考慮ZigBee無(wú)線通信的智能倉(cāng)庫(kù)火災(zāi)監(jiān)控研究

張家興，張振榮

(廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院，廣西 南寧 530004)

1 引言

倉(cāng)庫(kù)是各類物資的存儲(chǔ)場(chǎng)所，其中包含一些高風(fēng)險(xiǎn)的易燃、易爆、有毒貨物[1]，但如果無(wú)法及時(shí)發(fā)現(xiàn)火災(zāi)[2，3]，造成嚴(yán)重的經(jīng)濟(jì)損失，也會(huì)威脅相關(guān)工作人員的安全。為有效管理倉(cāng)庫(kù)安全，避免火災(zāi)現(xiàn)象發(fā)生，劉樹東[4]等人提取視頻內(nèi)多個(gè)圖像為樣本數(shù)據(jù)，去霧處理樣本圖像，通過(guò)基于Horn-Schunck光流法的煙霧檢測(cè)算法實(shí)現(xiàn)煙霧檢測(cè)，采用最大類間方差法消除相鄰幀圖像的像素質(zhì)量差異，使用擴(kuò)散性定理評(píng)估火災(zāi)現(xiàn)象。但該方法抗干擾能力不強(qiáng)，火災(zāi)評(píng)估結(jié)果誤報(bào)率較高。羅勝[5]等人按照煙霧動(dòng)態(tài)軌跡特征，運(yùn)用切片策略在卷積神經(jīng)網(wǎng)絡(luò)中獲得時(shí)間壓縮軌跡特征，使用循環(huán)神經(jīng)網(wǎng)絡(luò)提取長(zhǎng)程時(shí)間關(guān)聯(lián)關(guān)系，通過(guò)分塊方法增強(qiáng)精準(zhǔn)計(jì)算煙霧軌跡并發(fā)出火災(zāi)預(yù)警。但該方法神經(jīng)網(wǎng)絡(luò)訓(xùn)練周期較長(zhǎng)，無(wú)法保證火災(zāi)檢測(cè)結(jié)果及時(shí)性。

為改善傳統(tǒng)方法火情分析方法應(yīng)用的弊端，將倉(cāng)庫(kù)信息采集與傳輸作為首要研究目標(biāo)，提出一種基于ZigBee無(wú)線通信技術(shù)的智能倉(cāng)庫(kù)火災(zāi)監(jiān)控方法。利用高斯建模計(jì)算火焰的顏色特征，完成火災(zāi)區(qū)域標(biāo)記，運(yùn)用主機(jī)、協(xié)調(diào)器等模塊創(chuàng)建ZigBee無(wú)線通信技術(shù)下智能倉(cāng)庫(kù)信息傳輸系統(tǒng)，通過(guò)卡爾曼濾波方法完成智能化、高精度的倉(cāng)庫(kù)火災(zāi)監(jiān)控任務(wù)。

2 火災(zāi)區(qū)域標(biāo)記

挑選N幀初始圖像作為得到背景幀圖像的原始訓(xùn)練數(shù)據(jù)，針對(duì)一個(gè)背景圖像而言，其像素亮度分布條件必須滿足高斯分布，背景圖像E(x，y)點(diǎn)亮度的收斂條件為

I(x，y)～N(u，σ)

(1)

式中，u、σ分別代表各個(gè)背景像素的均值與方差，各個(gè)點(diǎn)的高斯分布均為獨(dú)立狀態(tài)。

建模圖像背景內(nèi)的各像素根據(jù)高斯分布狀態(tài)，更新N幀初始圖像訓(xùn)練獲得的參數(shù)，依照更新后的背景圖像獲得原始背景幀[6]，將更新像素點(diǎn)參數(shù)的過(guò)程描述為：

u(t+1，x，y)=a×u(t，x，y)+(1-a)×I(x，y)

(2)

其中，u表示像素點(diǎn)灰度平均值，a是更新參數(shù)，t是更新周期。

高斯建模后獲得二值化的前景圖像，同時(shí)在圖像內(nèi)計(jì)算動(dòng)態(tài)區(qū)域輪廓，并添加輪廓標(biāo)記，極大提升了火災(zāi)區(qū)域跟蹤效率。設(shè)定原始輸入狀態(tài)矢量是(x，y，w，h，0，0)，x、y代表動(dòng)態(tài)范圍輪廓的中心坐標(biāo)，w、h分別表示輪廓的寬度與高度。按照火災(zāi)初始階段火焰呈現(xiàn)出的特質(zhì)，使用火焰色彩完成火災(zāi)區(qū)域標(biāo)記。

彩色圖像內(nèi)，火焰的內(nèi)核為亮白色，外部伴隨溫度的下降顏色逐步由黃變紅，因此，火焰的紅色分量與亮度是劃分火焰的關(guān)鍵特征[7]。火焰色彩分量擁有很多內(nèi)在關(guān)聯(lián)，紅色分量大于等于綠色分量，且火焰圖像飽和度與亮度值極高。挑選如下顏色判斷解析式，分析火焰色彩的特征點(diǎn)

R(x，y)≥105

(3)

R(x，y)≥G(x，y)≥B(x，y)

(4)

S(x，y)≥0.2

(5)

(6)

(7)

max=max(R(x，y)，G(x，y)，B(x，y))

(8)

min=min(R(x，y)，G(x，y)，B(x，y))

(9)

其中，R(x，y)、G(x，y)、B(x，y)分別表示圖像坐標(biāo)(x，y)位置像素點(diǎn)和紅綠藍(lán)色彩分量，S(x，y)、I(x，y)分別代表飽和度與亮度。掃描初始圖像動(dòng)態(tài)區(qū)域各像素點(diǎn)，若此像素點(diǎn)同時(shí)滿足式(3)～(9)，則此像素點(diǎn)是疑似火焰點(diǎn)。計(jì)算此區(qū)域全部的疑似像素點(diǎn)，分析疑似火焰點(diǎn)占該區(qū)域像素總值的比例，若比例高于10%，標(biāo)記該區(qū)域?yàn)榛鹧嬉伤茀^(qū)域。

3 基于ZigBee無(wú)線通信技術(shù)的火災(zāi)動(dòng)態(tài)區(qū)域跟蹤

為更好地收集倉(cāng)庫(kù)內(nèi)的細(xì)節(jié)信息，及時(shí)挖掘潛在的火災(zāi)威脅因素[8]，運(yùn)用ZigBee無(wú)線通信技術(shù)建立一個(gè)智能倉(cāng)庫(kù)信息傳輸系統(tǒng)。本文信息傳輸系統(tǒng)涵蓋主機(jī)、協(xié)調(diào)器、路由器、監(jiān)控節(jié)點(diǎn)四部分。系統(tǒng)硬件中的無(wú)線煙霧報(bào)警器通過(guò)中央處理器、傳感器板塊與發(fā)射板塊共同構(gòu)成。系統(tǒng)架構(gòu)如圖1所示。

圖1 ZigBee無(wú)線通信技術(shù)下智能倉(cāng)庫(kù)信息傳輸系統(tǒng)

利用ZigBee無(wú)線通信傳輸系統(tǒng)獲得足夠的倉(cāng)庫(kù)監(jiān)控信息后，利用卡爾曼濾波算法有效識(shí)別倉(cāng)庫(kù)火災(zāi)險(xiǎn)情?？柭鼮V波使用待計(jì)算目標(biāo)的方位、速率與加速度來(lái)定義目標(biāo)狀態(tài)向量，按照遞推策略[9]，持續(xù)更新目標(biāo)形態(tài)并實(shí)現(xiàn)檢測(cè)。

卡爾曼濾波為一個(gè)線性連續(xù)系統(tǒng)[10]，將其記作

(10)

其中，表示系統(tǒng)的n維狀態(tài)矢量，w(t)、v(t)均是p維零均值白噪聲矢量，A(t)代表n×n維系統(tǒng)矩陣，B(t)表示n×p維擾動(dòng)輸入矩陣，z(t)代表m維測(cè)量矢量，H(t)為m×n維測(cè)量矩陣。

離散化計(jì)算式(10)，得到

(11)

其中，Φ、Γ表示離散化系數(shù)。

卡爾曼濾波計(jì)算過(guò)程如下：設(shè)定輸入的n維目標(biāo)狀態(tài)向量為x，那么先驗(yàn)估計(jì)的推導(dǎo)公式為

(12)

其中，F(xiàn)表示傳遞矩陣，C為一個(gè)具備狀態(tài)更改功能的n×c矩陣，wk為過(guò)程噪聲。

(13)

使用式(13)計(jì)算測(cè)量值z(mì)k，并更新誤差協(xié)方差矩陣，得到

(14)

其中，Hk表示k時(shí)段下的測(cè)量矩陣，F(xiàn)T為轉(zhuǎn)置矩陣，Qk-1為過(guò)程噪聲wk的協(xié)方差矩陣。

使用卡爾曼濾波器追蹤倉(cāng)庫(kù)中的動(dòng)態(tài)區(qū)域，明確被追蹤區(qū)域是否連續(xù)存在，特征檢測(cè)多幀動(dòng)態(tài)區(qū)域，并以此判定火焰大小。

4 智能倉(cāng)庫(kù)火災(zāi)監(jiān)控及報(bào)警

動(dòng)態(tài)目標(biāo)檢測(cè)即從ZigBee傳輸網(wǎng)絡(luò)中獲得的視頻圖像中完成目標(biāo)識(shí)別任務(wù)，當(dāng)前大多使用的目標(biāo)檢測(cè)算法包含幀間差分法、光流法[11]等。圓形度可清晰展現(xiàn)出物體或區(qū)域范圍形態(tài)復(fù)雜度水準(zhǔn)，將其描述成

(15)

其中，S為物體/某個(gè)區(qū)域的面積，L表示周長(zhǎng)。周長(zhǎng)代表區(qū)域邊界長(zhǎng)度，這里的周長(zhǎng)是目標(biāo)動(dòng)態(tài)輪廓邊界白點(diǎn)的數(shù)量。不規(guī)則物體的圓形度小于1，若火焰圓形度處于0.3～0.7區(qū)間，推斷該區(qū)域可能發(fā)生火災(zāi)。

因火焰燃燒時(shí)形狀的復(fù)雜性，導(dǎo)致火焰動(dòng)態(tài)范圍中心在水平與垂直兩個(gè)方向上不停抖動(dòng)。持續(xù)記錄N幀圖像各動(dòng)態(tài)范圍中心點(diǎn)坐標(biāo)的位移量，排除規(guī)則動(dòng)態(tài)方向的物體干擾。將輪廓中心表達(dá)式記作

(16)

式中，M、O依次為輪廓點(diǎn)的寬度與高度。

若(Xn，Yn)、(Xn-1，Yn-1)為鄰近兩幀圖像的相同輪廓中心點(diǎn)坐標(biāo)，(DXn，DYn)為鄰近兩幀圖像相同輪廓中心點(diǎn)坐標(biāo)差值，創(chuàng)建計(jì)數(shù)器CT1、CT2，得到如下對(duì)應(yīng)關(guān)系：

(17)

火焰處于隨時(shí)變化狀態(tài)，因此DXn、DYn的取值在大于0和小于0之間。在火場(chǎng)內(nèi)的人體位移一般是面向一個(gè)方向活動(dòng)的，在持續(xù)的若干幀圖像內(nèi)，CT1、CT2均符合式(18)的收斂式，可確認(rèn)倉(cāng)庫(kù)產(chǎn)生火災(zāi)程度，進(jìn)行報(bào)警。

(2

(18)

ZigBee無(wú)線通信技術(shù)下的信息傳輸系統(tǒng)中，主機(jī)和協(xié)調(diào)器之間利用串口進(jìn)行通信，協(xié)調(diào)器和路由器利用無(wú)線連接傳遞采集到的倉(cāng)庫(kù)信息，無(wú)線煙霧報(bào)警器會(huì)定時(shí)分析倉(cāng)庫(kù)內(nèi)火災(zāi)動(dòng)態(tài)的信息，傳遞給協(xié)調(diào)器，報(bào)警器穩(wěn)定運(yùn)行時(shí)會(huì)步入周期性休眠形態(tài)[12]，降低節(jié)點(diǎn)消耗量，煙霧報(bào)警節(jié)點(diǎn)使用CC2530芯片作為中央處理器，此芯片擁有優(yōu)秀的接收靈敏度與抗干擾性，功耗較低，可以很好地完成倉(cāng)庫(kù)內(nèi)部信息處理與傳輸工作。觸發(fā)蜂鳴器報(bào)警工作過(guò)程如圖2所示。

圖2 無(wú)線煙霧報(bào)警器工作流程

系統(tǒng)軟件設(shè)計(jì)使用Visual Studio研發(fā)平臺(tái)，主界面融合倉(cāng)庫(kù)火災(zāi)信息傳輸?shù)莫?dú)特需求，包含如下幾個(gè)板塊：串口參變量設(shè)定、環(huán)境監(jiān)測(cè)、數(shù)據(jù)庫(kù)、現(xiàn)場(chǎng)圖像監(jiān)測(cè)和節(jié)點(diǎn)數(shù)據(jù)。運(yùn)用Matlab平臺(tái)創(chuàng)建火災(zāi)預(yù)警模型[13]，分析倉(cāng)庫(kù)產(chǎn)生火災(zāi)的幾率，在SQL Server數(shù)據(jù)庫(kù)儲(chǔ)存火災(zāi)記錄，在節(jié)點(diǎn)數(shù)據(jù)板塊引入休眠機(jī)制，優(yōu)化網(wǎng)絡(luò)信息處理能力。

ZigBee無(wú)線通信網(wǎng)絡(luò)中的節(jié)點(diǎn)會(huì)定時(shí)收集倉(cāng)庫(kù)所屬范圍中的傳感器數(shù)據(jù)，利用路由器探尋傳輸路徑并輸送至協(xié)調(diào)器，協(xié)調(diào)器把數(shù)據(jù)經(jīng)過(guò)串口上傳至計(jì)算機(jī)中[14]。計(jì)算機(jī)融合處理傳感數(shù)據(jù)，在環(huán)境監(jiān)測(cè)板塊內(nèi)展現(xiàn)倉(cāng)庫(kù)不同區(qū)域的傳感數(shù)據(jù)與報(bào)警信息。

產(chǎn)生火災(zāi)事故時(shí)，數(shù)據(jù)庫(kù)板塊會(huì)自動(dòng)記錄并顯現(xiàn)出歷史火災(zāi)信息，計(jì)算機(jī)使用協(xié)調(diào)器給傳感節(jié)點(diǎn)傳送倉(cāng)庫(kù)實(shí)時(shí)圖像與預(yù)警指令。傳感節(jié)點(diǎn)開啟蜂鳴器報(bào)警，收集現(xiàn)場(chǎng)圖像[15]，把圖像傳輸給計(jì)算機(jī)，快速地將倉(cāng)庫(kù)現(xiàn)場(chǎng)信息傳輸給外圍工作人員，提供可靠的滅火決策數(shù)據(jù)。

5 仿真研究

設(shè)計(jì)仿真驗(yàn)證本文算法的可靠性，實(shí)驗(yàn)中對(duì)比方法為文獻(xiàn)[4]提出的基于機(jī)器視覺的火災(zāi)監(jiān)控方法和文獻(xiàn)[5]提出的基于時(shí)間壓縮法的火災(zāi)監(jiān)控方法，實(shí)驗(yàn)分為數(shù)據(jù)傳輸性能和火災(zāi)圖像識(shí)別兩部分。仿真工具為MATLAB 2020b，仿真參數(shù)如表1所示。

表1 仿真參變量

5.1 數(shù)據(jù)傳輸性能

圖3為三種方法節(jié)點(diǎn)動(dòng)態(tài)為10m/s時(shí)網(wǎng)絡(luò)的傳輸帶寬情況。

圖3 網(wǎng)絡(luò)傳輸帶寬實(shí)驗(yàn)結(jié)果

從圖3看到，本文方法的網(wǎng)絡(luò)傳輸帶寬要遠(yuǎn)遠(yuǎn)高于兩個(gè)文獻(xiàn)方法。這是因?yàn)楸疚姆椒ㄈ矫婵紤]了倉(cāng)庫(kù)圖像數(shù)據(jù)傳輸過(guò)程中的網(wǎng)絡(luò)能耗與時(shí)延元素，利用ZigBee無(wú)線通信技術(shù)極大降低了因簇頭節(jié)點(diǎn)受限產(chǎn)生的傳輸擁堵現(xiàn)象，因此擁有很高的網(wǎng)絡(luò)傳輸帶寬。

圖4為節(jié)點(diǎn)動(dòng)態(tài)速率為20m/s時(shí)，三種方法數(shù)據(jù)傳輸網(wǎng)絡(luò)延時(shí)情況。

圖4 網(wǎng)絡(luò)傳輸時(shí)延檢測(cè)結(jié)果

觀察圖4看到，實(shí)驗(yàn)次數(shù)較少時(shí)，三種方法的傳輸時(shí)延無(wú)明顯差距，但伴隨傳輸次數(shù)的不斷增多，逐步凸顯出本文方法的優(yōu)勢(shì)。原因在于機(jī)器視覺法沒有考慮通過(guò)優(yōu)化簇頭節(jié)點(diǎn)的方法增強(qiáng)網(wǎng)絡(luò)擁堵控制能力，極易產(chǎn)生因簇頭節(jié)點(diǎn)失效導(dǎo)致延時(shí)變多。時(shí)間壓縮法在數(shù)據(jù)傳輸時(shí)只考慮了流量過(guò)載多產(chǎn)生的網(wǎng)絡(luò)延時(shí)的影響，分析角度不夠全面，方法在大量實(shí)驗(yàn)次數(shù)中展現(xiàn)出一定不足。本文方法中添加了休眠機(jī)制，大幅減少簇頭節(jié)點(diǎn)的能量消耗情況，降低了數(shù)據(jù)重傳次數(shù)，從而改善了網(wǎng)絡(luò)延時(shí)現(xiàn)象。

5.2 火災(zāi)監(jiān)控識(shí)別

挑選倉(cāng)庫(kù)監(jiān)控視頻1000幀圖像完成火災(zāi)監(jiān)控識(shí)別檢測(cè)，為降低計(jì)算量，將視頻裁剪成80*80的分辨率，實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 火災(zāi)監(jiān)控識(shí)別結(jié)果

根據(jù)圖5可知，由于火災(zāi)發(fā)生后火焰面積為持續(xù)性、拓展性的增長(zhǎng)趨勢(shì)，機(jī)器視覺法進(jìn)行火災(zāi)識(shí)別時(shí)，誤將發(fā)光的物體，即路燈識(shí)別成火災(zāi)位置，證明該方法無(wú)法排除火災(zāi)火焰相似特征的發(fā)光物體的干擾，極易產(chǎn)生誤判。時(shí)間壓縮法在火焰照亮火光背景中，因發(fā)生流動(dòng)變化，誤把煙霧當(dāng)作火焰，計(jì)算結(jié)果也產(chǎn)生了一定偏差。而本文方法全方位分析火焰的色彩、輪廓等數(shù)據(jù)，可在多幀圖像內(nèi)準(zhǔn)確挖掘火情，實(shí)用性較強(qiáng)。

為及時(shí)發(fā)現(xiàn)火情并采取對(duì)應(yīng)滅火措施，對(duì)火災(zāi)的高效率識(shí)別尤為重要，圖6為三種方法火災(zāi)識(shí)別效率對(duì)比。

圖6 倉(cāng)庫(kù)火災(zāi)識(shí)別效率對(duì)比

根據(jù)圖6可知，本文方法識(shí)別時(shí)間較為穩(wěn)定，效率遠(yuǎn)高于兩個(gè)文獻(xiàn)方法。綜合以上實(shí)驗(yàn)內(nèi)容可知：本文方法構(gòu)建的火災(zāi)監(jiān)控網(wǎng)絡(luò)能快速采集并傳輸倉(cāng)庫(kù)內(nèi)部信息，同時(shí)具備優(yōu)秀的火災(zāi)識(shí)別速度，得到更加精準(zhǔn)的倉(cāng)庫(kù)火情信息。

6 結(jié)論

為保證倉(cāng)庫(kù)貨物安全，維護(hù)企業(yè)或個(gè)人的經(jīng)濟(jì)利益，提出一種ZigBee無(wú)線通信技術(shù)下智能倉(cāng)庫(kù)火災(zāi)監(jiān)控方法。所提方法能有效獲取準(zhǔn)確鎖定火情位置，得到火災(zāi)細(xì)節(jié)特征，并完成及時(shí)快速的災(zāi)情預(yù)警，便于采取對(duì)應(yīng)的應(yīng)急舉措，大幅降低火災(zāi)發(fā)生的概率與財(cái)產(chǎn)損失，實(shí)用性強(qiáng)，可廣泛應(yīng)用于現(xiàn)實(shí)場(chǎng)景中。