原料儲(chǔ)運(yùn)大空間環(huán)境下的早期火災(zāi)快速識(shí)別算法研究

徐偉 丁松令 吳孚輝 沙萬(wàn)里 陳衍

摘要：文章提出了一種大空間環(huán)境下火焰圖像快速識(shí)別的算法。通過(guò)建立背景的統(tǒng)計(jì)特性模型確定了目標(biāo)捕獲的方法，通過(guò)初期火災(zāi)的發(fā)展規(guī)律得出了識(shí)別火焰顏色和形狀特征的基本算法，利用模式識(shí)別算法給出了識(shí)別目標(biāo)是否為火焰的算法。測(cè)試結(jié)果表明，該算法可以快速捕獲和識(shí)別火焰圖像，且誤判率很低，能夠作為大空間建筑初期火災(zāi)預(yù)警的依據(jù)。

關(guān)鍵詞：大空間;火焰圖像;模式識(shí)別;特征提取;火災(zāi)探測(cè)

由于中國(guó)在工業(yè)智能化方面有了較快的發(fā)展速度，城市具備更大的規(guī)模，其中的建筑無(wú)論是尺寸、高度或其所具備的功能均得到了不小的提升，復(fù)雜程度也加大，像規(guī)模較大的物流倉(cāng)庫(kù)之類的建筑，更是如雨后春筍一般崛起。由于這種建筑具備較大的空間，只要出現(xiàn)火災(zāi)，就會(huì)迅速的蔓延開(kāi)來(lái)，要想疏散處于建筑物當(dāng)中的相關(guān)人員并不容易，因此在很大程度上威脅到了大家的生命財(cái)產(chǎn)安全。只有更早的發(fā)現(xiàn)存在于大空間建筑內(nèi)的火情，才能夠使之蔓延幾率下降，進(jìn)而降低因此而出現(xiàn)的損失。所以，關(guān)于大空間建筑出現(xiàn)火災(zāi)情況的早起預(yù)警，也就演變成了消防方面十分關(guān)鍵的一個(gè)研究課題。

現(xiàn)階段，在大空間建筑進(jìn)行運(yùn)用的火災(zāi)報(bào)警系統(tǒng)的具體構(gòu)成部分是多維火災(zāi)探測(cè)器，圖像型探測(cè)器、可燃?xì)怏w、感煙、感溫以及感光探測(cè)器共同構(gòu)成了該探測(cè)器。就圖像型而言，其作用為識(shí)別視頻圖像，進(jìn)而判斷出是不是出現(xiàn)了火災(zāi)。為讓誤報(bào)率下降，一般情況下要將該類探測(cè)器跟另外一些探測(cè)器一起搭配運(yùn)用。通過(guò)對(duì)傳感器加以利用，從而采樣檢測(cè)因?yàn)槿紵约盁峤舛霈F(xiàn)的煙霧氣溶膠，一旦某個(gè)區(qū)域當(dāng)中具備超標(biāo)的煙霧顆粒濃度，就會(huì)馬上將火災(zāi)報(bào)警信號(hào)發(fā)出，這一方式便是感煙型火災(zāi)探測(cè)器。通過(guò)定時(shí)采樣的方式檢查四周空氣溫度，只要這一區(qū)域范疇之中的溫度陡升，就馬上會(huì)將火災(zāi)報(bào)警信號(hào)發(fā)出的便是感溫型火災(zāi)探測(cè)器。對(duì)火焰所具備的光譜強(qiáng)度、具體的閃爍頻率、無(wú)法看到的紅外線或是紫外線輻射進(jìn)行檢測(cè)，進(jìn)而將警報(bào)發(fā)出的便是感光型火災(zāi)探測(cè)器。實(shí)施可燃?xì)怏w采樣之后，確認(rèn)是不是出現(xiàn)火災(zāi)的便是可燃?xì)怏w探測(cè)器。因?yàn)榇罂臻g建筑具備不低的高度（往往會(huì)具備6m以上的凈空），會(huì)在一定程度上影響到感溫、感光以及感煙之類的火災(zāi)探測(cè)器，使之不具備應(yīng)有的靈敏度。此類探測(cè)器通常會(huì)等火災(zāi)已經(jīng)形成規(guī)模方會(huì)將報(bào)警信息發(fā)出，而如此一來(lái)，不利于控制具體的火情。所以當(dāng)于大空間建筑內(nèi)實(shí)施火災(zāi)監(jiān)測(cè)之際，上述探測(cè)器只能夠發(fā)揮出輔助作用。

以模式識(shí)別技術(shù)為基礎(chǔ)的便是圖像識(shí)別技術(shù)，該類技術(shù)運(yùn)用于圖像型火災(zāi)探測(cè)器內(nèi)。其會(huì)對(duì)監(jiān)控?cái)z像頭加以利用，采集所有現(xiàn)場(chǎng)存在的實(shí)時(shí)圖像，然后對(duì)圖像采集卡加以利用，使此類信號(hào)完成轉(zhuǎn)換，變成具體的數(shù)字圖像，然后再往計(jì)算機(jī)內(nèi)進(jìn)行輸入，緊接著對(duì)模式識(shí)別以及數(shù)字圖像處理加以利用，將其與火災(zāi)所具備的動(dòng)態(tài)以及靜態(tài)方面的特點(diǎn)相結(jié)合，全方位識(shí)別火災(zāi)，同時(shí)將相應(yīng)的報(bào)警信號(hào)發(fā)出，將具體產(chǎn)生火焰的地方與監(jiān)視器上進(jìn)行標(biāo)出。該探測(cè)器不僅有不錯(cuò)的空間適用性，同時(shí)也有不錯(cuò)的環(huán)境適用性，具備較快的處理速度以及不錯(cuò)的抗干擾能力，而且能夠可靠的進(jìn)行報(bào)警，能夠提供的信息相對(duì)而言比較直觀?，F(xiàn)階段，該技術(shù)在各式各樣的大空間場(chǎng)所已經(jīng)得到了具體的應(yīng)用。

對(duì)于大空間建筑而言，其所運(yùn)用的圖像型火災(zāi)探測(cè)器，不管是精準(zhǔn)度還是響應(yīng)速度都需要提高，不僅能夠精準(zhǔn)的對(duì)火災(zāi)初始階段進(jìn)行識(shí)別，還能夠盡可能讓誤報(bào)率下降。要想達(dá)到這一目的，所運(yùn)用的識(shí)別算法就必須精準(zhǔn)高效。針對(duì)該情況，本文將一種以火焰特征為基礎(chǔ)的快速識(shí)別算法提出。這一算法不僅可以對(duì)圖像特征的提取加以利用，盡可能讓運(yùn)算速度得到提升，還能夠在將火災(zāi)圖像數(shù)據(jù)庫(kù)構(gòu)建完成后，使精確比對(duì)完成，進(jìn)而讓具體的誤報(bào)率下降。

1? 基于火焰特征的識(shí)別算法

1.1? 算法基本構(gòu)成

以火焰所具備的特征為基礎(chǔ)的識(shí)別算法涵蓋的種類有目標(biāo)捕獲、圖像識(shí)別以及特征提取之類的具體算法，具體為圖1所呈現(xiàn)內(nèi)容。對(duì)于大空間攝像機(jī)通過(guò)采集獲取的視頻流內(nèi)出現(xiàn)了改變的幀以及區(qū)域，目標(biāo)補(bǔ)貨算法可以實(shí)施跟蹤。通過(guò)對(duì)圖像處理技術(shù)加以利用，將已經(jīng)確定的圖像利用濾波實(shí)施處理，將干擾或噪聲信息去除的方式便是噪聲清除算法。按照提取到的具體特征，將之跟標(biāo)準(zhǔn)圖像所具備的特征實(shí)施對(duì)比，將目標(biāo)是不是為火焰確認(rèn)下來(lái)的方式便是目標(biāo)識(shí)別算法。識(shí)別火焰屬于綜合識(shí)別，具備數(shù)個(gè)特征，單純的利用某個(gè)特征實(shí)施識(shí)別，一般會(huì)存在誤識(shí)別的情況，以至于出現(xiàn)漏報(bào)或誤報(bào)。此篇文章所用的識(shí)別方式為綜合了火焰的形狀以及顏色，以此來(lái)讓其識(shí)別變得更為精準(zhǔn)。進(jìn)行識(shí)別之際，為讓算法有更高的識(shí)別速度，第一步通過(guò)對(duì)背景消除這一方式加以利用，把跟火焰存在差別的區(qū)域背景徹底消除干凈，因?yàn)槌跏茧A段火焰不具備太大的火焰，因此識(shí)別較為容易。

1.2? 目標(biāo)捕獲算法

通常而言，攝像機(jī)在整個(gè)大空間建筑當(dāng)中均是靜止的，故而所有通過(guò)監(jiān)控獲取的物體所具備的視頻圖像均處于靜止?fàn)顟B(tài)，但是火焰以及另外一些活動(dòng)體，則不具備該特點(diǎn)。為讓分析視頻圖像的工作能夠完成，第一步得分割序列內(nèi)所有的運(yùn)動(dòng)區(qū)域，從而將目標(biāo)區(qū)域找出。本文在對(duì)目標(biāo)進(jìn)行捕捉時(shí)所用的方式是幀間取差法，對(duì)兩幀圖像是否存在不同之處加以利用，對(duì)目標(biāo)是不是屬于動(dòng)態(tài)目標(biāo)進(jìn)行判斷。假若屬于，那么便實(shí)施具體分析，若不屬于，則會(huì)選擇繼續(xù)監(jiān)測(cè)。進(jìn)行目標(biāo)捕獲之際，為讓計(jì)算量不再龐大，通過(guò)對(duì)背景消除法加以利用，從而讓前景得到吐出，同時(shí)將之當(dāng)成具體的對(duì)象進(jìn)行分析。如此一來(lái)，便讓計(jì)算圖像數(shù)據(jù)的量變少，進(jìn)而能更快的識(shí)別出火焰。在進(jìn)行應(yīng)用場(chǎng)合、處理速度以及具體算法性能等各個(gè)方面加以綜合考慮之后，對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)所選的方式為背景消除法。在利用混合高斯模型對(duì)背景實(shí)施設(shè)定之后，能夠更為精準(zhǔn)迅速的將運(yùn)動(dòng)目標(biāo)確認(rèn)下來(lái)。通過(guò)實(shí)測(cè)，意味著這一方式具備相應(yīng)的實(shí)際意義。

1.2.1? 背景消除算法

對(duì)背景所具備的參數(shù)模型加以利用，通過(guò)估算的方式得出其所具備的像素值，這一方式便是背景消除法，該方式會(huì)利用差分運(yùn)算，獲取前景，如果像素區(qū)具備不小的差距，則將之當(dāng)成前景像素，如果不具備太大差距，就意味著其屬于背景像素。下列為過(guò)程：假設(shè)Bi（x，y）、Ii（x，y）分別代表第i幀圖像中像素點(diǎn)（x，y）的背景像素值和當(dāng)前圖像的像素值，那么下式就是用來(lái)估計(jì)此位置下一幀的像素值 Bi+1（x，y）：

Bi+1（x，y）=（1-a） Bi（x，y） +aIi （x，y）（x，y）位置像素是靜止的;

= Bi（x，y）（x，y）位置屬于運(yùn)動(dòng)像素;

在上式內(nèi)，0～1為參數(shù)a所具備的取值范疇。對(duì)當(dāng)前以及背景圖像加以利用，同時(shí)利用以閾值為基礎(chǔ)的差分加以利用，便能夠獲取運(yùn)動(dòng)像素，緊接著將之利用二位聯(lián)通算法，使之形成團(tuán)塊，如此便能夠?qū)⑶熬皡^(qū)域提取出來(lái)。

1.2.2? 背景模型的建立

文章將混合高斯背景模型加以運(yùn)用，這一模型會(huì)對(duì)K個(gè)高斯分布加以利用，對(duì)圖像內(nèi)所有像素點(diǎn)所具備的特征進(jìn)行表征，同時(shí)利用對(duì)權(quán)值進(jìn)行調(diào)整，便可將其于整個(gè)高斯背景模型內(nèi)占據(jù)的比重調(diào)整好。當(dāng)獲取新的圖像，就需要對(duì)模型進(jìn)行更新，緊接著對(duì)已有的像素點(diǎn)加以利用，看其是否跟模型內(nèi)的像素點(diǎn)相匹配，只要能夠成功，就意味著這一像素點(diǎn)屬于像素點(diǎn)，否則就屬于前景點(diǎn)。圖2所呈現(xiàn)內(nèi)容為具體學(xué)習(xí)背景模型的過(guò)程。

由于場(chǎng)景中存在運(yùn)動(dòng)目標(biāo)或其他干擾噪聲，所以所構(gòu)建出來(lái)的背景圖像內(nèi)，有部分不屬于背景像素點(diǎn)，所以通過(guò)此類像素所構(gòu)建出來(lái)的高斯分布模型就得去掉。如若此類運(yùn)動(dòng)目標(biāo)噪聲并沒(méi)有長(zhǎng)期停留于整個(gè)場(chǎng)景區(qū)域內(nèi)的固定位置，那么與之對(duì)應(yīng)的優(yōu)先級(jí)以及權(quán)值則不會(huì)太大。根據(jù)權(quán)值大小來(lái)排列好K個(gè)高斯分布，那么前面B個(gè)高斯分布就能夠當(dāng)成背景模型B，下列是具體的定義：

B= min Σωj，xy>M

上式內(nèi)ωj，xy代表的是第j個(gè)高斯分布所具備的具體權(quán)值;所設(shè)定好的閾值則用M進(jìn)行表示，其代表著可以真實(shí)的對(duì)背景像素所占權(quán)重，如果M沒(méi)有太大的取值，就屬于高斯分布背景模型，反之，就屬于混合高斯分布背景模型。

1.3? 火焰的特征提取算法

將火焰區(qū)域完全確認(rèn)，便能夠提取火焰特征，假若圖像內(nèi)前進(jìn)出現(xiàn)了改變，那么得把它當(dāng)成目標(biāo)。在提取特征之際，算法有具體的目標(biāo)，如此一來(lái)，其計(jì)算量便會(huì)下降，同時(shí)識(shí)別速度也能夠得到提升。只有把火焰特征模型構(gòu)建起來(lái)，才能對(duì)目標(biāo)是不是屬于火焰進(jìn)行確認(rèn)，文章所用的火焰特征是形狀以及顏色。由于火焰所擁有的視覺(jué)特征較為強(qiáng)烈，形狀以及顏色均屬于比較突出的一個(gè)特點(diǎn)，故而做出上述選擇。盡管當(dāng)材料存在差異之際，火焰的顏色也存在差異，不過(guò)通常而言，火焰圖像不管是灰度級(jí)或是顏色，均存在相應(yīng)的分布規(guī)律。

1.3.1? 火焰的顏色特征

在構(gòu)建火焰顏色的具體模型時(shí)，需要讓圖像發(fā)生改變，使之變成HSI空間當(dāng)中存在的數(shù)字矩陣?？臻g之中對(duì)像素點(diǎn)進(jìn)行描述時(shí)一般會(huì)選取亮度以及色調(diào)飽和度，該方式不同于RGB空間內(nèi)所用的基于紅綠藍(lán)三種顏色的亮度值來(lái)對(duì)圖像進(jìn)行描述的方式。文獻(xiàn)[4]給出了火焰像素點(diǎn)需擁有下列條件：

0

20

100

式中，H（x，y）、S（x，y）、I（x，y）所代表的是像素點(diǎn)（x，y）具備的色調(diào)飽和度以及亮度。在式（3）內(nèi)所獲取的數(shù)據(jù)，均是以不少統(tǒng)計(jì)以及對(duì)比結(jié)果為基礎(chǔ)的。根據(jù)式（3）能夠發(fā)現(xiàn)，火焰像素點(diǎn)不管是色調(diào)飽和度抑或是亮度均能夠以上條件相符。所以，當(dāng)對(duì)目標(biāo)圖像所具備的特征進(jìn)行提取之際，第一步對(duì)該類特征進(jìn)行提取。不過(guò)，立足于具體情況可以發(fā)現(xiàn)，大空間圖像型火災(zāi)探測(cè)器往往會(huì)存在一些跟火焰相似的目標(biāo)出現(xiàn)干擾現(xiàn)象。假若僅利用上述特性對(duì)火焰實(shí)施判斷，明顯不具備十足的可靠性。當(dāng)判定條件過(guò)于寬松，就可能會(huì)導(dǎo)致誤判的情況發(fā)生，所以也得對(duì)另外一些特征進(jìn)行提取。

1.3.2? 火焰的形狀特征

為了把火焰所具備的形狀特征構(gòu)建起來(lái)，對(duì)火焰視頻內(nèi)大概2000幀圖像所具備的火焰形狀實(shí)施了具體的觀測(cè)。最終所獲結(jié)論為初始階段火焰所具備的面積會(huì)根據(jù)時(shí)間慢慢擴(kuò)張。下式（4）便是計(jì)算火焰面積變化速率的具體公式：

為將相鄰幀所發(fā)生的火焰面積變化捕捉到，通過(guò)對(duì)Kendall-τ檢測(cè)器加以利用。以下為Kendall -τ趨勢(shì)算法具體的表達(dá)式：

x（t）為輸入信號(hào)，所表示的是火焰目標(biāo)區(qū)域內(nèi)具備多少像素點(diǎn);單位躍階函數(shù)則用u（x）來(lái)進(jìn)行表示;通過(guò)試驗(yàn)之后，所確定下來(lái)的誤差閾值則用ε來(lái)進(jìn)行表示;對(duì)數(shù)據(jù)進(jìn)行觀測(cè)具體的窗口長(zhǎng)度則用N來(lái)進(jìn)行表示。

從形狀方面來(lái)看，火焰屬于跳動(dòng)性的，而且具體的分部是銳角，擁有一定的規(guī)則，同時(shí)其增大之后，所擁有的銳角數(shù)量會(huì)漸漸增加。在對(duì)銳角數(shù)量所發(fā)生的改變進(jìn)行觀測(cè)之后，同樣能夠?qū)δ繕?biāo)屬性實(shí)施具體判斷。

1.4? 目標(biāo)識(shí)別算法

通常而言，對(duì)模糊判決法加以利用的便是目標(biāo)識(shí)別算法。按照目標(biāo)圖像所具備的綜合特征，將之跟特征庫(kù)內(nèi)的實(shí)施對(duì)比，進(jìn)而對(duì)目標(biāo)是不是屬于火焰實(shí)施判斷。通過(guò)五原函數(shù)S（h，s，i，ΔA，Δa）能夠表示目標(biāo)所具備的特征，在式子內(nèi)，h、s、i所表示的是目標(biāo)區(qū)域內(nèi)，各個(gè)像素點(diǎn)所具備的平均亮度以及色調(diào)飽和度，ΔA則標(biāo)志著目標(biāo)區(qū)域所產(chǎn)生的面積方面的改變。為讓對(duì)比變得更為方便，必須將一個(gè)處于合理范疇之內(nèi)的閾值ST確認(rèn)下來(lái)，如若目標(biāo)跟標(biāo)準(zhǔn)特征彼此出現(xiàn)的差值處于閾值范疇，便能做出火焰的判斷，如若不然則將之做出干擾的判斷。按照文獻(xiàn)[5]所用到的試驗(yàn)方法計(jì)算以及觀測(cè)2000幅圖像，便能夠獲取最終統(tǒng)計(jì)的閾值結(jié)果。

2? 測(cè)試結(jié)果

通過(guò)對(duì)以上算法加以利用，測(cè)試所有的圖像，所有圖像均是來(lái)源于2分鐘視頻。表1中將目標(biāo)不同之時(shí)h、s、i、ΔA、Δa五個(gè)元素具體的取值以及判決結(jié)果列出。通過(guò)試驗(yàn)統(tǒng)計(jì)，當(dāng)火焰面積出現(xiàn)1000尖角的改變時(shí)，可將之視作火焰。從結(jié)果來(lái)看，很明顯能夠?qū)?yīng)實(shí)際情況，因此意味著該算法能夠判斷火焰。

3? 結(jié)語(yǔ)

通過(guò)對(duì)背景消除法加以運(yùn)用，將監(jiān)測(cè)圖像內(nèi)的目標(biāo)前進(jìn)確認(rèn)下來(lái)，從而讓計(jì)算量變小，最終讓算法具備更高的效率。所用的是混合高斯模型這一背景模型，所選擇的是亮度以及色調(diào)飽和度之類的圖像特征。通過(guò)對(duì)為數(shù)不少的圖片實(shí)施特征統(tǒng)計(jì)，最終對(duì)閾值進(jìn)行判定。對(duì)于固定目標(biāo)，通過(guò)判定閾值以及特征計(jì)算方式，最終所獲結(jié)果能夠看出，通過(guò)對(duì)這一算法加以利用，最終所獲結(jié)果能夠符合實(shí)際，同時(shí)計(jì)算速度能夠讓監(jiān)控現(xiàn)場(chǎng)所需的實(shí)施監(jiān)測(cè)得到滿足。

參考文獻(xiàn)：

[1]蘇祺，何昌原，張永平.基于BP神經(jīng)網(wǎng)絡(luò)的早期火災(zāi)圖像識(shí)別軟件[J].消防科學(xué)與技術(shù)，2019，38（12）：1723-1726.

[2]落巨貴.可視圖像早期火災(zāi)報(bào)警系統(tǒng)在石化行業(yè)的應(yīng)用測(cè)試探討[J].石油化工安全環(huán)保技術(shù)，2020，36（03）：34-37+66+7.

[3]金怡.可視圖像早期火災(zāi)報(bào)警系統(tǒng)[J].消防技術(shù)與產(chǎn)品信息，2018，31（12）：84-86.

[4]王心瑜.圖像處理在火災(zāi)檢測(cè)和消防報(bào)警中的應(yīng)用研究[J].今日消防，2019，4（05）：22-23.

[5]趙強(qiáng)，徐小發(fā)，張洋，郭益錚，王青云.基于物聯(lián)網(wǎng)的遠(yuǎn)程火災(zāi)報(bào)警系統(tǒng)的設(shè)計(jì)[J].信息與電腦（理論版），2020，32（14）：114-116.

Research on rapid identification

algorithm for initial fire stage in Large

space of raw material storage and transportation

Xu Wei，Ding Songling，Wu Fuhui，Sha Wanli，Chen Yan

（Zhejiang zheneng Jiahua Power Generation Co.， Ltd.;Zhejiang Hepu Industrial Co.， Ltd.）

Abstract：This paper provides a new algorithm for identifying flame images in large space buildings. First， the program fetches target images by establishing a background characteristics model. Then， based on the fixed initial fire model， this algorithm can identify targets by their color and appearance. In the end， a final result will be given by its pattern recognition algorithm. The test results show that the algorithm can capture and recognize flame images quicklywith a low misjudgment rate， which can be used as the basis for early fire warning of large space buildings.

Keywords：largespace;flameimage;patternrecognition;characteristics fetching;fire detection