[發(fā)明專利]一種用于公路隧道的智能圖像型火災(zāi)報(bào)警系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410834924.1
• 申請(qǐng)日: 2014-12-30
• 公開（公告）號(hào): CN104599427B
• 公開（公告）日: 2018-06-26
• 發(fā)明（設(shè)計(jì)）人: 羅巧梅;李平;肖愷;趙浩
• 申請(qǐng)（專利權(quán)）人: 上海波匯科技股份有限公司
• 主分類號(hào): G08B17/00
• 分類號(hào): G08B17/00;G08B17/12
• 代理公司: 上海智力專利商標(biāo)事務(wù)所(普通合伙) 31105
• 代理人: 周濤

1.一種用于公路隧道的智能圖像型火災(zāi)報(bào)警系統(tǒng)，其特征在于，該火災(zāi)報(bào)警系統(tǒng)包括有：

攝像頭，該攝像頭用于實(shí)時(shí)采集公路隧道內(nèi)的現(xiàn)場(chǎng)數(shù)據(jù)，并將現(xiàn)場(chǎng)數(shù)據(jù)傳輸至視頻圖像采集及傳輸模塊；

視頻圖像采集及傳輸模塊，其輸入端連接所述的攝像頭，兩個(gè)輸出端分別連接視頻監(jiān)控模塊和圖像型火災(zāi)探測(cè)器，視頻圖像采集及傳輸模塊內(nèi)包括有傳感器單元、光電轉(zhuǎn)換單元和模數(shù)轉(zhuǎn)換單元；

圖像型火災(zāi)探測(cè)器，該圖像型火災(zāi)探測(cè)器分別連接火災(zāi)報(bào)警控制器和圖像火災(zāi)報(bào)警管理模塊，該圖像型火災(zāi)探測(cè)器同時(shí)進(jìn)行煙霧圖像處理和火焰圖像處理以實(shí)現(xiàn)煙霧探測(cè)和火焰探測(cè)；

視頻監(jiān)控模塊，該視頻監(jiān)控模塊的輸出端連接圖像火災(zāi)報(bào)警管理模塊并輸出實(shí)時(shí)視頻監(jiān)控信息；

圖像火災(zāi)報(bào)警管理模塊，其分別接收來自視頻監(jiān)控模塊的視頻監(jiān)控信息和來自圖像型火災(zāi)探測(cè)器的火災(zāi)信息，該圖像火災(zāi)報(bào)警管理模塊連接數(shù)據(jù)庫；

火災(zāi)報(bào)警控制器，該火災(zāi)報(bào)警控制器連接圖像型火災(zāi)探測(cè)器；

數(shù)據(jù)庫，該數(shù)據(jù)庫設(shè)于計(jì)算機(jī)內(nèi)；

所述的視頻圖像采集及傳輸模塊通過作為傳感器單元中的圖像傳感器采集火災(zāi)現(xiàn)場(chǎng)火焰和煙霧的輻射信號(hào)，光電轉(zhuǎn)換單元將輻射信號(hào)轉(zhuǎn)換為模擬視頻信號(hào)，模數(shù)轉(zhuǎn)換單元將模擬視頻信號(hào)轉(zhuǎn)換并壓縮為數(shù)字圖像序列；

所述的圖像型火災(zāi)探測(cè)器上設(shè)有煙霧探測(cè)單元、火焰探測(cè)單元、圖像預(yù)處理單元、圖像特征提取單元、智能識(shí)別單元和火災(zāi)判別單元，煙霧探測(cè)單元和火焰探測(cè)單元內(nèi)的數(shù)據(jù)分別經(jīng)過圖像預(yù)處理單元、圖像特征提取單元、智能識(shí)別單元和火災(zāi)判別單元，火災(zāi)判別單元的輸出結(jié)構(gòu)聯(lián)動(dòng)圖像火災(zāi)報(bào)警管理模塊和火災(zāi)報(bào)警控制器；

所述的圖像預(yù)處理單元首先對(duì)接收到的煙霧和火焰數(shù)字圖像數(shù)列進(jìn)行平滑與銳化處理，消除或盡量減小噪聲影響，然后對(duì)數(shù)字圖像進(jìn)行二值化處理，提取出反映圖像整體和局部特征的目標(biāo)圖像，接著采用圖像減法運(yùn)算去掉圖像的背景；

圖像特征提取單元利用小波變換將目標(biāo)圖像通過伸縮和平移后，分別提取出能代表并區(qū)別該目標(biāo)圖像的煙霧、火焰的各種變化特征信息，具體包括煙霧特征提取和火焰特征提取，煙霧特征包括有空間分辨率、頻率特征和方向特性，火焰特征包括有火焰顏色、閃爍頻率和亮度變化；

智能識(shí)別單元采用人工神經(jīng)網(wǎng)絡(luò)對(duì)圖像信息進(jìn)行分類和辨識(shí)，圖像信息分類包括有火災(zāi)狀態(tài)、報(bào)警狀態(tài)和正常狀態(tài)，具體是采用人工神經(jīng)網(wǎng)絡(luò)中BP網(wǎng)絡(luò)模型進(jìn)行模式識(shí)別分類，其工作過程可分為學(xué)習(xí)和分類兩個(gè)階段，前者是根據(jù)圖像的樣本數(shù)據(jù)，由網(wǎng)絡(luò)本身依照某種規(guī)則進(jìn)行自學(xué)習(xí)；后者則是利用學(xué)習(xí)的結(jié)構(gòu)對(duì)整幅圖像進(jìn)行分類；

火災(zāi)判別單元根據(jù)圖像信息分類和預(yù)設(shè)標(biāo)準(zhǔn)比對(duì)以確認(rèn)是否發(fā)生火災(zāi)，如發(fā)生火災(zāi)則啟動(dòng)火災(zāi)報(bào)警控制器進(jìn)行報(bào)警，并把火災(zāi)信息及視頻信息顯示在圖像火災(zāi)報(bào)警管理模塊中；智能識(shí)別單元中BP神經(jīng)網(wǎng)絡(luò)模型將其運(yùn)算結(jié)果傳輸給火災(zāi)判別單元，由其根據(jù)0(k)判斷火災(zāi)狀態(tài)；

在智能識(shí)別單元中，BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程如下：

a.首先訓(xùn)練樣本獲取，根據(jù)提取的M個(gè)特征參數(shù)對(duì)目標(biāo)圖像進(jìn)行樣本歸類，然后從M組目標(biāo)圖像中各隨機(jī)抽取一個(gè)，構(gòu)成一個(gè)M維特征向量，抽取多次組成訓(xùn)練樣本集；

b.接著構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，使得BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)對(duì)應(yīng)目標(biāo)圖像的M個(gè)特征參數(shù)，對(duì)于BP神經(jīng)網(wǎng)絡(luò)輸入層的節(jié)點(diǎn)i=M，使BP神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點(diǎn)對(duì)應(yīng)火災(zāi)識(shí)別結(jié)果0(k),0(k)的取值為0(k)[0,1]，其中，0(k)[0.75,1]為“火災(zāi)狀態(tài)”，0(k)[0.25,0.75]為“警告狀態(tài)”，0(k)[0，0.25]為“正常狀態(tài)”，對(duì)應(yīng)BP神經(jīng)網(wǎng)絡(luò)輸出層的節(jié)點(diǎn)數(shù)k=1;接著計(jì)算出BP神經(jīng)網(wǎng)絡(luò)隱含層的節(jié)點(diǎn)數(shù)；

c.神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)采用的是三層拓?fù)浣Y(jié)構(gòu)，即輸入層、隱含層、輸出層，輸入層信息由提取的火災(zāi)煙霧、火焰的圖像變化特征確定，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練流程如下：

參數(shù)初始化：設(shè)定輸入層設(shè)定最大迭代次數(shù)、最小誤差、學(xué)習(xí)速率參數(shù)，將輸入層與隱含層的連接權(quán)值，隱含層與輸出層的連接權(quán)值初始化為（-1,1）之間的隨機(jī)數(shù)；

信息前向傳播過程計(jì)算，將訓(xùn)練樣本輸入到BP神經(jīng)網(wǎng)絡(luò)模型的輸入層，通過輸入得到隱含層結(jié)點(diǎn)的輸入值，其中為輸入層結(jié)點(diǎn)的輸出值，亦即結(jié)點(diǎn)的輸入值 ，那么隱含層的輸出為；然后通過得到輸出層結(jié)點(diǎn)的輸入為；最后得到輸出層結(jié)點(diǎn)的輸出為；

誤差后向傳播過程計(jì)算 ；假設(shè)期望輸出為，則輸出端的平均誤差為，然后利用梯度下降法調(diào)制隱含層與輸出層之間的權(quán)值，同理，根據(jù)隱含層節(jié)點(diǎn)上的誤差，采用梯度下降法調(diào)整輸入層與隱含層之間的權(quán)值，循環(huán)步驟2和3，直至達(dá)到最大訓(xùn)練次數(shù)或滿足最小誤差；保存各層的權(quán)值，并利用學(xué)習(xí)好的參數(shù)對(duì)新樣本進(jìn)行識(shí)別。