王軍， 張俊

(1. 中國石油化工股份有限公司 天津分公司，天津 300270；2. 浪潮軟件集團有限公司，北京 100089)

1 火災(zāi)預(yù)警系統(tǒng)現(xiàn)狀

在傳統(tǒng)視頻監(jiān)控系統(tǒng)中，監(jiān)控點位較多且品牌復(fù)雜，人工監(jiān)控存在時間盲區(qū)，現(xiàn)場出現(xiàn)火情后往往不能被及時發(fā)現(xiàn)，錯過火災(zāi)最佳救援時機，造成重大經(jīng)濟損失。多個監(jiān)控平臺并存，會導致出現(xiàn)數(shù)據(jù)孤島，無法統(tǒng)一管理，在事故后期溯源時需通過搜尋調(diào)取存儲攝像，操作復(fù)雜，處理效率低下。

初期火災(zāi)預(yù)警系統(tǒng)可集成各種品牌攝像機并關(guān)聯(lián)公司現(xiàn)有監(jiān)控平臺，統(tǒng)一管理，由人工監(jiān)控轉(zhuǎn)變?yōu)闄C器全天候監(jiān)控。觸發(fā)報警后，系統(tǒng)在第一時間以語音彈框、短信提醒等方式通知管理人員,并發(fā)送報警信息，生成報警記錄，實現(xiàn)預(yù)警、報警一體化視頻聯(lián)動。由事后追溯轉(zhuǎn)為事初報警，最終實現(xiàn)無人值守的智能化初期火災(zāi)預(yù)警監(jiān)控，在節(jié)約人工成本的同時，安全生產(chǎn)也得以保障。

2 初期火災(zāi)預(yù)警系統(tǒng)設(shè)計思路

依托該公司現(xiàn)有視頻管理平臺及2 200個現(xiàn)場模擬、數(shù)字監(jiān)控視頻，對溫度達到220 ℃及以上，且易產(chǎn)生腐蝕泄漏的設(shè)備、罐區(qū)、汽車棧臺、熱油泵、高溫管線等重點設(shè)備，實現(xiàn)全天候智能火焰識別。發(fā)生火情時，在該公司視頻管理系統(tǒng)上實現(xiàn)預(yù)警、報警、存儲的一體化視頻聯(lián)動。該預(yù)警系統(tǒng)主要包括： 視頻監(jiān)控管理平臺、火焰識別模型、視頻預(yù)處理和報警客戶端以及短信平臺。

3 初期火災(zāi)預(yù)警系統(tǒng)架構(gòu)及應(yīng)用

3.1 總體架構(gòu)

利用該公司視頻專網(wǎng)資源及視頻監(jiān)控管理平臺，部署初期火災(zāi)預(yù)警系統(tǒng)實現(xiàn)預(yù)警及視頻聯(lián)動。該系統(tǒng)架構(gòu)如圖1所示。

圖1 初期火災(zāi)預(yù)警系統(tǒng)架構(gòu)示意

該系統(tǒng)架構(gòu)中各層主要功能如下：

1)感知層。主要包括前端監(jiān)控攝像機和硬盤錄像機，用于實時采集現(xiàn)場視頻。

2)數(shù)據(jù)層。預(yù)處理程序通過該預(yù)警系統(tǒng)后臺管理端配置的相關(guān)攝像機，將實時采集的視頻流轉(zhuǎn)化為圖片，根據(jù)規(guī)則模型參數(shù)過濾數(shù)據(jù)，把有效的結(jié)果集中發(fā)送給火焰識別模型。

3)能力層。該預(yù)警系統(tǒng)采用機器深度學習框架，通過大量的樣本進行機器學習訓練，訓練后的火焰特征庫分類存儲，以備火焰識別使用。能力層功能主要包含火焰預(yù)測和機器學習。該預(yù)警系統(tǒng)利用現(xiàn)有的視頻監(jiān)控管理平臺，將火災(zāi)報警信號推送給視頻監(jiān)控管理平臺，實現(xiàn)視頻聲光報警一體化聯(lián)動；并按照視頻控制權(quán)限分配短信發(fā)送機制，該機制依賴于第三方短信網(wǎng)關(guān)，及時將報警信息推送給相關(guān)負責人。

4)應(yīng)用層。當該預(yù)警系統(tǒng)監(jiān)測到火情時，第一時間在現(xiàn)有的視頻監(jiān)控平臺彈出相應(yīng)監(jiān)控視頻畫面，并語音播報報警點位，視頻彈出畫面有報警核實和誤報兩個功能按鈕。同時視頻監(jiān)控平臺以及該預(yù)警系統(tǒng)后臺管理端均提供火災(zāi)報警記錄查詢功能。

“中國個人收入分配調(diào)節(jié)的對象應(yīng)是全體國民，但85%的城鎮(zhèn)就業(yè)人員從納稅人行列中被剔除出去，他們中的大多數(shù)才是真正的低、中收入人群。特別是從3500元到5000元的過程中，1.18億人不再納稅，對于即將出臺的專項附加扣除將無法享受，而這85%中的大多數(shù)，恰恰才是最需要減負的人?！眲⒖酸恼f。

5)展示層。主要將報警彈出視頻推送到視頻監(jiān)控PC機上或大顯示屏上。

3.2 技術(shù)原理

該預(yù)警系統(tǒng)支持多種規(guī)則模型，主要分為靜態(tài)特征模型與動態(tài)特征模型兩大類。靜態(tài)模型包括： 顏色、亮度、光譜、顏色直方等15種模型；動態(tài)模型包括： 面積、移動、相似度等7種模型。

該預(yù)警系統(tǒng)結(jié)合火焰靜態(tài)特征和動態(tài)特征，利用計算機模式識別、機器視覺、人工智能、網(wǎng)絡(luò)通信以及海量數(shù)據(jù)管理技術(shù)，將智能識別算法嵌入到數(shù)字信號處理中，分析和提煉目標的各種行為模式，形成核心算法。采用目標檢測、目標跟蹤、目標分類、行為分析等方法，根據(jù)機器深度學習特征庫進行比較和比對，達到辨識采集到的視頻圖像行為理解的目的。對目標的框架周長和行動軌跡打上標簽，做出預(yù)警和實時報警，觸發(fā)錄像，實現(xiàn)智能監(jiān)控識別。

初期火災(zāi)預(yù)警系統(tǒng)采用火警識別的技術(shù)手段有三種，包括： 卷積神經(jīng)網(wǎng)絡(luò)(CNN)及HSV算法、目標檢測 (faster-rcnn)算法、幀間差分算法及CNN識別技術(shù)，可根據(jù)實際情況選用不同的算法識別火警。

該預(yù)警系統(tǒng)以基于幀間差分算法及CNN的火警識別技術(shù)為例，介紹其原理：

1)第一步采用幀間差分算法。通過火焰具有跳動的特征，提取動態(tài)區(qū)域形態(tài)、顏色、畫面中的火焰相似度等數(shù)據(jù)進行模型識別，并找出視頻畫面中的動態(tài)區(qū)域，利用畫面的動態(tài)特征和動態(tài)區(qū)域的像素坐標作為運算依據(jù)。首先將RGB三通道的彩色圖轉(zhuǎn)換為grey單通道的灰度圖，然后將視頻第n幀灰度圖 與n-1幀灰度圖逐個像素相減，得到差分圖像，如設(shè)置閾值為50，令差分圖像中小于50的值為0，不作后續(xù)計算；大于50的值為255，進行后續(xù)計算分析，得到二值圖像；接著進行連通性分析，得到運動的區(qū)域。小于閾值的區(qū)域，是視頻畫面中變化較小的區(qū)域或靜止區(qū)域，通常為背景；而不小于閾值的區(qū)域像素變化較大，說明有物體在區(qū)域內(nèi)移動。視頻畫面中出現(xiàn)火情時，必定是在大于閾值的運動區(qū)域，通過尋找運動區(qū)域，就能找到疑似火焰的區(qū)域。

兩幀相減差分圖像計算如式(1)所示：

Dn(x,y)=|fn(x,y)-fn-1(x,y)|

(1)

式中：fn，fn-1——相鄰兩幀圖像；Dn——差分圖像。

二值圖像的判斷如式(2)所示：

(2)

式中：T——閾值；Rn——二值圖像。

2)第二步采用CNN判斷是否為火。以大量的火焰圖像和非火焰的圖像作為訓練樣本，將檢測視頻畫面中的運動區(qū)域圖像送入CNN，判斷疑似火焰區(qū)域的圖像是否為火，進行火和非火圖像分類。當分類結(jié)果為火時，即檢測到火情，隨即發(fā)出報警信號給值班人員確認。圖像通過神經(jīng)網(wǎng)絡(luò)識別，識別率和準確率均可達90%以上，單次識別的時間在1 s以內(nèi)，可以滿足生產(chǎn)環(huán)境中對報警及時性、準確性的要求。

4 系統(tǒng)應(yīng)用效果

該預(yù)警系統(tǒng)運行以來，特別是2020年該公司經(jīng)歷了設(shè)備大檢修異常復(fù)雜的現(xiàn)場條件考驗，成功捕獲現(xiàn)場險情，驗證了該預(yù)警系統(tǒng)的有效性，降低了非計劃停車的風險。因此，該預(yù)警系統(tǒng)已經(jīng)納入到裝置開車條件之一，各生產(chǎn)裝置交付生產(chǎn)前，現(xiàn)場視頻監(jiān)控技防措施應(yīng)部署到位、完好投用。目前該預(yù)警系統(tǒng)對重點區(qū)域覆蓋率達25%以上，由多人輪守“人眼盯控”轉(zhuǎn)為全天候視頻智能監(jiān)控，大幅降低巡檢人員工作強度，提升巡檢效果，識別準確率高、誤報率低，實現(xiàn)了從事后追溯轉(zhuǎn)為事初報警。

5 結(jié)束語

采用初期火災(zāi)預(yù)警系統(tǒng)，能夠?qū)崿F(xiàn)全天候?qū)崟r監(jiān)控、識別火災(zāi)險情，一旦發(fā)生火災(zāi)，第一時間通知監(jiān)控中心、相關(guān)操作人員及消防支隊，配合短信和應(yīng)急指揮平臺，及時處理并縮短了救援時間，最大限度地挽回經(jīng)濟損失，提升了該公司的安全管理水平。