多年以来大型空间(会展中心、体育场馆、飞机库、大型仓库、大型厂房 等)、特殊建筑物(交通隧道、石油石化生产区、爆炸性储物区、博物馆、地 铁、列车站、医院等)和室外大型场地(森林、公园等公共社区等)的火灾探 测器一直是消防界不断探索研究的问题。
大型空间的特征是：空间大，一般高达20m以上，单体建筑地面面积较 大；早期探测火灾困难，由于空间较大，目前的一些常规探测器对火灾初期的 特征参量如燃烧气体含量、烟雾浓度、温度等很难快速反应，如烟要到达一定 高度并产生使对射式感烟探测器动作报警的烟浓度需要较长的时间。
特殊建筑物的共同特征是：常规探测技术都存在一些缺陷，很难达到快速 探测的目的；环境条件复杂，有的情况是环境很差，面临着爆炸性等特殊环境 问题；要求快速探测，早期预报，并实现火灾安全监控一体化。
室外大型场地的特征是：室外，面积大，环境随自然天气变化而变化，条 件复杂；火灾发生存在位置不确定性，随机性大，目前没有合适的探测手段； 外部环境干扰大，受光、雾、水气、雨、雪、闪电等的影响大；需要形成大面 积、广泛区域的监控。
正因为上述的特殊性，目前的常规基于非图像原理的探测器无法对上述3 种情形给出有效的火灾预警。
随着全球模式识别技术的不断发展，以及近百年来消防、安全装置发展中 的可视化需求，尤其是美国911之后对安全监控需求的增大，为解决上述的问 题，出现了基于视频图像的智能消防探测装置，通过视频采集模块来实时采集 探测区域内的视频图像后，利用视频图像进行火灾探测。
如中国专利95100519.7提出了一种利用彩色影像三基色差分进行火灾探 测与定位的方法，然而该方法存在的问题是：
存在很多人工或自然光源的三基色特性与火焰的特性相似，仅基于三基色 差分法，误报率极高；
该算法只针对火焰探测，不具备烟雾探测能力，因此不具备大空间、特殊 建筑物早期探测报警的能力。
中国专利00805204.2提出了一种光截面图像感烟探测方法，该方法也存 在下述的问题：
与线型光束感烟探测器原理基本类似，不适用于高度较高的场所，对火灾 初期产生的升腾中的烟雾探测困难；
红外发光阵列安装很不方便。
实用新型内容
本实用新型的目的是提供一种火灾探测装置，基于视频图像中的烟雾和火 焰特征，实现对火灾的准确预报。
为了实现上述目的，本实用新型提供了一种火灾探测装置，包括用于实时 采集探测区域内的视频图像的视频采集模块，其中，还包括：
根据系列帧视频图像的火焰特征参数统计确定探测区域火焰发生概率的 火焰判断模块，与视频采集模块连接；
根据系列帧视频图像的烟雾特征参数统计确定探测区域烟雾发生概率的 烟雾判断模块，与视频采集模块连接；
根据火焰发生概率和烟雾发生概率融合确定火灾发生概率的火灾判断模 块，与火焰判断模块和烟雾判断模块连接；
判断视频采集模块故障的故障判断模块，与视频采集模块连接；
根据火焰火灾发生概率、烟雾火灾发生概率、火灾发生概率和故障信息进 行报警的报警模块，与火灾判断模块和故障判断模块连接。
上述的装置，其中，所述的视频采集模块为可进行调节的摄像头、CCD 成像单元或CMOS成像单元。
上述的装置，其中，所述火焰特征参数包括运动参数、颜色参数、轮廓参 数、面积率参数和频率特征参数，所述烟雾特征参数包括运动参数、饱和度参 数、纹理参数、频域特性参数和相关系数。
上述的装置，其中，还包括：
根据系列帧视频图像分析计算探测区域的亮度分布和光线照度等级的探 测区域光线监测与控制单元，与视频采集模块连接；
在探测区域的亮度分布和光线照度等级低于探测标准时，根据探测区域光 线监测与控制单元的命令启动的背景光源模块，与探测区域光线监测与控制单 元连接。
上述的装置，其中，还包括：
常规火灾探测模块，与火灾判断模块连接。
上述的装置，其中，还包括：
包括一内部空间的封装模块；
所述视频采集模块、火焰判断模块、烟雾判断模块、故障判断模块和报警 模块设置于所述内部空间。
上述的装置，其中，还包括：
显示探测区域的视频图像或复合了报警信息的复合视频图像的视频图像 显示模块，与视频采集模块连接，或与视频采集模块和报警模块连接。
上述的装置，其中，还包括：
保存探测区域内的视频图像和报警信息的信息记录与显示模块，与视频采 集模块和报警模块连接。
本实用新型具有以下有益效果：
算法简单，易于形成一体化装置，可以广泛适应各种使用需求；
可同时实现火焰和烟雾的探测报警，尤其针对火灾初期的烟雾，具有很好 的识别能力，具有早期报警功能；
具有自学习功能，可以不断适应所处的环境，大大提高防误报警和漏报警 的能力；
具有白天、黑夜全天候工作性能，具有独立工作能力，可与各类火灾报警 装置或安全监控装置兼容。
附图说明
图1为本实用新型的火灾探测装置的结构示意图；
图2为本实用新型的火灾探测装置实现火灾探测的简要流程示意图；
图3为本实用新型的火灾探测装置实现火灾探测的具体流程示意图；
图4为利用视频图像确定火灾发生概率的具体流程示意图；
图5为本实用新型的一种具体实现的结构示意图。

本实用新型的火灾探测装置在获取探测区域的系列帧视频图像后，利用系 列帧视频图像火焰和烟雾特征参数的统计分析，分别计算火焰和烟雾的发生概 率，根据火焰和烟雾的概率计算结果来融合计算火灾发生的概率，并与火焰、 烟雾和火灾的概率阈值进行比较，给出警示、预警和报警。
如图1所示，本实用新型的火灾探测装置包括：
视频采集模块，用于实时采集探测区域内的视频图像；
火焰判断模块，与视频采集模块连接，用于从采集到的视频图像中提取火 焰特征参数，并根据系列帧图像的火焰特征参数进行统计分析，计算探测区域 的火焰发生概率；
烟雾判断模块，与视频采集模块连接，用于从采集到的视频图像中提取烟 雾特征参数，并根据系列帧图像的烟雾特征参数进行统计分析，计算探测区域 的烟雾发生概率；
火灾判断模块，与火焰判断模块和烟雾判断模块连接，用于根据探测区域 的火焰发生概率和烟雾发生概率进行融合计算，确定火灾发生概率；
故障判断模块，与视频采集模块连接，用于识别探测器视场被遮挡或偏转、 背景光源启动、供电等故障；
报警及信息输入输出模块，与故障判断模块和火灾判断模块连接，用于比 较火焰、烟雾和火灾发生概率与预设阈值，并根据比较结果发出和显示相应报 警信息，通过网络接口输出火灾概率、火灾位置等参数，输入灵敏度等级等各 种设定参数，并可通过复合视频接口或以太网接口输出火灾图像复合视频。
当然，上述的各模块都需要进行供电，因此必然还包括供电模块，对各模 块供电，保证装置的正常运行。
其中，上述的视频采集模块可以是摄像头，CCD成像单元或CMOS成像 单元等，其可根据环境的具体情况，进行白平衡、光圈调节等动作，以获得探 测区域内最佳的视频图像。
而上述的火焰判断模块、烟雾判断模块、火灾判断模块、故障判断模块和 报警及信息输入输出模块可通过基于DSP的监控装置或基于PC计算机和图像 采集装置的监控装置来实现。
其中，上述的火焰特征参数包括运动参数、颜色参数、轮廓参数、面积率 参数和频率特征参数等，而烟雾特征参数包括运动参数、饱和度参数和纹理参 数、频域特性参数和相关系数等。
同时，考虑到探测区域内的亮度分布和光线照度可能会随着自然光线和人 工光源的变化而变化，进而不能满足火灾探测的要求(如晚上这种特定时间， 或矿洞、停车场等特定区域等情况)，因此，如图1所示，本实用新型的火灾 探测装置还包括：
探测区域光线监测模块，与视频采集模块连接，用于根据探测区域的视频 图像判断探测区域的亮度分布和光线照度等级，对于低于探测标准的情况，向 背景光源模块输出启动控制命令，并监测光源启动后的视场变化情况；
背景光源模块，与探测区域光线监测模块连接，用于接收探测区域光线监 测模块发出的启动控制命令为探测区域提供背景光源。
在背景光源启动时，即使现场自然条件导致光线较暗，视频采集模块也可 以利用背景光源模块提供的背景光源采集到符合条件的视频图像。
同时，考虑到对本实用新型的火灾探测装置中的各模块的保护，还可设置 一封装模块，用于容纳上述的视频采集模块、火焰判断模块、烟雾判断模块、 火灾判断模块等，在所述封装模块上设置有窗口镜片，位于视频采集模块的镜 头的前方，保证探测区域的可见光和红外线可以被视频采集模块所接收。
如图5所示，其中I/O PCB作为输入/输出、信号传递的模块，与摄像头 (camera)、背景光源(IR LED and Filter Mirror)、常规火灾探测模块(UV or IR Sensor和UV or IR Signal Processor)、算法处理芯片(DSP core PCB)连接， 接收视频图像、电源供应信号等，输出控制信号、视频采集图像等。
该I/O PCB通过以太网(IEEE 802.3Ethernet)、RS232/RS485与上位机进 行联系；通过RS232/RS485与摄像头(camera)连接。
从图5可以看出，摄像头(camera)、背景光源(IR LED and Filter Mirror)、 常规火灾探测模块(UV or IR Sensor和UV or IR Signal Processor)、算法处 理芯片(DSP core PCB)等被封装起来。
常规火灾探测模块将在后面进行详细描述。
该封装模块为非易燃性材料制成，这样有利于在火灾发生时对整个装置进 行保护。
如图2所示，本实用新型的火灾探测装置实现火灾探测包括：
视频采集步骤21，实时采集探测区域内的视频图像；
火焰/烟雾判断步骤22，从采集到的系列帧视频图像中提取火焰、烟雾特 征参数，对时间系列参数进行特征匹配和统计分析，并分别融合计算探测区域 的火焰、烟雾发生概率；
火灾判断步骤23，根据探测区域的火焰发生概率和烟雾发生概率融合计 算火灾发生概率；
报警及信息输入输出步骤24，比较火焰、烟雾和火灾发生概率与预设阈 值，并根据比较结果发出相应警示、预警和报警信息，通过网络接口输出火灾 概率和报警信息，输入设定参数，并可通过复合视频接口或以太网接口输出火 灾图像复合视频。
同时，本实用新型的火灾探测装置实现火灾探测还包括：
背景光源提供步骤，在探测区域的亮度分布和光线照度等级低于探测标准 时，使用背景光源。
下面对本实用新型的装置实现火灾探测进行进一步详细的描述，如图3 所示，本实用新型的火灾探测装置实现火灾探测具体包括：
步骤31，装置启动后自行初始化操作，包括初始化各种参数和输入输出 I/O接口，并将摄像头置于彩色状态；
步骤32，对探测区域采集一定长度的序列帧图像，并分析提取固定背景 和固定背景中的主特征；
固定背景是指探测区域中剔除各种杂信和移动物体所得到的视场背景，这 一背景不随时间变化而变化，在本装置中将提取正常照度范围彩色背景和黑暗 照度范围启动红外黑白背景两种固定背景，固定背景的主特征包括场景的梯度 特征区块、特殊纹理区块等。
步骤33，判断探测区域环境亮度分布和光线照度是否符合探测要求，如 果是，进入步骤34，否则启动背景光源，并将视频采集模块切换到黑白状态。 装置进而采集系列帧图像进行分析，确定背景光源和彩色/黑白切换是否正确， 如不正确则进行故障报警，如正确进入步骤34；
在此，判断探测区域亮度分布和光线照度是否符合探测要求具体通过以下 操作实现：
根据采集到的一定长度的序列帧图像计算探测区域亮度分布和光线照度 等级，在视场光线照度低于预设标准，或视场某些局部的分布亮度低于预设亮 度等级时判断为不符合要求，否则判断为符合要求。
步骤34，对探测区域连续采集固定周期的序列帧图像；
步骤35，判断连续采集到的序列帧图像与场景固定背景中的主特征的偏 差是否超过预设阈值，例如计算的系列帧图像的梯度分布或纹理特征在选定的 特征区块发生偏差是否超过设定阈值，如果是，则表明视场发生了偏转或被遮 挡，即发出故障报警后返回步骤31，等待故障处理，否则进入步骤36；
步骤36，从采集到的视频图像中提取火焰、烟雾特征参数，分别根据系 列帧图像的火焰、烟雾特征参数进行统计分析，并计算探测区域的火焰、烟雾 发生概率；
步骤37，根据探测区域的火焰发生概率和烟雾发生概率确定火灾发生概 率；
步骤38，判断火焰、烟雾和火灾发生概率是否超过预设阈值，如果是， 进入步骤39，否则返回步骤34；
步骤39，根据火焰、烟雾和火灾发生概率的值输出不同级别报警信号。
如火焰、烟雾和火灾发生概率在第一区间则发出一级报警信号，在第二区 间则发出二级报警信号，在第三区间则发出三级报警信号等。
在步骤36中，需要从采集到的系列帧视频图像中提取火焰、烟雾特征参 数，该动作具体通过以下操作实现：
自学习提取长周期背景和短周期背景；周期性背景是指按一定的时间周期 通过学习算法得到的视场背景，取不同的周期长短即可定出长周期和短周期背 景，长周期背景主要反映的是长周期时间范围内最大程度剔除运动物的场景图 像，短周期背景则会将有一定运动频率但非火灾的运动物融合为背景，长短周 期的配合可以大大降低干扰。
提取这一序列图像两帧间、每一帧与短周期背景图像、每一帧与长周期背 景图像的差异和动态变化特征，形成火焰、烟雾特征参数。每一种火焰或烟雾 特征在时间序列上都有自己的特点，例如火焰的闪烁频率在时间序列里表现为 2.5～12Hz，基于此，只要将时间系列的特征参数进行统计，既可确定火焰和烟 雾的概率。
从上述的描述可以看出，在探测区域的视频图像采集处于正常时，则根据 采集到的图像分别进行火焰和烟雾的分析，进而根据统计分析结果计算火焰和 烟雾概率，并融合计算火灾发生的概率，下面对这个过程进行详细描述。
如图4所示，该过程具体包括：
步骤41，在获取t时刻的序列帧图像后，分别从该序列帧图像中提取火焰 特征参数和烟雾特征参数；
其中该火焰特征参数包括与火焰特征相关的运动、颜色、轮廓、面积率和 频率特征参数等；
该烟雾特征参数包括与烟雾特征相关的运动、饱和度、纹理、频域特性参 数和相关系数等。
步骤42，根据系列帧视频图像的特征参数进行匹配统计分析，设置火焰 特征和烟雾特征的标志位；
判断系列帧图像中每帧的第i个火焰特征参数/第j个烟雾特征参数在统计 匹配率是否达到火焰/烟雾匹配条件，例如一般要求匹配率应达到80％以上等， 如果是则将对应的火焰特征标志位Fi/烟雾特征标志位Sj设置为1，否则设置 为-1；
步骤43，根据火焰特征和烟雾特征的标志位和对应权重计算火焰发生概 率增量和烟雾发生概率增量；
将每一个火焰特征标志位Fi与对应的预设权重FVi相乘，然后将所有的 乘积相加作为t时刻的火焰发生概率增量ΔPF(t)；将每一个烟雾特征标志位Sj 与对应的预设权重SVj相乘，然后将所有的乘积相加作为t时刻的烟雾发生概 率增量ΔPS(t)，即：
ΔPF(t)＝∑Fi·FVi
ΔPS(t)＝∑Sj·SVj
在此，该预设权重根据特征参数在判断中所起到的作用来决定，如：
判断火焰时，火焰的本质特征面积率等，其不易受外部影响的，权重设得 大一些，对于火焰探测的表面特征，如颜色等，易受外部影响，权重设得小一 些；
判断烟雾时，反映烟雾的主要特征，如内部运动特征、背景的纹理影响特 征等，权重设得大一些，对于颜色等，易受外部影响的特征，权重可以设得小 一些；
步骤44，将得到的t时刻的火焰/烟雾发生概率增量与t-1时刻的火焰/烟 雾发生概率PF(t)/PS(t)相加得到t时刻的火焰/烟雾发生概率，即：
PF(t)＝PF(t-1)+ΔPF(t)
PS(t)＝PS(t-1)+ΔPS(t)
步骤45，根据得到的t时刻的火焰发生概率和烟雾发生概率计算t时刻火 灾发生概率。
在此，本实用新型可根据以下算法计算火灾发生概率。
方法1：
P(t)＝k·PF(t)+(1-k)·PS(t)
其中k为融合系数，与使用的场所相关，是一个描述场景火灾特性的参数， 例如对于防护区域中火灾主要表现为火焰的，可将k系数取大一些；
方法2：
P(t)＝k1·PX(t)，如果P(t)＞1，P(t)＝1
先出现烟雾，且烟雾发生概率PS(t)大于Pthr，则PX(t)＝PS(t)，k1＝1+PF(t)；
先出现火焰，且火焰发生概率PF(t)大于Pthr，则PX(t)＝PF(t)，k1＝1+PS(t)；
其中，Pthr为选定的一个死区概率阈值，对于小于这一概率的情况，不予 计算P(t)。
上述的两种火灾发生概率计算方法中，方法1对于决策而言较平稳，方法 2则是加速决策。
根据以上计算，最终可以获得火灾发生概率P(t)。
同时，考虑到本实用新型的装置是基于视频图像进行火灾探测，但基于视 频图像的火灾探测对一些假火(如用布料和灯光人工造的舞台假火等)有时无 法识别，因此，本实用新型提出了一种复合型火灾探测装置，与上述图像火灾 探测装置的区别在于：
增加常规火灾探测模块，如紫外、红外等不同类型的火焰传感器与对应信 号处理电路的结合，用于检测其它的火灾特征参数；
如图4所示，其中，火焰、烟雾和火灾判断模块进一步结合从常规火灾探 测模块获得的火灾特征参数，融合计算火焰和烟雾的发生概率，并最终计算得 到火灾发生概率。
由于引入了常规火灾探测模块，因此可以弥补基于视频的火灾探测中存在 的问题，进一步完善了火灾探测。
本实用新型加入常规火灾探测模块后，其火灾发生概率的计算与没有加入 常规火焰探测模块的差别在于，
ΔPF(t)＝∑Fi·FVi+FN(t)·NV
其中，Fi为第i个火焰特征的特征标志位，FVi为第i个火焰特征对应的 预设权重，而FN(t)为t时刻常规火灾探测模块输出特征参数对应的特征标志 位。其根据常规火灾探测模块得到的模拟量确定，当常规火灾探测模块得到的 模拟量参数NF(t)和模拟量参数的变化率ΔNF(t)，在时间窗口{t-T，t}内，均大 于特定的阈值，则设特征标志位FN(t)为1，否则为-1，而NV为常规火灾探测 模块的火灾发生概率增量权重。
复合型火灾探测装置其他的处理与图4所示的流程相同，在此不再赘述。
同时，考虑到报警可能出现误报和漏报的情况，为了使得操作人员能通过 直观的视频图像做出更加准确的判断，本实用新型的火灾探测装置进一步还包 括：
视频图像显示模块，用于利用显示终端显示视频采集模块采集到的探测区 域的视频图像或复合了报警信息的复合视频图像。
同时，考虑到火灾发生后能够对事故录像进行分析，本实用新型的火灾探 测装置进一步还包括：
信息记录与显示模块，用于保存和显示探测区域内的视频图像和报警信 息。
在此，该信息记录与显示模块可按一定周期对探测区域内的视频图像和报 警信息进行刻录和释放，例如可每月一个周期进行存储管理；也可以仅在发生 事故时出发记录相关信息。
同时，本实用新型的火灾探测装置进一步还包括：
装置参数设置模块，用于设置火灾判断参数，该参数包括装置决策参数， 如火焰特征参数和烟雾特征参数的权重、火焰和烟雾的判断标准、装置灵敏度 等级，以及火灾发生概率中的系数等。
同时，该火灾判断参数还可包括屏蔽区域参数、场景选择参数等。对于屏 蔽区域参数和场景选择参数举例说明如下。
当监测区域内确实存在视频图像无法区分的假火灾时(如舞台假火)，可 利用屏蔽区域参数来设定或修正屏蔽区域，将相应区域进行屏蔽，不予火灾判 断；
对于图像火灾探测装置而言，场景的选择、描述十分重要，而利用场景选 择参数可选择不同的场景。例如人们预先知道的空间大小、干扰类型等信息均 是描绘场景的重要参数。
同时，本实用新型的火灾探测装置进一步还包括：
自学习模块，用于在装置发生误报警或漏报警时，利用自学习机制更新装 置决策参数。
该自学习模块的自学习过程包括如下步骤：
步骤51，从信息记录模块获取发生误报警或漏报警所对应的视频序列， 并从现地探测器获取对应的装置决策参数，通过自学习模块计算获得时间序列 数据和概率，如Fi(t)、Sj(t)、PF(t)、PS(t)、P(t)等，同时根据事故录像和标准火 灾视频确定期望的火灾概率参数PFD(t)、PSD(t)、PD(t)；
步骤52，判断装置决策参数中对概率贡献最大的特征的概率贡献值是否 大于其他特征的概率贡献值的预定倍数，如果是，进入步骤53，否则进入步 骤54；
步骤53，删除该特征或大大降低该特征的决策权重，并进行标准火灾视 频录像和事故视频录像的火灾判断，判断是否达到期望概率，如果是结束学习， 否则返回步骤52；例如当将图像火灾探测装置用于生产过程易产生烟雾的工 厂时，烟雾特征将会成为引起概率畸变的主要问题，因此装置会自动剔除这一 特征，再将时间序列进行演算，当结果达到期望的概率时，即表明决策是正确；
步骤54，表明权重系数存在偏差，则采用梯度算法完成对所有权重系数 的计算修改。
步骤55，以上修正后的决策参数将用标准火灾视频录像进行软测试，测 试无误的，即确定为最终决策参数，通过装置参数设置模块下载到现地火灾探 测器中，以更新老的决策参数，否则返回步骤52。
以上所述仅是本实用新型的优选实施方式，应当指出，对于本技术领域的 普通技术人员来说，在不脱离本实用新型原理的前提下，还可以作出若干改进 和润饰，这些改进和润饰也应视为本实用新型的保护范围。