CN112991665A - 烟雾探测方法、烟雾探测装置以及烟雾探测*** - Google Patents
烟雾探测方法、烟雾探测装置以及烟雾探测*** Download PDFInfo
- Publication number
- CN112991665A CN112991665A CN202110404216.4A CN202110404216A CN112991665A CN 112991665 A CN112991665 A CN 112991665A CN 202110404216 A CN202110404216 A CN 202110404216A CN 112991665 A CN112991665 A CN 112991665A
- Authority
- CN
- China
- Prior art keywords
- smoke
- gray
- signal
- image signal
- image
- 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.)
- Pending
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 229
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 24
- 239000013589 supplement Substances 0.000 claims description 16
- 230000001502 supplementing effect Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 230000001537 neural effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开一种烟雾探测方法、烟雾探测装置和烟雾探测***,烟雾探测方法包括获取所处环境的图像信号;对图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值;根据烟雾自动识别算法确定图像信号为烟雾的第二烟雾概率值;将图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值;根据第一烟雾概率值、第二烟雾概率值以及第三烟雾概率值确定图像信号是否包含烟雾。上述方案解决烟雾探测器无法有效检测到火灾信号的技术问题。
Description
技术领域
本发明涉及及烟雾探测的技术领域,特别涉及烟雾探测方法、烟雾探测装置以及烟雾探测***。
背景技术
火灾安全是公共安全的重点领域。而随着城市的发展,大空间建筑(如城市商业综合体、会展中心、候机楼、候车楼、演播厅等)不断涌现,工业生产中也存在较多户外作业环境(如矿业中的露天矿山、石油化工中的钻塔、油罐,以及港口机场铁路等)和室内大空间场所(如厂房、仓库等)。然而由于这些场地空间较大、地形复杂,受探测距离、气流环境、热障效应等因素影响,接触式的探测器很难及时快速地捕获这些场所的火灾信号,这将导致传统的基于烟雾浓度和温度的点式火灾探测器无法有效工作。
发明内容
本发明的主要目的是提出一种烟雾探测方法,旨在解决现有烟雾探测器无法有效检测到火灾信号的技术问题。
为实现上述目的,本发明提出一种烟雾探测方法,所述烟雾探测方法包括:
获取所处环境的图像信号;
对所述图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值;
根据烟雾自动识别算法确定所述图像信号为烟雾的第二烟雾概率值;
将所述图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值;
根据所述第一烟雾概率值、所述第二烟雾概率值以及所述第三烟雾概率值确定所述图像信号是否包含烟雾。
可选地,所述获取所处环境的图像信号的步骤包括:
对所处环境进行拍照或摄像以得到立体环境信号;
以预设的运算和处理方式对所述立体环境信号进行处理以获取到三维阵列的灰度信号以及三维阵列的色彩信号;
所述三维阵列的灰度信号以及三维阵列的色彩信号组成图像信号。
可选地,所述图像信号组成的图像大小与所述预置的图像信号组成的图像大小相等。
可选地,所述对所述图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值的步骤包括:
依据边界轮廓检测算法对所述三维阵列的灰度信号进行处理以得到灰度矢量变化近似值;
当灰度矢量变化近似值大于预设的灰度阈值时,确定当前灰度矢量变化近似值范围为烟雾轮廓;
将轮廓内的灰度数据进行特征值提取,并根据所述特征值判断包含烟雾的第一烟雾概率值。
可选地,所述依据边界轮廓检测算法对所述三维阵列的灰度信号进行处理以得到灰度矢量变化近似值的步骤包括:
将所述三维阵列的灰度信号分成三个平面的图像灰度信号;
将每一图像灰度信号进行下述处理;
首先,选取算法因子Kx以及Ky;
其中,a,b为卷积元算子(选择合适的值,以达到较优的分割结果);
然后将算法因子分别与平面图像灰度值Gx以及Gy进行卷积计算,获得平面横向纵向的灰度矢量变化近似值Gxy:
可选地,所述烟雾自动识别算法为:
将图像信号中的所述三维阵列的灰度信号按照预设的灰度区间进行统计;
确定所述灰度区间值的像素占所述三维阵列的灰度信号的像素值的百分比。
可选地,所述将所述图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值的步骤为:
将所述图像信号的三维阵列的灰度信号以及三维阵列的色彩信号分别与预置的图像信号的三维阵列的灰度信号以及三维阵列的色彩信号匹配;
当每一所述图像信号对应像素的灰度差值或者色彩信号差值小于或等于预设灰度差值或者色彩信号差值时,统计为一个匹配的像素点;
当每一所述图像信号对应像素的灰度差值或者色彩信号差值大于预设灰度差值或者色彩信号差值时,统计为一个不匹配的像素点;
确定所述匹配的像素点与总的像素点的比值为第三烟雾概率值。
为实现上述目的,本发明还提出一种烟雾探测装置,所述烟雾探测装置包括:
控制模组,所述控制模组存储有烟雾探测程序,所述控制模组运行烟雾探测程序并执行如上所述的烟雾探测方法的步骤;
烟雾图像采集模块,采集环境的图像信号。
可选地,所述烟雾探测装置还包括网络通信单元、声光报警模组和自动补光模组,所述控制模组的输入端与所述烟雾图像采集模块的输出端连接,所述网络通信单元的通讯端与所述控制模组的输出端连接,所述自动补光模组的受控端与所述控制模组的补光控制端连接;所述声光报警模组的输入端与所述控制模组的报警信号输出端连接;
所述网络通信单元,用于将包含烟雾的图像信号输出至与所述网络通信单元通信连接的通信设备;
所述控制模组,用于识别出包含烟雾的图像信号,并在识别到包含烟雾的图像信号时,输出报警信号,还用于在所述烟雾图像采集模块工作时,输出补光控制信号;
所述声光报警模组,用于根据所述控制模组输出的报警信号报警;
所述自动补光模组,根据所述补光控制信号启动或关闭,并用于在环境亮度低于预设亮度值时,输出对应的补光光强。
为实现上述目的,本发明还提出一种烟雾探测***,所述烟雾探测***包括上位机以及多个如上所述的烟雾探测装置,多个所述烟雾探测装置与所述上位机通信连接。
本发明烟雾探测方法包括所述烟雾探测方法首先获取所处环境的图像信号;对所述图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值;根据烟雾自动识别算法确定所述图像信号为烟雾的第二烟雾概率值;将所述图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值;根据所述第一烟雾概率值、所述第二烟雾概率值以及所述第三烟雾概率值确定所述图像信号是否包含烟雾。本申请不仅采用了图片识别烟雾的方式,还通过多个检测方法依次确定图片内包含烟雾的概率,最后汇总多个检测结果综合判断是否有烟雾,从而实现了实时、有效以及可靠的检测,有效的解决了烟雾探测器无法有效检测到火灾信号的技术问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明烟雾探测方法的流程示意图;
图2为本发明烟雾探测方法的流程示意图;
图3为本发明烟雾探测方法的流程示意图;
图4为本发明烟雾探测方法的流程示意图;
图5为本发明烟雾探测装置的模块示意图;
图6为本发明烟雾探测装置的模块示意图;
图7为本发明烟雾探测装置的模块示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
本发明提出一种烟雾探测方法,旨在解决烟雾探测器无法有效检测到火灾信号的技术问题。
为实现上述目的,如图1所示,本发明还提出一种烟雾探测方法,所述烟雾探测方法包括:
S1、获取所处环境的图像信号;
可以通过高清彩色CCD模组等摄像或者拍照用组件进行图像信号的获取。也可以通过具有摄像或者拍照功能的设备进行图像信号的获取。
S2、对所述图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值;
由于在一个图像信号中可能包含一处或者多处烟雾,因此,通过对图像信号进行轮廓分割,可以将多个可能的起火点确定,还可以方便逐一估算是否烟雾,提高估算的准确性。
S3、根据烟雾自动识别算法确定所述图像信号为烟雾的第二烟雾概率值;
此时的烟雾自动识别算法的原理在于通过对图像信号中的所述三维阵列的灰度信号按照预设的灰度区间进行统计,通过确定所述灰度区间值的像素占所述三维阵列的灰度信号的像素值的百分比来进一步确定所述图像信号为烟雾的第二烟雾概率值。由于在此过程中,烟雾自动识别算法的基础数据基于现有烟雾图像数据进行实现,因此,可以通过相关百分比识别出烟雾,从而实现了烟雾的准确识别。
S4、将所述图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值;
此时,主要是将获取到的环境的图像信号与图库里面的图像比对,根据匹配程度确定第三烟雾概率值。
S5、根据所述第一烟雾概率值、所述第二烟雾概率值以及所述第三烟雾概率值确定所述图像信号是否包含烟雾。
此时,综合三个通过不同方式进行获取的三个概率值,通过权重或者平均等方式确定图像信号是否包含烟雾,由于此时三种方式基本上可以匹配到现存的所有烟雾图片,还通过机器学习以及烟雾轮廓提取等三种不同的方式,分别从烟雾的三维形状、二维表现以及三维色彩以及灰度等多个方面综合判断了是否烟雾的概率,从而提高了判断烟雾的准确性,另外,由于摄像以及拍照为光线传播方式,在摄像或拍照范围内,其时延相比烟雾的传播速度来说可以忽略不计,因此,本申请的技术方案还实现了实时、有效以及可靠的检测,有效的解决了烟雾探测器无法有效检测到火灾信号的技术问题。
可选地,如图2所示,所述获取所处环境的图像信号的步骤包括:
S11、对所处环境进行拍照或摄像以得到立体环境信号;
可以通过高清彩色CCD模组等摄像或者拍照用组件进行立体环境信号的获取。也可以通过具有摄像或者拍照功能的设备进行立体环境信号的获取。此时,立体环境信号是指通过等摄像或者拍照获得的环境信息包含三维层面上的空间信息、色彩信息以及灰度信息。
S12、以预设的运算和处理方式对所述立体环境信号进行处理以获取到三维阵列的灰度信号以及三维阵列的色彩信号;
由于立体环境信号为具有数字图像用矩阵以及对应数字图像用矩阵的每个像素点三原色(R(red,红色)G(green,绿色)B(blue,蓝色)颜色)的色彩信息,此时的预设的运算和处理方式实际上是对立体环境信号先进行一定大小的压缩或者放大,使立体环境信号与述预置的图像信号成为统一大小以及分辨率的图像信号,从而获得三维阵列的色彩信号(即RGB信号),然后进行灰度转换,以得到三维阵列的灰度信号。由于现有技术中将色彩信息转换为灰度信息为成熟技术,此处不再赘述。在通过上述处理后,不仅保证了图像格式的统一,而且还由于将色彩信号和灰度信息区分开,使得比对的过程更为准确。
S13、所述三维阵列的灰度信号以及三维阵列的色彩信号组成图像信号。
需要说明的是,
可选地,所述图像信号组成的图像大小与所述预置的图像信号组成的图像大小相等。
通过控制图像信号组成的图像大小与所述预置的图像信号组成的图像大小相等。可以提高后续图片比对以及轮廓提取的准确性,提高判断的准确性,减少误判的可能,还可以在连续的摄像过程中,通过图片匹配快速判断出烟雾的发展趋势,提高烟雾报警的可靠性,保障所处环境的安全。另外,还可以通用后续的算法处理,无需因为立体环境信号在对算法的细节进行改变,从而简化了后续计算以及判断过程。
可选地,如图3所示,所述对所述图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值的步骤包括:
S21、依据边界轮廓检测算法对所述三维阵列的灰度信号进行处理以得到灰度矢量变化近似值;
S22、当灰度矢量变化近似值大于预设的灰度阈值时,确定当前灰度矢量变化近似值范围为烟雾轮廓;
其中,灰度矢量变化近似值实际包含了三维坐标以及灰度值两个变量。通过这个值,可以准确定位到烟雾轮廓。
S23、将轮廓内的灰度数据进行特征值提取,并根据所述特征值判断包含烟雾的第一烟雾概率值。
通过烟雾轮廓进行判断,可以识别到图像信号中的每一块可能的烟雾点,从而使得第一烟雾概率值更为准确。即使此时的烟雾比较小,只要符合轮廓分割条件,就能轻易分辨,从而快速、准确地识别每一个烟雾轮廓。
可选地,所述依据边界轮廓检测算法对所述三维阵列的灰度信号进行处理以得到灰度矢量变化近似值的步骤包括:
将所述三维阵列的灰度信号分成三个平面的图像灰度信号;
将每一图像灰度信号进行下述处理;
首先,选取算法因子Kx以及Ky;
其中,a,b为卷积元算子(选择合适的值,以达到较优的分割结果);
然后将算法因子分别与平面图像灰度值Gx以及Gy进行卷积计算,获得平面横向纵向的灰度矢量变化近似值Gxy:
本申请通过上述算法,可以准确的确定平面横向纵向的灰度矢量变化近似值,为后续的计算提供准确数值。需要说明的是,此算法通过多次将现有数据进行运算确定算法详情,另外还可以自行优化卷积元算子的取值。
可选地,所述烟雾自动识别算法为:
将图像信号中的所述三维阵列的灰度信号按照预设的灰度区间进行统计;
确定所述灰度区间值的像素占所述三维阵列的灰度信号的像素值的百分比。
通过上述识别算法,可以在有房屋、树木等把烟雾断层的情况下,通过灰度值准确确定此时烟雾所占比例,还能通过此时的烟雾比例进一步确定烟雾大小,从而不仅能准确识别烟雾,还能进一步进行火情大小的判断。
可选地,如图4所示,所述将所述图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值的步骤为:
S41、将所述图像信号的三维阵列的灰度信号以及三维阵列的色彩信号分别与预置的图像信号的三维阵列的灰度信号以及三维阵列的色彩信号匹配;
此时,预置的图像信号实际上是一整个数据库的数据,数据库的图像信号都与实际获得的图像信号中的三维阵列的灰度信号以及三维阵列的色彩信号进行匹配。从而实现准确匹配。
S42、当每一所述图像信号对应像素的灰度差值或者色彩信号差值小于或等于预设灰度差值或者色彩信号差值时,统计为一个匹配的像素点;
由于实际拍摄光线或者拍摄设备的问题,获取到的图像信号会存在一定灰度的误差,因此,设置一个差值范围,可以提高匹配的准确度。
S43、当每一所述图像信号对应像素的灰度差值或者色彩信号差值大于预设灰度差值或者色彩信号差值时,统计为一个不匹配的像素点;
由于实际拍摄光线或者拍摄设备的问题,获取到的图像信号会存在一定灰度的误差,因此,设置一个差值范围,可以提高匹配的准确度。
S44、确定所述匹配的像素点与总的像素点的比值为第三烟雾概率值。
此时,通过比值确定的第三概率值实际上是从整体上判断画面存在烟雾的比例,从而可以更为准确判定是否存在烟雾。
本发明提出还一种烟雾探测装置,所述烟雾探测装置包括:
控制模组以及烟雾图像采集模块,所述控制模组存储有烟雾探测程序,所述控制模组运行烟雾探测程序并执行如上所述的烟雾探测方法的步骤。烟雾图像采集模块,采集环境的图像信号。
其中,值得注意的是,因为本发明烟雾探测装置包含了上述烟雾探测方法的全部实施例,因此本发明烟雾探测装置具有上述烟雾探测方法的所有有益效果,此处不再赘述。
在一实施例中,如图5所示,烟雾探测装置包括烟雾图像采集模块10、控制模组20以及网络通信单元30,控制模组20的输入端与烟雾图像采集模块10的输出端连接,网络通信单元30的通讯端与控制模组20的输出端连接。
其中,烟雾图像采集模块10采集图像信号,需要说明的是,烟雾图像采集模块10原始采集的是立体环境信号,立体环境信号可以包括照片或者视频信号,然后将立体环境信号处理成包含三维阵列的灰度信号以及三维阵列的色彩信号的图像信号,控制模组20从这些采集的图像信号中识别出包含烟雾的图像信号,网络通信单元30将包含烟雾的图像信号输出至与网络通信单元30通信连接的通信设备。由于此时的烟雾探测装置直接具有烟雾识别功能,从而可以快速的识别所拍摄区域的所有可能的烟雾情况,而不必等烟雾扩散到烟雾探测装置所在位置或者是汇总图像信号后再进行识别,从而有效检测到火灾信号,实现实时检测。此时,通信设备可以为上位机、计算机或者便携式移动终端。从而可以实现远程监测。
需要说明的是,控制模组20上搭载上述烟雾识别算法。现有的烟雾识别算法一般没有单独设置在烟雾探测装置中,而是通过将很多图像汇总后再统一分析,从而失去了即时性。而将烟雾识别算法直接搭载在烟雾探测装置的控制模组20中,可以使得每一个烟雾探测装置均具备了烟雾识别功能。
可选地,如图6所示,烟雾探测装置还包括声光报警模组40,声光报警模组40的输入端与控制模组20的报警信号输出端连接。
其中,控制模组20在识别到包含烟雾的图像信号时,输出报警信号。声光报警模组40根据控制模组20输出的报警信号报警。通过声光报警模组40可以在烟雾探测装置设置地直接报警,以提醒附近用户周边有火情发生,注意找寻火源并及时扑灭或者及时离开。
可选地,如图7所示,声光报警模组40包括扬声器和LED闪光灯,扬声器的输入端和LED闪光灯的输入端构成声光报警模组40的输入端。
其中,扬声器可以播放音频信号以提示用户,音频信号可以从网络通信单元30通信连接的通信设备获得,也可以预置,LED闪光灯可以点亮灯光以提示用户烟雾探测装置所在位置,根据图像信号获取范围可以方便用户更加快速确定烟雾位置。
可选地,如图6所示,烟雾探测装置还包括自动补光模组50,自动补光模组50的受控端与控制模组20的补光控制端连接。
其中,控制模组20在烟雾图像采集模块10工作时,输出补光控制信号。自动补光模组50根据补光控制信号启动或关闭,并用于在环境亮度低于预设亮度值时,输出对应的补光光强。此时的预设亮度值可以由用户设定,或者预设补光光强和环境亮度的对照表,在检测到环境亮度,输出对应的补光光强即可,从而可以使得拍照更为清晰,方便后续的识别过程。
可选地,如图7所示,自动补光模组50包括感光组件501、比较器502、继电器503以及补光灯504,感光组件501的受控端为自动补光模组50的受控端,感光组件501的输出端与比较器502的输入端连接,比较器502的输出端与继电器503的受控端连接;继电器503的输入端连接电源,继电器503的输出端与补光灯504的电源输入端连接。
其中,感光组件501又称电荷耦合器件(英语:Charge-coupled Device,缩写:CCD),是一种集成电路,上有许多排列整齐的电容,能感应光线,并将视频转变成数字信号。比较器502将数字信号与预设的数字信号进行比较,在小于预设的数字信号时,输出开启信号以开启继电器503,以开始补光,在大于预设的数字信号时,输出关闭信号以关闭继电器503,从而停止补光。通过将自动补光模组50设置于烟雾探测装置中,从而可以使得烟雾探测装置适用于各种光线的场合,提高其普适性,另外,由于识别方法有的是基于灰度识别,在进行补光后,可以保证检测的图像信号灰度趋于自然光状态下的灰度,从而提高检测准确度。
可选地,如图7所示,烟雾图像采集模块10包括高清彩色CCD(Charge-coupledDevice,缩写:CCD)模组101及DSP(Digital Signal Process,即数字信号处理技术)处理芯片102,高清彩色CCD模组101的输出端与DSP处理芯片102的输入端连接,DSP处理芯片102的输出端为烟雾图像采集模块10的输出端。
其中,高清彩色CCD模组101可以采集到更为清晰的图像信号,DSP处理芯片102能够实现图像信号的快速处理,从而实现清晰快速的图像信号采集。
可选地,如图7所示,控制模组20包括神经加速单元201和SOC(System on Chip,芯片***)处理器202,神经加速单元201的输入端为控制模组20的输入端,神经加速单元201的输出端与SOC处理器202的输入端连接,SOC处理器202的输出端为控制模组20的输出端。
其中,神经加速单元201可以快速识别包含烟雾的图像信号,SOC处理器202将识别结果输出至网络通信单元30。可选地,神经加速单元201为神经网络芯片或者AI芯片(AI加速器或计算卡,即专门用于处理人工智能应用中的大量计算任务的模块)。
需要说明的是,烟雾探测方法中包含有一烟雾自动识别算法,其本质为神经网络模型,将此神经网络模型转化成可执行的嵌入式代码”的过程为:基于TensorFlow进行深度学习目标识别的算法训练,获取神经元网络模型及其参数权重文件;选用支持yolov3模型的嵌入式芯片,将神经元网络模型及权重文件输入至嵌入式***编译器,获得可执行的嵌入式二值化目标识别文件并移植到控制模组20中,进行目标图像的识别测试;根据测试结果重新进行深度学习模型的更改并迭代训练;最终获得准确率高的二值化目标识别文件并应用。
可选地,控制模组20还包括串口、SPI接口、IO口、I2C接口和SD卡接口,每一串口均单独与SOC处理器202连接。
上述串口可以实现与多种设备之间的通信,实现控制信号或者通信信号的获取,或者是报警信号的上传。
可选地,如图7所示,网络通信单元30包括网络接口302及4G(***通讯技术)无线通信模组301,网络接口302的通信端与4G无线通信模组301的通信端构成网络通信单元30的通讯端。
其中,网络接口302以及4G无线通信模组301分别实现有线和无线通信。需要注意的是,网络接口302可以为通用的各种类型的网络接口302。4G无线通信模组301可以选用4G无线通信芯片实现。
本发明还提出一种烟雾探测***,烟雾探测***包括上位机以及多个如上的烟雾探测装置,多个烟雾探测装置与上位机通信连接。
其中,值得注意的是,因为本发明烟雾探测***包含了上述烟雾探测装置的全部实施例,因此本发明烟雾探测***具有上述烟雾探测装置的所有有益效果,此处不再赘述。
以上仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种烟雾探测方法,其特征在于,所述烟雾探测方法包括:
获取所处环境的图像信号;
对所述图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值;
根据烟雾自动识别算法确定所述图像信号为烟雾的第二烟雾概率值;
将所述图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值;
根据所述第一烟雾概率值、所述第二烟雾概率值以及所述第三烟雾概率值确定所述图像信号是否包含烟雾。
2.如权利要求1所述的烟雾探测方法,其特征在于,所述获取所处环境的图像信号的步骤包括:
对所处环境进行拍照或摄像以得到立体环境信号;
以预设的运算和处理方式对所述立体环境信号进行处理以获取到三维阵列的灰度信号以及三维阵列的色彩信号;
所述三维阵列的灰度信号以及三维阵列的色彩信号组成图像信号。
3.如权利要求2所述的烟雾探测方法,其特征在于,所述图像信号组成的图像大小与所述预置的图像信号组成的图像大小相等。
4.如权利要求2所述的烟雾探测方法,其特征在于,所述对所述图像信号进行轮廓分割,并估算出每一分割出的轮廓中包含烟雾的第一烟雾概率值的步骤包括:
依据边界轮廓检测算法对所述三维阵列的灰度信号进行处理以得到灰度矢量变化近似值;
当灰度矢量变化近似值大于预设的灰度阈值时,确定当前灰度矢量变化近似值范围为烟雾轮廓;
将轮廓内的灰度数据进行特征值提取,并根据所述特征值判断包含烟雾的第一烟雾概率值。
6.如权利要求2所述的烟雾探测方法,其特征在于,所述烟雾自动识别算法为:
将图像信号中的所述三维阵列的灰度信号按照预设的灰度区间进行统计;
确定所述灰度区间值的像素占所述三维阵列的灰度信号的像素值的百分比。
7.如权利要求3所述的烟雾探测方法,其特征在于,所述将所述图像信号与预置的图像信号匹配,确定匹配的第三烟雾概率值的步骤为:
将所述图像信号的三维阵列的灰度信号以及三维阵列的色彩信号分别与预置的图像信号的三维阵列的灰度信号以及三维阵列的色彩信号匹配;
当每一所述图像信号对应像素的灰度差值或者色彩信号差值小于或等于预设灰度差值或者色彩信号差值时,统计为一个匹配的像素点;
当每一所述图像信号对应像素的灰度差值或者色彩信号差值大于预设灰度差值或者色彩信号差值时,统计为一个不匹配的像素点;
确定所述匹配的像素点与总的像素点的比值为第三烟雾概率值。
8.一种烟雾探测装置,其特征在于,所述烟雾探测装置包括:
控制模组,所述控制模组存储有烟雾探测程序,所述控制模组运行烟雾探测程序并执行如权利要求1-7任一项所述的烟雾探测方法的步骤;
烟雾图像采集模块,采集环境的图像信号。
9.如权利要求8所述的烟雾探测装置,其特征在于,所述烟雾探测装置还包括网络通信单元、声光报警模组和自动补光模组,所述控制模组的输入端与所述烟雾图像采集模块的输出端连接,所述网络通信单元的通讯端与所述控制模组的输出端连接,所述自动补光模组的受控端与所述控制模组的补光控制端连接;所述声光报警模组的输入端与所述控制模组的报警信号输出端连接;
所述网络通信单元,用于将包含烟雾的图像信号输出至与所述网络通信单元通信连接的通信设备;
所述控制模组,用于识别出包含烟雾的图像信号,并在识别到包含烟雾的图像信号时,输出报警信号,还用于在所述烟雾图像采集模块工作时,输出补光控制信号;
所述声光报警模组,用于根据所述控制模组输出的报警信号报警;
所述自动补光模组,根据所述补光控制信号启动或关闭,并用于在环境亮度低于预设亮度值时,输出对应的补光光强。
10.一种烟雾探测***,其特征在于,所述烟雾探测***包括上位机以及多个如权利要求8或9所述的烟雾探测装置,多个所述烟雾探测装置与所述上位机通信连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404216.4A CN112991665A (zh) | 2021-04-14 | 2021-04-14 | 烟雾探测方法、烟雾探测装置以及烟雾探测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404216.4A CN112991665A (zh) | 2021-04-14 | 2021-04-14 | 烟雾探测方法、烟雾探测装置以及烟雾探测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112991665A true CN112991665A (zh) | 2021-06-18 |
Family
ID=76340510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110404216.4A Pending CN112991665A (zh) | 2021-04-14 | 2021-04-14 | 烟雾探测方法、烟雾探测装置以及烟雾探测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991665A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理***和方法 |
CN117496218A (zh) * | 2023-10-07 | 2024-02-02 | 广州市平可捷信息科技有限公司 | 一种基于图像识别的烟感探测方法及*** |
-
2021
- 2021-04-14 CN CN202110404216.4A patent/CN112991665A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116777707A (zh) * | 2023-06-20 | 2023-09-19 | 浙江宏远智能科技有限公司 | 一种智慧社区管理***和方法 |
CN116777707B (zh) * | 2023-06-20 | 2023-12-01 | 浙江宏远智能科技有限公司 | 一种智慧社区管理***和方法 |
CN117496218A (zh) * | 2023-10-07 | 2024-02-02 | 广州市平可捷信息科技有限公司 | 一种基于图像识别的烟感探测方法及*** |
CN117496218B (zh) * | 2023-10-07 | 2024-05-07 | 广州市平可捷信息科技有限公司 | 一种基于图像识别的烟感探测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101822924B1 (ko) | 영상기반 화재 감지 시스템, 방법 및 프로그램 | |
RU2380758C2 (ru) | Cпособ и устройство для обнаружения дыма | |
US7868772B2 (en) | Flame detecting method and device | |
KR101953342B1 (ko) | 멀티 센서 화재감지 방법 및 시스템 | |
CN112395928A (zh) | 一种设备状态运行自动检测的方法 | |
CN112991665A (zh) | 烟雾探测方法、烟雾探测装置以及烟雾探测*** | |
KR20080054368A (ko) | 화염 검출 방법 및 장치 | |
CN111401246B (zh) | 一种烟雾浓度检测方法、装置、设备及存储介质 | |
JP2000222673A (ja) | 車色判別装置 | |
WO2006008944A1 (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよびそのプログラムを記録した記録媒体 | |
CN104463869B (zh) | 一种视频火焰图像复合识别方法 | |
CN111275645A (zh) | 基于人工智能的图像去雾方法、装置、设备及存储介质 | |
CN105260716A (zh) | 故障指示器状态识别方法及装置 | |
CN113887412A (zh) | 污染排放的检测方法、检测终端、监控***及存储介质 | |
CN111539311A (zh) | 基于ir和rgb双摄的活体判别方法、装置及*** | |
CN113723300A (zh) | 基于人工智能的火情监测方法、装置及存储介质 | |
JP2020030750A (ja) | 影検出装置、影検出方法、影検出プログラム、学習装置、学習方法、及び学習プログラム | |
CN113723229A (zh) | 信号灯的检测方法、装置及计算机可读存储介质 | |
CN112949578A (zh) | 车灯状态识别方法、装置、设备及存储介质 | |
CN115965934A (zh) | 一种停车位检测方法及装置 | |
WO2022091577A1 (ja) | 情報処理装置および情報処理方法 | |
CN110136104B (zh) | 基于无人机地面站的图像处理方法、***及介质 | |
CN116052356A (zh) | 一种智能工地监控平台 | |
CN114118129A (zh) | 一种检测城市照明设施的方法 | |
CN114296556A (zh) | 一种基于人体姿态的交互显示方法、装置和*** |
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 |