视频火灾报警技术的现状.docxVIP

视频火灾报警技术的现状 　　摘要：人们正越来越关注对火灾报警技术的研究。最初，人们只是单纯的利用烟雾，温度，亮度等传感器检测一些物理量来对火灾进行监控报警。伴随着迅速发展的视频监控技术，将其用在火灾报警中也成为大势所趋，从传统的一些方法到现在利用神经网络进行识别，使得视频火灾报警技术逐步发展起来，并在实际运用中取得较好的效果。文章从视频火灾报警技术的检测、识别、系统与规范几个方面阐述了视频火灾报警技术的现状，总结其存在的不足，展望其未来的发展。 　　关键词：火灾;视频监控;报警技术;现状 　　中图分类号：tp277;tp391文献标志码：a文章编号：1006-8228（2019）10-01-04 　　abstract：peoplearepayingmoreandmoreattentiontotheresearchoffirealarmtechnology.initially，peoplesimplyusedsmoke，temperature，brightnessandothersensorstodetectsomephysicalquantitiestomonitorandalarmthefire.withtherapiddevelopmentofvideosurveillancetechnology，theuseofvideosurveillancetechnologyinfirealarmshasbecomeanirresistibletrend.fromtraditionalmethodstotheuseofneuralnetworksforidentification，videofirealarmtechnologyhasgraduallydevelopedandachievedgoodresultsinpracticalapplications.thispaperexpoundsthecurrentsituationofvideofirealarmtechnologyfromtheaspectsofdetection，identification，systemandspecificationofvideofirealarmtechnology，andsummarizesitsshortcomingsandforecastsitsfuturedevelopment. 　　keywords：fire;videosurveillance;alarmtechnology;statusquo 　　0引言 　　火灾的精确预警与及时处理始终是一个世界性难题，伴随着迅速发展的智能视频监控系统，视频火灾报警技术登上了世界历史舞台，并在国内外的实际运用中取得了优异的成果，特别是在公安部提出平安中国等口号后，视频火灾报警技术在我国迅速发展起来。 　　由于在火灾初期，火灾的烟雾总是先于火灾火焰的发生，而时效性是火灾报警的一个非常重要的指标，所以相对于火灾火焰，火灾烟雾的检测极为重要。本文首先针对火灾烟雾的检测与识别阶段对近年来的视频火灾报警技术进行阐述，然后列出近年来火灾报警系统的研发以及相关规范的制定，并在文章的最后提出一些总结与展望。 　　1火灾烟雾的检测技术 　　对于火灾烟雾的检测技术，通常从颜色，静态与动态的纹理特征，运动方式以及频率等方面展开研究。 　　起初，人们对火灾烟雾的检测在其颜色特征方面关注较多，比如最早的rgb模型的运用和专用于烟雾检测提出的hs’i模型。近年来则多是对于一些颜色模型的综合利用[1]或者与烟雾其他特性的混合使用[2～3]相关方法的研究。 　　相比颜色，烟雾的纹理检测的效果较为准确。而传统的烟雾纹理的研究只是基于一些简单的边缘检测，面对复杂的火灾烟雾环境效果很差。提取局部二值模式（lbp）作为纹理特征[4]的提出较好的解决了该问题，也成为烟雾纹理检测主要的研究方向，比如近年来自适应尺度局部二值模式（as-lbp）[5]、成对比较局部二进制模式（pclbp）[6]、以及多尺度中值ltp模式（mltp）[7]的提出，运用这些方法不仅在火灾烟雾的检测中效果较好，而且在烟雾纹理分类中也有不错的效果。但这些方法多用于从视频中的单帧图像获得静态纹理特征，很有可能出现检测效果不佳的状况，这使得学者对于动态的烟雾纹理特征展开了研究。 　　最早的烟雾视频的线性动态系统框架（lds）[8]已经可以做到检测视频中烟雾发生的时间及其具体位置，但lds忽视了彩色视频信息，只可以使用亮度值当作图像的信息。在随后的几年内lds虽然得到了一系列的改进[9～10]，不过这些改进都运用了密集抽样的方法，计算量相对较多。近两年，有学者提出了一