火災(zāi)探測技術(shù)及其發(fā)展

應(yīng)劭霖

(江西省化學(xué)工業(yè)學(xué)校)

0 引言

火的使用始終伴隨著人類文明發(fā)展，與人們的日常生活息息相關(guān)?；鹨坏┦Э乇銜葑兂蔀?zāi)難，是一種在時空上失去控制的燃燒所引發(fā)的災(zāi)害，給自然環(huán)境、人們的財產(chǎn)甚至生命帶來嚴(yán)重的威脅。在現(xiàn)在這樣一個經(jīng)濟(jì)飛速發(fā)展的時代，工業(yè)燃料的增多，火災(zāi)的頻繁發(fā)生，致使火災(zāi)安全問題越來越成為人們所關(guān)注的焦點。人們的意識由過去被動接受火災(zāi)，開始轉(zhuǎn)變?yōu)橹鲃犹綔y預(yù)防火災(zāi)為主。

火災(zāi)的發(fā)生和發(fā)展是一個極其復(fù)雜的過程，存在著豐富的特征信息?；馂?zāi)探測的基本內(nèi)容是尋求、接收和識別這些特征信息[1]?；馂?zāi)探測技術(shù)是傳感技術(shù)和火災(zāi)探測算法結(jié)合的產(chǎn)物?；馂?zāi)探測包含兩個層面[2]：一是針對火災(zāi)發(fā)生時所表現(xiàn)出來的物理特征，采用何種探測方法；二是基于探測原理，采用何種算法才能有效準(zhǔn)確地探測火災(zāi)。火災(zāi)探測涵蓋火災(zāi)科學(xué)、計算機(jī)、信號處理和自動化等技術(shù)，已經(jīng)發(fā)展出種類繁多的火災(zāi)探測器或系統(tǒng)。由于火災(zāi)報警事關(guān)重大，要求火災(zāi)探測系統(tǒng)可靠性高，不允許有漏報，同時誤報越少越好。

1 傳統(tǒng)火災(zāi)探測

1.1 探測器分類

傳統(tǒng)的火災(zāi)探測是基于傳感原理而設(shè)計的火災(zāi)探測器?；鸬娜紵^程中伴隨著各種各樣的物理特征。針對不同的特征，火災(zāi)探測器也各種各樣。圖1給出火災(zāi)探測器的分類[2]。縱觀100多年來火災(zāi)探測技術(shù)的發(fā)展，主要分為感溫、感煙、感光、氣體探測以及復(fù)合式探測。

圖1 火災(zāi)探測器分類

(1)感溫探測器

從19世紀(jì)40年代至20世紀(jì)40年代，感溫探測器占主導(dǎo)地位。根據(jù)物質(zhì)在燃燒過程中，釋放出大量的熱，促使環(huán)境溫度的升高。將溫度信號轉(zhuǎn)變成電信號，傳輸給火災(zāi)報警控制器，發(fā)出火災(zāi)報警信號[3]。最早的探測技術(shù)是1890年英國人研制的感溫探測器，開創(chuàng)了火災(zāi)探測的先例。這種感溫探頭提取燃燒時的溫度信號，再利用較簡單的算法來判斷。感溫探頭直接與外界環(huán)境相接觸，魯棒性不夠強(qiáng)，探測火災(zāi)的速度比較慢，誤報率比較高。最初的感溫探測器主要應(yīng)用于軍事領(lǐng)域。

(2)感煙探測器

從20世紀(jì)50年代至70年代，感煙探測器登上了歷史舞臺。從探測原理上分類，感煙探測器可分為離子型和光電型[4]。離子型探測器的出現(xiàn)，將感溫探測器排擠到了次要地位。感煙探頭提取火災(zāi)的煙霧信號。相對感溫探測而言，感煙探測有利于較早發(fā)現(xiàn)火災(zāi)。與感溫探測一樣，受到環(huán)境因素的影響，誤報率也時有發(fā)生，對陰燃的報警也較慢，且不適用于大空間的火災(zāi)探測。1941年，離子煙霧探測器正式面世?；馂?zāi)探測進(jìn)入了一個嶄新的階段。但離子探測器內(nèi)置了威害人體的放射性元素，推廣受到了限制。1970年末期，光電技術(shù)的突破促使光電感煙探測器的問世。利用光散射原理探測煙霧的光電感煙探測器在技術(shù)上越來越成熟，且對緩慢陰燃火較敏感，因此備受人們的青睞。

(3)感光探測器

感光探測器又稱為火焰探測器，對火焰光譜、光照強(qiáng)度和火焰閃爍頻率敏感響應(yīng)。目前使用的火焰探測器有兩種，一種是對波長較短的光輻射敏感的紫外探測器，另一種是以波長較長的光輻射敏感的紅外探測器[3]。感光探測器的響應(yīng)速度較前兩種快，其敏感元件在接受到火焰輻射光后的幾毫秒中內(nèi)就能發(fā)出報警，比較適宜安裝在有瞬間爆炸產(chǎn)生的場所，是一種能在室外使用的探測器，且具有性能穩(wěn)定，探測方位準(zhǔn)確等優(yōu)點。

(4)氣體探測器

氣體是火災(zāi)的早期特征之一。目前檢測火災(zāi)的氣體主要有CO、CO2、NOX、甲烷、H2、H2O、胺(-NH2)等[3][5]。用作探測氣體的傳感器有很多，應(yīng)用最廣泛的主要有半導(dǎo)體氣體傳感器、紅外吸收式氣體傳感器、電化學(xué)傳感器以及正在發(fā)展的智能氣體傳感器等。氣體探測器根據(jù)空氣中的可燃?xì)怏w含量，達(dá)到或超過報警設(shè)定值時發(fā)出報警信號。氣體探測器除了可以預(yù)報火災(zāi)，且可以監(jiān)測環(huán)境的污染程度。

(5)復(fù)合式火災(zāi)探測器

每種探測器都有其局限，如何產(chǎn)生優(yōu)勢互補(bǔ)的復(fù)合式火災(zāi)探測器成了探測器的研究重點。復(fù)合式探測將多通道傳感器數(shù)據(jù)融合，選擇多個傳感器參數(shù)進(jìn)行監(jiān)測識別，彌補(bǔ)了采用單一傳感器的不足，擴(kuò)展了時間上和空間上的監(jiān)測范圍，增強(qiáng)了識別的可靠性[6][7]。復(fù)合式火災(zāi)探測器是一種能響應(yīng)兩種或兩種以上火災(zāi)參數(shù)的探測器[8]?，F(xiàn)在已經(jīng)出現(xiàn)了感煙感溫復(fù)合，光電-離子復(fù)合，離子-氣體復(fù)合探測器等。

1.2 傳統(tǒng)探測器局限

受環(huán)境中的氣流、灰塵、水滴、電磁場、靜電、太陽輻射以及燃燒過程的復(fù)雜性、人為干擾等影響，傳統(tǒng)的火災(zāi)探測技術(shù)存在著方方面面的不足，火災(zāi)的誤報、漏報時有發(fā)生。

一般的火災(zāi)產(chǎn)生分為四個階段：預(yù)燃、悶燃、火焰燃燒和劇烈燃燒[3]。傳統(tǒng)的探測器一般都在火災(zāi)發(fā)展到后三個階段時才發(fā)出警報?；馂?zāi)早期階段是整個火災(zāi)過程的重要環(huán)節(jié)[9]?？刂苹馂?zāi)發(fā)展和減少損失的一條重要途徑是對火災(zāi)早期的探測和預(yù)警。要實現(xiàn)火災(zāi)的極早期探測，特別是在人眼尚見不到火焰的情況下進(jìn)行極早期火災(zāi)探測，依靠普通的感煙火災(zāi)探測器是難以實現(xiàn)的。其原因主要在于：

(1)普通的感煙火災(zāi)探測器為被動工作方式，需等待煙達(dá)后才能探測?；馂?zāi)早期煙霧的擴(kuò)散速度通常較慢，有時經(jīng)過較長的時間才能到達(dá)探測器，甚至根本就到達(dá)不了探測器。

(2)在大空間室內(nèi)環(huán)境，煙霧上升至一定高度會被周圍的空氣冷卻，停留空中不再上升，使得傳統(tǒng)的感煙探測器失去了作用[10]。

(3)在室外環(huán)境，煙霧易被高速氣流吹散，致使煙霧到達(dá)不了感煙探測器，無法探測。

(4)傳統(tǒng)感煙探測器易受環(huán)境中粉塵等微小顆粒的影響，降低探測效率。

總之，普通型感煙火災(zāi)探測器易受空間高度、氣流等復(fù)雜條件的限制，有時達(dá)不到極早期火災(zāi)探測報警的要求。

2 基于圖像的火災(zāi)探測

隨著數(shù)字圖像、計算機(jī)視覺等信息技術(shù)的發(fā)展，基于圖像的火災(zāi)探測技術(shù)可望能解決一些場所的火災(zāi)探測問題[11]。根據(jù)檢測目標(biāo)的不同，主要分為圖像火焰和煙霧探測。

2.1 圖像火災(zāi)探測優(yōu)勢

圖像火災(zāi)探測的優(yōu)勢有[12]：⑴可以在大空間環(huán)境中使用; ⑵可以提供直觀、豐富的火災(zāi)信息; ⑶可以做出快速的響應(yīng); ⑷可以在室外環(huán)境中使用; ⑸可以減少誤報、漏報次數(shù)。

圖像火災(zāi)探測是利用CCD攝像機(jī)作為探頭，采用計算機(jī)圖像處理技術(shù)進(jìn)行探測[13][14]。如圖2所示，將被監(jiān)視現(xiàn)場的彩色或紅外圖像輸入計算機(jī)，然后從單幅圖像或圖像序列提取特征，識別有無火災(zāi)，達(dá)到探測目的。

圖2 圖像火災(zāi)探測原理框圖

2.2 火災(zāi)圖像信息

(1)煙霧

火災(zāi)的初始階段，物質(zhì)發(fā)熱產(chǎn)生氣體。隨著熱分解的作用，進(jìn)一步發(fā)熱，釋放出更多的顆粒，開始產(chǎn)生可見煙霧。煙霧顏色主要集中在白色、灰色、青色、黑色等。煙霧在空氣中擴(kuò)散且呈現(xiàn)出不規(guī)則的形狀特征。隨著燃燒的繼續(xù)進(jìn)行，產(chǎn)生的煙霧越來越多，空氣中占據(jù)越來越大的空間。

(2)火焰

早期火災(zāi)階段，火焰的產(chǎn)生是一個從無到有的發(fā)展過程?；鹧娣譃橥庋?、內(nèi)焰和焰心三部分。外焰溫度最高，其次是內(nèi)焰，焰心溫度最低。因而火焰圖像灰度呈一定的分布規(guī)律，利用這個特性進(jìn)行火災(zāi)判別，可以區(qū)分出燈光及其他高溫物體[15]。火焰的顏色與溫度有關(guān)?；鹧鎻难嫘牡交鹧嫱獗砻鏈囟鹊纳撸伾来螢榘?、藍(lán)、黃、橙、紅和暗紅?；鹧娴男螤钍怯苫鹧嬷袩霟岬陌l(fā)光微粒的集合勾畫出的。不同時刻火焰的形狀、面積等不斷變化。燃燒狀況的不穩(wěn)定致使火焰邊緣常常表現(xiàn)為鋸齒型，且火焰的面積呈現(xiàn)出連續(xù)、擴(kuò)展性的增加趨勢?；鹧婢哂虚W爍的物理特性，時亮?xí)r暗，強(qiáng)度發(fā)生劇烈變動。劇烈的火焰閃爍會引起高頻的火焰區(qū)域變化[16]。

2.3 圖像火災(zāi)探測算法

火災(zāi)燃燒時表現(xiàn)出各種各樣的物理特征，具有一定的特點和規(guī)律。按照時間順序，其主要階段為：煙霧的產(chǎn)生和擴(kuò)大，以及火焰的產(chǎn)生和擴(kuò)大等[10]。早期的圖像火災(zāi)探測比較簡單，根據(jù)燃燒過程中顏色的不同而建立單顏色模型對火災(zāi)進(jìn)行檢測，準(zhǔn)確度不高。后來人們先檢測出運動區(qū)域，再根據(jù)顏色去判斷是否為火災(zāi)區(qū)域，進(jìn)一步提高了準(zhǔn)確度。

(1)圖像火焰探測

Yamagishi[17][18]等人提出了一種彩色攝像機(jī)的火焰檢測算法。在該算法中，首先將顏色從RGB空間轉(zhuǎn)換到HSV色彩空間，再在HSV空間中確定火焰色彩區(qū)域，動態(tài)特征采用火焰輪廓極坐標(biāo)時空數(shù)據(jù)的二維傅立葉變換來描述，然后利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行識別，如圖3所示。

(a)HSV火焰區(qū)域 (b)極坐標(biāo)輪廓 (c)波動數(shù)據(jù)

Noda[19]等人提出了一種隧道火災(zāi)圖像檢測技術(shù)。為了降低成本，他們利用了隧道已有的黑白閉路電視監(jiān)控系統(tǒng)硬件，因此只能使用灰度圖像。Phillips[20]等人提出一種視頻影像火焰檢測技術(shù)。該技術(shù)首先選擇許多火焰圖像和人工分割的模板圖像進(jìn)行訓(xùn)練，然后采用高斯平滑的方式生成火焰色彩直方圖。根據(jù)學(xué)習(xí)得到的直方圖和選定的閾值生成火焰色彩的布爾檢測函數(shù)。袁宏永[21]等人分別研究雙波段火災(zāi)探測和基于光截面的紅外火災(zāi)探測技術(shù)。我們提出了一種基于輪廓脈動的火焰探測算法[22]。Chen等人[23][24]也對基于視頻圖像處理的火焰識別技術(shù)進(jìn)行了研究。

(2)圖像煙霧探測

煙霧是火災(zāi)早期的一個顯著特征。煙霧和云、天空、森林等一樣具有自相似的特征。Fujiwara[25]等人提出一種基于分形編碼的煙霧提取技術(shù)。先提取圖像分形特征，再采用K均值聚類方法實現(xiàn)煙霧分割。Toreyin[26]等人提出一種有效的視頻火災(zāi)探測算法，綜合了火焰與煙霧兩特征。在提取出運動像素或運動區(qū)域之后，采用小波變換研究火焰和煙霧隨時間的波動特性，采用2層小波變換LH、HL、HH高頻子帶研究煙霧的模糊遮擋特征，結(jié)合顏色和形狀特征，確定火災(zāi)區(qū)域。

Guilleman等人[27]提出了一種森林火災(zāi)檢測方法,采用灰度嵌入等方法生成鏈接表，然后根據(jù)此表提取運動特征用于煙霧的探測。我們提出了一種基于積分圖的快速煙霧探測[28]。先采用積分圖快速提取運動特征，然后根據(jù)運動和色彩特征進(jìn)行識別。Ferrar等人[29]提出了一種視頻蒸氣檢測算法。在他們的算法中，將圖像的雙樹小波變換系數(shù)(DT-CWT)輸入隱馬爾可夫模型，以便提取蒸氣的紋理特征。由于蒸氣和煙霧無論在色彩、紋理還是運動方式，二者都極其相似，因此該算法對煙霧探測具有一定的啟發(fā)意義。英國D-Tech公司、澳大利亞Chubb公司的研究人員開發(fā)出一種視頻煙霧檢測系統(tǒng)用于早期火災(zāi)探測[30]?？梢暉熿F探測系統(tǒng)(VSD)[10]僅需普通閉路電視攝像機(jī)采集到的圖像進(jìn)行分析，利用高性能計算機(jī)自動辯識多種煙霧運動模式的不同特征，快速、準(zhǔn)確地完成火災(zāi)探測。該系統(tǒng)克服了大空間建筑中傳統(tǒng)火災(zāi)探測器的空間局限性，并且實現(xiàn)了對火災(zāi)的早期檢測，可以直接探測火源，可以檢測到人眼看不到的細(xì)微煙霧顆粒。但出于保密等原因沒有見到該系統(tǒng)的探測算法和文獻(xiàn)，當(dāng)然也無法準(zhǔn)確地知道該系統(tǒng)誤報率、漏報率和魯棒性等重要參數(shù)。

3 火災(zāi)探測發(fā)展趨勢

火災(zāi)探測技術(shù)得到了前所未有的廣泛應(yīng)用。如何量化探測器所處的火災(zāi)與非火災(zāi)環(huán)境成了火災(zāi)探測研究的焦點，其發(fā)展方向主要有兩個[2]：一是縱向延伸，尋找新的火災(zāi)判據(jù)、新的火災(zāi)識別模式和基于此的火災(zāi)探測器或復(fù)合探測器；二是橫向延伸，基于現(xiàn)有的探測原理方法，與其他技術(shù)交叉，改進(jìn)信號采集和處理方法以改善系統(tǒng)性能?；馂?zāi)煙霧發(fā)展過程是個非平穩(wěn)的復(fù)雜多變、無法預(yù)知的隨機(jī)過程。在火災(zāi)過程與環(huán)境都無法確知的問題下，任何固定的過程算法都難以完全滿足要求。因此未來火災(zāi)煙霧探測技術(shù)將向著智能化方向迅速發(fā)展，探測系統(tǒng)必須具有自適應(yīng)、自學(xué)習(xí)、容錯能力等強(qiáng)大功能，能排除信號自身的噪聲及背景干擾，適應(yīng)更多更復(fù)雜的環(huán)境[4][5]。

4 結(jié)論

火災(zāi)科學(xué)與經(jīng)濟(jì)建設(shè)、社會發(fā)展、公共安全等密切相關(guān)?；馂?zāi)探測技術(shù)作為一門多學(xué)科、多專業(yè)的綜合應(yīng)用科學(xué)，已成為人類同火災(zāi)斗爭的重要手段?；馂?zāi)探測作為火災(zāi)科學(xué)的一個關(guān)鍵技術(shù)環(huán)節(jié)，在保護(hù)自然資源、人民生命財產(chǎn)安全中起著重要的作用。本文較全面綜述了現(xiàn)有的火災(zāi)探測原理、優(yōu)缺點和發(fā)展趨勢。隨著信息技術(shù)的飛速發(fā)展，圖像火災(zāi)探測技術(shù)已經(jīng)成為了火災(zāi)探測的一個重要研究方向，具有廣闊的發(fā)展空間及前景，必將在以后的一段時間內(nèi)得到蓬勃發(fā)展。

[1]董華,程曉舫,范維澄.基于圖像探測的早期火災(zāi)煙氣模式研究[J].光學(xué)技術(shù),1999,(1):58-60.

[2]陳濤,袁宏永,范維澄.火災(zāi)探測技術(shù)研究的展望[J].火災(zāi)科學(xué),2001,10(2):108-112.

[3]杜建成,張認(rèn)成.火災(zāi)探測器的研究現(xiàn)狀與發(fā)展趨勢[J].消防技術(shù)與產(chǎn)品信息,2004,(7):10-15.

[4]徐瓊,詹福如,蘇國鋒,等.火災(zāi)煙霧探測技術(shù)的發(fā)展與探討[J].火災(zāi)科學(xué),2002,11(2):113-118.

[5]范維澄,劉乃安.中國火災(zāi)科學(xué)基礎(chǔ)研究進(jìn)展與展望[J].中國科學(xué)技術(shù)大學(xué)學(xué)報,2006,36(1):1-8.

[6]張兢.基于多通道自適應(yīng)加權(quán)融合算法的火災(zāi)特征識別[J].國外電子測量技術(shù),2006,25(1):31-34.

[7]張兢,路彥和,雷剛.火災(zāi)預(yù)警系統(tǒng)中的信息融合[J].兵工自動化,2006,25(3):48-53.

[8]王殊.火災(zāi)自動探測的復(fù)合特定趨勢算法[J].火災(zāi)科學(xué),1996,5(1):8-13.

[9]鄧志華,楊立中,陳曉軍,等.火災(zāi)早期特性分析及影像特征研究[J].自然科學(xué)進(jìn)展,2001,11(1):81-85.

[10]崔凱,曹榆,馮杰平.圖像型火災(zāi)探測技術(shù)淺議[J].消防技術(shù)與產(chǎn)品信息,2005,(4):30-32.

[11]許維勝,田長征,方盛明.基于圖像視覺特征的火災(zāi)自動識別[J].計算機(jī)工程,2003,29(18):112-113.

[12]董華,程曉舫,范維澄.早期火災(zāi)圖像監(jiān)測技術(shù)的應(yīng)用與比較[J].光學(xué)技術(shù),1997,(5):51-53.

[13]周軍盈,杜嘯曉.圖像識別技術(shù)在火災(zāi)探測中的應(yīng)用[J].消防科學(xué)與技術(shù),2007,26(4):417-420.

[14]盧瑞祥,牟軒沁,紀(jì)震.火災(zāi)的圖像識別與應(yīng)用[J].計算機(jī)應(yīng)用研究,1998,(1):106-108.

[15]金華彪,夏雨人,張振偉.數(shù)字圖像處理在火災(zāi)探測技術(shù)領(lǐng)[J].微型電腦應(yīng)用,2003,19(5):25-27.

[16]Chen-Bin Liu,Narendra Ahuja.Vision Based Fire Detection[A].In :Proceedings of the 17th Intermational Conference On Pattern Recognition[C],Cambridge,UK, 2004,4:134-137.

[17]Hideaki Yamagishi,Junichi Yamaguchi.Fire Flame Detection Algorithm Using a Color Camera[A]. In: Proceedings of 1999 International Symposium on Micromechatronics and Human Science[C], Nagoya, Japan,1999:255-260.

[18]Hideaki Yamagishi,Junichi Yamaguchi.A Contour Fluctuation Data Processing Method For Fire Flame Detection Using A Color Camera[A].In:26th Annual Conference of the IEEE Industrial Electronics Society[C], Nagoya,Japan,2000,2:824-829.

[19]Noda S., Ueda K. Fire detection in tunnels using an image processing method[C]. Proceedings of Vehicle Navigation and Information Systems Conference, 31 Aug.-2 Sept. 1994: 57-62.

[20]Walter Phillips III,Mubarak Shah,Niels da Vitoria Lobo.Flame Recognition in Video[A].In:Fifth IEEE Workshop on Applications of Computer Vision[C],Palm Springs,CA,USA,2000:224-229.

[21]袁宏永,劉炳海,陳曉軍,等.圖像型火災(zāi)智能自動探測與空間定位技術(shù)[J].消防科技,1995,5(2):2-4.

[22]袁非牛,廖光煊,張永明,等.計算機(jī)視覺火災(zāi)探測中的特征提取.中國科學(xué)技術(shù)大學(xué)學(xué)報,2006,36(1): 39-43.

[23]Chen Thou-Ho, Kao Cheng-Liang, Chang Sju-Ma. An intelligent real-time fire-detection method based on video processing [C]. IEEE 37th Annual 2003 International Carnahan Conference on Security Technology, Oct. 14-16, 2003: 104-111.

[24]Thou-Ho Chen, Yen-Hui Yin, Shi-Feng Huang, et al. The smoke detection for early fire-alarming system base on video processing. In: Proc. 2006 Internat. Conf. on Intelligent Information Hiding and Multimedia Signal Processing, 2006.

[25]Fujiwara N,Terada K.Extraction of a smoke region using fractal coding[A].In:IEEE International Symposium on Communications and Information Technology[C], 2004,2:659-662.

[26]B.Ugur Toreyin,Yigithan Dedeoglu,A. Enis Cetin. WAVELET BASED REAL-TIME SMOKE DETECTION IN IDEO[A]. In:13th European Signal Processing Conference EUSIPCO[C] ,Antaly, Turkey,2005.

[27]Guillemant P., Vicente J. Real-time identification of smoke images by clustering motions on a fractal curve with a temporal embedding method. Opt. Eng., 2001, 40(4): 554-563.

[28]Yuan Feiniu. A fast accumulative motion orientation model based on integral image for video smoke detection. Pattern Recognition Letters,2008,29(7):925-932.

[29]Ferrari, R.J., Zhang, H., Kube, C.R. Real-time detection of steam in video images. Pattern Recognition 40(3),2007: 1148-1159.

[30]http://www.chubb.com.au/vsd.asp.