基于视频图像的煤矿火灾预警方法技术

本发明专利技术公开了一种基于视频图像的煤矿火灾预警方法，包括步骤：一、视频图像采集及传输；二、图像去噪处理；三、图像增强处理；四、图像二值化处理；五、图像分割处理；六、特征提取；七、火灾识别及预警。本发明专利技术方法步骤设计新颖合理，能够实现煤矿可视化火灾检测和预警，能够有效地实现火灾早期检测、识别和应急反应，为控制火情和迅速启动应急预案赢得时间，在煤矿灾情防控和安全生产中具有重大作用，实用性强，使用效果好，推广应用价值高。

【技术实现步骤摘要】
基于视频图像的煤矿火灾预警方法
本专利技术属于煤矿火灾监控
，具体涉及一种基于视频图像的煤矿火灾预警方法。
技术介绍
煤炭行业是我们国家支柱产业，是我们国家实现高速发展过程中的必需品。在我国煤炭存储量约1100亿吨左右，煤炭能源消费约占总能源的消费的75％。而在我国不断发展的过程中，煤炭的开采及开采安全问题也越来越突出，比如煤矿瓦斯，火灾等问题。在我国，目前安全生产基础薄弱、工业信息化水平较低，加之开采过程中的设备装备的摩擦等问题较多，使得导致煤矿重大、特大事故频繁发生，其中火灾就是其中之一。据不完全统计，仅在2014年一年内，河南省全省煤矿共发生伤亡事件20起，死亡47人，重伤1人；2015年上半年，全国发生煤矿事故达256起，造成420人死亡，其中煤矿火灾10起，导致直接经济损失高达5亿元。所以对煤矿火灾的预测与防治工作变得尤为重要。在早期煤矿火灾监测中，主要以人工的方式进行，但由于人的精力、视野等问题，使得火灾等问题容易遗漏，后来煤科院研制的胶带传送机火灾监测系统虽能够监测与处理火灾的发生，但是监测位置太少，仅仅只能同时监测3～5个重要位置，且无法准确定位。目前，煤矿火灾监测技术主要有基于传感器的煤矿火灾检测，及基于煤矿智能监测视频技术。前者由于本身电子元器件的因素，导致其必须放置于火灾着火地点，且其易受其他比如温度、湿度等因素的影响，所以在运用的时候受到了诸多条件的制约。而后者目前由于技术还不够成熟，也没有得到很好的推广应用。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于视频图像的煤矿火灾预警方法，其方法步骤设计新颖合理，能够实现煤矿可视化火灾检测和预警，能够有效地实现火灾早期检测、识别和应急反应，为控制火情和迅速启动应急预案赢得时间，在煤矿灾情防控和安全生产中具有重大作用，实用性强，使用效果好，推广应用价值高。为解决上述技术问题，本专利技术采用的技术方案是：一种基于视频图像的煤矿火灾预警方法，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；步骤二、图像去噪处理：所述火灾预警管理计算机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；步骤三、图像增强处理：所述火灾预警管理计算机采用直方图均衡化算法对视频图像进行图像增强处理；步骤四、图像二值化处理：所述火灾预警管理计算机对视频图像进行二值化处理，获得火焰目标图像；步骤五、图像分割处理：所述火灾预警管理计算机采用区域生长分割算法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；步骤六、特征提取：所述火灾预警管理计算机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；步骤七、火灾识别及预警：所述火灾预警管理计算机将火焰目标图像输入预先构建好的基于果蝇算法优化的BP神经网络模型中，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输出火灾报警信号给火灾报警控制器，所述火灾报警控制器控制报警设备发出火灾报警信号，并控制相应的自动灭火装置进行灭火。上述的基于视频图像的煤矿火灾预警方法，步骤七中所述基于果蝇算法优化的BP神经网络模型的构建方法为：步骤701、训练样本获取，具体过程为：步骤7011、视频图像采集及传输：多个图像型火灾探测器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；步骤7012、图像去噪处理：所述火灾预警管理计算机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；步骤7013、图像增强处理：所述火灾预警管理计算机采用直方图均衡化算法对视频图像进行图像增强处理；步骤7014、图像二值化处理：所述火灾预警管理计算机对视频图像进行二值化处理，获得火焰目标图像；步骤7015、图像分割处理：所述火灾预警管理计算机采用区域生长分割算法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7016、特征提取：所述火灾预警管理计算机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7017、所述火灾预警管理计算机根据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INi＝(IN1,IN2,…,INM)，抽取多次组成训练样本集；步骤702、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,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；将BP神经网络隐含层的节点数设置为10层；步骤703、所述火灾预警管理计算机对三层BP神经网络进行训练，且在进行训练的过程中调用果蝇算法参数优化模块对三层BP神经网络的权值W和阈值B进行优化，得到权值W和阈值B最优的训练好的三层BP神经网络。上述的基于视频图像的煤矿火灾预警方法，步骤703中所述火灾预警管理计算机对三层BP神经网络进行训练，且在进行训练的过程中调用果蝇算法参数优化模块对三层BP神经网络的权值W和阈值B进行优化的具体过程为：步骤A、初始化果蝇群体位置；果蝇群体位置为三层BP神经网络中当前迭代中的权值和阈值的集合；步骤B、赋予果蝇个体利用嗅觉搜寻食物的随机方向和距离；步骤C、计算与原点的距离D，再计算味道浓度判定值S；步骤D、把S带入味道浓度判定函数；步骤E、求此果蝇群体中的味道浓度最高的果蝇；步骤F、记录最佳味道浓度值和对应最佳味道浓度值的果蝇位置；步骤G、根据味道浓度判定值计算果蝇群体的平均味道浓度判定值Fi，其中，Si(r)为第r代中果蝇i的味道浓度判定值，N为迭代次数；步骤H、根据公式计算果蝇群体平均味道浓度判定值的方差σ2；步骤I、根据公式选取下一次迭代的步长，其中，hr为种群第r代搜索步长；步骤J、判定是否达到了预设的最大迭代次数，当达到最大的迭代次数时，结束，将最后一次迭代确定出的果蝇群体位置对应的三层BP神经网络的权值W和阈值B确定为基于果蝇算法优化的BP神经网络模型的权值W和阈值B；否则，返回执行步骤A至步骤I。上述的基于视频图像的煤矿火灾预警方法，步骤J中所述预设的最大迭代次数为300次。上述的基于视频图像的煤矿火灾预警方法，步骤六和步骤7016中所述M的取值为4，M个特征参数分别为火焰目标图像的面积变化参数、边缘变化本文档来自技高网...

【技术保护点】
1.一种基于视频图像的煤矿火灾预警方法，其特征在于，该方法包括以下步骤：/n步骤一、视频图像采集及传输：多个图像型火灾探测器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；/n步骤二、图像去噪处理：所述火灾预警管理计算机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；/n步骤三、图像增强处理：所述火灾预警管理计算机采用直方图均衡化算法对视频图像进行图像增强处理；/n步骤四、图像二值化处理：所述火灾预警管理计算机对视频图像进行二值化处理，获得火焰目标图像；/n步骤五、图像分割处理：所述火灾预警管理计算机采用区域生长分割算法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；/n步骤六、特征提取：所述火灾预警管理计算机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；/n步骤七、火灾识别及预警：所述火灾预警管理计算机将火焰目标图像输入预先构建好的基于果蝇算法优化的BP神经网络模型中，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输出火灾报警信号给火灾报警控制器，所述火灾报警控制器控制报警设备发出火灾报警信号，并控制相应的自动灭火装置进行灭火。/n...

【技术特征摘要】
1.一种基于视频图像的煤矿火灾预警方法，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；
步骤二、图像去噪处理：所述火灾预警管理计算机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；
步骤三、图像增强处理：所述火灾预警管理计算机采用直方图均衡化算法对视频图像进行图像增强处理；
步骤四、图像二值化处理：所述火灾预警管理计算机对视频图像进行二值化处理，获得火焰目标图像；
步骤五、图像分割处理：所述火灾预警管理计算机采用区域生长分割算法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；
步骤六、特征提取：所述火灾预警管理计算机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；
步骤七、火灾识别及预警：所述火灾预警管理计算机将火焰目标图像输入预先构建好的基于果蝇算法优化的BP神经网络模型中，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输出火灾报警信号给火灾报警控制器，所述火灾报警控制器控制报警设备发出火灾报警信号，并控制相应的自动灭火装置进行灭火。


2.按照权利要求1所述的基于视频图像的煤矿火灾预警方法，其特征在于：步骤七中所述基于果蝇算法优化的BP神经网络模型的构建方法为：
步骤701、训练样本获取，具体过程为：
步骤7011、视频图像采集及传输：多个图像型火灾探测器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；
步骤7012、图像去噪处理：所述火灾预警管理计算机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；
步骤7013、图像增强处理：所述火灾预警管理计算机采用直方图均衡化算法对视频图像进行图像增强处理；
步骤7014、图像二值化处理：所述火灾预警管理计算机对视频图像进行二值化处理，获得火焰目标图像；
步骤7015、图像分割处理：所述火灾预警管理计算机采用区域生长分割算法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7016、特征提取：所述火灾预警管理计算机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7017、所述火灾预警管理计算机根据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...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：李韵涵，
类型：发明
国别省市：陕西;61