Chứng chỉ
Dải tiện ích sản phẩm
Liên hệ
Địa chỉ: Phòng 406, Nhà D, Khu Công nghệ Baifuhui, Qinghu, Quận mới Long Hoa, Thâm Quyến, Trung Quốc.
Mã bưu điện: 518.048
Điện thoại: + 86-755-82838361 / 62/63
Fax: + 86-755-82838365
Email: sales@eiseis.com
        eis@eiseis.com
        sales3@eiseis.com
        sales8@eiseis.com
        sales2@eiseis.comBây giờ liên hệ

Tin tức

phát hiện khói

  • Tác giả:Helen Li
  • Nguồn:SMQT
  • Phát hành vào ngày:2016-06-14

phát hiện khói


Khi xảy ra hỏa hoạn, độ trễ phát hiện tối thiểu là rất quan trọng để giảm thiểu thiệt hại và cứu sống. cảm biến khói hiện tại vốn đã bị trì hoãn vận chuyển của khói từ các đám cháy để các cảm biến. Một hệ thống phát hiện khói video sẽ không có sự chậm trễ này. Hơn nữa, video là một cảm biến khối lượng, không phải là một cảm biến điểm. Một cảm biến điểm nhìn vào một điểm trong không gian. Điểm đó có thể không bị ảnh hưởng bởi khói hoặc lửa, do khói sẽ không được phát hiện. Một cảm biến khối lượng có khả năng giám sát một khu vực lớn hơn và có xác suất cao hơn nhiều phát hiện sớm thành công của khói hoặc lửa.    

phát hiện video khói là một lựa chọn tốt khi khói không lan truyền một cách "bình thường", ví dụ, trong đường hầm, hầm mỏ, và các khu vực khác có thông gió cưỡng bức, và trong các khu vực có sự phân tầng không khí, ví dụ như, nhà chứa máy bay, kho, vv Video là cũng là một lựa chọn tốt cho, các khu vực mở rộng lớn, nơi có thể không có nhiệt hoặc tuyên truyền khói vào một điểm cố định, ví dụ, thấy các nhà máy, nhà máy lọc hóa dầu, cháy rừng, vv     

Nghiên cứu phát hiện camera giám sát khói sử dụng đã trở nên rất tích cực gần đây. Cũng giống như câu nói cũ "ở đâu có khói có lửa" puts, phát hiện khói đầu liên quan đến cuộc sống và tài sản an toàn của người dân. 

Với phát hiện khói video, nó có thể giải quyết được hai vấn đề trong các máy dò khói truyền thống mà chủ yếu là dựa trên hạt s
ampling: 1. dò khói truyền thống yêu cầu một gần với hút thuốc lá.   
2. Họ thường không cung cấp thông tin về vị trí ngọn lửa, kích thước, đốt bằng vv Tuy nhiên, phát hiện khói Video vẫn có những thách thức kỹ thuật tuyệt vời kể từ hiện tại hiệu suất kém hơn so với những người particle- truyền thống lấy mẫu dò dựa về tỷ lệ phát hiện và sai tỷ lệ báo động. 

Điều này chủ yếu do các nguyên nhân sau đây với tín hiệu khói video:  
 1) Sự thay đổi mật độ khói, ánh sáng, hình nền đa dạng, can thiệp vật không cứng, vv 
 2) Không ai trong số các tính năng hình ảnh nguyên thủy như cường độ, chuyển động, cạnh, và che chướng đặc trưng khói tốt.  
 3) Visual mẫu khói rất khó để mô hình. 


Kỹ thuật hiện tại    

Gần đây một số phương pháp phát hiện khói từ video bị bắt trong có thể nhìn thấy phổ đã được đề xuất. Những phương pháp này sử dụng chữ ký trực quan như chuyển động, cạnh, che chướng, và hình học của các vùng khói. Sau đó, họ sử dụng phân tích Bayesian, hoặc phân tích dựa trên nguyên tắc để quyết định xem có khói. 

Các phương pháp đại diện chính được tóm tắt trong những điều sau đây:   

1. Fujiwara và Terada 

[1] đề nghị sử dụng khái niệm mã hóa fractal để trích xuất vùng khói từ một hình ảnh. Họ đã sử dụng tài sản của tự giống nhau của hình dạng khói để tìm các tính năng của các vùng khói trong các mã được sản xuất bằng cách mã hóa fractal của một hình ảnh.  

2. Kopilovic et al. 

[2] đã tận dụng những vi phạm trong chuyển động do không cứng nhắc của khói. Họ tính toán trường dòng quang học sử dụng hai hình ảnh liền kề, và sau đó sử dụng các dữ liệu ngẫu nhiên của sự phân bố của các hướng chuyển động như là một tính năng quan trọng để phân biệt chuyển động khói từ chuyển động không khói.  

 3. Töreyin et al. 

[3] tính năng hình ảnh trích ra như chuyển động, nhấp nháy, cạnh mờ để phân khúc di chuyển, nhấp nháy, và cạnh làm mờ các vùng trên từ video. Các phương pháp chiết xuất những tính năng đã được trừ nền, chuyển đổi wavelet thời gian, và biến đổi wavelet không gian.  

4. Vicente và Guillemant 

[4] trích chuyển động địa phương từ phân tích cụm điểm trong một không gian nhúng thời đa chiều để theo dõi phong bì động địa phương của điểm ảnh, và các tính năng sau đó sử dụng các biểu đồ phân bố vận tốc phân biệt đối xử giữa khói và các hiện tượng tự nhiên khác nhau như những đám mây và chống gió ném cây mà có thể gây ra phong bì như vậy.  

5. Grech-Cini 

[5] được sử dụng hơn 20 tính năng hình ảnh, chẳng hạn như tỷ lệ phần trăm thay đổi hình ảnh, tương quan, phương sai, vv, được chiết xuất từ ​​cả hai hình ảnh tham khảo và hình ảnh hiện tại, và sau đó sử dụng một quy tắc dựa trên hoặc một phân tích quy tắc đầu tiên Bayesian-next phương pháp để phân biệt chuyển động khói từ chuyển động không khói.