Certificazioni
Prodotti Sidebar
Contattaci
Indirizzo: Room 406, Edificio D, Baifuhui Technology Park, Qinghu, Longhua New District, Shenzhen, Cina.
Codice postale: 518048
Telefono: + 86-755-82838361 / 62/63
Fax: + 86-755-82838365
E-mail: sales@eiseis.com
        eis@eiseis.com
        sales3@eiseis.com
        sales8@eiseis.com
        sales2@eiseis.comContattare la società

Notizie

rilevazione fumi

  • Autore:Helen Li
  • Fonte:SMQT
  • Rilasciare il:2016-06-14

rilevazione fumi


Quando si verifica un incendio, latenza minima di rilevamento è fondamentale per ridurre al minimo i danni e salvare vite umane. sensori di fumo di corrente intrinsecamente soffrono il ritardo del trasporto del fumo dal fuoco al sensore. Un sistema di rilevamento video di fumo non avrebbe avuto questo ritardo. Inoltre, il video è un sensore di volume, non un sensore del punto. Un sensore del punto guarda un punto nello spazio. Tale punto non può essere influenzata da fumo o fuoco, così il fumo non essere rilevato. Un sensore di volume controlla potenzialmente un'area più grande e ha molto più alta probabilità di rilevamento successo precoce di fumo o fiamme.    

rilevazione fumi video è una buona opzione quando il fumo non si propaga in modo "normale", per esempio, nelle gallerie, miniere e altre aree con ventilazione forzata, e nelle zone con stratificazione dell'aria, ad esempio, hangar, magazzini, ecc Video è anche una buona opzione per i grandi spazi aperti, dove ci può essere nessun calore o di propagazione del fumo ad un punto fisso, ad esempio, ha visto mulini, raffinerie petrolchimiche, incendi boschivi, ecc     

La ricerca nel rilevare le telecamere di sorveglianza di fumo utilizzando è diventato molto attivo di recente. Proprio come il vecchio detto "dove c'è fumo c'è fuoco" mette, rilevazione fumi precoce preoccupazioni della gente la vita e la proprietà di sicurezza. 

Con il rilevamento di video di fumo, è possibile affrontare due problemi in rilevatori di fumo tradizionali che sono per lo più basati su particelle s
C ampionamento: 1. rilevatori di fumo tradizionali richiedono una stretta vicinanza con la fumo.   
2. Di solito non forniscono informazioni sulla posizione del fuoco, dimensioni, bruciando laurea ecc, tuttavia, rilevazione video fumo ha ancora grandi sfide tecniche sin dalla sua corrente prestazioni sono inferiori a quelle di particolato tradizionale campionamento rilevatori basati in termini di tasso di rilevamento e falso tasso di allarme. 

Ciò è dovuto principalmente ai seguenti motivi con segnale video fumo:  
 1) La variabilità della densità del fumo, illuminazione, diversi background, interferendo oggetti non rigidi etc. 
 2) Nessuna delle caratteristiche dell'immagine primitivi come l'intensità, movimento, bordo, e oscuramento caratterizza bene fumo.  
 3) visivo modello di fumo è difficile da modellare. 


tecniche esistenti    

Recentemente sono stati proposti diversi metodi di rilevamento di fumo dal video acquisito in visibile spettro. Questi metodi fanno uso di tali firme visive come movimento, bordo, oscuramento, e la geometria delle regioni di fumo. Hanno poi utilizzano l'analisi bayesiana, o l'analisi basata su regole per decidere se viene rilevato del fumo. 

I metodi di rappresentanza principali sono riassunti nella seguente:   

1. Fujiwara e Terada 

[1] proposto di utilizzare i concetti di codifica frattali per estrarre le regioni di fumo da un'immagine. Hanno usato la proprietà di auto-similarità di forme di fumo per cercare le caratteristiche delle regioni di fumo nel codice prodotto dalla codifica frattale di un'immagine.  

2. Kopilovic et al. 

[2] ha approfittato delle irregolarità in movimento a causa di non rigidità del fumo. Essi calcolati campo di flusso ottico utilizzando due immagini adiacenti, e quindi utilizzato l'entropia della distribuzione delle direzioni di movimento come caratteristica fondamentale per differenziare movimento fumo da moto non fumo.  

 3. Töreyin et al. 

[3] caratteristiche dell'immagine estratte come il movimento, sfarfallio, edge-sfocatura di segmentare in movimento, sfarfallio, e le regioni edge-sfocatura fuori dal video. I metodi per estrarre queste caratteristiche erano sottrazione dello sfondo, temporali trasformazione Wavelet, e spaziale trasformazione Wavelet.  

4. Vicente e Guillemant 

[4] estratto moti locali di analisi dei cluster di punti in uno spazio multidimensionale embedding temporale al fine di monitorare le buste dinamiche locali di pixel, e le caratteristiche poi utilizzati dell'istogramma distribuzione di velocità di discriminare tra il fumo e vari fenomeni naturali come le nuvole e antivento gettato alberi che possono causare tali buste.  

5. Grech-Cini 

[5] utilizzato più di 20 caratteristiche dell'immagine, come la percentuale di cambiamento dell'immagine, la correlazione, varianza ecc, estratta due immagini di riferimento e le immagini attuali, e poi utilizzato una regola-based o un'analisi regola-first-Bayesiano-next metodo per differenziare il movimento fumo dal movimento non-fumo.