江仲慶

（上海浦江橋隧運(yùn)營(yíng)管理有限公司，上海市 200023）

0 引言

公路隧道火災(zāi)有著煙霧大、溫度高；易爆炸、蔓延快；空間小、疏散難；條件差、撲救難等特點(diǎn)。一旦發(fā)生火災(zāi)，對(duì)隧道結(jié)構(gòu)和設(shè)施造成極大破壞，對(duì)社會(huì)經(jīng)濟(jì)造成影響，破壞性和危險(xiǎn)性極大。近30多年來(lái)，我國(guó)也發(fā)生過(guò)多起公路隧道火災(zāi)事故，造成較大的經(jīng)濟(jì)損失和較壞的社會(huì)影響。因此，公路隧道消防系統(tǒng)的可靠性顯得尤為重要。

隧道目前常用的火災(zāi)報(bào)警系統(tǒng)的工作原理主要分為感溫型、感光型、視頻檢測(cè)型等[1]。感溫型火災(zāi)探測(cè)器有感溫電纜、紫銅管、熱敏合金線、光纖感溫探測(cè)器等幾種，其基本原理都是根據(jù)火災(zāi)發(fā)生后產(chǎn)生的熱氣流上升到隧道頂部后，引起隧道頂部的溫度變化，然后根據(jù)溫度變化量來(lái)實(shí)現(xiàn)火災(zāi)探測(cè)和報(bào)警。感光型在隧道中應(yīng)用的主要是雙波長(zhǎng)火焰探測(cè)器，其對(duì)火災(zāi)中輻射光的閃變的兩種波長(zhǎng)進(jìn)行比較，從而準(zhǔn)確地判斷出是否發(fā)生火災(zāi)。視頻檢測(cè)型是利用計(jì)算機(jī)技術(shù)，通過(guò)視頻檢測(cè)到煙霧和火焰從而直觀地發(fā)現(xiàn)火災(zāi)。甘肅省交通規(guī)劃勘察設(shè)計(jì)院宿增強(qiáng)[2]提出基于線型感溫+點(diǎn)式感光技術(shù)的公路隧道火災(zāi)報(bào)警系統(tǒng)，結(jié)合了光纖光柵線型感溫火災(zāi)探測(cè)和圖像感光探測(cè)的技術(shù)優(yōu)勢(shì)，提升了隧道火災(zāi)探測(cè)精度和可靠性，其成本較高。北方工業(yè)大學(xué)王捷等人[3]提出一種分布式智能火災(zāi)報(bào)警系統(tǒng)，以A T89C51單片機(jī)為核心，利用智能溫度傳感器，并配以相關(guān)外圍接口電路，采用R S485通信協(xié)議實(shí)現(xiàn)與上位機(jī)的數(shù)據(jù)通信，組成集中和區(qū)域?yàn)橐惑w的多區(qū)域多監(jiān)測(cè)點(diǎn)的火災(zāi)報(bào)警系統(tǒng)。其在分辨率，穩(wěn)定性等方面都能夠具有一定的水準(zhǔn)，使用規(guī)模有一定限制。柳小軍等人[4]實(shí)現(xiàn)了一種基于A R M9多傳感器數(shù)據(jù)融合火災(zāi)報(bào)警系統(tǒng)，該系統(tǒng)對(duì)火災(zāi)的判斷主要采用模糊推理的數(shù)據(jù)融合算法，火災(zāi)數(shù)據(jù)的處理和算法的實(shí)現(xiàn)都由控制器來(lái)完成，實(shí)驗(yàn)結(jié)果顯示，該方法可以提高系統(tǒng)的準(zhǔn)確度和可靠性。沈陽(yáng)儀表科學(xué)研究院金晨等人[5]設(shè)計(jì)了一種基于無(wú)線傳感網(wǎng)和數(shù)據(jù)融合技術(shù)的火災(zāi)報(bào)警系統(tǒng)，采用3種傳感器組成無(wú)線傳感網(wǎng)進(jìn)行火災(zāi)數(shù)據(jù)的監(jiān)測(cè)采集并通過(guò)協(xié)調(diào)器發(fā)送給上位機(jī)，在上位機(jī)程序中采用基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)算法對(duì)傳感器數(shù)據(jù)進(jìn)行數(shù)據(jù)融合計(jì)算，仿真實(shí)驗(yàn)表明傳感器數(shù)據(jù)經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)融合的結(jié)果具有較高的準(zhǔn)確度。

但現(xiàn)有的火災(zāi)探測(cè)系統(tǒng)基本都針對(duì)小范圍，大部分存在檢測(cè)精度低，成本高的缺陷，且隧道中存在粉塵多、潮氣重和風(fēng)速大等特點(diǎn)，使其存在火災(zāi)自動(dòng)報(bào)警設(shè)備誤報(bào)率和漏報(bào)率高等問題，因此，本文提出一種基于圖像識(shí)別分析探測(cè)隧道火災(zāi)的技術(shù)，通過(guò)紅外、近紅外、可見光的多頻視頻攝像，采集火災(zāi)初期的煙霧和火焰圖像，提取煙霧和火焰相關(guān)物理特性，進(jìn)行融合計(jì)算，形成火災(zāi)概率信息并同時(shí)輸出復(fù)合圖像信息。能夠同時(shí)復(fù)合檢測(cè)溫度、火焰、煙霧等多種在火災(zāi)發(fā)生時(shí)會(huì)產(chǎn)生的物理量，可將視頻信息通過(guò)網(wǎng)絡(luò)上傳至主控室監(jiān)控中心，監(jiān)控人員可實(shí)時(shí)觀察到隧道內(nèi)的火情，確保在最短的時(shí)間對(duì)火情進(jìn)行有效控制和對(duì)人員的及時(shí)救援。

1 隧道火災(zāi)探測(cè)系統(tǒng)

近年來(lái)，圖像型火災(zāi)探測(cè)報(bào)警系統(tǒng)有了長(zhǎng)足發(fā)展，形成了商業(yè)化系統(tǒng)并符合國(guó)家和國(guó)際的標(biāo)準(zhǔn)規(guī)范，在許多領(lǐng)域得到了應(yīng)用。其最大的優(yōu)點(diǎn)在于基于成像原理，不需要燃燒產(chǎn)物傳播、對(duì)流、輻射、傳導(dǎo)到探測(cè)器的位置，可以實(shí)現(xiàn)火災(zāi)的早期探測(cè)報(bào)警。圖像型火災(zāi)探測(cè)報(bào)警系統(tǒng)由于可以同時(shí)偵測(cè)煙霧和火焰，成為最佳的解決方案。

火災(zāi)火焰一般具有較為明顯的視覺特征：陰燃亮光、火焰顏色、閃爍、外形等特征，另外火災(zāi)常常也伴有火災(zāi)煙氣的生成，火焰和煙氣的探測(cè)算法不同，市場(chǎng)上的圖像火災(zāi)探測(cè)器可以分為火焰圖像探測(cè)器、煙氣圖像探測(cè)器，復(fù)合式的探測(cè)器（兩者兼容）?；馂?zāi)圖像探測(cè)器通過(guò)視頻捕捉火災(zāi)場(chǎng)景的圖像信息，后臺(tái)利用圖像算法提取火災(zāi)的物理特征，例如尺寸、運(yùn)動(dòng)特性、閃爍、持久度、面積特征、頻域特征等，探測(cè)器通過(guò)算法分析出現(xiàn)在視頻圖像中的火災(zāi)圖像特征信息。算法將再針對(duì)火災(zāi)的多種特征并行進(jìn)行計(jì)算，并根據(jù)一定長(zhǎng)度的視頻周期內(nèi)符合火災(zāi)特征的比例進(jìn)行統(tǒng)計(jì)分析，得出相應(yīng)火災(zāi)特征所對(duì)應(yīng)的指標(biāo)，將這些指標(biāo)采用合適的數(shù)據(jù)融合方式得出火災(zāi)的概率。常見的火災(zāi)物理特征舉例見圖1和圖2?；馂?zāi)圖像探測(cè)器的核心技術(shù)是探測(cè)算法，一個(gè)好的算法具有很低的誤報(bào)率和漏報(bào)率。

圖1 火焰探測(cè)的部分特征示意圖

圖2 煙霧探測(cè)的部分特征示意圖

圖像型火災(zāi)探測(cè)系統(tǒng)（見圖3）一般由一到兩個(gè)CC D/C M O S攝像機(jī)、圖像采集與預(yù)處理單元、D S P處理單元、輸入輸出界面、紅外光源或配套傳感器等組成。D S P處理器運(yùn)行著識(shí)別煙霧、火焰的數(shù)據(jù)算法，并根據(jù)計(jì)算數(shù)值進(jìn)行融合和決策，最終給出報(bào)警信息。

圖3 圖像探測(cè)器系統(tǒng)架構(gòu)圖

本文采用分布式光纖感溫探測(cè)器作為火災(zāi)探測(cè)的手段，圖像型火災(zāi)探測(cè)器系統(tǒng)構(gòu)成見圖4，隧道內(nèi)每隔50m安裝一個(gè)手動(dòng)火災(zāi)報(bào)警按鈕，用于手動(dòng)報(bào)警，每隔12.5m部署一個(gè)光纖光柵傳感器作為火災(zāi)探測(cè)的輔助手段。在東線入口1 km區(qū)域內(nèi)安裝12臺(tái)圖像型火災(zāi)探測(cè)器，作為一種視頻檢測(cè)型的火災(zāi)探測(cè)手段。圖像型火災(zāi)探測(cè)器具有感煙功能，每臺(tái)探測(cè)器的監(jiān)控距離設(shè)定為100m，每25m形成一個(gè)固定探測(cè)分區(qū)，可以指導(dǎo)或聯(lián)動(dòng)對(duì)應(yīng)分區(qū)的滅火設(shè)備進(jìn)行精確定位并給出最合理的滅火方案。

圖4 圖像型火災(zāi)探測(cè)器系統(tǒng)架構(gòu)圖

2 識(shí)別方法

本文利用紅外攝像頭獲取的圖像視頻信息，通過(guò)計(jì)算機(jī)處理，利用火焰的各類獨(dú)特特征對(duì)圖像進(jìn)行識(shí)別，判斷是否是火焰。并以傳統(tǒng)的圖像目標(biāo)識(shí)別技術(shù)為基礎(chǔ)，結(jié)合火焰的獨(dú)特性質(zhì)，主要工作流程分為“背景減除”——“特征分析”——“機(jī)器學(xué)習(xí)”三部分。

2.1 背景減除

背景減除是圖像處理的第一步也是最重要的一步，通過(guò)有效的背景減除，能大量減少需要進(jìn)行特征分析的數(shù)據(jù)內(nèi)容，實(shí)現(xiàn)實(shí)時(shí)檢測(cè)算法。常見的背景減除方法有：幀間差分法，平均值累積法，高斯建模法等。

（1）幀間差分法：當(dāng)視頻中存在移動(dòng)物體的時(shí)候，相鄰幀之間會(huì)有差別，求取兩幀圖像差的絕對(duì)值，則靜止的物體在差分圖像上的結(jié)果應(yīng)為0，運(yùn)動(dòng)的物體在運(yùn)動(dòng)邊緣處和上一幀相比有變化應(yīng)為非0。當(dāng)差分圖像絕對(duì)值超過(guò)一定閾值時(shí)，即可判斷為運(yùn)動(dòng)目標(biāo)。該方法適用于運(yùn)動(dòng)速度適中，運(yùn)動(dòng)變化簡(jiǎn)單的情況。

（2）平均值累積法：在視頻中連續(xù)取一系列幀，對(duì)這些幀取每個(gè)像素點(diǎn)的平均值。用這個(gè)平均值來(lái)表示背景。當(dāng)出現(xiàn)新幀時(shí)，用新幀與背景值做對(duì)比。當(dāng)像素差超過(guò)一定閾值時(shí)，即可判斷為前景物體。這種算法需要一個(gè)安靜的背景時(shí)間做背景建模，對(duì)于背景經(jīng)常變化的場(chǎng)景適用程度低。

（3）高斯建模法：統(tǒng)計(jì)一段時(shí)間內(nèi)的某個(gè)像素點(diǎn)的信息，通過(guò)其概率密度等統(tǒng)計(jì)信息（如模式數(shù)量、每個(gè)模式的均值和標(biāo)準(zhǔn)差）表示背景，利用背景差分思想，判斷新輸入的像素是否符合高斯背景。這種模型可以對(duì)復(fù)雜的動(dòng)態(tài)背景進(jìn)行建模。

為驗(yàn)證背景減除方法的有效性，針對(duì)以上不同的背景建模方法，分別進(jìn)行了相應(yīng)的實(shí)驗(yàn)。試驗(yàn)結(jié)果見圖5。

圖5 不同背景建模方法下的前景圖像

2.2 特征分析

利用背景減除算法，可得到僅有運(yùn)動(dòng)目標(biāo)的紅外圖像，該圖像主要由車燈，煙霧，火焰，車輛行人模糊輪廓等組成。火焰的主要獨(dú)特特征可以分為以下三類：基礎(chǔ)幾何特征，動(dòng)態(tài)特征，紋理特征。

基礎(chǔ)幾何特征包括圓形度、矩形度、長(zhǎng)寬比、重心高度、邊界粗糙度等特征。針對(duì)這些特征，我們進(jìn)行了大量的實(shí)驗(yàn)，對(duì)共計(jì)500張圖像進(jìn)行了特征分析，其中300張圖像為火焰圖像，200張圖像為非火焰圖像。各類基礎(chǔ)幾何特征的識(shí)別準(zhǔn)確度見表1。

紋理特征是指物體表面的緩慢變化或周期性變化的表面結(jié)構(gòu)組織排列屬性，有良好的抗燥能力。經(jīng)典的紋理特征提取方法包括方向梯度直方圖（H O G）方法，局部二值模式（L B P）方法等。

表1 各類基礎(chǔ)幾何特征對(duì)火焰圖像的分類準(zhǔn)確度

H O G特征通過(guò)計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖來(lái)構(gòu)成特征。在一幅圖像中，局部目標(biāo)的表象和形狀能夠被梯度或邊緣的方向密度分布很好地描述。在火焰燈光分類中，H O G特征主要描述的是圖像的邊緣形狀屬性。火焰的邊緣性狀和燈光的邊緣形狀差距較大，能通過(guò)H O G特征很好地區(qū)分開。

L B P特征是一種描述圖像局部紋理特征的算子，將窗口中心像素設(shè)為閾值，與相鄰的8個(gè)像素的灰度值進(jìn)行比較，根據(jù)其與閾值的大小關(guān)系設(shè)為0和1。這樣，將3×3內(nèi)的8個(gè)點(diǎn)與中心點(diǎn)的大小關(guān)系進(jìn)行編碼，這就是L B P算子。L B P算子一般不直接用來(lái)進(jìn)行分類識(shí)別，因?yàn)槠鋵?duì)紋理變化和旋轉(zhuǎn)較為敏感。將L B P特征進(jìn)行直方圖統(tǒng)計(jì)，利用直方圖的不變性進(jìn)行相似性判斷是較為合適的做法。

2.3 機(jī)器學(xué)習(xí)

整理出目標(biāo)所有的特征后，集合為特征向量，對(duì)這些特征向量使用機(jī)器學(xué)習(xí)的方法進(jìn)行判定。常見的機(jī)器學(xué)習(xí)模型有隨機(jī)森林，K近鄰算法。多層感知機(jī)，支持向量機(jī)等。利用收集到的數(shù)據(jù)建立多種模型，并使用A d a B oo s t in g技術(shù)對(duì)多模型進(jìn)行融合，可得到一個(gè)較為準(zhǔn)確的火焰識(shí)別模型。利用同分布的測(cè)試集，火焰判定的綜合準(zhǔn)確率約為97%。

3 實(shí)驗(yàn)與分析

本項(xiàng)目在大量調(diào)研國(guó)內(nèi)外隧道火災(zāi)探測(cè)報(bào)警資料后，結(jié)合虹梅南路隧道特點(diǎn)，在原有采用分布式光纖感溫探測(cè)系統(tǒng)、光柵光纖感溫探測(cè)系統(tǒng)的基礎(chǔ)上，2018年7月在虹梅南路隧道探索基于人工智能技術(shù)的圖像型火災(zāi)探測(cè)系統(tǒng)的復(fù)合式隧道探測(cè)報(bào)警技術(shù)的應(yīng)用。并于2018年9月27日夜在業(yè)主路政局的大力支持下，組織隧道消防演練驗(yàn)證三類火災(zāi)探測(cè)器的實(shí)際效果。

3.1 實(shí)驗(yàn)過(guò)程

根據(jù)隧道內(nèi)主要的火災(zāi)事故類型，試驗(yàn)方法主要參照了國(guó)際一些試驗(yàn)研究的方法，可以較為準(zhǔn)確全面地評(píng)估火災(zāi)探測(cè)性能。具體如下：（1）液體油盤火：主要模擬車輛油箱泄漏或者車輛撞擊中出現(xiàn)的火災(zāi)。這類火災(zāi)發(fā)展很快，在很短的時(shí)間即會(huì)達(dá)到最高熱釋放率；（2）煙霧：主要由于車輛碰撞，或者早期陰燃的貨物等引發(fā)。

因此本次實(shí)驗(yàn)設(shè)定兩種實(shí)驗(yàn)科目：

科目一：車輛故障冒煙快速處置。中控室通過(guò)道路視頻監(jiān)控發(fā)現(xiàn)隧道東線9號(hào)攝像頭有車輛停留，中控發(fā)現(xiàn)后立即通知牽引前往處置，牽引人員到達(dá)后，我方在車輛后側(cè)進(jìn)行點(diǎn)煙（見圖6），現(xiàn)場(chǎng)巡查人員立即用現(xiàn)場(chǎng)水帶將煙霧撲滅后，再次點(diǎn)煙模擬大巴車著火，現(xiàn)場(chǎng)巡查人員再次利用現(xiàn)場(chǎng)水帶將煙霧撲滅。實(shí)驗(yàn)現(xiàn)場(chǎng)見圖6。

圖6 模擬科目一事故陰燃及事故車牽引

科目二：車輛起火運(yùn)用現(xiàn)場(chǎng)滅火器進(jìn)行撲滅。中控室通過(guò)監(jiān)控發(fā)現(xiàn)隧道東線9號(hào)攝像頭有車輛停留，我方在車輛后側(cè)進(jìn)行點(diǎn)火，中控發(fā)現(xiàn)后立即啟動(dòng)隧道火災(zāi)應(yīng)急預(yù)案，通過(guò)廣播通知人員組織自救通過(guò)逃生通道進(jìn)行逃生，事故車輛人員從最近的逃生通道撤離，通知巡檢、牽引立即趕往現(xiàn)場(chǎng)，巡檢到現(xiàn)場(chǎng)后立即使用隧道現(xiàn)有滅火器將火災(zāi)撲滅后，再次模擬大巴著火（再次點(diǎn)火），撲滅火災(zāi)后，牽引將事故車輛牽離隧道。實(shí)驗(yàn)現(xiàn)場(chǎng)見圖7和圖8。

圖7 科目二模擬小車起火與救援

3.2 實(shí)驗(yàn)設(shè)備

圖8 科目二模擬大車起火與救援

實(shí)驗(yàn)中所用的工具見表2，通過(guò)使用煙霧彈來(lái)模擬陰燃狀態(tài)下的火災(zāi)，本實(shí)驗(yàn)采用的是瑞典R E G I N公司的#S103系列煙霧彈，發(fā)煙時(shí)間90 s。采用正庚烷作為燃料，火盤大小為：0.6m×0.6m。實(shí)物見圖9。

表2 點(diǎn)火工具

圖9 模擬煙霧（左）和油盤（右）

對(duì)于油盤直徑大于0.2 m2的油池，其熱釋放速率隨著直徑的增加而增大，其表達(dá)式為：

式中：a為有效燃燒因子；G為質(zhì)量燃燒速率；ΔH為熱值；Af為油盤面積。

3.3 結(jié)果分析

本次實(shí)驗(yàn)分為煙霧和火焰兩個(gè)科目，每個(gè)科目分別模擬大車和小車發(fā)生著火或起煙的高度。實(shí)驗(yàn)環(huán)境現(xiàn)場(chǎng)工況見表3。

表3 試驗(yàn)現(xiàn)場(chǎng)工況

3.3.1隧道煙霧實(shí)驗(yàn)

火災(zāi)位置設(shè)定在圖像型火災(zāi)探測(cè)器的下游50m的位置上模擬陰燃煙霧火災(zāi)，使用的煙霧彈可以持續(xù)發(fā)生90 s時(shí)長(zhǎng)的白色煙霧。實(shí)驗(yàn)結(jié)果見表4。

根據(jù)表4中數(shù)據(jù)可知，分布式光纖和光纖光柵不具備煙霧探測(cè)功能；圖像型火災(zāi)探測(cè)器可對(duì)煙霧做出快速響應(yīng)，響應(yīng)時(shí)間均在15 s內(nèi)。并在距圖像型火災(zāi)探測(cè)器50 s位置使用煙霧彈，現(xiàn)場(chǎng)風(fēng)速大、出煙量小，圖像型火災(zāi)探測(cè)器仍能快速準(zhǔn)確的識(shí)別報(bào)警。所以圖像型火災(zāi)探測(cè)器具備自學(xué)習(xí)功能，首次點(diǎn)煙探測(cè)時(shí)間為15 s，末次提升至9 s。

3.3.2 隧道火焰實(shí)驗(yàn)

油盤為隧道環(huán)境中典型的火災(zāi)工況。本次試驗(yàn)中使用0.6m×0.6m的火盤模擬火災(zāi)，燃料選用正庚烷。實(shí)驗(yàn)結(jié)果見表5。

根據(jù)表中數(shù)據(jù)可知，分布式光纖對(duì)火焰響應(yīng)時(shí)間在80 s內(nèi)；光纖光柵對(duì)火焰響應(yīng)時(shí)間在40 s內(nèi)；圖像型火災(zāi)探測(cè)器對(duì)火焰響應(yīng)時(shí)間在15 s內(nèi)。本次點(diǎn)火點(diǎn)在距圖像型火災(zāi)探測(cè)器100 m位置，其仍能快速響應(yīng)。

綜上，通過(guò)實(shí)驗(yàn)，得出分布式光纖感溫探測(cè)系統(tǒng)、光柵光纖感溫探測(cè)系統(tǒng)與基于人工智能技術(shù)的圖像型火災(zāi)探測(cè)系統(tǒng)的對(duì)比結(jié)果，見表6。

表6 對(duì)比結(jié)果

4 結(jié)語(yǔ)

該文提出了一種圖像識(shí)別技術(shù)是一種非接觸式的火災(zāi)報(bào)警技術(shù)。應(yīng)用該技術(shù)能夠使火災(zāi)在前期就被準(zhǔn)確發(fā)現(xiàn)，能有效提高隧道內(nèi)火災(zāi)識(shí)別的響應(yīng)時(shí)間、準(zhǔn)確度與效率，能有效減少物資損失、降低人員傷亡、維護(hù)社會(huì)和諧穩(wěn)定。該技術(shù)在隧道火災(zāi)報(bào)警體系中起著至關(guān)重要的作用?；谌斯ぶ悄芗夹g(shù)的圖像型火災(zāi)探測(cè)手段作為輔助火災(zāi)探測(cè)系統(tǒng)既可與隧道監(jiān)控系統(tǒng)結(jié)合，也可與隧道異常事件報(bào)警系統(tǒng)結(jié)合應(yīng)用于隧道日常監(jiān)控，具體廣泛的應(yīng)用前景。

表4 隧道煙霧實(shí)驗(yàn)結(jié)果

表5 隧道火焰實(shí)驗(yàn)結(jié)果