基于ARM11的大空间火灾识别警报系统的设计

1、课题基金编号_华南师范大学学生课外科研一般课题立项申 报 书课 题 名 称 基于ARM11的大空间火灾识别警报系统的设计 学 科 类 别 信息技术 申请者课题组名称 挑战者联盟 所在院系、年级 物理与电信工程学院 2010级 课题类别： 哲学社会科学类社会调查报告及学术论文 自然科学类学术论文 发明制作类作品 创作成果类作品华南师范大学制2012 年 5 月填 写 说 明填写前请先认真阅读华南师范大学学生课外科研一般课题管理办法的有关规定，并按下列要求认真如实填写，不要漏填、错填。由于填写不当所引起的不利于申请人的后果，责任自负。1、课题基金编号由校团委统一填写并将在立项通知书中通知到各课题组

2、，课题组成员以该课题研究成果发表论文或参赛时，须标注“华南师范大学学生课外科研课题基金编号（具体编号）”2、申报书封面字体为三号宋体，加粗。3、“学科类别”包括文科的十一大学科：哲学、社会、法律、教育、经济、管理、政治、历史、文学、艺术、体育以及理科的五大学科：机械与控制、信息技术、能源化工、生命科学、数理。请注意文理科对应，不能自行填写上述给出的十六大学科以外的学科类别。4、“课题类别”包括四大类别：哲学社会科学类调查报告和学术论文（哲学、社会、法律、教育、经济、管理、政治、历史、文学、艺术、体育）、自然科学类学术论文（机械与控制、信息技术、能源化工、生命科学、数理）、发明制作类作品（机械与

3、控制、信息技术、能源化工、生命科学、数理）、创作成果类作品（文学、音乐、美术）。5、“申请者课题组名称”：个人课题填申请者姓名，集体课题填写课题组名称。“所在院系、年级”：如南海学院07级。6、“”选项填涂成“”形式7、 除封面外，均以小四号楷体填写。8、“学校评审委员会审核意见”由学校评审委员会专家填写。9、“院系意见”由院系课外科技创新领导小组领导填写课题立项意见，签章均为院系签章。10、请根据实际情况，适当调整格式，以保持申报书的整洁美观。华南师范大学学生科外科研一般课题立项申请表课题情况课题名称基于图像模糊识别模型的的大空间火灾报警系统的设计课题类别发明制作类作品研究意义近些年来大空间

4、建筑(如大型公共娱乐场所、大型仓库、大型集贸市场、车库等)及地下建筑(如地下隧道、地铁站和地下商业街等)的数量不断增加，由于此类建筑内部举架高、跨度大，火灾初期烟扩散受建筑内部安装的空调和通风系统影响较大，同时这些场所人员比较密集，易燃品多，从而致使火灾隐患多。此类建筑一旦发生火灾将迅速蔓延，人员疏散及火灾扑救比较困难，往往造成很大的经济损失和恶劣的社会影响。因此对此类建筑的火灾自动报警系统设计提出了更严格的要求。准确探测火灾并实现早期报警是保卫此类建筑消防安全的积极手段。目前国内的火灾自动报警装置主要是基于传感器检测技术设计的，这种基于传统检测方法的火灾探测装置存在一定的缺陷。一方面，传感器

5、的性能优劣直接会影响火灾自动报警的准确度和可靠性。另一方面，在大空间场合中，火灾初期产生的热量和烟雾难以到达很高的空间，从而传感器信号由于空间的巨大而变得十分微弱。即使是高精度的传感器也会由于种种干扰噪声而无法工作，因此无法进行火灾的早期探测及准确报警。针对上述大空间及地下建筑的特殊性，本方案根据现有的火灾技术背景，利用摄像头对现场图像进行实时采集，利用高性价比的ARM11构建硬件平台，采用Linux构建软件平台，对火灾初期的红外图像进行识别进行有无火灾的判断，并通过有线或者无线wifi的形式连接到PC机，利用移动网络及Internet 进行远程报警。技术方案本方案研究的是“基于ARM11的大

6、空间火灾识别警报系统的设计”，采用软硬件综合的设计方法，采用ARM11构建硬件平台，采用Linux构建软件平台，利用摄像头监控，实现火灾识别，并作出相应的警报处理等。对于单一简单的监控，直接利用性能强大的ARM11完成大部分的处理，摄像头监控经ARM11识别，判断是否发生火灾，及时发出警报，并利用ARM11本身通过无线wifi或者有线网络，在Internet上实现远程报警。对于多摄像监控时，用ARM11收集各摄像头的图像数据，利用无线wifi或者有线网络，将数据传输到PC机端进行处理，并作出警报。 本方案主要是基于前者，对单一简单的火灾监控的设计。系统框图如下：图1.系统框图1. 系统硬件设计

7、本系统硬件包括如下模块，摄像头模块、其他探测模块（紫外线、温度、烟雾等）、ARM11处理器模块、网络模块，该部分系统框图如下：ARM11处理器三星S3C6410图2.硬件系统框图1.1 摄像头模块 视频采集模块采用130万像素的CMOS摄像头（0V9650）。USB摄像头虽然占用的系统资源少，运行简单，但无法满足本系统图像采集清晰度、读取速度、帧速的要求，而支持8位/16位数据总线传输的0V9650摄像头正达到了本系统的要求，且其可通过SCCB串行总线进行控制，图像清晰度好，帧速可调，且可支持320X240、640X480、1280X1024等多种分辨率。在摄像头前加上红外滤光片可除去特定波段

8、的光，去除干扰。摄像头模块也包括云台设计，通过内部PWM控制步进电机来控制摄像头前后左右上下转向，进行全方位录像。1.2 ARM11处理器模块服务器包括ARM11处理器和相应的外围模块。本系统处理器采用本系统使用了三星公司的S3C6410微处理器该款处理器体积小，尺寸仅相当于一个48mm*67mm方块的大小，同时集成了丰富的接口，32位数据总线和32位外部地址总线，SROM控制器、SRAM控制器、NAND闪存控制器、64个中断源的中断控制器、五个三十二位定时器、四个UART、四个DMA控制器、STN与1rI LCD控制器、看门狗、IIS音频接口、IICBus接口、两个USB host口、一个U

9、SBdevice口、两个串行外围接口电路、三个SD卡接口、camera_if接口、TV_out接口、MFC接口、2路SPI、Touch Screen接口，其主频可达800MHz，扩展总线最大频率133MHz。对处理器进行内存、wifi、储存模块等扩展，即可实现本系统的要求。处理器不断接受摄像头接受到的图像信息，识别是否有火焰等，并将图片存入储存器；一旦有火焰出现，处理器及时识别并发出警报，同时通过有线网络或无线wifi进行远程警报，并将发生火灾前后的图片及时发送到远端PC机储存，以供火灾分析用。1.3 网络模块本系统采用USB接口的wifi模块来构建无线局域网，wifi模块支持802.1.g协

10、议，有效传输速率达10Mbps/s，有效距离为100米，满足系统要求。以太网模块采用DM9000AEP，10/100M自适应。1.4 其他探测模块其他探测模块主要是指烟雾传感器、温度传感器、紫外线传感器等的整合接入，利用处理器丰富的接口，可满足以上传感器的工作需求。传感器主要用于进一步的正确识别是否发生火灾，通过对图像以及传感器所获数据的对比，使之能做出更加正确的识别；另外对此类数据的记录有助于火灾发生的分析。2. 系统软件设置本系统处理器采用的Linux嵌入式操作系统Linux是一种自由和开放源码的类Unix操作系统。Linux可安装在各种计算机硬件设备中，从手机、平板电脑、路由器和视频游戏

11、控制台，到台式计算机、大型机和超级计算机。Linux是一个领先的操作系统，具有开放性、多用户、设备独立性、可靠安全、可移植等特性。并且linux是开源的，有很多资源可供学习利用。2.1图像采集：图像采集子系统主要是采集火灾图像并将图像送至ARM11处理器平台分析处理。系统的图像采集原理就是把摄像头所拍摄到的图像读取到内存中，取得图像数据区首地址指针，提供给后续的图像处理程序使用。在本系统中图像采集是将拍摄到的图像保存成BMP位图文件，然后对原始图像集进行标准化，即将图像的亮度、饱和度等参数进行归一化，以消除由于图像采集设备的误差造成的图像差别。最后将位图文件装载入存储器，取得图像数据，并返回指

12、向数据区指针，以便后续的图像处理和报警。图像采集的流程如图3所示图3. 图像采集流程2.2 火焰的特性：火焰会有光辐射，光辐射是一种电磁波,波长在750nm1mm的电磁波称为红外线,人眼只对380780nm的电磁波有亮度的感觉。火焰嫩烧的红外辐射主要集中于9502000nm波段,火焰有如下的特点：火灾火焰一般具有较为明显的视觉特性:阴燃亮光、火焰颜色、闪烁和外形变化等。由于火灾火焰的颜色与温度具有相关关系,随着火焰由焰心到火焰外表面温度的升高,其颜色依次为暗红色,红色,橙色,黄色,蓝白色和白色。研究表明：火灾火焰的颜色呈现指数分布规律的分布特性,及火灾火焰的颜色分布的周界可以用指数函数加以拟合

13、,利用这种颜色分布，可分析出“火焰”与背景的区别。其次,火灾火焰的燃烧遵循一定的规律,通过探究其从根部开始,向上膨胀直至消失的过程,可以发现,火灾火焰都是“活”的,具有跳动的规律性特性。利用次规律可得到火灾火焰的跳动频率,将其作为火灾火焰的基本特性,用于判断火灾火焰在图像中的表现,从而能够把火灾火焰从众多噪声信息中加以区分。除开上述两种火灾火焰的特性之外,火焰还具有面积变化，缘变化、分层变化等多种特性，我将在往后的研究中仔细分析，利用起来。2.2 图像识别：利用如上说到的火焰特性，将其转化成数据，利用精细的算法对图像进行识别，如下为识别流程：图4. 图像识别流程2.3 图像识别原理：系统采集连

14、续的几张图像，对这几张图像进行对比，如果没变化，放弃掉，重新采集；如果每次图像都有一定的变化，则有可能有火灾现象，此时再次进入深度检测。红外图像反映的是某一温度下光谱的辐射度，由光谱辐射理论知，如果温度越高，则同一波长对应的辐射度越大，反应在图像上就是纵坐标数值越大，即像素值越大。通过对图像的处理，我们可以计算出每幅图像的像素值，通过实验可测得每个温度所对应的图像像素值大小，将此值作为火灾发生的阈值，在进行识别的时候，如果检测到有像素值大于这个阈值，则立即可判定有火灾，并启动报警程序。对于平均像素值增大，而又没超过阈值的红外图像，系统采用智能图像识别算法来进行是否为火灾图像的判定。在火灾发生的

15、初期，随着火势扩大，火焰会不断地增强，火焰的图像表现为火焰面积呈现连续的、扩展性的增加趋势。同时，火焰边缘抖动是火灾火焰的特性，而其它高温物体、灯光和稳定火焰的边缘比较稳定。可以利用边缘检测和边缘搜索算法提取火焰边缘特征，并结合火焰图像面积的特征，采用智能图像识别算法进行模式识别，最终判定是否为火灾。在做图像识别的同时，加上对来至传感器的数据的分析处理，对测得的温度、烟雾浓度等进行检测，一旦有上升趋势，或者超过设定的阈值时，结合图像识别的结果进行判断。2.4 识别算法本方案的识别算法采用BP神经网络算法。人工神经网络是受生物神经系统启发而用计算机来模拟其功能的计算工具，可有效处理非线性、不完整

16、的数据。它不仅可以在正常情况下给出问题的次最优解，而且在数据，资料残缺不全的情况下仍可以正常运转，给出满意的结果。该算法学习方法简单、处理信息能力强，近年来越来越多运用于警报系统中。BP神经网络是基于误差反向传播算法的多层前向神经网络，其结构包括一个输入节点层，一个输出层，一个或多个隐含层，输出层和隐含层上的每个节点代表一个神经元。层与层之间的神经采用全互连的连接方式，通过相应的网络权系数必相互联系，同一层上各节点之间无藕合连接关系。输入信息从输入层节点开始传播，依次经过各隐含层节点，然后传到输出节点。其单元特性(传递函数)通常采用Sigm。记型函数，但在输出层，节点的单元特性可采用线性函数3

17、. 警报系统设计本方案的警报系统设计分两部分，即时警报部分和远程警报。3.1 即时警报即时警报主要包括拉响消防铃、通知人员进行灭火操作、对火灾发生的地区进行部分断电等。3.2 远程警报即时警报启动的同时，远程警报也启动，通过有线网络或者无线wifi，连接至互联网，向指定服务器发出消防警报，并发送地址、火灾现场图像等一些数据，及时报警，方便消防官兵及时到场营救，；当即时警报启动，一段时间内无人做出处理，系统通过GSM网络，自动对与系统配对好的手机发送警报信息，或者直接打电话的方式通知。课题可行性说明本项目研发系统实用价值高，现有同类产品较少，市场前景广阔。本课题具有很强的研究意义和应用价值。本小

18、组成员为通信工程或电子信息科学与技术专业的学生，具备嵌入式系统开发、ARM处理器开发、电路设计与制作等专业知识和技能，对本项目具有浓厚的兴趣，能有效地利用实验室的资源进行创新性开发实践。本小组部分成员曾参加过“嵌入式系统开发”类的大学生课外科研立项等课题研究，并顺利结题，具备一定的科研素质和能力。课题情况研究计划开始时间：项目研究方案：2012年5月1号至2012年5月30号实验研究、处理与分析、研制开发：2012年6月1号到2013年3月撰写研究论文和总结报告：2013年3月1号到2013年4月1号参加结题答辩和成果推广2013年4月1号到2013年4月30号完成时间：预期成果1. 完成整体软硬件系统的设计，做出样品，样品能实际对火焰做出正确的判断，做出合理的处理；2. 科研论文发表；3. 申请专利。作品展示形式实物、产品 模型 图纸 磁盘现场演示 图片 录象 样品经费预算和领取方式总 计： 3000 （元人民币）具体预算