智能建筑火災自動報警系統的研究-資料下載頁

【導讀】本人聲明，所呈交的學位論文是本人在導師指導下進行的研究工作及取得的研究成果。盡我所知，除了論文中特別加以標注和致謝的地方外，論文中不包含其他人已經發表或撰寫過的研究成果，也不包含為獲得中南大學或其他單位的學位或證書而使用過的材料。與我共同工作的同志對本研究所作的貢獻均已在論文中作了明確的說明。本人了解中南大學有關保留、使用學位論文的規定，即：學校有權保留學位論文并根據國家或湖南省有關部門規定送交學位論文，允許學位論文被查閱和借閱；學校可以公布學位論文的全部或部分內容，可以采用復印、縮印或其它手段保存學位論文。考慮到火災發生的雙重性，即隨機性與確定性，同時又由于智能建筑火災自動報警系統檢測火災的一項重要任務就是將不確定的一面轉化成比較準確的一面。實驗結果表明，基于BP神經網絡的火災探測算法能更有效地減少火災的誤報警率，提高火災報警的準確率。

　　

【正文】 。只有在前三層匹配正確情況下才去匹配協議類型，輔以系統/部件類型匹配（該條件可以沒有），找出數據格式的各種可能組合，通知相應計算模塊，加以統計分析、存儲并出具分析報告及顯示分析結果，繼而判識數據有用的格式。 數據及實驗分析信息識別的數據來源為火災自動報警系統的探測器，而探測器接收是通過安裝在火災報警系統區域內各種類型的探頭信號而采集到的。目前探測器的種類有感煙、感溫、感光（分為光焰、光電、紅外光焰、紫外光焰、圖像光焰）、氣體探測器。圖33，圖34分別為火災自動報警系統局部區位圖、局部顯示屏圖。 圖33 火災自動報警系統局部區位圖 圖34 火災自動報警系統報警局部顯示屏圖通信數據信息識別的大致步驟為：（1）由設置在附屬醫院各個部位的火災報警感應探頭通過線制向計算機平臺輸送火警信號，由計算機通過軟件系統進行通信數據處理。（2）計算機軟件系統通信數據采集后，經過處理，將起火的部位（方位）傳輸到顯示屏，顯示屏上起火方位燈亮。同時還和城市“19”火災報警網絡系統相連，“119”火災報警網絡系統也同樣收到了火警信號，并視情予以處理。圖35為該醫院與報警網絡系統聯接圖。 圖35 火災自動報警系統與城市“119”消防網絡圖（3）計算機根據起火部位（或方位）打印系統打印報警單，圖36為打印窗口圖。 圖36 火災自動報警打印窗口圖其打印單顯示出：詳細的起火地點和起火時間，以便采取有力的救援措施。表3—1為監測接收某型號火災報警控制器發送的數據。 表31 火災自動報警系統監測數打印表序號設計參數計算機接收數據錯誤數百公比間斷數合計最長連續數間隔數得分數數據排序17，N，1820602300327，N，26705301737，N，3450606411347，N，4250100282657，N，5385424301167，N，6450110371978，N，1110111100388，N，2250111282598，N，3311121002108，N，4201112826波特率為24008，N，5（4）通信數據信息識別的局限性。目前通用的通信數據信息識別的關鍵技術方法為有線性與無線性估計。其中包含了模糊識別、聚類分析、模板分類、專家系統等。例如，當火災信息通過火災自動報警系統自動錄入時，計算機系統就會進行識別判斷，還可以通過信息定位進行信息識別，必要時還可以識別人為地錄入和城市遠程監控系統聯動發來的信息識別。總之，由于通信數據信息檢測信息量大，故出現的誤報警的概率也比較大。如該醫院就有兩種情況出現誤報警：①由于該醫院設有紅外線放射科，每天受理放射檢查的病號比較多，機器運轉時間稍長，紅外線放出來的信號也會被火災自動報警接收產生故障報警信號，出現誤報。②該醫院有各類工作人員3000余人，住院人數和門診人數也保持在30004000人左右，醫院后勤配備的生活鍋爐每天二次排放蒸汽濃度過大時，也會被火災自動報警系統所接收為信號，出現誤報警。這兩者都是在今后報警系統信息識別技術中需要解決的難題。綜上所述，上述提及到的串/并行脈沖檢測技術及數據挖掘的通信數據信息分析方法，較好地實現了火災報警控制系統通信數據信息的分析與識別功能，在現代數據分析技術日趨完善的過程中，將會有更多的和更加方便靈活的方法應用到火災自動報警系統中的火災信息識別之中。 圖像型火災識別技術在圖像智能建筑的大空間中，尤其是存在遮擋和周圍環境干擾時，實踐證明前面所介紹的火災信息識別技術都難以達到較好的識別效果，存在著靈敏度和可靠性之間的矛盾。這是因為：首先基于通信數據信息和氣體分析技術的火災識別方法通常在較低情況下才能達到較好的效果，而在某些智能建筑中，火災燃燒的產物受高度面積影響，只有當火災發展到一定的程度才能被檢測；其次，在環境比較惡劣，比如灰塵、電磁干擾、水蒸氣、空調等影響下，上述的火災信息識別方法都能難以正常發揮效用，容易出現誤報現象；再次，火災具有反應時間短、火源點多、火源性質復雜、煙氣控制困難等特點，這就要求火災探測系統能夠盡早報警，降低誤報率，從而將火災消滅于萌芽狀態。利用圖像型火災探測技術對早期火災進行識別，可以較好地區別其它干擾現象，準確及時地發現火災。 基本原理基于圖像處理的火災探測系統是一種以計算機為核心，結合光電技術和數字圖像處理技術而研制的火災自動報警系統，如圖37所示。它利用攝像頭對現場進行監視，對攝取的視頻信號由圖像采集卡捕捉為數字圖像并輸入計算機，由計算機根據圖像特征進行分析和處理，從而達到探測火災的目的。圖37 火災圖像探測系統原理圖在圖37中，火災圖像信息通常為火焰的圖像特征，它包含了火的面積、邊緣、距特性、紅外輻射以及其他一些明顯的特征。在圖像型火災識別技術中，數字圖像處理部分是火災探測系統的核心，直接影響到報警系統的準確率。其核心問題是要利用火焰的圖像來探測火災的存在，而利用火焰的圖像必然要使用數字圖像處理技術。利用數字圖像處理技術進行火災圖像識別的步驟為：① 對火災圖像預處理，包括圖像增強、濾波、灰度化以及分割等操作[34]；② 利用圖像特性對這些物體加以識別或分類檢測出圖像中的物體；③ 圖像分割處理是將圖像中的目標與背景進行分離，以找出圖像中需要進行處理的部分；④ 在提取了圖像中的目標之后，要對目標進行分析，以判斷該目標是早期火災現象還是其它的干擾現象，這就是數字圖像處理中的圖像識別問題。所以說，火災圖像的識別問題可以簡要表述為：在圖像預處理后，即可方便地計算出描述物體尺寸和形狀的一些特性，如物體的面積、周長、長度、寬度、矩形度、圓形度、不變矩、相似度和形狀描述等，進而進行圖像識別[30]。 火災圖像的預處理 我們知道火災在燃燒過程中，會產生大量煙霧、火焰和高溫和各種氣體等。因此，在連續影像中長時間地表現為高亮度時，它是火災存在的最原始、最直接的特征。我們根據火災特定的環境，取RGB三基色，再根據閾值大小得到火災活動的不同區域，從而排除非火災因素，做出是火災和非火災的準確判斷。火災圖像的濾波在實際工作中，我們所獲取的火災數字圖像往往要受到拍攝、儀器以及周圍環境的影響，使得圖像失去本來面目或者存在各種各樣的噪聲。為消除噪聲，校正失真，不讓干擾信息影響到后續圖像的識別，需要對圖像進行濾波處理，使之恢復圖像的本來面貌，把圖像變成人眼容易觀察、機器容易識別的圖像。圖像的濾波常用的方法有線性濾波和中值濾波。其中，線性濾波具有低通性，在去除噪聲的同時，也可能將圖像的邊緣搞模糊化了。中值濾波在去除噪聲的同時，不會影響到圖像邊緣問題，它是一種較好的非線性的濾波方法[35]。其基本原理：是對數字圖像中的某一點像素，用該點周圍小區域中的其他各點的灰度值的中值來代替該點灰度值。該方法是將一個點的特定長度或形狀的領域稱為窗口。在一維的情形下，中值濾波器是一個含有奇數像素的滑動窗口。窗口正中間那個像素的值用窗口內像素值的中間量代替。我們設輸入數據序列為，I為自然數集合或子集，窗口長度為n，則濾波器輸出為： 公式（39）其中Med表示取的中值。將中值濾波應用到二維上，設表示數字圖像各像素點的灰度值，為濾波窗口，我們可得二維中值濾波公式： 公式（310）濾波窗口有線形、方形、十字形、圓形和菱形等許多種，不同濾波窗口的濾波效果也不盡相同。二維中值濾波要比一維中值濾波效果好，能有效抑制噪聲的同時，不會干擾到圖像的邊緣信息。因此，在實際使用中，我們采用的濾波窗口大小。能夠保持圖像邊緣細節。 火災圖像的分割火災圖像分割的目的是抑制火焰顏色的干擾，使得火災識別能更有效有序地進行。其方法就是將圖像中具有一定涵義的不同區域進行分割，使得這些區域不自相交，所得到的區域都具有相同的特性[36]。火災燃燒在連續影像中具有 自然特性有：燃燒的色譜特性；相對穩定性；紋理特性；蔓延增長的趨勢特性等，我們采用背景差分法將當前圖像與參考圖像進行剪影操作，來判斷在監控區域是否有火災存在。火焰圖像的處理就是用當前圖像減去參考圖像而得到目標圖像中不需要的圖像部分，而只保留所關心的圖像。在圖像處理過程中，圖像分割可以定義為將數字圖像分割成不相交（不重疊）區域的過程。設數字化圖像序列，為圖像區域的表示，為當前圖像，為總圖像數。實際操作中，應大于2。將現有當前圖像與參考圖像進行比較，計算二者差的圖像的公式為【37，38】： 公式（311）為一個差值圖像序列，表示與參考圖像的差別。要將圖像轉化為二值圖像，需設置一個閥值，這里我們應用閥值迭代算法求解一個最佳閥值。閥值迭代算法跟數學上的逐漸逼近和迭代類似。設一副圖像的最佳閥值為，算法思想是首先按某種規則取得圖像的一個閥值，然后不斷的對進行修正，直到無限趨近于，算法具體步驟具體分為5步[39]：Step1：計算圖像的最大灰度值和最小灰度值，；Step2：根據閥值將圖像分割為前景和背景，計算兩者的平均灰度值；Step3：計算新閥值；Step4：若，則，轉Step2，否則為預先假定的最佳閾值，轉Step5；Step5：算法結束。設原圖像為，則閥值分割后的圖像為： 公式（312）這樣：g(x，y)=1時，則有火災發生；g(x，y)=0時則無火災發生。 火災圖像的特征提取火災圖像的特征提取分為硬件和軟件兩個系統組成。硬件主要由圖像采集系統、數字計算機以及控制處理三個部分組成。圖像采集系統是數字圖像處理系統中重要部分，由成像系統、采樣系統和量化器三部分組成。實現圖像的獲取和圖像的數字化任務，為數字圖像處理作好準備。軟件主體是系統的核心，它對數字圖像首先進行圖像分割，再利用圖像特性對這些圖像進行火災識別或分類檢測，以便準確判斷。火焰影像面積的變化規律我們使用CCD來攝取火災的火焰影像，其影像灰度值將固定在特定的“閾值”取值范圍內。因此可以用分割方法來獲得火焰目標，然后以掃描火災窗口獲得的像素點數目的多少來描述火焰的影像面積大小。我們可以用幾何函數來描述火災早期火焰的形成過程，其方程見公式(313)： 公式(313)式中：　y為火焰影像面積； t為測量時間；t0為火焰影像增長的起始時刻； a、n為與可燃物特性參數。對方程(313)兩邊取對數，公式(313)變成： 公式(314)令，將公式變形，再分析其線性度，即擬合成直線的相關系數見公式(315) 公式(315)式中： 顯而易見：Y與T成直線關系。因此，用幾何函數來描述火焰影像面積的增長規律是合理的。這就是火焰影像變化的規律。火焰的邊緣變化分析在實際操作中，由于火苗發生竄動，火焰的尖角信息多體現在火焰圖像的上半部分，因此我們用矩陣法先計算區域目標的重心。這里僅對重心以下的目標區域進行尖角識別判斷，當監測現場的地面過于光亮時還可以消除火焰鏡面成像部分的干擾。矩是一種基于區域內部的數字特征，對于給定的二值圖像，0表示背景，1表示目標，那么它的矩陣表示如下： 公式（316）那么，代表目標區域面積，和方向的一階矩可簡化為和方向上的目標點個數統計，目標區域的重心坐標則可根據如下表達式計算: 公式(317)得到目標區域的質心后再和方向的一階矩（M10/M01），對于二值圖像來說，可以將其簡化為和方向上目標點的個數。計算圖像矩陣特性的目的是因為考慮到火焰的形狀不斷變化這一獨特的性質，反應在圖像的數字特征上，即表現為其一階矩也應該是無序的變換。與此相對應，如果M10/M01同時有規律地變化（如同時增大），則證明有高亮度的物體攝像機方向移動，這樣可以排除干擾。對火焰區域采用輪廓跟蹤法提取形態特征，同時對火焰尖角進行判斷和個數統計。輪廓跟蹤的總體方法是[42]：首先根據“探測準則”[43]搜索出輪廓線像素；其次使用一定的“跟蹤準則”對第一步中像素的特征找出輪廓線上的其他像素。具體來說，首先根據“探測準則”和“頂點判斷”條件搜索出火焰的尖角頂點。再從該頂點的左右邊界像素用一定的“跟蹤準則”從左下和右下兩個方法進行跟蹤, 找到下一行的邊緣目標點[44]。“探測準則”是指從對圖像從左到右、從上到下進行掃描，若發現是黑點則進一步判定是否為頂點。因邊界是連續的，所以每一個邊界點都可以用前一個邊界點對當前邊界點所形成的角度來表示