火灾检测报警技术研究张露.docx

?

?

火灾检测报警技术研究张露

?

?

摘要：近年来，随着社会经济的发展，人们对火灾检测报警的重视程度越来越高。火灾是危害人身和公共安全的重要因素。火灾越早被发现被报告，则火灾导致的危害将会越低。因此，火灾检测报警技术具有十分重要的研究价值和实际意义。本文在火灾检测报警技术中主要研究火灾检测装置和火灾检测报警算法两方面，希望能给相关火灾检测报警提供一定参考。

关键词：火灾；检测；报警

引言

火灾报警技术可以有效检测是否发生火灾并及时报警，有效防止火灾进一步扩大，从而保护人身和公共的健康安全。火灾检测报警技术的发展主要分为两部分，一是火灾检测报警系统的发展，主要是检测装置的发展；二是火灾检测报警技术，主要是火灾检测报警判断算法的发展。

1火灾检测报警系统

1.1火灾检测报警系统的通用结构、组成

火灾检测报警主要由检测装置、报警装置和通信模块组成，检测装置由传感器和控制器组成。传感器用于采集信号，控制器根据传感器采集的信号判断环境是否处于火灾状态，报警装置用于提醒发生火灾或远程报警，通信模块将报警信号发送至远程的消防中心或监控中心，使得用户在火灾时得到及时的救助。表1描述了火灾检测报警系统通用结构的组成。

表1火灾检测报警系统的组成

1.2火灾检测报警系统的分类

火灾检测报警装置分为两类：环境式的火灾检测报警系统和基于视频图像的火灾检测报警系统。

表2火灾检测报警系统的分类及特点

2火灾检测报警算法

火灾检测报警方法大致分为两大类：阈值法和模式识别法。基于环境传感器的方案主要采用阈值判断的方法，基于视频图像的方案主要采用特征提取和识别的方法。

目前大多数的火灾检测报警算法都采用了阈值法进行检测。在进行火灾检测报警时，可以选用一个或多个特征进行检测，也可以计算特征的标准差、方差等检测值作为火灾判断的依据。可设置多个报警阈值分级报警

由于火灾中会产生烟雾、火焰、光的特性等，基于可见光图像可获知烟雾和火焰情况，但当存在灯光或其它干扰，可见光不能有效检测火灾，而通过红外成像仪获得的红外图像则可有效识别火焰。基于图像识别火灾图像包括了图像预处理、图像分割、特征提取3个方面。

图像预处理中主要包括图像颜色的处理和图像滤波。主要基于图像预处理消除火灾图像在检测环境的烟雾和光照等因素产生的噪声，使图像达到一个理想的效果。图像颜色的处理是基于色调、饱和度和亮度等参数识别出火灾图像中的烟雾区域或火焰区域。而图像滤波则是在保留目标图像细节特征的同时抑制噪声。

图像分割是基于阈值、区域和边缘等将火灾图像中的烟雾、火焰和其它区域分开，提取出所需的部分。

特征提取，火灾过程中，火焰从无到有，该阶段图像特征明显，为了提高火焰识别的准确性，需要提取出对火焰识别最有效的特征。特征提取可分为静态特征提取、动态特征提取以及多特征融合提取。火焰的静态特征有颜色、纹理、圆形度以及边缘尖角等，火焰的动态特征有面积、质心、闪动频率以及形体变化等。多种特征融合提取则是同时提取火焰的静态特征与动态特征，将多种特征融合可以克服依靠单一特征提取检测图像的不足。常见的特征提取识别方法包括高斯混合模型、小波变换、神经网络、模糊算法等，但是应用最多的是支持向量机SVM。火灾检测报警其实就是一个模式识别的二分类问题，即判断环境事件是属于火灾还是属于正常事件。

3火灾检测报警技术的应用方法

火灾报警检测可以有效检测监测区域是否发生火灾并及时报警，保护人的生命和财产安全。其主要应用在家庭、商场、工厂、森林等，适用于易发生火灾的区域。

环境式的火灾检测报警系统的检测方法是在需要检测的环境区域内安装感烟传感器、感温传感器、红外传感器或紫外传感器等来获取环境中的火灾状态信息，然后通过对火灾信息进行分析，通过在一定的区域采集烟雾、温度、红外和紫外等信息进行火灾判断，进而进行火灾报警。或者，基于特定场合设置基于机械、液压、气动作用的火灾报警器，进行火灾的检测和报警。

基于视频图像的火灾检测报警系统的传感器，通过安装在特定区域内的摄像机，拍摄该区域内的环境信息，然后通过相关的技术提取烟雾和火灾信息，通过提取的特征信息来判断是否发生火灾。

4火灾检测报警技术的发展热点

火灾检测报警方法所面临的问题是：如何提高报警的实时性、准确率，降低误报率，在保证准确的情况下降低计算量。当前，火灾检测报警技术的发展热点分别体现在火灾检测报警装置的进步、火灾检测报警方法的改进。主要包括以下几个方面：

1）火灾检测报警系统的主流发展趋势和研究热点是火灾检测报警设备的网络化、小型化、智能化。

2）提取电子稳像效果更优的林火图像识别理论，相机的抖动可能导致图像模糊，通过抖动补偿进行稳像处理可以改善该现象，但在火灾环境中图像还会受到燃烧物质和空气流动的影响，因此未来需要在电子稳像方面加强改进，提高图像识别率。

3）将火焰图像