烟火检测算法
6.2 烟火检测算法的组成模块
运行烟火检测算法是为了确认在监测森林地区的相机的视野范围内是否有烟火的存在。这里提出的烟火检测算法由四个主要的子算法构成：（1）视图中缓慢移动物体的检测 （2)烟色地区的检测 （3）图像中上升物体的检测 （4)阴影检测和消除阴影区域，在些子算法对于每一个n 时刻输入的图像帧中x 位置的像素都分别运用决策函数D1(x,n),D2(x,n),D3(x,n),D4(x,n)，选定高速率运算的算法是为了实现一个在标准个人电脑工作状况下的实时烟火检测系统。
子算法中的决策函数Di ，i=1,...,m,不输出二进制的值如1（真）或者-1（假），但是输出代表每一个传入样本x 的零均值实数。如果输出正（负）数，那么独立的算法判定出在相机观测范围内有（无）森林烟火。决策函数的输出值代表了了每个子算法的置信度。输出值越大，算法的置信度越高。
6.2.1缓慢移动物体的检测
视图中以相同速率运动的物体看起来在离相机距离远的地方比在离相机距离近的地方移动的要慢( 像素/秒）。假设在不同的背景图像Bfast （x,n ）和Bslow （x,n)下把相机对焦，他们以不同的更新速率与现场通信【9】【65】，这里的x 代表的是在第n 帧图像中某个像素的位置。
在n+1帧时刻的背景图像B （x ，n+1)是通过包含图像帧I （x ，n ）和背景图像B （x ，n
）的递推公式估算来的。公式如下：
此处的的I （x ，n ）指的是第n 帧图像I 中x 处像素的强度值，a 是（0,1）X 是固定的
X 是移动的 (6.1)
之间的一个常数。初始时，Bfast （x,0）和Bslow （x,0)可以取I （x ，0），固定的像素和移动的像素的定义见【19】。背景图像Bfast （x,n ）和Bslow （x,n)以不同的更新速率更新的方式如式6.1。在我们实现的算法中，Bfast （x,n ）取a=0.7每一帧更新一次，Bslow （x,n)取a=0,9每一秒更新一次。
通过比较两个不同的背景图像Bfast （x,n ）和Bslow （x,n)来检测在相机观测范围内的缓慢移动的物体【83】【9】【65】。如果在某一时间段两个图像中有实质的差异存在，那么就会有缓慢移动物体存在的警报产生，并且那个区域也会被标记。
表明第一个子函数置信度的决策函数输出值是由两个不同背景图像的差异决定的。决策函数D1（x ，n ）是如下定义的： （（ 这里的0 如果|Bfast （x,n ）—Bslow （x,n)|比Thigh （Tlow ）的阈值高（低），那么置信度的值是1（—1)，如果|Bfast （x,n ）—Bslow （x,n)|的值在阈值范围内，则决策函数取[-1,1]中的实际值。远距离（>5km ）地方的森林烟火产生的烟在相机里移动的更慢。所以，在这些远距离的烟色区域在背景图像Bfast （x,n ）和Bslow （x,n)中都不出现。这个原因使Bfast （x,n ）和Bslow （x,n)之间的差别值变得更小。为了能检测到相机5km 外的烟雾和拥有可观的差别值，在式6.2中提到的Bfast （x,n ）都用实时的图像I 代替。 |Bfast （x,n ）—Bslow （x,n)|≤Tlow Tlow ≤|Bfast （x,n ）—Bslow （x,n)|≤Thigh Thigh ≤| Bfast （x,n ）—Bslow （x,n)| （6.2) 6.2.2 烟色区域的检测 一旦一个慢速移动的区域被检测到了，它的烟雾的颜色成份立刻就会被分析。森林烟火的主要成分是二氧化碳，水蒸气，一氧化碳，尤其重要的是碳氢化合物和其他的有机化学物，氮的氧化物，微量矿物质以及一些其他的化合物[2].上升的烟呈现灰灰的颜色主要是由于释放出的火焰的成分中含有的水蒸气和碳的小颗粒。这些区域可以通过在YUV 色彩空间中设定的阈值鉴定出来。而且，特别是在火刚产生的初级阶段，有烟地区的亮度值应该很高，就像在图6.1所示的那样。在另一方面，有烟地区的色度值应该是非常低的。对应的子算法的置信值应该说明以上的这些特征。 决策函数D2（n ，x ）在（-1,1）中取值，它的取值是由Y （x ，n ），U （x ，n ）和V （x ，n ）的通道值决定的。决策函数D2（n ，x ）的定义如下： 这里的Y （x ，n ），U （x ，n ）和V （x ，n ）分别指的是第n 帧图像I 中x 处像素的色度和亮度值。一个图像中亮度分量Y 在[0,255]中取实数，为了他能取到[0,255]中的值色度通道的平均值U 和V 上升到了128。T1的阈值是由实验测定的，此项工作中在亮度为Y 的组成部分中取100.如果Y （x ，n ）的值小于T1，那么D2（n ，x ）的置信度为-1.设定T1的阈值是为了排除同样具有低色度值的暗色区域。因为烟火地区的颜色大多都不鲜明，所以对于那些亮度值高于T1的像素，当U （x ，n ）和V （x ，n ）的色度值在均值128左右时，决策函数的输出值接近为1。当像素有很高的亮度值时，置信值变成-1. Y(x,n) 其他值 (6.3) 6.2.3 有烟雾上升区域的检测 在火产生的初级阶段烟雾区域会扩散到天空中。烟缕的这个特征可以仿照这一节中三态的隐式马尔可夫模型。在缓慢移动的区域中随时间连续变换的最上面的像素就相当于一个一维的特征信号，记作F=f（n），这个信号适用于如图6.2所示的马尔可夫模型。其中的一个模型（λ1）对应真正产生烟火的区域，另一个模型（λ2）对应有云或者云影的区域。这些模型的转化概率是通过分别采用真正的烟火，实验的烟火和云估测而来的。如果当前的图像帧中最上面的像素的行值比前一帧的小，那么对应S1状态（区域上升）。如果当前的图像帧中最上面的像素的行值比前一帧的大，那么对应S2状态，这个意味着区域下降了。如果两帧图像中行值没有变化则对应S3状态。 图6.2中左图对应λ1模型，右图对应λ2模型，aij和bij代表状态的转移概率 当在λ1模型下获得观测到的目标函数F=f（n）的概率高于当在λ2模型下获得观测到的目标函数F=f（n）的概率时，缓慢移动的区域判定为 有烟雾上升的区域。 这里的F是观测到的特征信号，λ1和λ2分别代表马尔可夫模型中对应烟火和云的情况。 当概率p1（p2）的值大于p2（p1），这个子算法的置信度增高(下降）。因此，零均值的决策函数D3（x，n）由这些概率的归一化差值表示 (6.5) 当一个缓慢移动的区域被判定为有烟雾上升的区域，如例，p1》p2，D3（x，n）接近于1，反之，D3（x，n）接近于-1。. 6.2.2阴影检测和去除 对于以影像为基础的森林火灾烟雾监测系统，缓慢移动的乌云形成的阴影是形成错误警报的主要原因。令人遗憾的是，与发生森林火灾的地区相似，乌云形成的阴影具有很低的U和V值。 判断一个地区是否有阴影的决策函数要根据[41]中的阴影检测方法来定义。计算有云缓慢移动的地区的RGB平均值时，要同时参考实时画面和背景影像。S(n)表示的是在第n帧图像I中缓慢移动的区域。以cI~;S(n)表示的第N帧的I图像中地区的平均色彩矢量的计算方法如下： 在上式中，AS(n)代表缓慢移动区域S(n)。rI(x; n), gI(x; n)和bI(x; n)表示在第N个图像帧I中X位置上的红、绿、蓝像素渠道值。相似地，以cB~;S表 示在背景图像中相同的区域的平均色彩矢量。B的计算方法如下： 这里rB(x; n), gB(x; n), 和bB(x; n) 表示在第n帧背景图像帧B中X位置上的红、绿、蓝像素渠道值。我们将背景图像Bslow用作为检测中的背景图像。 在有阴影的地区，两平均色彩矢量cI~;S和cB~;S之间的角度μ(x)应该比较小，并且实时图像中的向量角度值应该比背景图像中的向量角度值偏小，即jcI~;S(n)j < jcB~;S(n)j [41]。这是因为有阴影的地区在一定程度上更容易保留色彩和不明显的的纹理。 这个子算法的置信度是根据平均色彩矢量cI~;S(n) 和cB~;S(n)之间的角度和幅度来定义的。这个子算法相对应决策函数D4(x; n)可以得出第N帧图像以及背景图像中的像素，D4(x; n)的计算方法如下： 在此式中，μ(x)是两色彩向两所夹的角度值。当量色彩矢量间的夹角相近时，阴影地区的函数D4(x; n)的值接近-1。类似的用于阴影检测的决策函数可以通过其他的色彩空间，包括Y UV空间来定义。 文献[66].中介绍了其他几种阴影检测算法。然而，我们选择了在这一部分中阐述的算法，因为这种算法具有其计算的简洁性，而我们的目标正是实现烟火的实时监测。 在这部分阐述的函数中，我们通过使这些函数对所有的火灾影像都产生积极作用而得出了他们的阈值。然而，我们可以定义具有其他阈值的其他决策函数代表不同的威胁/安全程度。在标准监测模式下，当相机的视野内没有火情时，安全级别可能会保持在“低”的状态。一旦检测到火情，系统会自动将安全等级转换到“高”，并且通过减小决策函数的阈值来提高对其他地区发生后继火灾的敏感性。 无论给定的像素是否有烟雾这四个子算法D1, D2, D3 和D4的决策输出值都会线性组合起来得到一个最终结果。每一子算法都可以被赋予较均等的权重，但这样就会产生一个没有应用能力的不可自调算法。另一方面，森林火情监测实质上是一个动态过程。不同的森林地区之间会有很大的差别，并且同一森林地区也会发生物质的时间性变化。由不同的子算法组成的可自调系统对全面的森林火灾检测更为适用。 在下一部分，我们将讨论可自调自主学习 基于物联网的室内烟火检测与报警研究 摘要：本文在室内环境下，通过分析视频图像来检测火灾的烟和火焰，首先对视频图像进行运动检测，然后提取火灾烟和火的重要特征信息，通过多特征融合分析，判断是否存在火灾。本文是采用了一种分布式火灾监控和无线互联网技术，将火灾火焰监测、报警传输和灭火机器人设备融为一体，实现联动跟踪烟火和灭火，为目前火灾监测系统的应用和推广提供参考。 关键词：运动检测；烟火识别；无线报警；特征融合 中图分类号：TP391.41 Abstract In this paper, the indoor environment as the application background, by analyzing the video image to detect the smoke and flames of fire, fire video motion detection, and then extract the important features of smoke and fire information, and analyzed by multi-feature fusion, to determine whether there is fire. This paper is distributed using a fire control and wireless Internet technology, make the fire flame monitoring, fire alarm transmission and fire-fighting robot devices a integration, to achieve the linkage track smoke and flame, the fire monitoring system is a reference for current application and promotion. Key Words motion detection; smoke and flame detection; wireless alarm; feature fusion 1 引言 近年来，大量的高层家庭住宅、地下建筑和石化企业不断涌现。由于这些建筑的特殊性，发生火灾时不能快速高校地灭火。比如高层住宅区发生火灾时，消防人员不可能在短时间内到达火灾发生地点，在地下建筑中，由于环境比较潮湿，烟气不易扩散，消防人员不容易判定火源位置，同时在石化企业发生火灾时，将产生大量的毒气，消防人员容易发生中毒[2]。因此火灾给社会造成了大量生命和财产的严重损失，若能在火灾发生初期就进行识别报警，则可以减少各种损失，同时能让一台灭火机器人及时定位和灭火，将有重要的社会意义。 如今视频应用已经深入到人们工作和生活的方方面面，视频监控作为其中一种应用，对感兴趣的区域或目标进行实时的监视报警[3]。这些视频监控作为物联网的感知层，部署在各种场所的室内或室外环境中，如果将这些感知摄像头加入智能火灾的烟和火焰检测算法，对原有设备的变动和影响并不大，同时可以及时将感知层的报警信息通过无线或有限网络传到信息管理中心，将对火灾自然灾难的报警和处理产生一定影响。 国内外对于图像型火灾探测技术进行了深入研究，其中很多高校和国外都对识别算法进行了研究，目前这些算法有的只局限于对火焰进行检测[4]，或者对设备的要求太高。本文设计了一种提取烟和火的特征算法，对两者进行检测，最终进行融合判决，决定是否报警。如果有报警，将报警信息以多种形式传递出去，同时启动灭火机器人开展灭火，同时将灭火结果反馈给控制终端。本文还给出了一种分布式的视频火灾监控系统，为火灾监控系统实施提供参考。 2 视频烟火探测系统 基于图像处理的火灾探测系统是一种以计算机为核心，结合光电技术和数字图像处理技术而研制的烟火自动报警系统。整个系统结构如下图1： 楚秀科技监测系统设计方案 前言 一.为什么要监控报警？ 随着市场的发展，生物、医学、制药、农业、食品、冷链物流等行业对温湿度的规范管理需求越来越大，我国对温湿度的监管已逐步进入规范化，并出台了GSP等相关法规政策。 1）过程需要：这些行业的物料（原料、检测试剂、中间产品、成品等）在研发、生产、储运、流转过程中，往往需要严格控制温度、湿度、气体浓度等参数。例如：疫苗生产、动物细胞、血液、组织等生物样本储存温度必须严格控制，否则就有可能变质而失效…… 2）法规要求：有些特殊行业，如制药、医疗器械、诊断试剂等行业，国家出台了一系列强制性法律法规，对研发、生产、储运过程的温湿度等参数加以限定和监控，以保障产品质量和人们生命健康安全。 3）安全防范需要：在企业管理过程中，存在各种不确定因素，如意外断电、设施设备老化或发生故障、人员在操作过程中发生失误……从而导致有温度、湿度等参数要求的环境设施设备出现意外，从而产生重大经济损失和安全事故的可能性时刻存在，监控报警措施对于安全防范必不可少。尤其对冰箱或液氮罐储存重要物品、SPF级的实验动物房来说，由于以上任何一个原因出了问题，后果将不堪设想。 4）监管需要：对于以上行业，以往，相关主管部门只能通过到现场抽查或要求相关单位送样品检测的方法加以监管，这种方法无法实时地反映相关行业各个环节的实际情况。 5）法律问责需要：有些行业，商家之间互相合作时，经常会发生一些说不清的责任，以海鲜运输为例，如果物流公司采用了带GPS定位功能的温度监控报警系统，雇主和物流公司都能实时看到冷藏车当前位置及温度变化，并且可以保存历史记录，即使出了问题，责任自然清晰。 二.为什么要互联网+？ 传统的温湿度监测采用人工监测的方式，耗费大量精力和时间，控制的精度很低，实时性也很差，难以及时发现问题，风险无法控制。传统的监控报警已经在各行各业广泛应用并发挥作用，例如传统的中控室、中控台，但一个非常严峻的问题是，它严重地束缚了人的活动空间，要想发挥作用，必须有人在中控室24小时值班，以防止意外断电或设备故障，而其他不在现场的人员尤其是管理人员只能通过值班人员的汇报才能了解现场的情况，极大地增加了沟通成本，浪费了大量的时间和资源。 所以，将监控报警功能与互联网结合，通过手机、Pad或电脑等各种高科技手段实时监控查询，异常情况通过更专业更便捷的方式实时报警变得非常有意义。 基于互联网+的实验室智能监控报警系统要解决的问题：远程实时监控实验室环境设施设备，以便在下班后、假期中也能够远程实时监控现场环境设施设备的运行情况，实时跟踪环境设施设备的温度、湿度等参数变化；避免由于断电、设备故障、损毁、老化、人为过失等原因造成不必要的损失及危险。 建设工程质量安全监督站检测信息管理系统 设计方案 为进一步规范厦门市检测市场，加强对检测单位的监督管理工作，厦门市建设工程质量安全监督站按照市建设局的要求，决定采用信息化的管理方法，从检测数据采集、处理、存储等各方面加强管理工作，保证建材检测的权威性，保障工程建筑的质量安全。按照这个目的要求，本站提出如下的检测信息管理方案： 一、信息化技术要求 1.各检测单位所检测工程按照一定的规定统一编 号，建议工程编号与质量监督信息系统统一起 来，以便质量监督人员能够查询到相应的工程 数据。 2.检测报告、报表统一标准：由市监督站检测监 督科制定统一标准的检测报告格式，规定检测 报告的纸质格式、电子格式化标准，其中电子 格式推荐Borland Delphi的QuickReport格式， 该数据格式包含单个或多个工程检测部位（送 检样本）的单个或多个检测原始数据、检测处 理结果等。这样便于各检测单位、检测监督单 位、上级主管部门、其他相关单位等便于查看、 检查、转换、打印等。 3.检测数据上报功能：各检测单位一般上报检测 数据的电子格式的数据，上报方式采用软件系 统自动上报功能或人工上报。检测数据上报后， 由软件系统自动导入或管理人员导入到检测信 息化管理数据库中，便于检测监督人员随时检 查。 4.软件系统自动统计各检测单位的工程检测数 量、不合格报告数量、作废检测数据数量等， 对不正常的检测报告发出报警。统计各施工单 位的检测检测数量、不合格报告数量、作废检 测数据数量等，对超过一定数量不合格检测报 告发出报警。 二、信息化软件功能要求 1.软件开发设计应采用B/S的方式开发：B/S方式 即采用web方式开发，这样，客户端只需要打 开网页浏览器，输入网址就可以处理各种事务 了，不必在客户端安装软件或不断升级软件了， 减少了软件维护麻烦，保证用户能够及时处理 事务。 2.工程编号管理功能：软件应采用一定的方式保 证检测单位所检工程的编号是唯一、不重复的。 3.（预留接口）施工（送检）单位编号：软件应 Fireworks Algorithm for Optimization Ying Tan and Yuanchun Zhu Key Laboratory of Machine Perception(MOE),Peking University Department of Machine Intelligence, School of Electronics Engineering and Computer Science,Peking University, Beijing,100871,China {ytan,ychzhu}@https://www.360docs.net/doc/6617068278.html, Abstract.Inspired by observing?reworks explosion,a novel swarm in- telligence algorithm,called Fireworks Algorithm(F A),is proposed for global optimization of complex functions.In the proposed F A,two types of explosion(search)processes are employed,and the mechanisms for keeping diversity of sparks are also well designed.In order to demon- strate the validation of the F A,a number of experiments were conducted on nine benchmark test functions to compare the F A with two vari- ants of particle swarm optimization(PSO)algorithms,namely Standard PSO and Clonal PSO.It turns out from the results that the proposed F A clearly outperforms the two variants of the PSOs in both convergence speed and global solution accuracy. Keywords:natural computing,swarm intelligence,?reworks algorithm, particle swarm optimization,function optimization. 1Introduction In recent years,Swarm Intelligence(SI)has become popular among researchers working on optimization problems all over the world[1,2].SI algorithms,e.g.Par-ticle Swarm Optimization(PSO)[3],Ant System[4],Clonal Selection Algorithm [5],and Swarm Robots[6],etc.,have advantages in solving many optimization problems.Among all the SI algorithms,PSO is one of the most popular algorithm for searching optimal locations in a D-dimensional space.In1995,Kennedy and Eberhart proposed PSO as a powerful global optimization algorithm inspired by the behavior of bird blocks[3].Since then,the PSO has attracted the attentions of researchers around the globe,and a number of variants of PSO have been con-tinually proposed[7,8]. Like PSO,most of swarm intelligence algorithms are inspired by some intelli-gent colony behaviors in nature.In this paper,inspired by the emergent swarm behavior of?reworks,a novel swarm intelligence algorithm called Fireworks Al-gorithm(FA)is proposed for function optimization.The FA is presented and implemented by simulating the explosion process of?reworks.In the FA,two explosion(search)processes are employed and mechanisms for keeping diversity of sparks are also well designed.To validate the performance of the proposed FA,comparison experiments were conducted on nine benchmark test functions Y.Tan,Y.Shi,and K.C.Tan(Eds.):ICSI2010,Part I,LNCS6145,pp.355–364,2010. c Springer-Verlag Berlin Heidelberg2010 森林烟火自动识别预警与定位系统 中国科学院沈阳自动化研究所 ? 机器人学国家重点实验室 第一章系统概述 1.1引言 林业是生态建设的主体，在保持经济和社会发展中有着不可或缺的作用，在生物的进化过程中起着巨大的作用。然而，森林的头号天敌——森林火灾，不仅时时刻刻威胁着森林的安全，造成森林资源的重大损失而且引起全球性的环境污染。 我国是一个森林资源大国，然而又是一个森林资源小国，人均森林资源不足世界品均水平的50%，保护森林资源的重要性不言而喻。然而，新中国成立以来，森林火灾频频发生严重地威胁着森林资源的安全。1987年5月的大兴安岭森林火灾，共计烧毁70万公顷林地、85万立方米原木、2488台各种设备、677座桥梁和涵洞、9.2公里铁路线、483公里通讯线路、284公里输变电线路、325万斤粮食、61.4万平方米房屋等，直接经济损失达到5.2666亿元，间接经济损失达到63.37亿元；1997年6月“6·22喀纳斯森林火灾”，共计烧毁100公顷林地、150立方米原木、8000平方米房屋等，直接经济损失达到385万元，间接经济损失达到2356万元；2005年7月“7.27乌玛森林火灾” 共计烧毁80公顷林地、125立方米原木、6572平方米房屋等，直接经济损失达到327万元，间接经济损失达到1895万元；2005年9月黑龙江嫩江“9·29特大草地森林火灾”，火灾过火面积约1.033万公顷,受害森林面积2231公顷，共计烧毁2.3万立方米原木，1.27万平方米房屋等，直接经济损失达到5325万元，间接经济损失达到3.24亿元； 2007年4月福建省“安仁乡森林火灾”，共计烧毁53公顷林地、76立方米原木、4583平方米房屋等，直接经济损失达到254万元，间接经济损失达到1235万元；2009年4月黑龙江省伊南河森林火灾，共计烧毁321万公顷林地、123万立方米原木、73.5万平方米房屋等，直接经济损失达到3.57亿元，间接经济损失达到38.6亿元。森林火灾不仅严重地吞噬着森林资源，而且给人民的生活和生命安全带来了严重地威胁。 目前我国的森林面积为19545.22万公顷，森林覆盖率为20.36%，人均森林资源不足世界平均水平的50%。近些年来森林火灾频频发生，使我国的森林资源造成巨大的损失。 表1-1为2000年到2009年由于森林火灾造成的森林资源损失以及直接经济损失。 6.2 烟火检测算法的组成模块 运行烟火检测算法是为了确认在监测森林地区的相机的视野范围内是否有烟火的存在。这里提出的烟火检测算法由四个主要的子算法构成：（1）视图中缓慢移动物体的检测 （2)烟色地区的检测 （3）图像中上升物体的检测 （4)阴影检测和消除阴影区域，在些子算法对于每一个n 时刻输入的图像帧中x 位置的像素都分别运用决策函数D1(x,n),D2(x,n),D3(x,n),D4(x,n)，选定高速率运算的算法是为了实现一个在标准个人电脑工作状况下的实时烟火检测系统。 子算法中的决策函数Di ，i=1,...,m,不输出二进制的值如1（真）或者-1（假），但是输出代表每一个传入样本x 的零均值实数。如果输出正（负）数，那么独立的算法判定出在相机观测范围内有（无）森林烟火。决策函数的输出值代表了了每个子算法的置信度。输出值越大，算法的置信度越高。 6.2.1缓慢移动物体的检测 视图中以相同速率运动的物体看起来在离相机距离远的地方比在离相机距离近的地方移动的要慢( 像素/秒）。假设在不同的背景图像Bfast （x,n ）和Bslow （x,n)下把相机对焦，他们以不同的更新速率与现场通信【9】【65】，这里的x 代表的是在第n 帧图像中某个像素的位置。 在n+1帧时刻的背景图像B （x ，n+1)是通过包含图像帧I （x ，n ）和背景图像B （x ，n ）的递推公式估算来的。公式如下： 此处的的I （x ，n ）指的是第n 帧图像I 中x 处像素的强度值，a 是（0,1）X 是固定的 X 是移动的 (6.1) 之间的一个常数。初始时，Bfast （x,0）和Bslow （x,0)可以取I （x ，0），固定的像素和移动的像素的定义见【19】。背景图像Bfast （x,n ）和Bslow （x,n)以不同的更新速率更新的方式如式6.1。在我们实现的算法中，Bfast （x,n ）取a=0.7每一帧更新一次，Bslow （x,n)取a=0,9每一秒更新一次。 通过比较两个不同的背景图像Bfast （x,n ）和Bslow （x,n)来检测在相机观测范围内的缓慢移动的物体【83】【9】【65】。如果在某一时间段两个图像中有实质的差异存在，那么就会有缓慢移动物体存在的警报产生，并且那个区域也会被标记。 表明第一个子函数置信度的决策函数输出值是由两个不同背景图像的差异决定的。决策函数D1（x ，n ）是如下定义的： （（ 这里的0 在线监测系统设计方案 水质在线监测系统 设计方案 ***********有限公司 ******环保设备有限公司 二零******年**月 目录 1、企业简介 (4) 2、设计依据 (4) 2.1设计依据的主要相关规范及标准 (4) 2.2设计原则 (6) 2.3系统设计 (6) 3、技术部分 (7) 3.1监测因子 (7) 3.2监测点位 (7) 3.3监测站房 (7) 3.4其他建设要求 (9) 3.5企业监控中心 (16) 3.6监测设备性能及组成部分 (16) 3.7项目实施方案 (22) 4、售后服务 (24) 4.1升级服务 (24) 4.2联系方式和技术服务 (25) 4.3技术信息 (25) 4.4保修 (25) 5、资质文件 (27) 5.1企业法人营业执照复印件 (27) 5.2税务登记证复印件 (27) 5.3组织机构代码证复印件 (27) 5.4环境污染治理设施运营资质证书 (28) 5.5 ISO9001认证 (28) 5.6计量器具生许可证书 (28) 5.7中国环境保护产品认证证书 (30) 5.8国家环保部出具的检测报告 (30) 5.9纳税凭证 (33) 5.10产品认定证书 (33) 5.11近年来业绩和用户证明 (35) 5.12其他证明文件 (40) 5.13专利情况专利证书统计 (44) 1、企业简介 **********有限公司位于经济技术开发区*****工业园区，是一家*******************。 本公司主要污染物排放总量在**市环保局总量控制指标内核定：化学需氧量******吨/年，氨氮******吨/年，总磷*******吨/年。按照国家有关规定设置规范的污染物排放口，预安装废水排放自动在线监测装置并与环保部门联网。 2、设计依据 2.1设计依据的主要相关规范及标准 1)《环境污染源自动监控信息传输、交换技术规范》（试行） （HJ/T 352-2007） 2)《水污染源在线监测系统安装技术规范》（试行）（HJ/T 353-2007） 3)《水污染源在线监测系统验收技术规范》（试行）（HJ/T 354-2007） 4)《水污染源在线监测系统运行与考核技术规范》（试行） （HJ/T 355-2007） 5)《水污染源在线监测系统数据有效性判别技术规范》（试行） （HJ/T 356-2007） 6)《环境保护产品技术要求-化学需氧量CODcr水质在线监测 仪》（HJ/T 377-2007） 森林烟火自动识别预警与定位系统 第一章 系统概述 实用文档 如东通用机械厂地块—商业综合体 环 境 卫 生 管 理 方 案 南通长城建设集团有限公司 2017 年2 月 目录 一、工程概况 (2) 二、组织机构 (2) 三、环境卫生管理布置 (2) 四、环境卫生管理措施 (4) 五、环境卫生管理制度 (5) 环境卫生管理方案 一、工程概况 1.1工程名称和地址 1.1.1工程名称：如东县通用机械厂地块-商业综合体 1.1.2工程地址：如东县海花路北侧、滨河路南侧、人民路西侧、弹琴路东侧。 1.1.3参建主体：1.建设单位：如东昌和地产投资有限公司 2.设计单位：苏州设计研究院股份有限公司 南通市规划设计院有限公司 3.勘察单位：南京地质工程勘察院 4.监理单位：南通市通大建设监理有限公司 5.施工单位：南通长城建设集团有限公司 1.2建筑结构概况 由如东昌河地产投资有限公司开发，南通长城建设集团有限公司承建的如东县通用机械厂地块-商业综合体 本工程建筑总面积74273.80m2，地上总建筑面积50144.86 m2，地下总建筑面积24128.94 m2 建筑结构形式为混凝土框架结构，设计合理使用年限为50年，结构安全等级为二级。本工程建筑耐火等级为一级，抗震防烈度为7度。 二、组织机构 本工程文明施工实行二级管理，各级均建立环境卫生管理领导小组和管理制度。 1、项目经理部成立环境卫生管理领导小组，项目经理部环境卫生管理领导小组由项目经理和施工员，施工员是项目环境卫生管理的直接责任人。环境卫生管理实行分区管理和班组管理结合：现场划分施工区和办公区二大责任区域。各作业班组长对班组作业区的文明施工负责。 目录 1.前言 (1) 2.需求分析 (3) 2.1.前端基站需求分析 (3) 2.2.传输网络需求分析 (8) 2.3.后端联网监控管理平台需求分析 (9) 3.建设目标 (10) 4.建设原则及标准 (11) 4.1.建设原则 (11) 4.2.建设依据及标准 (12) 5.森林防火智能监测系统总体构成 (13) 6.森林防火智能监测系统详细设计 (15) 6.1.前端智能监测基站详细设计 (15) 6.1.1.视频采集系统 (16) 6.1.2.智能烟火识别处理器 (22) 6.1.3.供电系统 (23) 6.1.4.防盗系统 (24) 6.1.5.基站控制设备 (25) 6.1.6.防雷接地系统 (27) 6.1.7.铁塔基建系统 (30) 6.2.传输网络详细设计 (33) 6.2.1.传输网络选型 (33) 6.2.2.传输网络配置 (34) 6.2.3.传输网络路由 (36) 6.3.后端监控管理平台系统详细设计 (39) 6.3.1.联网监控管理平台 (39) 6.3.2.GIS管理平台 (43) 6.3.3.大屏展示系统 (44) 6.3.4.综合布线系统 (48) 6.3.5.静电地板 (50) 6.3.6.防雷接地系统 (51) 1.前言 森林资源是林地及其所生长的森林有机体的总称，以林木资源为主，还包括林下植物、野生动物、土壤微生物等资源。森林资源是地球上最重要的资源之一，是生物多样化的基础，是人类赖以生存必备可少的资源之一。据2005年全球森林资源评估结果，2005年全球森林面积39.52亿公顷，占陆地面积的30.3%,人均森林面积0.62公顷，单位面积蓄积110立方米，有史以来全球森林已减少了 一半，主要原因是人类活动，全球森林从1990年到2000年每年消失的森林近千万公顷。 我国资源匮乏，其中以森林资源最为紧缺，国土面积960万平方公里，约占世界总量的7%，人口13亿，约占世界总量的22%，而森林面积仅占世界的 4.6%。我国森林总面积15894.1万公顷，林木总蓄积量不足世界总量的3%，森林蓄积量为112.7亿立方米，森林覆盖率为16.55%，排世界第142位，人均森林面积0.128公顷，只有世界平均水平的1/5，排世界120位，人均森林蓄积量9.048立方米，只有世界平均水平的1/8。 森林资源减少受诸多因素的影响，比如人口增加、当地环境因素、政府发展农业开发土地的政策等，此外，森林火灾损失亦不可低估，森林火灾是危害森林的大敌，一场火灾在旦夕之间就能把大片苍翠茂密的森林化为灰烬，给国家和集体造成严重损失，同时林地失去了森林的覆盖，容易造成水土流失，容易发生水旱风沙灾害，影响农业稳产高产。在居民点、农田、山林交错的山区发生了森林 火灾，还会烧毁房舍、粮食、农具和耕畜，影响群众生产、生活。森林火灾还会 烧死林中的大量益鸟、益兽和烧毁各种林副产品。发生森林火灾，必须动员大批人员去扑火，既耽误生产，又浪费人力物力，甚至造成人身伤亡事故，给国家人 民带来损失。了解森林火灾的原因，是做好防火工作的前提。火灾原因不外乎自然的和人为的两类。自然原因中，有雷电触及林木引起树冠燃烧和在干旱季节， 由于阳光的辐射强烈，使林地腐殖质层或泥炭层发生高热自然。这类性质的森林火灾是少数的。而最普遍、最大量的森林火灾，是由人为引起的。人为原因中又 有生产性和非生产性火源之分。生产性火源如烧灰积肥、烧田埂草、炼山整地、 智能烟火检测系统产品白皮书 公司 2018年8月 1.产品概述 近年来中国的铁路、石油和石化等行业得到了高速发展，为不断适应国家改革发展、治理转型的战略需要，已经建立了结构完善的视频监控系统。但是由于石油石化公司面积大，铁路线路长，单凭人力的管理和监督，根本无法达到理想的效果，当出现如人员脱岗、越界、人员入侵等这类事情后，当前的视频监控系统只能起到事后取证的作用，有些地方还出现了摄像头故障后无法获取监控视频的情况，使得周界防护陷入非常被动的局面。 为了更好的应对和处置企业中的的周界安防事故，构建企业的周界防护视频智能分析系统，将当前的事后取证变为事中甚至于事前的预警，变被动响应为主动处置，就变的势在必行。 智能烟火检测系统针对企业中普遍存在的安全事件现象，通过摄像机监视，增加人工智能功能，对视频进行采集、智能分析、自动预警。 1.1无人值守的运维问题 智能烟火检测系统结合最前沿的智能视觉分析技术与模式识别技术，能够通过纯视频的方式，在远程分析中心，对异地的多个视频数据采集区域内发生的各类安全事件在视频服务器上进行智能行为分析，解决了传统的依赖于人工巡视的工作方式，极大的节约了人员 成本，提供了工作效率。 1.2烟雾和火焰的安全生产问题 智能烟火检测系统基于智能视频分析和深度学习神经网络技术，实现对监控区域内的烟雾和火焰进行识别、并动态识别烟雾和火焰从无到有、从有到无、从小到大，从大到小、从小烟到浓烟的状态转换的识别、实时分析报警。不依赖其他传感设备，直接对视频监控区域的画面的烟雾和火焰均可及时准确识别，并将报警信息及时推送给相关的管理和安全人员，及时应对和处置。 1.3可定制、可与其他系统联动 智能烟火检测系统的所有技术均是自主知识产权，支持指定区域内的安全规则和安全行为的定制，以满足用户的各种安全需要，并支持与用户其他业务系统的互联互通和联动，以使用户的各种系统更加智能。 2.产品功能 森林防火视频监控系统功能介绍 项目建设技术线路 1、传统烟火报警处理方式 传统的火灾监测手段，不管是森林防火方面，还是城市高空瞭望防火，采用的是人工巡逻模式，人在高处，即瞭望塔，通过望远镜不停看，但是随着时间的推移，人的视觉会发生疲劳，疲劳了就会发生意外，通常等火灾已经发生后，才能做出相应判断，但是人工瞭望的方式，对具体位置信息，不清楚，又增加扑救的难度。 为了解决人工疲劳的引起的火灾事件，引入视频监控与人脑结合的方式进行处理。通过高清摄像机进行地毯式的扫描，把前方清晰稳定的图像出过来，通过人眼进行观察，如果发现有火情，或者有很大的烟雾，可以让人眼分辨出来的，可以做出相应的处理。需然解决视觉疲劳发现烟火的问题，但是带来新的问题必须时刻人工坚守。 为了解决这个问题，引入特有的烟火识别软件，可以根据图像对比，很容易实现烟火自动识别与报警，即解决人工疲劳问题，又能提前预警，提前实施扑救方案，最大限度减少火灾带来的损失。方式一：传统人工瞭望 人工瞭望烟火信息 方式二：先进烟火自动识别 2、目前主流烟火报警方式 目前烟火识别技术，根据发现烟火，自动报警，主要有如下方式： 第一，根据云台的巡航方式，发现烟火可以分为两种模式，一种是地毯式扫描，根据云台的转速，在监控范围内，进行地毯式的扫描，只要在监控范围内发现烟火，就会自动报警，这种方式不会漏报，及时报警。另一种方式，在监控范围内进行跳跃式扫描，导致出现扫描盲区，出现烟火及发生火灾还没有进行报警，这种方式 效率低下 存在先天不足。 第二，根据镜头扫描半径不同，发现烟火可以分为两种方式，一种方式，如果云台的转速是0度—5度的水平转速，在一个巡航周期内，很难在很短的时间内进行全部扫描，当某个区域发生烟火甚至火灾后，镜头段时间内还没扫描到该区域，导致火灾发生，得不到及时预报。另外一种方式，如果云台的转速大20度，在同样镜头的扫描半径，能够很快扫描完监控区域，能够及时发现未知区域的烟火，及时报警，达到及时处理的目的。 第三，根据对烟火的误报来区分，目前有两类厂家，一类误报、漏报太高，所以软件直接采取赠送的方式，验收的时候不需要验收软件的性能，只验收硬件就行了，但是容易造成火灾发生后无法得到及时的预报，处理，造成大量的经济损失。另一类厂家是误报率低，软件性能稳定，能及时有效的进行烟火预报，但是需要进行采购，稍微增加成本，却能够及时有效的进行烟火报警，及时有效进行处理，减少或避免经济的损失。 3、领先烟火自动识别算法 根据摄像机捕捉的图像，采用烟火智能识别算法，对当前火情进行自动识别。监测到火情后，系统锁定云台，由当前瞭望塔的高度、云台的方位、摄像机的焦距等相关信息，依据公式推算出发生火灾的位置。 根据烟火识别算法的特点，目前烟火识别对同一视域的单帧图像的火情识别比较容易，但准确率较差。我公司在多个项目的 系统设计方案标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N] 第一章引言 1.1 编写目的 说明编写详细设计方案的主要目的。 说明书编制的目的是说明一个软件系统各个层次中的每个程序（每个模块或子程序）和数据库系统的设计考虑，为程序员编码提供依据。 如果一个软件系统比较简单，层次很少，本文件可以不单独编写，和概要设计说明书中不重复部分合并编写。 方案重点是模块的执行流程和数据库系统详细设计的描述。 1.2 背景 应包含以下几个方面的内容： A. 待开发软件系统名称； B. 该系统基本概念，如该系统的类型、从属地位等； C. 开发项目组名称。 1.3 参考资料 列出详细设计报告引用的文献或资料，资料的作者、标题、出版单位和出版日期等信息，必要时说明如何得到这些资料。 1.4 术语定义及说明 列出本文档中用到的可能会引起混淆的专门术语、定义和缩写词的原文。 第二章设计概述 2.1 任务和目标 说明详细设计的任务及详细设计所要达到的目标。 2.2 需求概述 对所开发软件的概要描述, 包括主要的业务需求、输入、输出、主要功能、性能等，尤其需要描述系统性能需求。 2.3 运行环境概述 对本系统所依赖于运行的硬件，包括操作系统、数据库系统、中间件、接口软件、可能的性能监控与分析等软件环境的描述，及配置要求。 2.4 条件与限制 详细描述系统所受的内部和外部条件的约束和限制说明。包括业务和技术方面的条件与限制以及进度、管理等方面的限制。 2.5 详细设计方法和工具 简要说明详细设计所采用的方法和使用的工具。如HIPO图方法、IDEF（I2DEF）方法、E－R图，数据流程图、业务流程图、选用的CASE工具等，尽量采用标准规范和辅助工具。 第三章系统详细需求分析 视频烟火自动检测系统设计方案 目录 一、系统概述 (3) 二、应用场合 (3) 三、火焰检测 (5) 四、烟雾检测 (7) 五、检测流程 (9) 一、系统概述 基于视频分析的室内外烟火自动检测系统的目的是能够实现无人值守的不间断工作，自动发现监控区域内的异常烟雾和火灾苗头，以最快、最佳的方式进行告警和协助消防人员处理火灾危机，并最大限度的降低误报和漏报现象；同时还可查看现场实时图像，根据直观的画面直接指挥调度救火。 该系统利用计算机视觉、人工智能以及闭路电视监控技术，通过视频图像来检测烟火。系统自动分析、识别视频图像内的火焰、烟雾，产生告警信息，在数秒内完成火灾探测及报警，大大缩短了火灾告警时间。该系统具有非接触式探测的特点，不受空间高度、热障、易爆/有毒等环境条件的限制，使得该系统为室内大空间、室外以及传统探测手段失效的特殊场所火灾探测提供了一种有效的解决途径。 二、应用场合 视频烟火检测系统在国外得到了非常广泛的应用，由于其技术特点，它非常适合于传统烟感无法应用的室内外空旷场合，具体来说，可以分为以下几种： 目前国内对上述场合的火灾监控还没有十分有效的方法，基本上还是采用传统的烟雾颗粒感应或者红外线、激光技术。传统烟雾颗粒感应系统需要烟雾颗粒进入传感器才能引起报警，红外及激光技术也需要烟雾遮挡才能引发报警。这些前提要求场合是相对封闭的空间。而室外场合像炼油厂、仓库等因为设备设施分散，空气流动大，传统烟火设备根本起不到作用，现在往往采用人员值守看管，造成管理成本上升。 视频烟火自动检测系统正式弥补传统火灾报警设备的不足，完全适应于室外场合，而且可以远程提供实时视频，使得集中管理变为可能，具有非常广阔的市场空间。 三、火焰检测 火焰有着与众不同的特征，他的颜色、温度、形状以及跳动的形式都可以作为识别的依据。下面，我们将从火焰的静态特征和动态特征两方面入手进行火焰识别。 3.1静态特征（颜色与形状） 首先，火焰有着与众不同的颜色特征。描述其颜色的模型有很多，图7就是其中一种，它可以由RGB空间经过简单比较计算得到。 图7 火焰颜色分布图 由上图，任何RGB图像中只要满足R>=G且G>B的颜色都可以看作是火焰。图8中显示了由该模型对各种火焰的检测结果。虽然这种模型的误报会很多，但可以作为最初始的筛选手段排除掉最不可能是火焰的物体。 10KV 母线回路故障检测控制器软硬件设计方案 徐源 南阳理工学院电子与电气工程系 一、系统功能架构设计 根据附件一的要求,设计故障检测与控制系统架构如下: 高压支线电压送入电压互感器后获得合适的 AC 电压, 经感应电压调整器调整成两路电压,一路作为电压采集信号,一路为驱动电路和执行电路供电,为保证系统整体的稳定性和可靠性,在电压调整器上增加一个抑制峰值电压和反向电涌的抗干扰模块,采集到的电平信号经 A/D数模转换以后,送入 CPU 进行处理,当检测到电平信号的异常后,触发 CPU 的中断系统,在小于 0.1us 时间里对事件反应,先由 CPU 软件进行去抖动处理,滤除干扰信号, 然后判断出故障类型, 由 CPU 发出指令, 由调节执行电路完成高压线回路继电器的通断闭合,从而排除或正确判断故障类型。 系统信息适时通过 LED 屏幕或者 LCD 屏幕进行指示,并且延时参数等信息都可以通过面板的控制键盘进行设置,必要时可以用红外遥控器进行设置。 为保障系统的稳定运行,防止 CPU 死机,采用“看门狗”来防止软件意外的发生;为获得系统的适时故障检测信息, 采用 RTC 时钟并对系统进行适时监控, 并把故障信息存储在 8K 的 EERPOM 中去,防止掉电信息丢失,并可以适时对系统历史信息进行查询;数据通信采用 485总线和综自计算机进行通信。 此系统的自动化程度相对来说很高,功能更强大,稳定性也比较高,可以实现时时故 障显示和判断,甚至是简单故障的排除,人员的劳动强度和安全性得到有效保障,因为系统在很短时间内就可以排除故障或显示故障类型,对电力设备的安全有更大的保障。 二、故障检测控制器走线图 烟花算法中爆炸半径的改进研究 摘要：烟花算法是最近出现的一种优化算法，分析了算法中一个关键参数即爆炸半径。分析表明，由最优烟花所产生的火花由于其爆炸半径趋于0，所以在计算中几乎是无用的，而且增加了计算代价。为此，给出了一个改进的爆炸半径的算法，实验表明，改进算法在收敛速度和精度方面都优于原始算法。 关键词：烟花算法；爆炸半径；群体智能；优化算法 中图分类号：tp301.6 文献标志码：a 文章编号：1006-8228（2013）01-28-02 study on improvement of explosion radius in fireworks algorithm du zhenxin （hanshan normal university， chaozhou， guangdong 521041，china） abstract： fireworks algorithm is a new optimization algorithm. the fireworks algorithm is analyzed and the shortage of the crucial parameter explosion radius is pointed out. the analysis manifests that because their explosion radius tends to zero， the sparks produced by the best firework are useless and the computing process is wasted. an improved explosion radius formula is proposed in the paper， and基于物联网的室内烟火检测与报警研究
实验室监测系统设计方案
检测信息管理系统设计方案
Fireworks Algorithm for Optimization 烟花算法
森林烟火预警与定位系统方案
烟火检测算法
在线监测系统设计方案
森林烟火自动识别预警与定位系统-机器人视觉研究组机器人学国家
中国科学院沈阳自动化研究所 ? 机器人学国家重点实验室
1.1 引言
林业是生态建设的主体，在保持经济和社会发展中有着不可或缺的作用，在生 物的进化过程中起着巨大的作用。然而，森林的头号天敌——森林火灾，不仅时时 刻刻威胁着森林的安全，造成森林资源的重大损失而且引起全球性的环境污染。 我国是一个森林资源大国，然而又是一个森林资源小国，人均森林资源不足世 界品均水平的 50%，保护森林资源的重要性不言而喻。然而，新中国成立以来，森 林火灾频频发生严重地威胁着森林资源的安全。1987 年 5 月的大兴安岭森林火灾， 共计烧毁 70 万公顷林地、85 万立方米原木、2488 台各种设备、677 座桥梁和涵洞、 9.2 公里铁路线、483 公里通讯线路、284 公里输变电线路、325 万斤粮食、61.4 万 平方米房屋等， 直接经济损失达到 5.2666 亿元， 间接经济损失达到 63.37 亿元； 1997 年 6 月“6·22 喀纳斯森林火灾”， 共计烧毁 100 公顷林地、 150 立方米原木、 8000 平方米房屋等，直接经济损失达到 385 万元，间接经济损失达到 2356 万元；2005 年 7 月“7.27 乌玛森林火灾” 共计烧毁 80 公顷林地、125 立方米原木、6572 平方 米房屋等，直接经济损失达到 327 万元，间接经济损失达到 1895 万元；2005 年 9 月黑龙江嫩江“9·29 特大草地森林火灾”，火灾过火面积约 1.033 万公顷,受害森 林面积 2231 公顷，共计烧毁 2.3 万立方米原木，1.27 万平方米房屋等，直接经济 损失达到 5325 万元，间接经济损失达到 3.24 亿元； 2007 年 4 月福建省“安仁乡 森林火灾”，共计烧毁 53 公顷林地、76 立方米原木、4583 平方米房屋等，直接经 济损失达到 254 万元，间接经济损失达到 1235 万元；2009 年 4 月黑龙江省伊南河 森林火灾，共计烧毁 321 万公顷林地、123 万立方米原木、73.5 万平方米房屋等， 直接经济损失达到 3.57 亿元，间接经济损失达到 38.6 亿元。森林火灾不仅严重地 吞噬着森林资源，而且给人民的生活和生命安全带来了严重地威胁。 目前我国的森林面积为 19545.22 万公顷，森林覆盖率为 20.36%，人均森林资 源不足世界平均水平的 50%。近些年来森林火灾频频发生，使我国的森林资源造成 巨大的损失。 表 1-1 为 2000 年到 2009 年由于森林火灾造成的森林资源损失以及直接经济损 失。环境卫生管理系统方案设计
森林防火智能预警监测系统方案
智能烟火检测系统产品白皮书
森林防火监控软件功能介绍
系统设计方案完整版
烟火检测系统设计方案
故障自动检测系统设计方案.
烟花算法中爆炸半径的改进研究