CN202720745U - 一种图像型烟雾火灾探测器 - Google Patents

Abstract

本实用新型公开一种图像型烟雾火灾探测器，包括：图像传感器，用于根据信号处理芯片发出的控制信号捕获火灾监测区域的视频图像，并将所述视频图像发送给信号处理芯片；信号处理芯片，与图像传感器连接，用于提取所述视频图像的烟雾特征信息，在对烟雾特征信息进行分析后判断视频图像中是否存在烟雾，并将判断结果通过网络适配器传送给客户端；时序控制芯片，与图像传感器和信号处理芯片连接，用于向图像传感器和信号处理芯片发送时序控制信号，控制所述图像传感器和信号处理芯片同步工作。本实用新型增加了火灾探测的距离，而且降低了火灾探测的响应时间及虚警率和漏警率。

Description

一种图像型烟雾火灾探测器

技术领域

本实用新型涉及火灾探测领域，尤其涉及一种图像型烟雾火灾探测器。

背景技术

火的使用是人类最重要的实用新型之一，但其一旦失去控制发展成为火灾，便会严重威胁到人的生命财产和自然环境。由于火灾的突发性且发生频繁，它所造成破坏仅次于干旱和洪涝灾害。自从人类有历史以来，就不断地在燃烧利用和火灾防治的边缘徘徊，并且随着人类文明的进步，逐渐从被动的火灾扑救发展到主动的去探测预防火灾，防止造成太大的破坏和损失。

火灾探测已经在各种场合和不同的技术领域有了比较成熟的技术，如感烟、感温等，它们分别利用火灾的烟雾、火焰、温度对火灾进行探测。但是，绝大多数传统的探测器如感温、感烟火灾探测器通常安装在室内顶部。在火灾发生时，烟气在上升过程中温度会降低，当空间高度增大时烟气将不能到达顶棚，使到达顶棚的烟气浓度达不到报警极限；而室外环境下由于空气流动，随着烟气的流动扩散过程，烟气浓度的降低使感烟火灾探测器不会发生报警信号。而感光探测器则容易对高功率热源或强光产生误报警。与上述几种火灾探测器相比，图像型火灾探测器可以避免外界条件如空间高度、气流等的影响，而且抗干扰能力强，采用数字化方式处理数据，没有参数漂移。

但是，传统的图像型火灾探测器是通过探测火焰的方式进行火灾探测，而火焰并不是火灾发生初期的典型物理特征，出现时间比烟雾也要晚很多，火焰较小时容易被遮挡，难以检测到，从而导致火灾探测的响应时间较长，虚警率和漏警率较高。并且由于火焰的面积往往比烟雾的面积小，导致火灾探测的距离较短。在某些特殊场合，例如远距离草场火灾探测，地表火焰是很难探测到的特征，传统的图像型火灾探测器无法完成火灾探测。

实用新型内容

针对上述技术问题，本实用新型的目的在于提供一种图像型烟雾火灾探测器，其通过烟雾的多种特征综合判断烟雾是否存在，从而完成火灾探测，增加了火灾探测的距离，而且降低了火灾探测的响应时间及虚警率和漏警率。

为达到上述目的，本实用新型是通过以下技术方案来实现的：

一种图像型烟雾火灾探测器，包括：图像传感器、信号处理芯片、时序控制芯片以及网络适配器；

所述图像传感器，用于根据信号处理芯片发出的控制信号捕获火灾监测区域的视频图像，并将所述视频图像发送给信号处理芯片；

所述信号处理芯片，与图像传感器连接，用于提取所述视频图像的烟雾特征信息，在对烟雾特征信息进行分析后判断视频图像中是否存在烟雾，并将判断结果通过网络适配器传送给客户端；其中，所述烟雾特征信息包括：所述视频图像中每个聚类的聚类面积信息、所有连通域的HU矩的平均值、连通域的数量以及每个聚类的飘动性特征信息和聚类质点位置信息；

所述时序控制芯片，与图像传感器和信号处理芯片连接，用于向图像传感器和信号处理芯片发送时序控制信号，控制所述图像传感器和信号处理芯片同步工作。

特别地，所述图像传感器选用CMOS图像传感器，用于在信号处理芯片的可变帧率驱动下捕获火灾监测区域的视频图像。

特别地，所述信号处理芯片，还用于在判断出视频图像中存在烟雾时，发送报警信号，并通过网络适配器将所述报警信号一路发送给客户端，一路发送给消防设备。

特别地，所述客户端，还用于向所述图像型火灾探测器发送操作信号，通过所述操作信号查询、设置和修改该图像型火灾探测器的参数。

特别地，所述时序控制芯片选用现场可编程门阵列（FPGA）芯片。

本实用新型通过信号处理芯片提取视频图像中包括每个聚类的聚类面积信息、所有连通域的HU矩的平均值、连通域的数量以及每个聚类的飘动性特征信息和聚类质点位置信息的烟雾特征信息，并对烟雾特征信息进行处理后，判断视频图像中是否存在烟雾，增加了火灾探测距离，降低了虚警率和漏警率。

附图说明

图1为本实用新型实施例提供的图像型烟雾火灾探测器结构图；

图2为本实用新型实施例提供的信号处理芯片框图。

具体实施方式

为使本实用新型的目的、技术方案和优点更加清楚，下面结合附图和实施例对本实用新型作进一步说明。

如图1所示，本实施例中图像型烟雾火灾探测器包括：图像传感器101、信号处理芯片102、时序控制芯片103以及网络适配器104。

所述图像传感器101，用于根据信号处理芯片102发出的控制信号捕获火灾监测区域的视频图像，并将所述视频图像发送给信号处理芯片102。

图像传感器101选用CMOS（Complementary Metal-Oxide Semiconductor，金属氧化物半导体元件）图像传感器，它满足在多粉尘和野外等恶劣条件下使用，用于在信号处理芯片102的可变帧率驱动下捕获火灾监测区域的视频图像。为了降低功耗，信号处理芯片102根据图像传感器101传入的视频图像的分析结果，如果分析结果显示所述视频图像中存在烟雾的可能性低，则信号处理芯片102以固定帧率驱动图像传感器101捕获视频信息，如果分析结果显示视频图像中存在烟雾的可能性较高，则信号处理芯片102在所述固定帧率的基础上增加帧率来驱动图像传感器101捕获视频信息。其中，在视频图像中存在烟雾的可能性具体在多大概率值时信号处理芯片102才开始改变驱动图像传感器101的帧率，可根据需要灵活设定。

所述信号处理芯片102，与图像传感器101连接，用于提取视频图像的烟雾特征信息，在对烟雾特征信息进行分析后判断视频图像中是否存在烟雾，并将判断结果通过网络适配器104传送给客户端105；其中，所述烟雾特征信息包括：所述视频图像中每个聚类的聚类面积信息、所有连通域的HU矩的平均值、连通域的数量以及每个聚类的飘动性特征信息和聚类质点位置信息。

信号处理芯片102在接收到图像传感器101传入的视频图像后，一路通过网络适配器104连接的网络将视频图像发送给客户端105，一路提取视频图像的烟雾特征信息，并在对烟雾特征信息进行分析后判断视频图像中是否存在烟雾，将判断结果如视频图像中是否存在烟雾、烟雾在视频图像中的位置等信息通过网络适配器104传送给客户端105。如果判断结果为视频图像中存在烟雾，则信号处理芯片102将发出报警信号，并将报警信号一路通过以太网发送给客户端105，另一路通过RS-485总线输或CAN（Controller Area Network,控制器局域网络）总线输出给消防设备，以驱动消防水炮等操作设备开始工作。另外，客户端105可以通过向所述图像型火灾探测器发送控制信号，完成图像型火灾探测器各种参数的查询、设置和修改。

本实施中的网络适配器104选用10/100M自适应以太网适配器，实现TCP（Transmission Control Protocol，传输控制协议）服务器功能。输出现场视频图像的格式有MJPG和H.264两种格式可选。所述MJPG是Motion JointPhotographic Experts Group的简称，它是一种视频编码格式；H.264是MPEG-4第十部分，是由视频编码专家组和动态图像专家组联合组成的联合视频组提出的高度压缩数字视频编解码器标准。

所述时序控制芯片103，与图像传感器101和信号处理芯片102连接，用于向图像传感器101和信号处理芯片102发送时序控制信号，控制所述图像传感器101和信号处理芯片102同步工作。

在本实施例中，时序控制芯片103选用现场可编程门阵列（FPGA）芯片。

如图2所示，图2为本实用新型实施例提供的信号处理芯片102框图。

本实施中数字信号处理芯片102选用型号为TMS320DM642A的数字视频处理器，其包括：预处理单元、初步分割单元、二次分割单元、特征提取单元以及决策单元。所述二次分割单元包括颜色分割单元和潜在烟雾区获取单元。所述特征提取单元包括：聚类划分单元、连通域数量统计单元、位置信息获取单元、面积信息获取单元、HU矩检测单元以及飘动性特征检测单元。

所述预处理单元，用于通过高斯滤波器对图像传感器101获取的视频图像进行滤波处理。

为了降低外界噪声和传感器噪声的影响，预处理单元通过高斯滤波器对视频图像进行滤波处理。所述高斯滤波器是根据高斯函数形状确定权值的平滑线性滤波器，可有效的去除服从正态分布的随机噪声。

所述初步分割单元，与预处理单元连接，用于对预处理单元处理过的视频图像进行差分运算获得差分图像，并根据所述视频图像和差分图像，生成静止图像。

在预处理单元对视频图像进行滤波后，初步分割单元通过帧间差分法对视频图像中前后两帧图像进行减运算，消除视频图像的背景，得到差分图像，然后，计算视频图像中的当前帧图像关于所述差分图像的补集，并把该补集记为静止图像。

所述二次分割单元，与初步分割单元连接，包括颜色分割单元和潜在烟雾区获取单元，用于根据预设颜色模型将所述差分图像和静止图像分割成若干连通域，并对所述若干连通域进行处理，获得潜在烟雾区。

所述颜色分割单元，与初步分割单元连接，用于根据预设颜色模型中的预设颜色遍历差分图像和静止图像中的每个像素，通过只保留颜色值与所述预设颜色的颜色值相同的像素将所述差分图像和静止图像分割成若干连通域。

静止图像包含了当前帧视频图像中颜色值未变化的像素集合，差分图像包含了当前帧视频图像中颜色值变化的像素集合。烟雾运动有波动性，烟雾区域的一部分在差分图像中，另一部分在静止图像中，为了获得信息全面的潜在烟雾区，就需要根据预设颜色模型对差分图像和静止图像进一步处理。

烟雾区的一个重要特征是颜色，不同的燃烧物体有不同的烟雾颜色，根据火灾监测区域可能出现的烟雾颜色建立预设颜色模型，以白色为例，认定颜色空间中一段连续的区域为白色，则根据预设颜色模型中白色的颜色值遍历差分图像和静止图像中的每个像素，通过只保留颜色值与白色的颜色值相同的像素将所述差分图像和静止图像分割成若干连通域。

所述潜在烟雾区获取单元，与颜色分割单元连接，用于遍历差分图像中的连通域，去除差分图像中与所述静止图像中的连通域不相交的连通域，并计算差分图像和静止图像中存在交集的连通域的并集，获得潜在烟雾区。

为了获得烟雾的全部信息，对分割后的差分图像和静止图像进行闭运算，分别查找差分图像和静止图像中的连通域。然后，遍历所述差分图像中的连通域，去除差分图像中与所述静止图像中的连通域不相交的连通域，并计算差分图像和静止图像中存在交集的连通域的并集，该并集即为潜在烟雾区。

所述特征提取单元，与二次分割单元连接，用于将所述潜在烟雾区划分为若干聚类，并同时获取每个聚类的聚类面积信息、所有连通域的HU矩的平均值、连通域的数量，以及每个聚类的飘动性特征信息和聚类质点位置信息。

所述聚类划分单元，与潜在烟雾区获取单元连接，用于通过系统聚类法将潜在烟雾区中的若干连通域划分为若干个聚类。

烟雾浓度随空间变化的速度较大时，潜在烟雾区中的若干连通域是相互靠近的，聚类划分单元利用系统聚类法，以最短距离为准则，将所述若干连通域集合划分为若干个聚类。

所述连通域数量统计单元，与聚类划分单元连接，用于统计每个聚类中包含的连通域的数量。

相比其它运动物体，烟雾对应的连通域个数较多，这是区分视频图像中烟雾和其他运动物体的一个重要特征。当至少有一个聚类中包含的连通域的数量大于预设的阈值时，则提升该聚类是烟雾的可能性。所述阈值是根据对若干烟雾样本进行实验获得的聚类中连通域数量的最优值，将潜在烟雾区中任一聚类中连通域的数量与该阈值进行比较，即可在一定程度上判断该潜在烟雾区是烟雾的概率。

所述位置信息获取单元，与聚类划分单元连接，用于对每个聚类中所有连通域的质心坐标的总和对于时间的差分值进行分析，获得聚类质点位置信息。

对于运动方向特征，用连通域的质心坐标位置变化规律来度量。位置信息获取单元将聚类中所有连通域的质心坐标相加，获得质心坐标的总和，并计算该质心坐标的总和对时间的差分值，对该差分值进行分析，进而获得聚类质点位置信息。烟雾处于持续动态扩散状态，聚类质点位置也在变化，不同聚类之间的质点的相对位置有增加的趋势，若某个聚类的聚类质点位置信息反映出聚类质点的位置在一定范围内变化，则提升该聚类是烟雾的可能性。所述一定范围是指根据对若干烟雾样本进行实验获得的聚类的质点位置变化的最优范围，将潜在烟雾区中任一聚类质点的位置变化范围与所述最优范围进行比较，即可在一定程度上判断该潜在烟雾区是烟雾的概率。

所述面积信息获取单元，与聚类划分单元连接，用于根据每个聚类中所有连通域包含的像素的数量的总和，获得每个聚类的聚类面积信息。

聚类面积信息反映了聚类面积的变化，本实用新型以聚类中所有连通域包含的像素的数量的总和来表征聚类面积的大小。根据聚类面积信息获得聚类面积的增长大小，当聚类面积的增长范围在预设范围内变化时，增加潜在烟雾区是烟雾的可能性。

所述HU矩检测单元，与聚类划分单元连接，用于采用Canny算法对聚类中的所有连通域进行检测，根据检测结果计算出该聚类中所有连通域的HU矩的平均值。其中，所述Canny算法是John F.Canny于1986年开发出来的一个多级边缘检测算法，它的目标是找到一个最优的边缘检测算法。所述HU矩是HU不变矩的简称，是由七个由归一化中心矩组合成的矩。

采用Canny算法检测聚类中的所有连通域的HU矩，并根据检测出的所述HU矩计算出该聚类中所有连通域的HU矩的平均值。

所述飘动性特征检测单元，与聚类划分单元连接，用于分析聚类的每个连通域中相交于同一水平线的所有像素的颜色值的总对于时间和空间的差分值，获得聚类的飘动性特征信息。

浓度是烟雾的显著特征。浓度在图像上体现为像素的颜色值。烟雾的飘动性特征使得烟雾浓度特征在特定方向上随空间和时间而变化，飘动性特征检测单元将聚类中的每个连通域内相交于同一个水平线的所有像素颜色值之和作为考察对象，将该数值对时间和空间进行离散差分，对得到的差分值进行分析，获得聚类的飘动性特征信息。根据所述飘动性特征信息反映的聚类中连通域的飘动性可以判断该连通域是烟雾的可能性。

所述决策单元，与特征提取单元连接，用于根据训练样本，通过贝叶斯决策器对聚类面积信息、所有连通域的HU矩的平均值、连通域的数量及每个聚类的飘动性特征信息和聚类质点位置信息进行分析，判断潜在烟雾区中是否存在烟雾。

利用前期采集的烟雾视频图像和非烟雾视频图像，计算出各个样本的聚类面积信息、每个聚类中所有连通域的HU矩的平均值、每个聚类中连通域的数量，以及每个聚类的飘动性特征信息和聚类质点位置信息，获得训练样本，从而估算出烟雾特征信息的概率分布函数。以该分布函数为依据，决策单元通过贝叶斯决策器对输入烟雾特征信息，判断其中是否包含烟雾。

本实用新型的技术方案通过烟雾的多种特征判断烟雾是否存在，增加了火灾探测的距离，降低了火灾探测的响应时间及虚警率和漏警率。

上述仅为本实用新型的较佳实施例及所运用技术原理，任何熟悉本技术领域的技术人员在本实用新型揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本实用新型的保护范围内。

Claims (5)

1.一种图像型烟雾火灾探测器，其特征在于，包括：图像传感器、信号处理芯片、时序控制芯片以及网络适配器；

所述图像传感器，用于根据信号处理芯片发出的控制信号捕获火灾监测区域的视频图像，并将所述视频图像发送给信号处理芯片；

所述信号处理芯片，与图像传感器连接，用于提取所述视频图像的烟雾特征信息，在对烟雾特征信息进行分析后判断视频图像中是否存在烟雾，并将判断结果通过网络适配器传送给客户端；其中，所述烟雾特征信息包括：所述视频图像中每个聚类的聚类面积信息、所有连通域的HU矩的平均值、连通域的数量以及每个聚类的飘动性特征信息和聚类质点位置信息；

所述时序控制芯片，与图像传感器和信号处理芯片连接，用于向图像传感器和信号处理芯片发送时序控制信号，控制所述图像传感器和信号处理芯片同步工作。

2.根据权利要求1所述的图像型烟雾火灾探测器，其特征在于，所述图像传感器选用CMOS图像传感器，用于在信号处理芯片的可变帧率驱动下捕获火灾监测区域的视频图像。

3.根据权利要求1或2所述的图像型烟雾火灾探测器，其特征在于，所述信号处理芯片，还用于在判断出视频图像中存在烟雾时，发送报警信号，并通过网络适配器将所述报警信号一路发送给客户端，一路发送给消防设备。

4.根据权利要求3所述的图像型烟雾火灾探测器，其特征在于，所述客户端，还用于向所述图像型火灾探测器发送操作信号，通过所述操作信号查询、设置和修改该图像型火灾探测器的参数。

5.根据权利要求4所述的图像型烟雾火灾探测器，其特征在于，所述时序控制芯片选用现场可编程门阵列芯片。 

Images