胡乃平，耿同同，王馨民

?

基于雙波段視頻探測(cè)的智能水炮系統(tǒng)設(shè)計(jì)

胡乃平，耿同同，王馨民

（青島科技大學(xué) 信息學(xué)院，山東 青島 266100）

針對(duì)目前大空間火災(zāi)探測(cè)的難點(diǎn)，研究出了一種基于雙波段視頻檢測(cè)的智能水炮系統(tǒng)。將DSP芯片TMS320DM648作為視頻處理芯片并采用STM32f103作為控制芯片，利用雙波段（紅外與可見(jiàn)光）對(duì)火災(zāi)的熱、色、形以及光譜與運(yùn)動(dòng)特性進(jìn)行識(shí)別，使火災(zāi)探測(cè)準(zhǔn)確度大大提高，采用步進(jìn)電機(jī)作為整個(gè)系統(tǒng)的驅(qū)動(dòng)部分，CAN作為通信總線提高了水炮的反應(yīng)速度與靈活性。智能水炮在25s內(nèi)可定位火源進(jìn)行滅火，監(jiān)控距離可達(dá)100m，誤報(bào)漏報(bào)率極低，為大空間消防提供了更好的選擇。

大空間消防；智能水炮；火焰探測(cè)；雙波段；紅外；可見(jiàn)光

0 引言

隨著社會(huì)的發(fā)展進(jìn)步，各種大空間建筑越來(lái)越多，這些建筑大部分為公共場(chǎng)所，因此消防難度比較大，一旦發(fā)生重大火災(zāi)，造成的人員財(cái)產(chǎn)損失將特別大。傳統(tǒng)自動(dòng)消防噴水滅火系統(tǒng)具有滅火及時(shí)性差、滅火效率低、滅火的針對(duì)性不強(qiáng)、滅火系統(tǒng)管路復(fù)雜等缺點(diǎn)[1]，對(duì)大空間建筑物和大面積曠場(chǎng)的消防顯得無(wú)能為力[2]，智能水炮應(yīng)運(yùn)而生，智能消防炮與傳統(tǒng)的滅火裝置相比具有實(shí)時(shí)性、有效性、可靠性、系統(tǒng)簡(jiǎn)單、安裝方便以及節(jié)能等優(yōu)勢(shì)。國(guó)內(nèi)智能水炮采用普通紅外或者紫外探測(cè)，漏報(bào)誤報(bào)率較高，造成了很多不必要的損失，而日本或者歐美的智能水炮雖然性能優(yōu)越但價(jià)格高昂，如日本的消防炮，每臺(tái)折合人民幣約100萬(wàn)元，整套系統(tǒng)可達(dá)上千萬(wàn)[1]，因此開(kāi)發(fā)性價(jià)比高的智能水炮系統(tǒng)對(duì)我國(guó)大空間火災(zāi)具有重大的意義。因此，應(yīng)時(shí)代要求，設(shè)計(jì)了一種基于雙波視頻檢測(cè)的智能水炮控制系統(tǒng)，通過(guò)對(duì)火焰圖像靜態(tài)動(dòng)態(tài)特征以及溫度的檢測(cè)來(lái)找準(zhǔn)火源，進(jìn)行實(shí)時(shí)滅火。

1 智能水炮系統(tǒng)硬件設(shè)計(jì)

智能水炮系統(tǒng)包括3個(gè)部分：火焰探測(cè)部分、電機(jī)驅(qū)動(dòng)部分、控制部分與其他聯(lián)動(dòng)部分，主要包括攝像頭模塊、視頻處理模塊，控制模塊、電源模塊以及電機(jī)驅(qū)動(dòng)模塊等。由于視頻信號(hào)處理較為復(fù)雜，因此采用雙核處理器，也就是將DSP芯片DM648只用于視頻信號(hào)的處理，來(lái)判斷并定位火災(zāi)信號(hào)，STM32則用于整個(gè)系統(tǒng)的控制。硬件設(shè)計(jì)方案如圖1。

圖1 系統(tǒng)硬件設(shè)計(jì)

1.1 火焰探測(cè)部分

智能水炮的火焰探測(cè)部分主要完成發(fā)現(xiàn)火災(zāi)，定位著火點(diǎn)的功能。本系統(tǒng)采用高速面陣相機(jī)作為火災(zāi)探測(cè)前端，既可防火防盜，又可實(shí)現(xiàn)監(jiān)控功能，并具備防爆防潮的功能，滿足了智能水炮在惡劣環(huán)境下的工作要求。

系統(tǒng)采用彩色與紅外雙攝像頭來(lái)為智能水炮提供準(zhǔn)確的火災(zāi)信號(hào)，彩色攝像頭用來(lái)探測(cè)可見(jiàn)光信號(hào)，對(duì)于火災(zāi)圖像的動(dòng)態(tài)與靜態(tài)分析具有一定的可靠性，但易受類似火焰的物體（強(qiáng)光照、運(yùn)動(dòng)物體等）造成的干擾，因此本系統(tǒng)加入了紅外攝像頭來(lái)彌補(bǔ)這一缺陷。紅外對(duì)溫度的探測(cè)為系統(tǒng)排除了火焰類似物體的干擾，使得水炮誤操作率極低。

1.2 控制與通信部分

控制部分分為中控與現(xiàn)場(chǎng)控制兩部分，智能水炮通過(guò)攝像頭將現(xiàn)場(chǎng)情況實(shí)時(shí)傳遞給控制中心，控制中心可遠(yuǎn)程對(duì)水炮進(jìn)行遙控；現(xiàn)場(chǎng)控制可分為手動(dòng)控制與自動(dòng)控制兩部分，工作人員可通過(guò)現(xiàn)場(chǎng)控制箱來(lái)控制智能水炮，在無(wú)人監(jiān)護(hù)時(shí)，智能水炮可自動(dòng)完成火災(zāi)探測(cè)、定位、滅火、復(fù)位的功能。當(dāng)人發(fā)現(xiàn)火災(zāi)時(shí)，中控與手動(dòng)控制為滅火操作提供了人為控制，在一些大空間場(chǎng)所，當(dāng)人們發(fā)現(xiàn)火災(zāi)時(shí)可能已經(jīng)形成較大火災(zāi)，因此在火災(zāi)初期，智能水炮自動(dòng)滅火尤為重要，本系統(tǒng)可通過(guò)自動(dòng)監(jiān)控保護(hù)區(qū)域?qū)⒒馂?zāi)消滅在萌芽中。

圖2 視頻采集硬件結(jié)構(gòu)

智能水炮采用32位基于ARM核心的帶64k字節(jié)閃存的微控制器STM32f103作為主控芯片。其內(nèi)核為CORTEX-M3，最高為72MHz工作頻率，處理能力為1.25DMips/MH，功耗為0.19mW/MHz[3]。具有高性能、低成本、低功耗等優(yōu)點(diǎn)，為滅火時(shí)效性提供了有力的保證；多達(dá)80個(gè)快速I/O端口既可接收DM648的火災(zāi)結(jié)果信號(hào)，輸出對(duì)電機(jī)進(jìn)行控制，又可作為CAN地址標(biāo)識(shí)，另外擁有9個(gè)通信接口包括2個(gè)I2C接口，3個(gè)USART接口，2個(gè)SPI接口，CAN接口以及USB接口滿足了智能水炮的可擴(kuò)展性。多達(dá)3個(gè)UART接口，既可與現(xiàn)場(chǎng)控制箱進(jìn)行通信[4]，又可與中控進(jìn)行通信。系統(tǒng)的優(yōu)勢(shì)在于單片機(jī)與現(xiàn)場(chǎng)控制箱、中控通過(guò)CAN總線進(jìn)行通信，相對(duì)于RS485通信協(xié)議來(lái)說(shuō)，CAN總線大大提高了總線利用率并降低了錯(cuò)誤率，系統(tǒng)開(kāi)發(fā)難度也降低，開(kāi)發(fā)成本也隨之降低，具有較好的實(shí)用性[5]。如圖3，STM32通過(guò)自帶的CAN接口與CAN收發(fā)器TJA1050相連，TJA1050負(fù)責(zé)將信號(hào)進(jìn)行轉(zhuǎn)換傳輸，CAN通信距離最長(zhǎng)達(dá)10km且通信速率較高，可將現(xiàn)場(chǎng)情況實(shí)時(shí)傳遞給中控，中控與現(xiàn)場(chǎng)控制也能實(shí)時(shí)控制現(xiàn)場(chǎng)，另外單片機(jī)通過(guò)現(xiàn)場(chǎng)總線來(lái)控制其他聯(lián)動(dòng)裝置，完成了啟泵開(kāi)閥噴水滅火以及報(bào)警功能，做到了全自動(dòng)現(xiàn)場(chǎng)的功能。

圖3 控制信號(hào)通信

1.3 電機(jī)驅(qū)動(dòng)部分

智能水炮采用無(wú)反饋信號(hào)的步進(jìn)電機(jī)作為整個(gè)系統(tǒng)的動(dòng)力源，步進(jìn)電機(jī)將電脈沖信號(hào)轉(zhuǎn)變?yōu)榻俏灰苹蛘呔€位移來(lái)控制步進(jìn)電機(jī)件[6]。

系統(tǒng)中STM32通過(guò)繼電器將脈沖信號(hào)發(fā)送給步進(jìn)電機(jī)驅(qū)動(dòng)器，驅(qū)動(dòng)器收到信號(hào)后驅(qū)動(dòng)步進(jìn)電機(jī)按照設(shè)定的方向轉(zhuǎn)動(dòng)一定角度，通過(guò)控制脈沖個(gè)數(shù)來(lái)控制角位移量，從而實(shí)現(xiàn)準(zhǔn)確定位火源的功能，同時(shí)單片機(jī)可通過(guò)控制脈沖的頻率來(lái)控制電機(jī)轉(zhuǎn)動(dòng)的速度與加速度，使炮體轉(zhuǎn)動(dòng)更加靈活準(zhǔn)確。然而步進(jìn)電機(jī)在超負(fù)載時(shí)會(huì)破壞同步功能，因此系統(tǒng)設(shè)置了限位功能，當(dāng)炮體轉(zhuǎn)至限位時(shí)反轉(zhuǎn)，既保護(hù)了電機(jī)，又滿足了全方位探測(cè)保護(hù)區(qū)域的需要。

2 軟件設(shè)計(jì)實(shí)現(xiàn)

圖4為軟件流程圖，系統(tǒng)初始化后與現(xiàn)場(chǎng)控制箱以及中控進(jìn)行通信參數(shù)設(shè)定，紅外攝像頭發(fā)現(xiàn)火災(zāi)時(shí)，STM32通過(guò)繼電器驅(qū)動(dòng)電機(jī)控制炮體水炮轉(zhuǎn)動(dòng)來(lái)進(jìn)行探測(cè)，且DM648通過(guò)一定算法處理雙視頻信號(hào)并判斷是否有火災(zāi)發(fā)生，當(dāng)水炮巡視一周后未發(fā)現(xiàn)火災(zāi)信號(hào)則進(jìn)行復(fù)位。當(dāng)DM648判斷為火災(zāi)后，STM32通過(guò)聯(lián)動(dòng)進(jìn)行報(bào)警，并控制炮體水平與垂直的轉(zhuǎn)動(dòng)來(lái)確定火源坐標(biāo)，將炮口通過(guò)一定的角度補(bǔ)償算法來(lái)瞄準(zhǔn)火源中心，通過(guò)聯(lián)動(dòng)啟泵開(kāi)閥來(lái)噴水滅火，滅火完成后進(jìn)行復(fù)位，恢復(fù)監(jiān)控狀態(tài)。當(dāng)人為發(fā)現(xiàn)火災(zāi)時(shí)，通過(guò)中控或者現(xiàn)場(chǎng)控制箱根據(jù)視頻信號(hào)或者現(xiàn)場(chǎng)情況對(duì)水炮進(jìn)行遙控定位火災(zāi)，啟泵開(kāi)閥進(jìn)行滅火，滅火完成后進(jìn)行復(fù)位。

系統(tǒng)通過(guò)雙攝像頭對(duì)火源進(jìn)行定位，DM648將紅外攝像頭與彩色攝像頭所采集的圖像進(jìn)行對(duì)比，并分別確定火源在兩個(gè)攝像頭的水平坐標(biāo)，通過(guò)已知兩個(gè)攝像頭之間的距離來(lái)計(jì)算火源的位置，得出火源的準(zhǔn)確坐標(biāo)。

圖4 軟件流程圖

3 火災(zāi)探測(cè)算法

系統(tǒng)火災(zāi)探測(cè)算法，如圖5，包括紅外探測(cè)與可見(jiàn)光探測(cè)，將熱輻射特性與視覺(jué)特性相結(jié)合。紅外探測(cè)作為火災(zāi)探測(cè)的基礎(chǔ)，可以有效降低或消除強(qiáng)光照、運(yùn)動(dòng)物體等干擾物對(duì)火焰探測(cè)的影響。當(dāng)DM648判斷紅外攝像頭檢測(cè)到火焰時(shí)，彩色攝像頭進(jìn)行火災(zāi)探測(cè)。

首先是用典修辭格的使用。“水向東流”是李煜“問(wèn)君能有幾多愁，恰似一江春水向東流”典故的使用，表現(xiàn)了主任公內(nèi)心無(wú)限的愁苦。

3.1 紅外探測(cè)算法

首先紅外攝像頭隨機(jī)采集多幅紅外圖像，不斷對(duì)圖像進(jìn)行差分運(yùn)算處理，若未超過(guò)閾值，則系統(tǒng)復(fù)位；若超過(guò)閾值則判斷檢測(cè)到有較強(qiáng)熱輻射，進(jìn)行圖像分割，將可疑區(qū)域進(jìn)行標(biāo)記，并將不可能是火源的區(qū)域?yàn)V除。再通過(guò)提取火焰圖像特征的方式，進(jìn)行更進(jìn)一步的判別，當(dāng)疑似火源方位熱輻射能量超過(guò)設(shè)定的閾值范圍時(shí)，則DM648判斷紅外攝像頭檢測(cè)到火焰。

圖5 火災(zāi)探測(cè)算法

1）熱輻射探測(cè)

火焰在燃燒過(guò)程中通常會(huì)產(chǎn)生大量的熾熱微粒，這些微粒使火焰發(fā)射出電磁輻射[7]，而這些電磁輻射在紅外圖像中表現(xiàn)的異常明顯。因此，通過(guò)圖像差分法對(duì)當(dāng)前獲取的圖像與背景歷史圖像相減，可以快速的檢測(cè)到是否有較強(qiáng)的熱輻射。通過(guò)圖像的減法運(yùn)算，提高了圖像處理的速度，從而提高了智能水炮系統(tǒng)的探測(cè)速度。

式中：F和F－1分別表示當(dāng)前幀和前一幀圖像；DF為兩幀圖像所有對(duì)應(yīng)像的差值，取絕對(duì)值的平均值；為根據(jù)實(shí)驗(yàn)得到的一個(gè)閾值，該值的選取決定了熱輻射探測(cè)結(jié)果的穩(wěn)定性。當(dāng)DF大于等于閾值時(shí)，紅外攝像頭判斷檢測(cè)到有較強(qiáng)熱輻射。

2）閾值的選取

通過(guò)拍攝大量的火災(zāi)圖像和非火災(zāi)圖像，并統(tǒng)計(jì)火災(zāi)圖像和非火災(zāi)圖像連續(xù)180幀的幀間平均變化量。發(fā)生火災(zāi)時(shí)，由于兩幀紅外圖像有明顯變化，導(dǎo)致幀間平均變化量較大；而無(wú)火災(zāi)的情況下，由于一些小的干擾，存在輕微波動(dòng)。通過(guò)計(jì)算可得火災(zāi)紅外圖像的180幀變化量的平均值為0.1792，非火災(zāi)紅外圖像的平均值為0.0573。因此，為了充分檢測(cè)火災(zāi)圖像，將閾值設(shè)置為0.05。

3）灰度處理

為加快處理速度，圖像處理過(guò)程中一般要把彩色圖像，如圖6，轉(zhuǎn)換為灰度圖像，這種轉(zhuǎn)化為灰度的過(guò)程叫做灰度化處理[8]，如圖7為轉(zhuǎn)化后的灰度圖。本文采用了一種不同于常規(guī)灰度化算法的R-G-B色差分量的灰度處理方法，轉(zhuǎn)換關(guān)系為：

Gray(,)＝1.8(,)―0.6(,)―0.2(,) (2)

圖6 火焰燃燒紅外圖

圖7 灰度圖

4）圖像分割

火焰在灰度值上通常表現(xiàn)處高亮特征，我們通常利用這一特性，在灰度圖的基礎(chǔ)上進(jìn)行可疑火焰分割[8]。本文利用閾值方法對(duì)圖像進(jìn)行分割，根據(jù)圖像的灰度值大于或小于該閾值，來(lái)進(jìn)行圖像分割。

設(shè)原圖像為D(,)，分割后的二值圖像為R(,)，根據(jù)圖像中每個(gè)像素則有：

所以可知閾值分割的關(guān)鍵就是確定T。本文拍攝大量的火災(zāi)圖像并統(tǒng)計(jì)它們的灰度直方圖，通過(guò)分析并結(jié)合經(jīng)驗(yàn)，選擇175作為火焰圖像的分割閾值。如圖8為閾值分割后的效果圖。

5）頻率檢測(cè)算法

對(duì)可疑區(qū)域進(jìn)行標(biāo)記后，為確認(rèn)其是否為火焰，通常需要對(duì)火焰進(jìn)行特征提取再次判斷?；鹧婢哂虚W爍特性，火焰閃爍是區(qū)別于其他干擾源的一種重要的特征，它反映了火焰所釋放的能量及其作用范圍的變化[9]。根據(jù)現(xiàn)在的研究成果可知，火焰的閃爍頻率范圍主要集中在8～12Hz[9]?；鹧骈W爍頻率計(jì)算公式為：

式中：為火焰的閃爍頻率；fd和fd－1表示當(dāng)前幀和前一幀的檢測(cè)結(jié)果；表示從＝1幀到幀的時(shí)間。

3.2 可見(jiàn)光探測(cè)算法

可見(jiàn)光圖像探測(cè)則通過(guò)對(duì)火源的顏色特征、邊緣特征、以及動(dòng)態(tài)特征等多項(xiàng)特征進(jìn)行判斷[10]，首先通過(guò)圖像的色度特征來(lái)去除不是火焰的部分，然后通過(guò)圖像的紋理特征來(lái)區(qū)分火焰與干擾目標(biāo)，最后通過(guò)面積變化率等動(dòng)態(tài)特征進(jìn)行火災(zāi)識(shí)別。

1）顏色特征

圖像中的像素可由RGB三個(gè)值表示，代表紅、綠、藍(lán)3個(gè)分量，如圖9，火焰像素點(diǎn)一般出現(xiàn)在紅黃范圍[11]，因此火焰需滿足條件≥＞且＞R，其中R為紅色超過(guò)的閾值[12]。另外，如圖10，背景中較亮的部分可能會(huì)引起誤判，因此色彩飽和度需要大于一定閾值：

其中系統(tǒng)選取RT為130，ST為55來(lái)判斷是否有火源，并圈出可疑區(qū)域。

2）邊緣特征

系統(tǒng)通過(guò)邊緣檢測(cè)與區(qū)域劃分來(lái)檢測(cè)火源，邊緣檢測(cè)采用較為簡(jiǎn)單Roberts算子，通過(guò)對(duì)角線方向相鄰兩像素之差近似梯度幅值來(lái)檢測(cè)邊緣[13]，通過(guò)梯度公式[14]得到圖11中邊緣檢測(cè)結(jié)果，從圖中可以看出，火焰邊緣被很好的檢測(cè)出來(lái)。通過(guò)圖11與圖10的對(duì)比，通過(guò)邊緣的尖角程度與數(shù)量區(qū)分出火源疑似部分。

3）運(yùn)動(dòng)特征

火災(zāi)初期，火源面積一般會(huì)越來(lái)越大，因此可以通過(guò)檢測(cè)火源的面積率來(lái)判斷可疑火源部分[15-18]，通過(guò)上述顏色特征與邊緣特征得出火焰區(qū)域，計(jì)算當(dāng)前幀圖像與隔一段時(shí)間后一幀圖像火焰像素?cái)?shù)目，得出面積增長(zhǎng)率D，定義如下：

式中：dS為在i＋k時(shí)刻與i時(shí)刻火焰區(qū)域面積發(fā)生的變化；dt為所經(jīng)過(guò)的時(shí)間；因此DS表示在i到i＋k這個(gè)時(shí)間間隔內(nèi)可能火焰區(qū)域的面積變化率。其中k值需大于1，由于火焰面積增長(zhǎng)速度一定，若k值取得太小，則DS不能體現(xiàn)出火焰面積變化率。

圖11 邊緣檢測(cè)圖像

3.3 火災(zāi)探測(cè)實(shí)驗(yàn)

實(shí)驗(yàn)時(shí)水炮被設(shè)置在炮塔上，炮頭距離地面7m，噴射仰角為35°，水炮額定工作壓力為0.8MPa。實(shí)驗(yàn)的火源為33cm×33cm油盤（內(nèi)裝300mL汽油）和木材。實(shí)驗(yàn)中還設(shè)置了多種干擾源（人體、打火機(jī)、煙頭等）。實(shí)驗(yàn)結(jié)果（見(jiàn)表1），統(tǒng)計(jì)得出系統(tǒng)對(duì)火源的響應(yīng)時(shí)間（水炮發(fā)現(xiàn)火源到系統(tǒng)報(bào)警的時(shí)間）平均小于25s，水炮的射程可達(dá)57m（與水炮壓力、噴射仰角等因素有關(guān)）。隨著火源距離的加大，水炮的漏報(bào)警概率有所增加，但在100m范圍內(nèi)水炮誤報(bào)漏報(bào)率還是極低的。實(shí)驗(yàn)結(jié)果證明本文所采用的火災(zāi)探測(cè)算法具有良好的抗干擾能力，而且具有較高的探測(cè)準(zhǔn)確度和效率，能夠滿足工程應(yīng)用要求。

表1 實(shí)驗(yàn)結(jié)果

4 結(jié)論

基于雙波段視頻探測(cè)的智能水炮系統(tǒng)設(shè)計(jì)將熱輻射特性與視覺(jué)特性相結(jié)合，漏報(bào)誤報(bào)率極低，大大減少了目前大空間智能水炮誤操作造成的損失，且系統(tǒng)采用雙核處理，提高了智能水炮的反應(yīng)速度與效率，系統(tǒng)最大的優(yōu)勢(shì)在于采用本地處理，中控僅僅用來(lái)進(jìn)行人工控制與監(jiān)控，提高了大空間中智能水炮的實(shí)用性。

[1] 莊坤森. 大空間火焰檢測(cè)與自動(dòng)消防炮系統(tǒng)研究[D].福州: 福州大學(xué), 2010.

ZUANG Kunsen. Research on Large Space Fire Detection andAutomatic Fire-fighting Cannon System[D]. Fuzhou: FuzhoUniversity, 2010.

[2] 喻興隆. 智能消防炮控制系統(tǒng)設(shè)計(jì)[D]. 成都: 西華大學(xué), 2011.

YU Xinglong. The Control System Design of Intelligent FireMonitor[D]. Chendu: Xihua University, 2011.

[3] 陳磊, 黃繼風(fēng). 基于視頻的火焰檢測(cè)方法[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2014(9): 3143-3147.

CHEN Lei, HUANG Jifeng. Flame detection method based on video[J]., 2014(9): 3143-3147.

[4] 魏崇毓, 王馨民. 基于紅外、紫外雙波段探測(cè)的智能水炮系統(tǒng)設(shè)計(jì)[J].紅外技術(shù), 2016, 38(10): 877-883.

WEI Chongyu，WANG Xinmin. Design of intelligent water Cannon system based on PIRS and UV detection[J]., 2016, 38(10): 877-883.

[5] 蔡鑫. 基于紅外技術(shù)的野外火災(zāi)探測(cè)系統(tǒng)研究[D]. 南京: 南京航空航天大學(xué), 2008.

CAI Xin. The wild fire detection system based on infrared technology research[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2008.

[6] 嚴(yán)云洋, 杜靜, 高尚兵, 等. 融合多特征的視頻火焰檢測(cè)[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2015, 27(3): 433-440.

YAN Yunyang, DU Jing, GAO Shangbing. Video Flame Detection Based on Fusion of Multi-feature[J]., 2015, 27(3): 433-440.

[7] 朱蕾. 基于視頻監(jiān)控的火災(zāi)特征檢測(cè)系統(tǒng)[D]. 吉林: 吉林大學(xué), 2010. ZHU Lei. Fire Features Detection System Based on the Video Monitoring[D]. Jilin: Ji Lin University, 2010.

[8] 李忠海, 李建偉, 梁宵, 等. 基于圖像的消防水炮智能控制系統(tǒng)設(shè)計(jì)[J]. 沈陽(yáng)航空航天大學(xué)學(xué)報(bào), 2015, 32(5): 74-79.

LI Zhonghai, LI Jianwei, LIANG Xiao. The intelligent control system design of fire-fighting monitor based on video image[J]., 2015, 32(5): 74-79.

[9] 黃慶東. 基于紅外熱成像的火災(zāi)檢測(cè)算法研究[D]. 廣州: 華南理工大學(xué), 2014.

HUANG Qingdong. The Research of Fire Detection Algorithm Based On Infrared Thermal Imaging[D]. Guangzhou: South China University of Technology, 2014.

[10] 陳學(xué)軍, 楊永明. 基于雙核的視頻智能消防水炮設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制, 2015(12): 4184-4186.

CHEN Xuejun, YANG Yongming. Design of a video intelligent fire water cannon based on dual-core[J]., 2015(12): 4184-4186.

[11] 欒方軍, 李揚(yáng), 劉真全. 基于視頻圖像的火焰多特征檢測(cè)[J]. 測(cè)控技術(shù), 2015(6): 27-30.

LUAN Fangjun, LI Yang, LIU ZhenQuan. Multi-feature flame detection based on video image[J]., 2015(6): 27-30.

[12] 胡艷, 王慧琴, 秦薇薇, 等. 基于粗糙集的火災(zāi)圖像特征選擇與識(shí)別[J]. 計(jì)算機(jī)應(yīng)用, 2013, 33(3): 704-707.

HU Yan, WANG Huiqin, QIN Weiwei. Fire image features selection and recognition based on rough set[J]., 2013, 33(3): 704-707.

[13] Rinsurongkawong S, Ekpanyapong M, Dailey M N. Fire detection for early fire alarm based on optical flow video processing[C]//9th,,,2012: 1-4.

[14] 王志強(qiáng), 李立君, 黃雁, 等. 基于模糊最小二乘支持向量機(jī)的火災(zāi)信號(hào)辨識(shí)[J]. 中南大學(xué)學(xué)報(bào): 自然科學(xué)版, 2013, 44(1): 202-207．

WANG Zhiqiang, LI Lijun, HUANG Yan. Fire disaster signal recognition based on fuzzy least squares support vector machines[J].:, 2013, 44(1): 202-207.

[15] 榮建忠. 基于多特征的火焰圖像探測(cè)研究及實(shí)現(xiàn)[D]. 合肥: 中國(guó)科學(xué)技術(shù)大學(xué)安全科學(xué)與工程系, 2012.

RONG Jianzhong. Study and Realization of Multi-Feature Based Fire Image Detection[D]. Hefei: China university of science and technology of safety science and engineering, 2012.

[16] 盧玉書. 大空間火災(zāi)探測(cè)與定位消防設(shè)計(jì)[J]. 信息技術(shù)與信息化, 2015(6): 208-211.

LU Yushu. Fire system design for large space fire detection and positioning[J]. Information Technology and Informatization, 2015(6): 208-211.

[17] 秦薇薇. 基于紅外視頻的火災(zāi)探測(cè)算法研究[D]. 西安: 西安建筑科技大學(xué), 2012.

QIN Weiwei. Fire Detection Algorithms Based on Infrared Video[D]. Xi'an: Xi'an University of Architecture and Technology, 2012

[18] WANG D C, CUI X N, PARK E, et al. Adaptive flame detection using randomness testing and robust features[J]., 2013, 55: 116-125.

Design of Intelligent Water Cannon System Based on Dual-band Video Detection

HU Naiping，GENG Tongtong，WANG Xinmin

(,266100,)

Aiming at fire detection in large spaces, a new intelligent water cannon system based on dual-band video detection is studied, which takes DSP chip TMS320dm648 as the video processing chip and STM32f103 as control chip. Dual-band(infrared and visible light) was used to study heat, color, shape, spectrum and motion characteristics of fire to estimate the fire. The accuracy of fire detection was improved. Stepper motor is used to drive the intelligent water cannon and CAN is used as the communication of the whole system to improve the reaction speed and flexibility of intelligent water cannon. The system can locate fire source in 25s and then carry out fire-fighting. And it can monitor the space within 100m. This system will be a better choice for large spaces fire fighting.

large space fire-fighting，intelligent water cannon system，fire detection，dual-band，infrared，visible light

TN215，TN23

A

1001-8891(2017)10-0884-06

2016-11-06；

2016-12-04.

胡乃平（1968-），男，山東臨沂人，教授，博士，主要從事工業(yè)信息化、物聯(lián)網(wǎng)方向的研究。