PDF《闽老 嘲》

第 8卷 第3期1999年 7月火灾科学FI RE SAFETY S CI ENCE VOl _ 8.

No.3 J u l _

1 9

9 9 基于人工神经网络 的火 灾 图象 探测方法宋卫 国 范维 澄'

吴龙 标^f-― 一- _ ― 一(中国科学拄术大学业灾科学国家重点实验室,音肥230026)摘要弋每苦・l/>

(2提出了一 种新型的火灾探 测方法:基于BP神 经 网络 的火灾图象探 洲方法.该 方法利用了早 期火灾火焰的形体变化 特性,用图象处理 的方法提 取特征信息,最后 利用人工神 经 网络 来进行火灾判 别.与传统方法比较 , 人工神经网络 更适合处理不完善 和 模糊 的信 息,吴用更好的可靠性和客错 性.最后给 出 了实验 结果 , 进行 了分析 , 并 同常 规的火灾探 测方法进行了比较.关键词火灾探 测神经网络 图象处理 一1人工神经周络火灾探测的发 展现状闽老嘲人工神经网络可 以处 理 非线 性、不完整的数据 . 它不仅可以在正常情况下给出问题的次最优解(如果结合模拟退 火算法,则可在一定条件下得到全 局最优解),而且 在数据、资料残缺不全的情 况下仍可 以正 常运转,给出满 意的结果 . 火灾探测信号正是一类典型的非 线性信号,用人 工种经网络 方法可望解决 火灾探测中的可靠性问题.文献进行了多 层感知器 火灾探测器的研 究,将多层感知器应用于火灾探测领域并取得了很好的结 果.文献用神经网络对 热分解过程进行了预测,克服了以往对热分解的分析依赖 反应级数的不 足.除了利 用常规的神经网络模型,多种新型神经网络也被应用 到火灾探测 领域.文献 分别利用了基于遗传算法的前 馈 神经 网络 和 模糊神经网络 进行火灾探测 . 与传 统的闺值型方法相比,神经网络火 灾探测方法可以利 用 多种 探测信号进行火灾探测,并且自动 提取判别规则,将这些规则以权值的形式 记忆下来.但是,目前 进行的研究工作大都是利用多种常规火灾探测器信号,用神经网络方法进行处理.这就存在着信号的同步和匹配问题:火灾探测 的准确性要求多种 火灾探测器同时安装在足够小的区域 内,这不仅大大增加了火 灾探测费用、增加了实 现的可行性,而且探测器 数 目的急 剧增 加在一定程度上反而降低了系 统的可靠 性.为了提 高火灾探测的质 量,收稿日期 :

9 8 ―

0 3 ―

1 6 修 改祷 收到日期 :

9 9 一O

4 ―

1 2 车研究课题得到国家自然 科学基金项耳资助(59876039)维普资讯 http://www.cqvip.com

5 0 火灾科学FIRE S AF E TY S C I E NC E 第 8卷 第 3期 不仅要采用新的信号处理方法,而且 要有新型的探测技术2火灾图象探测的提 出殛 发展火灾图象探 测系统,是一种以计算机为核 心,结合光电技 术和计算机图像 处理技术研制而成的火灾自动 监测报警系统 , 有观测普通影像和红外监测实现火灾自动 报警的双重功能.火 灾图象探 测方法,是一种基于数字图像 处理和分析的新型火 灾 探测 方法它利用摄像头对现场进行监视,同时对摄得的连 续图象由图象 采集 卡转换为数字图象 输人计算机,不断进行图像处理和分 析,通过早期火灾火焰的形 体变化特征来探测火灾.图

2 1为火灾图象探测的原 理图.图象是一种包含强度、形体、位置等信息的信号.因此 , 利用图象进行火灾探测有自己独 特的优势.目前 国 内外 对这种新的火灾 探测技术开展了深入研究.文 献和文献提出了一种 视频火灾探测方法,利用多个温敏探头将火灾现场的温度幅度和分布信息转化为灰度信息,用黑白摄像头采集灰度信息进行处理,实现火灾的定位并可计算出火 灾 的热 释放速率.图2―1火灾图象探测系统 原理图 文献提取了电站锅炉燃烧火焰的图象特征,并用人工神经网络的方 法对火焰形态作了研究,在区分燃烧工况方 面得到了较 好 的结 果.文献0和文 献 阐述 了火 灾 图象 探测的基本原理,并且提出了提 取早期火灾火焰辐射特性 、 形体变化 特性的几种新方法.文 献【 a : 对早期火灾火焰的辐射特性和形 体变化特性作了系 统的分析,并用常规 的图象处理方法实现了完整的火 灾图象探测系统.火灾中的燃 烧过程是一个典型不 稳定过程.由于 可燃物、几何条件、环境 和气 候 的影 响,火灾过程 要 比一 般动力装 置中的燃 烧过程更为复 杂.同时,火灾现场 存 在各 种干扰因素,如阳光 、 照 明灯 等.图象型 火灾探测方法立足于早期火灾火焰的基本特性,可以排除各种干扰,使火灾探测快速、可靠.3早期火灾火焰 的图象特性用图象型火灾探测方法进行火灾探测,要排除各种干扰源的影响.干扰源主要包括:自然 光(由太 阳光折射、反射产生)以及其他高温物 体(如日光 灯等)自然 光可以通 过一 各特殊的光学器件滤除,其它高温物 体的干扰则可以由早期火灾火焰的图像 变化 特性来排除(文献和文献.在早期火灾阶段,由于火焰从无到有,是一个发生发展的过程.这 个阶段火焰的图象特征就更加明显 . 早期火灾火焰是非定常的,不同时 刻火 焰的形状、面积 、 辐射强度等等都在变化 . 抓住火灾的这些特点可以为火 灾 的识 别打下良好 的基础.图象 型火灾探测中的维普资讯 http://www.cqvip.com Vo

1 .

8 No .

3 基于人工神经网络的火灾图象探 测方 法5l图象处理是动态图象的连 续处理:对图象上的每 个 目标 , 根据一定的算 法来确定它们同前 一帧中目标 的匹配关系,从而得到各个目标 的连 续变化规 律.以下 是 图象 型火灾探测方法中用到的图象信息:1)面积变化:早期 火灾是着火后火灾不断发展的过程 .在这个阶段 , 火灾火争的面 积呈现连续的、扩展性的增加趋势.在图像处理中,面积 是通过取 闺值 后统 计 图像 的亮点(灰度值大于阈值)数实现 的.当其 它高温物体向着 摄像头移 动或 者从 视野 外移人时,探测到的目标 面积也会逐渐增大,容易造成干扰.因此 , 面积判据需要配合其它图象特性使用.2)边缘变化:早期 火灾火焰的边 缘变化有一定的规律 , 同其 它的高温物体及稳定火焰的边缘变化不同.文献 提出过初步的边 缘判据.更精确的方法是用边缘检测和边缘搜索算法将边缘提取出来 , 根据边缘的形状、曲率 等特性对边缘进行编码,再根据编码提取边缘的特征量利用这些特征量在早期火灾阶段 的变化规律进行火灾判别.3)形体变化:早期 火灾火焰的形 体变化反映了火 焰在 空 间分 布 的变 化.在早 期火灾阶段,火焰 的形 状变化、空间取向变化、火焰的抖动以及 火焰的分 台等t具有自己 独特的变 化规律.在 图像 处理中,形体 变化特性是通过计算火焰的空 间分 布特 性,即像 素点之间的位 置关系来实现的.4)闪动规 律:火焰 的闪动规律,即亮 度在空间的分布随时问变化的规 律,火焰在燃烧过程中会 按某种频率闪烁 . 在数字图象中就是灰度级直方 图随 时间的变 化规律,这个特性体现了一 帧 图像 的像素点 在不同灰度级上的颁 情况随时闯的变 化.5)分层变化:火焰 内部 的温 度是不均匀的,并且表现出一定的规 律 .火 灾中的燃烧属于扩散燃烧,扩散燃烧火焰都有明显的分层特性,如蜡烛火焰可分为焰 心、内焰、外焰三层;

木材等固体燃烧时由于 表 面辐 射很强,可分为固体表面与火焰部分两大层,而火焰部分还可以再 分层.分层变化特性体现了不同灰度级的像 素点在空间的分 布规律.6)整体移动:早期 火灾火焰是不断发展的火 焰,随着旧的燃 烧物燃尽和新的燃烧物被点燃,火焰不断移动着位置所以火焰的整 体移动是连续 的、 非跳跃性的.l. 一,0u1)网 络结构;

(2)输 入输出特性图4-1三层BP 网络在火灾图像 探测方法中,对每一帧图象 做 以下 操作:1)对图象上的每个目标 t 根据一定的算法来判断他们同前一帧中目标 的匹配关系,从而得到各个目标 的连续变化规律.维普资讯 http://www.cqvip.com 火灾科学FI RE S AF ETY S C I E NC E 第 8卷 第 3期

2 ) 提取本帧图象 的特 征信息.即 提取如上所述 的面积、边缘等信息.3 ) 一定的算法对最近几帧图象的特 征信息进行综合处理,最后得出有 火灾发生的概 率.在最后一步的综 合处理中采 用BP神 经网络方法 进行判别.4基于BP神 经 网络 的火灾图象探 测4.1BP神 经网络简介BP网络是1985年 由Ru me l h a r t 、 Mc C l e l l a n d和他们的同事发展起来的,它实现了Mi r t s k y的多层网络的设想BP网 络是一种多层前馈神经网络 , 其权值的调 整采用反向传播(BackPropagation)算法.B P神经网络 的结 构如图4.1所 示,整个网络结构分为三 层:输入层、隐层和输出层 网络 中的神经 元单元的输 入输出关 系采用Sigmo i d函数 . BP算法是一种有 教师的学 习规 则 .学 习过程中,学习样本被依次输入,每个样本对应一个 教师信号.神 经网络自动 调整权值,将学 习的内容 记忆 下来.学 习结 束后神经网络 工作 时.如果有一组样本输入,神经网络可以根 据 自己 已学 到的 知识 对输入样本做出正确的判 断.经过训练的BP网 络,对于不是训练样本集中的输 入也能给出合 适的输出,这种性质称为泛化(generalization) 功能.4.2基于BP神 经 网络 的火灾图象探 测方法火灾图象 探测方法利用图象这 一复合信号作为探测火灾的依 据,用人工种经网络方法地信号进行处理.克服了以往 存在着的信号同步和匹配问题 : 人工神经网络所用的输 入信息都从图象中提取,而不用多种探 测信号协同工作.4.2.1BP神 经网结构 和学习样 本 所用 B P神经网络 的输 入信息根据 火灾火焰 的 图象变化 特性 确定 .输入层 即对应 于 图像 火灾探铡方法中所用的六 种 图像 信息,由下六路组成:1)IN1 一面积变化;

2)IN2 一边缘变化;

3)1N3 一形体变化;

4)IN4 一闪动规 律;

5)INj 一分层变化;

6)仆i

6 一整体移动;

BP网络的输出端 只有一路,用 o 表示.输 出做了归一化,即输 出 的值 介于0~1之 间.BP网 络是 一种有教师学习的网络,相应的教 师信号也有三组值:o=

1 . 0对应 火灾状态 ;

o一

0 . 5对应 危险状 态;

o一

0 . 0对应 正常状 态 在使用BP网 络进行判别时,输出的不 同值 分别表示下三种状态:7)0.75≤O≤

1 .

0 O 一火灾状态;

8)0.25........