CN104971458B - 基于自动跟踪定位射流灭火装置的多火源识别方法 - Google Patents

Abstract

本发明公开了基于自动跟踪定位射流灭火装置的多火源识别方法。该方法首先通过射流灭火装置中的紫外火灾探测器对其保护范围内的火警情况进行实时监控，在火灾预警信号的触发下，启动灭火装置中的视频图像采集模块对火灾信号加以识别确认，通过目标融合及分割等手段准确识别出各个火焰目标及其最大着火点。并利用计算机视觉技术对火灾位置进行准确定位，最后进行多目标灭火路径的规划。本发明旨在提供一种在火灾发生时能自动识别的方法，以达到在一次扫描工作流程中对保护区域内的所有火灾及时扑救的目的。

Description

基于自动跟踪定位射流灭火装置的多火源识别方法

技术领域

本发明涉及火灾探测技术领域，尤其涉及基于自动跟踪定位射流灭火装置的多火源识别方法。

背景技术

近年来，我国对于高大空间建筑火灾监控研究取得了一定成果，其中，自动消防炮作为集探测、定位、扑救于一体的智能灭火系统具有广阔的发展前景。在一些无人看守的重点保护区域，对消防炮的技术要求也越来越高。寻找一种高效的自动灭火方法将成为未来消防炮发展的一个重要方向。

近年来，随着各种火灾传感器技术的发展，目前市场上的自动跟踪定位射流灭火装置多为基于紫外火焰传感器和红外火焰传感器，这类传感器一般都比较敏感，对声音电磁波及震动十分敏感，存在一定的误报率，使用环境受到一定的限制。当灭火装置在距离火焰较近或保护区域内出现多火源时，则存在不能准确探测和定位火源的缺陷，同时也无法判断火势的大小。这主要是由于这种装置中大多采用的是红外能量热释电方式进行定位探测，但当火焰能量过强时，造成红外热释电器件过饱和，无法对火焰能量准确定位。

视频图像技术引入到火灾监控中，可以有效解决高大空间火灾自动识别和火源定位的问题。

发明内容

本发明要解决的技术问题是提供基于自动跟踪定位射流灭火装置的多火源识别方法。

为了解决上述技术问题，本发明采用的技术方案是：基于自动跟踪定位射流灭火装置的多火源识别方法，包括以下步骤：

(1)利用紫外光电管进行火灾监测：对灭火装置保护范围内的火灾情况进行实时监测，一旦发现火情，则发出预警信号，该预警信号不包含火灾位置、规模信息；

(2)在出现火灾预警信号的情况下，通过安装在射流灭火装置上的图像采集模块进行视频采集，启动图像探测功能；

(3)对自动消防炮的红外定位盲区进行图像探测：

a)通过采集到的视频图像判断是否有火焰可疑目标，如果无可疑目标，则直接进入步骤(5)；

b)如果有可疑目标，则进一步采集视频图像；

c)根据采集到的视频图像，进行运动区域跟踪提取可疑目标区域；

d)对跟踪到的可疑目标进行目标融合和分割，从而获取最终待决策的目标；

e)对决策目标进行特征提取和融合，通过目标的面积波动、频谱特征分析，从而进一步进行火焰的判定，识别出监控现场中的真实火焰目标个数；

f)判断目标个数是否大于1，如果监控范围内仅有1个目标，则进入定位流程，否则根据视场范围内的目标进行灭火路径规划；

(4)红外定位盲区内的灭火路径规划：

g)依次计算各个目标的垂直定位角度，并计算最小定位角度，选取垂直定位角度最小的目标作为首次定位目标，如果目标超出摄像机的垂直视场角，则将其特征Over_Label标记为1，如果目标没有超出摄像机的垂直视场角，则Over_Label＝0；

h)如果有两个或以上的垂直定位角度相同且为最小，则计算其水平定位角度，选取水平定位角最小的目标作为首次定位目标；

i)如果定位首个目标定位过程中，视场范围内仍出现多目标，则利用标记Over_Label进行目标匹配；

j)对该目标进行扑救结束后，炮管返回报警初始位置，重复步骤g)至i)，直至所有目标均被扑救结束；

(5)启动水平红外扫描流程，红外探测器发出预警信号后则启动垂直扫描流程，同时进行视频图像采集和处理，一旦触发图像火焰预警，则停止扫描，进一步采集视频图像进行火焰识别：

k)连续采集两帧视频图像并进行差分和二值化处理，检测图像中有无运动目标；

1)如果不存在运动目标，则退出该步骤，如果存在运动目标，采集第一帧图像，并进行图像预处理操作，包括图像二值化和去噪处理；然后进行目标分割，分割出来的目标结果为：表示首帧图像中共有个目标；并以首帧图像检测到的目标初始化目标链表序列：

再连续采集19帧视频图像，并对每帧图像中的目标进行分割，目标分割结果为：

其中k_i表示在第i帧图像中共有k_i个目标；

在每帧图像进行目标分割之后，将第1至k_i个目标与目标链表序列Targets_List进行一一匹配，如果存在当前目标没有得到匹配，则在链表序列后添加新的链表；所有视频图像处理完全后，目标链表模型为：

在该模型中共有n个目标链表，其中第j个链表的长度为P_j，模型中的目标元素总和与20帧图像中的目标个数总和相等，即

剔除目标链表中的瞬时目标，仅保留链表长度大于一定阈值的目标作为可疑目标；

m)图像预处理：包括图像二值化和形态学操作，图像二值化采用了一种改进OTSU算法，形态学处理滤除了图像中的噪声点，目标分割更加完整；具体的算法是：

在对每一帧图像进行目标分割的同时，计算累积运动图像AM，所有图像累加结束后，对累积进行二值化处理，累积图像的二值化处理如下：判断累积图像AM中在任意一点(x，y)的值是否大于显现阈值Cycle·ρ，如果大于该阈值，则该像素点为有效像素，标记为1，否则标记为0，用公式表示为：

其中，Cycle为处理视频处理周期(20帧)，ρ为显现率阈值，这里选ρ＝0.2；

累积图像二值化后同样需经过滤波处理去除孤立点，然后经过目标分割。分割得到的目标记为AM_Targets＝[O₁，L O_m]，共有m个目标；

n)目标提取和目标匹配，这里采用了基于静态特征的匹配模型；

o)待所有图像处理完全后，提取目标链表中各目标的静态特征和动态特征；

具体是根据AM_Targets中的目标特征对其进行逐个判决，通过目标的面积波动和频谱特征分析，将满足报警条件的目标判定为火焰目标；

p)多特征融合判决；

q)如果没有目标，则重新进入步骤(5)；如果仅有1个目标，则进入定位扑救流程；如果有多个目标，则进入灭火路径规划和定位扑救流程。

本发明的有益效果是：

1)本发明利用了视频图像处理技术，通过图像探测和定位的手段实现火焰的准确识别和精确定位，克服了现有技术采用红外、紫外火焰传感器作为火灾探测定位所不能适用的某些场所缺点，如：探测器受到阳光或其他光源引起的误报，通过图像识别技术可以降低误报率；

2)在红外探测盲区内的火焰探测算法中，采用了基于累积运动图像的目标融合方法，通过累积运动图像的目标分割结果和目标链表进行一一匹配，将属于同一目标的特征进行融合，提高了识别的准确性。

3)本发明中的视频图像火焰探测技术，可以将视场范围内的火焰进行一次识别和标记，定位过程中引入了目标匹配算法，提高了火焰定位的准确性。

4)当保护范围内出现多处火情时，通过多目标火焰识别及灭火路径规划，提高了扑救效率，有效的控制火势的蔓延。

5)在系统一次扫描流程中，实现保护范围内的全方面保护，节省了系统运行时间。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明基于自动跟踪定位射流灭火装置的多火源识别方法实施例的系统流程示意图。

图2是本发明基于自动跟踪定位射流灭火装置的多火源识别方法实施例的操作流程框图。

图3是本发明基于自动跟踪定位射流灭火装置的多火源识别方法实施例的火焰识别过程中的目标融合和分割结果。

图4是本发明基于自动跟踪定位射流灭火装置的多火源识别方法实施例的多目标火焰的识别结果。

具体实施方式

图1给出了一种基于自动跟踪定位射流灭火装置的多火源识别方法的系统流程示意图。本实施例的总体流程为：在灭火装置的紫外探测器报警之后，启动图像探测功能，若当前视场范围内有火警信息，则判读是否有多个目标，若有多个目标则进行灭火路径规划，进行目标定位和扑救，若只有一个目标则直接进行定位扑救。如果当前视场范围内无火焰，则启动扫描流程，对整个保护区域内进行360度全方位扫描。

图2给出了在扫描流程中的多火焰识别方法：首先启动水平扫描，水平扫描的旋转范围为0～360度，在水平扫描过程中启动红外火焰传感器，一旦出现预警信号，则停止水平扫描，启动垂直扫描，垂直扫描的俯仰范围为0～120度。垂直扫描的过程中开启视频图像火焰预检测功能，若存在火焰预警信号，则停止扫描，开启图像火焰精确识别模式，对视场范围内的可疑目标进行精确识别，若无火焰目标则继续扫描；若有火焰目标则直接进入目标定位扑救流程；若存在多个火焰目标则通过灭火路径规划进行目标的定位和扑救。

本实施例中由于摄像机视场角的不同，所以图像火焰探测算法由多个模块构成，适用于不同的视场角或运动流程。在对红外探测盲区内的火焰探测时，采用了基于累积运动图像的目标融合方法。图3为一个火焰目标经过融合后的结果，图3(a)为目标的灰度图像，在未经过目标融合时，每一帧所分割出来的目标个数均不等，如图3(b)为其中一帧图像的分割结果，共有3个可疑目标(即图中可见3个方框)，在识别周期的20帧图像中，通过目标匹配的方式，共有10个目标链表，每个目标的长度均不等，而实际上它们属于同一真实火焰目标，如果不经过目标融合处理，不仅在识别判决过程中造成特征的丢失，同时也不利于目标定位和扑救，因此引入了目标融合概念。这里的目标融合采用了基于累积运动图像的方法，将识别周期内的运动目标进行累积，最终得到累积运动图像，图3(c)为火焰目标的累积图像。通过累积运动图像的目标分割结果和目标链表进行一一匹配，将属于同一目标的特征进行融合，图3(d)为目标融合后的分割结果(在图中合并成为一个方框)。图4为保护范围内出现多个火焰目标时的识别结果，通过目标融合的方式，将不连续的目标完整分割出来，达到了多火源识别目的。

本实施例中的红外定位盲区图像探测算法具体实施步骤如下：

读取两帧视频图像，进行差分处理，判断图像中是否存在运动目标。如果存在运动目标，采集第一帧图像，并进行图像预处理操作，包括图像二值化和去噪处理。然后进行目标分割，分割处来的目标结果为：表示首帧图像中共有个目标。并以首帧图像检测到的目标初始化目标链表序列：

再连续采集19帧视频图像，并对每帧图像中的目标进行分割，目标分割结果为：

其中k_i表示在第i帧图像中共有k_i个目标。

在每帧图像进行目标分割之后，将第1至k_i个目标与目标链表序列Targets_List进行一一匹配，如果存在当前目标没有得到匹配，则在链表序列后添加新的链表。所有视频图像处理完全后，目标链表模型为：

在该模型中共有n个目标链表，其中第j个链表的长度为P_j，模型中的目标元素总和与20帧图像中的目标个数总和相等，即

剔除目标链表中的瞬时目标，仅保留链表长度大于一定阈值的目标作为可疑目标。

在对每一帧图像进行目标分割的同时，计算累积运动图像AM，所有图像累加结束后，对累积进行二值化处理，累积图像的二值化处理如下：判断累积图像AM中在任意一点(x，y)的值是否大于显现阈值Cycle·ρ，如果大于该阈值，则该像素点为有效像素，标记为1，否则标记为0，用公式表示为：

其中，Cycle为处理视频处理周期(20帧)，ρ为显现率阈值，这里选ρ＝0.2。

累积图像二值化后同样需经过滤波处理去除孤立点，然后经过目标分割。分割得到的目标记为AM_Targets＝[O₁，L O_m]，共有m个目标。将n个目标链表与m个累积图像目标进行一一匹配，将与目标O_j相匹配的链表特征进行融合，保存至AM_Targets中。

目标判决：根据AM_Targets中的目标特征对其进行逐个判决，通过目标的面积波动和频谱特征分析，将满足报警条件的目标判定为火焰目标。

以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (1)

1.基于自动跟踪定位射流灭火装置的多火源识别方法，包括以下步骤：

(1)利用紫外光电管进行火灾监测：对灭火装置保护范围内的火灾情况进行实时监测，一旦发现火情，则发出预警信号，该预警信号不包含火灾位置、规模信息；

(2)在出现火灾预警信号的情况下，通过安装在灭火装置上的图像采集模块进行视频采集，启动图像探测功能；

(3)对灭火装置的红外定位盲区进行图像探测：

a)通过采集到的视频图像判断是否有火焰可疑目标，如果无可疑目标，则直接进入步骤(5)；

b)如果有可疑目标，则进一步采集视频图像；

c)根据采集到的视频图像，进行运动区域跟踪提取可疑目标区域；

d)对跟踪到的可疑目标进行目标融合和分割，从而获取最终待决策的目标；

e)对待决策目标进行特征提取和融合，通过目标的面积波动、频谱特征分析，从而进一步进行火焰的判定，识别出监控现场中的真实火焰目标个数；

f)判断目标个数是否大于1，如果监控范围内仅有1个目标，则进入定位流程，否则根据视场范围内的目标进行灭火路径规划；

(4)红外定位盲区内的灭火路径规划：

g)依次计算各个目标的垂直定位角度，并计算最小定位角度，选取垂直定位角度最小的目标作为首次定位目标；如果目标超出摄像机的垂直视场角，则将其特征Over_Label标记为1，如果目标没有超出摄像机的垂直视场角，则Over_Label＝0；

h)如果有两个或以上的垂直定位角度相同且为最小，则计算其水平定位角度，选取水平定位角最小的目标作为首次定位目标；

i)如果定位首个目标定位过程中，视场范围内仍出现多目标，则利用标记Over_Label进行目标匹配；

j)对该目标进行扑救结束后，炮管返回报警初始位置，重复步骤g)至i)，直至所有目标均被扑救结束；

(5)启动水平红外扫描流程，红外探测器发出预警信号后则启动垂直扫描流程，同时进行视频图像采集和处理，一旦触发图像火焰预警，则停止扫描，进一步采集视频图像进行火焰识别：

k)连续采集两帧视频图像并进行差分和二值化处理，检测图像中有无运动目标；

l)如果不存在运动目标，则退出该步骤，如果存在运动目标，采集第一帧图像，并进行图像预处理操作，包括图像二值化和去噪处理；然后进行目标分割，分割出来的目标结果为：表示首帧图像中共有个目标；并以首帧图像检测到的目标初始化目标链表序列：

再连续采集19帧视频图像，并对每帧图像中的目标进行分割，目标分割结果为：

其中k_i表示在第i帧图像中共有k_i个目标；

在每帧图像进行目标分割之后，将第1至k_i个目标与目标链表序列Targets_List进行一一匹配，如果存在当前目标没有得到匹配，则在链表序列后添加新的链表；所有视频图像处理完全后，目标链表模型为：

在该模型中共有n个目标链表，其中第j个链表的长度为P_j，模型中的目标元素总和与20帧图像中的目标个数总和相等，即

剔除目标链表中的瞬时目标，仅保留链表长度大于一定阈值的目标作为可疑目标；

m)图像预处理：包括图像二值化和形态学操作，图像二值化采用了一种改进OTSU算法，形态学处理滤除了图像中的噪声点，目标分割更加完整；具体的算法是：

在对每一帧图像进行目标分割的同时，计算累积运动图像AM，所有图像累加结束后，对累积图像进行二值化处理，累积图像的二值化处理如下：判断累积图像AM中在任意一点(x，y)的值是否大于显现阈值Cycle·ρ，如果大于该阈值，则该像素点为有效像素，标记为1，否则标记为0，用公式表示为：

其中，Cycle为处理视频处理周期(20帧)，ρ为显现率阈值，这里选ρ＝0.2；

累积图像二值化后同样需经过滤波处理去除孤立点，然后经过目标分割，分割得到的目标记为AM_Targets＝{O₁，LO_m]，共有m个目标；

n)目标提取和目标匹配，这里采用了基于静态特征的匹配模型；

o)待所有图像处理完全后，提取目标链表中各目标的静态特征和动态特征；

具体是对AM_Targets中的目标特征进行逐个判决，通过目标的面积波动和频谱特征分析，将满足报警条件的目标判定为火焰目标；

p)多特征融合判决；

q)如果没有目标，则重新进入步骤(5)；如果仅有1个目标，则进入定位扑救流程；如果有多个目标，则进入灭火路径规划和定位扑救流程。