【正文】 0年問世以來，代表了目前火災(zāi)報警系統(tǒng)的國際先進水平。 國外典型產(chǎn)品國外火災(zāi)自動報警的典型產(chǎn)品眾多。在此基礎(chǔ)上，以火災(zāi)模擬化技術(shù)為基礎(chǔ)的、具有像人的感覺器官那樣高可靠火災(zāi)探測功能的高級智能化火災(zāi)自動報警系統(tǒng)正在研制?；馂?zāi)報警技術(shù)發(fā)展與微電子技術(shù)、計算機技術(shù)、通訊技術(shù)和信息技術(shù)密切相關(guān)，還包含了光電子技術(shù)、傳感器技術(shù)、自動控制技術(shù)、熱工技術(shù)、特殊材料、化工等專業(yè)領(lǐng)域的知識，火災(zāi)自動報警發(fā)展趨勢為【4，5】：(1) 以模擬量數(shù)據(jù)傳輸為基礎(chǔ)的火災(zāi)自動報警系統(tǒng)曾經(jīng)是20世紀(jì)80年代興起的新一代的火災(zāi)自動報警系統(tǒng)。在歐美等發(fā)達國家，火災(zāi)自動報警設(shè)備的生產(chǎn)和應(yīng)用歷史較長，應(yīng)用已經(jīng)普及到了家庭。此后的半個世紀(jì)感溫探測器只是局部地被應(yīng)用，僅作為一種報警元件。 國內(nèi)外研究現(xiàn)狀與水平火災(zāi)自動報警系統(tǒng)的發(fā)展歷史可以追溯到19世紀(jì)。為了加強新型火災(zāi)報警系統(tǒng)的發(fā)展，有必要對智能火災(zāi)探測報警技術(shù)進行研究探討，開發(fā)新的傳感技術(shù)和研究新的火災(zāi)信息處理算法。隨著信息共享性的增強，火災(zāi)報警系統(tǒng)的管理必將走向網(wǎng)絡(luò)化，由監(jiān)控中心進行統(tǒng)一調(diào)度，實現(xiàn)各部門的聯(lián)動。同時數(shù)字程控交換機、光纖通訊、衛(wèi)星通訊、區(qū)域網(wǎng)絡(luò)與廣域網(wǎng)絡(luò)等取得長足發(fā)展，都為智能建筑的興起奠定了良好的技術(shù)基礎(chǔ)。尤其是進入20世紀(jì)90年代以來，智能建筑在我國似雨后春筍般地拔地而起，并將成為21世紀(jì)建筑發(fā)展的主流。因此以1984年1月美國聯(lián)合科技集團UTBS在康乃狄格州哈特福德市(Connecticut Hartford)建設(shè)的都市大廈(City Palace)為標(biāo)志，在美國、歐洲及世界其他地區(qū)相繼興起了營造智能建筑的熱潮。This thesis conducts researches on the methods of fire information recognition, and mainly studies the methods of the image fire information recognition methods. It puts forward a series of fire image processing methods such as filtering the noise, difference image and so on. The feasibility of the method is proved by the result of simulation. Based on the flame of the information feature of area, edge and shape change, this thesis studies the corresponding detection algorithms, and gets preferable experimental results through the frame recognition.As for the duality of fire, namely randomness and determinism, the intelligent building automatic fire alarm system has the important task that transforms the randomness accurately in the firm detection. Therefore, this thesis uses the BP neural network algorithm. It gives the detail structure of the BP nerve net and the detail design precept of input and output layer. In this paper, a series of sample images of fire and interference images has been experimented. Experimental results show that fire detection algorithm based on the BP neural network is more effective to reduce fire false positive rate, and improves the accuracy of the fire alarm.KEYWORDS intelligent building, automatic fire alarm system, flame image，neural network。關(guān)鍵詞：智能建筑，火災(zāi)報警，火焰圖像，神經(jīng)網(wǎng)絡(luò) IIABSTRACTThe intelligent building automatic fire alarm system is an intelligent system with colicky network firealarm demonstration and safe evacuation. This system bines Information Technology, Computer Technology with Autocontrol Technology. This system aims to realize the fire confirmation and the warning prevention and fire occurrence reduction. It’s bee a necessary installation of fire protection in important buildings and public places at home and abroad. This thesis fixes on the research as follows: Firstly, it studies the methods of fire information recognition, and its key research on the image fire information recognition methods。本文對一系列的火災(zāi)樣本圖像和干擾圖像進行了實驗。考慮到火災(zāi)發(fā)生的雙重性，即隨機性與確定性，同時又由于智能建筑火災(zāi)自動報警系統(tǒng)檢測火災(zāi)的一項重要任務(wù)就是將不確定的一面轉(zhuǎn)化成比較準(zhǔn)確的一面。在此研究的基礎(chǔ)上，針對上述幾種火災(zāi)信息識別的不足，設(shè)計了火災(zāi)圖像噪聲消除、背景差分法等算法在圖像處理中的應(yīng)用，通過仿真，驗證了算法的可行性。同時研究基于BP（ Back Propagation）神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)圖像型火災(zāi)探測的方法。在國內(nèi)外重要建筑和公共場所已經(jīng)成為必不可少的消防安全設(shè)施。同時授權(quán)中國科學(xué)技術(shù)信息研究所將本學(xué)位論文收錄到《中國學(xué)位論文全文數(shù)據(jù)庫》，并通過網(wǎng)絡(luò)向社會公眾提供信息服務(wù)。與我共同工作的同志對本研究所作的貢獻均已在論文中作了明確的說明。分類號 密級 U D C 編號 中 南 大 學(xué)CENTRAL SOUTH UNIVERSITY碩士學(xué)位論文論 文 題 目 智能建筑火災(zāi)自動報警系統(tǒng)的研究 與應(yīng)用 學(xué) 科、專 業(yè) 軟件工程 MS THESISResearch and Application of Intelligent Construction Fire Autoalarm System Specialty： Software Engineering Master Degree Candidate： Xie Rong Quan Supervisor： Associate Prof. Chen XueGong School of SoftwareCentral South UniversityChangsha Hunan 原 創(chuàng) 性 聲 明本人聲明，所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了論文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得中南大學(xué)或其他單位的學(xué)位或證書而使用過的材料。 作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本人了解中南大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留學(xué)位論文并根據(jù)國家或湖南省有關(guān)部門規(guī)定送交學(xué)位論文，允許學(xué)位論文被查閱和借閱；學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容，可以采用復(fù)印、縮印或其它手段保存學(xué)位論文。作者簽名： 導(dǎo)師簽名： 日期： 年 月 日摘 要智能建筑火災(zāi)自動報警系統(tǒng)是為了實現(xiàn)火災(zāi)確認和報警，防止和減少火災(zāi)發(fā)生的一種集信息技術(shù)、計算機技術(shù)和自動控制技術(shù)寓一體的智能型、網(wǎng)絡(luò)化火警顯示和安全疏散指示系統(tǒng)。本文從分析智能建筑火災(zāi)自動報警系統(tǒng)的構(gòu)成原理出發(fā)，通過幾種火災(zāi)信息識別方法的研究，特別是圖像型的火災(zāi)信息識別進行重點剖析。本論文對火災(zāi)信息識別的幾種方法：諸如通信數(shù)據(jù)識別方法；圖像識別方法一一做了研究，重點研究了圖像型火災(zāi)信息識別方法。提出了火焰具有面積、邊緣變化以及形體變化等信息特征的觀點，通過相應(yīng)的檢測，進行了火焰識別實驗，達到了較好的結(jié)果。因此，本文利用BP神經(jīng)網(wǎng)絡(luò)算法能進行數(shù)值化的和非數(shù)學(xué)模型的函數(shù)估計的優(yōu)點，將BP神經(jīng)網(wǎng)絡(luò)算法引入到圖像型的火災(zāi)探測中，給出了神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu)和輸入輸出單元的設(shè)計方案。實驗結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的火災(zāi)探測算法能更有效地減少火災(zāi)的誤報警率，提高火災(zāi)報警的準(zhǔn)確率。 Secondly, research is made on the imagecentered fire detection methods based on BP (Back Propagation) neural network algorithm. 中南大學(xué)工程碩士論文 第一章 緒論目 錄第一章 緒論.……………………………………………………………………… 研究背景與意義 1 國內(nèi)外研究現(xiàn)狀與水平 1 國外典型產(chǎn)品 3 國內(nèi)典型產(chǎn)品 5 研究的主要內(nèi)容……………………………………………………….5 論文的組織結(jié)構(gòu) 9第二章 智能建筑火災(zāi)自動報警系統(tǒng)構(gòu)成原理 10 智能建筑的組成及功能 10 智能建筑火災(zāi)自動報警系統(tǒng) 11 火災(zāi)自動報警系統(tǒng)基本結(jié)構(gòu) 11 火災(zāi)自動報報警系統(tǒng)基本性能 12 火災(zāi)自動報警系統(tǒng)基本要求 13 火災(zāi)探測器原理 14 火災(zāi)自動報警控制器 14 火災(zāi)自動報警系統(tǒng)的線制 16 傳統(tǒng)火災(zāi)自動報警系統(tǒng) 17 現(xiàn)代火災(zāi)自動報警系統(tǒng) 18 本章小結(jié)……………………………………………………………… 第三章 火災(zāi)自動報警系統(tǒng)信息識別方法 21 火災(zāi)信息處理的基本概念................................... 21 火災(zāi)信息處理的基本概念.............................. 22 火災(zāi)信號的基本特征.................................. 22 通信數(shù)據(jù)信息識別方法..................................... 24 .................................. 25 26 . 3 數(shù)據(jù)及實驗分析………………………………………………. 28 圖像型火災(zāi)識別技術(shù)……………………………………………………30 基本原理 31 火災(zāi)圖像的預(yù)處理 32 火災(zāi)圖像的分割 33 火災(zāi)圖像的特征提取 34 實驗結(jié)果及分析 37 本章小結(jié) 39第四章 基于BP神經(jīng)網(wǎng)絡(luò)的火災(zāi)圖像探測技術(shù) 40 人工神經(jīng)網(wǎng)絡(luò) 40 BP神經(jīng)網(wǎng)絡(luò)火災(zāi)圖像探測算法 40 BP神經(jīng)網(wǎng)絡(luò)原理 40 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 41 BP神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)步驟 42 BP神經(jīng)網(wǎng)絡(luò)算法的火災(zāi)探測實驗 44 本章小結(jié) 46第五章 結(jié)論與展望 49 研究工作總結(jié) 49 進一步研究發(fā)展方向 50參考文獻 51致 謝 54攻讀學(xué)位期間主要的研究成果 55第一章 緒論 研究背景與意義隨著信息社會的發(fā)展，智能建筑比傳統(tǒng)建筑更能夠為人們提供理想的工作和生活環(huán)境。當(dāng)前，我國的城市建設(shè)正在經(jīng)歷一個前所未有的蓬勃發(fā)展階段，同時也陸續(xù)興建了一些不同智能標(biāo)準(zhǔn)的新型智能建筑。智能建筑是綜合經(jīng)濟實力的象征和綜合性科技產(chǎn)業(yè)，其發(fā)展涉及電力、電子、計算機軟件工程與通訊等多種行業(yè)。隨著人們防火意識的增強以及計算機技術(shù)的發(fā)展，智能建筑火災(zāi)報警系統(tǒng)的探測技術(shù)由單元探測技術(shù)向多元復(fù)合探測技術(shù)發(fā)展，提高了探測的靈敏度和可靠性；信息處理技術(shù)由“固定閾”判斷發(fā)展為將現(xiàn)場采集參數(shù)與儲存數(shù)據(jù)進行對比，并開始引進神經(jīng)網(wǎng)絡(luò)技術(shù)；隨著現(xiàn)場總線技術(shù)的發(fā)展