基于提升小波的图像型火灾检测技术 第5页
2.3.2传统火灾探测技术
1.复合探测技术
单一参数火灾探测器对火灾特征信号响应灵敏度不均匀而导致其探测能力受
限，它只能根据不同场所及该场所可能发生的火灾类型来选用探测器，一旦选择
不当便会造成误报漏报，因此出现了多传感信息融合技术。它根据几个参数之间
逻辑与、或及其它复杂算法来探测火灾，如DanielT.Gottuk等采用枷oke厂Co子
Sm口ke子CO司J的逻辑关系来探测火灾，对庚烷、酒精、汽油、棉花纤维、棉芯、
聚亚安酷等进行试验，在响应速度和降低误报率方面均比单一感烟探测有所提高
【14]
2，高灵敏度吸气式红外探测技术
此技术用主动吸取空气样本进行烟粒子探测。通常空气中烟粒子浓度达到
1000洲P/c衬时即可报警，其灵敏度比普通感烟探测器高1000倍，报警时间提前
30一120min，可有效消除电磁、强光、脉冲干扰等引起的误报。但它只适于超干净
环境，如机房、电站、航空测试中心等特殊场合。
3.光纤探温技术
此技术采用光纤作为信号传感和传输媒体，利用Ralnan散射及光时域反射原
理通过AD采集拾取信号并分析，测定沿光纤分布的线性温度场的温度参数，并
据此设定报警闭值。目前使用的光纤可达4000川，测温范围一300升900份，最高达
60000r，定位精度1.sm。此技术特别适用于不易接近的地方，且不受电磁、湿度
等干扰，可用于隧道、大型变压器间及特殊场合。
4一CO气体探测技术
火灾发生时，CO含量变化早于烟雾和火焰输出，且CO分子可通过烟雾不能
通过的极小缝隙，比空气轻，扩散能力比烟雾强，能有效到达探测器。CO分子通
过扩散方式由火源传到探测器，故不会像烟雾探测器那样因空气对流不利而不报
警，它是烟流受热分层效应阻碍的区域里和有限区域里发生火灾的有效探测方法。
由于人们认识不足及早期CO传感器探测灵敏度低、功耗高、成本高等缺点限
制了它的应用，近年来，CO传感技术有了一定突破，功耗显著降低，灵敏度及寿
命都有所提高。它的引用对提高火灾探测的可靠性具有深远意义。
5.非火灾条件探测算法
典型的火灾探测器都是由试验火或模拟火信号来确定其探测能力，在实际运
行环境中也是检测信号是否达到这种试验值，为适应不同的环境，只能靠设置不
同的灵敏级别并用各种算法来适应环境或电路参数变化以满足要求，但实际上靠
这些方法无法完全满足环境变化要求。“非火灾探测”的思想是通过安装在现场的
探测器，测试被观察到疑似火灾参数是否属于正常燃烧条件，当被观察的情况与
西安建筑科技大学硕士学位论文
探测器经验差别较大时发出火警。这种方法要求探测器在其运行期间不断收集、
存储非燃烧条件的经验参数，根据识别是否属于正常环境的概率大小，达到探测
火情的目的。由于它基于不断检测环境变化如有异常就报警的原理，故可满足各
种环境要求，避免误报，是一种较新的火灾探测方法[’5]。
2.3.3新兴火灾探测技术
1.模糊神经网络对火灾信号处理技术
(l)模糊推理方法
环境变化如气候、电子噪声等引起传感器采样信号的变化常与火灾参数变化
特征相似，且火灾事件的偶然性及外界干扰不确定性等使火灾信号探测十分困难。
它要求信号处理算法能适应环境变化并自动调整参数以达到探测的快速性及低误
报率目的。采用模糊推理算法易达到这一要求。输入信号以温度、温度变化率、
CO、CO变化率及风速五变量为例，由传感器传来的信号经预处理，进入模糊系
统转化为模糊量，根据推理规则推出火灾发生的分布函数，经过模糊处理，输出
火灾或非火灾结果。其中推理规则主要是根据经验和实际观察所得。
(2)神经网络(ANN)方法
对火灾探测这种非结构性问题，人的识别能力最强，故采用类似人的、具有
很强自适应、自学习、高容错、并行处理能力的神经网络方法来处理更接近人的
思维。输入和输出之间通过连接权值呱和咋建立某种关系。网络经过训练，进
入工作状态。信号经预处理，送入网络，经计算出输出值一一火灾或非火灾概率，
由门限法判断火灾或非火灾的结果。采用此方法关键在于选择合适的网络结构、
网络参数及有代表性的模式对。
(3)模糊神经网络方法
模糊推理方法、神经网络方法均不需精确的数学模型，但都有一定缺点:如
模糊推理方法自动调整隶属函数和推理规则较难;而神经网络则采用黑匣子式的
方法，且输出采用简单的门限方法，很难准确判断。两种方法的融合是一种较好
的发展趋势，既增强神经网络处理信息的可理解性，还能自动生成模糊隶属函数，
提高了模糊规则的精度和火灾探测系统的智能化程度。
2.基于人工嗅觉系统的火灾探测
人工嗅觉模拟技术属于新兴的多学科交叉技术，它由气敏传感器阵列、模式
识别系统、信息提取技术三部分组成，以温度、烟雾浓度、CO气体浓度三个模拟
量为输入。人工嗅觉技术应用于火灾报警系统中可利用气体传感器阵列完成火灾
信息的数据融合，与模糊神经网络相结合，实现火灾判别。目前该项技术也是智
能型火灾探测技术研究的热点之一[’“]。
3.火灾图像探测技术
西安建筑科技大学硕士学位论文
对于物质燃烧产生的烟雾、火焰，除了可以分析它的光谱特征外，还可以对
其火焰形状和烟雾微粒分析应用，这样就产生了图像型火灾探测技术。火灾在发
生时，高温烟雾微粒表现出独有的物理特征以及火焰的形状有一个不断变化和持
续的过程，这就形成了火灾识别和探测算法的重要基础。目前图像型火灾探测技
术主要有以下两方面:
(l)图像感焰火灾探测技术。利用摄像头对现场进行监视，并对获取的连续
图像通过采集卡转换为数字图像，输入计算机，不断进行图像处理、分析，通过
早期火灾火焰的形体特征来判别。较好解决了多信号同步和匹配问题，与神经网
络方法结合，会进一步提高系统的可靠性和实用性。
(2)光截面图像感烟火灾探测技术。以主动红外光源为目标，结合红外面阵
接受器形成多光束红外光截面，通过成像和图像处理方式，测量烟雾穿过红外光
截面时对光的散射、反射及吸收情况，利用各种算法可有效解决由于烟雾颜色、
大小、空间高度、气流和震动等引起的误报、迟报问题。它具有智能化程度高，
应用范围广、探测距离较远、获取信息成本低、对焰火和阴燃火响应灵敏度高、
误报率低、抗干扰和适应性强等优点，达到火灾探测技术的较高水平。
2.4本章小结
本章主要介绍了火灾产生的机理，火灾的发展过程，火灾信号的物理特征，
火灾探测技术的发展状况，概述了基于视频监控的图像型火灾探测技术的原理，
简述了传统火灾探测技术和新兴火灾探测技术的优缺点，并指出基于视频监控的
图像型火灾探测技术是大空间及户外火灾探测需求的发展方向。
西安建筑科技大学硕士学位论文
3提升小波与图像边缘检测
二十世纪九十年代中期，W.Sweldens提出了基于提升方案的小波构造方法，
这种小波被称作第二代小波，并得到广泛的重视。图像边缘包含着丰富的信息，
利用图像边缘对图像进行检测和识别是图像处理的重要方法。
3.1提升小波理论
3.1.1小波分析基础
小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法
己被广泛应用于图像处理中【’7一20]。
(l)小波变换的基本概念
令f(xl，毛)表示一个二维信号，xl，乓分别是横坐标与纵坐标;梦(xl，乓)代表二
维的基本小波，令汽;、，、(xl，几)表示(xl，xZ)的尺度伸缩与二维位移，即:
2)
则二维连续小波变换可定义如下:
相应的反演小波变换是:
为了使小波变换具有可变化的时间和频率分辨率，可通过改变a和b的大小，
以使小波变换具有“变焦距”的功能。
(2)离散小波变换
实际应用中，计算机所处理的信号都是通过采样得到的二进制离散信号，同
时也为了减少计算量，通常对连续小波及其变换进行二进制离散。即取尺度参数
。=川，j02，若a0=2，所得到的小波和小波变换称为二进小波和二进小波变换。
此时，考虑到j每增加1，尺度a将乘以2，折合成频率来说，就是频率降低一半、
采样间隔加大一倍。因此平移参数也应随着尺度的变化自动改变平移步长。如果
尺度j’==O时，平移参数b的平移步长为气。那么尺度为2，时，b的平移步长可取为
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>