王記陵，萬 其，徐昊明，何嘉俊，董涵文

（南京工程學(xué)院 自動(dòng)化學(xué)院，江蘇 南京 211167）

0 引 言

將物聯(lián)網(wǎng)技術(shù)與現(xiàn)代消防技術(shù)相結(jié)合，進(jìn)行大空間倉(cāng)庫(kù)建筑的消防系統(tǒng)設(shè)計(jì)，不僅有利于該類建筑的管理，也能促進(jìn)相關(guān)消防技術(shù)的進(jìn)步[1]。阿里云物聯(lián)網(wǎng)平臺(tái)等物聯(lián)網(wǎng)平臺(tái)的發(fā)展使萬物互聯(lián)成為可能，感知設(shè)備將數(shù)據(jù)上傳至物聯(lián)網(wǎng)平臺(tái)，物聯(lián)網(wǎng)平臺(tái)將數(shù)據(jù)發(fā)送到服務(wù)器或者其他設(shè)備，以實(shí)現(xiàn)消防預(yù)警和數(shù)據(jù)監(jiān)測(cè)。物聯(lián)網(wǎng)的運(yùn)用可以從多方面發(fā)揮安防、消防作用，如何借助物聯(lián)網(wǎng)提升工作人員效率，減少人力損耗，是目前的主要研究方向之一[2]。

系統(tǒng)借助計(jì)算機(jī)視覺技術(shù)與溫濕度傳感器監(jiān)測(cè)環(huán)境數(shù)據(jù)并識(shí)別火焰，利用HOG特征和SVM分類器識(shí)別人體特征，并通過物聯(lián)網(wǎng)平臺(tái)將數(shù)據(jù)上傳至移動(dòng)用戶端。

1 系統(tǒng)總體設(shè)計(jì)

系統(tǒng)整體結(jié)構(gòu)如圖1所示。系統(tǒng)由主控模塊、圖像采集模塊、信息收集模塊和物聯(lián)網(wǎng)平臺(tái)組成。系統(tǒng)采用USB攝像頭作為圖像采集模塊，配備溫濕度傳感器進(jìn)行環(huán)境的溫濕度檢測(cè)。系統(tǒng)采用樹莓派作為主控模塊，用于接收傳感器數(shù)據(jù)和攝像頭傳送的圖像信息，判斷火情并進(jìn)行人體識(shí)別，之后將數(shù)據(jù)上傳至阿里云物聯(lián)網(wǎng)平臺(tái)，完成消防安防任務(wù)。

圖1 系統(tǒng)結(jié)構(gòu)

2 軟件設(shè)計(jì)

2.1 火焰識(shí)別算法

幀間差法是目前用于運(yùn)動(dòng)目標(biāo)檢測(cè)和分割的常用方法之一，通過對(duì)連續(xù)兩幀視頻圖像序列進(jìn)行差分運(yùn)算即可獲取運(yùn)動(dòng)目標(biāo)的輪廓[3]：

式中：D(x,y)為差分圖像；I(t)為t時(shí)刻圖像；I(t-1)為t-1時(shí)刻圖像；T為自定義閾值。幀間差分法易產(chǎn)生運(yùn)動(dòng)物體內(nèi)部灰度值相近的“空洞”，及差分圖像物體邊緣輪廓較粗的“雙影”[4]。所以本文采用三幀差法，令t時(shí)刻差分圖像與t+1時(shí)刻差分圖像相交[5]。

在火災(zāi)識(shí)別領(lǐng)域，常用的顏色模型為RGB和HSL[6]。OpenCV是應(yīng)用廣泛的開源計(jì)算機(jī)視覺庫(kù)，支持RGB與HSV顏色空間的轉(zhuǎn)換。HSV用明度（Value）替代了HSL的亮度（Lightness），根據(jù)文獻(xiàn)[7]與實(shí)際實(shí)驗(yàn)得出火焰HSV判據(jù)，如公式（2）：

溫濕度傳感器用于監(jiān)測(cè)環(huán)境溫濕度數(shù)據(jù)，當(dāng)空氣濕度處于30%RH～40%RH范圍時(shí)，火災(zāi)較易發(fā)生并擴(kuò)大蔓延；當(dāng)濕度低于25%RH時(shí)，極容易發(fā)生火災(zāi)[8]。因此，環(huán)境濕度低于25%RH時(shí)，系統(tǒng)將在移動(dòng)端提醒用戶：環(huán)境干燥，注意安全。根據(jù)不同火場(chǎng)下的溫度曲線對(duì)比，當(dāng)火場(chǎng)平均溫度為100 ℃時(shí)，場(chǎng)景溫度迅速升高；當(dāng)火場(chǎng)平均溫度為50 ℃時(shí)，溫度提升速度相對(duì)平緩[9]。因此，在測(cè)得環(huán)境溫度高于50 ℃時(shí)系統(tǒng)發(fā)布火災(zāi)警報(bào)，在保證預(yù)警快速性與及時(shí)性的同時(shí)，最大限度降低誤判率。火焰識(shí)別算法流程如圖2所示。

圖2 火焰識(shí)別算法流程

2.2 人體識(shí)別

方向梯度直方圖（Histogram of Oriented Gradient, HOG）特征是通過計(jì)算和統(tǒng)計(jì)圖像局部區(qū)域的梯度方向直方圖構(gòu)成的特征[10]。支持向量機(jī)（SVM）在解決小樣本、非線性和高緯度模式識(shí)別問題中有獨(dú)特的優(yōu)勢(shì)[11]。系統(tǒng)人體識(shí)別步驟如下：

（1）對(duì)圖像進(jìn)行灰度化、規(guī)范化操作；

（2）計(jì)算像素梯度；

（3）將圖像劃分為多個(gè)細(xì)胞模塊；

（4）將細(xì)胞模塊分為9個(gè)方向；

（5）將細(xì)胞模塊組合成更大的區(qū)塊；

（6）串聯(lián)所有區(qū)塊的HOG特征，得到圖像HOG特征；

（7）設(shè)置檢測(cè)窗口尺寸為64×128；

（8）將檢測(cè)窗口中圖像的HOG特征和參數(shù)SVMDetector求點(diǎn)積后與閾值比較，判斷圖像是否為行人，OpenCV庫(kù)提供參數(shù)SVMDetector與閾值。

2.3 物聯(lián)網(wǎng)平臺(tái)

阿里云物聯(lián)網(wǎng)平臺(tái)使開發(fā)者能夠?qū)崿F(xiàn)全球快速接入、跨廠商設(shè)備互聯(lián)互通、調(diào)用第三方智能服務(wù)等，從而快速搭建穩(wěn)定可靠的物聯(lián)網(wǎng)應(yīng)用[12]。

MQTT（消息隊(duì)列遙測(cè)傳輸）是基于發(fā)布/訂閱范式的消息協(xié)議，本文基于MQTT協(xié)議建立樹莓派與阿里云物聯(lián)網(wǎng)平臺(tái)間的通信。MQTT客戶端連接服務(wù)端，向服務(wù)端發(fā)送CONNECT報(bào)文，CONNECT報(bào)文包含客戶端ID、用戶名、密碼、清除會(huì)話等信息?？蛻舳私邮盏椒?wù)端的CONNECT報(bào)文且報(bào)文成功連接后發(fā)送PUBLISH報(bào)文，PUBLISH報(bào)文包含發(fā)布的主題名稱、服務(wù)質(zhì)量等級(jí)等信息。

本文在阿里云物聯(lián)網(wǎng)平臺(tái)上創(chuàng)建的節(jié)點(diǎn)類型為直連設(shè)備，數(shù)據(jù)格式為ICA標(biāo)準(zhǔn)數(shù)據(jù)格式，聯(lián)網(wǎng)協(xié)議為WiFi。定義了“人員數(shù)量”“火情”“溫度”“濕度”4個(gè)功能類型，其中“人員數(shù)量”代表計(jì)算機(jī)視覺識(shí)別出的人體個(gè)數(shù)；“火情”變量取值為0時(shí)代表安全，為1時(shí)代表火災(zāi)警報(bào)。產(chǎn)品創(chuàng)建完成后，創(chuàng)建設(shè)備并獲取設(shè)備證書（“ProductKey”“DeviceNa me”“DeviceSecret”）。

樹莓派連接物聯(lián)網(wǎng)平臺(tái)的步驟如下：

（1）設(shè)置設(shè)備證書的3個(gè)參數(shù)；

（2）設(shè)置客戶端ID，本文設(shè)置為"paho.py|securemode=3，signmethod=hmacsha1，timestamp="+時(shí)間戳+""；

（3）設(shè)置協(xié)議用戶名為“DeviceName & ProductKey”；

（4）將DeviceName與客戶端ID、DeviceName、ProductKey、時(shí)間戳作為參數(shù)進(jìn)行簽名算法處理，得到密碼；

（5）根據(jù)ProductKey和地區(qū)ID獲取物聯(lián)網(wǎng)平臺(tái)地址并連接。

樹莓派向物聯(lián)網(wǎng)平臺(tái)發(fā)布數(shù)據(jù)的步驟如下：

（1）設(shè)置發(fā)布主題，本文發(fā)布主題為"/sys/ProductKey/DeviceName/thing/event/property/post"；

（2）填寫待發(fā)布的數(shù)據(jù)內(nèi)容，即人員數(shù)量、火情、溫度、濕度；

（3）完成信息發(fā)布。

3 系統(tǒng)測(cè)試

為驗(yàn)證算法性能，本文使用倉(cāng)庫(kù)內(nèi)視頻作為實(shí)驗(yàn)對(duì)象，系統(tǒng)根據(jù)HSV顏色判據(jù)和三幀差法對(duì)火災(zāi)圖像完成火焰識(shí)別，如圖3所示。然后結(jié)合溫度數(shù)據(jù)和圖像信息判斷是否存在火情，表1為部分火情判斷結(jié)果。同時(shí)，系統(tǒng)調(diào)用OpenCV庫(kù)完成人體識(shí)別，實(shí)驗(yàn)結(jié)果如圖4所示。實(shí)驗(yàn)表明，人物距離、人物衣著顏色、人物畫面模糊程度對(duì)系統(tǒng)人體識(shí)別正確率影響不大。系統(tǒng)根據(jù)溫濕度和圖像信息判斷是否存在火情并將“人員數(shù)量”“火情”“溫度”“濕度”4個(gè)參數(shù)上傳阿里云物聯(lián)網(wǎng)平臺(tái)，物聯(lián)網(wǎng)平臺(tái)接收設(shè)備數(shù)據(jù)并實(shí)時(shí)刷新。APP顯示頁(yè)面如圖5所示。在檢測(cè)到環(huán)境干燥極易發(fā)生火災(zāi)時(shí)，APP進(jìn)行干燥提示；系統(tǒng)判斷出現(xiàn)火情時(shí)，APP進(jìn)行火災(zāi)警報(bào)；未判斷出火情并且溫濕度數(shù)據(jù)正常時(shí)，APP顯示安全。

圖3 火焰顏色識(shí)別結(jié)果

圖4 人體識(shí)別結(jié)果

表1 部分火焰檢測(cè)結(jié)果

4 結(jié) 語

本文借助樹莓派、USB廣角攝像頭、DHT11溫濕度傳感器、阿里云物聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)了基于阿里云物聯(lián)網(wǎng)的多傳感器消防安防系統(tǒng)設(shè)計(jì)。計(jì)算機(jī)視覺與傳感器的結(jié)合有效保證了火焰識(shí)別的正確率，對(duì)HOG特征與SVM分類器的使用實(shí)現(xiàn)了較為準(zhǔn)確的人體識(shí)別。阿里云物聯(lián)網(wǎng)的設(shè)備接入、設(shè)備管理、規(guī)則引擎等功能完成了數(shù)據(jù)的訂閱發(fā)布，確保系統(tǒng)的穩(wěn)定與安全。