基于视频图像分析的火燃检测及其应用

文章编号：１００２—８６９２（２００６）０８—００９２—０５　基于视频图像分析的火燃检测及其应用　杨俊。王润生　（国防科技大学ＡＴＲ国家重点实验室，湖南长沙４１００７３）　・综述・　【摘　要】综合分析了目前视频火焰检测技术中几个主要方面，包括可视探测技术的优势，火燃事件的特性分类和视觉特征的描　述，具有代表性的检测算法，典型的系统解决方案及其发展趋势等，同时也探讨了其中涉及的若干关键问题，并展望了相关研究的　应用前景。　【关键词】计算机视觉；火焰；烟雾；视频监视；实时警报；视频图像检测　【中图分类号】ＴＰ３９１。４１　【文献标识码１　Ａ　Ａ　Ｓｕｒｖｅｙ　ｏｎ　Ｆｉｒｅ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｖｉｄｅｏ　Ｉｍａｇｅ　Ａｎａｌｙｓｉｓ　ＹＡＮＧ　Ｊｕｎ，ＷＡＮＧ　Ｒｕｎ－ｓｈｅｎｇ　（ＡＴＲ　Ｎａｔｉｏｎａｌ　Ｌａｂ，Ｎａｔｉｏｎａｌ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｄｅｆｅｎｓｅ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ　４１００７３．Ｃｈｉｎａ１　【Ａｂｓｔｒａｃｔ】Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｓｏｍｅ　ｍａｉｎ　ｉｓｓｕｅｓ　ａｂｏｕｔ　ｖｉｄｅｏ　ｆｉｒｅ　ｄｅｔｅｃｔｉｏｎ　ａｒｅ　ｒｅｖｉｅｗｅｄ　ａｎｄ　ａｎａｌｙｚｅｄ，ｉｎｃｌｕｄｉｎｇ　ｔｈｅｉｒ　ａｄｖａｎｔａｇｅｓ，ｔｈｅ　ｃｌａｓｓｅｓ　ａｎｄ　ｍｏｄｅｌｓ　ｏｆ　ｔｈｅ　ｖｉｓｕａｌ　ｆｉｒｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ，ｓｏｍｅ　ｒｅｐｒｅｓｅｎｔａｔｉｖｅ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　ｆｉｒｅ　ｓｕｒｖｅｉｌｌａｎｃｅ　ｓｙｓｔｅｍｓ　ｂａｓｅｄ　ｏｎ　ＶＩＤ．Ｉｎ　ａｄｄｉｔｉｏｎ，ｓｏｍｅ　ｋｅｙ　ｐｒｏｂｌｅｍｓ　ａｎｄ　ｔｈｅ　ｎｅａｒ　ｆｕｔｕｒｅ　ａｂｏｕｔ　ｆｉｒｅ　ＶＩＤ　ａｒｅ　ａｌｓｏ　ｄｉｓｃｕｓｓｅｄ　ｃｏｎｃｉｓｅｌｙ．　【Ｋｅｙ　ｗｏｒｄｓ】ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ；ｆｉｒｅ／ｌｆａｍｅ；ｓｍｏｋｅ；ｖｉｄｅｏ　ｓｕｒｖｅｉｌｌａｎｃｅ；ｒｅａｌ—ｔｉｍｅ　ａｌａｒｍ；ＶＩＤ（ｖｉｄｅｏ　ｉｍａｇｅ　ｄｅｔｅｃｔｉｏｎ）　１　引言　用于安全监测和早期预警的烟火自动监测一直受　到社会各界的广泛关注，人们利用各类信息传感器开发　出多种烟火监测系统用于各类场所的辅助消防。传统的　烟火监测主要面向烟雾、热和辐射３类对象，其中大部　规监测器的触发信号主要来自于间接信息，但线索的间　接性决定了传统检测器性能上存在以下局限：１）空间适　用性有限；２）信息可靠性和可用性较弱；３）早期反应能　力的局限；４）成本、通用性和扩展能力的缺陷。　２．２视觉感知的优势　分采用的都是面向烟雾颗粒、温度、相对湿度、空气透明　度等现象的点式采样传感器，也包括紫外、红外等光谱　测量仪【１１。而这些现场级的近距传感器和专业光电设备　在可操作性、可靠性、检测率、场地适用性、成本费用及通　用性等方面存在不同程度的局限。为此，人们引入了适应　性更强，通用性更好的基于视频图像分析的火燃监测技　术。目前，视频火焰检测的应用主要还是集中于火灾报警　和消防，监测对象主要是可见的火焰和烟雾。本文主要研　采集烟火事件的直接信息主要有两种途径：对于热、　紫外、红外等辐射特征，可借助专业光电仪器对物体表面　直接探测；对可视信息，可直接利用标准的视频相机实时　采集和在线监视，也可通过视频图像分析软件实现火焰　的自动检测。视频火焰检测器相对于常规检测器有如下　优势：１）直接主动的遥测能力；２）监测场所的空间适用　性；３）远程监视、实时报警与离线分析相结合；４）廉价、　通用性和扩展能力；５）支持多传感器的信息融合。　究基于火焰视觉特性的火燃检测技术，对于烟雾检测的　研究暂不涉及。　３　火焰的视觉特征　总体上讲，火焰的可视特征主要有静态特征和动态　特征两类，两者都比较显著，且始终共存互补，但也都具　有一定的复杂性和多样性，很难被精确地描述和建模。　３．１静态视觉特征　２　视频火燃监测的优势　２．１常规检测器的局限性　依据信息来源不同，与火燃事件发生有关的可探测　信息可分为直接信息和间接信息两类。前者就是火焰本　身的特性，包括亮度、颜色、区域形状和运动变化等可视　信息，也包括燃烧产生的热（温度）和紫外、红外等不可见　的辐射特性；后者主要指燃烧过程中与可燃材料或空气　发生氧化作用而产生附属物质（如烟雾）或促使周围环境　火焰的静态视觉特征主要包括光谱信息和空间结构　两方面。前者主要指亮度和颜色，而后者主要是具有火焰　颜色的像素区域的内部结构和边缘轮廓。火焰的光谱信　息显著而多样，其显著性主要体现在与周围环境强烈的　亮度对比和独特的颜色模型上。一般光照背景中的火焰　具有突出的亮度，是灰度图像中检测火焰的重要线索。而　发生变化的现象（如附近物体表面的温度、色度和光强的　变化，周围空气的温度、湿度和透明度的变化）。显然，常　火焰的颜色不仅在ＲＧＢ，ＨＩＳ，ＨＳＶ等颜色空间模型中具　疃朔技耀　维普资讯 http://www.cqvip.com

有特定的动态范围，在火焰区域的光谱颜色分布上也具　有持续的由内到外的环形嵌套的变化结构，反应了火焰　静态特征的复杂。火焰的色调一般介于红黄之间，温度的　变化或燃料的不同会使其发生变化。彩色图像中，高温的　火焰内核会呈现亮白色，向外随温度降低颜色会由黄变　橙、到红。这说明较低温的火光颜色饱和度较高，高温下　饱和度较低，而且白天或其他光照下火焰颜色的饱和度　较夜晚或无光照环境中要强。非常高温时或对某些特殊　燃料也可能产：生蓝色的火焰。在灰度图像中，也可看出核　架，整个检测流程分为信号特征、结构分析、时频分析和　目标认证４个层次，其检测方法下面分３类加以讨论。　区域层次特征　输　谱　入　特　视　征　频　模　的　型　１　运　候　Ｉ　序变化特征　｝　／—、　／—＼　光　｝　ｌ１　动中　选　区　｝　１錾Ｉ　１　事　区　实　１　火　焰　火　焰　域　生　长　真　火　焰　目　标　图　＾　的　火　１　焰　＋　颜　｝　域　１　　Ｉ的　核　层　１　ｌ　件　１　发　生　÷　心部分明显比边缘亮。　单凭静态光谱特性来鉴别真实火焰是不够的，场景　像序帧列／　　空间运动特件　网　ｌ　藿｝　ｌｌ１　候选色区域　　分结构次析　Ｉ　１橱　ｌ１认的时空证　与　势　趋　分　析　掩　模　输　出　＼／　　中的阳光或类似火焰颜色的其他光源的存在也容易导致　误检。燃烧中的火焰始终处于持续的变化状态决定了火　焰区域结构上的复杂性。首先，火焰区域不同于一般的刚　体结构，火焰区域的形状、大小和颜色分布都在不断的变　化当中，呈现为云状的变形区域；其次，对应于光谱颜色　随温度的变化，火焰区域的内部也呈现一定的层次结构。　一般具有一个或多个相对稳定的高温核，核的周围呈环　状扩展，离核越远的结构稳定性越差，但对于全局场景，　火焰区域的整体在一定时段内还是相对静止的。　３．２动态视觉特征　火焰的动态特征最具特色也最复杂，主要原因在于　燃烧的物化本质以及空气湍流的驱动。火焰具有随机性、　层次性和时频性：一是相对低频的火焰区域的整体运动，　表现为区域形变、生长和移动；一是火焰边缘的随机运　动。前者反应了火焰状态的变化，如因火势产生火焰区　域尺度的变化或因空气流动而产生的移动和变形；后者　之所以称为随机运动是由于燃烧中的气化反应和空气湍　流导致火焰外围（火苗）的无序火苗闪动，是一种持续的　高频时序变化，在没有强空气扰动的情况下，这种闪动在　视觉上主要表现在火苗部分，核心部分仍相对稳定。实验　表明，火焰闪动在具有一定的与材料和燃器无关的动态　频率范围（１０　Ｈｚ左右），即目标的轮廓、色度或亮度都具　有０．５～２０　Ｈｚ之间的变化频率（像素１　ｓ内反复出现和消　隐的数次）是可能存在火焰的重要信号。因此，空间层次　在动态变化中也有所体现，焰心的运动比外围抖动要稳　定，而火焰生长相对于火苗闪动则低频而有向。　不难看出，火焰的静态特征与动态特征之间存在紧　密的相关性，对火焰的特性分析与建模中必须综合考虑　两者的存在。　４　视频火焰检测方法的研究　回顾已有的研究，主要都是围绕火焰视觉特征的分　析和建模展开的，综合现有的模型和检测算法，本文归纳　出如图１所示的基于计算视觉的视频火焰检测的层次框　信号特征层　１结构分析层耐频分析层　目标认证层　图１基于计算视觉的视频火焰事件检测层次框架　４．１基于火焰颜色像素的方法　早期的视频火焰检测主要通过火焰颜色在色度空间　中的特定分布模型从图像或视频中分离出具有火焰颜色　的像素区域。如基于灰度图像的处理方法，用了多部黑白　相机，还引入了对烟雾的时差分析。它利用亮度对比法或　帧差法从背景中提取火焰，但性能受监测距离的影响严　重。而采用点式热传感器，通过黑白相机监测不同位置点　的亮度变化，通过热能转移流模型反向求解火源的位置、　尺寸和强度，能较精确地检测火焰位置，但需要专业的传　感器，并已知配置点位置才能有效计算。可见，仅靠灰度　图像检测火焰的适用性和可靠性明显不足。　基于火焰显著的颜色信息，利用彩色图像处理可很　大程度上抑制亮度条件（如背景光照）变化导致的误检。　为提高夜间检测能力，Ｃａｐｐｅｌｌｉｎｉ等［２１提出一种利用彩色　视频从烟雾中识别火焰的方法；Ｈｅａｌｙ和Ｆｏｏ等　，　则利用　颜色加运动来区分火焰区域，但需要人为初始化相机视　窗，固定相机；Ｙａｍａｇｉｓｈｉ和Ｙａｍａｇｕｃｈｉｔ￣１］用ＨＳＶ颜色模　型来削弱人造光、阳光、风动、火焰尺寸和探测距离等方　面的影响，依据序列图像中火焰颜色区域的色调与饱和　度的连续变化来分割火焰区域，用边缘算子和极坐标变　换提取区域轮廓，引人时空波动方程结合连续的极坐标　变换结果形成了时序伏动的火焰轮廓数据，再提取其傅　里叶频域特征输入神经网络来判别真实火焰；Ｈｏｒｎｇ和　Ｐｅｎｇ等［６１选择接近人类视觉感知的ＨＩＳ彩色空间模型来　描述火焰颜色，利用颜色分解提取火焰颜色区域，通过序　列差分和颜色掩模滤除具有火焰颜色的其他目标或火光　反射区。以上方法都过多地关注火焰本身的存在性，不能　提供燃烧的状态和过程信息（考虑火灾的经济损失，这些　信息至关重要），需要人工估计误检。Ｃｈｅｎ和Ｋａｏ等　采　用了一种二阶决策机制，先利用火焰颜色检测其存在性，　再判断火焰的蔓延或消减状态，在火焰颜色的分析中也　Ｎｏ．８　２００６（Ｓｕｍ　Ｎｏ．２９０）　Ｖ嘲　∞Ｅ翔帕　维普资讯 http://www.cqvip.com

重曼蕉堕堕　复　堡……　．　引入ＨＩＳ模型，火焰像素的决策通过Ｒ通道的亮度和饱　和度推演得出，比较Ｒ，Ｇ，Ｂ之间亮度分量的比例可以估　计半透明的烟雾存在，再利用火焰运动反复校验来检测　出燃烧的状态变化趋势。　４．２基于光谱信息引入空间结构和运动特征的方法　实际上，不管是灰度分析还是彩色分析，仅靠静态的　光谱特征仍难以有效描述和鉴别真实火焰。所以，人们开　始结合结构和运动特征来改进火焰的光谱特征模型及其　检测算法。Ｐｈｉｌｌｉｐｓ和Ｓｈａｈ等综合了火焰像素的颜色及　其时变特性，引入了火焰区域的形状识别，提出对火焰区　域的建模包括：１）与周围环境形成强烈对比；２）具有环　状嵌套的颜色分布结构；３）运动中的火焰仍具有相对稳　定的宏观形状（取决于燃烧材料的形状），而边缘局部　的形状却处于不断快速变化中，即低频区保持稳定，高频　部随机闪动。该方法采用帧间像素的绝对亮度差分来计　算火焰的连续闪动，为削弱全局运动的误导，还减去了非　火焰颜色的像素微分。Ｈｏｒｎｇ和Ｐｅｎｇ等以帧间火焰颜色　区域的掩模差来定义火焰的非序运动。Ｃｈｅｎ和Ｗｕ等ｉｓ］　认为火焰的动态特征包括火苗闪动、区域变形、整体蔓延　和红外抖动等，利用变化检测来判别火焰的闪动，以面积　变化检测火焰的生长，该模型效率较高，但过于简单，可　靠性较差。　Ｆａｓｔｃｏｍ开始利用ＦＦＴ频域峰值来描述和检测火焰　时变的边缘像素；Ｌｉｕ和Ａｈｕｊａｆｇ］￣４先用光谱和结构模型　来提取候选的火焰区域，用傅里叶系数描述这些区域的　边缘轮廓，然后通过相邻帧间的前向估计获取各区域的　自回归（Ａｕｔ０ｒｅｇｒｅｓｓｉｖｅ／ＡＲ）模型参数，再以傅里叶系数和　ＡＲ模型参数为特征对火焰区域进行分类。候选区检测　中只涉及到光谱和空间结构特征，提取对应焰核的高亮　部分作为种子，沿光谱梯度方向生长区域，将具有高似然　火焰颜色的邻域像素引入区域，再用阈值检验区域边缘　上具有内部颜色的像素比例，滤除接近纯色的区域。Ｌｉｕ　等在形状检测中构建了图２所示环状嵌套的火焰区域结　构模型，以ｌＤ傅里叶系数描述区域的２Ｄ轮廓，再用系　数的ＡＲ模型（可以描述不同频率等级的时序变化）描述　火焰边缘运动。但是，在频域中描述火焰区域形状的变化　也存在严重缺陷：由于火焰的随机闪动不属于纯正弦类　的周期运动，很难利用ＦＦｒ检测其时序峰值。另外，傅里　叶变换不能承载时间信息，必须利用时窗检测，而时窗尺　寸过长可能看不到峰值，过短又可能完全失去周期而没　有峰值。为此，人们开始从小波时频分析和随机过程理论　中寻求相关的解决办法。　图２环状嵌套的火焰区域结构模型　电视技求　丽　４．３基于时频状态分析的火焰闪动检测方法　由于燃烧的火焰具有燃料和燃具无关的高频特性，　为此，Ｔｔｉｒｅｙｉｎ和Ｄｅｄｅｏｇｌｕ等【】０／不仅检测运动中的火焰颜　色区域，还利用小波变换来分析该区域运动的时频特性　以估计火焰的闪动。小波可以探测整个频带而不失时间　信息Ⅲ　２］，小波变换可利用子带分解滤波器组来完成而不　需任何批处理。鉴于混乱的高频活动不仅存在于火焰边　缘也存在于火焰内部，为此，Ｔｔｉｒｅｙｉｎ等不仅用小波变换　系数的零界点来判定火焰边缘颜色的高频时变，还可利　用空间小波分析火焰内部颜色的空间变化。Ｆａｓｔｃｏｍ虽没　有利用这种颜色变化性，却利用了空间小波系数的能量　变化来对火焰内部高频运动进行检测，因为其他火焰颜　色运动目标的内部颜色没有变化，也就一般不存在小波　系数值的变化。Ｄｅｄｅｏｇｌｕ和Ｔｔｉｒｅｙｉｎｆ”］不仅利用小波分析　来检测火焰的随机闪动，还结合了目标边缘的周期性分　析来减少相似颜色的运动目标的干扰。　其实真实火焰的闪动频率不是连续一致的而是随　时变化的，是一种随机事件。ＭａｒｋＯＶ模型已被广泛应用　在语音识别系统中，最近也被引入到计算视觉的分析任　务中。基于Ｍａｒｋｏｖ模型对火焰闪动过程进行建模相对　于频域分析的方法更具鲁棒性。如果目标的轮廓呈现快　速地时变就表明场景中很可能存在火焰，这种时序行为　可直接体现在被考查像素的颜色分量的变化中。Ｍａｒｋｏｖ　模型可以描述彩色空间中像素相对位置的状态，通过离　线训练帧间的火焰像素可模拟火焰的空间一时间特性，　当然也要针对非火焰像素进行学习，以区别真实火焰和　其他火焰颜色的运动目标。同时，ＭａｒｋＯＶ模型还可以描　述火焰颜色分布的空间变化。火焰区域的时序生长在空　间上表现为一种接近周期变化的运动行为，却不能被周　期性检测。沿着贯穿火焰区域的线，彩色空间中像素位　置的变化接近于周期内所观察到火焰像素的位置变化，　Ｍａｒｋｏｖ模型可以获取相关火焰边缘的时序变化的线　索。文献【１４】采用的是一种三状态ＭａｒｋＯＶ模型来时序训　练火焰和非火焰像素，像素状态之间的转移概率在火焰　边缘的预测周期时间内被离线估计。训练中不仅学习周　期内火焰边缘的闪动方式，还拟合火焰区域的空间特性　参数。　５　烟火ＶＩＤ系统解决方案　目前，国内外投人使用的实用系统中单纯的烟火　ＶＩＤ系统还很少，多数都是对已有常规系统的可视化改　造，随着ＶＩＤ技术的发展及其优越性的逐渐体现，越来　越多的先进系统开始转向以视频监视为平台，以机器视　觉为核心，融合多种探测信息来综合提升系统的早期预　警、智能分析和远程监控能力。基于ＶＩＤ的烟火监测系　维普资讯 http://www.cqvip.com

，４１ｑＪｌｉｅａｔｉｏｔｔ＆ｐＪ．．　ｓｏｆ；ｉｄｅ．ｔｅｅｈｎｏｌｏｇＪｅ统一般都包括现场视频采集、火燃检测与决策、实时报　警输出、信息分析和鉴定、监视显示终端和控制工作站　等组成单元。下面以３种实际系统介绍典型的系统解决　力；多传感器（ＶＩＤ、声音、近红外、紫外／红外）融合的检测　和决策方法；对点式检测器的性能提升；多个传感器提供　更好的空间覆盖率；对闷燃事件的快速反应；通过视频对　方案。　５．１　ＳｉｇｎｉＦｉｒｅ　系统（ｈｔｔｐ：／／ｗｗｗ．ａｘｏｎｘ．ｃｏｒｎ）　突发事件的可视化鉴别，相同硬件上的多功能集成，对现　有视频系统的软件升级能力；节约安装与维护费用。　模块化的设计使得Ｖｏｌｕｍｅ　Ｓｅｎｓｏｒ（ＶＳ）在实时效率　和环境适用方面显得更加灵活，必要时可方便地增加或　拆除某个子系统，定义和生成了多种格式的系统数据来　支持从传感器到融合算法的信息传输。多种技术的融合　ＳｉｇｎｉＦｉｒｅＴＭ系统主要应用在车站／港口、博物馆等公　共场所或建筑场所。其系统基于先进的ＦＳＭ一８ＤＶＲ视频　平台，采用标准的ＣＣＴＶ相机，有８个模拟视频通道和覆　盖全局的多单元ＩＰ网络，通过［ｎｔｅｍｅｔ实时传送警报，　实现远程监视和事件回放。系统中的计算机配置为：３．０　使ＶＳ系统的可靠性更强，相对于常规ＶＩＤ系统具有更　ＧＨｚ　Ｐｅｎｔｉｕｍ＠４处理器；ＨＴ５１２　ＭＢ内存；４１３０　ＧＢ硬盘；　采集输出的视频分辨率达到３２０ｘ２４０（ＮＴＳＣ）；可利用　ＴＣＰｆｌＰ或数字视频输出监测事件；监测范围（３０。倾角）覆　盖距离２００　ｆｏｏｔ内的３ｘ３　Ｓｑｕａｒｅ　ｆｏｏｔ面积的火焰和３００　ｆｏｏｔ内ｌＯｘ３０　Ｓｑｕａｒｅ　ｆｏｏｔ的烟雾；对火焰事件的反应时　间可达到４　Ｓ，对烟雾为１５－６０　Ｓ，运动目标为１　Ｓ内。监测　事件由用户定义，如监测区域和监视时间表等，单个区域　可对应多个时间表，重复事件以天／周，月／年为周期，支持　超过２１整天的单事件记录。　ＳｉｇｎｉＦｉｒｅＴＭ系统具有比常规烟监测器更快的反应速　度和更低的误警率，支持的监测事件包括视野可见的火　焰，超出视野的火焰，生成烟雾或环境烟雾以及运动目标　等。基于ＶＩＤ算法，用具有亮核和闪动环冠的火焰特征　模式监测可见火焰；利用反映在邻近物体表面上的火光　闪动元素检测不可见火焰；对于羽状烟雾，分析由于烟雾　存在可能导致的异常现象及其时序变化来确定烟雾的弥　漫；对于环境烟雾，借助对远离光源的光扩散过程和图像　中较亮物体的变化来检测伴随烟雾的积累形成的特征模　式；对于一般入侵事件，利用不同位置的视频监视记录来　检测不同时间出现的意外运动目标。　ＳｉｇｎｉＦｉｒｅＴＭ系统是目前最先进，效率最高的烟火事件　ＶＩＤ系统之一。２００３－２００４年美国海军研究实验室的一　项测试中对３类常规点式烟火检测器和３类商业ＶＩＤ　系统进行性能比较。结果，ＳｉｇｎｉＦｉｒｅＴＭ系统的检测率与离　子烟检测器相当，却比光学烟检测器快得多，而且比包括　其他两类ＶＩＤ系统在内的所有系统更快捷，并可以检测　到更多的火焰事件，包括特殊的闷燃。　５．２　Ｖｏｌｕｍｅ　Ｓｅｎｓｏｒ系统（ｈｔｔｐ：／／ｗｗｗ．ｈａｉｉｆｒｅ．ｃｏｍ）　该系统是在ＶＩＤ系统基础上扩展构建的融合多元　信息的综合监测系统。检测对象不仅包括烟火和运动，还　支持对气液泄漏、管道破裂或淹溢等意外事故的实时感　知和早期报警。系统建立在现有视频监视平台上，借助计　算视觉、机器学习、光谱分析、声学感知和模式识别等多　项技术，对烟火和突溢事件实施多元立体的远程监测和　识别。其优势体现在：具有对更多类破坏事件的检测能　高的检测和抗噪能力；引入光谱、声学以及长波视频图像　信号提高了系统的辨别能力，声音和视频的结合分析对　火焰、管道破裂、气液泄漏、淹溢、物理损坏和人员跟踪等　对象的监测都具有潜在的提升作用。　Ｓ．３　Ｓｅｎｓｅ－ＷＡＲＥ系统（ｈｔｔｐ：／／ｗｗｗ．ｓｅｒｋ￣ｅ—ｗａｒｅ．ｃｏｒｎ　１　Ｓｅｎｓｅ－ＷＡＲＥ是一种专门针对意外燃烧或气体泄漏　现象的企业级检测系统，融人了多种传感信息和智能分　析技术，包括可见火焰的相机检测，火焰的光电检测，烟　检测和点式热检测等单元模块。其中，可见火焰检测单元　是一种基于有线电视的微组装相机监测器，集视频采集　和火焰检测于一体，具有常规检测器不具备的对热扩散　烟雾、焊接光辐射和其他不可见于扰元素的抑制能力。该　系统主要应用在涡轮机房、焊接场地、船只引擎房、纸张　或画布的干燥房、印刷机或其他挤压类设备车间等接近　火源或易产生燃烧的机器作业场所。　６　关键问题的几点讨论　综上所述，笔者提出以下几方面的看法：　１）任务特殊性与系统通用性的有效结合　不同企业或个人对消防安全的任务需求不尽相同，　有选择地配置专业烟火检测设备，虽然　有利于提高检测　精度和节约成本，但难免牺牲系统的通用性，维护和升级　困难。以现有视频监视平台为基础的烟火ＶＩＤ系统可以　将任务的特殊性和系统的通用性有机结合起来，既可针　对任务需求的变化对ＶＩＤ软件进行改进和升级，也可借　助信息融合途径引入其他传感信息（光、热、声、烟等）来　综合提高检测精度，这一点在Ｖｏｌｕｍｅ　Ｓｅｎｓｏｒ系统中得　到充分体现；其次，日益普及的视频监视系统提供了通用　性很强的硬件平台，本身就具有采、编、存、传、播能力，追　加先进的机器视觉方法就可以在目标检测、识别、跟踪、　分类和检索等方面为系统整体的智能化改造提供支持。　２）事件描述的全面性和复杂性　综述目前的视频火焰检测技术，针对火焰视觉特征　的分析愈加深入和全面。但必须承认，视觉特征显著的背　后是火焰复杂的非线性的随机运动，且受外界条件影响　Ｎｏ．８　２００６（Ｓｕｍ　Ｎｏ．２９０）’　ＶＤ日Ｄ刨∞Ｅ褂帕　维普资讯 http://www.cqvip.com

设臻技１ｌｃ匝甩ｓＩ程　严重，要充分有效地量化描述火焰事件还有很多问题亟　待解决。考虑到描述复杂度与检测效率之问的矛盾，笔者　监测系统。当然，除了消防安全，火焰ＶＩＤ在影视分级、　内容检索、工业监控和军事侦查等方面也具有应用前景。　参考文献　【１】ＣＬＥＡＲＹ　Ｔ　Ｇ，ＧＲＯＳＳＨＡＮＤＬＥＲ　Ｗ　Ｌ　Ｓｕｒｖｅｙ　ｏｆ　ｆｉｒｅ　ｄｅｔｅｃｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ａｎｄ　ｓｙｓｔｅｍ，　ｉｎ　ｅｖａｌｕａｔｉｏｎ／ｃｅｒｔｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄｏｌｏｇｉｅｓ　ａｎｄ　认为，火焰的特性分析和建模应该重视特征选择的显著　性，有效引入机器学习方法来挖掘特定条件下相对突出　的视觉信息，力图在不失可靠性的情况下，简化模型和减　少冗余计算，提高系统自适应性。　３）视频检测的实时性　ｔｈｅｉｒ　ｓｕｉｔａｂｉｌｉｔｙ　ｆ０ｒ　ａｉｒｃｒａｆｔ　ｃａｒｇｏ　ｃｏｍｐａｒｔｍｅｎｔｓ　】．【Ｓ．１．］：ＵＳ．Ｄｅｐｔ．ｏｆ　Ｃｏｍｍｅｒｃｅ，Ｔｅｃｈｎｏｌｏｇｙ　Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｎａｔｉｏｎａｌ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｔａｎｄａｒｄｓ　ｎｄ　Ｔｅｃｈｎｏｌａｏｇｙ，１９９９．　视频监控系统具有实时（３０ｆ／ｓ以上）的采集效率，先　进的视频系统甚至集实时的在线采集、压缩编码、网络传　输和广播能力于一体。但要实时报警突发事件，要求ＶＩＤ　［２］２　ＣＡＰＰＥＬＬＩＮＩ　Ｙ，ＭＡＴｒＩＩ　Ｌ，ＭＥＣＯＣＣＩ　Ａ．Ａｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｓｙｓｔｅｍ　ｆｏｒ　Ａｕｔｏｍａｔｉｃ　Ｆｉｒｅ　Ｄｅｔｅｃｔｉｏｎ　Ｉｎ　Ｆｏｒｅｓｔｓ］Ｃ］／／Ｐｒｏｃ．ｏｆ　ＩＥＥＥ　３ｔｈ　Ｉｎｔｅｒ－　模块的效率更高。在保证一定正确率的同时要达到或接　近实时的检测效率，不仅要优化算法，还要尽量简化信息　的转换环节，包括离线学习、视频编、解码和传输等过程。　Ｓｅｎｓｅ—ＷＡＲＥ系统的微组装相机监测器技术具备这方面　简约优势和前期处理能力。此外，基于视觉注意的显著　计算和压缩域视频的分析技术值得关注，有效地利用相　关技术可能大大提高机器视觉软件处理的效率。　４）系统性能评估的综合性　对各种烟火检测系统的性能应综合评估。最主要的　指标是检测能力，包括监测范围、误检率和反应速度等。　此外，系统的安装和维护成本，可操作性，场所适用性，抗　噪能力，自检能力，兼容性，扩展能力等也都需要考虑，甚　至视频平台本身的常规性能和网络性能也有必要考查。　另外，前端采集单元的空问配置对缓解监视覆盖率与硬　件消耗之问的矛盾也具有重要的实际意义，值得重视。　５）多传感器融合的必然　单纯依赖可视信息显然不足以有效监测所有可能的　意外烟火（如闷燃、无烟焰、遮挡等），需要其他信息的增　强。针对不同的材料、场景和任务，适当引入温度、热辐　射、湿度、紫￣＇Ｉ－／红外、甚至声音等信息传感器，形成空间　和时间上的信息互补，为立体化的综合决策提供更充分　有力的线索。目前许多ＶＩＤ系统都不同程度地采取了信　息融合的解决方案，完整系统可能由多个可视相机、红外　相机、热传感器、气象传感器等与相关信息数据库混合配　置。一种融合多检测系统的结构框图，包括信号层、特征　层和决策层三级。　７　小结　本文的研究内容属于计算视觉中针对视频数据的动　态信息挖掘问题，不仅涉及图像特征的提取和处理，还要　分析视频时序方向的动态行为。基于ＶＩＤ的火焰监测器　多方面优越性于传统的点式烟火检测器，主要是图像信　息的可视化和视频平台的高效性。但值得重申的是，单凭　可视信息仍然难以充分描述和检测各种突发的火燃事　件，有必要融合多种感知信号开发多元化立体化的综合　电视拉球／　０曲年南　（　０期ｊ　ｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎｓ．　ｉｓ．１．］：　ＩＥＥＥ　Ｐｒｅｓｓ，１９８９．　【３】ＨＥＡＬＥＹ　Ｇ，ＳＬＡＬＥＲ　Ｄ，ＬＩＮ　Ｔ．Ａ　ｓｙｓｔｅｍ　ｆｏｒ　ｒｅａｌ－ｔｉｍｅ　ｆｉｒｅ　ｄｅ—　ｔｅｃｔｉｏｎ］Ｃ］／／Ｐｒｏｃ．ｏｆ　ｔｈｅ　ＩＥＥＥ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇ－　ｎｉｔｉｏｎ．［Ｓ．Ｉ＿］－ＩＥＥＥ　Ｐｒｅｓｓ，１９９３．　【４］ＦＯＯ　Ｓ　Ｙ．Ａ　ｒｕｌｅ－ｂａｓｅｄ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｓｙｓｔｅｍ　ｆｏｒ　ｆｉｒｅ　ｄｅｔｅｃｔｉｏｎ　ｉｎ　ａｉｒｃｒａｆｔ　ｄｒｙ　ｂａｙｓ　ａｎｄ　ｅｎｇｉｎｅ　ｃｏｍｐａｒｔｍｅｎｔｓ【Ｊ１．　Ｋｎｏｗｌｅｄｇｅ－Ｂａｓｅｄ　Ｓｙｓｔｅｍｓ，１９９５．９（８）：５３１－５４１．　【５］ＹＡＭＡＧＩＳＨＩ　Ｈ，ＹＡＭＡＧＵＣＨＩ　Ｊ．Ｆｉｒｅ　ｆｌａｍｅ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ＵＳ　ｉｎｇ　ａ　ｃｏｌｏｒ　ｃａｍｅｒａ【ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｍｉｃｒｏｍｅｃｈａｔｍｎｉｃｓ　ａｎｄ　Ｈｕｍａｎ　Ｓｃｉｅｎｃｅ．Ｊａｐａｎｅｓｅ　Ｎａｇｏｇｃｅ：［ｓ．ｎ．１，１９９９．　【６］ＨＯＲＮＧ　Ｗｅｎ－ｂｉｎｇ，ＰＥＮＧ　Ｊｉａｍ－ｗｅｎ，ＣＨＥＮ　Ｃｈｉｎ－ｙｕａｎ．Ａ　ｎｅｗ　ｉｍａｇｅ－ｂａｓｅｄ　ｒｅａｌ—ｔｉｍｅ　ｆｌａｍｅ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｕｓｉｎｇ　ｃｏｌｏｒ　ａｎａｌｙｓｉｓ．【ＣＦ／　Ｐｍｃ．ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｉｎｔｅｒｕａｔｉｏｎｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｔｗｏｒｋｉｎｇ，Ｓｅｎｓｉｎｇ　ａｎｄ　Ｃｏｎｔｒｏ１．【Ｓ．Ｉ＿］：ＩＥＥＥ　Ｐｒｅｓｓ，２００５．　【７］７　ＣＨＥＮ　Ｔ　Ｈ，ＫＡＯ　Ｃ　Ｌ，ＣＨＡＮＧ　Ｓ　Ｍ．Ａｎ　ｉｎｔｅｌｌｉｇｅｎｔ　ｒｅａｌ－ｔｉｍｅ　ｉｆｒｅ－ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　Ｏｎ　ｖｉｄｅｏ　ｐｒｏｃｅｓｓｉｎｇ．ｉｎ　Ｓｅｃｕｒｉｔｙ　Ｔｅｃｈｎｏｌｏ—　ｙｇ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　３７ｔｈ　Ａｎｎｕｍ　２００３　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃａｒｎａｈａｎ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｅｃｕｒｉｗ，Ｔｅｃｈｎｏｌｏｇｙ．Ｔａｉｗａｎ　Ｃｈｉｎａ：ＩＥＥＥ　Ｐｒｅｓｓ，２００３．　【８］ＣＨＥＮ　Ｔ　Ｈ，ＷＵ　Ｐ　Ｈ，ＣＨＩＯＵ　Ｙ　Ｃ．Ａｎ　ｅａｒｌｙ　ｆｉｒｅ—ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ【ｃ］／／Ｐｒｏｃｅｓｓｉｎｇ　ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａ—　ｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ．【Ｓ．Ｉ．］：ＩＥＥＥ　Ｐｒｅｓｓ，２００４．　［９　ＬＩＵ　Ｃ　Ｂ，ＡＨＵＪＡ　Ｎ．Ｖｉ９］ｓｉｏｎ　ｂａｓｅｄ　ｆｉｒｅ　ｄｅｔｅｃｔｉｏｎ【ｃ］／／Ｐｒｏｃ．ｏｆ　ＩＥＥＥ　１７ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ．【Ｓ．Ｉ．］：ＩＥＥＥ　Ｐｒｅｓｓ，２００４．　【１０］Ｔｔｉｒｅｙｉｎ　Ｂ　Ｕ，ＤＥＤＥＯＧＬＵ　Ｙ，ＧＵＤＯＫＢＡＹ　Ｕ，ｅｔ　ａ１．Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　Ｂａｓｅｄ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｒｅａｌ－ｔｉｍｅ　Ｆｉｒｅ　ａｎｄ　Ｆｌｍａｅ　Ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｓｈｏｒｔ　Ｃｏｍｍｕｎｉｃｎｔｉｏｎ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｌｅｔｔｅｒｓ，２００６，２７（１）：４９－５８．　【１１］ＣＥＴＩＮ　Ａ　Ｅ，ＡＮＳＡＲＩ　Ｒ．Ｓｉｎｇａｌ　ｒｅｃｏｖｅｒｙ　ｆｒｏｍ　ｗａｖｅｌｅｔ　ｔｒｎａｓｆｏｒｍ　ｍａｘｉｍａ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓ．，１９９４，４２（１）：１９４－１９６．　【１２】ＭＡＬＬＡＴ　Ｓ，ＺＨＯＮＧ　Ｓ．Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ　ｏｆ　ｓｉｎｇａｌｓ　ｆｒｏｍ　ｍｕｌｔｉｓｃａｌｅ　ｅｄｇｅｓ［Ｊ｝．ＩＥＥＥ　Ｔｒａｎｓ．Ｐａｔｔｅｍ　Ａｎａ１．Ｍａｃｈｉｎｅ　Ｉｎｔｅｌ１．，１９９２，１４（７）：７１０－－７３２．　【１３】ＤＥＤＥＯＧＬＵ　Ｎ．Ｒｅａｌ－ｔｉｍｅ　ｆｉｒｅ　ａｎｄ　ｆｌａｍｅ　ｄｅｔｅｃｔｉｏｎ　ｉｎ　ｖｉｄｅｏ［Ｃ］／／　Ｐｒｏｃ．ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎｄ　Ｓｉｇ－　ｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ．【Ｓ．Ｉ＿］：ＩＥＥＥ　Ｐｒｅｓｓ，２００５．　【１４】Ｔｔｉｒｅｙｉｎ　Ｂ　Ｕ，ＤＥＤＥＯＧＬＵ　Ｙ，ＣＥＴＩＮ　Ａ　Ｅ．Ｆｌａｍｅ　Ｄｅｔｅｃｔｉｏｎ　ｉｎ　Ｖｉｄｅｏ　Ｕｓｉｎｇ　Ｈｉｄｄｅｎ　Ｍａｒｋｏｖ　Ｍｏｄｅｌｓ．【ｃ］／／Ｐｒｏｃ．ｏｆ　ＩＥＥＥ　ｏｎ　Ｉｎｔｅｒｎａ—　ｔｉｏｎ　Ｃｏｎｆｅｒｅｎｃｅ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ．【Ｓ．Ｉ＿］：ＩＥＥＥ　Ｐｒｅｓｓ，２００５．　◇　责任编辑：刘伯义　收稿日期：２咖睡锄　＿ｏ２