[发明专利]基于视频图像的油田联合站火灾预警系统及方法

权利要求书

1.一种基于视频图像的油田联合站火灾预警系统，其特征在于：包括火灾预警管理计算机（1）和与火灾预警管理计算机（1）相接的火灾报警控制器（2），所述火灾预警管理计算机（1）的输入端接有多个布设在被监测油田联合站内的图像型火灾探测器（3），所述火灾报警控制器（2）的输出端接有报警设备（4）和多个布设在被监测油田联合站内的自动灭火装置（5）。

2.按照权利要求1所述的基于视频图像的油田联合站火灾预警系统，其特征在于：所述火灾预警管理计算机（1）为西门子工业控制计算机。

3.按照权利要求1所述的基于视频图像的油田联合站火灾预警系统，其特征在于：所述火灾报警控制器（2）为霍尼韦尔238SUPER防盗报警控制主机。

4.按照权利要求1所述的基于视频图像的油田联合站火灾预警系统，其特征在于：所述图像型火灾探测器（3）为杭州智诺英特科技有限公司生产的ZN-IC200-F型智能探测烟火网络摄像机。

5.按照权利要求1或4所述的基于视频图像的油田联合站火灾预警系统，其特征在于：多个所述图像型火灾探测器（3）均通过以太网与所述火灾预警管理计算机（1）的输入端相接。

6.按照权利要求1所述的基于视频图像的油田联合站火灾预警系统，其特征在于：所述报警设备（4）包括710RD闪灯和719电子警号。

7.按照权利要求1所述的基于视频图像的油田联合站火灾预警系统，其特征在于：所述自动灭火装置（5）为自动消防水炮。

8.一种利用如权利要求1所述系统的油田联合站火灾预警方法，其特征在于该方法包括以下步骤：

步骤一、视频图像采集及传输：多个图像型火灾探测器（3）分别对其所处区域内的视频图像进行实时采集，并将所采集到的视频图像进行模数转换后实时传输给火灾预警管理计算机（1）；

步骤二、视频图像预处理：所述火灾预警管理计算机（1）首先对其接收到的视频图像进行低通滤波处理，获得消除噪声后的视频图像；接着对视频图像进行二值化处理，获得火焰目标图像；然后对视频图像进行图像分割处理，将火焰目标图像从背景中分离出来；

步骤三、特征提取：所述火灾预警管理计算机（1）从火焰目标图像中分别提取出能代表并区别该火焰目标图像的M个特征参数；其中，M为不小于2的自然数；

步骤四、训练样本获取：首先，所述火灾预警管理计算机（1）根据M个特征参数对火焰目标图像进行样本归类，获得M组火焰目标图像，然后，每次从M组火焰目标图像中各随机抽取一个，构成一个M维特征向量IN_i=(IN₁,IN₂,…,IN_M)，抽取多次组成训练样本集；

步骤五、BP神经网络模型构建：使BP神经网络的输入节点对应火焰目标图像的M个特征参数，对应BP神经网络输入层的节点数i=M；使BP神经网络的输出节点对应火灾识别结果O(k)，O(k)的取值为O(k)∈[0,1]，其中，O(k)∈[0.75,1]为“火灾状态”，O(k)∈(0.25,0.75)为“警告状态”，O(k)∈[0,0.25]为“正常状态”，对应BP神经网络输出层的节点数k=1；根据公式计算出BP神经网络隐含层的节点数j=N;

步骤六、BP神经网络模型训练，其具体过程如下：

步骤601、参数初始化：设定输入层到隐含层的连接权值w_ji为（-1,1）之间的随机数，隐含层到输出层的连接权值w_kj为（-1,1）之间的随机数，输出层的作用函数的斜率a为[0，1]之间的随机数，输出层的作用函数的偏置参数σ为[0，1]之间的随机数，误差修正的步长因子η为（0，1）之间的随机数，输出层的期望输出为[0，1]之间的随机数；

步骤602、信息正向传递过程的计算：首先，将训练样本IN_i输入到BP神经网络模型的输入层，通过输入层到隐含层的连接权值w_ji得到隐含层的输入接着，通过隐含层的作用函数得到隐含层的输出IM_j=tan(net₁(j))；然后，通过隐含层到输出层的连接权值w_kj得到输出层的输入最后，通过输出层的作用函数f(x)=1(1+e^-a(x+σ))得到输出层的输出Y(k)=f(net₂(k))；

步骤603、信息反向传递过程的计算：首先，根据公式计算得到样本模型的均方误差E_n；接着，根据公式计算得到总误差e，并判断总误差e是否小于等于0.01，当总误差e大于0.01时，首先，根据公式计算输出层的训练误差d_k，并根据公式计算出隐含层的训练误差d_j；接着，根据公式w_ji=w_ji+ηd_jIN_i对输入层到隐含层的连接权值w_ji进行误差修正，并根据公式w_kj=w_kj+ηd_kIM_j对隐含层到输出层的连接权值w_kj进行误差修正；然后，根据公式对输出层的作用函数的斜率a进行误差修正，并根据公式对输出层的作用函数的偏置参数σ进行误差修正；最后返回步骤602；当总误差e小于等于0.01时，结束训练；其中，l为迭代次数且为自然数；

步骤七、火灾识别及预警：多个图像型火灾探测器（3）分别对其所处区域内的视频图像进行实时采集，并将所采集到的视频图像进行模数转换后实时传输给火灾预警管理计算机（1）进行预处理和特征提取后送至经过步骤六训练好的BP神经网络模型中，便自动输出火灾识别结果O(k)，当O(k)∈[0.75,1]时，所述火灾预警管理计算机（1）输出火灾报警信号给火灾报警控制器（2），所述火灾报警控制器（2）控制报警设备（4）发出火灾报警信号，并控制相应的自动灭火装置（5）进行灭火。

9.按照权利要求8所述的方法，其特征在于：步骤三、步骤四和步骤五中所述M的取值为4，步骤三中火焰目标图像的M个特征参数分别为火焰目标图像的面积变化参数、边缘变化参数、形体变化参数和闪烁频率参数。