賈 陽，林高華，徐 高，王進(jìn)軍，方 俊，張永明*

(1.西安郵電大學(xué)計算機(jī)學(xué)院, 西安, 710100;2.中國科學(xué)技術(shù)大學(xué)火災(zāi)科學(xué)國家重點(diǎn)實驗室, 合肥, 230026)

低氣壓下火焰視頻圖像特征研究

賈 陽1，2，林高華2，徐 高2，王進(jìn)軍2，方 俊2，張永明2*

(1.西安郵電大學(xué)計算機(jī)學(xué)院, 西安, 710100;2.中國科學(xué)技術(shù)大學(xué)火災(zāi)科學(xué)國家重點(diǎn)實驗室, 合肥, 230026)

為了進(jìn)行非密封飛機(jī)機(jī)艙內(nèi)視頻火災(zāi)探測技術(shù)的研究，借助中國科學(xué)技術(shù)大學(xué)QR0-12步入式環(huán)境低氣壓試驗艙開展低氣壓下(100 kPa，90 kPa，70 kPa，50 kPa和30 kPa)火焰視頻圖像特征研究。在實驗艙中用正庚烷作為可燃物進(jìn)行點(diǎn)火實驗，拍攝火焰視頻，研究低氣壓環(huán)境下火焰的顏色、空間變化、運(yùn)動、相對穩(wěn)定性、邊緣粗糙度、相鄰幀火焰區(qū)域面積變化率、面積重疊率、相關(guān)性特征。實驗結(jié)果表明，火焰的顏色、空間變化特征不會隨氣壓變化而變化；而火焰動態(tài)特征等都會因氣壓的不同而發(fā)生變化。因此，火焰的顏色和空間變化特征在低氣壓環(huán)境中仍可用于火焰區(qū)域分割和識別，而其他動態(tài)特征會隨著氣壓發(fā)生變化，不能用常壓下的方法來訓(xùn)練分類模型，但仍可以用以區(qū)別火焰和靜止的疑似區(qū)域。

低壓環(huán)境; 正庚烷火焰; 圖像特征; 視頻火災(zāi)探測

0 引言

隨著民航事業(yè)高速發(fā)展，飛機(jī)作為一種快速、安全、可靠、經(jīng)濟(jì)、舒適的運(yùn)輸工具，成為溝通世界各地重要的交通工具。然而，航空事業(yè)的發(fā)展，使得航空運(yùn)輸量的漲幅明顯，帶動經(jīng)濟(jì)迅速發(fā)展是我們所樂見的，但航空運(yùn)輸量的增長也帶來了事故量的增長，而事故量的不斷增長卻是我們無法接受的?；馂?zāi)是引發(fā)飛機(jī)事故最危險的威脅之一。飛機(jī)上可燃、易燃物品聚集，而且具有特有的內(nèi)部環(huán)境和飛行環(huán)境，發(fā)生火災(zāi)地點(diǎn)不定，一旦起火，火勢往往發(fā)展迅猛，疏散和撲救都比較困難，易造成嚴(yán)重傷亡和重大經(jīng)濟(jì)損失。因此發(fā)展在飛機(jī)艙室這種特殊環(huán)境下特殊火災(zāi)的專用火災(zāi)探測技術(shù)成為關(guān)鍵。目前飛機(jī)上使用較多的火災(zāi)探測設(shè)備是傳統(tǒng)的感煙、感溫火災(zāi)探測器，但是這些傳統(tǒng)的探測器本身存在一些客觀或原理上的缺陷：探測器必須安裝在起火點(diǎn)附近，否則將無法有效地探測到熱災(zāi)害的發(fā)生；氣體傳感器長期接觸存在粉塵等惡劣環(huán)境，傳感器容易中毒失效；由于煙霧傳播和溫度上升均需要時間，基于煙霧接觸和熱溫接觸的探測器具有不可避免的時間延遲。而飛機(jī)艙內(nèi)存在著較為完善的攝像監(jiān)控設(shè)備，也建立了較為系統(tǒng)的監(jiān)控中心，因此，在飛機(jī)中引入視頻火災(zāi)探測技術(shù)，不僅是對現(xiàn)有設(shè)備價值的開發(fā)，利用價值的提高，更是對飛機(jī)火災(zāi)探測技術(shù)的革新。

飛機(jī)在高空中氣壓比地面低，因此需要在低壓環(huán)境中進(jìn)行相關(guān)研究。前人也做了一些低壓下燃燒特性相關(guān)的研究[1-6]。但主要是從燃燒理論和火災(zāi)動力學(xué)的角度對燃料的燃燒特性進(jìn)行研究，揭示低氣壓環(huán)境對燃料的燃燒速率、煙氣組分、火焰溫度等的影響規(guī)律。涂[7]結(jié)合流體力學(xué)和熱力學(xué)理論，揭示氣壓對火焰圖像如高度、色彩、脈動頻率等的影響規(guī)律，但只有合肥、拉薩兩地的數(shù)據(jù)。曾[5]對火焰顏色、高度、寬度、亮度以及結(jié)構(gòu)等火焰形貌特征進(jìn)行了研究，得出了這些特征和氣壓的相關(guān)關(guān)系。但這些特征并不是視頻火災(zāi)探測中的主要特征。因此，本文從圖像處理的角度對火焰的顏色、空間差異、動態(tài)特征、無序特征進(jìn)行分析研究，旨在為低氣壓下的視頻火災(zāi)探測技術(shù)的研究提供理論依據(jù)。目前，常用的地面火災(zāi)視頻探測方法按照火焰分割，特征提取，特征識別的步驟進(jìn)行。分割常用顏色分割和運(yùn)動分割[8-10]等方法。常用的特征有火焰振蕩、空間差異、混亂特征等[11]。極低氣壓環(huán)境中的火焰運(yùn)動變得非常緩慢。因此，常用的運(yùn)動分割、火焰動態(tài)特征等在低壓條件下可能失去效用。本文首先在QR0-12步入式環(huán)境低氣壓試驗艙開展了模擬實驗，模擬不同海拔高度時非密封飛機(jī)機(jī)艙內(nèi)部環(huán)境。拍攝低壓環(huán)境下的火焰視頻，然后對視頻進(jìn)行火焰顏色、空間變化、運(yùn)動、相對穩(wěn)定性、邊緣粗糙度、相鄰幀火焰區(qū)域面積變化率、面積重疊率、相關(guān)性特征等特征進(jìn)行了統(tǒng)計分析，對特征數(shù)據(jù)進(jìn)行分析，為飛機(jī)機(jī)艙低氣壓下火災(zāi)探測提供依據(jù)。

1 不同氣壓下火焰特征分析

1.1 實驗設(shè)計

實驗在非密閉受限空間內(nèi)進(jìn)行，低壓艙是體積為3 m×2 m×2 m的可密閉艙室。低壓艙結(jié)構(gòu)示意圖和實驗設(shè)備布局如圖1所示。低壓艙系統(tǒng)由進(jìn)氣系統(tǒng)，抽氣系統(tǒng)，管路系統(tǒng)和控制系統(tǒng)組成。艙體為密封低壓艙。它由進(jìn)氣系統(tǒng)進(jìn)氣，抽氣系統(tǒng)抽氣，造成艙內(nèi)壓力減小，達(dá)到低壓效果。抽氣設(shè)備主要是真空泵，它由變頻器控制抽氣速率。不管是進(jìn)氣系統(tǒng)，抽氣系統(tǒng)都由控制臺來控制，通過控制進(jìn)氣速率與真空泵的頻率來改變抽氣速率，使艙內(nèi)的壓力達(dá)到預(yù)設(shè)值。

圖1 QR0-12步入式環(huán)境低氣壓試驗艙結(jié)構(gòu)示意圖和布局圖Fig.1 Sketch and layout of the QR0-12 low air pressure cabin

實驗中，氣壓需要和飛機(jī)所處環(huán)境基本保持一致。低壓試驗艙的氣壓選擇100 kPa、70 kPa、60 kPa、50 kPa、30 kPa五個點(diǎn)進(jìn)行模擬實驗，分別對應(yīng)海拔0 m，3000 m，4000 m，6000 m，9000 m左右的大氣氣壓。在調(diào)節(jié)好氣壓后，用高清攝像機(jī)拍攝正庚烷燃燒火焰，作為視頻分析的原始數(shù)據(jù)。

1.2 火焰顏色特征

顏色是火焰重要特征之一[12-14]。通過人眼觀察，火焰顏色在不同氣壓下變化不大。本文用基于YUV顏色空間的顏色模型[15]進(jìn)行不同氣壓下的火焰分割。得到的分割結(jié)果如圖2所示。

圖2 不同氣壓下火焰的顏色分割結(jié)果，第一行為原圖，第二行為分割結(jié)果。從左到右依次是100 kPa、90 kPa、70 kPa、50 kPa、30 kPa下的正庚烷火焰，火盆為直徑4 cm的鋁制圓柱形火盆Fig.2 Segmentation result of the flame in different pressures. Original images in the first row. Segmentation results in the second row. From left to right, the pressure is 100, 90, 70, 50 and 30 kPa. N-heptane is in a cylindrical aluminum fire plate

從視頻數(shù)據(jù)和相關(guān)研究來看，正庚烷燃料的火焰亮度較高，上述分割結(jié)果效果較好。根據(jù)式(1)對分割出的火焰區(qū)域亮度和顏色分量進(jìn)行統(tǒng)計分析，

(1)

f為火焰區(qū)域，K為火焰區(qū)域像素總數(shù)，X表示亮度和紅、綠、藍(lán)分量。表1中的數(shù)值均為按照圖2獲得的火焰區(qū)域各顏色分量的像素統(tǒng)計平均結(jié)果。測試視頻每個氣壓值有三段視頻，視頻幀速率為25幀/每秒，視頻時長1分鐘，總共有22500幀視頻。

表1 不同氣壓下的火焰顏色統(tǒng)計數(shù)據(jù)

表1中各顏色分量在不同氣壓下均無太大變化，表明火焰顏色模型在多種氣壓條件下都適用，顏色特征可以用來進(jìn)行低壓環(huán)境中的火災(zāi)探測。

2.2 火焰空間差異特征

Qi和Ebert在文獻(xiàn)[16]中提出綠色分量較之紅色和藍(lán)色分量更能表達(dá)火焰區(qū)域的顏色和背景區(qū)域的差異。因此綠色分量的標(biāo)準(zhǔn)差被作為火焰的一個特征。

綠色分量標(biāo)準(zhǔn)差值表明火焰的空間變化基本不會隨著氣壓的變化而變化，高氣壓下的空間變化略高于低氣壓，因此該特征也適于多氣壓下的火焰探測。

2.3 火焰動態(tài)特征

文獻(xiàn)[2-4]揭示了氣壓越高，火焰振蕩的幅度就越大的規(guī)律。在氣壓極低時，火焰振蕩幅度非常小。實驗中，在0.3個大氣壓時人眼幾乎難以發(fā)現(xiàn)火焰振蕩。式2～式4是文獻(xiàn)[5]中三個表示火焰動態(tài)特征的參量：相鄰幀火焰區(qū)域的變化率v，相鄰幀火焰區(qū)域的相關(guān)性ρ，相鄰幀火焰區(qū)域的重疊度θ。

(2)

(3)

(4)

A表示亮度圖像中的疑似火焰區(qū)域面積，i是幀編號，S(x,y)表示火焰區(qū)域(x,y)處的像素亮度值。

根據(jù)顏色模型對火焰部分進(jìn)行顏色分割，計算出火焰特征參數(shù)，如圖3所示。從圖3看出，火焰動態(tài)特征分布范圍都隨著氣壓發(fā)生變化。在30 kPa和100 kPa條件下的火焰，變化率接近零值，而相關(guān)性和重疊率接近1，但數(shù)值在不斷變化，表明火焰振蕩微弱，但仍然在不斷振蕩：30 kPa和100 kPa時，火焰振幅均值分別為0.0054和0.006，頻率均約為5.3 Hz；在70 kPa和90 kPa條件下的火焰出現(xiàn)一定程度的振蕩，頻率約為6.0 Hz；50 kPa時火焰振蕩最強(qiáng)，振幅均值為0.19，頻率約為6.0 Hz。

圖3 (a)(b)(c)分別為不同氣壓下火焰面積變化率，火焰面積相關(guān)性和火焰面積重疊率Fig.3 (a)(b)(c) are area variation, correlation and overlap of flame under different pressures

上述數(shù)據(jù)表明，即使低氣壓下火焰振蕩微弱，但仍保持不斷的振蕩，而且頻率變化不大，而振幅出現(xiàn)較大變化。故振蕩頻率特征對于區(qū)分固定安裝的燈和火焰仍然有效。

由于在極低的氣壓下，火焰運(yùn)動微弱，若使用背景差分，火焰區(qū)域容易因為運(yùn)動不明顯而融入背景。幀間差分也會因運(yùn)動過于微弱而檢測不到目標(biāo)。因此在該環(huán)境中運(yùn)動前景目標(biāo)檢測也不適用。

2.4 火焰無序特征

火焰由于氣流的作用會表現(xiàn)出無序性，用火焰的形心坐標(biāo)[5]、邊緣粗糙度[6]來表示這種不規(guī)則性，特征如式5～式7所示。

(5)

(6)

(7)

R表示火焰區(qū)域粗糙度，d表示火焰區(qū)域的等效直徑。 (ox-1,oy-1) ，(ox,oy)表示相鄰兩幀同一疑似區(qū)域的形心坐標(biāo)， (dx,dy)表示相鄰兩幀疑似區(qū)域的形心位移。圖 4為不同氣壓條件下的火焰邊緣粗糙度和形心坐標(biāo)值。

圖4 不同氣壓下的火焰形心波動，火焰邊緣粗糙度Fig. 4 Fluctuation of (a) centroid and (b) edge roughness of flame under different pressures

圖4a表明在100 kPa和30 kPa條件下，火焰振蕩極小，燃燒穩(wěn)定，整體波動非常小，形心會在連續(xù)數(shù)幀均保持同一位置，如在30 kPa條件下10到20幀的形心位移均為0；在50 kPa、70 kPa、90 kPa條件下火焰波動較強(qiáng)。本文的目的是對火焰的特征數(shù)據(jù)進(jìn)行分析，探索特征是否可以將火焰和其他干擾物區(qū)分開。在100 kPa和30 kPa下，火焰和燈的形心位移數(shù)據(jù)均極小，接近零?；鹧婧挽o止的燈的該特征參數(shù)混疊在一起，沒有區(qū)分度，說明特征失效，不適于低氣壓下火災(zāi)探測。

圖4b中的邊緣粗糙度在多種氣壓條件下均集中在0.1～0.35范圍之內(nèi)，且呈現(xiàn)出一定的波動性。而對于靜止的燈來說，若是圓形或環(huán)形的燈，粗糙度極小，接近1(即接近圓)，未表現(xiàn)出波動性。因此這個特征可以用于低氣壓下火焰探測。

3 結(jié)論

本文從圖像處理的角度研究了不同氣壓條件下具有代表性的正庚烷火焰的顏色、空間差異、動態(tài)特征和無序特征。主要發(fā)現(xiàn)：

(1)火焰顏色在不同氣壓下均無明顯變化，常用的火焰顏色模型，基于RGB、YUV、HIS等顏色空間的算法均可以在低壓條件下使用。

(2)火焰的空間差異特征在不同氣壓下也無太大變化，該特征可以用于低壓環(huán)境中的火焰探測。

(3)氣壓對火焰的動態(tài)特征影響較大，不同氣壓下動態(tài)特征數(shù)據(jù)的分布范圍會發(fā)生較大變化。對于火災(zāi)探測，這些特征就很難表達(dá)火焰的特征。但是，即使在較低氣壓下火焰運(yùn)動不明顯，其動態(tài)特征數(shù)據(jù)仍保持較小的不斷波動，因此這種持續(xù)性的振蕩特征能夠區(qū)分火焰和燈，也是有效的火焰特征。

(4)氣壓對火焰的邊緣粗糙度影響不明顯，該特征數(shù)據(jù)分布較集中[0.1, 0.35]，可以明確區(qū)分低氣壓下室內(nèi)火焰和圓形度接近1的燈；而表征火焰穩(wěn)定性的形心位移數(shù)據(jù)和燈的穩(wěn)定性數(shù)據(jù)之間沒有區(qū)分度，該特征在低氣壓條件下火災(zāi)探測中無效。

上述結(jié)論為低氣壓下視頻火災(zāi)探測提供了理論依據(jù)。后期會進(jìn)一步探索低壓艙室內(nèi)火災(zāi)煙霧圖像特征，增加研究樣本，并依據(jù)這些特征訓(xùn)練相應(yīng)的火災(zāi)識別模型，設(shè)計識別算法完成火災(zāi)探測。

4 結(jié)束語

本文借助中國科學(xué)技術(shù)大學(xué)QR0-12步入式環(huán)境低氣壓試驗艙開展低氣壓下火焰視頻圖像特征研究。在實驗艙中用正庚烷作為可燃物進(jìn)行點(diǎn)火實驗，拍攝火焰視頻，研究低氣壓環(huán)境下火焰的靜態(tài)和動態(tài)特征。在未來的工作中，將探索固體可燃物在低氣壓環(huán)境中燃燒時的圖像特征，使圖像火災(zāi)探測的實驗數(shù)據(jù)更加完備；另外，在后期實驗中將對環(huán)境參數(shù)，如溫度、濕度等，做更加詳細(xì)的記錄。

[1] Fang J, et al. The influence of low atmospheric pressure on carbon monoxide of n-heptane pool fires[J]. Journal of Hazardous Materials, 2008, 154(1): 476-483.

[2] Li ZH, et al. Combustion characteristics of n-heptane and wood crib fires at different altitudes[J]. Proceedings of the Combustion Institute, 2009, 32(2): 2481-2488.

[3] Wieser D, et al. The influence of high altitude on fire detector test fires[J]. Fire Safety Journal, 1997, 29(2): 195-204.

[4] 蔡昕, 等. 低氣壓環(huán)境下正庚烷及汽油池火的燃燒特性[J]. 燃燒科學(xué)與技術(shù), 2010, 16(4): 341-346.

[5] 曾怡. 低壓下射流擴(kuò)散火焰的燃燒特性與圖像特征[D].合肥: 中國科學(xué)技術(shù)大學(xué), 2013.

[6] 花榮勝, 等. 多種氣壓條件下甲醇池火燃燒特性的實驗研究[J]. 火災(zāi)科學(xué), 2011, 20(2): 81-86.

[7] 涂然. 高原低壓低氧對池火燃燒與火焰圖像特征的影響機(jī)制[D]. 合肥：中國科學(xué)技術(shù)大學(xué), 2012.

[8] Ko BC, et al. Early fire detection algorithm based on irregular patterns of flames and hierarchical Bayesian Networks[J]. Fire Safety Journal, 2010, 45(4): 262-270.

[9] Teng Z, et al. Fire detection based on hidden markov models[J]. International Journal of Control, Automation and Systems, 2010, 8(4): 822-830.

[10] Yuan F. An integrated fire detection and suppression system based on widely available video surveillance[J]. Machine Vision and Applications, 2010, 21(6): 941-948.

[11] ?etin AE, et al. Video fire detection-Review[J]. Digital Signal Processing, 2013, 23(6): 1827-1843.

[12] Celik T, Demirel H. Fire detection in video sequences using a generic color model[J]. Fire Safety Journal, 2009, 44(2): 147-158.

[13] Chen TH, et al. An intelligent real-time fire-detection method based on video processing[A]. Security Technology, 2003. Proceedings. IEEE 37th Annual 2003 International Carnahan Conference on. IEEE[C], 2003: 104-111.

[14] Zhang D, et al. Image based forest fire detection using dynamic characteristics with artificial neural networks[A]. Artificial Intelligence, 2009. JCAI'09. International Joint Conference on. IEEE[C], 2009: 290-293.

[15] 賈陽, 等. 基于改進(jìn)層次聚類和SVM的圖像型火焰識別[J]. 計算機(jī)工程與應(yīng)用, 2014, 5: 165-168,194.

[16] Qi X, Ebert J. A computer vision based method for fire detection in color videos[J]. International Journal of Imaging, 2009, 2(S09): 22-34.

Flame features under low atmospheric pressure based on video image analysis

JIA Yang1,2, LIN Gaohua2, XU Gao2, WANG Jinjun2, FANG Jun2, ZHANG Yongming2

(1. Department of Computer Science and Technology, Xi’an University of Posts & Telecommunications, Xi’an 710100, China； 2. State Key Laboratory of Fire Science, University of Science and Technology of China, Hefei 230026, China)

In order to study the video-based fire detection technology in an unsealed aircraft cabin, experiments of flame combustion were conducted in a QR0-12 low air pressure cabin. The experimental pressure ranges from 30 to 100 kPa. N-heptane is used as the fuel in experiments. The examined features captured by CCD flame image include the flame color, spatial variation, motion, stability, and roughness. The change rate and overlap area and the correlation of the area of adjacent frames are calculated and analyzed. Experimental results show that flame color and spatial variance do not vary with the change of air pressure, and the dynamic flame features vary with the change of air pressure. Therefore, flame color and spatial variance can still be used in a low pressure environment for flame region segmentation and recognition. However, dynamic features vary with the air pressure, so the methods used under normal pressure cannot be used to train a classification model here. They can be used to distinguish flame and static suspected areas.

Low air pressure; N-heptane flame; Image feature; Video-based fire detection

2016-07-01；修改日期：2016-08-25

國家自然科學(xué)基金聯(lián)合基金(U1233102);中央高?；究蒲袠I(yè)務(wù)費(fèi)專項資金(WK2320000032);城市公共安全安徽省協(xié)同創(chuàng)新中心資助。

賈陽(1988)，女，陜西，中國科學(xué)技術(shù)大學(xué)火災(zāi)科學(xué)國家重點(diǎn)實驗室博士學(xué)位，現(xiàn)在西安郵電大學(xué)計算機(jī)學(xué)院從事圖像分析、模式識別、深度特征方面的研究工作。

張永明，E-mail: zhangym@ustc.edu.cn

1004-5309(2016)-00183-05

10.3969/j.issn.1004-5309.2016.04.02

TP391;X932

A