[发明专利]一种图像型火灾火焰识别方法

说明书

技术领域

本发明属于图像采集及处理技术领域，尤其是涉及一种图像型火灾火焰识别方法。

背景技术

火灾是矿井重大灾害之一，严重威胁着人类健康、自然环境和煤矿的安全生产。随着科技进步，火灾自动检测技术逐渐成为监测和火灾预警的重要手段。现如今，在煤矿井下，火灾预测及检测主要以监测火的温度效应、燃烧生成物（发生烟雾与气体的效应）和电磁辐射效应为主，但上述现有的检测方法在灵敏度和可靠性方面都尚待提高，并且不能对早期火灾作出反应，因而与日趋严格的火灾安全要求已不相适应。尤其是当大空间内存在遮挡物时，火灾燃烧产物在空间的传播会受到空间高度和面积的影响，普通的点型感烟、感温火灾检测报警系统无法迅速采集火灾发出的烟温变化信息，只有当火灾发展到一定的程度时，才会做出响应，从而难以满足早期检测火灾的要求。视频处理技术和模式识别技术的迅速发展使火灾检测和预警方式正朝着图像化、数字化、规模化和智能化方向发展。而基于视频监控的火灾检测技术具有探测范围广、响应时间短、成本低、不受环境影响等优势，结合计算机智能技术可以提供更直观、更丰富的信息，对煤矿的安全生产具有重要意义。

目前，视频火灾检测技术在国内外尚属起步阶段，产品在检测方式、工作原理、系统结构以及实用场合等方面存在差异，典型的系统主要有美国axonx LLC公司开发的Signi Fire TM系统、美国DHF Intellvision公司开发的Alarm Eye VISFD分布式智能图像火灾检测系统、美国Bosque公司的红外和普通摄像机的双波段监控、瑞士ISL公司和Magnox Electric公司联合开发的用于电站火灾监控的VSD-8系统。国内对火灾检测和自动灭火的研究目前中国科技大学的火灾科学国家重点实验室做得比较领先，另外天津大学、西安交通大学、沈阳工业大学与上海交通大学也做了积极研究，但上述图像火灾检测系统多用于电站、建筑、仓库等的火灾检测，在煤矿井下的应用相对还比较少。近年来，国内外很多研究人员对这种图像型火灾检测系统的关键技术即火焰图像分析算法开展了深入的研究，并做出了巨大贡献，主要体现在以下方面：①基于火焰静态特征如像素亮度、色度等光谱特性和区域结构如形状、轮廓等的视频火焰检测方法；②基于火焰颜色运动区域的视频火焰检测方法；③基于火焰频闪特性与时频特性的视频检测方法。但上述火焰图像分析算法的研究在现有视频火灾检测系统上应用时，均不同程度地存在一定的局限性，在复杂场景中不能有效地去除干扰，系统误报漏报较严重。因此，现如今缺少一种方法步骤简单、实现方便且操作简便、可靠性高、使用效果好的图像型火灾火焰识别方法，能有效解决现有视频火灾检测系统存在的复杂环境下可靠性较低、误报漏报率较高、使用效果较差等问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种图像型火灾火焰识别方法，其方法步骤简单、实现方便且操作简便、可靠性高、使用效果好，能解决现有视频火灾检测系统存在的复杂环境下可靠性较低、误报漏报率较高、使用效果较差等问题。

为解决上述技术问题，本发明采用的技术方案是：一种图像型火灾火焰识别方法，其特征在于该方法包括以下步骤：

步骤一、图像采集：采用图像采集单元且按照预先设定的采样频率f_s，对待检测区域的数字图像进行采集，并将每一个采样时刻所采集的数字图像同步传送至处理器；所述图像采集单元与处理器相接；

步骤二、图像处理：所述处理器按照时间先后顺序对步骤一中各采样时刻所采集的数字图像分别进行图像处理，且对各采样时刻所采集数字图像的处理方法均相同；对步骤一中任一个采样时刻所采集的数字图像进行处理时，均包括以下步骤：

步骤201、图像预处理，过程如下：

步骤2011、图像接收与同步存储：所述处理器将此时所接收的当前采样时刻所采集的数字图像同步存储在数据存储器内，所述数据存储器与处理器相接；

步骤2012、图像增强：通过处理器对当前采样时刻所采集的数字图像进行增强处理，获得增强处理后的数字图像；

步骤2013、图像分割：通过处理器对步骤2012中增强处理后的数字图像进行分割处理，获得目标图像；

步骤202、火灾识别：采用预先建立的二分类模型，对步骤2013中所述目标图像进行处理，并得出当前采样时刻待检测区域的火灾状态类别；所述火灾状态类别包括有火焰和无火焰两个类别，所述二分类模型为对有火焰和无火焰两个类别进行分类的支持向量机模型；

所述二分类模型的建立过程如下：