因此，通过将红外辐射信息的轮廓和预先设定的轮廓比较判断危险类别，以提高系统检测准确度。
可选地，所述系统还包括监控终端模块，所述监控终端模块连接所述云服务器，实时显示所述热图像信息，并当检测到异常情况时，所述监控终端模块会接受到报警信息。
将热图像信息传输至监控终端模块，通过显示屏进行显示，可以更直观查看现场的情况，发现威胁可以及时警报。
可选地，所述主控边缘计算模块还被配置为：实时地发送控制指令至所述红外检测模块，以使得所述红外检测模块随着火焰或者人员热辐射图像的中心点发生角度偏移。
通过主控边缘计算模块实时发送控制指令给红外检测模块，驱动基于所述系统制作的设备移动，实现跟踪火焰和入侵的人员。
可选地，还包括协处理器模块，所述协处理器模块被配置为：对所述红外热辐射信息进行预处理，获得热图像信息；
所述主控边缘计算模块与所述协处理器模块信号连接，用于根据深度学习算法对所述热图像信息进行非均匀校正；利用滤波算法对校正后的图像进行平滑处理；根据背景差分法将平滑处理后的图像中的目标与背景信息分离，检测得到运动目标；使用跟踪算法对运动目标进行视觉跟踪。
通过在系统中内置深度学习算法，实现对运动目标的跟踪，并解决传统烟感敏感度低，需要大火才能报警的问题，提高系统检测的灵敏度和精度。
可选地，所述预处理包括将所述红外热辐射信息进行灰度化、温度转化、滤波和降噪处理。
通过预处理，消除图像中无关的信息，恢复有用的真实信息，降噪使得热图像更加清晰，进一步提高主控边缘计算模块跟踪的效率和检测精度。
可选地，所述红外检测模块包括红外光学系统、红外探测器和电路处理系统；
所述红外光学系统被配置为将采集到的红外辐射信息穿过经过光学无热化处理的镜头，到达至红外探测器，并且在镜头外表面设有增透膜，用于提高镜头成像的清晰度和反差；所述红外探测器探测视场内红外热辐射信息，并检测物体是否存在或移动，如果存在，则输出对应的检测信号；所述电路处理系统与所述红外探测器连接，将所述检测信号转化为红外热图像。
通过红外光学检测镜头在工艺方面做光学无热化处理和在镜头外表面设有增透膜，以使所述系统的红外检测模块得到的红外热图像更加清晰，进一步提高所述系统检测精度。
可选地，所述系统还包括供电电源模块，所述供电电源模块包括以太网供电技术供电和宽电压7V～36V供电两种方式。
供电布线灵活，无需复杂的电源布线，网线供电，美观简洁；能最大限度地降低供电设备和维护的成本。宽电压对外部电压的适应性很高，在一定范围内不同等级的电压都可以作为电子设备的输入电压，使电子设备正常工作。
可选地，所述系统采用非制冷的热成像传感器，设有90°广角镜头，能够实现单机覆盖范围25m2，结合区域热源检测算法和追踪算法，实现全区域内每秒25帧高速追踪检测。
与现有技术相比，本发明通过采用红外热成像技术，既解决了可见光相机做入侵监测无法满足隐私的需求，又解决了红外微波入侵监测不可视、容易误报的问题；利用主控边缘计算模块将接收到的红外辐射信息和预设的阈值进行比较，以及根据热图像信息位置是否变化，确定危险信息是火灾还是人员入侵，实现多功能检测报警功能；通过在系统中内置深度学习算法，实现对运动目标的跟踪，并解决传统烟感敏感度低，需要大火才能报警的问题，提高系统检测的灵敏度和精度。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明具体实施方式提供的多功能室内安防监测报警系统的流程示意图；
图2是本发明具体实施方式提供的多功能室内安防监测报警系统的红外热成像的原理图；
图3是本发明具体实施方式提供的多功能室内安防监测报警系统的红外探测器工作原理图；
图4-图5是本发明具体实施方式提供的多功能室内安防监测报警系统的红外镜头安装角度图；
图6是本发明具体实施方式提供的多功能室内安防监测报警装置的剖视结构示意图；
图7是本发明具体实施方式提供的多功能室内安防监测报警装置的整体结构示意图。
附图标记：1-顶盖；2-上壳；3-下壳；4-电路板组件；5-指示灯；6-天线；7-红外探测器；8-排线；9-风扇。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。
实施例1
本实施例提供了多功能室内安防监测报警系统，如图1所示，包括：红外检测模块、主控边缘计算模块和云服务器。
所述红外检测模块用于采集视场内红外热辐射信息；
所述红外检测模块与所述主控边缘计算模块信号连接；
所述主控边缘计算模块被配置为：判断接收到的所述红外热辐射信息是否大于第一阈值，若大于第一阈值，且红外辐射值持续升高，则判断火灾；若接收到的所述红外辐射值为大于第一阈值的第二值，且热图像信息位置变化，则判断人员入侵；
所述云服务器，被配置为用于实时接受所述热图像信息和报警信息。
本实施例的所述系统可以通过同时判断接收到的红外热辐射信息是否大于第一阈值，红外辐射值是否持续升高，以及接收到的红外热辐射信息是否为大于第一阈值的第二值，且热图像信息位置是否变化，能够识别危险信息是人员入侵还是火灾，选择性提醒用户，使用户可以采取相应的应对措施。
所述红外检测模块包括红外光学系统、红外探测器和电路处理系统。
所述红外光学系统被配置为将采集到的红外辐射信息穿过经过光学无热化处理的镜头，到达至红外探测器，并且在镜头外表面设有增透膜，用于提高镜头成像的清晰度和反差；所述红外探测器探测视场内红外热辐射信息，并检测物体是否存在或移动，如果存在，则输出对应的检测信号；所述电路处理系统与所述红外探测器连接，将所述检测信号转化为红外热图像。
通过红外光学检测镜头在工艺方面做光学无热化处理和在镜头外表面设有增透膜，以使所述系统的红外检测模块得到的红外热图像更加清晰，进一步提高所述系统检测精度。
如图2所示，红外检测模块的热成像原理包括，红外辐射穿过红外光学系统到达红外探测器，所述红外探测器检测物体是否存在或移动，如果存在，则输出对应的检测信号给电路处理系统，所述电路处理系统将所述检测信号转化为红外图像。
红外探测器工作原理图如图3所示，具体工作原理为：
检查现场可编程门阵列采集的数字信号和/或高速脉冲信号，将所述数字信号和/或高速脉冲信号传递给模拟信号处理模块，输出电压信号，并将所述电压信号传送到模数转换器ADC进行模数转换，使输入电压信号经过A/D转换后成为数字信号，然后将所述数字信号传给输出寄存器，用于寄存数据，以及将所述数字信号传递给SPI地址解码模块进行解码，并将解码后的数据保存至EEPROM，所述EEPROM能够记录下时常需要改变或更新的数据，并且掉电后存储的数据不会丢失，以及拥有30万到100万次的寿命，即它可以反复写入30-100万次，而读取次数是无限的。
红外探测器还包括时钟逻辑模块，用于产生电路用于提供SPI接口输出电路的内部时钟信号，所述内部时钟信号可利用外部串行时钟信号SCLK的分频、倍频或者利用自带振荡器实现。
红外探测器还包括快闪存储器(flash memory)，是一种电子式可清除程序化只读存储器的形式，允许在操作中被多次擦或写的存储器。
另外，所述红外检测模块设有90°广角镜头，能够实现单机覆盖范围25m2，结合区域热源检测算法和追踪算法，实现全区域内每秒25帧高速追踪检测。具体红外镜头的安装角度如图4和图5所示；图4展示的是当红外镜头需要安装到角落时，最佳的安装距离；图5展示的是红外镜头不在角落中安装时，最佳的安装距离。
可选地，所述主控边缘计算模块还被配置为：当接收到的所述红外热辐射信息大于第一阈值时，且为第二值时；判断热图像信息在经过预定时间T内，是否移动预定距离D；若大于预定距离D，则为人员入侵；否则为火灾。
这里的第二值不是一个固定的值，只要是大于第一阈值的值都可以认为是第二值，第二值一般为接近人体的热辐射值，比如中年人，男人，女人，甚至是小孩。那么也存在一种可能是比较小的火焰起火，引起的一个相对固定的第二值发生，一旦确定第二值，那么这个值应该是相对固定的。
由于比较小的火焰起火，也会引起的一个相对固定的第二值发生，所以会引起误判的情况，为了进一步提高系统检测精度，本系统当确定接收到的红外热辐射信息为第二值时，通过时间和位移确定危险类别。
可选地，所述主控边缘计算模块还被配置为：当经过预定时间T内，移动大于预定距离D时；判断热图像信息的轮廓是否大于预定轮廓M，若大于等于预定轮廓M，则判断为人员入侵；否则为火灾。
当火势很大时，红外辐射值不再持续升高，可能会达到第二值，还可能通过燃烧室内物品使火焰移动，大于预定距离D，造成系统误判，因此，通过将红外辐射信息的轮廓和预先设定的轮廓比较判断危险类别，以提高系统检测准确度。
另外，所述系统还包括监控终端模块，所述监控终端模块连接所述云服务器，实时显示所述热图像信息，并当检测到异常情况时，所述监控终端模块会接受到报警信息。
将热图像信息传输至监控终端模块，通过显示屏进行显示，可以更直观查看现场的情况，发现威胁可以及时警报。
优选的，所述监控终端模块为手机移动端。
监控终端主要是手机移动端，手机移动端通过无线网络连接云服务器，实时显示人员和火灾的图像信息，当有发生人员入侵或者火灾等异常情况时，系统及时推送报警消息到手机移动端，实现安防报警功能。
可选地，所述主控边缘计算模块还被配置为：实时地发送控制指令至所述红外检测模块，以使得所述红外检测模块随着火焰或者人员热辐射图像的中心点发生角度偏移。
通过主控边缘计算模块实时发送控制指令给红外检测模块，驱动基于所述系统制作的设备移动，实现跟踪火焰和入侵的人员。
可选地，还包括协处理器模块，所述协处理器模块被配置为：对所述红外热辐射信息进行预处理，获得热图像信息；
所述主控边缘计算模块与所述协处理器模块信号连接，用于根据深度学习算法对所述热图像信息进行非均匀校正；利用滤波算法对校正后的图像进行平滑处理；根据背景差分法将平滑处理后的图像中的目标与背景信息分离，检测得到运动目标；使用跟踪算法对运动目标进行视觉跟踪。
通过在系统中内置深度学习算法，实现对运动目标的跟踪，并解决传统烟感敏感度低，需要大火才能报警的问题，提高系统检测的灵敏度和精度。
所述预处理包括将所述红外热辐射信息进行灰度化、温度转化、滤波和降噪处理。
通过预处理，消除图像中无关的信息，恢复有用的真实信息，降噪使得热图像更加清晰，进一步提高主控边缘计算模块跟踪的效率和检测精度。
在图像处理中，红外探测器采集和传输的过程中容易受到的干扰等因素，所以导致图像质量低，影响后续的目标图像特征提取，所以需要对红外热图像进行预处理，即将红外探测器输出的红外热图像进行图像灰度值与温度转换、滤波、降噪等操作，输出热图像信息到主控边缘计算模块。
主控边缘计算模块对红外图像数据进行进一步的处理，从而精确地提取到人眼可见的人员和火焰的红外图像，并通过网络将红外图像数据上传到云服务器。
所述边缘计算模块主要是通过高精度热成像算法对协处理器输出红外图像进行进一步的处理，从而精确地提取到人眼可见的人和火焰的图像，并通过网络将图像信息上传到云服务器存储，实现远端监控功能。深度学习算法主要包括对红外图像进行非均匀性校正、滤波平滑处理、运动目标的检测和跟踪等处理。
非均匀性校正包括：
本系统采用的红外探测器是非制冷型红外焦平面阵列，由于焦平面阵列的响应是非线性的S型，所以需要对成像进行非均匀性校正。本系统利用神经网络算法进行非均匀性校正，具体是通过对神经网络输入层预处理，来消除图像的低频噪声，从而改善图像质量，消除红外图像的非均匀性。
所述红外焦平面阵列是在红外光学系统焦平面上安装的可使整个视场内景物的每一个像元与一个敏感元相对应的多元平面阵列红外探测器件。
焦平面探测器的焦平面上排列着感光元件阵列，从无限远处发射的红外线经过光学系统成像在系统焦平面的这些感光元件上，探测器将接收到的光信号转换为电信号并进行积分放大、采样保持，通过输出缓冲和多路传输系统，最终送达监视系统形成图像。
滤波平滑处理包括：
火焰和入侵人员的红外视频图像是利用非制冷型红外探测器进行非接触式检测室内火源和设定时间内入侵人员的热辐射成像得到，通过前期的非均匀性校正后，由于电子元器件的电磁噪声、光电转换中的人为噪声和视频在传输过程中产生的噪声等，需要对其进行后续的降噪滤波处理。涉及到的滤波算法有中值滤波和高斯滤波。
运动目标的检测包括：
红外视频中运动目标检测的主要任务是，从视频序列中，提取出每一帧的运动模块，从而把包含运动信息的部分和背景部分相互分离开，提供跟踪目标。利用背景差分法在背景不动的情况下提取运动目标场景。具体是将背景图像与当前图像做减法获得灰度差均值，判断所述灰度差均值是否大于预先设置的阈值，若是，则认为该像素点为图像中运动目标的像素点，否则为背景像素点。
运动目标的跟踪包括：
红外视频中运动目标的跟踪的主要任务是，从红外视频中检测到并实现目标的跟踪，即实现火焰和入侵人员的持续跟踪。本系统采用的跟踪算法有质心跟踪算法和相关跟踪算法。
所述质心跟踪算法是实时获取每帧图像，通过对图像分割和连通区域计算，然后获取图像形态信息，并计算获取形态的质心位置，并对相邻帧间的质心位置进行计算，更新已知目标的质心位置。
具有以下特点：阈值的大小随目标与背景之间的对比度的高低的变化而变化；在整个目标图像面积上对高于阈值的信息做积分运算，求取质心；波门需要足够大，能够框住目标。
工作原理包括：首先，获取到待跟踪目标的边界框；其次，计算质心分配ID；再次，计算新质心与现有对象质心之间的距离(欧几里得距离)；然后，更新现有对象坐标，若出现无关联的新质心，则添加为新对象；最后，N个连续帧，旧对象不能与任何现有对象匹配关联则消掉。
所述相关跟踪算法是基于滤波跟踪算法实现对目标的稳定跟踪，相关滤波算法利用固定大小的窗口来构造跟踪器，经过相关处理在下一帧图像中找到预测目标的位置。
采用岭回归跟踪器，岭回归是一种最小二乘法，可以更好计算函数的封闭解。目标函数f(z)＝wTz，通过最小化样本xi的预测值f(xi)和回归目标yi的平方误差和计算得到，表达式如下：
其中，xi表示最小化样本，yi表示回归目标，(f(xi)-yi)2表示损失函数，w表示需要求解的最小化封闭解，λ是正则化参数，目的是控制过度拟合。
由上述公式，求解得到最小化封闭解形式的表达式如下：
w＝(XTX+λI)-1XTy
其中X为矩阵，其每行X，表示一个样本。y也为矩阵，其每一个元素Y，
都代表一个目标值，I是单位矩阵，λ是正则化参数。
在傅里叶域中进行会出现负数值，将公式中的w直接转换为复数域表达式如下:
w＝(XHX+λI)-1XHy
其中XH是厄密特转置(Hermitian transpose)，且是X的复共扼形式。
将己标记视频序列的第一帧作为跟踪初始位置，然后再剪裁出感兴趣的区域，再引入核函数对滤波器进行相关计算得到相关响应，响应值最大的位置即为目标的预测位置，接着训练滤波器更新模板，得到下一帧目标的位置。
在得到清晰的人和火焰的图像后，利用网络将图像信息上传到云服务器存储，所述云服务器，用于实时接受所述热图像信息和跟踪的运动目标数据。
优选地，所述协处理器模块为1.4GHZ 64位核心处理器，能够实现快速采集及处理数据，硬件集成深度学习模块，高速+智能一次完成。内置深度学习算法保证识别精确度。
可选地，所述系统还包括供电电源模块，所述供电电源模块包括以太网供电技术供电和宽电压7V～36V供电两种方式。
所述供电电源模块为有源以太网(Power Over Ethernet，POE)，即以太网供电技术供电和宽电压7V～36V供电两种方式，可以根据实际情况自行选择供电方式。POE供电布线灵活，无需复杂的电源布线，网线供电，美观简洁；能最大限度地降低供电设备和维护的成本。宽电压对外部电压的适应性很高，在一定范围内不同等级的电压都可以作为电子设备的输入电压，使电子设备正常工作。
所述系统采用非制冷的热成像传感器，设有90°广角镜头，能够实现单机覆盖范围25m2，结合区域热源检测算法和追踪算法，实现全区域内每秒25帧高速追踪检测。
具体而言，本系统具有丰富的接口协议。支持WiFi、RS485、RS232、lora等接口协议，方便与智慧建筑物联网(安防)系统对接。
本实施例的系统既能保护用户隐私又能判断防火还是入侵发生，并能够根据异常进行报警。
本发明实施例通过采用红外热成像技术，既解决了可见光相机做入侵监测无法满足隐私的需求，又解决了红外微波入侵监测不可视、容易误报的问题；利用主控边缘计算模块将接收到的红外辐射信息和预设的阈值进行比较，以及根据热图像信息位置是否变化，确定危险信息是火灾还是人员入侵，实现多功能检测报警功能；火灾监测功能通过深度学习算法实现，解决传统烟感敏感度低，需要大火才能报警的问题，可达到极早期火灾监测。
实施例2
基于所述多功能室内安防监测报警系统，本发明实施例还提供一种多功能室内安防监测报警装置，如图6-图7所示，所述装置包括壳体、指示灯5、天线6和红外探测器7；所述壳体具有容腔，所述指示灯5、天线6和红外线探测器7设置于所述容腔；
所述壳体设有供指示灯5伸出的第一孔以及供红外探测器7伸出的第二孔。
第二孔的尺寸大于第一孔的尺寸，红外探测器7为倾斜的安装，其与竖直线具有夹角，夹角为30-60°。
优选的，所述壳体包括上壳2和下壳3；
所述上壳2与下壳3扣接安装，两者之间形成所述容腔。
具体而言，上壳2为圆盘状结构，下壳3为近半球的结构，球形的底部具有一平面。
具体而言，上壳2具有便于安装的槽，孔以及侧壁。
优选的，所述指示灯5、天线6红外探测器7固定于下壳3，所述上壳2设有散热孔。
具体而言，散热孔为条形孔，多个排列构成散热区，所述散热区为两个对称地设置于上壳2上。
具体而言，上壳2的顶部还设置有顶盖1，所述顶盖1具有外螺纹，上壳2具有内螺纹，顶盖1旋转拧紧在上壳2上，且拧紧后与上壳2之间具有间隙，使得便于散热。且所述顶盖1上具有指示旋转方向的箭头。
具体而言，上壳2具有风扇9，所述风扇9安装在上壳2的安装槽内，安装槽的开口朝向下壳3，所述安装槽的顶壁为上壳2的顶壁，安装槽的侧壁为上壳2的侧壁，且安装槽的顶壁和侧壁均开设有散热孔。
优选的，所述上壳2的下端边缘处设置有多个插接孔，所述下壳3的上端对应边缘处设置有多个插接柱，所述上壳2与下壳3通过插接孔和插接柱扣接。
具体而言，为了便于插接，上壳2和下壳3之间还设置有导向的结构，如上壳2设置突出的筋，下壳3设置导槽，以使得在不需要精准对准的情况下可以辅助实现的安装。
优选的，突出的筋下端小，上端大，使得上下壳体导向更加顺畅。
优选的，所述壳体内还设置有电路板组件4，所述红外探测器7通过排线8与所述电路板组件4连接，所述指示灯5的两个接线脚与所述电路板组件4连接。
具体而言，所述红外检测模块通过天线与所述处理器模块进行通信连接。
具体而言，红外光学检测镜头在工艺方面做了光学无热化处理，目的是为了降低温蒂对镜片透射率的影响，外露面膜为高校增透膜。视场角为90°，镜头实现25平方米有效覆盖，结合区域热源追踪算法检测算法，实现全区域内每秒25帧高速追踪检测。红外探测器检测目标场景中物体的热辐射信号，并将红外原始图像数据输出至协处理器模块。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.多功能室内安防监测报警系统，其特征在于，包括：红外检测模块、主控边缘计算模块和云服务器；
所述红外检测模块用于采集视场内红外热辐射信息；
所述红外检测模块与所述主控边缘计算模块信号连接；
所述主控边缘计算模块被配置为：判断接收到的所述红外热辐射信息是否大于第一阈值，若大于第一阈值，且红外辐射值持续升高，则判断火灾；若接收到的所述红外辐射值为大于第一阈值的第二值，且热图像信息位置变化，则判断人员入侵；
所述云服务器，被配置为用于实时接受所述热图像信息和报警信息。
2.如权利要求1所述的多功能室内安防监测报警系统，其特征在于，所述主控边缘计算模块还被配置为：当接收到的所述红外热辐射信息大于第一阈值时，且为第二值时；判断热图像信息在经过预定时间T内，是否移动预定距离D；若大于预定距离D，则为人员入侵；否则为火灾。
3.如权利要求2所述的多功能室内安防监测报警系统，其特征在于，所述主控边缘计算模块还被配置为：当经过预定时间T内，移动大于预定距离D时；判断热图像信息的轮廓是否大于预定轮廓M，若大于等于预定轮廓M，则判断为人员入侵；否则为火灾。
4.如权利要求1或2或3所述的多功能室内安防监测报警系统，其特征在于，所述系统还包括监控终端模块，所述监控终端模块连接所述云服务器，实时显示所述热图像信息，并当检测到异常情况时，所述监控终端模块会接受到报警信息。
5.如权利要求1或2或3所述的多功能室内安防监测报警系统，其特征在于，所述主控边缘计算模块还被配置为：实时地发送控制指令至所述红外检测模块，以使得所述红外检测模块随着火焰或者人员热辐射图像的中心点发生角度偏移。
6.如权利要求4所述的多功能室内安防监测报警系统，其特征在于，还包括协处理器模块，所述协处理器模块被配置为：对所述红外热辐射信息进行预处理，获得热图像信息；
所述主控边缘计算模块与所述协处理器模块信号连接，用于根据深度学习算法对所述热图像信息进行非均匀校正；利用滤波算法对校正后的图像进行平滑处理；根据背景差分法将平滑处理后的图像中的目标与背景信息分离，检测得到运动目标；使用跟踪算法对运动目标进行视觉跟踪。
7.如权利要求6所述的多功能室内安防监测报警系统，其特征在于，所述预处理包括将所述红外热辐射信息进行灰度化、温度转化、滤波和降噪处理。
8.如权利要求1所述的多功能室内安防监测报警系统，其特征在于，所述红外检测模块包括红外光学系统、红外探测器和电路处理系统；
所述红外光学系统被配置为将采集到的红外辐射信息穿过经过光学无热化处理的镜头，到达至红外探测器，并且在镜头外表面设有增透膜，用于提高镜头成像的清晰度和反差；所述红外探测器探测视场内红外热辐射信息，并检测物体是否存在或移动，如果存在，则输出对应的检测信号；所述电路处理系统与所述红外探测器连接，将所述检测信号转化为红外热图像。
9.如权利要求1所述的多功能室内安防监测报警系统，其特征在于，所述系统还包括供电电源模块，所述供电电源模块包括以太网供电技术供电和宽电压7V～36V供电两种方式。
10.如权利要求1所述的多功能室内安防监测报警系统，其特征在于，所述系统采用非制冷的热成像传感器，设有90°广角镜头，能够实现单机覆盖范围25m2，结合区域热源检测算法和追踪算法，实现全区域内每秒25帧高速追踪检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210658399.7A CN115050154B (zh) | 2022-06-10 | 2022-06-10 | 多功能室内安防监测报警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210658399.7A CN115050154B (zh) | 2022-06-10 | 2022-06-10 | 多功能室内安防监测报警系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115050154A true CN115050154A (zh) | 2022-09-13 |
| CN115050154B CN115050154B (zh) | 2024-01-30 |
Family
ID=83162060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210658399.7A Active CN115050154B (zh) | 2022-06-10 | 2022-06-10 | 多功能室内安防监测报警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115050154B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130016545A (ko) * | 2011-08-08 | 2013-02-18 | (주)유우일렉트로닉스 | 적외선 센서를 이용한 스마트 시스템 및 그 방법 |
| CN203365700U (zh) * | 2013-06-28 | 2013-12-25 | 贵州航天电子科技有限公司 | 一种基于红外成像的城市防空目标探测系统 |
| CN108806152A (zh) * | 2018-06-13 | 2018-11-13 | 哈尔滨罗斯科技有限公司 | 一种基于图像的安防报警设备及方法 |
| CN109461283A (zh) * | 2018-10-31 | 2019-03-12 | 名商科技有限公司 | 智能小区安全防护系统 |
| CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及系统 |
| CN110673739A (zh) * | 2019-10-09 | 2020-01-10 | 应急管理部天津消防研究所 | 一种消防员应急救援智能安全防护穿戴装备实现方法 |
| KR20200099699A (ko) * | 2019-02-15 | 2020-08-25 | 최경실 | 화재 및 외부 침입 감시 장치 |
| KR20220061312A (ko) * | 2020-11-05 | 2022-05-13 | 덕산메카시스 주식회사 | 레일로봇장치가 구비된 딥러닝 기반의 건물 관리 시스템 |
-
2022
- 2022-06-10 CN CN202210658399.7A patent/CN115050154B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130016545A (ko) * | 2011-08-08 | 2013-02-18 | (주)유우일렉트로닉스 | 적외선 센서를 이용한 스마트 시스템 및 그 방법 |
| CN203365700U (zh) * | 2013-06-28 | 2013-12-25 | 贵州航天电子科技有限公司 | 一种基于红外成像的城市防空目标探测系统 |
| CN108806152A (zh) * | 2018-06-13 | 2018-11-13 | 哈尔滨罗斯科技有限公司 | 一种基于图像的安防报警设备及方法 |
| CN109461283A (zh) * | 2018-10-31 | 2019-03-12 | 名商科技有限公司 | 智能小区安全防护系统 |
| KR20200099699A (ko) * | 2019-02-15 | 2020-08-25 | 최경실 | 화재 및 외부 침입 감시 장치 |
| CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及系统 |
| CN110673739A (zh) * | 2019-10-09 | 2020-01-10 | 应急管理部天津消防研究所 | 一种消防员应急救援智能安全防护穿戴装备实现方法 |
| KR20220061312A (ko) * | 2020-11-05 | 2022-05-13 | 덕산메카시스 주식회사 | 레일로봇장치가 구비된 딥러닝 기반의 건물 관리 시스템 |
Non-Patent Citations (2)
| Title |
|---|
| 何鹏;李春林;: "热成像型森林火灾报警系统设计及其图像处理方法研究", 微计算机信息, no. 01 * |
| 潘恩亮;: "红外热成像技术在智能监控中的应用与发展", 中国公共安全, no. 22 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115050154B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marquez et al. | Intra-hour DNI forecasting based on cloud tracking image analysis | |
| CN112470196A (zh) | 具有观察器的音频/视频设备 | |
| EP3002741B1 (en) | Method and system for security system tampering detection | |
| US20090195382A1 (en) | Video sensor and alarm system and method with object and event classification | |
| CN113179673B (zh) | 应用多摄像头移动路径追踪技术的影像监视装置 | |
| Yang et al. | A novel low-cost and small-size human tracking system with pyroelectric infrared sensor mesh network | |
| US10949677B2 (en) | Method and system for detecting concealed objects using handheld thermal imager | |
| CN106157502A (zh) | 一种基于多传感器融合技术主动防御智能入侵探测设备 | |
| CN112084813B (zh) | 异常目标的检测方法、装置及存储介质 | |
| CN101533548B (zh) | 基于全方位计算机视觉的财产保护装置 | |
| CN206516016U (zh) | 一种基于多传感器融合技术主动防御智能入侵探测设备 | |
| CN113903058A (zh) | 一种基于区域人员识别的智能控制系统 | |
| CN107229108B (zh) | 一种被动红外及主动红外全景监控联动系统及方法 | |
| CN111382610B (zh) | 一种事件检测方法、装置及电子设备 | |
| US20210201074A1 (en) | Method and system for detecting concealed objects using handheld thermal imager | |
| CN106056832A (zh) | 基于图像型火灾探测器报警系统 | |
| CN210294560U (zh) | 一种红外探雷系统 | |
| Cerutti et al. | Outdoor people detection in low resolution thermal images | |
| CN115050154A (zh) | 多功能室内安防监测报警系统 | |
| CN114270420A (zh) | 具有观察器的音频/视频装置 | |
| Goecks et al. | Combining visible and infrared spectrum imagery using machine learning for small unmanned aerial system detection | |
| CN115389027A (zh) | 基于红外图像识别的探测系统 | |
| CN114219825A (zh) | 一种多个光电分布式部署下目标接力跟踪方法及系统 | |
| TW201229965A (en) | Electornic peephole viewer, image processing unit thereof, and the security method using the same | |
| CN207895648U (zh) | 火源探测装置及系统 |
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 |