一种用于列车车厢的火灾预警方法
阅读：457发布：2020-05-15
专利汇可以提供一种用于列车车厢的火灾预警方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种用于列车车厢的火灾预警方法，所述方法包括：采集车厢内视频图像；对所述视频图像进行图像预分割，获取疑似火苗图像；基于火苗预判高斯模型对所述疑似火苗图像进行 置信度 判定；当所述疑似火苗图像通过所述置信度判定时，从所述疑似火苗图像中提取火苗纹理特征提取；根据所述火苗纹理特征判断当前场景是否存在火苗，当存在火苗时发出预警。根据本发明的方法，可以对车厢内的火灾进行早期探测；相较于 现有技术 ，本发明的火灾预警不仅更加快速准确，而且具有较强的抗干扰能 力 。，下面是一种用于列车车厢的火灾预警方法专利的具体信息内容。
1.一种用于列车车厢的火灾预警方法，其特征在于，所述方法包括：
采集车厢内视频图像；
对所述视频图像进行图像预分割，获取疑似火苗图像；
基于火苗预判高斯模型对所述疑似火苗图像进行置信度判定；
当所述疑似火苗图像通过所述置信度判定时，从所述疑似火苗图像中提取火苗纹理特征提取；
根据所述火苗纹理特征判断当前场景是否存在火苗，当存在火苗时发出预警。
2.根据权利要求1所述的方法，其特征在于，基于与固定背景的对比，通过背景差分法进行图像预分割。
3.根据权利要求1所述的方法，其特征在于，对所述视频图像进行图像预分割，获取疑似火苗图像，包括：
判断所述视频图像是否包含颜色和/或亮度信息符合火苗颜色和/或亮度信息的区域。
4.根据权利要求1所述的方法，其特征在于，对所述视频图像进行图像预分割，获取疑似火苗图像，其中：
当存在所述疑似火苗图像时，不更新所述固定背景
当不存在所述疑似火苗图像时，实时更新所述固定背景。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取火苗样本图像，根据所述火苗样本图像训练获取所述火苗预判模型和/或确定所述置信度阈值，所述火苗样本图像包括正样本和/或负样本，其中：
采集火苗图像并标注挑选出每帧图像中火苗的区域，尺寸归一化后生成所述正样本；
和/或，
使用火苗图像实验所述火苗预判模型，获取未被识别成火苗的图像，标注挑选出每帧图像中火苗的区域，尺寸归一化后生成所述负样本。
6.根据权利要求1所述的方法，其特征在于，针对所述疑似火苗图像进行火苗纹理特征提取，其中：
利用LBP算子提取图像的纹理特征。
7.根据权利要求1～6中任一项所述的方法，其特征在于，所述方法还包括：
对所述视频图像进行图像预分割，获取疑似烟雾图像；
从所述疑似烟雾图像中提取烟雾特征；
根据所述烟雾特征判断当前场景是否存在烟雾，当存在烟雾时发出预警。
8.根据权利要求7所述的方法，其特征在于，对所述视频图像进行图像预分割，获取疑似烟雾图像，包括：
判断所述视频图像是否包含暗通道值符合烟雾暗通道模型的区域；
判断暗通道值符合烟雾暗通道模型的区域是否符合烟雾动态特性。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
获取烟雾样本图像，根据所述烟雾样本图像训练获取所述烟雾暗通道模型和/或所述烟雾动态特性。
10.根据权利要求7所述的方法，其特征在于，从所述疑似烟雾图像中提取烟雾特征，其中，计算所述疑似烟雾图像前后帧的熵以及轮廓灰度共生矩阵。
一种用于列车车厢的火灾预警方法
技术领域
[0001] 本发明涉及轨道交通领域，具体涉及一种用于列车车厢的火灾预警方法。
背景技术
[0002] 在各种灾害中，火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一。尤其的，在轨道交通领域，由于列车车厢的封闭性，一旦发生大规模火灾，造成的生命财产损失更是无法估量。但是，在现有技术中，由于无法保证车辆硬件设施始终处于理想状态，再加上乘车人员众多，无法实现完美监控，这就导致无法绝对的杜绝引发火灾的诱因。因此，在火灾刚被诱发时及时进行火灾预警就成了保证人员生命财产安全、预防重大火灾事故的一个重要手段。
[0003] 在现有技术中，列车车厢内通常利用烟雾探测器实现火灾预警。但是，由于列车车厢空间较大，烟雾探测器的安装位置较高，烟雾需要达到一定浓度，并且达到一定高度才能触发烟雾报警器，易造成对于火灾判断的不及时；并且，由于车厢内不遵守规则的乘客吸烟导致触发报警器也会引起错误预警；同时烟雾报警器能够快速吸引乘务员的注意，但是无法快速告知火灾烟雾的具体位置。因此，使用烟雾探测器并不能满足列车车厢中的火灾预警要求。
发明内容
[0004] 本发明提供了一种用于列车车厢的火灾预警方法，所述方法包括：
[0005] 采集车厢内视频图像；
[0006] 对所述视频图像进行图像预分割，获取疑似火苗图像；
[0007] 基于火苗预判高斯模型对所述疑似火苗图像进行置信度判定；
[0008] 当所述疑似火苗图像通过所述置信度判定时，从所述疑似火苗图像中提取火苗纹理特征提取；
[0009] 根据所述火苗纹理特征判断当前场景是否存在火苗，当存在火苗时发出预警。
[0010] 在一实施例中，基于与固定背景的对比，通过背景差分法进行图像预分割。
[0011] 在一实施例中，对所述视频图像进行图像预分割，获取疑似火苗图像，包括：
[0013] 在一实施例中，对所述视频图像进行图像预分割，获取疑似火苗图像，其中：
[0014] 当存在所述疑似火苗图像时，不更新所述固定背景
[0015] 当不存在所述疑似火苗图像时，实时更新所述固定背景。
[0016] 在一实施例中，所述方法还包括：
[0017] 获取火苗样本图像，根据所述火苗样本图像训练获取所述火苗预判模型和/或确定所述置信度阈值，所述火苗样本图像包括正样本和/或负样本，其中：
[0019] 和/或，
[0020] 使用火苗图像实验所述火苗预判模型，获取未被识别成火苗的图像，标注挑选出每帧图像中火苗的区域，尺寸归一化后生成所述负样本。
[0021] 在一实施例中，针对所述疑似火苗图像进行火苗纹理特征提取，其中：
[0022] 利用LBP算子提取图像的纹理特征。
[0023] 在一实施例中，所述方法还包括：
[0024] 对所述视频图像进行图像预分割，获取疑似烟雾图像；
[0025] 从所述疑似烟雾图像中提取烟雾特征；
[0026] 根据所述烟雾特征判断当前场景是否存在烟雾，当存在烟雾时发出预警。
[0027] 在一实施例中，对所述视频图像进行图像预分割，获取疑似烟雾图像，包括：
[0028] 判断所述视频图像是否包含暗通道值符合烟雾暗通道模型的区域；
[0029] 判断暗通道值符合烟雾暗通道模型的区域是否符合烟雾动态特性。
[0030] 在一实施例中，所述方法还包括：
[0031] 获取烟雾样本图像，根据所述烟雾样本图像训练获取所述烟雾暗通道模型和/或所述烟雾动态特性。
[0032] 在一实施例中，从所述疑似烟雾图像中提取烟雾特征，其中，计算所述疑似烟雾图像前后帧的熵以及轮廓灰度共生矩阵。
[0033] 根据本发明的方法，可以对车厢内的火灾进行早期探测；相较于现有技术，本发明的火灾预警不仅更加快速准确，而且具有较强的抗干扰能力。
[0034] 本发明的其它特征或优点将在随后的说明书中阐述。并且，本发明的部分特征或优点将通过说明书而变得显而易见，或者通过实施本发明而被了解。本发明的目的和部分优点可通过在说明书、权利要求书以及附图中所特别指出的步骤来实现或获得。
附图说明
[0035] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
[0036] 图1是根据本发明一实施例的方法流程图；
[0037] 图2是根据本发明一实施例的方法部分流程图；
[0038] 图3是根据本发明一实施例的系统结构简图。
具体实施方式
[0039] 以下将结合附图及实施例来详细说明本发明的实施方式，借此本发明的实施人员可以充分理解本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程并依据上述实现过程具体实施本发明。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
[0040] 在现有技术中，列车车厢内通常利用烟雾探测器实现火灾预警。但是，由于列车车厢空间较大，烟雾探测器的安装位置较高，烟雾需要达到一定浓度，并且达到一定高度才能触发烟雾报警器，易造成对于火灾判断的不及时；并且，由于车厢内不遵守规则的乘客吸烟导致触发报警器也会引起错误预警；同时烟雾报警器能够快速吸引乘务员的注意，但是无法快速告知火灾烟雾的具体位置。因此，使用烟雾探测器并不能满足列车车厢中的火灾预警要求。
[0041] 针对现有技术在列车车厢中的火灾预警过程中的缺陷，本发明提出了一种用于列车车厢的火灾预警方法。本发明的方法采用视频监控及图像处理相结合的方式，其可以对车厢内的火灾进行早期探测。进一步的，在本发明的方法中，采用了多重验证的方式，相较于现有技术，本发明的火灾预警不仅更加快速准确，而且具有较强的抗干扰能力。
[0042] 接下来基于流程图详细描述本发明实施例的实施过程。附图的流程图中示出的步骤可以在包含诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了各步骤的逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0043] 如图1所示，在一实施例中，火灾预警方法包括以下步骤。
[0044] 采集车厢内视频图像(S110)；
[0045] 对视频图像进行图像预分割，获取疑似火苗图像(S120)；
[0046] 基于火苗预判高斯模型对疑似火苗图像进行置信度判定(S130)；
[0047] 当疑似火苗图像通过置信度判定时，从疑似火苗图像中提取火苗纹理特征(S140)；
[0048] 根据火苗纹理特征判断当前场景是否存在火苗(S150)，当存在火苗时发出预警(S151)。
[0049] 具体的，在一实施例中，在步骤S120中，其包含一个逻辑上的判定步骤，即首先判断视频图像中是否包含疑似火苗图像，如果不包含则继续进行视频监控，如果包含则将疑似火苗图像从视频图像中分割出来。
[0050] 进一步的，在一实施例中，步骤S120的判断步骤以及分割步骤在执行上同步执行。对视频图像直接进行疑似火苗图像的区分，如果有满足疑似火苗图像条件的，即直接分割出来。
[0051] 进一步的，由于大部分时间里，车厢内摄像头采集的背景图像都是比较一致的。因此，在一实施例中，在步骤S120中，基于与固定背景的对比，通过背景差分法进行图像预分割。
[0053] 进一步的，在一实施例中，根据火苗颜色(RGB)和亮度(HSV)的特性实现背景差分法。具体的，在一实施例中，判断视频图像是否包含颜色和/或亮度信息符合火苗颜色和/或亮度信息的区域。即，通过实际火苗图像的RGB关系和HSV亮度关系，在检测时，通过背景差分法进行动态目标分割，判断动态变化目标(视频图像)的RGB和HSV信息是否符合火苗特征条件，剔除不符合条件的区域，保留符合条件的区域从而实现图像预分割。
[0054] 具体的，在一实施例中，火苗特征条件的RGB关系为R≥G≥B。
[0055] 具体的，在一实施例中，火苗特征条件的HSV亮度关系为0°≤H≤60°，0.2≤S≤1，100≤I≤255。
[0056] 进一步的，在一实施例中，为了提高背景差分法实施的有效性，对实现背景对比的固定背景进行更新。具体的，在一实施例中，判断是否分割出疑似火苗图像；当存在疑似火苗图像时，不更新固定背景，直接进行下一步的判断；当不存在疑似火苗图像时，实时更新固定背景，继续进行视频监控。
[0057] 进一步的，在一实施例中，在步骤S130中，基于火苗预判高斯模型对疑似火苗图像中的每一个像素进行判断，获取疑似火苗图像的置信度。其本质上是对每一个像素进行判断，确定其归属于火苗图像像素的概率，从而最终获取疑似火苗图像整体上是火苗图像的置信度(概率)。当该置信度超过某个阈值(置信度阈值)时，就可以粗略判断疑似火苗图像为火苗图像。
[0058] 进一步的，在一实施例中，用于对疑似火苗图像进行预判的火苗预判高斯模型是通过对火苗样本图像的训练得到的。具体的，在一实施例中，方法还包括：
[0059] 获取火苗样本图像，根据火苗样本图像训练获取火苗预判模型。
[0060] 进一步的，在一实施例中，还根据火苗样本图像确定置信度阈值。
[0061] 进一步的，在一实施例中，火苗样本图像包括正样本。具体的，在一实施例中，采集火苗图像并标注挑选出每帧图像中火苗的区域，尺寸归一化后生成所述正样本。
[0062] 进一步的，在一实施例中，火苗样本图像包括负样本。具体的，在一实施例中，使用火苗图像实验所述火苗预判模型，获取未被识别成火苗的图像，标注挑选出每帧图像中火苗的区域，尺寸归一化后生成负样本。
[0063] 具体的，在一实施例中，上述步骤的火苗图像通过现场采集和/或网上搜索的方式获取。
[0064] 进一步的，在一实施例中，在从疑似火苗图像中提取火苗纹理特征的过程中，采用了局部二值模式(Local Binary Patterns，LBP)。具体的，在一实施例中，利用LBP算子提取图像的纹理特征从而获取火苗纹理特征。然后利用LBP算子提取图像的纹理特征输入到对应的支持向量机(Support Vector Machines，SVM)，从而可输出得到是否是火苗的结果。
[0065] 具体的，在一实施例中，在LBP算子中，使用了较为复杂的回归子预测形状，每一个预测单元使用随机树，并且使用随机森林来预测形状变化。
[0066] 具体的，在一实施例中，利用LBP算子提取图像的纹理特征输入到对应的SVM分类器，SVM通过构造分割面将数据进行分离，从而可输出得到是否是火苗的结果。
[0067] 进一步的，在一实施例中，在从疑似火苗图像中提取火苗纹理特征之前，需要通过火苗预判高斯模型对疑似火苗图像进行尺寸归一化。
[0068] 进一步的，考虑到实际场景中，火灾现场的标识并不仅仅包括火苗，还包括烟雾，为了提高预警准确性，在一实施例中，本发明还提出了烟雾预警的流程。具体的，如图2所示，在火苗识别预警的基础上，方法还包括：
[0069] 基于与固定背景的对比对视频图像进行图像预分割，获取疑似烟雾图像(S260)；
[0070] 从疑似烟雾图像中提取烟雾特征(S270)；
[0071] 根据烟雾特征判断当前场景是否存在烟雾(S280)，当存在烟雾时发出预警(S281)。
[0072] 进一步的，在实际场景中，由于火苗特征更加显著。因此，在一实施例中，算法优先检测火苗，当存在火苗时不进行烟的监测，否则继续进行烟的判断，这种检测方式可以提高检测火灾的准确率，降低由于烟雾干扰引起的误检率。
[0073] 即，在一实施例中，首先对视频图像进行针对火苗的图像预分割，如果不存在疑似火苗图像或者在之后的火苗预判高斯模型判断或火苗纹理特征判断中结果为否才进行针对烟雾的图像预分割。
[0074] 进一步的，由于大部分时间里，车厢内摄像头采集的背景图像都是比较一致的。因此，在一实施例中，在步骤S260中，基于与固定背景的对比，通过背景差分法进行图像预分割。
[0075] 具体的，在一实施例中，检测图像序列相邻两帧之间的变化，直接比较两帧图像对应像素点。
[0076] 进一步的，在一实施例中，基于烟雾图像的特征实现针对烟雾的背景差分对比。在一实施例中，烟雾图像的特征体现为烟雾暗通道特征以及烟雾动态特性。具体的，对于一幅清晰无雾图像，总是存在一些像素，它们至少一个颜色通道具有很低的像素值，这些像素值被称为暗像素，该颜色通道也被称为该图的暗通道。有雾图像要比无雾图像更白，也就是暗通道外更亮。烟雾暗通道特征也就是指雾越浓，暗通道越白。具体的，烟雾动态特性具体是指烟在飘动时，其轮廓变化无规则，体现为有烟区域的面积变化不大，周长变化比较明显的区域，根据这一特性保留符合烟动态特性的区域进行下一阶段的检测。
[0077] 建立烟雾暗通道模型，在基于与固定背景的对比对视频图像进行图像预分割的过程中：
[0078] 判断视频图像是否包含暗通道值符合烟雾暗通道模型的区域；
[0079] 如果存在暗通道值符合烟雾暗通道模型的区域，则判断暗通道值符合烟雾暗通道模型的区域是否符合烟雾动态特性。
[0080] 最终剔除不符合条件的区域，保留符合条件的区域从而实现图像预分割。
[0081] 进一步的，在一实施例中，烟雾暗通道模型和/或烟雾动态特性是通过对烟雾样本图像的训练得到的。具体的，在一实施例中，方法还包括：
[0082] 获取烟雾样本图像，根据烟雾样本图像训练获取烟雾暗通道模型和/或烟雾动态特性。
[0083] 进一步的，在一实施例中，将现场采集和网上搜到的烟雾图片进行预处理，对烟雾进行轮廓提取，生成二值化轮廓图像，标注后生成烟雾样本图像。
[0084] 进一步的，在一实施例中，在从疑似火苗图像中提取火苗纹理特征的过程中，由于烟在成型后，它的位置和面积变化不大，基于此通过计算疑似烟雾图像前后帧的熵获取前后图像灰度分布的聚集特征以及轮廓灰度共生矩阵获取图像空间中相隔某距离的两个像素之间存在的灰度相关性，利用它们作为烟飘动特征的描述因子。最终根据计算得到的结果判断该区域是否有烟的可能。
[0085] 进一步的，在一实施例中，在从疑似火苗图像中提取火苗纹理特征之前，需要通过动态特性和暗通道特性对分割出的烟雾轮廓尺寸进行归一化。
[0086] 进一步的，基于本发明的方法，本发明还提出了一种火灾预警系统。如图3所示，在一实施例中，系统包括摄像头310及预警模块320(软件处理平台)，火灾预警软件加载(运行)在预警模块320(软件处理平台)上。
[0087] 具体的，在一实施例中，软件处理平台为嵌入式ARM处理平台，该处理器性能更加稳定，适用于车载环境。
[0090] 在一实施例中，火灾预警软件运行在I.MX6嵌入式开发平台上，通过利用动车车厢内360度环视网络摄像头读取数据，对动车车厢实时状态进行监控，软件主要采用计算机视觉方法，通过提取图像特征，通过机器学习的方法对正常场景和出现火点/有明显烟雾的场景进行分类。从而实现及时的火灾预警。
[0091] 具体的，在一实施例中，通过360度网络摄像头获取的现场视频首先进行场景判断，如果是RGB图像则开始进行火苗检测和烟雾检测，经过软件检测后若发现具有火苗或烟雾的特征信息及时作出预警。
[0092] 火灾预警软件的软件框架基于QT实现，底层视觉算法基于openCV实现，软件的流程包括视频获取、视频解码、预处理、图像特征提取、特征检测、结果显示等环节。
[0093] 网络摄像头采集视频图像，然后对采集的视频图像进行视频解码。火灾预警软件通过网络摄像机获取视频图像后首先进行的视频解码，包括视频格式的分析及视频数据的获取，接下来进行预处理包括拉伸、去噪以及感兴趣区域的提取；然后进行图像的火焰和烟雾特征提取，最后进行特征检测和预警。由于图像检测分为火苗和烟雾的检测，由于火苗的特征更显著，算法优先检测火苗，当存在火苗时不进行烟雾的检测，否则继续进行是否存在烟雾的判断。最终结果显示包括可疑目标的定位及预警响应。
[0094] 进一步的，在一实施例中，软件处理平台为X86处理器处理平台。
[0095] 进一步的，在一实施例中，摄像头为多个安装于不同位置的摄像头以获取车厢内全景。
[0096] 虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。本发明所述的方法还可有其他多种实施例。在不背离本发明实质的情况下，熟悉本领域的技术人员当可根据本发明做出各种相应的改变或变形，但这些相应的改变或变形都应属于本发明的权利要求的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 客车锂电池箱火灾预警与防护装置 | 2020-05-20 | 865 |
| 一种基于图像处理的火灾监控系统 | 2020-05-22 | 206 |
| 一种消防用自动喷淋头 | 2020-05-18 | 709 |
| 一种换流站阀厅火灾跳闸判断方法、装置及系统 | 2020-05-19 | 506 |
| 一种磷酸铁锂储能电站电池预制舱火灾预警方法 | 2020-05-14 | 161 |
| 一种智能光束型气体特征光谱火灾探测器 | 2020-05-24 | 555 |
| 一种用于列车车厢的火灾预警方法 | 2020-05-15 | 457 |
| 多气体并行痕量检测火灾预警装置及方法 | 2020-05-22 | 847 |
| 一种隧道逃生模拟体验装置 | 2020-05-17 | 1013 |
| 矿山井下火灾预警装置 | 2020-05-23 | 426 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
早期火灾探测热门专利
QQ群二维码
意见反馈
意见反馈