基于图像的消防水炮智能控制系统设计

李忠海，李建伟，梁 宵，关新宇

(沈阳航空航天大学 自动化学院,沈阳 110136)



基于图像的消防水炮智能控制系统设计

李忠海，李建伟，梁 宵，关新宇

(沈阳航空航天大学 自动化学院,沈阳 110136)

传统的温感、烟感火灾探测器在对火灾进行检测时误报、漏报现象比较严重。目前，对基于视频图像的智能消防系统的研究已有不少，但是由于算法精度的原因，在对火灾检测和定位时仍然存在很多问题。详细介绍了一种基于视频图像的定向消防水炮自动控制系统设计。该设计采用TQ2440 ARM处理器作为核心控制器，提出了火焰识别算法、水炮定位算法，实现了消防水炮的自动火灾识别和定位喷水，并可以根据实际应用场场景来设置安全等级。系统结构设计简单、性能可靠，大大降低了火灾现场对消防人员的安全威胁，具有一定的实用价值。

消防水炮；火焰识别；火灾定位

传统的消防水炮作业对消防人员的人身安全存在很大隐患，如何能够快速有效地执行消防救援的同时保障消防人员的安全显得尤为重要，因此对火灾实现智能控制灭火是未来消防救援的一种发展趋势。

本文介绍的基于视频的定向消防水炮可以实现智能作业，能够通过摄像头采集到的视频图像判别监控场景中是否有火灾发生，能快速定位火源并驱动水炮喷水灭火。较之传统的消防水炮，该消防水炮可以及时发现火情并快速灭火，最大程度地减少由火灾造成的经济损失，有效提高消防灭火工作效率，同时保障消防安全。

1 消防水炮控制系统整体方案设计

基于视频的定向消防水炮自动控制系统要求在摄像头监控范围内能够准确检测出是否有火灾发生，并能快速定位火灾发生地点空间坐标，驱动消防水炮定向喷水直至火灾熄灭，停止喷水并复位水炮，达到快速灭火的目的。

1.1 消防水炮控制系统硬件设计

对系统进行总体功能分析后，设计系统的整体结构和框架。具体的结构框架如图1所示。

图1 系统结构框架图

(1)摄像头

本系统主要信号获取设备，通过摄像头获得实时火灾现场情况，并将获得视频信号传递给上位机进行处理与存储，同时还具备远程监控的功能。

(2)设置模块

根据实际的应用场景设置安全等级和水炮自动巡检时间。应用场景包括一般场景和特殊场景(油库等严格限制火焰的场所)。在一般场景只有确定为非安全用火时才启动灭火，而在特殊场所只要发现火焰就会启动灭火。

(3)报警模块

当摄像头检测到火焰时，控制系统驱动水炮进行灭火。与此同时，报警装置发出警报。

(4)显示模块

主要用来显示火灾场景，协助消防人员远程实时监控火灾现场。

1.2 消防水炮控制系统软件设计

针对控制系统可实现的功能设计系统软件部分，具体的软件系统流程图如图2所示。

图2 系统流程图

2 消防水炮控制系统算法设计

算法设计是整个系统的核心内容，本系统主要包括火焰识别算法[5-10]和水炮定位算法[11-14]的设计。算法设计的好坏直接影响消防水炮的工作效率和系统的稳定性，因此要保证文中所设计算法的稳定性和准确度。

2.1 火焰识别算法设计

本文拟融合火焰的颜色特性、火焰的静态特征和火焰的动态特征等，设计一种融合火焰综合特征的火焰识别算法[15-17]。并通过动态模糊逻辑判断模型对火灾火焰进行快速判别。首先通过火焰颜色特征剔除最不可能是火焰的目标，然后通过火焰尖角和火焰圆形度等静态特征区分火焰目标与干扰目标，最后通过面积变化率、闪烁频率等动态特征识别火灾火焰与安全用火火焰。对火焰图像进行识别的算法结构框图如图3所示。

图3 火焰识别算法结构框图

由于本文中选取的五个火焰特征在某个视频特征中没有明显的界限，没有一个精确的衡量标准且火灾火焰是不断变化的，因此本文选择基于动态模糊逻辑(DFL)建立火焰识别模型。火灾火焰的识别结果值域为{火灾、安全用火、无火焰}。

火焰识别模型确立：设我们抽取的论域样本为14个，其中，条件属性T={火焰的颜色、尖角、圆形度、闪烁频率及面积的变化率}，决策属性D={火灾、安全用火、无火焰}，另外，令颜色={1,2,3}，描述为强、中、弱三种；尖角={1,2,3}，描述为强、中、弱三种；圆形度={1,2,3}，描述为强、中、弱三种；闪烁频率={1,2,3}，描述为强、中、弱三种；面积的变化率={1,2,3}，描述为强、中、弱三种；识别结果={1,2,3}，描述为火灾、安全用火、无火焰。经过离散化后的控制表如表1所示。

表1 识别系统的识别决策表

对采集到火灾火焰及干扰目标的视频图像进行处理，经过训练确定动态模糊规则。然后分别对纸张火焰、蜡烛火焰、烟头、手电筒、白炽灯等目标进行判断，实验结果如表2所示。

表2 火焰识别误报情况实验结果

由表2的实验结果表明，本文所提出的方法具有较高的灵敏度和可靠性，能较好地识别火灾火焰和干扰源。

2.2 水炮定位算法设计

本系统采取同步摄像头定位方法中的中心线定位法。通过这种方法摄像头采集到的图像是正面角度或者第一视角，水流在视频中的图像近似一条直线(如图4所示，图片中间双线代表水流)。首先已经确认当前视频范围内是存在火源的，然后通过上文中的火灾火焰识别检测，能够得到在该视频图像中火源的位置信息，最后根据水炮系统的机械结构，先在水平方向上调整水炮，将火源的位置调整到视频图像的中心线上，然后再在垂直方向上将水炮水流落地点调整至火源的位置。

图4 同步摄像机采集到的图像

在水平方向上的定位要求摄像头应该正好对准火源。在视频图像上的表现是火源处于视频图像的中心线上，因此在水平方向上可以采用中心线定位法，即通过调整水炮的水平位置，将火源移动至视频图像的中心线上。在火灾火焰的识别过程中，很容易确认火源在视频图像中的坐标。在此基础上根据此坐标的水平值与中心线之间的差值，调整水炮方向，最终使火源水平位置落在视频图像中心线上。

在垂直方向上的定位采用点角转换方法来确定垂直方向的水炮位置。所谓点角转换就是空间一个位置对应视频中的一个点，进而可以转换成水炮(步进电机)的俯仰角度。左侧框代表监控界面，摄像头采用45度倾斜安装，其中点A代表采集到火焰在视频中的位置，A1代表A对应在摄像头上的位置如图5所示。假设安装高度是一定的，水炮枪口喷出的水压(水流的初始速率)是固定的，另外水流在喷射过程中不受空气阻力等因素的影响。

这样可以根据抛物线原理将地面的一个位置，对应一个水炮的角度，并记录此时水流落地点在视频中的位置。通过多次试验将地面不同位置、视频中的点、步进电机的俯仰角度一一对应起来，并存放在表格中。之后的检测就比较简单，只需检测到视频中火源位置，通过查表来确定消防水炮的俯仰角度。

图5 点角转换法原理图

在火灾火焰识别的基础上，利用上面介绍的方法定位消防水炮的具体流程图如图6所示。

3 系统调试

主要测试控制系统的稳定性及其可靠性，以及算法的准确性和灵敏度。由于定位算法是否准确主要取决于火焰识别算法中所提供的火焰坐标信息，在此仅对火焰识别算法进行测试。取12个样本对火焰识别算法准确度进行测试，样本如图7所示,测试结果如表3所示。

图6 水炮定位算法流程图

(a)火焰图片(b)烟头图片(c)打火机稳定燃烧图(d)打火机跳动燃烧图(e)蜡烛稳定燃烧图(f)蜡烛跳动燃烧图(g)太阳图片(h)太阳光反射图片(i)日光灯图片(j)火灾视频截图(k)纸张燃烧截图(l)红色物体

图7 火焰样本图片

上表的实验结果表明，本文所提出的方法具有较高的灵敏度和可靠性，能较好地识别火灾火焰和干扰源。

4 结束语

本文设计了智能消防水炮的硬件结构图以及控制流程图，提出了基于动态模糊逻辑的识别算法，提高了火焰识别算法的灵敏度和准确性。提出了同步摄像头的安装方法，并根据所得视频图像提出了中心线定位法和点角转换定位法。本系统识别定位火焰准确率高达95%以上，下一步工作会对火灾早期火焰的烟雾特征和水炮喷水时风速对水流的影响进行研究。

[1]孙维禄.基于计算机视觉的智能消防系统的研究[D].南京:南京航空航天大学，2011：5-8.

[2]Phillips W,Shah.M,da Vitoria Lobo N.Flame recognition in video[J].Pattern Recognition Letters,2002,23(1):319-327.

[3]李华嵩，李小兵，董全义.基于 CANOPEN 的智能消防水炮系统设计[J].微计算机信息,2007,23(5-2)：32-34.

[4]徐健，杨亚琴，查兵.基于嵌入式控制器的智能多模消防水炮控制系统设计[J].制造业自动化，2011，33(10)：128-130.

[5]Toreyin B U,DedeogluY,Cetin A E.Flame detection in video using hidden markov models[C].2005 International Conference on Image Processing,Genoa,Italy,2005:2457-2460.

[6]Huseynov J,Boger Z,Shubinsky G,et al.Optical flame detection using large-scale artificial neural networks[C].2005 IEEE International Joint Conference on Neural Networks,2005,(3):1959-1964.

[7]高爱莲，刘辉，林宏.基于视频的火焰检测技术研究[J].云南民族大学学报，2008，17(1)：94-96.

[8]Celik T,Demirel H,Ozkaramanli H,et al.Fire detection using statistical color model in video sequences[J].Journal of Visual Communication & Image Representation,2007,18(2):176-185.

[9]冯世成，孔冬冬，鹿书恩.基于图像识别的火灾火焰判据研究[J].自动化技术与应用，2011(5)：67-70.

[10]王世东.视频中火焰和烟气探测方法的研究[D].北京：中国科学技术大学，2013：79-92.

[11]Chen T,Yuan H Y,Su G F.Automatic fire location by CCD images in big space[J].Optical Technique,2003,129(3):292-294.

[12]陈静.基于图像处理的消防水炮自动定位研究[D].南京:南京航空航天大学，2010：59-77.

[13]徐飞.图像型火灾探测系统中消防炮定位技术的研究[D].西安:西安建筑科技大学，2013：29-48.

[14]刘申友，袁宏永，苏国锋,等.定点灭火智能消防水炮[J].中国安全科学学报，2001,11(2):37-40.

[15]张进华,庄健,杜海峰,等.一种基于视频多特征融合的火焰识别算法[J].西安交通大学学报，2006,40(7):811-814.

[16]黄晋.动态模糊逻辑(DFL)的推理模型及应用研究[D].苏州：苏州大学，2006:11-40.

[17]张亚红，李凡长.基于DFL的动态模糊专家系统设计[J].计算机科学，2002，29(11)：163-141.

(责任编辑：刘划 英文审校：林嘉)

The intelligent control system design of fire-fighting monitor based on video image

LI Zhong-hai，LI Jian-wei，LIANG Xiao,GUAN Xin-yu

(College of Automation,Shenyang Aerospace University,Shenyang 110136,China)

There are many false alarms and failed alarms when using traditional temperature fire detector and smog fire detector to detect fires.Currently,there are a lot of studies on the video-based intelligent fire-fighting monitor.But due to the precision of the algorithm,there are a lot of problems of fire detection and location.This paper presents a control system design of video-based directional fire-fighting monitor.ARM TQ 2440 is adopted as the core controller of this fire-fighting monitor,which can identify and locate the flame of conflagration using the flame recognition algorithm and the location algorithm that are proposed in this paper and can set security levels based on the practical applications.The system design is simple and reliable and greatly reduces the threat to the fire fighters.This fire-fighting monitor proves to be practical.

fire-fighting monitor;flame recognition algorithm;the location algorithm of flame

2015-06-03

国家自然科学基金(项目编号：61503255)

李忠海(1962-)，男，辽宁沈阳人，教授，主要研究方向：计算机视觉、模式识别,E-mail:li20020202@aliyun.com。

2095-1248(2015)05-0074-06

TP273+.5

A

10.3969/j.issn.2095-1248.2015.05.011