基于圖像處理的艦船火災(zāi)煙霧檢測技術(shù)研究

周泊龍，宋英磊，俞孟蕻（江蘇科技大學(xué) 電子信息學(xué)院，江蘇 鎮(zhèn)江 212003）

基于圖像處理的艦船火災(zāi)煙霧檢測技術(shù)研究

周泊龍，宋英磊，俞孟蕻
（江蘇科技大學(xué) 電子信息學(xué)院，江蘇 鎮(zhèn)江 212003）

艦船火災(zāi)探測報警系統(tǒng)作為損管監(jiān)測體系的關(guān)鍵構(gòu)成部分，其性能的優(yōu)劣將會直接影響到艦船和艦員的安全問題。為提高艦船火災(zāi)探測技術(shù)的實時性和準確性，減少誤報、漏報等情況的發(fā)生，提出一種結(jié)合煙霧顏色特征與運動特征進行研究的視頻火災(zāi)煙霧檢測技術(shù)。該技術(shù)通過運動目標區(qū)域檢測和對煙霧顏色特征、形狀不規(guī)則性和擴散性特征的提取，經(jīng)過分析與判斷，將滿足煙霧特征判據(jù)的目標區(qū)域判別為煙霧區(qū)域。檢測結(jié)果表明該技術(shù)能夠準確且迅速地探測火災(zāi)煙霧，誤報率低，可靠性好。

艦船火災(zāi)探測；顏色特征；運動特征；視頻火災(zāi)煙霧檢測

0　引　言

無論是在戰(zhàn)爭年代還是和平時期，火災(zāi)始終為艦船面對的重大災(zāi)害之一，其嚴重威脅著艦船自身的安全和艦員的生命［1］。研究顯示，自二戰(zhàn)以來，作戰(zhàn)艦船所遭受損害的類別已經(jīng)從以不沉性的損失或減少為主轉(zhuǎn)變?yōu)橐曰馂?zāi)或爆炸為主［2］。在現(xiàn)代軍事環(huán)境下，各軍事強國之間的艦船由于突發(fā)火災(zāi)而造成重大災(zāi)害的火災(zāi)事件屢見不鮮。2013 年 9 月，韓國海軍最大艦船“獨島”號因突發(fā)火災(zāi)而喪失動力；2015 年 4 月，一艘俄核潛艇在船廠維修期間發(fā)生火災(zāi)致使維修任務(wù)被迫中斷。如今，中國海軍為加大海上防御縱深，適應(yīng)海上作戰(zhàn)的需要，艦船數(shù)量迅速增加，隨之而來的艦船火災(zāi)、爆炸事故呈明顯上升趨勢，艦船的消防安全問題成為研究人員普遍關(guān)注的焦點。據(jù)資料統(tǒng)計，艦船事故中約一半由艦船起火所引起［3］。因此做好艦船的消防安全工作，不僅是提高我國海軍艦船生命力的重要保證，而且也是提升艦船戰(zhàn)斗力和影響力的有力途徑。為響應(yīng)艦船消防“及早探測，迅速滅火”的原則要求，本文提出一種基于視頻圖像處理的艦船火災(zāi)煙霧檢測技術(shù)。該技術(shù)通過融合煙霧圖像多種特征判據(jù)的方法，以期能夠達到及早探測火災(zāi)煙霧的目的，力求將火災(zāi)對艦船所造成的損失降到最小。

1　艦船火災(zāi)的特點

軍用艦船因其作戰(zhàn)的需要，決定了它獨特的結(jié)構(gòu)構(gòu)造和運用環(huán)境。因此，軍用艦船火災(zāi)除和民用船舶火災(zāi)存在相似的共同點外，還有以下特點［4］：

1）突發(fā)火災(zāi)的概率相對較高。在軍用艦船上，各艙室分布密集、復(fù)雜，并且隨著智能化、自動化等科技技術(shù)在我國海軍現(xiàn)代艦船上的成功運用，艙室內(nèi)電子設(shè)備數(shù)量不斷增加，管系和裝備布置愈加復(fù)雜，這些在提升了艦船性能的同時，也潛在的使艦船發(fā)生火災(zāi)的概率增大。特別是軍用艦船上的一些重要部位，如彈藥艙、機艙等，一旦發(fā)生火災(zāi)，撲救難度大，反應(yīng)時間短，發(fā)生火災(zāi)爆炸事故的危險性較高。

2）火災(zāi)所導(dǎo)致的損失大。與一般民用船舶相比，軍用艦船失火所導(dǎo)致的損失會更大。這是由于艦船作為水上交戰(zhàn)的重要平臺，艦員、裝備、易爆易燃等物品的分布相對比較集中。如果艦船突然失火后，火勢通常極為猛烈，撲救困難。加之，艦船在海上航行期間遠離大陸，只能仰賴艦船自身的消防力量進行滅火，危險性較高，稍有不慎就會造成艦毀人亡的局面，后果不敢設(shè)想。

3）火災(zāi)撲救難度大。艦船起火后，由于軍用艦船結(jié)構(gòu)緊密、艙室狹小，一定程度上限制了艦員救火的活動范圍，并且因艦船上消防力量的能力有限，也給艦船的施救工作帶來了一定的困難。而且，艦船艙室內(nèi)空間狹小、密閉，光線昏暗，通風(fēng)性能較差，因火災(zāi)所產(chǎn)生的濃煙不易被排出，致使艦員探明火情、撲救火災(zāi)的難度加大。

艦船火災(zāi)因具有發(fā)生火災(zāi)的概率較高、撲救困難、損失巨大等特點，所以，絕不可以掉以輕心，需要認真研究艦船火災(zāi)的特點，針對造成艦船突發(fā)火災(zāi)、爆炸的某些關(guān)鍵因素要做到認真預(yù)防，努力提升我國現(xiàn)代海軍新型艦船的消防水平。艦船消防報警系統(tǒng)不僅是艦船設(shè)計思想的首要構(gòu)成部分，還是確保我國海軍艦船和艦員安全的關(guān)鍵保障。

2　視頻火災(zāi)檢測技術(shù)基本原理

視頻火災(zāi)檢測技術(shù)基本原理如圖1 所示［5］。該項技術(shù)使用普通的 CCD 攝像機或造價高昂的紅外攝像機來進行場景監(jiān)控，獲取視頻圖像；經(jīng)圖像采集卡將拍攝到的視頻圖像轉(zhuǎn)變?yōu)橄鄳?yīng)的數(shù)字圖像，并傳送到監(jiān)控系統(tǒng)的主機上等待下一步的處理與分析；系統(tǒng)主機通過對提供的數(shù)字圖像進行分析、判斷，且結(jié)合多種火焰或煙霧特征判據(jù)，從而做出有無火災(zāi)出現(xiàn)的結(jié)論［6］。

視頻火災(zāi)檢測技術(shù)通?？煞譃橐曨l煙霧檢測技術(shù)和視頻火焰檢測技術(shù)，兩者在火災(zāi)探測性能上相比，由于煙霧一般要先于明火的出現(xiàn)，且不易被障礙物所遮擋。因此，視頻煙霧檢測技術(shù)更能及早探測到火災(zāi)，避免災(zāi)情進一步惡化。

圖1　視頻火災(zāi)檢測技術(shù)的基本原理Fig. 1　The basic principle of video detection technology of the fire

3　基于圖像處理的艦船火災(zāi)煙霧檢測技術(shù)基本原理

對于艦船內(nèi)開闊的室內(nèi)場所或艦船外大面積的室外環(huán)境，如大型倉庫、彈藥艙及甲板等，一旦失火，由于傳統(tǒng)火災(zāi)探測器探測方式的局限性，將會難以準確、及時探明火情，失去了其應(yīng)有的效用。究其原因，是因為傳統(tǒng)的感溫、感煙等火災(zāi)探測器一般屬于被動式的探測方式，多適用于小空間的室內(nèi)環(huán)境。但在特殊環(huán)境下，傳統(tǒng)火災(zāi)探測器的探測效果會受到不同因素的影響，例如空間高度、空氣對流、粉塵濃度、濕度等，導(dǎo)致火災(zāi)探測信號未能及時的達到傳統(tǒng)火災(zāi)探測器的臨界報警閾值，致使其報警延時，從而對艦船造成了不可估量的損失。然而，基于視頻圖像處理的火災(zāi)煙霧檢測技術(shù)不僅具有響應(yīng)時間快，監(jiān)測范圍廣、非接觸、抗干擾、智能化等技術(shù)優(yōu)勢，并且還能為監(jiān)控人員實時提供火災(zāi)所發(fā)生的地點、火情發(fā)展的程度等具體信息。因此，視頻火災(zāi)煙霧檢測技術(shù)與傳統(tǒng)的火災(zāi)探測技術(shù)相比，更能及早的探測火災(zāi)，從而能夠迅速控制火情的發(fā)展，阻止火災(zāi)的形成［7］。

3.1對視頻圖像的預(yù)處理

由于試驗所獲取的視頻圖像一般都會存在大量噪聲，所以需要先對視頻圖像進行去噪處理，可以通過采用中值和高斯濾波的方法來增強圖像。其次，需要將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，從而能夠縮減處理圖像的數(shù)據(jù)量，提升系統(tǒng)的運行速度。最后，因為視頻圖像中一般都會存在與煙霧近似顏色或形狀等特征的靜止背景目標區(qū)域的干擾。因此，為排除上述干擾物的存在，提高系統(tǒng)的性能，本文采用混合高斯模型（Gaussian Mixture Model，GMM）的方法先對背景建立模型［8］。背景建模完成后，再運用背景減除法提取出運動目標區(qū)域，如式（1）所示，以減少靜止背景目標所帶來的影響，所提取出的運動目標區(qū)域為后續(xù)煙霧顏色特征和運動特征的提取與識別做好了準備。

3.2煙霧顏色特征

煙霧的顏色基本上可以分為白色、灰色、青色和黑色，并且它們的色彩分布具有一定的規(guī)律性，白煙、灰煙和黑煙煙霧顏色模型中的 R、G、B（紅色、綠色、藍色）3個顏色分量的值很近似，而青煙的藍色分量值通常要大于紅色和綠色的顏色分量值［9-10］。所以，采用以下判別算法來判斷試驗視頻中是否存在與煙霧顏色相近的運動目標區(qū)域，以排除掉一些與煙霧顏色相差很大的非煙霧區(qū)域。具體算法如下：

式中：Pmax為在RGB彩色空間中最大的顏色分量；Pmin為最小的顏色分量；I 為在 HSI 彩色空間中的強度信息。

若條件 1 和條件 2 同時成立，或者條件 2 和條件 3同時成立時，則可以視為滿足煙霧顏色的條件，反之，則視為不滿足。經(jīng)過多次試驗對比后得到：在條件 1 中，閾值 Z1的取值范圍一般為 15～25；在條件 2中，閾值 Z2和 Z3的取值分別為 80和220；在條件 3中，閾值 Z4的取值應(yīng)略大于 Z1。

3.3煙霧運動特征

煙霧的運動特征也被稱作煙霧的動態(tài)特征，它主要包括煙霧形狀的不規(guī)則性和擴散性。由于煙霧的形狀、面積等參數(shù)時刻在不停地變化，因此，在運用煙霧的顏色特征排除掉一些與煙霧顏色相差很大的非煙霧區(qū)域后，可以再利用煙霧的擴散性和形狀不規(guī)則性這2個運動特征作為進一步區(qū)別煙霧與其他干擾物的判別依據(jù)［11-12］。

3.3.1煙霧形狀的不規(guī)則性

因為氣流的因素，導(dǎo)致煙霧在運動過程中形狀的連續(xù)變化，無法通過形狀來識別煙霧。眾所周知，2個物體在面積相同的條件下，形狀規(guī)則物體的周長會比形狀不規(guī)則物體的周長要短一些。所以可通過運用疑似煙霧區(qū)域的周長和面積之比來檢測其形狀的不規(guī)則性，具體算法如式（3）所示：

式中： C和S 分別為提取出來的疑似煙霧區(qū)域的周長與面積的像素總數(shù)；L 為區(qū)分煙霧與形狀規(guī)則物體的臨界閾值，一般是經(jīng)過多次試驗后統(tǒng)計得到。若（3）式成立，則滿足煙霧顏色特征的疑似煙霧區(qū)域更加確定為煙霧區(qū)域；反之，則被視為不滿足煙霧形狀不規(guī)則性特征，停止下一步對疑似煙霧區(qū)域的判別。

3.3.2煙霧運動的擴散性

當(dāng)火災(zāi)發(fā)生時，煙霧會不停在空氣中進行著擴散，此為火災(zāi)初期最為顯著的現(xiàn)象之一。隨著火災(zāi)災(zāi)情的進一步惡化，由于煙霧運動的擴散性這一特征，使得煙霧在短時間內(nèi)占據(jù)了大量的空間。因此，疑似煙霧區(qū)域在經(jīng)過煙霧的顏色特征和形狀不規(guī)則性特征判定后，可再利用煙霧的擴散性特征，以排除動態(tài)目標（行人、行駛的車輛等）或靜態(tài)目標（一張煙霧圖片等）的干擾，進一步提高煙霧檢測算法的準確率，減少誤報率。具體算法如式（4）所示，計算出在某一時間段內(nèi)，疑似煙霧區(qū)域面積的變化率，以判別其是否滿足煙霧的擴散性這一運動特征。

式中：Ri+m和 Ri分別為在視頻圖像序列中的第 i + m 張圖像和第 i 張圖像，疑似煙霧區(qū)域總的像素數(shù)目；為從圖像序列中的第 i 幀到第 i + m 幀這一時間段內(nèi)，疑似煙霧區(qū)域像素數(shù)目所發(fā)生的改變。表示從圖像序列中的第 i 幀到第 i + m 幀這一時間段內(nèi)，疑似煙霧區(qū)域像素數(shù)目發(fā)生改變的變化率。

煙霧在空氣中擴散時，會受到各種因素的影響，這會導(dǎo)致煙霧區(qū)域的面積和擴散的速度在不斷發(fā)生著變化。假如僅僅依靠相鄰兩幀進行相減，得到的疑似煙霧區(qū)域面積變化數(shù)值可能會很小，因此 m 的取值通常要大于 1。

為了獲得更為精確的疑似煙霧區(qū)域面積發(fā)生改變的變化率，可以對 n 個不同的面積變化率取平均值，以得到疑似煙霧區(qū)域面積的平均變化率為：

煙霧區(qū)域面積的平均變化率往往在一定的區(qū)間范圍之內(nèi)，即如果疑似煙霧區(qū)域面積的平均變化率滿足式（6），則該疑似煙霧區(qū)域就可以被認定為煙霧區(qū)域；反之，則被認定為非煙霧區(qū)域。

其中E1和 E2分別為煙霧區(qū)域面積平均變化率所在區(qū)間的2個閾值，它們經(jīng)過多次試驗后得到。

4　測試結(jié)果與分析

目前大多數(shù)研究學(xué)者都是在自己獲取煙霧視頻的基礎(chǔ)上檢測各自的視頻火災(zāi)煙霧檢測算法，還沒有對不同算法的性能指標（準確率、實時率、誤報率、時間和空間消耗等）進行討論和比較，對各種檢測算法的效果評價也未形成一個成熟的體系［13］。因為缺乏統(tǒng)一標準的艦船火災(zāi)煙霧圖像數(shù)據(jù)資源，試驗中所使用到的圖像資源多數(shù)是本人拍攝獲取或直接從網(wǎng)絡(luò)上下載獲得。

為證明本文所述的基于視頻圖像處理的艦船火災(zāi)煙霧檢測技術(shù)的抗干擾性和準確性，分別選取了在室內(nèi)和室外環(huán)境中的 50 個視頻圖像作為測試對象來進行實驗研究。這些測試對象中既包含煙霧圖像，也包含一些非煙霧圖像，諸如夜間燈光、艦船航行途中所激起的白色浪花等。經(jīng)過分析和總結(jié)試驗結(jié)果后發(fā)現(xiàn)，本文所使用的視頻煙霧檢測算法能夠在測試視頻中識別出大部分的煙霧區(qū)域（部分視頻樣本煙霧檢測結(jié)果與效果圖分別見表2、圖2和圖3），但是當(dāng)測試視頻中出現(xiàn)與煙霧顏色、形狀等極為相似的非煙霧區(qū)域時（如云彩、薄霧等），檢測結(jié)果還是會出現(xiàn)少量的誤報。

表1　部分測試視頻樣本的詳細信息Tab. 1　Detailed information of part of the test video samples

表2　部分測試視頻樣本的煙霧檢測結(jié)果Tab. 2　Smoke detection results of part of the test video samples

5　結(jié)　語

本文在對測試視頻圖像預(yù)處理的基礎(chǔ)上，依據(jù)火災(zāi)煙霧所表現(xiàn)出的顏色特征和運動特征，提出并驗證了基于圖像處理的艦船火災(zāi)煙霧檢測技術(shù)。試驗結(jié)果證明本文所提出的方法能夠在艦船內(nèi)開闊的室內(nèi)場所或艦船外大面積的室外環(huán)境中運用，成功彌補了傳統(tǒng)火災(zāi)探測器在火災(zāi)探測上所表現(xiàn)出來的不足。此項艦船消防新技術(shù)的出現(xiàn)，為及時探明火情，并有效控制艦船火災(zāi)災(zāi)情的發(fā)展提供了有力的保障，使我國在攻克艦船消防技術(shù)領(lǐng)域這一難題的探索道路上又邁出了極其重要的一步。然而，因為艦船火災(zāi)的特殊性與復(fù)雜性，本文所提出的視頻煙霧檢測算法目前還不夠完善，對測試視頻中的一些場景會出現(xiàn)一定數(shù)量的誤報和漏報。在今后的研究中，需要加強對現(xiàn)有算法的改進，努力探究新思路、新方法，以此來更好實現(xiàn)對艦船火災(zāi)煙霧的檢測，并最終能夠?qū)⒃摷夹g(shù)盡快應(yīng)用到實際艦船消防中去。

圖2　部分測試視頻樣本煙霧檢測效果圖Fig. 2　Part of the test results of the video sample smoke detection

圖3　部分測試視頻樣本疑似煙霧檢測效果圖Fig. 3　Part of the test video sample of the suspected smoke detection effect

［1］趙健， 凌純. 艦船艙室防火設(shè)計研究［J］. 船舶， 2011， 22（1）：57-60. ZHAO Jian， LING Chun. Fireproofing design for warships［J］. Ship & Boat， 2011， 22（1）： 57-60.

［2］李祥茂， 唐文勇， 張圣坤. 艦船火災(zāi)爆炸危險源風(fēng)險評估［J］.中國艦船研究， 2008， 3（2）： 21-26. LI Xiang-mao， TANG Wen-yong， ZHANG Sheng-kun. Hazard sources risk assessment of ship's fire and explosion accidents［J］. Chinese Journal of Ship Research， 2008， 3（2）： 21-26.

［3］周軍盈， 杜嘯曉. 圖像型火災(zāi)探測技術(shù)在艦船消防報警系統(tǒng)中的應(yīng)用［J］. 艦船科學(xué)技術(shù)， 2008， 30（2）： 98-101， 111. ZHOU Jun-ying， DU Xiao-xiao. Application of image recognition technology in fire detection system of ship［J］. Ship Science and Technology， 2008， 30（2）： 98-101， 111.

［4］孫凱， 李曉江， 馮衛(wèi)永， 等. 艦船火災(zāi)的特點及安全預(yù)防［J］.中國水運， 2010， 10（7）： 53-54. SUN Kai， LI Xiao-jiang， FENG Wei-yong， et al. Characteristics and safety prevention of ship fire［J］. China Water Transport， 2010， 10（7）： 53-54.

［5］薄立矗. 圖像型火災(zāi)煙霧探測技術(shù)及發(fā)展前景展望［J］. 武警學(xué)院學(xué)報， 2010， 26（8）： 14-16. BO Li-chu. Image-based fire smoke detection technology research progress［J］. Journal of Chinese People's Armed Police Force Academy， 2010， 26（8）： 14-16.

［6］吳龍標， 袁宏永， 疏學(xué)明. 火災(zāi)探測與控制工程. （第2版）［M］.合肥： 中國科學(xué)技術(shù)大學(xué)出版社， 2013： 454-459. WU Long-biao， YUAN Hong-yong， SHU Xue-ming. Fire detection and control engineering. （2nd ed）［M］. Hefei： Press of University of Science and Technology of China， 2013：454-459.

［7］許峰， 于春雨， 徐放. 視頻煙霧火災(zāi)探測技術(shù)研究趨勢［J］. 消防科學(xué)與技術(shù)， 2012， 31（11）： 1185-1188. XU Feng， YU Chun-yu， XU Fang. Development of the video smoke detection technology research［J］. Fire Science and Technology， 2012， 31（11）： 1185-1188.

［8］魏曉慧， 李良福， 錢鈞. 基于混合高斯模型的運動目標檢測方法研究［J］. 應(yīng)用光學(xué)， 2010， 31（4）： 574-578. WEI Xiao-hui， LI Liang-fu， QIAN Jun. Moving object detection based on mixture Gaussian model［J］. Journal of Applied Optics， 2010， 31（4）： 574-578.

［9］鄭璐， 陳俊周. 基于運動和顏色的視頻煙霧檢測算法［J］. 計算機工程與設(shè)計， 2010， 31（21）： 4650-4652， 4677. ZHENG Lu， CHEN Jun-zhou. Smoke detection algorithm of video based on motion and color［J］. Computer Engineering and Design， 2010， 31（21）： 4650-4652， 4677.

［10］王娜娜. 基于視頻的火災(zāi)煙霧檢測算法研究［D］. 西安： 西安科技大學(xué)， 2012. WANG Na-na. Research on algorithm of fire smoke detection based on video［D］. Xi'an： Xi'an University of Science and Technology， 2012.

［11］王媛彬. 基于圖像型的火災(zāi)煙霧檢測技術(shù)研究［J］. 消防科學(xué)與技術(shù)， 2014， 33（9）： 1052-1055. WANG Yuan-bin. Study on image-type smoke detection technology［J］. Fire Science and Technology， 2014， 33（9）：1052-1055.

［12］XIONG Z Y， CABALLERO R， WANG H C， et al. Videobased smoke detection： possibilities， techniques， and challenges［C］//IFPA， fire suppression and detection research and applications-a technical working conference （SUPDET）. Orlando， FL， USA： National Fire Protection Association， 2007：1-8.

［13］羅勝， JIANG Yu-zheng. 視頻檢測煙霧的研究現(xiàn)狀［J］. 中國圖象圖形學(xué)報， 2013， 18（10）： 1225-1236. LUO Sheng， JIANG Yu-zheng. State-of-art of video based smoke detection algorithms［J］. Journal of Image and Graphics，2013， 18（10）： 1225-1236.

Research on warship fire smoke detection technology based on image processing

ZHOU Bo-long， SONG Ying-lei， YU Meng-hong
（School of Electronics and Information， Jiangsu University of Science and Technology， Zhenjiang 212003， China）

Warship fire detection and alarm system is the key component of damage control monitoring system， its performance advantages and disadvantages will directly affect the safety of warship and crew. In order to improve the computational efficiency and accuracy of warship fire detection technology， and reduce the rates of false positives and false negatives， etc. A video based fire smoke detection technology is proposed in this paper， which is based on the color features and the dynamics features of smoke. The technology detects the regions of moving targets in video images， and extracts the features associated with the color， the irregularity of the shape and the diffusion property of smoke. After analysis and judgment， a target area that satisfies the smoke feature criteria can be judged as a smoke area. Test results show that the technology can accurately and quickly detect fire smoke with a low false alarm rate and high reliability.

warship fire detection；color features；dynamics features；video fire smoke detection

U664.88

A

1672-7619（2016）05-0111-05

10.3404/j.issn.1672-7619.2016.05.024

2015-10-10；

2015-11-30

周泊龍（1988-），男，碩士研究生，從事艦船火災(zāi)探測技術(shù)研究。