多波段红外图像型火灾探测系统及其火灾预警方法

专利名称：多波段红外图像型火灾探测系统及其火灾预警方法
技术领域：
本发明涉及消防领域，具体是涉及基于图像识别的火灾探测系统及其火灾预警方法。

背景技术：
人类发展到今天，火灾依然是威胁人类生命安全的重大灾害。火灾不仅吞噬人们的财产，还会夺走人们的生命，其巨大危害不言而喻。人们一直寻找新的技术和方法，以期对火灾进行检测控制，达到最大程度的减小“火”给人们带来的灾难。
目前通用的火灾探测方法是探测火灾发生时生成的烟，经信号处理、比较和判断后发出火灾报警信号，但此类报警系统多是火灾已经形成后进行的报警。
然而随着社会的不断发展，城市用地的不断减少，使得城市建筑物朝着高层化、密集化的方向发展，建筑物的装修用料和方式也越趋多样化，并随着用电量及天然气耗量的加大，对火灾自动报警系统设计提出了更高、更严格的要求。近些年来大空间建筑(例如大型公共娱乐场所、歌剧院、大型仓库、大型集贸市场、车库、油库、候车大厅和候机大厅等)及地下建筑(如地下隧道、地铁站道、地下大型停车场和地下商业街等)的数量不断增加，由于此类建筑内部往往举架高、跨度大，火灾初期烟雾扩散受到建筑内部安装的空调和通风系统等影响较大，有的场所人员密集，易燃品多，火灾隐患多。而且此类建筑火灾蔓延迅速，生成烟气毒性大，人员疏散避难及火灾扑救困难，一旦发生火灾往往造成很大的经济损失和恶劣的社会影响。因此，从被动的火灾扑救发展到主动的去探测预防火灾，探测和扑救并行，以期将其扼杀在尚未造成太大破坏发生的早期是目前火灾报警的重点和难题。
纵观目前的探测技术，如图1所示，接触式探测有感温探测技术、感烟探测技术、气体探测技术，静电探测技术等。非接触式探测有火焰探测技术、声音探测技术、图像探测技术等。它们都有各自的优缺点，比如感温探测技术灵敏度低，探测速度慢，报警时间迟，易受气温或温度变化的影响，对阴燃火反应差，不适用于早期报警。感烟探测技术无论是离子感烟探测器还是光电感烟探测器都是对粒子进行探测，易受各种灰尘、水滴、油雾、昆虫等粒子的干扰，误报率高。火焰探测技术是一种对火焰发出的辐射进行探测的火灾探测器，当响应波长低于400nm辐射磁通量时为紫外探测，波长高于700nm辐射磁通量时为红外探测，响应速度快，可早期报警，但易受电焊弧、雷击、照明、太阳光的干扰。
可以说，所有的火灾自动报警技术主要是基于传感器的检测。在现有的各种火灾报警和消防监控设备中，大多数场所的火灾检测中，都采用常规的火灾探测的方法，如感烟、感温、感光探测器，它们分别利用火焰的烟雾、温度、光的特性来对火灾进行探测。但在室外仓库和大型室内仓库等大空间场合中，上述传感器信号由于空间的巨大而变得十分微弱，即使是高精度的传感器也会由于种种干扰噪声而无法工作。
传统的火灾探测器用于对监控现场敏感现象(如烟雾浓度、温度、火焰等)的实时变化进行检测，提取实时参数，它的性能优劣直接会影响火灾自动报警的准确度和可靠性。因此，火灾探测器在整个系统中起着举足轻重的作用。由于一些大空间及地下建筑的特殊性，普通的点型感烟、感温火灾探测报警系统无法迅速采集火灾发出的烟温变化信息，这些传统检测方法存在一定的缺陷。
一方面是因为在一个实际应用的建筑物系统中各种探测器所处的环境相互之间相差较大，每个探测器本身在一天或一年中不同的时刻相差较大。
另一方面，火灾危险的场所往往不能使用感烟、感温传感器，因为初期火的热和烟难以到达空间很高的场所，如剧场、仓库等，这类探测器因此难以满足早期探测并预报此类建筑火灾的要求。
长期以来，在高大空间或具有高速气流的场合，尤其是在户外(如森林防火)，早期火灾的烟雾探测在世界范围内都是一个难题。因为在这类环境下，存在着许多影响火灾探测的因素，主要包括探测方式、空间高度、热量屏障、覆盖范围、气流速度、易爆、有毒气体、可以接受的误报率、警报信息管理以及远程信号传输等等。传统的探测手段往往在这样的环境中失去了作用。在这种情况下，由于图像型火灾探测技术对于火灾探测具有非接触式探测的特点，不受空间高度、热障、易爆、有毒等环境条件的限制，使得该项技术成为在大型工厂、仓库、森林等大空间和室外开放空间进行火灾探测的有效手段。


发明内容
本发明的目的之一是提供一种不受空间高度、热障、易爆、有毒等环境条件的限制，可在大空间和室外开放空间(如森林防火)进行火灾早期探测，误报率低，且价格低廉的多波段红外图像型火灾探测系统。
本发明的目的之一是提供一种进行火灾早期探测的多波段红外图像型火灾预警方法。
本发明的目的之一是提供一种不受空间高度、热障、易爆、有毒等环境条件的限制，可在大空间和室外开放空间(如森林防火)进行火灾早期探测，能进行低温探测的多波段红外图像型火灾探测系统。
为了实现本发明的目的，本发明之一技术方案为 多波段红外图像型火灾探测系统，包括图像采集单元、图像处理和控制单元及报警单元，其中，图像采集单元将采集的图像传送至图像处理和控制单元，经过图像处理和控制单元的处理，判断所采集到的红外图像是否符合火灾的特性，对符合火灾预设值的即向报警单元报警，其中，图像采集单元由半透半反分光镜、及加装红外滤光片的图像采集装置组成，其中被监测区域通过半透半反分光镜被加装不同波长红外滤光片的两个图像采集装置同时监测。
进一步地；图像采集单元中还包括未加装装滤光片的彩色摄像头，所述彩色摄像头与所述加装滤光片的两个图像采集装置位于同一个位置，用于检测同一个火灾区域，当由所述图像采集装置监测的图像被认定符合火灾预设值时，所述彩色摄像头开始抓拍火灾图像。
进一步地；所述图像采集装置是USB数字摄像头；或由CCD模拟摄像头和SDK图像采集卡组成。
进一步地；多波段红外图像型火灾探测系统还预留有通讯接口，可以与任何灭火系统联动。
其中两滤光片波长的选取可根据不同探测场合的温度需要，依据维恩位移定律λmaxT＝a求出在某个温度下光谱辐射出射度的峰值波长，和依据不同图像采集装置对能够成像波长的响应度来适当地选择滤光片。如果采用红外焦平面阵列制作的摄像头(热像仪)，则只要依据维恩定理计算出所需探测温度的红外滤光片波长即可。
本发明另一技术方案为 多波段红外图像型火灾探测系统，包括图像采集单元、图像处理和控制单元及报警单元，其中，图像采集单元将采集的图像传送至图像处理和控制单元，经过图像处理和控制单元的处理，判断所采集到的红外图像是否符合火灾的特性，对符合火灾预设值的即向报警单元报警，其中，图像采集单元由半透半反分光镜和红外焦平面阵列热像仪组成，其中被监测区域通过半透半反分光镜被两个焦平面阵列热像仪同时监测。
本发明另一技术方案为 多波段红外图像型火灾探测方法，按以下步骤探测 1)被监测区域的情况通过半透半反分光镜被两个加装不同波长的红外滤光片的图像采集装置同时监测；两个图像采集装置同时拍摄到的两幅红外目标温度图像相位一致； 2)然后将由两个图像采集装置同时拍摄到的两幅红外图像经传送至图像处理和控制单元，图像处理和控制单元首先对两个图像采集装置所采集的两幅红外图像进行双波段温度识别；将长、短两个波段采集的红外图像进行像素比较，如果比值大于1，说明目标温度低于所设置的报警温度阈值，一旦被监测区域发生火灾，则长、短两个波段采集的红外图像的像素比小于1，则说明目标温高于所设置的报警温度阈值，判断为疑似火灾； 3)再将其中任一图像采集装置连续采集的多帧图像进行比较，具有温度越限的疑似火灾目标的红外图像的面积是否随时间而增大，以及边缘是否规则，当目标物体的图像面积扩大，且图像形状不规则时，判断为疑似火灾。
进一步地；2)然后将由两个图像采集装置同时拍摄到的两幅红外图像传送至图像处理和控制单元，图像处理和控制单元首先对同一图像采集装置所采集的连续两幅图像进行相减取绝对值，当绝对值不为零时；再对两个图像采集装置同时所采集的两幅图像进行双波段温度识别；将长、短两个波段采集的红外图像进行像素比较，如果比值大于1，说明目标温度低于所设置的报警温度阈值，一旦被监测区域发生火灾，则长、短两个波段采集的红外图像的像素比小于1，则说明目标温高于所设置的报警温度阈值，判断为疑似火灾； 进一步地；通过对其中一图像采集装置所采集的一幅图像进行灰度级的分析，来判断火焰的外焰较内焰和焰心部分像素值的大小，如果目标图像边缘的像素值大于内焰和焰心，则判断为火灾。
进一步地；所述图像采集单元中还包括未加装装滤光片的彩色摄像头，所述彩色摄像头与所述加装滤光片的两个图像采集装置位于同一个位置，用于检测同一个火灾区域，当由所述图像采集装置监测的图像被认定符合火灾预设值时，所述彩色摄像头开始抓拍火灾图像。
进一步地；图像处理和控制单元对2监控到的彩色图像(没加滤光片的彩色摄像头3(HD-HV1302UC))进行区域划分，一旦某个区域发生火灾隐患，系统则调用预先存储的相应的语音广播，通知现场的人员紧急撤离和应急疏导。
进一步地；根据图像(彩色摄像头3监控到的彩色图像)的坐标，对起火点进行定位与跟踪。
本发明中所述的半透半反镜是能够对入射的光透射50％光强，反射50％光强，达到半透半反的效果。本发明中采用的半透半反镜适用波长范围为400nm-750nm，这是较常用的一种。其主要作用是为两个加装红外滤光片的摄像头提供相位完全一致的成像光路，这就有效地保证了两个位置不相重叠的摄像头能够拍摄到相位完全一致的红外图像，而这两幅相位完全一致的红外图像，在进行图像处理时，可以大大简化火灾图像识别算法的复杂度，有效提高火灾判别的精确度，误报率低。
一般来讲，火灾图像具有如下的特点 早期火灾的热物理现象主要有阴燃、火羽流、烟气。
阴燃是只在气固相界面处的燃烧反应，而没有气相火焰的燃烧现象。阴燃的温度较低，燃烧速度慢，不易发现，因而危险性很大。作为自我维持而无明火燃烧，阴燃的典型温度范围600K-1000K。
火羽流是任何火灾都要经历的一个重要的初始阶段即在火焰上方由浮力驱动的热气流持续上升进入新鲜空气所占区域。从火灾初起，就存在着这种被称为火羽流的燃烧现象。由于其包括火焰部分，故称为火羽流。火羽流的温度是随位置和时间变化且因燃烧材料的不同而不同。由于热解的典型温度在600K-900K之间，而气相火焰为1200K-1700K。对火灾探测有意义的早期火羽流温度不应大于1700K。因此，典型的火羽流温度范围为500K-1700K。
烟气是燃烧产物中的微小颗粒的集合。由于烟气在流动的过程中与周围环境的热交换，其温度逐渐下降，因此可以确定一般条件下，烟气温度的上限低于火羽流的温度，而下限高于环境温度。一般为300K-800K。早期火灾各种热物理现象的温度范围及对应峰值波长范围如图2所示 上述热物理现象在火灾发生时都因与周围环境存在着温度差而有一定的边缘和形体效应。通常，这种边缘和形体效应在可见光的范围内表现出来，就是所谓的图像信息。若要领先其自身发光而表现出物体形体的图像信息，其温度必须在600K以上。获得图像信息后，就要根据火灾辐射与背景辐射的区别，将其检测出来。
火灾辐射特点根据不同的性质，火焰可以分为两种，即预混合火焰和扩散火焰。预混合火焰具有蓝色本性灯火焰的特征，火焰的燃烧是完全的。扩散火焰是较普通的黄色火焰，这种火焰是由于不完全燃烧的结果而形成的。这两种性质不同的火焰的光谱能量分布特征如图3所示。
火焰是包含各种燃烧生成物和中间物的高温气体和以含炭物质、无机物为主体的高温固体微粒构成。因此，火焰的热辐射包含离散光谱的气体辐射和连续光谱的固体辐射。火焰的波长在0.2-10μm的范围内，不同物质的燃烧，其辐射强度随波长分布多少有些不同。如图4所示各种不同材料的火焰光谱能量分布。
可以看出，大多数材料如纸张、木材、油类、汽油和其它烃类物质不仅发出可见光辐射，而且还有很强的红外辐射。
闪烁闪烁是火焰区别其它辐射的一个显著特征。研究表明，自由燃烧状态下的火焰产生无规则的闪烁，如果对火焰发出的红外线频率进行分析，可以观测到其峰值频率约10Hz左右。当然，受到火灾规模和风的影响，其闪烁频率在2-20Hz之间范围内会有所变化。
由于扩散火焰的辐射受这个有意义的调制量作用，而背景辐射一般情形下没有类似这种方式的调制作用，因此，按火焰闪烁原理工作的探测器可表现出对背景分辨能力很大的改进，从而相应地减少误报率。
辐射亮度增长液体火灾的辐射亮度的增长速率很高，而对于像木材类的火灾辐射亮度的增长速率却低得多。探测器探测初期火灾，检验火灾初始的辐射亮度的增长速率是十分有用的。
辐射面积增长火灾从发生起就开始不断地蔓延扩散，其辐射面积在火灾发生的初期速率增长很高，而后慢慢降低。探测器探测初期火灾，检验火灾初始的辐射面积增长速率是十分有用的。
背景辐射特点在任何火灾探测过程中，均存在着一定的背景信号，因此，火灾信号必须与背景信号区别开来。对于火焰探测器来说，背景辐射信号主要来自太阳的天然辐射(阳光直射、通过反射表面的反射)、其它自然光源和高强度的人工辐射光源的辐射。
太阳辐射在红外光谱区，太阳辐射是一种温度约为6000K的黑体辐射。然而，在地球上看到的太阳光谱受大气吸收而改变，在小于280nm的波长上，阳光辐射完全被上层大气的臭氧层吸收。在2.7μm波长上，由于水蒸气和CO2的作用，在4.3μm的波长上，完全由于CO2的作用，阳光辐射也完全被吸收。
火焰探测器的设计通常利用阳光辐射被吸收的这些谱带。
背景辐射调制作用尽管太阳是一稳定的辐射源，但大气的不均匀性引起的闪烁将导致在地面上任意点接受的辐射有一个幅值调制分量。直接或经反射的太阳辐射的调制作用，也可能由于云雾遮挡、风吹树叶及水面波浪、机械转动等引起。处于火焰闪烁频率范围内的背景辐射的调制作用必须引起足够重视。
人工辐射源与太阳辐射源相比，人工辐射源的辐射比较容易预防。
人工光源的总辐射能量通常是小于阳光辐射能量。
人工光源的变化是瞬间的，辐射亮度和面积增长速率在瞬间由极大变为零等。
根据普朗克辐射定律，凡是温度大于绝对零度的物体都会产生红外辐射。自然界中实际物体的温度均高于绝对零度。因此，自然界中的任何物体都存在红外辐射，同时也吸收周围其它物体的红外辐射。根据普朗克公式，绝对黑体的辐射出射度Mλ与黑体温度T和波长λ的关系为 其中c1＝3.7418×10-16(W·m2)叫第一辐射常数，c2＝1.4388×10-2(m·K)叫做第二辐射常数。黑体的辐射出射度Mλ的含义是在指定波长λ处，辐射源单位表面积向半球空间发射的辐射功率，单位为W·m-3。普朗克公式描述了黑体辐射的光谱分布规律，它揭示了辐射与物质相互作用过程中和辐射波长及黑体温度的依赖关系，是黑体辐射的理论基础。
斯忒藩-玻尔兹曼定律该定律表达为黑体单位面积辐射到半球空间的在λ1～λ2波段内的总功率M(W·cm-2)为 微分普朗克定律式(2-1)，求出极大值，就得到维恩位移定律 λmaxT＝a (2-3) 式中λmax-光谱辐射出射度的峰值波长，其中a是与温度无关的常数，a的近似值是0.2897cm·K，T为开氏温度。因此，光谱辐射出射度的峰值波长与绝对温度成反比。将(2-2)式带入(2-1)式，得出维恩定律的另一个形式，给出了光谱辐射出射度的峰值 式中

-光谱辐射出射度的峰值(W·cm-2·μm-1)，b为1.2862×10-15W·cm-2·μm-1·K-5。如图9给出了300K-1700K绝对黑体光谱辐射出射度与波长的关系曲线。
这些曲线可以看出黑体辐射的几个特性 每根曲线不相交，与曲线下的面积成正比的总辐射出射度是随温度增加而迅速增加的，因而温度越高，所在波长上的光谱辐射出射度也越大； 光谱辐射出射度的峰值波长随温度增加向短波方向移动。
然而，在自然界中绝对黑体是不存在的，为了描述非黑体的辐射，引入辐射发射率的概念，用ελ表示 辐射发射率的含义为，在相同温度下，辐射体的辐射出射度与黑体的辐射出射度之比，是波长和温度的函数，还与辐射体的表面性质有关。根据物体辐射发射率ελ的不同，将辐射体分为三类 1)黑体，ελ＝1； 2)灰体，ελ＝ε＜1，与波长无关； 3)选择体，ελ＜1且随波长和温度而变化。
可以看出，黑体的辐射特性1)、2)同样适用与一般物体。
从目标出发的红外辐射，在到达红外系统之前受到大气中某些气体的选择性吸收、大气中悬浮微粒的散射，因此，辐射能受到衰减。红外辐射通过大气的透过率可表示为 τ＝e-σx (2-6) 式中σ为衰减系数，x为通过大气路程的长度。
值得注意的是，较大的液体金属的铸造过程可能产生高强度的人工辐射光源。钨丝白炽灯在0.75-1.4μm波段内发射50％的功率，钨丝灯辐射功率最大值位于1μm波段，波长大于3.5-4μm的辐射绝大部分透不过灯泡玻璃。交流电的灯光(尤其是辉光放电灯管)发射受调制的辐射，但其调制频率是在火焰闪烁频率范围以外，故可由适当的电子滤波器排除。
可燃物在燃烧时会释放出频率范围从紫外到红外的光波，在可见光波段，火焰图像具有独特的色谱、纹理等方面的特征，使之在图像上有明显的区别与背景。可以利用这些特征，利用图像处理的方法，对火灾进行识别。所以借助红外波段的图像识别，利用红外成像的原理获取燃烧初期所发出的红外图像进行图像处理，从而达到监控的目的。
滤光片波长的选择主要依赖于光谱辐射理论基础。可见光图像和红外图像在成像机制上存在固有差异，同一场景可见光图像提供的特征与红外图像提供的特征通常并不相同，它们具有不同的灰度级别特征，在可见光图像中出现的特征并不一定在红外图像中也出现，从而达到消除部分干扰信号。
(一)实验测得的温度 根据普朗克公式，绝对黑体的辐射出射度Mλ与黑体温度T和波长λ的关系如式(2-1) 微分普朗克定律式(2-1)，求出极大值，就得到维恩位移定律(2-3) λmaxT＝a (2-3) 式中λmax-光谱辐射出射度的峰值波长，其中a是与温度无关的常数，a的近似值是2897.8±0.4μm·K，K为开氏温度。然后根据式(2-3)，可以求出在某个温度下光谱辐射出射度的峰值波长，即可根据此波长来适当地选择滤光片。
(二)红外辐射的波长 当火灾发生时，对我们有用的温度范围为600K-1700K，在这个范围我们可以尽早的对火灾进行报警，人眼只对380nm～780nm的电磁波有亮度感觉，而波长小于400nm的电磁波称为紫外线，波长大于750nm的电磁波称为红外线。火焰燃烧的红外辐射主要集中于950nm～2000nm波段。
因此必须采用某种合适波段的滤光片，使得检测区域高温目标辐射的最大区域在摄像头上成像，压制现场低温背景成像的幅度，同时最大限度地保留监测的火灾目标的能量，实现增加对比度的目的，清楚的采集到火灾初期发生的红外图像。
不同波长的红外滤光片有不同的应用效果，因此选择适合于火灾图像上的红外滤光片波长是必要的。红外滤光片的选取主要根据以下两条原则依据维恩定理计算所需探测温度的红外波长和依据不同摄像头对能够成像波长的响应度。如果采用红外焦平面阵列制作的摄像头(热像仪)，则只要依据维恩定理计算出所需探测温度的红外滤光片波长即可。采用波长是0.8μm和1.0μm滤光片的透过率如图7所示。
从图8的分析比较可以看出，摄像头在有无滤光片的情况下所采集到的图像是不同的，不同红外滤光片可有效滤除人工照明灯光等背景干扰的影响，降低软件识别算法的复杂度，从而能更好的实现火灾前期的探测。
针对火灾的实际情况，需要监控系统能在一定大的范围内并且有较高的精度来检测出火灾隐患。单波段算法对火灾红外图像的采集，其像素会随着距离和光照等外界因素的变化而变化，从而大大降低了探测精度，增加了误报率的可能性。
双波段算法能有效地消除距离和光照等外界因素的干扰，并且通过两个摄像头的监控，大大降低了误报率。
采用在两个摄像头前加红外滤光片来检测同一幅图像，分别检测两个波段，然后再进行处理，得出的结果与距离无关，只要在摄像的范围之内的火灾就可以检测到。随着火灾温度的变化，其发出的红外光波长也在不断变化，反应在图像上(如图5所示)，就是峰值在不断变化，这就使检测到的图像像素值在不断变化，而无法得到一个确定的数值。虽然波长在不断变化，但透过长、短两个滤光片而得到的图像像素值(如图5所示)之比在火灾发生前大于1是不变的，每一个温度都有一个自己的比值，经过实验，可以得到每一个比值与温度的一一对应关系。据此，可以通过检测到的图像来计算出图像的相应温度，然后与实验和经验所得到的相应火灾发生时的阈值温度相比较，从而判断有无火灾发生，如果计算所得温度大于阈值则判定火灾发生，反之无火灾。
该原理可简单表述为当辐射能入射到物体表面时，物体在固定波段λ1～λ2和λ′1～λ′2上接收到的能量比值服从一个仅与温度有关的函数分布。
对于λ1～λ2波段，由式(2-1)、(2-2)、(2-5)、(2-6)得，物体单位面积内接受到的辐射功率为 同理，对于λ′1～λ′2波段，其单位面积内接受到的辐射功率为 则有能量比值D服从，

(2-9) (2-9)式中仅有唯一变量T，双波段原理得证。
在图5中，该原理可表示为两阴影部分面积之比S1/S2服从温度的函数。
图6为在大气下λ1～λ2为3～5μm，λ′1～λ′2为8～12μm的计算所得D-T关系曲线。
双波段的优越性主要体现在以下几方面 采用的双波段的检测手段，可以进行在摄像范围之内的检测，而不受距离的约束，提高精度。
通过两个摄像头的采集，通过采集的两幅图像像素比值的运算，有效地消除距离和光照等外界因素的干扰，减小误报率。
火焰燃烧时的红外辐射主要集中于950～2000nm波段，所在图像获取的时候可使用带有红外滤光片的摄像头，该滤光片能完全滤除可见光。
在实际情况中，系统的大部分时间处于没有疑似火源的状态，故可对图像序列先进行简单的有无异常情况的判断。本系统采用差分运算检测图像的状态是否有改变。运算公式为 ΔPi(x，y)＝Pi(x，y)-P(x，y)(3-1) 其中，Pi(x，y)为待处理的图像，P(x，y)为基准图像 而ΔPi(x，y)值的确定是根据环境而不同的，所以根据实验的结果，采用一种阈值自动选取方法来进一步提高图像预处理的判断力度。
在火灾检测中，阈值处理可采用最大类间方差法(又称Otsu阈值算法)获取。
记f(i，j)为M×N图像(i，j)点处的灰度值，灰度级为m，不妨假设f(i，j)取值
。记p(k)为灰度值为k的频率，则有 假设用灰度值t为阈值分割出的目标与背景分别为{f(i，j)≤t}和{f(i，j)＞t}，于是 目标部分比例 目标部分点数 背景部分比例 背景部分点数 目标均值 背景均值 总均值μ＝ω0(t)μ0(t)+ω1(t)μ1(t) 最大类间方差法指出求图像最佳阈值g的公式为 式(3-3)右边括号内实际上就是类间方差值，阈值g分割出的目标和背景两部分构成了整幅图像，而目标取值μ0(t)，概率为ω0(t)，背景取值μ1(t)，概率为ω1(t)，总均值为μ，根据方差的定义即得该式。因方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。
μ0(t)和μ1(t)，可以分别代表目标和背景的平均值灰度，μ则代表整幅图像的中心灰度，要使目标和背景得到最好的分割，当然希望分割出的目标尽量远离图像中心，即(μ0(t)-μ)2(或|μ0(t)-μ|)尽量大，背景也尽量远离中心，即(μ1(t)-μ)2(或|μ1(t)-μ|)尽量大，由于希望两者都大，于是 1)两者之加权和最大 2)两者之积最大 注意有到μ＝ω0(t)μ0(t)+ω1(t)μ1(t)，且μ0(t)≤μ≤μ1(t)，因此有 ω0(t)(μ0(t)-μ)2+ω1(t)(μ1(t)-μ)2＝(μ-μ0(t))(μ1(t)-μ)(3-6) 由此可见二者是等价的。
所以，系统采取对连续5帧的图像数据流计算g值，把最高与最底的g值取出，形成一个阈值范围带。如果前面ΔPi(x，y)的值在这个范围内，那么进入火灾图像识别流程，否则就认为没有异常的情况。
面对Otsu占用计算机资源的情况，本系统采用分阶段来计算求像最佳阈值g的方法来实现对减少对资源的消耗。刚开始系统初始化时，Ostu算法是必须的。随着系统探测的进行，采用一个定时器来进行对Ostu算法的计算，其基本思想是随着时间的流逝，对Ostu的计算会越来越少，然而系统一旦检测到有情况时，定时器从头开始计算。
依据红外火灾图像的特点，并结合采集到的图像数据进行分析。给出了经典的火灾特征模型，包括温度、面积、速率、火焰形状。根据分析的数值，提出了动态数据的环带线聚类算法。
红外图像反映的是目标和背景自身向外界红外辐射能量的差异，因此，红外图像主要描述的是目标和背景的热辐射，其火灾初期红外图像有以下特点 红外图像的灰度分布，实际上对应于火灾和背景的温度和发射率的分布。红外成像只能从红外特有的低差图像中抽取所需信号，数字图像中可利用的基本信息是以像元强度形式出现的。
由于红外图像摄取的每秒帧数不是很大，目标周围的辐射分布在两帧之间基本上保持不变，这个性质为逐帧分析目标特征和目标图像的预处理提供了保证。
由于红外图像处理方法建立在二维数据处理和随机信号分析的基础上，其特点是信息量大，因而计算量和存储量也大，红外成像信息处理必须实时、快速、简单、可靠；大容量信息存储和高速信息处理，始终是图像处理的技术关键。
在要发生火灾时，一般可燃物会生成大量炽热微粒。这些炽热微粒使火焰发射出电磁波辐射，包括可见光，这些光学特性为远距离探测火灾提供了可能。产生的能量辐射和辐射光谱，在可见光和红外波段都有体现。同时，这些炽热的发光微粒的集合会勾画出火焰形状。我们就利用这个时候的炽热微粒所产生的火焰形状通过红外取像来判别火灾的发生。任何火焰都可以分为外焰、内焰和焰心三部分。外焰温度最高，其次是内焰，焰心温度最低。因而造成火焰图像灰度级呈一定的分布规律。
如图20是一组有无滤光片拍摄到的图像比较从这些图像的分析比较中，我们可以看出，红外滤光片可有效滤除人工照明灯光等背景干扰的影响，从而能更好的实现火灾前期的探测。
从图21和22中可以明显的看出，红外滤光片的作用以及有火灾情况与没有时的图像信息的差别。
由上述内容可知火灾发生的初期其温度有明显的变化过程，而太阳温度的变化及其缓慢，而人工辐射源的变换常常是在瞬间完成的，故而可以将温度的变化速率作为分离依据。通过设定合适的速率阈值，可辅助滤除部分背景信息。
设图像中某点的坐标为(m，n)，其t时刻的象素值为l(m，n，t)，则其象素的变化速率v(m，n)为 v(m，n)＝dl(m，n，t)/dt(4-1) 计算机处理时需用差分来近似微分运算， v′(m，n)＝|L(m，n，t2)-L(m，n，t1)|/t2-t1 (其中，t2＞t1) (4-2) 根据试验，可得火灾图像的变化算率区间I1。当v′(m，n)∈I1时，保留点(m，n)的象素值；当时，去除点(m，n)的象素值。
该算法可去除太阳和瞬间变化光源(如打开白炽灯)的信息，保留可观测动态变化的信息。
物体的温度越高其辐射能量的值越大，相应其形成的图像象素值越高。通过设定合适的阈值，可进一步滤除低温背景的信息。
设波段λ1～λ2图像中点的坐标为(m，n)，其t时刻的象素值为L(m，n，t)；(m，n)在波段λ′1～λ′2图像中对应于点(m′，n′)，其t时刻的象素值为L(m′，n′，t)。则有基于双波段原理生成的比值图像象素值D(m，n，t)为 D(m，n，t)＝L(m，n，t)/L(m′，n′，t) (4-3) 由试验可得比值图像象素值区间I2。当D(m，n，t)∈I2时，保留点(m，n)的象素值；当时，去除点(m，n)的象素值。
该算法进一步去除低温背景的信息。
经过以上技术的处理后，图像显示的是具有动态特征的高温物体。它既可能是火灾，也有可能是人为制造高温物体，如点燃香烟蜡烛、打火机等。火灾区别于其它高温物体显著特征就是，其面积范围在不断的扩大且不规则。通过跟踪疑似目标的面积变化情况，可以确定是否火灾发生。
计t时刻比值图像中非零值象素点的个数为面积S(t)，则有面积增长率α为 α＝dS(t)/dt(4-4) 同样使用差分近似微分，则有 α＝S(t2)-S(t1)/t2-t1 (其中，t2＞t1)(4-5) 当α＞1时，表明疑似目标为火灾；α≤1时，表明疑似目标并非火灾。由试验测试表明，火灾探测一段时间内的各采集的量值不是相互独立，呈一种与火灾发生趋势的分布。虽然各个数据点的值不断的在变化，但是根据前面的数值分析可知，火灾过程中炽热的发光微粒的集合就会勾画出火焰形状。火灾发生后，随着火势的增大，火焰不断地增强，火焰的图像一方面表现为火焰面积、边缘在不断变化；另一方面从其形状变化、空间变化、空间分布有一定的相似度，特别是时间间隔较短的连续帧图像，每幅连续帧图像的相似度更为明显。
而且根据火的特性任何火焰都可以分为外焰、内焰和焰心三部分。因而造成火焰图像灰度级呈一定的分布规律。
连续采集的4幅图像如图24至图30所示，从这些火灾图像信息与其对应的像素值变化中，可以总结一些规律。
随着火灾的发生，其显示在图像上的数值变化也会呈现出辐射与坡度形态。根据这个原理，可以选择其关键数据点(也可以是小范围的关键域)来模拟这个过程。
一幅图像可表示为
f(m，n)为(m，n)点的灰度值，图像中所有的点都可以表达成这种方式，由前面的图像实验数据可知，数值点的变化是从中心开始向周围递减，这是符合火灾发生的规律的，所以呈现在图像上是一种带有明显区别与周边的环带区域。
图31是图24、26、28、30四幅图像的像素值变化区域图，对照中可以清晰的得出这四幅图像的火焰抖动以及图像灰度级分布情况。
根据这些特点，我们可以建立一个模型，而模型中选取的像素点必须大于或等于我们预处理时的阈值。选择大于关键点或区域来做为这个环带变化的数值模型的中心圆心，把扩散到小于阈值的范围内的环带计算其圆心度。考虑到火灾发生时的特征，在环带之外的大于阈值的点或区域，另外建立一个环带。以此类推下去，可能一幅图像数据流上会有几个环带区域。
要提取这里的环带边界涉及到图像处理的轮廓提取。两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果。在这里，选用边界跟踪法提取环带的轮廓。
边界跟踪主要取决于跟踪的起点的选取和跟踪准则的选取。边界跟踪的基本方法是先根据某些严格的“探测准则”找出目标物体上的像素，再根据这些像素的某些特征用一定的“跟踪原则”找出目标物体上的其他像素。一般的跟踪原则是边缘跟踪从图像左上角开始逐像点扫描，当遇到边缘点时则开始顺序跟踪，直至跟踪的后续点回到再没有新的后续点为止。一个环带跟踪完毕，则继续扫描下一个点或区域，直至图像内的所有边缘都跟踪完毕。
从图32图左图可以看出，中心像素可以跟踪的方向有8个，对每个方向指定了方向编号和偏移量。所以开始读取图像信息的时候，一旦发现有大于阈值的信息，则找到了起始点，把该点记录下来，定义初始的跟踪方向是左上方0方向，判断该点是否为目标点，是则把该点为跟踪为起始开始点，逆时针旋转90度作为新的跟踪方向，继续检测该新的跟踪方向上的点，若不是目标点则沿顺时针旋转45度，一直找到目标点。找到目标点后，在当前跟踪方向的基础上，逆时针旋转90度作为新的跟踪方向，用同样的方法跟踪下一个环带的边界。图32的右图是边界跟踪的示意过程，黑点表示边界点，白点为图像的内部点。假设跟踪的初始点在最右下方的黑点，跟踪的初始化设定为左上方45度。按照上面的跟踪准则来不断保存黑点的信息位置，知道检测完毕。
在获得了图像环带区域的标记基础上，通过对图像内每个像素进行标记操作，将环带区域的像素值改为标号，再采用边界跟踪法。跟踪各个环带区域的黑像素标号，记录图像环带边界的坐标值序列。
圆形度用来刻画物体边界的复杂程度，它们在圆形边界时取最小值。，其计算公式为 圆形度＝(周长)2/面积 (4-6) 周长在这里是环带区域的边界长度，而面积则通过计算该区域内的像素点数。这2个值都可以在环带边界的计算中得出。
在得出图像信息流的圆形度之后，随着火灾的进行，图像数值的变化，这圆形度数值也会随着变化。由实际的火灾的状况来看，一般火灾的形状应该会不断的复杂，其圆形度值会慢慢增大。
从连续的图像火灾区域像素值流动分析中，可以看出，一幅图像中可能会有几个环带，而连续的图像信息流中，环带也可以增加出来，既火势蔓延开来的或分散开来的趋势。所以，连续图像流中相关联环带的圆形度有相应的变化，两者的比值一般来说的大于1的，但考虑到火灾的抖动性，其相应环带区域的的圆形度可能会比上一图像的圆形度会小，其比值小于1。
针对这样的情况，依据基于二值的贝叶斯决策算法来进一步加强判断，把问题转化为对特定模式的决策分类问题。
贝叶斯决策判据既考虑了各类参考总体出现的概率大小，又考虑了因误判造成的损失大小，判别能力强。
所以针对上述的情况，对于火灾报警的估计实际上就是一种离散情识别类。在临界点附近的量值判断，对应着实际情况就是两类分类的问题，第一类是非火灾正常，第二类火灾。从数学范畴来讲，在这一临界点上，出现这各种情况却是一种随机分布。ω1的决策对应现场有火灾，ω2的决策对应现场无火灾。系统的模式特征为处理方便取为一定时间的采样进行值量化，即取n维空间矢量x＝(x1，x2，…，xn)，对任意特征x1，x2，…，xn量化后的取值为0或者1。在这里x为连续图像流关联环带的比值，x大于等于1则取值为1，否则取为0。
因为量化模式判断，考虑一个各分量独立的二类问题，此时特征矢量的分量是取0或者1两个值。假定两个判别函数g1、g2，然后根据是否g1＞g2来决定x归类于ω1，定义一个判别函数 g(x)＝P(ω1|x)-P(ω2|x) (4-7) 判别法则为如果g(x)＞0，则决策x归类于ω1，如果g(x)＜0决策x归类于ω2。
设x＝(x1，x2，…，xd)T，且彼此独立，其中分量xi取值0或1。
pi＝P(xi＝1|ω1) qi＝P(xi＝1|ω2) (4-8) 对模式的每个特征做是或不是的分类问题。最后决定这种未知模式是否划归哪一类，即是ω1类还是ω2类。由于假定条件独立，故可把P(x|ωi)写成x的各分量的概率之乘积。
式(4-9)和式(4-10)关于xi是线性的，所以可以表示为 决策函数是关于xi的线性函数，这样对于实际情况下对于决策探测器量测模式的分类，便可求得的决策函数的值。
当g(x)＞0未知模式决策为ω1类，当g(x)＜0未知模式决策为ω1。
对于图像处理和控制单元而言经过红外滤光片拍摄的图像，其实并非为纯灰度的图像，故先将图像转换为灰度图像，然后对灰度图像进行二值化处理。再针对二值化图像中亮的区域进行边沿检测和边缘处理，还可以转换为直方图，观察灰度分布情况。
下面简单介绍每个过程中转换和处理的原理 灰度图象(Y)和非纯灰度图象(R)的相互转换 转换公式如下 转换为二值图像，需要阈值化。阈值化的原理主要如下 阈值化可以看作是削波的一个特例，如图12所示不难看出，只要令削波中的g1old＝g2old就实现了阈值化。阈值就像个门槛，比它大就是白，比它小就是黑。经过阈值化处理后的图像变成了黑白二值图。进行阈值化只需给出阈值点g1old即可。
当我们需要知道一幅图中的灰度分布情况，可以采用灰度直方图来表示，如图13所示(本发明在一次实验中所得图像的直方图)，图中的横坐标表示灰度值，纵坐标表示该灰度值出现的次数(频率)。低灰度的象素占了绝大部分。在本发明也采用了直方图的功能。
边沿检测和轮廓提取 具有如下优点 a)可以更准确地获取物体的周长 b)用此图像本身更紧凑的方式描述物体的形状，可用于计算火焰圆形图，以此作为火灾是否发生的判断准则之一。
c)通过轮廓提取，可以减少处理的点数，提高运算效率，同时很方便地计算出亮的区域面积的变化。
通过顺序找出边缘点来跟踪出边界。经轮廓跟踪后得到的结果，如图14所示。
一个简单二值图象闭合边界的轮廓跟踪算法很简单首先按从上到下，从左到右的顺序搜索，找到的第一个黑点一定是最左上方的边界点，记为A。它的右，右下，下，左下四个邻点中至少有一个是边界点，记为B。从开始B找起，按右，右下，下，左下，左，左上，上，右上的顺序找相邻点中的边界点C。如果C就是A点，则表明已经转了一圈，程序结束；否则从C点继续找，直到找到A为止。判断是不是边界点很容易如果它的上下左右四个邻居都是黑点则不是边界点，否则是边界点。
由于每帧图像的传送到计算机均有一定的时间间隔，故直接将同一摄像头监测的前后两幅图像相减取绝对值，实现差分运算。如图16所示；如果超过阈值则进入温度算法计算，否则返回，并将图像存入存储区。
如图17所示，对图像进行温度阈值处理。对于灰度值小于阈值的象素直接设置灰度值为0；灰度值大于阈值的象素保留原值并开始进行面积算法，如图18所示。
对于本发明图像采集装置而言，数字摄像头或模拟摄像头与图像采集卡等方法均可使用。其中USB数字摄像头包括CMOS摄像头和焦平面阵列热像仪。
市场上大多数图像采集卡都是多路输入，这样便于一台电脑可同时检测多个区域。视频采集设备可以将模拟摄像头产生的模拟视频信号转换成数字信号，进而将其储存在计算机里。模拟摄像头拍摄到的视频信号必须经过视频采集卡将模拟信号转换成数字信号，才可以转换到计算机上运用。， 数字摄像头可以将拍摄到得图像直接通过USB接口传到计算机里。现在电脑市场上的摄像头基本以数字摄像头为主，而数字摄像头中又以使用新型数据传输接口的USB数字摄像头为主，目前市场上可见的大部分都是这种产品。
CCD摄像头在选择摄像头时，镜头是很重要的。按感光器件类别来分，现在市场上摄像头使用的镜头大多为CCD和CMOS两种。其中CCD(ChargeCoupled Device，电荷耦合组件)是应用在摄像、图像扫描方面的高端技术组件，CMOS(Complementary Metal-Oxide Semiconductor，附加金属氧化物半导体组件)则大多应用在一些低端视频产品中。但是这样的定位并不表示在具体的摄像头使用时，两者有很大区别。事实上经过技术改造，目前CCD和CMOS的实际效果的差距已经大大的减小了。
CCD是一种半导体成像器件，因而具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点。被摄物体的图像经过镜头聚焦至CCD芯片上，CCD根据光的强弱积累相应比例的电荷，各个像素积累的电荷在视频时序的控制下，逐点外移，经滤波、放大处理后，形成视频信号输出。视频信号连接到监视器或电视机的视频输入端便可以看到与原始图像相同的视频图像。
USB摄像头使用USB接口的摄像头支持真正的即插即用，一旦你插入设备，系统也会立即汇报，并为其寻找合适的驱动程序，而且，USB摄像头所使用的电源可以直接从主板USB接口中得到，不再需要笨拙的独立电源转换器；USB(V2.0)接口理论上提供了480Mbps传输带宽，传输速度大大高于电脑现有的外设端口。从这里不难看出，采用了USB接口的电脑摄像头，在速度上是拥有很大优势的。
红外焦平面阵列热摄像仪红外热摄像仪技术已成为全世界普遍关注的热门产业技术，像90年代中期的CCD固体摄像技术一样，由于飞速发展的CCD制造技术已经成熟，全球范围的各有关厂家中有的已批量投产，有的正在等待投产，CCD固体摄像机的应用市场急剧增长，很快发展成为全球范围的新兴产业，对包括生活领域(如数码摄像机等)在内的各个领域产生了深刻而广泛的影响。毫无疑问，从目前全球红外焦平面阵列技术的发展趋势来看，由于作为红外热摄像仪关键性技术的红外探测器技术取得长足进展，特别是非致冷红外焦平面阵列技术取得的突破，实现了高性能廉价的小型化红外摄像仪，解决了价格长期居高不下造成的应用障碍，开拓了广阔的民用和军用市场。
图像采集卡本发明采用的采集卡是天敏公司带可二次开发的SDK2000系列采集卡。
10MOONS SDK2000是一款专门针对系统开发商及电脑DIY发烧友的高品质PCI视频卡。SDK2000具有高品质的视频采集性能，具备高速PCI总线，兼容即插即用(PNP)，支持一机多卡。
提供功能全面的二次开发包(以下简称SDK)。可以选择VisualBasic、VisualC++、Delphi等多种编程语言通过SDK进行开发，SDK中包含DLL动态库(VC使用)，OCX控件(VB，Delphi使用)及其详细说明。可通过SDK控制图像的输入端口，图像亮度，对比度，色度，灰度等输入信号，动态截取图像，以AVI格式进行录像侦测图像是否有移动目标等等。



图1火灾探测器分类示意图 图2早期火灾温度及峰值波长分布 图3火焰的光谱能量分布 图4各种不同材料的火焰光谱能量分布 图5双波段原理图 图6D-T关系曲线 图7本发明所选用的滤光片透过率曲线示意图 图8有无滤光片的图像比较 图9300K-1700K绝对黑体光谱辐射出射度与波长的关系 图10本发明多波段红外图像型火灾探测系统 图11为本发明明多波段红外图像型火灾探测系统工作流程框图 图12阈值化的原理图 图13灰度直方图 图14原图像 图15轮廓跟踪后的结果 图16速率算法流程图 图17温度算法流程图 图18温度算法流程图 图19本发明多波段红外图像型火灾探测系统框图 图20有无滤光片所采集图像的比较 图21有状况时采集到的图像与数值信息 图22没有状况时采集到的图像与数值信息 图23火灾图像信息1 图24与火灾图像信息1对应的像素值 图25火灾图像信息2 图26与火灾图像信息2对应的像素值 图27火灾图像信息3 图28与火灾图像信息3对应的像素值 图29火灾图像信息4 图30与火灾图像信息4对应的像素值 图31连续的图像火灾区域像素值流动分析 图32边界跟踪示意图
具体实施例方式 下面结合附图对本发明做进一步的说明 实施例1结合附图10可见，多波段红外图像型火灾探测系统，图像采集单元由半透半反分光镜、红外滤光片及USB摄像头1和USB摄像头2组成，加装0.8μm波长滤光片的摄像头1和加装1.0μm波长滤光片的摄像头2固定朝向两条垂直的光路，通过半透半反分光镜同时监测被监测区域。图像采集单元将采集的图像传送至图像处理和控制单元，经过图像处理和控制单元的处理，判断所采集到的红外图像是否符合火灾的特性，对符合预设值的即向报警单元报警。
USB摄像头1与USB摄像头2为HD-HV1302UM型；本发明所使用的USB摄像头不限于此，市场销售的USB摄像头各种型号均可使用。
图像采集单元采用型号是EC5-1719CLDNA(嵌入之星)，是一款采用Intel笔记本电脑芯片组945GM设计的高性能单板电脑。本发明所使用的嵌入之星不限于此，市场上任何型号PC均可使用。
其中，加装滤光片的摄像头可用红外焦平面热像仪替换，其输出信号直接转换成数字信号，可以省掉图像采集卡而直接送入图像处理和控制单元，红外焦平面热像仪作为图像采集单元的主要优势是低温成像范围宽，可以用于低温物体可燃物的探测场合。而采用CCD摄像头加装滤光片主要作用是替代价格昂贵的红外焦平面热像仪，来完成对监控目标的红外温度图像采集，CCD摄像头以其价格低廉和高温成像范围宽等优势，使整个火灾探测系统的造价大幅度降低。
实施例2实施例1中，滤光片的波长的选择可根据具体火灾检测场合的需要，依据维恩定理计算所需探测温度的红外波长和依据不同图像采集装置对能够成像波长的响应度选取不同的波长。如果采用红外焦平面制作的摄像头(热像仪)，则只要依据维恩定理计算出所需探测温度的红外滤光片波长即可。如木材燃点为250℃～300℃，则红外滤光片的波长应选取5.54μm～5.06μm之间，棉花燃点为210℃～255℃，则红外滤光片的波长应选取6.0μm～5.49μm之间，烟头表面温度700℃～800℃，则红外滤光片的波长应选取2.98μm～2.7μm之间，纸张燃点为130℃，则红外滤光片的波长应选取7.19μm～7.0μm之间，麦草燃点为200℃，则红外滤光片的波长应选取6.12μm～5.9μm之间，涤纶纤维燃点为390℃，则红外滤光片的波长应选取4.37μm～4.1μm之间等。
实施例3实施例2或实施例1中，图像采集单元还包括一个未加装滤光片的彩色摄像头3，摄像头1和摄像头2监测的图像被认定符合预设值时，未加装滤光片的彩色摄像头3开始抓拍火灾图像。
彩色摄像头3采用HD-HV1302UC型号。
实施例4如图10所示，本发明采用半透半反镜和不同波长的红外滤光片来通过2个(HD-HV1302UM)USB摄像头采集双波段红外图像到系统中，通过软件的算法来探测摄像头1和摄像头2所监控区域是否有火灾。一旦有可疑的火灾发生，则通过与串口连接的GSM模块发送报警信息到远端服务器，同时也通过系统平台的网口，将报警信息传输到远端服务器上。
其中，GSM模块采用的是Siemens公司的TC35，TC35是Siemens公司推出的无线通信GSM模块，模块主要由GSM基带处理器、GSM射频模块、供电模块(ASIC)、闪存、ZIF连接器、天线接口六部分组成。
通讯接口采用CAN总线或RS-485串口，主要用于火灾发生后的各类现场语音报警、远程INTERNET报警、GSM短信电话报警等，以及和现有消防灭火设备联动控制，通讯接口根据图像处理和控制单元预设火情等级的需要，会给出指令控制灭火设备的启动。
实施例5 结合图10、图11和图19所示，对本发明做进一步说明 多波段红外图像型火灾探测方法，按以下步骤 1)被检测区域的情况通过半透半反分光镜被两个加装(波长0.8μm和1.0μm)的红外滤光片的(大恒图像HD-HV1302UM型)摄像头1和(大恒图像HD-HV1302UM)摄像头2同时监测；两个摄像头拍摄到的两幅红外目标温度图像相位一致； 2)然后将这两幅图像经图像采集单元((HD-HV1302UM))送入图像处理和控制单元(EC5-1719CLDNA(嵌入之星))，图像处理和控制单元首先对两个摄像头所采集的两幅图像进行温度识别；将长、短两个波段采集的红外图像进行像素比较，如果比值大于1，说明目标温度低于所设置的报警温度阈值，一旦被监测区域发生火灾，则长、短两个波段采集的红外图像的像素比小于1，则说明目标温高于所设置的报警温度阈值，判断为疑似火灾； 3)再将其中任一摄像头连续采集的多帧图像进行比较，看看具有温度越限的疑似火灾的目标红外图像的面积是否随时间而增大，以及边缘是否规则，当目标物体的图像面积扩大，且图像形状不规则时，判断为火灾。
实施例6 结合图10、图11、图17、图18、图19对本发明做进一步的说明 多波段红外图像型火灾探测方法，按以下步骤 1)被检测区域的情况通过半透半反分光镜被两个加装不同(波长0.8μm和1.0μm)波长的红外滤光片的(HD-HV1302UM型号的)USB摄像头同时监测；摄像头1和摄像头2拍摄到的两幅红外目标温度图像相位一致； 2)然后将这两幅图像经图像采集单元送入图像处理和控制单元(EC5-1719CLDNA(嵌入之星))，图像处理和控制单元首先对两个摄像头同时所采集的两幅图像进行温度识别；将长、短两个波段采集的红外图像进行像素比较，如果比值大于1，说明目标温度低于所设置的报警温度阈值，一旦被监测区域发生火灾，则长、短两个波段采集的红外图像的像素比小于1，则说明目标温高于所设置的报警温度阈值，判断为疑似火灾； 3)再将其中(HD-HV1302UM型号)USB摄像头1或(HD-HV1302UM型号)USB摄像头2连续采集的多帧图像进行比较，视其具有温度越限的疑似火灾的目标红外图像的面积是否随时间而增大，以及边缘是否规则，当目标物体的图像面积扩大，且图像形状不规则时，判断为火灾。
上述方法中，在步骤2)然后将这两幅图像经图像采集单元送入图像处理和控制单元，图像处理和控制单元首先对(HD-HV1302UM)USB摄像头1或(HD-HV1302UM)USB摄像头2所采集的连续两幅图像进行相减取绝对值，当绝对值不为零时；再对摄像头1或摄像头2同时所采集的两幅图像进行温度识别；将长、短两个波段采集的红外图像进行像素比较，如果比值大于1，说明目标温度低于所设置的报警温度阈值，一旦被监测区域发生火灾，则长、短两个波段采集的红外图像的像素比小于1，则说明目标温高于所设置的报警温度阈值，判断为疑似火灾； 进一步，通过对其中(HD-HV1302UM)USB摄像头1或(HD-HV1302UM)USB摄像头2所采集的一幅图像进行灰度级的分析，来判断火焰的外焰较内焰和焰心部分像素值的大小，如果目标图像边缘的像素值大于内焰和焰心，则判断为火灾。
进一步，图像采集单元还包括未加装滤光片的(HD-HV1302UC)彩色摄像头3同时检测被检测区域，当由加装红外滤光片的两摄像头检测的图像被认定符合预设值时，未加装滤光片的摄像头开始抓拍火灾图像。
还可将监控到的彩色图像进行区域划分，一旦某个区域发生火灾隐患，系统则调用预先存储的相应的语音广播，通知现场的人员紧急撤离和应急疏导。
还可根据图像的坐标，对起火点进行定位与跟踪。
语音疏导将监控场合的图像以“井”字型方式划分为多个区域坐标，在图像处理和控制单元中，通过软件识别算法，来判断是哪个区域坐标发生火灾，一旦判定某个区域发生火灾，则通过该区域对应的程序，经图像处理和控制单元中的声卡，播放事先录制的语音疏导广播，进行有序的人员疏导，以免火灾现场混乱而发生更为严重的灾害。
权利要求
1、多波段红外图像型火灾探测系统，包括图像采集单元、图像处理和控制单元及报警单元，其中，图像采集单元将采集的图像传送至图像处理和控制单元，经过图像处理单元的处理，判断所采集到的红外图像是否符合火灾的特性，对符合火灾预设值的即向报警单元报警，其特征在于图像采集单元由半透半反分光镜、及加装红外滤光片的图像采集装置组成，其中被监测区域通过半透半反分光镜被加装不同波长红外滤光片的两个图像采集装置同时监测。
2、多波段红外图像型火灾探测系统，包括图像采集单元、图像处理单元及报警单元，其中，图像采集单元将采集的图像传送至图像处理单元，经过图像处理单元的处理，判断所采集到的红外图像是否符合火灾的特性，对符合火灾预设值的即向报警单元报警，其特征在于图像采集单元由半透半反分光镜和红外焦平面阵列热像仪组成，其中被监测区域通过半透半反分光镜被两个红外焦平面阵列热像仪同时监测。
3、根据权利要求1所述的多波段红外图像型火灾探测系统，其特征在于图像采集单元中还包括未加装装滤光片的彩色摄像头，所述彩色摄像头与所述加装滤光片的两个图像采集装置位于同一个位置，用于检测同一个火灾区域，当由所述图像采集装置监测的图像被认定符合火灾预设值时，所述彩色摄像头开始抓拍火灾图像。
4、根据权利要求1或3所述的多波段红外图像型火灾探测系统，其特征在于所述图像采集装置是USB数字摄像头。
5、根据权利要求1或3所述的多波段红外图像型火灾探测系统，其特征在于所述图像采集装置由CCD模拟摄像头和SDK图像采集卡组成。
6、根据权利要求1或3所述的多波段红外图像型火灾探测系统，其特征在于多波段红外图像型火灾探测系统预留有通讯接口，可以与任何灭火系统联动。
7、多波段红外图像型火灾探测方法，其特征在于按以下步骤
1)被监测区域的情况通过半透半反分光镜被两个加装不同波长的红外滤光片的图像采集装置同时监测；两个图像采集装置同时拍摄到的两幅红外目标温度图像相位一致；
2)然后将由两个图像采集装置同时拍摄到的两幅红外图像经传送至图像处理单元，图像处理单元首先对两个图像采集装置所采集的两幅红外图像进行双波段温度识别；将长、短两个波段采集的红外图像进行像素比较，如果比值大于1，说明目标温度低于所设置的报警温度阈值，一旦被监测区域发生火灾，则长、短两个波段采集的红外图像的像素比小于1，则说明目标温高于所设置的报警温度阈值，判断为疑似火灾；
3)再将其中任一图像采集装置连续采集的多帧图像进行比较，具有温度越限的疑似火灾目标的红外图像的面积是否随时间而增大，以及边缘是否规则，当目标物体的图像面积扩大，且图像形状不规则时，判断为疑似火灾。
8、根据权利要求7所述的多波段红外图像型火灾探测方法，其特征在于2)然后将由两个图像采集装置同时拍摄到的两幅红外图像传送至图像处理单元，图像处理单元首先对同一图像采集装置所采集的连续两幅图像进行相减取绝对值，当绝对值不为零时；再对两个图像采集装置同时所采集的两幅图像进行双波段温度识别；将长、短两个波段采集的红外图像进行像素比较，如果比值大于1，说明目标温度低于所设置的报警温度阈值，一旦被监测区域发生火灾，则长、短两个波段采集的红外图像的像素比小于1，则说明目标温高于所设置的报警温度阈值，判断为疑似火灾；
9、根据权利要求7或8所述的多波段红外图像型火灾探测方法，其特征在于通过对其中一图像采集装置所采集的一幅图像进行灰度级的分析，来判断火焰的外焰较内焰和焰心部分像素值的大小，如果目标图像边缘的像素值大于内焰和焰心，则判断为火灾。
10、根据权利要求9所述的多波段红外图像型火灾探测方法，其特征在于所述图像采集单元中还包括未加装装滤光片的彩色摄像头，所述彩色摄像头与所述加装滤光片的两个图像采集装置位于同一个位置，用于检测同一个火灾区域，当由所述图像采集装置监测的图像被认定符合火灾预设值时，所述彩色摄像头开始抓拍火灾图像。
11、根据权利要求10所述的多波段红外图像型火灾探测方法，其特征在于图像处理单元对2监控到的彩色图像进行区域划分，一旦某个区域发生火灾隐患，系统则调用预先存储的相应的语音广播，通知现场的人员紧急撤离和应急疏导。
全文摘要
本发明涉及消防领域，具体是涉及基于图像识别的火灾探测系统及其火灾预警方法。本发明多波段红外图像型火灾探测系统，包括图像采集单元、图像处理单元及报警单元，其中，图像采集单元将采集的图像传送至图像处理单元，经过图像处理单元的处理算法，判断所采集到的红外图像是否符合火灾的特性，对符合火灾预设值的即向报警单元报警，图像采集单元由半透半反分光镜、红外滤光片及摄像头组成，其中被监测区域通过半透半反分光镜被加装不同波长红外滤光片的两摄像头同时监测。本发明具有不受空间高度、热障、易爆、有毒等环境条件的限制，可在大空间和室外开放空间进行火灾早期探测，价格低廉等优点。
文档编号G08B17/12GK101577033SQ200910052069
公开日2009年11月11日 申请日期2009年5月26日 优先权日2009年5月26日
发明者官洪运, 官慧峰, 江 李, 单一帆 申请人:官洪运