标准规范下载简介和预览

基于图像处理的火灾监测系统软件设计

基于图像处理的火灾监测系统是一种利用计算机视觉与图像分析技术实现火灾早期识别的智能监控系统。该系统通过摄像头实时采集环境视频图像，结合图像处理算法对烟雾、火焰等火灾特征进行检测与分析，从而实现对火灾的快速识别与报警。

系统主要由视频采集模块、图像预处理模块、火灾特征提取模块、识别与判断模块以及报警模块组成。首先，视频采集模块获取监控区域的实时画面；随后，图像预处理模块对图像进行去噪、增强和背景建模等处理，以提高后续识别的准确性；然后，利用颜色分析、运动检测、纹理特征提取等方法识别可能的火焰或烟雾区域；最后，通过分类算法判断是否为火灾，并在确认后触发报警机制，通知相关人员及时处理。

本系统采用多种图像处理技术和模式识别算法相结合的方式，提高了火灾识别的准确率和响应速度，具有非接触式、覆盖范围广、全天候监控等优点。可广泛应用于仓库、森林、商场等重点防火场所，作为传统火灾探测器的有效补充db34／t 2922-2017标准下载，提升整体消防安全水平。

【天津大学自动化学院，天津300072）

SoftwareDesignofFireDetectionSystem

近年来，随着经济的飞速发展，各种高层的建 筑群体不断涌现。在高层建筑中，人口密集、财产 集中，其消防安全问题就突显出来。传统的火灾 探测技术有感温、感烟、感光及复合型等模式。这 些技术不仅在灵敏度和可靠性方面有待提高，而 且不能对火灾最初的信号做出反应。因此，近年 来积极研究并提出了图像型火灾探测技术，该技 术既可在多粉尘、高湿度的室内环境中使用，也可 在室外环境中使用，对火灾初始信号有更高的灵 敏度，具有很好的应用前景。该技术的一个重要 部分是软件算法，本文采用数字图像处理技术，在 提高探测系统算法的效率和降低误报率等方面进

行了研究。 火灾初期火焰图像主要有火焰面积增大、边 缘抖动、形状不规则、位置基本稳定等特性。用上 述特征作为火灾识别的判据，采用区域分割算法 将各亮点区域分别处理，这样减少了算法的处理 时间，使复杂算法满足实时性要求。在此基础上， 本文从形状和边缘特性方面做了进一步的尝试性

1.1图像的获取和预处理

火焰燃烧时的红外辐射主要集中于950~ 2000nm波段，故本系统采用带有红外线滤镜的 CCD摄像头，该滤镜能将可见光完全滤除掉，只

基干图像处理的火灾监测系统软件设计

有波长>850nm的红外辐射才能形成视频信号。 该视频信号通过海康威视公司的视频卡转换成数 字图像序列。 在实际情况中，大部分时间处于无疑似火源 的状态，故可对图像序列先进行简单的有无异常 情况的判断。本系统采用减法运算检测图像的状 态是否有改变。运算公式为：

低压电器（2006No1

对每个亮点区域进行计算，大大减少了计算量。 同时，可以统计每个图元的亮点数，作为火灾中面 积增大判据的依据。 图1给出了火灾原图像，其中左边亮点区域 为稳定火源，右边较大的亮点区域为火灾火焰，两 个小亮点为干扰亮点。图2是经过图元分割后所 得到的图元区域图。由线框出来的部分为疑似区 域，其余部分均为背景和无需计算的干扰亮点域。 在下文的运算中，只对框里的区域进行运算，避免 了处理背景的大量无用计算，大幅提升效率。

其中，P（x，y)为待处理的图像，P(x，y)为基准图 像。当△P（x，y）=0时，表示当前图像无异常； AP（x，y）≠0时，表示出现新的火源或亮点，则进 人下面对各种特征值的计算，判断该异常图像是 否为火灾图像。

经过预处理的图像可能有多个区域的亮点， 故采用图像分割算法对图像进行区域分割，再在 各分割区域提取有用的特征信息

图像区域分割即是找出图像亮点区域，将有 特征信息的区域从背景中分离出来。本系统采用 四邻区域搜索法来获取亮点区域，并保存每个疑 似火灾区域的位置。在下文的计算中，都直接针

图2经图元分割后得到的图元区域

经过图像区域分割后，对各区域进行图像平 滑，然后检验各亮点区域的形状是否满足火灾火 焰的特征。边界链码中蕴含着比单个参数更多的 信息，可以更准确地获取物体的周长，又用比图像 本身更紧凑的方式描述物体的形状，可用于计算 火焰尖角。 近年来提出了许多利用梯度最大值或二阶导 数过零点提取边界的方法，这些算法计算量较大 且可能出现边缘不闭合的情况，导致边缘链码提 取困难，故不适合采用。本文采用了经典拉普拉 斯算子，其模板为

低压电器（2006No1）

基于图像处理的火灾监测系统软件设计

为√2。按上述规则遍历边界链码，即可算出边界 长度。通过统计图元的亮点数可获得面积。圆形 度对圆形物体取最小值4，物体形状越复杂其值 越大。本文将圆形度值除以4m，使圆形度的最小 值为1，以便观测。 由表1可知，圆形度作为表征火灾火焰特性 的判据是十分有效的，左边干扰区域（图元序号 为0)计算所得的圆形度为1.095，远小于右边火 灾火焰区域（图元序号为1)计算出的圆形度值 2.701，由此可以做早期的判断，排除规则发亮物 体的干扰，从而减少计算量。

经典拉普拉斯算子方向性较强，边缘增强的 效果还是令人满意的（见图3）。

图3 拉普拉斯算子提取的边缘

经典拉普拉斯算子所提取的边缘有可能把不 是边界的地方标注成了边界，边缘粗且出现毛刺， 为获取能真实地反映物体形状的边界链码，先必 须对提取的边界进行细化、去毛刺处理。经过这 两步处理后，边缘修整为闭合的曲线，在任何方向 的宽度都小于2个像素，这样就可以方便地提取 边界链码了。 边界链码是通过带有给定方向的单位长度的 线段序列来描述物体，其方向码如图4所示。序 列的第1个元素带有其位置的信息，以便重建区 域。通过边界搜索算法去掉孤立边界点，获取边 界链码。

1.4圆形度和火焰尖角的计算

圆形度表征物体形状的复杂程度，其计算公 式为

圆形度= 周长 面积

表1图2中各图元的计算结果

2.1系统软件基本流稀

利用上述对火灾火焰特征的论述，并使用3 层BP神经网络计算火焰特征值与火灾发生概率 间的关系”。采用VisualC++平台编制实现算 法，其火灾识别算法的基本流程如图5所示

周长为物体的边界长度，可从边界链码中得到。 垂直的和水平的步幅为单位长度，对角步幅的长 度为√2.2个直角步还原成一个对角度，其步幅也

基于图像处理的火灾监测系统软件设计

本实验收集了1000幅576×702像素的火 灾图像和干扰光源图像，对比了经典算法和本文 算法的效率差异。表2是在P42.4GB计算机上 各算法的效率平均值的对比。本文算法和经典算 法的处理结果基本一致2022年一级建造师-市政-02.2022年一建《市政》精讲强化讲义城镇道路工程10（彩色观看版），但效率提高近4倍。

表2各算法平均耗时纪录

本实验测试了各种不同情况下火灾判别的结 果（见表3）。由表3可知，本文的算法是比较成功

低压电器（2006No1)

的。它可以将“白炽灯连续向前移动并晃动”这 种复杂的情况识别出来，表明系统有很高的准确 性和可靠性。

本文根据火灾火焰图像的特性，采用阈值分 割算法将疑似火灾区域提取出来，将算法平均处 理时间降为经典算法的1/4，使之满足火灾探测 系统的实时性要求。并用基于边界链码的方法获 取了圆形度和火焰尖角数。通过大量的实验，取 得了较好的识别结果。

t zzb 2774—2022标准下载《低压电器》荣获我国期刊界最高政府奖

衷心感谢读者、作者和社会各界同仁 给予《低压电器》一贯的支持与厚爱！