一种多源融合船舶机舱火灾预警方法

1.一种多源融合船舶机舱火灾预警方法，其特征在于该方法的具体步骤是：
步 骤(1)由 温 度 传 感 器 阵 列 获 取 机 舱 内 各 温 度 监 测 点 的 温 度 ， ；由烟雾传感器阵列获取船舱内各烟雾监测点上的烟雾检测信息
, ；由摄像头阵列获取机舱内各视频监测点上的视频图像序列 ，
；其中 ， ， 分别为机舱内温度传感器、烟雾传感器及摄像头的个数；
以第 个摄像头所覆盖的船舱区域为火灾监控对象，设第 个摄像头所获取的视频图像分辨率为 ，其对应所覆盖的机舱二维平面区域为 ；设 中不同时刻 的图像序列为 ，其中 为图像像素位置， 基于RGB颜色模型， ，
， ， ；
步骤(2)抽取出在步骤(1)中所获得的包含在区域 内的所有温度传感器数据 ，及烟雾传感器数据 ， ；
步骤(3)对步骤(2)中所抽取出的温度传感器数据 进行最近邻插值拟合，得到分辨率为 的温度场分布数据 ，进而计算基于温度场分布的温度判据 ；具体步骤如下：
3-1.在已测温度数据中，找出离 距离最近的点，设其坐标为 ；
3-2.令 ；
3-3. ，其中 和 分别为下限温
度报警阈值和上限温度报警阈值；
步骤(4).对步骤(2)中所抽取出的烟雾传感器数据 进行双线性插值拟合，得到分辨率为 的烟雾场分布数据 ，进而计算基于温度场分布的温度判据 ；
具体步骤如下：
4-1.在已测烟雾数据中，找出离 距离最近的点，设其坐标为 ；
4-2.令 ；
4-3. ，其中 为烟雾浓度报警阈值；
步骤(5)利用视频图像数据，采用背景减法进行视频火灾分析，获取火灾视频判据，具体步骤如下：
5-1. 时，获取初始背景图像 ： ；
5-2. 时，获取递推背景图像 ：
若
若 ；
5-3.进行背景减法： ；
5-4.进行视频火灾运动判据 计算：
，其中 为运动判据阈值；
5-5.将 转换成HSI颜色模型，分别得到色度分量 、饱和度分量
和亮度分量 ，计算火灾颜色信息度量 ：
；其中 、 、 反映了色度、饱和度
及亮度在颜色判据中的重要性，满足 且 ；
5-6.进行视频火灾颜色判据 计算：
，其中 为颜色判据阈值；
5-7.进行视频火灾运动判据与颜色判据融合，获取视频判据 ：
，其中 与 分别反映了运动判据与颜色判据在视频判
据中的重要性，满足 且 ；
步骤(6)融合温度判据 、烟雾判据 及视频判据 ，若
，则输出火灾报警信号，否则不输出火灾报警信
号；其中 ， ， 的取值反映了温度判据、烟雾判据及视频判据各自的可靠程度，满足且 ； 为火灾报警阈值；
步骤(7)在8-邻域上计算空间上连续的备选火灾点的面积，即对每一个备选火灾点 ，考查其邻域8个邻域点 、 、 、 、 、
、 、 是否为备选火灾点，若所有全部8个邻域点均不是备选
火灾点，则认为 是孤立噪声点；反之，以邻域中的备选火灾点为中心继续向外扩散，直到不能找到连续备选火灾点为止，统计所有连续备选火灾点的数目，当该数量大于 时输出火灾报警信号，否则不报警；其中 为面积滤波阈值；
步骤(8)对所有摄像头重复步骤(2)～(7)，获取整个船舱中监控点的火灾预警信息。

一种多源融合船舶机舱火灾预警方法\n技术领域\n[0001] 本发明属于火灾预警技术领域，具体涉及一种船舶机舱内火灾预警的方法。\n背景技术\n[0002] 船舶作为水上运输工具，其特殊的功能和结构特征，决定了船舶火灾具有如下特殊性：（1）船舶是一个相对独立的流动场所，发生火灾后获得救授的难度较大；（2）船舶的水密性特点导致火灾产生的热烟气在船舱中蔓延很快，在加速火灾发展的同时还对人员安全造成很大威胁；（3）由于自身功能的限制，船舶内部空间狭小，设备集中环境复杂，发生火灾后人员疏散和火灾扑救困难；（4）船舱中电器设备众多，还有大量的燃油、润滑油等易燃易爆物品。由此可见，海上航运的船舶若发生火灾事故往往是灾难性的。传统的船舶机舱火灾报警系统主要依靠温度和烟雾传感器，火灾误报率较高，并有较大的局限性。\n发明内容\n[0003] 本发明的目的就是克服现有技术的不足，提出一种基于多源信息融合的船舶机舱火灾预警方法，火灾预警准确度高，误报率低。\n[0004] 本发明的基于多源信息融合的船舶机舱火灾预警方法，具体步骤是：\n[0005] 步骤 (1)由温 度 传感 器 阵列 获 取机 舱 内各 温 度监 测点 的 温度 ， ；由烟雾传感器阵列获取船舱内各烟雾监测点上的烟雾检测信息\n, ；由摄像头阵列获取机舱内各视频监测点上的视频图像序列 ，\n。其中 ， ， 分别为机舱内温度传感器、烟雾传感器及摄像头的个数。\n[0006] 以第 个摄像头所覆盖的船舱区域为火灾监控对象，设第 个摄像头所获取的视频图像分辨率为 ，其对应所覆盖的机舱二维平面区域为 。设 中不同时刻 的图像序列为 ，其中 （ ， ）为\n图像像素位置， 基于RGB颜色模型。对所获得的温度、烟雾及图像等数据，进行如下操作：\n[0007] 步骤(2)抽取出在步骤(1)中所获得的包含在区域 内的所有温度传感器数据及烟雾传感器数据 。\n[0008] 步骤(3)对步骤(2)中所抽取出的温度传感器数据 进行最近邻插值拟合，得到分辨率为 的温度场分布数据 ，进而计算基于温度场分布的温度判据 。具体步骤如下：\n[0009] ① 在已测温度数据中，找出离 距离最近的点，设其坐标为 ；\n[0010] ②令 ；\n[0011] ③ ，其中 和 分别为下限\n温度报警阈值和上限温度报警阈值。\n[0012] 步骤(4)对步骤(2)中所抽取出的烟雾传感器数据 进行最近邻插值拟合，得到分辨率为 的烟雾场分布数据 ，进而计算基于烟雾场分布的烟雾判据 。具体步骤如下：\n[0013] ①在已测烟雾数据中，找出离 距离最近的点，设其坐标为 ；\n[0014] ②令 ；\n[0015] ③ ，其中 为烟雾浓度报警阈值。\n[0016] 步骤(5)利用视频图像数据，采用背景减法进行视频火灾分析，获取火灾视频判据 ，具体步骤如下：\n[0017] ① 时，获取初始背景图像 ： ；\n[0018] ② 时，获取递推背景图像 ：\n[0019] 若\n[0020] 若 ；\n[0021] ③进行背景减法： ；\n[0022] ④进行视频火灾运动判据 计算：\n[0023] ，其中 为运动判据阈值；\n[0024] ⑤将 转换成HSI颜色模型，分别得到色度分量 、饱和度分量\n和亮度分量 ，计算火灾颜色信息度量 ：\n[0025] 。其中 、 、 反映了色度、饱\n和度及亮度在颜色判据中的重要性，满足 且 ；\n[0026] ⑥进行视频火灾颜色判据 计算：\n[0027] ，其中 为颜色判据阈值；\n[0028] ⑦进行视频火灾运动判据与颜色判据融合，获取视频判据 ：\n[0029] ，其中 与 分别反映了运动判据与颜色判据在视\n频判据中的重要性，满足 且 。\n[0030] 步骤(6)融合温度判据 、烟雾判据 及视频判据 ，若\n，则输出火灾报警信号，否则不输出火灾报警信\n号。其中 ， ， 的取值反映了温度判据、烟雾判据及视频判据各自的可靠程度，满足且 ； 为火灾报警阈值。\n[0031] 步骤(7)在8-邻域上计算空间上连续的备选火灾点的面积，即对每一个备选火灾点 ，考查其邻域8个邻域点 、 、 、 、 、\n、 、 是否为备选火灾点，若所有全部8个邻域点均不是备选\n火灾点，一般可以认为 是孤立噪声点；反之，以邻域中的备选火灾点为中心继续向外扩散，直到不能找到连续备选火灾点为止，统计所有连续备选火灾点的数目，当该数量大于时输出火灾报警信号，否则不报警。其中 为面积滤波阈值。\n[0032] 步骤(8)对所有摄像头重复步骤(2)～(7)，获取整个船舱中监控点的火灾预警信息。\n[0033] 本发明可以高效准确地进行船舶机舱火灾的预警，该方法预警准确度高，误报率低。\n具体实施方式\n[0034] 步骤(1)由温度传感器阵列获取机舱内各温度监测点的温度 ， ；由烟雾传感器阵列获取船舱内各烟雾监测点上的烟雾检测信息 , ；由摄像头阵列获取机舱内各视频监测点上的视频图像序列 ， 。其中 ， ， 分别为机舱内温度传感器、烟雾传感器及摄像头的个数。\n[0035] 以摄像头 所覆盖的船舱区域为火灾监控对象，设第 个摄像头所获取的视频图像分辨率为 ，其对应所覆盖的机舱二维平面区域为 。设 中不同时刻 的图像序列为 ，其中 （ ， ）为图像\n像素位置， 基于RGB颜色模型。对所获得的温度、烟雾及图像等数据，进行如下操作：\n[0036] 步骤(2)抽取出在步骤(1)中所获得的包含在区域 内的所有温度传感器数据及烟雾传感器数据 。\n[0037] 步骤(3)对步骤(2)中所抽取出的温度传感器数据 进行最近邻插值拟合，得到分辨率为 的温度场分布数据 ，进而计算基于温度场分布的温度判据 。具体步骤如下：\n[0038] ①在已测温度数据中，找出离 距离最近的点，设其坐标为 ；\n[0039] ②令 ；\n[0040] ③ ，其中 和 分别为下限\n温度报警阈值和上限温度报警阈值。\n[0041] 步骤(4)对步骤(2)中所抽取出的烟雾传感器数据 进行双线性插值拟合，得到分辨率为 的烟雾场分布数据 ，进而计算基于温度场分布的温度判据 。具体步骤如下：\n[0042] ①在已测烟雾数据中，找出离 距离最近的点，设其坐标为 ；\n[0043] ②令 ；\n[0044] ③ ，其中 为烟雾浓度报警阈值。\n[0045] 步骤(5)利用视频图像数据，采用背景减法进行视频火灾分析，获取火灾视频判据 ，具体步骤如下：\n[0046] ① 时，获取初始背景图像 ： ；\n[0047] ② 时，获取递推背景图像 ：\n[0048] 若\n[0049] 若 ；\n[0050] ③进行背景减法： ；\n[0051] ④进行视频火灾运动判据 计算：\n[0052] ，其中 为运动判据阈值；\n[0053] ⑤将 转换成HSI颜色模型，分别得到色度分量 、饱和度分量\n和亮度分量 ，计算火灾颜色信息度量 ：\n[0054] 。其中 、 、 反映了色度、饱\n和度及亮度在颜色判据中的重要性，满足 且 ；\n[0055] ⑥进行视频火灾颜色判据 计算：\n[0056] ，其中 为颜色判据阈值；