Certificações
Produtos da barra lateral
Fale Conosco
Endereço: Sala 406, Edifício D, Baifuhui Technology Park, Qinghu, Longhua New District, Shenzhen, China.
Código Postal: 518048
Telefone: + 86-755-82838361 / 62/63
Fax: + 86-755-82838365
Email: sales@eiseis.com
        eis@eiseis.com
        sales3@eiseis.com
        sales8@eiseis.com
        sales2@eiseis.comEntre em contato agora

Notícia

detecção de fumaça

  • Autor:Helen Li
  • Fonte:SMQT
  • Solte em:2016-06-14

detecção de fumaça


Quando ocorre um incêndio, a latência mínimo de detecção é fundamental para minimizar os danos e salvar vidas. sensores de fumaça atuais inerentemente sofrem com o atraso de transporte da fumaça do fogo para o sensor. Um sistema de detecção de fumaça vídeo não teria esse atraso. Além disso, o vídeo é um sensor de volume, não um sensor de ponto. Um sensor de ponto de olha para um ponto no espaço. Esse ponto não pode ser afetado por fumaça ou fogo, para que a fumaça não seriam detectados. Um sensor de volume potencialmente monitora uma área maior e tem muito maior probabilidade de detecção precoce de sucesso de fumaça ou chamas.    

detecção de fumaça vídeo é uma boa opção quando a fumaça não propaga de forma "normal", por exemplo, em túneis, minas e outras áreas com ventilação forçada, e em áreas com a estratificação do ar, por exemplo, hangares, armazéns, etc. vídeo é também uma boa opção para grandes áreas, abertos, onde pode haver nenhum calor ou propagação de fumaça para um ponto fixo, por exemplo, serrarias, refinarias petroquímicas, incêndios florestais, etc.     

Investigação na detecção de câmeras de vigilância de fumaça usando tornou-se muito ativo recentemente. Assim como o velho ditado "onde há fumaça há fogo" puts, a detecção precoce de fumaça diz respeito à vida e à propriedade segurança das pessoas. 

Com detecção de fumaça de vídeo, é possível para resolver dois problemas em detectores de fumaça tradicionais, que são na sua maioria baseadas em partículas s
ampling: 1. detectores de fumaça tradicionais exigem uma estreita proximidade com o fumaça.   
2. Eles geralmente não fornecem informações sobre a localização do fogo, tamanho, queimando grau etc. No entanto, a detecção de fumaça vídeo ainda tem grandes desafios técnicos desde a sua actual desempenho é inferior aos dos particle- tradicional amostragem detectores baseados em termos de taxa de detecção e falso taxa de alarme. 

Isto é principalmente devido às seguintes razões com sinal de fumaça de vídeo:  
 1) A variabilidade na densidade de fumaça, iluminação, formação diversificada, interferindo objetos não rígidos etc. 
 2) Nenhuma das características da imagem primitivos, como intensidade, movimento, borda, e obscurecimento caracteriza bem fumaça.  
 3) Padrão visual do fumo é difícil de modelo. 


As técnicas existentes    

Recentemente, vários métodos de detecção de fumo de vídeo capturado em visível do espectro têm sido propostas. Estes métodos fazem uso de tais assinaturas visuais como movimento, borda, obscurecimento e geometria das regiões de fumaça. Eles, então, usar a análise Bayesiana, ou análise baseada em regras para decidir se é detectado fumo. 

Os métodos representativos chave estão sumariados no seguinte:   

1. Fujiwara e Terada 

[1] propôs o uso de conceitos de codificação fractal para extrair regiões de fumaça de uma imagem. Eles usaram a propriedade de auto-similaridade das formas de fumaça para olhar para os recursos das regiões de fumaça no código produzido por codificação fractal de uma imagem.  

2. Kopilovic et ai. 

[2] aproveitou irregularidades no movimento devido à não-rigidez de fumaça. Eles calculado campo de fluxo óptico utilizando duas imagens adjacentes, e depois usou a entropia da distribuição das direções de movimento como uma característica fundamental para diferenciar o movimento fumaça de um movimento não-fumantes.  

 3. Töreyin et ai. 

[3] características da imagem extraídos, tais como movimento, piscando, de ponta a desfocagem de movimento segmento, piscando, e as regiões de borda borrar para fora do vídeo. Os métodos para extrair esses recursos foram subtração de fundo, a transformação wavelet temporal e transformação wavelet espacial.  

4. Vicente e Guillemant 

[4] extraído movimentos locais da análise de agrupamento de pontos em um espaço multidimensional incorporação temporal, a fim de acompanhar envelopes dinâmicas locais de pixels e recursos, em seguida, utilizados do histograma distribuição de velocidade para discriminar entre fumo e vários fenómenos naturais, tais como nuvens e eólica jogou árvores que podem causar tais envelopes.  

5. Grech-Cini 

[5] usou mais de 20 características de imagem, como o percentual de mudança de imagem, correlação, variância etc., extraído de duas imagens de referência e imagens atuais, e depois usou uma análise regra-primeiro-Bayesian da próxima baseado em regras ou método para diferenciar movimento fumaça de um movimento não-fumantes.