一种基于红外图像识别的自动消防监控系统

在火灾燃烧时火焰的红外图像序列往往具有如下可识别特征：相邻图像边缘不稳定、图像序列具有一定的相似性等。因此图像识别的方法是大空间火灾自动报警的一种可行的解决方案。本文不仅提供了一个基于序列图像的火焰快速识别算法，也实际构成了一种具有该方法的多通道实时自动消防监控系统样机。     

视频火灾识别的关键技术研究

火灾报警识别是保证安伞的手段.在视频火灾识别中,火灾目标的提取是其关键问题,针对提高火灾识别率,为了精确地提取火焰目标,在分析火灾图像特性的基础上,采用数字图像处理技术和模式识别技术,提出了一种新的基于面积阈值的火焰目标提取,继后根据火灾发生时火焰的色彩、蔓延时面积大小和相似度以及烟雾等特征信息来识别、判断是否有火灾的发生.仿真实验表明算法具有比较好的健壮性.能够有效地提取出连续图像序列中的火焰目标图像和有效地降低火灾监控系统误撤和漏报率,并对于一般大空间场合的火灾监控也是有效的.     

基于可见光和红外图像的矿井外因火灾识别方法

分析了矿井外因火灾监测方法,提出了基于可见光和红外图像的矿井外因火灾识别方法。①温度和烟雾等传感器矿井外因火灾监测方法需多点布置,成本高、维护工作量大。②可见光图像矿井外因火灾监测方法具有监测范围广、使用简单、成本低、受距离影响小、分辨率高、色彩信息丰富、边缘纹理信息清晰、火焰结构信息便于提取等优点,但受矿灯、巷道灯、车灯及红色物体等影响大。③红外图像矿井外因火灾监测方法具有监测范围广、使用简单、可在浓烟等能见度低情况下监测火灾等优点,但监视距离、矿尘、环境温度和湿度、物体表面发射率等均会影响温度测量,近距离的作业人员、白炽灯及机电设备等均会影响火灾监测。④基于可见光和红外图像的矿井外因火灾识别方法提高了火灾识别准确率:当可见光图像和红外图像均识别出火灾时,才判定为火灾,发出火灾报警信号;当仅有单一可见光图像或红外图像识别出火灾时,不判定为火灾,发出疑似火灾报警信号。⑤通过试验验证了基于可见光和红外图像的矿井外因火灾识别方法的可行性。     

基于改进YOLOv3的火灾识别关键技术研究

物流行业的大型仓库等具有空间大、环境复杂等特点,火灾发生具有不确定性且影响因素较多,导致传统的火灾检测方法难以实现对火灾的实时检测和报警。鉴于此,本文引入AI技术,采用边缘计算从而确保检测的实时性。系统利用烟雾、温度传感器以及摄像头采集视频图像信号,通过YOLOv3模型实现火灾的检测和识别,并且是对该模型进行优化、改进和训练后将其直接部署在NVIDIA GPU上而实现的火灾检测。将火灾识别的结果传至网关,利用网关将数据上传至上位机和移动端。上位机完成火灾报警、火灾定位及最优路径规划;用户和管理员通过移动端或者上位机查询系统状态。最后搭建了训练模型的软硬件平台,完成网络训练并对火焰进行检测。结果表明,该火焰检测模型识别精度高、实时性好,对火灾检测和报警具有较大的实际意义。     

矿井外因火灾感知方法

为解决可见光图像在井下受矿灯、车灯、巷道灯、粉尘、红色物体等干扰大的问题,提出了基于近红外和可见光图像的矿井外因火灾感知方法,将近红外图像和可见光图像融合,发挥近红外图像中早期火焰特征明显、可见光图像中中期火焰特征明显的优点,以提高矿井外因火灾识别率。提出了基于近红外图像、可见光图像、温度传感器、气体传感器和烟雾传感器等多信息融合的矿井外因火灾感知方法,该方法融合了近红外图像、可见光图像和传感器信息,传感器不需要无盲区覆盖,仅需要设置一定数量的气体传感器、温度传感器和烟雾传感器,具有及时、可靠、成本低等优点。将报警信息分为图像、温度、烟雾和气体4类。图像类火灾报警信息包括近红外图像和可见光图像信息,当近红外图像或可见光图像监测到火灾时,发出图像类火灾报警信号;当温度超限时,发出温度类报警信号;当烟雾超限时,发出烟雾类报警信号;气体类火灾报警信息包括CO、CO_2、O_2等,当CO、CO_2或O_2超限时,发出气体类报警信号。将火灾报警分为蓝色、黄色、橙色和红色4级,红色为最高级。当图像类、温度类、烟雾类、气体类4类信息中有1类报警,发出火灾蓝色报警信号;当图像类、温度类、烟雾类、气体类4类信息中同时有2类报警,发出火灾黄色报警信号;当图像类、温度类、烟雾类、气体类4类信息中同时有3类报警,发出火灾橙色报警信号;当图像类、温度类、烟雾类、气体类4类全部报警,发出火灾红色报警信号。     

数字图像处理在火灾探测技术领域的应用

本文讨论了运用通用的图像分割技术、图像描述方法和模式识别技术进行火灾的识别和探测。首先对火灾火焰的图像特性作了分析，并根据火灾火焰蔓延时的面积、相似度的变化等来识别、判断火灾的发生，是图像处理技术在火灾探测报警领域中的应用，具有一定实际应用价值。     

博康集团推出图像火焰探测器

概述:图像火灾探测器属于智能型火灾探测设备,它具有火焰探测功能,可将采集到的红外视频图像信号传送给信息处理主机,使火灾探测和图像监控得到有机的结合。实时采集并分析现场视频,迅速识别火焰并产生火情报警,支持现场监控及录像取证,可方便地接入各类消防安防报警主机及监控平台。     

一种新的智能型火灾报警测控仪的设计

提出了一种基于多传感器信息融合技术的智能型火灾报警测控仪的设计方案。它是在传统的火灾报警方法基础上将多传感器信息融合技术和单片微型计算机应用于火灾报警系统的一次有益的偿试。与传统的报警系统相比，，该系统具有成本低、功能全、早期发现、准确度高、适用范围广，并且在传感器系统局部失效的情况下也能得出正确的判断等优点。因此更安全、更合理。非常适合图书馆、档案馆、计算机房及小型仓库等面积小大的场合。     

基于遗传神经网络的火灾图像识别及应用

传统的火灾检测方法一般采用感烟、感温、感光探测器以及红外对射探测。本文提出了一种基于图像视觉特征的火灾检测方法,根据火灾火焰处于近红外波段的特征,采集近红外图像,并利用火灾初期火焰变化的各种特征信息,用图像处理方法提取这些特征值,并把其作为输入,利用遗传神经网络对其进一步识别,从而进行火灾判别,并进一步设计了基于以上思想的火灾识别系统。实验结果表明,该系统比传统系统更进一步减少了误报率且具有响应快、监控范围广等优点。     

基于视频图像的远程火灾探测系统

将传感器技术用于大空间火灾探测时,存在距离短、误报率高、可靠性差等不足。为此,在TMS320DM642微处理器和TI的DSP/BIOS实时操作系统上,设计基于视频图像的远程火灾探测系统。建立RGB空间颜色模型,对连续数帧火灾图像做预处理,分析频闪特性并进行模糊聚类,提取疑似目标区域,以火焰相关性、面积变化率和圆形度3个特征作为火灾识别依据。实验结果表明,该系统提高了大空间图像型火灾探测的精度和速度,可满足远程火情监测需要。     

基于双目视觉的矿井外因火灾感知与定位方法

针对目前矿井外因火灾监测方法大都没有火源定位功能的问题,提出了基于双目视觉的矿井外因火灾感知与定位方法。在有电缆、胶带和机电设备的巷道、硐室及采掘工作面多点设置矿用可见光双目摄像机或近红外双目摄像机,采集监控区域图像;对采集到的图像进行预处理,通过阈值分割得到二值化图像;计算图像中的圆形度、矩形度和尖角数量,根据圆形度、矩形度和尖角数量对图像进行火焰识别,若图像检测区域有火焰,发出火灾报警信号,并融合温度、烟雾、二氧化碳、一氧化碳、氧气和红外传感器信息,提高报警准确性;通过矿用可见光双目摄像机或近红外双目摄像机对火源进行测距,结合摄像机位置对火源进行定位,并输出火源位置信息,控制火源附近灭火装置灭火。也可采用远红外双目摄像机进行火灾感知和火源定位,但成本高。基于双目视觉的矿井外因火灾感知与定位方法既可感知火灾又可定位火源,具有监控范围广、成本低、响应快、可视化等优点,解决了矿井外因火灾火源定位的难题。     

基于独立成分分析和支持向量机的图像型火灾探测

图像型火灾探测具有非接触性、反应快等优点,可有效解决大空间火灾探测难题,是火灾探测新的研究方向,其核心问题是火焰和干扰物的分类识别。常用方法是提取火焰在图像上表现的单个或某几个特征信息作为识别依据,需要设置大量经验阈值,识别率常因特征选择不合适而受到影响。通过对火焰整体特性的研究,提出了基于独立成分分析和支持向量机的火焰探测方法。首先在RGB空间建立颜色模型对连续数帧火灾图像预处理,并进行频闪特性和模糊聚类分析提取疑似目标区域,根据独立成分分析线性变换一对一和可逆性估计出基函数描述火焰图像特征,最后用支持向量机模型实现火灾探测。实验结果表明,该方法提高了图像型火灾探测精度和速度,可适用于多种火灾探测场景。     

基于CAT-5传输的智能火灾预警系统

消防工程中的火灾自动监测报警系统有着广泛的应用前景,无论是高层建筑,还是矿井巷道,消防安全都不容忽视,因此火灾自动监测系统越来越成为必不可少的设备.本文介绍了一个基于CAT-5传输的智能火灾预警系统,此系统采用摄像头作为火灾传感器,通过摄像头拍摄采集火灾图像,然后将此图像送到局域网中的CAT-5线缆(传输距离可达1000英尺)处,通过CAT-5线缆传输到控制中心的计算机上,利用计算机对图像进行处理识别,判断是否有火灾发生.     

基于北斗卫星的森林火灾监控终端设计

针对传统森林火灾监控方式存在的受地形限制,导致火灾发现不及时和定位难的缺陷,设计了基于北斗卫星的森林火灾监控系统,实现了火灾智能识别和预警,并且可以对火源、火场进行快速定位和信息通报;终端包括烟采集处理模块、图像采集模块、DSP处理模块、ARM主控模块和北斗卫星通信模块五部分,从烟和火焰两个方面对森林实时进行监控,分别采用离子烟雾传感器和DSP火焰识别混合算法,提取火焰图像差值和火焰图像边界参数的方法,提高了识别的准确率;试验证明,系统具有结构简单、使用方便和识别智能化的特点。     

矿井火灾监测与趋势预测方法研究

在分析温度监测法、气体监测法、烟雾监测法、可见光图像监测法、红外图像监测法等矿井火灾监测方法原理和特点的基础上,提出了基于多参数融合的矿井火灾监测与趋势预测方法,得出以下结论:①热电偶测温法和半导体测温法具有准确率高、实时性强、能及时发现早期火灾等优点,但存在传感器用量大、维护工作量大等缺点;红外测温法具有监测范围广、传感器易于布置等优点,但传感器与被测物体间的遮挡物和煤尘等均会影响监测结果;光纤分布式测温法具有可监测多点温度、线缆用量小等优点,但存在光纤易损坏、安装复杂、维护困难等缺点。②气体监测法和烟雾监测法具有监测范围广、使用与维护方便等优点,但不能监测标志性气体浓度低、烟雾较小的早期火灾。③可见光图像监测法具有监测范围广、使用与维护方便、成本低等优点,但巷道灯、矿灯、车灯和红色衣物等干扰源及烟雾等均会影响监测效果,且不能监测没有火焰和烟雾较小的早期火灾。④红外图像监测法具有监测范围广、使用与维护方便等优点,但成本高,红外摄像机与被测物体间的遮挡物和煤尘等均会影响监测效果。⑤基于温度、烟雾、气体浓度、气味、风向、风速、风量、可见光图像和红外图像等多参数融合的矿井火灾监测与趋势预测方法不但能及时发现火灾,还可定位火源、预测火灾发展趋势。     

可见光与红外的视频火灾探测器设计

该系统采用双波段视频采集技术,综合可见光与红外的视场信息,提高了其抗干扰能力和火灾识别率,并且实现了对火灾的分级报警。算法中采用编号标记、编号生存期等一系列标记机制,可实现多个火焰目标的稳定跟踪识别,并且采用基于图像轮廓的算法,增强系统实时性并减少系统内存损耗;硬件采用DSP与ARM双系统组合,TM320DM642用于图像处理,LPC2368用于通信与报警,系统运行更加高效。实验结果表明,该系统对火灾探测的准确性高,抗干扰能力较强,并且具有较快的反应速度。     

基于CCD图像的自动定位灭火系统的开发

针对大空间建筑物早期火灾监控问题，提出了基于CCD图像信息的消防炮自动定位灭火监控系统的设计方案和具体实现，系统利用CCD摄像头提供的动态特征和颜色信息进行火源识别和定位，还利用了DSP和FPGA技术提高了系统的可靠性、经济性和实用性。通过实验证明，系统可以准确地识别和确认火焰，并通过消防炮控制器与消防炮联动，实现火源的空间定位，并自动控制消防炮向着火点喷射水柱灭火。     

物资仓库火灾自动报警系统设计

设计了物资仓库火灾自动报警系统的总体结构,选用感烟式探测器、感温探测器和火焰探测器等建立了火灾的探测网络,建立了分布式的火灾报警装置,选用了消息广播系统、水雾卷帘门、自动喷水灭火系统和排烟风机作为系统的联动控制设备,并成功地将系统应用在超市库房.     

森林防火图像识别中的光照干扰消除仿真分析

在物联网视觉识别技术在森林火灾报警的研究中,由于光照强度的随机性无法控制,光强度变化对图像特征采集带来了较大的干扰,对火焰像素与周围像素的差异化关联程度下降.传统的模式识别方法在光照干扰下,会由于火焰特征关联度的下降,造成火灾误识别.提出了一种空间域滤波的物联网视觉中森林火灾识别光照消除方法.利用空间域滤波方法,消除由光照造成的火焰图像噪声,提高了图像的分辨率,为森林防火提供了准确的数据源.针对特征关联下降的问题,引入线性最优分类平面,对干扰下的火焰特征进行分类,从而实现森林火灾识别.实验结果表明,上述算法可以有效消除物联网视觉中光照干扰,有效提高了森林火灾识别准确率.     

基于多尺度LBP与GBP特征的火焰识别

为了提高大空间建筑场景中基于视频图像的火灾的识别率,提出了一种基于多尺度LBP与GBP纹理特征的火焰识别算法。首先在RGB颜色空间对连续数帧火灾图像进行预处理,并进行频闪特性分析以提取疑似火焰区域;建立疑似火焰图像高斯差分尺度空间,利用局部二值模式(LBP)和全局二值模式(GBP)提取火焰局部纹理特征和全局纹理特征;最后将多尺度的纹理特征输入到支持向量机进行识别。实验结果表明,LBP与GBP相结合的方法具有对光照不变的特性,获得了较好的火焰识别率。