張家興，張振榮

(廣西大學計算機與電子信息學院，廣西 南寧 530004)

1 引言

倉庫是各類物資的存儲場所，其中包含一些高風險的易燃、易爆、有毒貨物[1]，但如果無法及時發(fā)現(xiàn)火災(zāi)[2，3]，造成嚴重的經(jīng)濟損失，也會威脅相關(guān)工作人員的安全。為有效管理倉庫安全，避免火災(zāi)現(xiàn)象發(fā)生，劉樹東[4]等人提取視頻內(nèi)多個圖像為樣本數(shù)據(jù)，去霧處理樣本圖像，通過基于Horn-Schunck光流法的煙霧檢測算法實現(xiàn)煙霧檢測，采用最大類間方差法消除相鄰幀圖像的像素質(zhì)量差異，使用擴散性定理評估火災(zāi)現(xiàn)象。但該方法抗干擾能力不強，火災(zāi)評估結(jié)果誤報率較高。羅勝[5]等人按照煙霧動態(tài)軌跡特征，運用切片策略在卷積神經(jīng)網(wǎng)絡(luò)中獲得時間壓縮軌跡特征，使用循環(huán)神經(jīng)網(wǎng)絡(luò)提取長程時間關(guān)聯(lián)關(guān)系，通過分塊方法增強精準計算煙霧軌跡并發(fā)出火災(zāi)預(yù)警。但該方法神經(jīng)網(wǎng)絡(luò)訓(xùn)練周期較長，無法保證火災(zāi)檢測結(jié)果及時性。

為改善傳統(tǒng)方法火情分析方法應(yīng)用的弊端，將倉庫信息采集與傳輸作為首要研究目標，提出一種基于ZigBee無線通信技術(shù)的智能倉庫火災(zāi)監(jiān)控方法。利用高斯建模計算火焰的顏色特征，完成火災(zāi)區(qū)域標記，運用主機、協(xié)調(diào)器等模塊創(chuàng)建ZigBee無線通信技術(shù)下智能倉庫信息傳輸系統(tǒng)，通過卡爾曼濾波方法完成智能化、高精度的倉庫火災(zāi)監(jiān)控任務(wù)。

2 火災(zāi)區(qū)域標記

挑選N幀初始圖像作為得到背景幀圖像的原始訓(xùn)練數(shù)據(jù)，針對一個背景圖像而言，其像素亮度分布條件必須滿足高斯分布，背景圖像E(x，y)點亮度的收斂條件為

I(x，y)～N(u，σ)

(1)

式中，u、σ分別代表各個背景像素的均值與方差，各個點的高斯分布均為獨立狀態(tài)。

建模圖像背景內(nèi)的各像素根據(jù)高斯分布狀態(tài)，更新N幀初始圖像訓(xùn)練獲得的參數(shù)，依照更新后的背景圖像獲得原始背景幀[6]，將更新像素點參數(shù)的過程描述為：

u(t+1，x，y)=a×u(t，x，y)+(1-a)×I(x，y)

(2)

其中，u表示像素點灰度平均值，a是更新參數(shù)，t是更新周期。

高斯建模后獲得二值化的前景圖像，同時在圖像內(nèi)計算動態(tài)區(qū)域輪廓，并添加輪廓標記，極大提升了火災(zāi)區(qū)域跟蹤效率。設(shè)定原始輸入狀態(tài)矢量是(x，y，w，h，0，0)，x、y代表動態(tài)范圍輪廓的中心坐標，w、h分別表示輪廓的寬度與高度。按照火災(zāi)初始階段火焰呈現(xiàn)出的特質(zhì)，使用火焰色彩完成火災(zāi)區(qū)域標記。

彩色圖像內(nèi)，火焰的內(nèi)核為亮白色，外部伴隨溫度的下降顏色逐步由黃變紅，因此，火焰的紅色分量與亮度是劃分火焰的關(guān)鍵特征[7]?；鹧嫔史至繐碛泻芏鄡?nèi)在關(guān)聯(lián)，紅色分量大于等于綠色分量，且火焰圖像飽和度與亮度值極高。挑選如下顏色判斷解析式，分析火焰色彩的特征點

R(x，y)≥105

(3)

R(x，y)≥G(x，y)≥B(x，y)

(4)

S(x，y)≥0.2

(5)

(6)

(7)

max=max(R(x，y)，G(x，y)，B(x，y))

(8)

min=min(R(x，y)，G(x，y)，B(x，y))

(9)

其中，R(x，y)、G(x，y)、B(x，y)分別表示圖像坐標(x，y)位置像素點和紅綠藍色彩分量，S(x，y)、I(x，y)分別代表飽和度與亮度。掃描初始圖像動態(tài)區(qū)域各像素點，若此像素點同時滿足式(3)～(9)，則此像素點是疑似火焰點。計算此區(qū)域全部的疑似像素點，分析疑似火焰點占該區(qū)域像素總值的比例，若比例高于10%，標記該區(qū)域為火焰疑似區(qū)域。

3 基于ZigBee無線通信技術(shù)的火災(zāi)動態(tài)區(qū)域跟蹤

為更好地收集倉庫內(nèi)的細節(jié)信息，及時挖掘潛在的火災(zāi)威脅因素[8]，運用ZigBee無線通信技術(shù)建立一個智能倉庫信息傳輸系統(tǒng)。本文信息傳輸系統(tǒng)涵蓋主機、協(xié)調(diào)器、路由器、監(jiān)控節(jié)點四部分。系統(tǒng)硬件中的無線煙霧報警器通過中央處理器、傳感器板塊與發(fā)射板塊共同構(gòu)成。系統(tǒng)架構(gòu)如圖1所示。

圖1 ZigBee無線通信技術(shù)下智能倉庫信息傳輸系統(tǒng)

利用ZigBee無線通信傳輸系統(tǒng)獲得足夠的倉庫監(jiān)控信息后，利用卡爾曼濾波算法有效識別倉庫火災(zāi)險情。卡爾曼濾波使用待計算目標的方位、速率與加速度來定義目標狀態(tài)向量，按照遞推策略[9]，持續(xù)更新目標形態(tài)并實現(xiàn)檢測。

卡爾曼濾波為一個線性連續(xù)系統(tǒng)[10]，將其記作

(10)

其中，表示系統(tǒng)的n維狀態(tài)矢量，w(t)、v(t)均是p維零均值白噪聲矢量，A(t)代表n×n維系統(tǒng)矩陣，B(t)表示n×p維擾動輸入矩陣，z(t)代表m維測量矢量，H(t)為m×n維測量矩陣。

離散化計算式(10)，得到

(11)

其中，Φ、Γ表示離散化系數(shù)。

卡爾曼濾波計算過程如下：設(shè)定輸入的n維目標狀態(tài)向量為x，那么先驗估計的推導(dǎo)公式為

(12)

其中，F(xiàn)表示傳遞矩陣，C為一個具備狀態(tài)更改功能的n×c矩陣，wk為過程噪聲。

(13)

使用式(13)計算測量值zk，并更新誤差協(xié)方差矩陣，得到

(14)

其中，Hk表示k時段下的測量矩陣，F(xiàn)T為轉(zhuǎn)置矩陣，Qk-1為過程噪聲wk的協(xié)方差矩陣。

使用卡爾曼濾波器追蹤倉庫中的動態(tài)區(qū)域，明確被追蹤區(qū)域是否連續(xù)存在，特征檢測多幀動態(tài)區(qū)域，并以此判定火焰大小。

4 智能倉庫火災(zāi)監(jiān)控及報警

動態(tài)目標檢測即從ZigBee傳輸網(wǎng)絡(luò)中獲得的視頻圖像中完成目標識別任務(wù)，當前大多使用的目標檢測算法包含幀間差分法、光流法[11]等。圓形度可清晰展現(xiàn)出物體或區(qū)域范圍形態(tài)復(fù)雜度水準，將其描述成

(15)

其中，S為物體/某個區(qū)域的面積，L表示周長。周長代表區(qū)域邊界長度，這里的周長是目標動態(tài)輪廓邊界白點的數(shù)量。不規(guī)則物體的圓形度小于1，若火焰圓形度處于0.3～0.7區(qū)間，推斷該區(qū)域可能發(fā)生火災(zāi)。

因火焰燃燒時形狀的復(fù)雜性，導(dǎo)致火焰動態(tài)范圍中心在水平與垂直兩個方向上不停抖動。持續(xù)記錄N幀圖像各動態(tài)范圍中心點坐標的位移量，排除規(guī)則動態(tài)方向的物體干擾。將輪廓中心表達式記作

(16)

式中，M、O依次為輪廓點的寬度與高度。

若(Xn，Yn)、(Xn-1，Yn-1)為鄰近兩幀圖像的相同輪廓中心點坐標，(DXn，DYn)為鄰近兩幀圖像相同輪廓中心點坐標差值，創(chuàng)建計數(shù)器CT1、CT2，得到如下對應(yīng)關(guān)系：

(17)

火焰處于隨時變化狀態(tài)，因此DXn、DYn的取值在大于0和小于0之間。在火場內(nèi)的人體位移一般是面向一個方向活動的，在持續(xù)的若干幀圖像內(nèi)，CT1、CT2均符合式(18)的收斂式，可確認倉庫產(chǎn)生火災(zāi)程度，進行報警。

(2

(18)

ZigBee無線通信技術(shù)下的信息傳輸系統(tǒng)中，主機和協(xié)調(diào)器之間利用串口進行通信，協(xié)調(diào)器和路由器利用無線連接傳遞采集到的倉庫信息，無線煙霧報警器會定時分析倉庫內(nèi)火災(zāi)動態(tài)的信息，傳遞給協(xié)調(diào)器，報警器穩(wěn)定運行時會步入周期性休眠形態(tài)[12]，降低節(jié)點消耗量，煙霧報警節(jié)點使用CC2530芯片作為中央處理器，此芯片擁有優(yōu)秀的接收靈敏度與抗干擾性，功耗較低，可以很好地完成倉庫內(nèi)部信息處理與傳輸工作。觸發(fā)蜂鳴器報警工作過程如圖2所示。

圖2 無線煙霧報警器工作流程

系統(tǒng)軟件設(shè)計使用Visual Studio研發(fā)平臺，主界面融合倉庫火災(zāi)信息傳輸?shù)莫毺匦枨?，包含如下幾個板塊：串口參變量設(shè)定、環(huán)境監(jiān)測、數(shù)據(jù)庫、現(xiàn)場圖像監(jiān)測和節(jié)點數(shù)據(jù)。運用Matlab平臺創(chuàng)建火災(zāi)預(yù)警模型[13]，分析倉庫產(chǎn)生火災(zāi)的幾率，在SQL Server數(shù)據(jù)庫儲存火災(zāi)記錄，在節(jié)點數(shù)據(jù)板塊引入休眠機制，優(yōu)化網(wǎng)絡(luò)信息處理能力。

ZigBee無線通信網(wǎng)絡(luò)中的節(jié)點會定時收集倉庫所屬范圍中的傳感器數(shù)據(jù)，利用路由器探尋傳輸路徑并輸送至協(xié)調(diào)器，協(xié)調(diào)器把數(shù)據(jù)經(jīng)過串口上傳至計算機中[14]。計算機融合處理傳感數(shù)據(jù)，在環(huán)境監(jiān)測板塊內(nèi)展現(xiàn)倉庫不同區(qū)域的傳感數(shù)據(jù)與報警信息。

產(chǎn)生火災(zāi)事故時，數(shù)據(jù)庫板塊會自動記錄并顯現(xiàn)出歷史火災(zāi)信息，計算機使用協(xié)調(diào)器給傳感節(jié)點傳送倉庫實時圖像與預(yù)警指令。傳感節(jié)點開啟蜂鳴器報警，收集現(xiàn)場圖像[15]，把圖像傳輸給計算機，快速地將倉庫現(xiàn)場信息傳輸給外圍工作人員，提供可靠的滅火決策數(shù)據(jù)。

5 仿真研究

設(shè)計仿真驗證本文算法的可靠性，實驗中對比方法為文獻[4]提出的基于機器視覺的火災(zāi)監(jiān)控方法和文獻[5]提出的基于時間壓縮法的火災(zāi)監(jiān)控方法，實驗分為數(shù)據(jù)傳輸性能和火災(zāi)圖像識別兩部分。仿真工具為MATLAB 2020b，仿真參數(shù)如表1所示。

表1 仿真參變量

5.1 數(shù)據(jù)傳輸性能

圖3為三種方法節(jié)點動態(tài)為10m/s時網(wǎng)絡(luò)的傳輸帶寬情況。

圖3 網(wǎng)絡(luò)傳輸帶寬實驗結(jié)果

從圖3看到，本文方法的網(wǎng)絡(luò)傳輸帶寬要遠遠高于兩個文獻方法。這是因為本文方法全方面考慮了倉庫圖像數(shù)據(jù)傳輸過程中的網(wǎng)絡(luò)能耗與時延元素，利用ZigBee無線通信技術(shù)極大降低了因簇頭節(jié)點受限產(chǎn)生的傳輸擁堵現(xiàn)象，因此擁有很高的網(wǎng)絡(luò)傳輸帶寬。

圖4為節(jié)點動態(tài)速率為20m/s時，三種方法數(shù)據(jù)傳輸網(wǎng)絡(luò)延時情況。

圖4 網(wǎng)絡(luò)傳輸時延檢測結(jié)果

觀察圖4看到，實驗次數(shù)較少時，三種方法的傳輸時延無明顯差距，但伴隨傳輸次數(shù)的不斷增多，逐步凸顯出本文方法的優(yōu)勢。原因在于機器視覺法沒有考慮通過優(yōu)化簇頭節(jié)點的方法增強網(wǎng)絡(luò)擁堵控制能力，極易產(chǎn)生因簇頭節(jié)點失效導(dǎo)致延時變多。時間壓縮法在數(shù)據(jù)傳輸時只考慮了流量過載多產(chǎn)生的網(wǎng)絡(luò)延時的影響，分析角度不夠全面，方法在大量實驗次數(shù)中展現(xiàn)出一定不足。本文方法中添加了休眠機制，大幅減少簇頭節(jié)點的能量消耗情況，降低了數(shù)據(jù)重傳次數(shù)，從而改善了網(wǎng)絡(luò)延時現(xiàn)象。

5.2 火災(zāi)監(jiān)控識別

挑選倉庫監(jiān)控視頻1000幀圖像完成火災(zāi)監(jiān)控識別檢測，為降低計算量，將視頻裁剪成80*80的分辨率，實驗結(jié)果如圖5所示。

圖5 火災(zāi)監(jiān)控識別結(jié)果

根據(jù)圖5可知，由于火災(zāi)發(fā)生后火焰面積為持續(xù)性、拓展性的增長趨勢，機器視覺法進行火災(zāi)識別時，誤將發(fā)光的物體，即路燈識別成火災(zāi)位置，證明該方法無法排除火災(zāi)火焰相似特征的發(fā)光物體的干擾，極易產(chǎn)生誤判。時間壓縮法在火焰照亮火光背景中，因發(fā)生流動變化，誤把煙霧當作火焰，計算結(jié)果也產(chǎn)生了一定偏差。而本文方法全方位分析火焰的色彩、輪廓等數(shù)據(jù)，可在多幀圖像內(nèi)準確挖掘火情，實用性較強。

為及時發(fā)現(xiàn)火情并采取對應(yīng)滅火措施，對火災(zāi)的高效率識別尤為重要，圖6為三種方法火災(zāi)識別效率對比。

圖6 倉庫火災(zāi)識別效率對比

根據(jù)圖6可知，本文方法識別時間較為穩(wěn)定，效率遠高于兩個文獻方法。綜合以上實驗內(nèi)容可知：本文方法構(gòu)建的火災(zāi)監(jiān)控網(wǎng)絡(luò)能快速采集并傳輸倉庫內(nèi)部信息，同時具備優(yōu)秀的火災(zāi)識別速度，得到更加精準的倉庫火情信息。

6 結(jié)論

為保證倉庫貨物安全，維護企業(yè)或個人的經(jīng)濟利益，提出一種ZigBee無線通信技術(shù)下智能倉庫火災(zāi)監(jiān)控方法。所提方法能有效獲取準確鎖定火情位置，得到火災(zāi)細節(jié)特征，并完成及時快速的災(zāi)情預(yù)警，便于采取對應(yīng)的應(yīng)急舉措，大幅降低火災(zāi)發(fā)生的概率與財產(chǎn)損失，實用性強，可廣泛應(yīng)用于現(xiàn)實場景中。