火灾探测技术及其发展

应劭霖

(江西省化学工业学校)

0 引言

火的使用始终伴随着人类文明发展，与人们的日常生活息息相关。火一旦失控便会演变成灾难，是一种在时空上失去控制的燃烧所引发的灾害，给自然环境、人们的财产甚至生命带来严重的威胁。在现在这样一个经济飞速发展的时代，工业燃料的增多，火灾的频繁发生，致使火灾安全问题越来越成为人们所关注的焦点。人们的意识由过去被动接受火灾，开始转变为主动探测预防火灾为主。

火灾的发生和发展是一个极其复杂的过程，存在着丰富的特征信息。火灾探测的基本内容是寻求、接收和识别这些特征信息[1]。火灾探测技术是传感技术和火灾探测算法结合的产物。火灾探测包含两个层面[2]：一是针对火灾发生时所表现出来的物理特征，采用何种探测方法；二是基于探测原理，采用何种算法才能有效准确地探测火灾。火灾探测涵盖火灾科学、计算机、信号处理和自动化等技术，已经发展出种类繁多的火灾探测器或系统。由于火灾报警事关重大，要求火灾探测系统可靠性高，不允许有漏报，同时误报越少越好。

1 传统火灾探测

1.1 探测器分类

传统的火灾探测是基于传感原理而设计的火灾探测器。火的燃烧过程中伴随着各种各样的物理特征。针对不同的特征，火灾探测器也各种各样。图1给出火灾探测器的分类[2]。纵观100多年来火灾探测技术的发展，主要分为感温、感烟、感光、气体探测以及复合式探测。

图1 火灾探测器分类

(1)感温探测器

从19世纪40年代至20世纪40年代，感温探测器占主导地位。根据物质在燃烧过程中，释放出大量的热，促使环境温度的升高。将温度信号转变成电信号，传输给火灾报警控制器，发出火灾报警信号[3]。最早的探测技术是1890年英国人研制的感温探测器，开创了火灾探测的先例。这种感温探头提取燃烧时的温度信号，再利用较简单的算法来判断。感温探头直接与外界环境相接触，鲁棒性不够强，探测火灾的速度比较慢，误报率比较高。最初的感温探测器主要应用于军事领域。

(2)感烟探测器

从20世纪50年代至70年代，感烟探测器登上了历史舞台。从探测原理上分类，感烟探测器可分为离子型和光电型[4]。离子型探测器的出现，将感温探测器排挤到了次要地位。感烟探头提取火灾的烟雾信号。相对感温探测而言，感烟探测有利于较早发现火灾。与感温探测一样，受到环境因素的影响，误报率也时有发生，对阴燃的报警也较慢，且不适用于大空间的火灾探测。1941年，离子烟雾探测器正式面世。火灾探测进入了一个崭新的阶段。但离子探测器内置了威害人体的放射性元素，推广受到了限制。1970年末期，光电技术的突破促使光电感烟探测器的问世。利用光散射原理探测烟雾的光电感烟探测器在技术上越来越成熟，且对缓慢阴燃火较敏感，因此备受人们的青睐。

(3)感光探测器

感光探测器又称为火焰探测器，对火焰光谱、光照强度和火焰闪烁频率敏感响应。目前使用的火焰探测器有两种，一种是对波长较短的光辐射敏感的紫外探测器，另一种是以波长较长的光辐射敏感的红外探测器[3]。感光探测器的响应速度较前两种快，其敏感元件在接受到火焰辐射光后的几毫秒中内就能发出报警，比较适宜安装在有瞬间爆炸产生的场所，是一种能在室外使用的探测器，且具有性能稳定，探测方位准确等优点。

(4)气体探测器

气体是火灾的早期特征之一。目前检测火灾的气体主要有CO、CO2、NOX、甲烷、H2、H2O、胺(-NH2)等[3][5]。用作探测气体的传感器有很多，应用最广泛的主要有半导体气体传感器、红外吸收式气体传感器、电化学传感器以及正在发展的智能气体传感器等。气体探测器根据空气中的可燃气体含量，达到或超过报警设定值时发出报警信号。气体探测器除了可以预报火灾，且可以监测环境的污染程度。

(5)复合式火灾探测器

每种探测器都有其局限，如何产生优势互补的复合式火灾探测器成了探测器的研究重点。复合式探测将多通道传感器数据融合，选择多个传感器参数进行监测识别，弥补了采用单一传感器的不足，扩展了时间上和空间上的监测范围，增强了识别的可靠性[6][7]。复合式火灾探测器是一种能响应两种或两种以上火灾参数的探测器[8]。现在已经出现了感烟感温复合，光电-离子复合，离子-气体复合探测器等。

1.2 传统探测器局限

受环境中的气流、灰尘、水滴、电磁场、静电、太阳辐射以及燃烧过程的复杂性、人为干扰等影响，传统的火灾探测技术存在着方方面面的不足，火灾的误报、漏报时有发生。

一般的火灾产生分为四个阶段：预燃、闷燃、火焰燃烧和剧烈燃烧[3]。传统的探测器一般都在火灾发展到后三个阶段时才发出警报。火灾早期阶段是整个火灾过程的重要环节[9]。控制火灾发展和减少损失的一条重要途径是对火灾早期的探测和预警。要实现火灾的极早期探测，特别是在人眼尚见不到火焰的情况下进行极早期火灾探测，依靠普通的感烟火灾探测器是难以实现的。其原因主要在于：

(1)普通的感烟火灾探测器为被动工作方式，需等待烟达后才能探测。火灾早期烟雾的扩散速度通常较慢，有时经过较长的时间才能到达探测器，甚至根本就到达不了探测器。

(2)在大空间室内环境，烟雾上升至一定高度会被周围的空气冷却，停留空中不再上升，使得传统的感烟探测器失去了作用[10]。

(3)在室外环境，烟雾易被高速气流吹散，致使烟雾到达不了感烟探测器，无法探测。

(4)传统感烟探测器易受环境中粉尘等微小颗粒的影响，降低探测效率。

总之，普通型感烟火灾探测器易受空间高度、气流等复杂条件的限制，有时达不到极早期火灾探测报警的要求。

2 基于图像的火灾探测

随着数字图像、计算机视觉等信息技术的发展，基于图像的火灾探测技术可望能解决一些场所的火灾探测问题[11]。根据检测目标的不同，主要分为图像火焰和烟雾探测。

2.1 图像火灾探测优势

图像火灾探测的优势有[12]：⑴可以在大空间环境中使用; ⑵可以提供直观、丰富的火灾信息; ⑶可以做出快速的响应; ⑷可以在室外环境中使用; ⑸可以减少误报、漏报次数。

图像火灾探测是利用CCD摄像机作为探头，采用计算机图像处理技术进行探测[13][14]。如图2所示，将被监视现场的彩色或红外图像输入计算机，然后从单幅图像或图像序列提取特征，识别有无火灾，达到探测目的。

图2 图像火灾探测原理框图

2.2 火灾图像信息

(1)烟雾

火灾的初始阶段，物质发热产生气体。随着热分解的作用，进一步发热，释放出更多的颗粒，开始产生可见烟雾。烟雾颜色主要集中在白色、灰色、青色、黑色等。烟雾在空气中扩散且呈现出不规则的形状特征。随着燃烧的继续进行，产生的烟雾越来越多，空气中占据越来越大的空间。

(2)火焰

早期火灾阶段，火焰的产生是一个从无到有的发展过程。火焰分为外焰、内焰和焰心三部分。外焰温度最高，其次是内焰，焰心温度最低。因而火焰图像灰度呈一定的分布规律，利用这个特性进行火灾判别，可以区分出灯光及其他高温物体[15]。火焰的颜色与温度有关。火焰从焰心到火焰外表面温度的升高，颜色依次为白、蓝、黄、橙、红和暗红。火焰的形状是由火焰中炽热的发光微粒的集合勾画出的。不同时刻火焰的形状、面积等不断变化。燃烧状况的不稳定致使火焰边缘常常表现为锯齿型，且火焰的面积呈现出连续、扩展性的增加趋势。火焰具有闪烁的物理特性，时亮时暗，强度发生剧烈变动。剧烈的火焰闪烁会引起高频的火焰区域变化[16]。

2.3 图像火灾探测算法

火灾燃烧时表现出各种各样的物理特征，具有一定的特点和规律。按照时间顺序，其主要阶段为：烟雾的产生和扩大，以及火焰的产生和扩大等[10]。早期的图像火灾探测比较简单，根据燃烧过程中颜色的不同而建立单颜色模型对火灾进行检测，准确度不高。后来人们先检测出运动区域，再根据颜色去判断是否为火灾区域，进一步提高了准确度。

(1)图像火焰探测

Yamagishi[17][18]等人提出了一种彩色摄像机的火焰检测算法。在该算法中，首先将颜色从RGB空间转换到HSV色彩空间，再在HSV空间中确定火焰色彩区域，动态特征采用火焰轮廓极坐标时空数据的二维傅立叶变换来描述，然后利用人工神经网络进行识别，如图3所示。

(a)HSV火焰区域 (b)极坐标轮廓 (c)波动数据

Noda[19]等人提出了一种隧道火灾图像检测技术。为了降低成本，他们利用了隧道已有的黑白闭路电视监控系统硬件，因此只能使用灰度图像。Phillips[20]等人提出一种视频影像火焰检测技术。该技术首先选择许多火焰图像和人工分割的模板图像进行训练，然后采用高斯平滑的方式生成火焰色彩直方图。根据学习得到的直方图和选定的阈值生成火焰色彩的布尔检测函数。袁宏永[21]等人分别研究双波段火灾探测和基于光截面的红外火灾探测技术。我们提出了一种基于轮廓脉动的火焰探测算法[22]。Chen等人[23][24]也对基于视频图像处理的火焰识别技术进行了研究。

(2)图像烟雾探测

烟雾是火灾早期的一个显著特征。烟雾和云、天空、森林等一样具有自相似的特征。Fujiwara[25]等人提出一种基于分形编码的烟雾提取技术。先提取图像分形特征，再采用K均值聚类方法实现烟雾分割。Toreyin[26]等人提出一种有效的视频火灾探测算法，综合了火焰与烟雾两特征。在提取出运动像素或运动区域之后，采用小波变换研究火焰和烟雾随时间的波动特性，采用2层小波变换LH、HL、HH高频子带研究烟雾的模糊遮挡特征，结合颜色和形状特征，确定火灾区域。

Guilleman等人[27]提出了一种森林火灾检测方法,采用灰度嵌入等方法生成链接表，然后根据此表提取运动特征用于烟雾的探测。我们提出了一种基于积分图的快速烟雾探测[28]。先采用积分图快速提取运动特征，然后根据运动和色彩特征进行识别。Ferrar等人[29]提出了一种视频蒸气检测算法。在他们的算法中，将图像的双树小波变换系数(DT-CWT)输入隐马尔可夫模型，以便提取蒸气的纹理特征。由于蒸气和烟雾无论在色彩、纹理还是运动方式，二者都极其相似，因此该算法对烟雾探测具有一定的启发意义。英国D-Tech公司、澳大利亚Chubb公司的研究人员开发出一种视频烟雾检测系统用于早期火灾探测[30]。可视烟雾探测系统(VSD)[10]仅需普通闭路电视摄像机采集到的图像进行分析，利用高性能计算机自动辩识多种烟雾运动模式的不同特征，快速、准确地完成火灾探测。该系统克服了大空间建筑中传统火灾探测器的空间局限性，并且实现了对火灾的早期检测，可以直接探测火源，可以检测到人眼看不到的细微烟雾颗粒。但出于保密等原因没有见到该系统的探测算法和文献，当然也无法准确地知道该系统误报率、漏报率和鲁棒性等重要参数。

3 火灾探测发展趋势

火灾探测技术得到了前所未有的广泛应用。如何量化探测器所处的火灾与非火灾环境成了火灾探测研究的焦点，其发展方向主要有两个[2]：一是纵向延伸，寻找新的火灾判据、新的火灾识别模式和基于此的火灾探测器或复合探测器；二是横向延伸，基于现有的探测原理方法，与其他技术交叉，改进信号采集和处理方法以改善系统性能。火灾烟雾发展过程是个非平稳的复杂多变、无法预知的随机过程。在火灾过程与环境都无法确知的问题下，任何固定的过程算法都难以完全满足要求。因此未来火灾烟雾探测技术将向着智能化方向迅速发展，探测系统必须具有自适应、自学习、容错能力等强大功能，能排除信号自身的噪声及背景干扰，适应更多更复杂的环境[4][5]。

4 结论

火灾科学与经济建设、社会发展、公共安全等密切相关。火灾探测技术作为一门多学科、多专业的综合应用科学，已成为人类同火灾斗争的重要手段。火灾探测作为火灾科学的一个关键技术环节，在保护自然资源、人民生命财产安全中起着重要的作用。本文较全面综述了现有的火灾探测原理、优缺点和发展趋势。随着信息技术的飞速发展，图像火灾探测技术已经成为了火灾探测的一个重要研究方向，具有广阔的发展空间及前景，必将在以后的一段时间内得到蓬勃发展。

[1]董华,程晓舫,范维澄.基于图像探测的早期火灾烟气模式研究[J].光学技术,1999,(1):58-60.

[2]陈涛,袁宏永,范维澄.火灾探测技术研究的展望[J].火灾科学,2001,10(2):108-112.

[3]杜建成,张认成.火灾探测器的研究现状与发展趋势[J].消防技术与产品信息,2004,(7):10-15.

[4]徐琼,詹福如,苏国锋,等.火灾烟雾探测技术的发展与探讨[J].火灾科学,2002,11(2):113-118.

[5]范维澄,刘乃安.中国火灾科学基础研究进展与展望[J].中国科学技术大学学报,2006,36(1):1-8.

[6]张兢.基于多通道自适应加权融合算法的火灾特征识别[J].国外电子测量技术,2006,25(1):31-34.

[7]张兢,路彦和,雷刚.火灾预警系统中的信息融合[J].兵工自动化,2006,25(3):48-53.

[8]王殊.火灾自动探测的复合特定趋势算法[J].火灾科学,1996,5(1):8-13.

[9]邓志华,杨立中,陈晓军,等.火灾早期特性分析及影像特征研究[J].自然科学进展,2001,11(1):81-85.

[10]崔凯,曹榆,冯杰平.图像型火灾探测技术浅议[J].消防技术与产品信息,2005,(4):30-32.

[11]许维胜,田长征,方盛明.基于图像视觉特征的火灾自动识别[J].计算机工程,2003,29(18):112-113.

[12]董华,程晓舫,范维澄.早期火灾图像监测技术的应用与比较[J].光学技术,1997,(5):51-53.

[13]周军盈,杜啸晓.图像识别技术在火灾探测中的应用[J].消防科学与技术,2007,26(4):417-420.

[14]卢瑞祥,牟轩沁,纪震.火灾的图像识别与应用[J].计算机应用研究,1998,(1):106-108.

[15]金华彪,夏雨人,张振伟.数字图像处理在火灾探测技术领[J].微型电脑应用,2003,19(5):25-27.

[16]Chen-Bin Liu,Narendra Ahuja.Vision Based Fire Detection[A].In :Proceedings of the 17th Intermational Conference On Pattern Recognition[C],Cambridge,UK, 2004,4:134-137.

[17]Hideaki Yamagishi,Junichi Yamaguchi.Fire Flame Detection Algorithm Using a Color Camera[A]. In: Proceedings of 1999 International Symposium on Micromechatronics and Human Science[C], Nagoya, Japan,1999:255-260.

[18]Hideaki Yamagishi,Junichi Yamaguchi.A Contour Fluctuation Data Processing Method For Fire Flame Detection Using A Color Camera[A].In:26th Annual Conference of the IEEE Industrial Electronics Society[C], Nagoya,Japan,2000,2:824-829.

[19]Noda S., Ueda K. Fire detection in tunnels using an image processing method[C]. Proceedings of Vehicle Navigation and Information Systems Conference, 31 Aug.-2 Sept. 1994: 57-62.

[20]Walter Phillips III,Mubarak Shah,Niels da Vitoria Lobo.Flame Recognition in Video[A].In:Fifth IEEE Workshop on Applications of Computer Vision[C],Palm Springs,CA,USA,2000:224-229.

[21]袁宏永,刘炳海,陈晓军,等.图像型火灾智能自动探测与空间定位技术[J].消防科技,1995,5(2):2-4.

[22]袁非牛,廖光煊,张永明,等.计算机视觉火灾探测中的特征提取.中国科学技术大学学报,2006,36(1): 39-43.

[23]Chen Thou-Ho, Kao Cheng-Liang, Chang Sju-Ma. An intelligent real-time fire-detection method based on video processing [C]. IEEE 37th Annual 2003 International Carnahan Conference on Security Technology, Oct. 14-16, 2003: 104-111.

[24]Thou-Ho Chen, Yen-Hui Yin, Shi-Feng Huang, et al. The smoke detection for early fire-alarming system base on video processing. In: Proc. 2006 Internat. Conf. on Intelligent Information Hiding and Multimedia Signal Processing, 2006.

[25]Fujiwara N,Terada K.Extraction of a smoke region using fractal coding[A].In:IEEE International Symposium on Communications and Information Technology[C], 2004,2:659-662.

[26]B.Ugur Toreyin,Yigithan Dedeoglu,A. Enis Cetin. WAVELET BASED REAL-TIME SMOKE DETECTION IN IDEO[A]. In:13th European Signal Processing Conference EUSIPCO[C] ,Antaly, Turkey,2005.

[27]Guillemant P., Vicente J. Real-time identification of smoke images by clustering motions on a fractal curve with a temporal embedding method. Opt. Eng., 2001, 40(4): 554-563.

[28]Yuan Feiniu. A fast accumulative motion orientation model based on integral image for video smoke detection. Pattern Recognition Letters,2008,29(7):925-932.

[29]Ferrari, R.J., Zhang, H., Kube, C.R. Real-time detection of steam in video images. Pattern Recognition 40(3),2007: 1148-1159.

[30]http://www.chubb.com.au/vsd.asp.