江仲慶

（上海浦江橋隧運營管理有限公司，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。一旦發(fā)生火災(zāi)，對隧道結(jié)構(gòu)和設(shè)施造成極大破壞，對社會經(jīng)濟(jì)造成影響，破壞性和危險性極大。近30多年來，我國也發(fā)生過多起公路隧道火災(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)報警系統(tǒng)的工作原理主要分為感溫型、感光型、視頻檢測型等[1]。感溫型火災(zāi)探測器有感溫電纜、紫銅管、熱敏合金線、光纖感溫探測器等幾種，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)溫度變化量來實現(xiàn)火災(zāi)探測和報警。感光型在隧道中應(yīng)用的主要是雙波長火焰探測器，其對火災(zāi)中輻射光的閃變的兩種波長進(jìn)行比較，從而準(zhǔn)確地判斷出是否發(fā)生火災(zāi)。視頻檢測型是利用計算機技術(shù)，通過視頻檢測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)計院宿增強[2]提出基于線型感溫+點式感光技術(shù)的公路隧道火災(zāi)報警系統(tǒng)，結(jié)合了光纖光柵線型感溫火災(zāi)探測和圖像感光探測的技術(shù)優(yōu)勢，提升了隧道火災(zāi)探測精度和可靠性，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)報警系統(tǒng)，以A T89C51單片機為核心，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)議實現(xiàn)與上位機的數(shù)據(jù)通信，組成集中和區(qū)域為一體的多區(qū)域多監(jiān)測點的火災(zāi)報警系統(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]實現(xiàn)了一種基于A R M9多傳感器數(shù)據(jù)融合火災(zāi)報警系統(tǒng)，該系統(tǒng)對火災(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)的處理和算法的實現(xiàn)都由控制器來完成，實驗結(jié)果顯示，該方法可以提高系統(tǒng)的準(zhǔn)確度和可靠性。沈陽儀表科學(xué)研究院金晨等人[5]設(shè)計了一種基于無線傳感網(wǎng)和數(shù)據(jù)融合技術(shù)的火災(zāi)報警系統(tǒng)，采用3種傳感器組成無線傳感網(wǎng)進(jìn)行火災(zāi)數(shù)據(jù)的監(jiān)測采集并通過協(xié)調(diào)器發(fā)送給上位機，在上位機程序中采用基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)算法對傳感器數(shù)據(jù)進(jìn)行數(shù)據(jù)融合計算，仿真實驗表明傳感器數(shù)據(jù)經(jīng)過神經(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)探測系統(tǒng)基本都針對小范圍，大部分存在檢測精度低，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，使其存在火災(zāi)自動報警設(shè)備誤報率和漏報率高等問題，因此，本文提出一種基于圖像識別分析探測隧道火災(zāi)的技術(shù)，通過紅外、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)行融合計算，形成火災(zāi)概率信息并同時輸出復(fù)合圖像信息。能夠同時復(fù)合檢測溫度、火焰、煙霧等多種在火災(zāi)發(fā)生時會產(chǎn)生的物理量，可將視頻信息通過網(wǎng)絡(luò)上傳至主控室監(jiān)控中心，監(jiān)控人員可實時觀察到隧道內(nèi)的火情，確保在最短的時間對火情進(jìn)行有效控制和對人員的及時救援。

1 隧道火災(zāi)探測系統(tǒng)

近年來，圖像型火災(zāi)探測報警系統(tǒng)有了長足發(fā)展，形成了商業(yè)化系統(tǒng)并符合國家和國際的標(biāo)準(zhǔn)規(guī)范，在許多領(lǐng)域得到了應(yīng)用。其最大的優(yōu)點在于基于成像原理，不需要燃燒產(chǎn)物傳播、對流、輻射、傳導(dǎo)到探測器的位置，可以實現(xiàn)火災(zāi)的早期探測報警。圖像型火災(zāi)探測報警系統(tǒng)由于可以同時偵測煙霧和火焰，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，火焰和煙氣的探測算法不同，市場上的圖像火災(zāi)探測器可以分為火焰圖像探測器、煙氣圖像探測器，復(fù)合式的探測器（兩者兼容）?；馂?zāi)圖像探測器通過視頻捕捉火災(zāi)場景的圖像信息，后臺利用圖像算法提取火災(zāi)的物理特征，例如尺寸、運動特性、閃爍、持久度、面積特征、頻域特征等，探測器通過算法分析出現(xiàn)在視頻圖像中的火災(zāi)圖像特征信息。算法將再針對火災(zāi)的多種特征并行進(jìn)行計算，并根據(jù)一定長度的視頻周期內(nèi)符合火災(zāi)特征的比例進(jìn)行統(tǒng)計分析，得出相應(yīng)火災(zāi)特征所對應(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)圖像探測器的核心技術(shù)是探測算法，一個好的算法具有很低的誤報率和漏報率。

圖1 火焰探測的部分特征示意圖

圖2 煙霧探測的部分特征示意圖

圖像型火災(zāi)探測系統(tǒng)（見圖3）一般由一到兩個CC D/C M O S攝像機、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處理器運行著識別煙霧、火焰的數(shù)據(jù)算法，并根據(jù)計算數(shù)值進(jìn)行融合和決策，最終給出報警信息。

圖3 圖像探測器系統(tǒng)架構(gòu)圖

本文采用分布式光纖感溫探測器作為火災(zāi)探測的手段，圖像型火災(zāi)探測器系統(tǒng)構(gòu)成見圖4，隧道內(nèi)每隔50m安裝一個手動火災(zāi)報警按鈕，用于手動報警，每隔12.5m部署一個光纖光柵傳感器作為火災(zāi)探測的輔助手段。在東線入口1 km區(qū)域內(nèi)安裝12臺圖像型火災(zāi)探測器，作為一種視頻檢測型的火災(zāi)探測手段。圖像型火災(zāi)探測器具有感煙功能，每臺探測器的監(jiān)控距離設(shè)定為100m，每25m形成一個固定探測分區(qū)，可以指導(dǎo)或聯(lián)動對應(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)探測器系統(tǒng)架構(gòu)圖

2 識別方法

本文利用紅外攝像頭獲取的圖像視頻信息，通過計算機處理，利用火焰的各類獨特特征對圖像進(jìn)行識別，判斷是否是火焰。并以傳統(tǒng)的圖像目標(biāo)識別技術(shù)為基礎(chǔ)，結(jié)合火焰的獨特性質(zhì)，主要工作流程分為“背景減除”——“特征分析”——“機器學(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，實現(xiàn)實時檢測算法。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)視頻中存在移動物體的時候，相鄰幀之間會有差別，求取兩幀圖像差的絕對值，則靜止的物體在差分圖像上的結(jié)果應(yīng)為0，運動的物體在運動邊緣處和上一幀相比有變化應(yīng)為非0。當(dāng)差分圖像絕對值超過一定閾值時，即可判斷為運動目標(biāo)。該方法適用于運動速度適中，運動變化簡單的情況。

（2）平均值累積法：在視頻中連續(xù)取一系列幀，對這些幀取每個像素點的平均值。用這個平均值來表示背景。當(dāng)出現(xiàn)新幀時，用新幀與背景值做對比。當(dāng)像素差超過一定閾值時，即可判斷為前景物體。這種算法需要一個安靜的背景時間做背景建模，對于背景經(jīng)常變化的場景適用程度低。

（3）高斯建模法：統(tǒng)計一段時間內(nèi)的某個像素點的信息，通過其概率密度等統(tǒng)計信息（如模式數(shù)量、每個模式的均值和標(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。這種模型可以對復(fù)雜的動態(tài)背景進(jìn)行建模。

為驗證背景減除方法的有效性，針對以上不同的背景建模方法，分別進(jìn)行了相應(yīng)的實驗。試驗結(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，可得到僅有運動目標(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?；鹧娴闹饕毺靥卣骺梢苑譃橐韵氯悾夯A(chǔ)幾何特征，動態(tài)特征，紋理特征。

基礎(chǔ)幾何特征包括圓形度、矩形度、長寬比、重心高度、邊界粗糙度等特征。針對這些特征，我們進(jìn)行了大量的實驗，對共計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)幾何特征對火焰圖像的分類準(zhǔn)確度

H O G特征通過計算和統(tǒng)計圖像局部區(qū)域的梯度方向直方圖來構(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個點與中心點的大小關(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進(jìn)行分類識別，因為其對紋理變化和旋轉(zhuǎn)較為敏感。將L B P特征進(jìn)行直方圖統(tǒng)計，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，對這些特征向量使用機器學(xué)習(xí)的方法進(jìn)行判定。常見的機器學(xué)習(xí)模型有隨機森林，K近鄰算法。多層感知機，支持向量機等。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)對多模型進(jìn)行融合，可得到一個較為準(zhǔn)確的火焰識別模型。利用同分布的測試集，火焰判定的綜合準(zhǔn)確率約為97%。

3 實驗與分析

本項目在大量調(diào)研國內(nèi)外隧道火災(zāi)探測報警資料后，結(jié)合虹梅南路隧道特點，在原有采用分布式光纖感溫探測系統(tǒng)、光柵光纖感溫探測系統(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)探測系統(tǒng)的復(fù)合式隧道探測報警技術(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證三類火災(zāi)探測器的實際效果。

3.1 實驗過程

根據(jù)隧道內(nèi)主要的火災(zāi)事故類型，試驗方法主要參照了國際一些試驗研究的方法，可以較為準(zhǔn)確全面地評估火災(zāi)探測性能。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，在很短的時間即會達(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)。

因此本次實驗設(shè)定兩種實驗科目：

科目一：車輛故障冒煙快速處置。中控室通過道路視頻監(jiān)控發(fā)現(xiàn)隧道東線9號攝像頭有車輛停留，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)行點煙（見圖6），現(xiàn)場巡查人員立即用現(xiàn)場水帶將煙霧撲滅后，再次點煙模擬大巴車著火，現(xiàn)場巡查人員再次利用現(xiàn)場水帶將煙霧撲滅。實驗現(xiàn)場見圖6。

圖6 模擬科目一事故陰燃及事故車牽引

科目二：車輛起火運用現(xiàn)場滅火器進(jìn)行撲滅。中控室通過監(jiān)控發(fā)現(xiàn)隧道東線9號攝像頭有車輛停留，我方在車輛后側(cè)進(jìn)行點火，中控發(fā)現(xiàn)后立即啟動隧道火災(zāi)應(yīng)急預(yù)案，通過廣播通知人員組織自救通過逃生通道進(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，巡檢到現(xiàn)場后立即使用隧道現(xiàn)有滅火器將火災(zāi)撲滅后，再次模擬大巴著火（再次點火），撲滅火災(zāi)后，牽引將事故車輛牽離隧道。實驗現(xiàn)場見圖7和圖8。

圖7 科目二模擬小車起火與救援

3.2 實驗設(shè)備

圖8 科目二模擬大車起火與救援

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

表2 點火工具

圖9 模擬煙霧（左）和油盤（右）

對于油盤直徑大于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

本次實驗分為煙霧和火焰兩個科目，每個科目分別模擬大車和小車發(fā)生著火或起煙的高度。實驗環(huán)境現(xiàn)場工況見表3。

表3 試驗現(xiàn)場工況

3.3.1隧道煙霧實驗

火災(zāi)位置設(shè)定在圖像型火災(zāi)探測器的下游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時長的白色煙霧。實驗結(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功能；圖像型火災(zāi)探測器可對煙霧做出快速響應(yīng)，響應(yīng)時間均在15 s內(nèi)。并在距圖像型火災(zāi)探測器50 s位置使用煙霧彈，現(xiàn)場風(fēng)速大、出煙量小，圖像型火災(zāi)探測器仍能快速準(zhǔn)確的識別報警。所以圖像型火災(zāi)探測器具備自學(xué)習(xí)功能，首次點煙探測時間為15 s，末次提升至9 s。

3.3.2 隧道火焰實驗

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

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

綜上，通過實驗，得出分布式光纖感溫探測系統(tǒng)、光柵光纖感溫探測系統(tǒng)與基于人工智能技術(shù)的圖像型火災(zāi)探測系統(tǒng)的對比結(jié)果，見表6。

表6 對比結(jié)果

4 結(jié)語

該文提出了一種圖像識別技術(shù)是一種非接觸式的火災(zāi)報警技術(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)識別的響應(yīng)時間、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)社會和諧穩(wěn)定。該技術(shù)在隧道火災(zāi)報警體系中起著至關(guān)重要的作用?；谌斯ぶ悄芗夹g(shù)的圖像型火災(zāi)探測手段作為輔助火災(zāi)探測系統(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 隧道煙霧實驗結(jié)果

表5 隧道火焰實驗結(jié)果