一种基于图像识别和温度判定算法的火灾探测方法与流程

本发明属于消防技术领域，特别是涉及一种基于图像识别和温度判定算法的火灾探测方法。

背景技术：

目前基于图像识别技术火灾探测器，其技术核心是使用850nm-1000nm近红外红外波段成像技术，探测方法和方案较为单一误报率较高特别是在室外较为严重，在煤炭，石油化工，烟酒制造场所无法做到在发热和发烟阶段报警，特别是煤炭自然和阴然状态下无法进行探测，石化场所发生火灾时先发热然后爆燃现有的技术也是无法做到极早期发现预警。存在如下缺点：

1)探测波段单一误报率高；

2)无法探测出高温物体，阴然物体；(如：煤自然，化工原料高温发热)

3)探测阶段单一无法探测高温和发烟阶段，只能探测明火。

技术实现要素：

本发明的目的在于提供一种基于图像识别和温度判定算法的火灾探测方法，解决了现有产品无法探测高温异常阴然物体、无法探测烟雾功能、室外误报率偏高的问题。本探测方法可以探测烟雾、火焰、温度，可以探测发生火灾时不同阶段的火灾源。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于图像识别和温度判定算法的火灾探测方法，采用的火灾探测器包括彩色图像模组、近红外图像模组、红外热成像模组、补光灯和算法处理单元；所述彩色图像模组连接补光灯，所述彩色图像模组、近红外图像模组、红外热成像模组连接算法处理单元；

彩色图像模组输出的信号、近红外图像模组输出的信号、红外热成像模组的输出信号接入到算法处理单元中采用多重判定算法判定火灾；

所述多重判定算法包括高温异常判定算法、火焰判定火灾算法、烟雾判定火灾算法；

更进一步地，所述火灾探测器为三波段火灾探测器，使用850nm-1000nm近红外红外波段成像技术、8um-14um波段红外热成像测温技术，650nm可见光图像识别技术；对三个波段图像进行识别处理并与温度测量技术进行复合运算进行火灾探测判定。

更进一步地，所述彩色图像模组包括成像器件、光学镜头、镜头安装底座，接口信号采用标准信号源mipi格式；

所述近红外图像模组包括成像器件、光学镜头、近红外滤光片、镜头安装底座，接口信号采用标准信号源mipi格式；

所述红外热成像模组包括光学镜头、安装底座，输出图像格式为bt656和温度数据。

更进一步地，所述算法处理单元采用人工智能芯片；

所述人工智能芯选取深圳市海思半导体有限公司、瑞芯微电子股份有限公司或北京君正集成电路股份有限公司制造。

更进一步地，所述高温异常判定：高温异常判定算法依据最高温度点、高温所占像素点数、最高温升速率进行判定。

更进一步地，所述高温异常判定算法如下：

算法处理单元通过红外热成像模组获取温度和成像信号进行算法分析和处理，其中，高温响应阈值为wd_f，高温响应阈值累计像素点sum_wd_f，温升速率wd_k，高于响应阈值wd_f像素点数与总像素点数比响应阈值wd_pe；

a)判定最高温度是否超过响应阈值为wd_f，若超过预警则进入b)；

b)判定高温响应阈值累计像素点是是否超过sum_wd_f，若超过预警则进入c)；c)判定最高温速率是否大于wd_k，若超过则进入d)；

d)判定高于响应阈值wd_f像素点数与总像素点数比值是否高于wd_pe，若超出则输出高温预警信号；

更进一步地，所述火焰判定火灾算法：

以高温异常判定算法为基础和近红外图像识别算法复合的一种判定算法；近红外图像模组信号是通过mipi信号传输至算法处理单元；

e)判定高温异常算法是否报警，若报警进入f)；

f)获取近红外图像模组信号，对图像的亮度，尖角特性，离散度，波动特性进行特征判定是否符合火灾，若符合进入g)；

g)对获取的近红外图像、热成像图像、彩色图像模组视频，分别进行人工智能火灾目标识别，若均报警则系统输出火灾报警信号。

更进一步地，所述烟雾判定火灾算法：

烟雾判定算法是以高温异常判定算法为基础和彩色图像人工智能识别算法复合判定的一种算法；

h)判定高温异常算法是否报警，若报警进入i)；

i)判定当前光照度，如果光照条件不满足则开启补光灯；

j)对获取的彩色图像模组视频进行人工智能烟雾目标识别，若报警则系统输出火灾报警信号。

使用者根据现场使用环境选择高温异常判定算法进行高温异常探测、火焰判定火灾算法进行火焰探测、烟雾判定火灾算法进行烟雾探测三种探测方式同时并存的方式，或进行自定义组合。

本发明具有以下有益效果：

(1)本发明根据常规火灾发生机理遵循以下三个阶段：发个阶段，阴然发烟阶段，明火阶段；现有国家标准火灾探测器非接触型探测器，均无法做到在火灾发生机理过程中全阶段的探测，本发明提出的可以做到在火灾发出初期发热阶段，阴然发烟阶段，明火阶段，进行全面探测预警做到极早预防的效果，为火灾扑灭提供大量的时间，最大限度降低了财产损失。

(2)本发明采用温度，图像识别，多波段探测，人工智能算法多重复合判断方式有效的降低了产品误报率和提高产品火灾探测准确性。

(3)具备图像型火灾探测器特点具备探测面积大布线工程量较小等优点.

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的探测器的系统图。

图2为本发明的高温异常判定算法。

图3为本发明的火焰判定火灾算法。

图4为本发明的烟雾判定火灾算法

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明使用850nm-1000nm近红外红外波段成像技术，8um-14um波段热成像技术和测温技术，650nm可见光图像识别技术；对三个波段图像进行识别处理并与温度测量技术进行复合运算进行火灾探测判定，并且引入了人工智能算法作为算法的核心。

如附图1，探测器主要由：彩色图像模组，近红外图像模组，红外热成模组(图像和温度部分)，补光灯，算法处理单元。

1)彩色图像模组：采用索尼成像器件器件，光学镜头，镜头安装底座等组成，接口信号采用标准信号源mipi格式；

2)近红外图像模组：采用索尼成像器件器件，光学镜头，近红外滤光片，镜头安装底座等组成，接口信号采用标准信号源mipi格式；

3)红外热成像模组：主要由光学镜头，安装底座，输出图像格式为bt656和温度数据；

4)算法处理单元：采用人工智能芯片(如：深圳市海思半导体有限公司，瑞芯微电子股份有限公司，北京君正集成电路股份有限公司)，将彩色图像模组信号，近红外图像模组信号，红外热成像模组接入到算法处理单元中采用多重条件判断方式判定火灾，抛弃传统算法建模方式算法；采用人工智能识别算法，多重判定算法来进行火灾判定；

5)算法原理

1)高温异常判定，如附图2。

高温异常判定算法：主要参数为最高温度点，高温所占像素点数，最高温升速率等方法进行判定；算法处理单元通过红外热成像模组获取温度和成像信号进行算法分析和处理。

假设如下：

高温响应阈值为wd_f；高温响应阈值累计像素点sum_wd_f；温升速率wd_k；；高于响应阈值wd_f像素点数与总像素点数比响应阈值wd_pe；

a)判定最高温度是否超过响应阈值为wd_f，若超过预警则进入下个算法；

b)判定高温响应阈值累计像素点是是否超过sum_wd_f若超过预警则进入下个算法；

c)判定最高温速率是否大于wd_k，若超过则进入带个预警算法；

d)判定高于响应阈值wd_f像素点数与总像素点数比值是否高于wd_pe，若超出则输出高温预警信号；

2)火焰算法判定，如附图3。

火灾判定算法是以：高温异常判定算法与近红外图像识别识别算法复合的一种判定算法；近红外图像获取是通过mipi信号传输至算法处理单元

a)判定高温异常算法是否报警，若报警进入下个算法；

b)获取近红外图像信号，对图像的亮度，尖角特性，离散度，波动特性进行特征判定是否符合火灾，若符合进入下阶段算法

c)对获取的近红外图像，热成像图像，彩色图像模组视频，分别进行人工智能火灾目标识别，若均报警则系统输出火灾报警信号。

3)烟雾算法判定，如附图4。

烟雾判定算法是以：高温异常判定算法为基础和彩色图像人工智能识别算法复合判定的一种算法；

a)判定高温异常算法是否报警，若报警进入下个算法；

b)判定当前光照度，如果光照条件不满足则开启补光灯；

c)对获取的彩色图像模组视频进行人工智能烟雾目标识别，若报警则系统输出火灾报警信号。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。