基于视觉的火焰火灾探测技术专利分析

2015-11-02创新者李立功

中国科技信息 2015年10期

创新者：李莉李立功

基于视觉的火焰火灾探测技术专利分析

创新者：李莉李立功

基于视觉特征的火灾探测技术专利申请量快速增长，是近年来火灾探测领域专利技术最新发展趋势。该类技术主要涉及将火灾的视觉特征（如火焰、烟雾形态等）转变为图像信息，再通过计算机图像处理技术自动识别火情，实现监控、识别、报警等步骤的联动处理，其响应速度快、灵敏度高、准确度高、适用范围广，已成为当前火灾探测领域的研究热点。本论文总结相关专利技术的申请状况，分析其技术发展路线、研究热点难点以及我国火灾探测技术研究及其专利保护面临的形势，思考相关领域未来发展思路，能够为政府主管部门、火灾探测技术研究机构、行业组织等提供有价值的参考信息。

众所周知，火在人类文明发展史中具有不可替代的重要作用，而失去控制的火带给人类的却往往是巨大的生命财产损失。减小火灾损失的关键在于及早发现火情，一方面火灾在初发阶段面积小、温度低、扩散慢，易于扑灭，另一方面可以为疏散人员、转移重要财产物质提供更多宝贵时间。因此，火灾探测技术研发始终是科研院所、高校、企业及相关行业组织的研究热点，同时也是各国政府主管部门的重点资助对象。

图1　基于视觉型火灾探测器申请量发展趋势图

火灾探测主要涉及对燃烧现象的物理特征进行检测识别（如图1所示）。根据我国火灾探测报警系统系列产品强制性国家标准，可将火灾探测技术归纳为气敏型、感温型、感烟型、感光型、感声型五大类。

除去上述五种传统的火灾探测器，基于视觉的火灾非接触监控技术是火灾探测的一个重要发展方向，视觉型火灾探测技术的突出特征为不局限于传统五大类探测手段，通过将燃烧现象伴生的温度场分布、火焰形态、烟雾形态等火况信息转换为数字图像传递给计算机，进而对火情进行快速准确的分析判断，这是对传统技术的突破，将成为新一代火灾探测系统的关键技术，具有巨大的市场前景。我国相关企事业单位应尽早进行专利布局，提升我国在火灾探测领域的技术实力，减少火灾带来的生命财产损失，同时避免专利纠纷。

基于视觉的火灾探测技术专利分析

基于视觉的火灾探测技术专利概括

随着计算机技术以及信息技术的快速发展，近年来视觉探测技术得到飞速发展，这类探测技术具有响应速度快、检测范围广、环境污染小等特点，这激发了人们将视觉探测技术应用到火灾识别领域的研究兴趣。因此，如图1所示，基于视觉的火灾探测器，除去2006短暂、小幅的下降外，其申请量以及所占比例一直处于稳步增长，2006年短暂的下降可能是受到金融危机的影响。基于视觉型的火灾检测系统适用于大范围的监控，可以克服多个传感器之间的协同工作的问题，降低了火灾探测系统的复杂性，而且随着图像识别技术的发展，基于视觉的大范围火灾识别变得越发简单、快捷，其检测准确度也不断提高，这正解决了传统火灾探测器的发展瓶颈。

基于视觉的火焰火灾探测技术发展脉络

在此，笔者对具有良好前景的基于图像识别的火灾探测技术中的一种——基于视觉的火焰火灾探测技术进行分析，介绍其技术发展脉络以期帮助相关的国内企业和研究机构了解专利信息，把握技术动向，做好专利布局。

目前阶段，对于火灾火焰图像的识别主要是针对火焰图像所具备的红外辐射特性、可见光辐射特性、色谱特性和蔓延增长趋势等多方面的特征信息来进行的。

当基于火焰图像的红外辐射特性、可见光辐射特征进行火灾图像识别时，周围环境中的光源，例如路灯、车灯、太阳光等，甚至墙壁、地板对光的反射都将构成干扰光源，上述干扰光源中的红外光、可见光、紫外光辐射将干扰火焰识别，导致误报警。因此，在基于图像的火焰识别中，如何排除环境中的干扰光源是基于火焰的火灾图像识别的重要问题。纵观基于视觉的火焰火灾图像识别技术发展过程，可概括出排除干扰光源的技术手段主要包括：设置光学滤波器、多波段识别、设置亮度值阈值、多特征融合判断，现对上述四种技术手段的发展脉络进行梳理述。

设置光学滤波器

早在1989年，美国的SYSRON DONNER提出了根据火焰的中心频率滤除干扰光，其在火焰探测器前加设一光学带宽滤波器，该滤波器能够滤除火焰中心频率之外的光辐射（US4866420A），从而防止误报警。1997年，日本的能美防灾株式会社对红外火焰探测器前的滤波器的材料和结构进行了改进，使用Se、ZnSe、聚乙烯、聚丙烯、BaF2、CaF2的复合材料制作厚度为0.3mm的红外滤波器，以提供一个带宽合适的滤波器尽可能多的过滤干扰光（JP特开平11-144162A）。但是，滤波器的反射光也会对火焰成像，在专利US4866420A以及JP特开平11-144162A中，滤波器均与光轴垂直设置，这样滤波器反射光对火焰成的虚像在探测器的透镜系统成的实像附近，构成干扰光源。因此，能美防灾株式会社继续对滤波器的位置进行改进，将滤波器与光轴倾斜放置，使得滤波器对火焰成的虚像远离透镜系统成的实像，从而避免干扰（JP特开2002-245568A）。另外，根据光源频率设置滤波器主要用于滤除频率已知的人造光源，由于太阳光光谱丰富，室外、白天的火焰图像火灾识别中，太阳光也是主要的干扰光源。对此，2003年英国的DAVIDSON提出了一种排除太阳光干扰的方法，该方法适用于识别碳氧化合物类物质的燃烧，碳氧化合物类物质燃烧辐射的红外光波长集中在761nm附近；而大气中的氧气、水蒸气会吸收太阳辐射中761nm附近的大部分红外光，因此太阳辐射在761nm附近有暗线，这样，只需在火灾探测器前放置一中心波长为761nm的窄带滤波器即可滤除构成干扰的太阳光，从而准确识别碳氧化合物的燃烧（GB0325223A）。

可见，设置滤波器是一种简单、便捷的排除干扰源的方法，但是其适用性窄，需根据燃烧物的辐射光谱、闪烁频率以及环境中主要干扰源的特点选择合适的滤波器。

多波长识别

美国国家航空和宇宙航行局早在1996年就提出一种双波长火灾探测技术以降低火灾误报率，研究人员根据不同照度下干扰源的频率研究的火灾探测器包括两个CCD摄像机，其中一个CCD摄像机前放置800nm的滤波器以在类似多云、阴天的低照度情况下进行火灾图像识别，另外一个CCD摄像机前放置1000nm的滤波器以在晴天等类似的高照度情况在进行火灾探测（US5726632A）。随后，随着摄像机自身的不断完善，人们又改进了多波段的火灾图像识别。2008年，Billy Hou发明了一种多波段视频图像火灾探测系统，该系统使用了彩色/黑白双模式相机和彩色/近红外双模式相机，其在不同的光照条件下更灵活选择不同波长的摄像机，以避免可见光的影响，而且该系统还能够探测酒精燃烧产生的透明火焰（US2009/0315722A1）。

除根据不同的光照条件选择合适波长的摄像机外，2000年英国的D-TEC公司还将红外波长、可见光波长的火焰图像探测结果进行综合比较，以给出更准确的火灾识别结果（GB2360355A）。在国内，山东省科学院自动化研究所于2008年提出了一种双波段图像识别火灾探测报警系统，该系统使用彩色CCD视频元件和近红外CCD视频元件分别对视频图像进行两个通道的判断，当两个通道确定的异常区域为同一区域时，即识别为火灾，从而降低了误报率（CN101195886A）。除可见光外，紫外光也是火焰的主要辐射光。公安部沈阳消防研究所于2009年提出了一种紫外红外复合火焰判断方法，其使用紫外、红外通道进行复合判断，提高了侦测准确度（CN101383075A）。也有研究者将火焰辐射的红外、紫外、可见三个光谱波段进行综合比较，以降低误报率（CN202929792U、KR10-2011-0091988）。

设置亮度阈值

然而，不管是选择波长合适的滤波器、视频元件，还是综合火焰的多波段辐射光进行复合判断以降低误报率，其前提均是如何排除干扰源从多帧视频图像中识别出火焰区域，这涉及基于图像的火焰识别的关键技术。

由于火焰具有不同于背景环境的亮度特征，因而亮度值常常被用来作为火焰视频探测技术的一个简单、便捷的判据，早期的基于视觉的火焰识别多通过亮度值进行火焰图像的判断。1993年，中国科学技术大学通过设置合适的火焰判断灰度值阈值，使得火灾检测系统仅对光学探测采集的紫外、红外光敏感，一旦扫描辨别出画面上某部位灰度值达到或超过火焰识别阈值，则表明在探头的监控场所内有火焰出现，并记录该部位影像的面积，接着，计算面积增长率，以确定是否为火灾火焰（CN1089741A）。与此类似的是，日本OKI ELECTRIC IND公司还设置了像素数阈值，并判断超过亮度阈值的像素个数是否超过了像素数阈值，据此判断是否发生火灾（JP特开2000-101987A）。1994年，日本的HOCHIKI公司将火焰的亮度特征与闪烁频率特征综合进行判断，对扫描的图像的亮度进行判断，当亮度超出预设阈值时，检测图像的闪烁频率，若其闪烁频率也超出阈值，则确定采集的图像中存在火焰（JP特开平8-44973A）。该公司又于1998年在摄像元件前设置一个线性的偏振片，旋转该偏振片，如果采集的图像的亮度随着偏振片的旋转而变化，则为火焰图像，如果旋转偏振片时图像的亮度不变，则图像为墙壁、地面等反射体反射的火焰图像，从而排除反射的干扰光源（JP特开2000-67342A）。日本富士通株式会社也于1999年根据前后两帧图像明亮度的改变是否超出阈值来判断视频摄像机采集的图像中是否存在火焰（JP特开2001-67566A）。上述基于明亮度的火焰视觉识别属于固定阈值（类似专利还有CN1044524A、CN1979576A、CN1576839A、US2002/0021221A1、JP特开2000-101987A、JP特开2001-67566A），这种方式选取的亮度阈值提取出的区域稳定，提取过程简单，但对环境的适应能力不够。2006年，能美防灾株式会社又将亮度阈值与差分法相结合识别火焰区域（JP特开2007-272532A）。2009年，北京智安邦科技有限公司于2009年提出了一种确定亮度阈值的自适应生成的方法，根据不同的环境确定相应的最佳亮度阈值，然后基于最佳亮度阈值对是否是火焰做出判断，因此能够适应复杂的环境，降低误报率（CN101764922A）。

多特征融合

基于亮度阈值的火焰识别方法简单、便捷，计算量小，但是因其考虑的火焰特征较为单一，准确度欠佳。火焰信号特征还包括颜色变化、辐射面积增长、边缘变化、闪烁、形体变化、分层变化、整体移动以及燃烧音，其均为基于视觉的火灾探测算法的依据，那么，如何选择合适的火灾探测算法的依据、如何根据所选择的依据选择合适的算法进行火灾识别近年来成为人们研究的热点。

早在1995年，中国科学技术大学就展开了初步的多特征融合的火焰视觉识别的研究，其利用彩色影像三基色对早期火焰的不同反应，利用红基色影像自动差分技术实现火焰与图像的自动分离，该方法无需添加滤波设备，并通过火灾的增长速率判断火灾的发展、存在与否（CN1112702A）。2001年，能美防灾株式会社根据面积、形状、移动、闪烁频率综合判断疑似区域是否为火焰（JP特开2002-245567A）。同年，能美防灾株式会社还提出了根据面积、形状、移动、运动矢量的火焰综合识别方法（JP特开2002-279545A）。2008年，韩国KENT 公司也根据RGB三基色对疑似火焰区域进行分离，并结合边缘变化进行了进一步的识别（KR10-2008-010939A）。2009年，中国科技大学又提出了一种多特征融合的快速视频火焰探测方法，对火焰的颜色特征、运动特征及火焰区域的闪烁特征进行建模，根据运动、颜色、闪烁的识别顺序排除了火焰探测干扰源（CN101493980A）。2012年，韩国SUNIN UNITECH INC公司使用小波变化进行了火焰图像识别，大大提高了识别准确度（KR10-2012-0050073A）。可见，随着计算机计算能力的提升，人们可通过更多的火焰信号特征进行火焰的精确识别，但是，基于效率与成本的考虑，还是应该根据燃烧物的特点选取最为合适的火焰信号特征。