一种基于高斯混合模型的火焰探测方法及装置与流程

1.本发明属于检测分析领域，具体涉及火焰探测领域，特别涉及一种基于高斯混合模型的火焰探测方法及装置。


背景技术：

2.火焰探测器是一种检测燃烧室或燃烧器火焰强度的装置，主要由探头和信号处理器两部分组成，输出表示火焰强度的模拟量信号、表示有无火焰的开关量信号和(或)表示火焰强度的视频信号。火焰探测器分为紫外光火焰探测器、红外光火焰探测器和可见光火焰探测器。紫外光火焰探测器采用紫外光敏管作为传感元件，红外光火焰探测器红外光火焰探测器采用硫化铅或硫化镉光敏电阻作为传感元件，可见光火焰探测器采用光电二极管作为传感元件。火焰探测器在工业生产和生活中已经得到广泛应用，而基于热释电原理的三通道红外传感器和紫外传感器相结合的火焰探测器在实践中已经证实其实用价值。
3.火灾初期开始火焰燃烧表现出特有的特征，即火焰中含有肉眼无法辨别的不同波长的紫外线和红外线。传统的火焰探测器只采用单红外或者单紫外传感器信号，两种信号特征提取方法都有其局限性，导致了探测距离近和抗干扰能力差。而一些紫外红外结合的火焰探测器中，采用阈值法结合红紫外融合策略，红紫外传感器融合的策略常常是单一的与或关系，本质上就是一个线性分类器，并不能出色发挥红紫外火焰探测的优势。即使是市面上最好的火焰探测器，也不能完全避免阳光等干扰源的误报。
4.高斯混合模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物，它是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型，通过将直方图的多峰特性看作是多个高斯分布的叠加，可以解决图像的分割问题。本发明一种基于高斯混合模型的火焰探测方法及装置，成功解决了现有火焰探测中存在的这些缺陷，可以给社会带来了安全、可靠、准确的质量保证。


技术实现要素：

5.本发明为了有效地解决以上技术问题，提供了一种基于高斯混合模型的火焰探测装置，其特征在于，包括三通道红外传感器，紫外传感器、放大电路、a/d采样芯片、控制器；所述三通道红外传感器信号通过所述放大电路、a/d采样芯片实现信号放大和模数转换后，通过所述控制器实现数字滤波、三通道红外传感器信号特征提取、归一化处理、建立高斯混合模型输出结果；所述紫外传感器通过所述控制器实现紫外传感器信号特征提取、归一化处理、建立高斯混合模型输出结果。
6.另一方面，本发明还提供了一种基于高斯混合模型的火焰探测方法，其特征在于，使用所述基于高斯混合模型的火焰探测装置，按照以下步骤进行：
7.步骤一：收集火焰样本和各种类型干扰源样本，组成火焰样本集和干扰源样本集；
8.步骤二：三通道红外传感器信号特征提取和紫外传感器信号特征提取，并将所述三通道红外传感器信号和紫外传感器信号均进行归一化处理，所述三通道红外传感器信号
特征提取步骤为先进行傅里叶变换，后进行主元分析，所述紫外传感器信号特征提取为计算紫外脉冲总数、平均密度、最大值；
9.步骤三：建立高斯混合模型并输出，过程如下：设傅里叶变换和主元分析后提取的特征样本集为x
n
×
m
，n为特征样本集长度，m为每个特征样本点维度，单个高斯模型分布概率密度函数为公式中d为模型输入x的维度，∑1为m
×
m的协方差矩阵，μ1为m
×
1的均值，参数θ1＝(∑1，μ1)；高斯混合模型可以看作是由k个单高斯模型组合而成的模型：
10.公式中，α
k
为第k个高斯模型的权重，θ
k
为第k个高斯模型的参数，σ
k
为协方差矩阵，μ
k
为均值；此时参数θ＝(α
k
，θ
k
)＝(α
k
，∑
k
，μ
k
)，k＝1、2、...、k；对于单高斯模型用最大似然法估计参数的值，如对于高斯混合模型参数估计，采用期望最大化算法迭代，期望最大化算法迭代过程主要包括两步，第一步为e
‑
step，即依据当前参数，计算每个特征样本x
i
来自第k个子模型的可能性，公式为公式中x
i
为特征样本集中第i个特征样本，包括紫外传感器信号特征和三通道红外传感器信号特征，i＝{1，2，
…
，n}，n为傅里叶变换后特征样本数量；第二步为m
‑
step，即，计算新一轮迭代的模型参数，公式为公式中，α
k
为第k个高斯模型的权重，σ
k
为协方差矩阵，μ
k
为均值，k为组合高斯混合模型的单高斯模型的数量；然后利用数学仿真软件自带fitgmdist函数实现；
11.步骤四：测试结果。
12.进一步的，所述步骤一还包括，火焰样本种类包括氢火、汽油、正庚烷、甲醇、煤油、蜡烛、打火机、纸张；干扰源样本种类包括白炽灯、日光灯、荧光灯、卤素灯、钨丝灯、金卤灯、钠蒸汽灯、汞蒸汽灯、led灯、摄影大灯、电弧焊、阳光直射反射；分别将不同种类火焰样本和干扰源样本跟火焰表不同距离、不同相对角度进行组合，录制若干组数据。
13.进一步的，所述步骤二中傅里叶变换为，设采样频率为f
s
，傅里叶变换时间窗为t
window
,则离散傅里数据长度为n1＝f
s
*t
window
,所述三通道红外传感器和紫外传感器的通道离散信号记为ir
bj
和uv
j
，角标b∈{1、2、3}表示三通道红外传感器中的第几通道，时序角标j∈{1、2、...、n1}，根据公式公式中g为累加中用的字母无实际意义，j代表复数，e为指数，h为频域内的第h个点；由于频域最小分辨率为f
s
/n1,|f(0)|为傅里叶变换后第一个点，则|f(0)|对应直流分量，|f(1)|对应频域f
s
/n1幅值，对所述三通道红外传感器信号分别处理，去除直流分量和对称数据，则所述三通道红外传感器信号特征总数量为n2个，n2＝3*n1/2,记为
14.进一步的，所述主元分析流程为，
15.设傅里叶变换后的特征样本集为n为傅里叶变换后特征样本数量，n2为特征数量，主元分析实现的主要步骤包括：
16.(1)中心化处理，即x
i
＝x
i
‑
e(x)，i＝1、2、...、n，公式中，x
i
为1
×
n2的特征样本点，e(x)为特征样本集x的均值1
×
n2；
17.(2)计算协方差矩阵，即上角标t为矩阵转置符号；
18.(3)根据(2)计算出的协方差矩阵计算协方差矩阵的特征值和特征向量
19.(4)对特征值从大到小的排序对应特征向量为选择对应特征向量组成变换矩阵，取w个主元，则此时贡献率为w为主元个数，g为累加中用的字母无实际意义，m为每个特征样本点维度，对应变换矩阵为提取特征为
20.所述紫外传感器信号特征提取流程为，紫外传感器信号特征提取共计三个特征作为模型输入的紫外传感器信号特征，计算当前时间窗紫外脉冲总数、平均密度、最大值并进行归一化处理，所述紫外脉冲总数公式为所述平均密度公式为所述最大值公式为上述式子中除以一个常数β，β为归一化处理系数，保证所述紫外传感器信号特征feature
uv1
、feature
uv2
、feature
uv3
∈[0，1]，达到归一化效果，公式中count_nonzero为uv
j
>0(j＝1、2、...、n1)的数量。
[0021]
进一步的，所述紫外传感器信号特征提取，设算法模型输入的时间窗留有更改接口，根据实际情况选择，重视报警灵敏度可设短时间，重视火焰探测器抗干扰能力则可设长时间，所述时间窗的设置长度为报警的延时时长。
[0022]
进一步的，所述步骤三，按照如下流程进行：
[0023]
(1)用高斯混合模型分别拟合火焰特征样本集概率密度分布p
fire
(x)和干扰源特征样本集概率密度分布p
other
(x),采用期望最大化算法估计高斯混合模型参数；
[0024]
(2)用拟合好的高斯混合模型分别计算概率密度分布p
fire
(x)、p
other
(x)，并进行softmax映射：softmax映射：
[0025]
(3)高斯混合模型输出结果时，预测为火焰，否则认为非火焰。
[0026]
进一步的，所述三通道红外传感器信号的滤光片波长优选为，人工热源干扰检测通道选择3.8um、背景干扰检测通道选择5.0um；火焰检测通道分为氢火焰检测通道和非氢火焰检测通道，所述氢火焰检测通道选择2.95um，所述非氢火焰检测通道选择4.4um。
[0027]
进一步的，所述一种基于高斯混合模型的火焰探测方法，还包括连续报警策略。
[0028]
本发明的有益效果是：
[0029]
(1)本发明的一种基于高斯混合模型的火焰探测方法及装置，对现有火焰探测算法进行了突破，解决了传统的火焰探测器大都采用阈值法，红紫外融合的策略单一，不能发挥出多传感器融合的优势的问题，完全避免阳光等干扰源的误报。
[0030]
(2)本发明的一种基于高斯混合模型的火焰探测方法及装置，随着高斯模型数量的增加，拟合效果越好，测试总精度逐渐提升，成功解决了现有火焰探测中存在的这些缺陷，可以给社会带来了安全、可靠、准确的质量保证。
[0031]
(3)本发明加入连续报警策略，即模型连续多次报火才认为是火，进一步降低了阳光和人工干扰源产生的火灾误报。
附图说明
[0032]
为了更好地表达本发明的技术方案，下面将对本发明的进行附图说明：
[0033]
图1实施例一系统框图；
[0034]
图2实施例二方法流程图；
[0035]
图3实施例二实时采样软件信号显示图；
[0036]
图4实施例二火焰样本和干扰源样本种类表；
[0037]
图5实施例二三通道红外传感器信号特征提取流程图；
[0038]
图6实施例二高斯混合模型数量k值测试精度表；
[0039]
图7连续报警策略测试结果表；
[0040]
附图标号说明：1、三通道红外传感器，2、紫外传感器，3、放大电路，4、a/d采样芯片，5、控制器，51、数字滤波模块，52、傅里叶变换模块，53、主元分析模块，54、三通道红外传感器信号归一化模块，55、高斯混合模型模块，56、紫外传感器信号特征提取模块，57、紫外传感器信号归一化模块。
具体实施方式
[0041]
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
[0042]
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0043]
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
[0044]
实施例一参阅图1，一种基于高斯混合模型的火焰探测装置，包括三通道红外传感器(1)、紫外传感器(2)、放大电路(3)、a/d采样芯片(4)、控制器(5)；三通道红外传感器(1)信号通过放大电路(3)、a/d采样芯片(4)实现信号放大和模数转换后，通过控制器(5)中的数字滤波模块(51)、傅里叶变换模块(52)、主元分析模块(53)、三通道红外传感器信号归一
化模块(54)、高斯混合模型模块(55)实现数字滤波、三通道红外传感器信号特征提取、归一化处理、建立高斯混合模型输出结果；紫外传感器(2)通过控制器(5)中的紫外传感器信号特征提取模块(56)、紫外传感器信号归一化模块(57)、高斯混合模型模块(55)实现紫外传感器信号特征提取、归一化处理、建立高斯混合模型输出结果。a/d采样芯片(4)采用ads1115，控制器(5)采用stm32f429。
[0045]
实施例二参阅图2
‑
6，一种基于高斯混合模型的火焰探测方法，使用实施例一中的基于高斯混合模型的火焰探测装置，按照如下步骤进行：
[0046]
步骤一：收集火焰样本和各种类型干扰源样本，组成火焰样本集和干扰源样本集；火焰样本种类包括氢火、汽油、正庚烷、甲醇、煤油、蜡烛、打火机、纸张；干扰源样本种类包括白炽灯、日光灯、荧光灯、卤素灯、钨丝灯、金卤灯、钠蒸汽灯、汞蒸汽灯、led灯、摄影大灯、电弧焊、阳光直射反射；分别将不同种类火焰样本和干扰源样本跟火焰表不同距离、不同相对角度进行组合，录制若干组数据。
[0047]
数据录制的组数理论上越精细越好。本实施例中，拿正庚烷火焰举例，录制了0度角下5、10、15、
…
、65米样本，左右上下偏15、30、45度角下5、10、
…
米样本，直至火焰信号微弱为止。干扰源(如各种灯、阳光直射等)还需要添加调制，即物理上周期性的对干扰源进行遮挡，调制频率为1～20hz。
[0048]
软件实现数字滤波、傅里叶变换和主元分析特征提取、高斯混合模型计算输出(判断火警与非火警)。软件方面采用matlab编写ui界面，实时存储和显示当前的三通道红外传感器(1)和紫外传感器(2)信号，界面如图3。
[0049]
步骤二：三通道红外传感器(1)信号特征提取和紫外传感器(2)信号特征提取，并将三通道红外传感器(1)信号和紫外传感器(2)信号均进行归一化处理，三通道红外传感器(1)信号特征提取步骤为先进行傅里叶变换，后进行主元分析，紫外传感器(2)信号特征提取为计算紫外脉冲总数、平均密度、最大值；
[0050]
傅里叶变换为，设采样频率fs＝128hz，傅里叶变换时间窗为t
window
＝2s，则离散傅里数据长度为n1＝fs*t
window
＝256，三通道红外传感器和紫外传感器的通道离散信号记为ir
bj
和uv
j
，角标b∈{1、2、3}表示红外第几通道，时序角标j∈{1、2、...、n1}。以红外通道一为例，傅里叶变换过程根据公式公式中b＝1,g为累加中用的字母无实际意义，j代表复数，e为指数，h为频域内的第h个点；由于频域最小分辨率为设|f(0)|为傅里叶变换后第一个点，则|f(0)|对应直流分量，|f(1)|对应频域0.5hz幅值，以此类推。对所述三通道红外传感器信号分别处理，去除直流分量和对称数据，则三通道红外传感器特征总数量为个红外特征，记为
[0051]
主元分析可以大大降低三通道红外传感器信号特征的维度，从而降低模型参数规模，减轻硬件负荷，提高本发明的火焰探测装置稳定性。设傅里叶变换后的特征样本集为n为傅里叶变换后特征样本数量，n2为特征数量，本发明中n2＝384，主元分析实现的主要步骤包括：
[0052]
(1)中心化处理，即x
i
＝x
i
‑
e(x)，i＝1、2、...、n，公式中，x
i
为1
×
n2的特征样本点，e(x)为特征样本集x的均值1
×
n2；
[0053]
(2)计算协方差矩阵，即上角标t为矩阵转置符号；
[0054]
(3)根据(2)计算出的协方差矩阵计算协方差矩阵的特征值和特征向量
[0055]
(4)对特征值从大到小的排序对应特征向量为选择对应特征向量组成变换矩阵，w为主元个数，取两个主元，则此时贡献率为w为主元个数，w＝2,对应变换矩阵为[p
′1，p
′2]，提取特征为x
′
＝x[p
′1，p
′2]。实际应用中，99％贡献率时对应前30个主元。
[0056]
紫外传感器(2)信号特征提取流程为，紫外传感器信号特征提取共计三个特征作为模型输入的紫外传感器信号特征部分，计算当前时间窗紫外脉冲总数、平均密度、最大值并进行归一化处理，所述紫外脉冲总数公式为所述平均密度公式为所述最大值公式为上述式子中除以一个常数β，β为归一化处理系数，本发明中β为256，保证紫外特征feature
uv1
、feature
uv2
、feature
uv3
∈[0，1]，达到归一化效果，公式中count_nonzero为uv
j
>0(j＝1、2、...、256)的数量。设算法模型输入的时间窗可以留有更改接口，时间窗的设置长度为报警的延时时长，如设置为10秒，则延迟10秒报警。根据实际情况选择，重视报警灵敏度可设短时间，重视火焰探测器抗干扰能力则可设长时间。
[0057]
步骤三：建立高斯混合模型并输出；设傅里叶变换和主元分析后提取的特征样本集为x
n
×
m
，n为特征样本集长度，m为每个特征样本点维度，单个高斯模型分布概率密度函数为公式中d为模型输入x的维度，∑1为m
×
m的协方差矩阵，μ1为m
×
1的均值，参数θ1＝(∑1，μ1)；高斯混合模型可以看作是由k个单高斯模型组合而成的模型：公式中，α
k
为第k个高斯模型的权重，θ
k
为第k个高斯模型的参数，σ
k
为协方差矩阵，μ
k
为均值；此时参数θ＝(α
k
，θ
k
)＝(α
k
，∑
k
，μ
k
)，k＝1、2、...、k；对于单高斯模型用最大似然法估计参数的值，如对于高斯混合模型参数估计，采用期望最大化算法迭代，该算法由dempster等人提出，用于含有隐变量(如高斯混合模型中的α
i
)的概率模型参数的最大似然估计，e期望最大化算法迭代过程主要包括两步，第一步为e
‑
step，即，依据当前参数，计算每个特征样本x
i
来自第k个子模型的可能性，公式为公式中x
i
为特征样本集中第i个特征样本，包括紫外传感器信号特征和三通道红外传感器信号特征，主元分析后99％贡献率情况下主元个数从384维降到30，即x
i
维度为1*(3 30)，i＝{1，2，
…
，n}，n为傅里叶变换后特征样本数量；第二步为m
‑
step，即，计算新一轮迭代的模型参数，公式为公式中α
k
为第k个高斯模
型的权重，σ
k
为协方差矩阵，μ
k
为均值，k为组合高斯混合模型的单高斯模型的数量；本算法中利用数学仿真软件的自带fitgmdist函数实现，具体按照如下流程进行：
[0058]
(1)用高斯混合模型分别拟合火焰特征样本集概率密度分布p
fire
(x)和干扰源特征样本集概率密度分布p
other
(x),采用期望最大化算法估计高斯混合模型参数；
[0059]
(2)用拟合好的高斯混合模型分别计算概率密度分布p
fire
(x)、p
other
(x)，并进行softmax映射：softmax映射：
[0060]
(3)高斯混合模型输出结果时，预测为火焰，否则认为非火焰，本发明中阈值取ε1＝0.95，ε2＝1
‑
ε1＝0.05，也可以ε1 ε2≠1.0。
[0061]
步骤四：测试结果。
[0062]
高斯混合模型数量k的选取采用网格寻优法，部分测试效果如图6，由于组合较多，只列出部分测试效果，可以看出随着高斯混合模型数量的增加，测试总精度逐渐提升(这边火焰阈值采用的是f
softmax
(p
fire
)＞0.95)，说明高斯混合模型拟合效果越好。
[0063]
三通道红外传感器(1)信号滤光片波长优选为，人工热源干扰检测通道选择3.8um、背景干扰检测通道选择5.0um；火焰检测通道分为氢火焰检测通道和非氢火焰检测通道，由于2.95um可以检测h2o红外辐射，从而探测氢火焰；换成4.4um后，可以检测co2红外辐射，从而探测常规火焰，所以氢火焰检测通道选择2.95um，非氢火焰检测通道选择4.4um。
[0064]
实施例三与实施例二基本相同，区别在于增加了连续报警策略设计，即模型连续多次报火才认为是火，这里需要设定一个连续次数的阈值，由于模型1秒调用1次，假设0秒起火，当阈值为3时，则第4、5秒本发明报火警，即本发明在有效范围内理论报警延时为4秒左右，连续报警策略测试结果参见图7。连续次数设置为4时，本发明报警精度为98.0565％，误报警为0，总精度为99.1973％，满足产品实用要求。
[0065]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。