浅析机器视觉在消防技术中的应用

方江平 万峰 傅琪 苏俊

摘要：随着人工智能和图像处理技术的不断发展，机器视觉技术在多个领域发挥了其价值。其中，在消防技术中，机器视觉得到了很好的应用。本文通过调研国内外最新文献和产品信息，简要介绍了机器视觉原理，重点分析了机器视觉在检测火灾时采用的关键算法与应用流程。并通过分析典型应用案例，总结机器视觉在消防技术中的应用前景。

关键词：机器视觉;消防应用;特殊区域;火灾防控

1 引言

烟雾传感器和相应的水泵是过去几十年自动消防系统的一部分。但在室内环境火灾传感器中还存在一定的空白，只有当火灾或烟雾接触传感器时才会发出报警信号。到这个时候，火势变得无法控制，水泵也无法控制火势。另一个缺口是控制户外火灾，这些火灾会对田野、户外储存空间和油库造成损害。在室外环境中安装火灾传感器是难以实现的，但机器视觉技术的发展为室外环境的监控提供了可行性。

目前消防机器人在消防领域已经有所应用。但由于机器视觉对于火灾监测的算法还未完善，导致具备火灾判断与处理能力的消防机器人的发展和应用还未普及。针对这一方面，一些学者已经做出了机器视觉对火灾监测流程的相应算法。同时，也有学者针对森林火灾、油库火灾等大型特殊火灾场所的火灾监测和处理做出了相应研究。

本文总结了近年来国内外相关领域的研究课题，浅析机器视觉在消防系统中的应用。详细介绍了机器视觉的原理和几种对于火灾分类与判别的方法。并对机器视觉在消防技术中应用的前景趋势进行了分析。

2 机器视觉技术在火灾探测中的应用原理

在以往的火灾探测中，主要是利用机器视觉技术中的数字图像处理技术来对于视频中火焰进行运动检测和边缘检测。优化了火焰的检测技术，实现了对烟雾产生的火焰的检测和火焰像元的扩散。这些系统可以用来减少火灾的误检。图1为机器视觉检测系统的基本组成部分。

基于机器视觉的智能消防系统（如图2），将实现火灾探测和火灾控制一体化。其配备了两种不同功能的摄像头：普通摄像头和火灾控制结合，拍摄消防炮发射火炮的画面;而红外摄像头用于检测火焰元素，提取特征。从而来判断火灾是否发生以及火灾的严重程度。当火灾被判定发生时，系统会启动报警装置，启动消防炮等灭火装置进行自动灭火。该系统在消防炮灭火过程中会追踪其轨迹，结合提取到的火焰特征来调整角度，使消防炮更准确的将水喷射到火灾发生处。而最终依靠红外摄像头所提取图片来判断是否成功灭火。

3 火灾检测流程中的关键技术

机器视觉要使用在消防系统中，有一个重要的问题是对于火灾的特征提取和判断。根据判断结果，智能系统才能触发内部判断，从而采取相应的措施。因此，火灾的检测流程就十分重要。如图3所示，可以分为疑似区域提取-提取火焰特征-判断火灾类别-火灾处理四部分。

3.1疑似区域提取

在机器视觉中，由于设备等各种原因，都会使采集到的图像含有噪声。因此，对采集到的图像进行去噪處理、增强图像对比度等方法，来减少噪声的干扰，使得提取的图像特征更符合实际，从而使处理过后的输入图像比原图更加适合于特定的应用。

火灾的发生是逐渐蔓延的，在一系列监测图像中，体现在相对于固定背景出现新的目标。通过采用运动检测算法对这些图像进行检测，对相应前景区域再进行颜色判别，最终得到火灾疑似区域。

3.2提取火焰特征

随着计算机视觉方法的发展，视频火灾检测与现有的烟雾探测器、热传感器等火灾检测方法相比，具有更好的检测效果。有学者针对火焰的视频处理做出了相应研究，认为火焰的燃烧从零开始，每一个阶段有其相应的视觉特征。他将烟、火焰作为移动的对象（如图4），并将其用于进一步的分析，如背景差、时间差、光流分析等。后来他转向频率分析，比如小波分析，傅里叶分析来区分火焰和运动物体。小波域能量分析可以解释烟气的时变特性。监控摄像机实时检测视频场景中的火焰，提供早期预警，确保对破坏性火灾危险的快速反应。

3.3火灾分类

在智能系统提取完采集到的图片中所含有的火焰特征后，根据得到的火焰特征可以进行火灾的分级。总的分为1级（可自动处理火灾），2级（需自动处理且对附近消防部门进行报备的中型火灾），3级（进行灭火处理与通知消防官兵紧急出动的大型火灾）。此外，应针对不同地区采取不同的分类。在矿山地区的火灾级别可以适当的降低半级，而草原和森林等扩散速度快，灾害影响大的区域（如图5），火灾级别需要相应提升。

3.4火灾处理

在进行火灾分类之后，需要进行相应的处理措施。在一些偏远无人地区，需要装备自动灭火装置，由自动灭火装置进行前期的处理，并根据分级来进行通知与报备。

4 机器视觉在消防火灾中的典型应用

如果所监测区域已经发生严重火灾，及时反应并进行应对就非常重要。基于此，就需要自动灭火系统。消防水炮（如图6）的控制使用是自动灭火系统的核心。根据前文所述，其工作主要有三个过程：首先，获取真实的火焰图像; 其次，对图像中的疑似区域进行特征的提取，并进行判别与分类; 最后，智能控制系统操控消防水炮来控制火势，达到火灾防控的目的。

在森林，平原，油田等室外区域，需要防火的面积较大，单一的消防水炮不能够满足对整个区域防控的能力。为了完全覆盖整个监控区域，有时需要多台消防炮的配合使用。在火灾发生时，智能系统会调用最近区域的消防炮，在第一时间进行灭火，但是当火势极其凶猛或者火灾危险程度特别高的时候，就会触发内部机制，更进一步的调用多个区域的资源，使用多个消防水炮一起工作来参与灭火。

其中需要强调的是，消防水炮安装地点与智能消防摄像装置的安装地点需要有一定的安全距离。安装距离过近将导致两者不能有效的配合工作。因为消防水炮在工作时会产生大量水雾，这会影响摄像装置的清晰度，从而影响整个智能消防系统的正常运行。

下面有一些针对不同地区所设计或已经投入使用的装置。

4.1险峻地形中火灾的处理

一些研究者设计使用多功能防火机动巡查装备（如图7），该装备有着卓越的越野性能和良好的机动性能，可在白天和夜间两种工作模式间进行自由转换。该装备利用车头搭载的智能摄像机采集图像来自主判断火灾情况，并在车身搭载了脉冲式水枪，可以在各种险峻地形（如沙地、泥地、草地、雪地和砾石地等）进行消防作业。

4.2智能摄像系统的消防应用

摄像机和计算机视觉方法在许多场合中有着良好的应用。例如使用安全摄像头和红外监视摄像头进行火灾探测。室内的自动报警设备分为感烟式和感温式，其工作在封闭的小空间内相对较为容易及时发现火灾。然而，在一些大型空间，例如森林、大型建筑、仓库等，探测器功能就不能得到很好的发挥，因为在这些场景中，火灾从发生到检测到烟雾和温度是需要时间的。基于视觉系统的火灾探测不会受到空间的影响，智能摄像系统可以尽快探测烟和热并提供火焰传播方向，这样可以在火灾开始时就进行相应的处理和控制。基于机器视觉的火灾探测设备可以以相对较低的成本接入现有的监视系统中。比起传统方式，该系统更高效便捷。

同时，智能摄像头也可以直接搭载在自动灭火的消防设备上（如图8），不仅可以快速的检测到火灾，还能立即用消防设备所携带的消防炮进行火灾的控制处理。

5 发展前景趋势

近年来，机器视觉技术得到了迅速发展，但仍然存在诸多不足，主要包括：

（1）在视觉系统的搭建上，主要使用的视觉传感器（可见光摄像机占了绝大多数）是相同种类的。由于缺乏了不同类视觉传感器之间的复杂度，在单一视觉传感器下的成像系统往往有着固有缺陷，导致对环境信息的采集不够充分。例如，尽管可见光摄像机能对于色彩、细节等信息获取度较高，但在烟雾浓度较高、照度不佳的环境下工作效果受限。而红外热像仪虽然在低照度情况下工作良好，但获取热红外图像的质量却不如可见光摄像机。

（2）对于机器视觉算法的研究还不够全面，使得机器视觉在分析理解环境信息的能力上有所欠缺。一方面，诸如火场地形分析，火场人员识别与跟踪，以及火情态势分析等方面的视觉感知算法虽然有研究者涉及，但总体处于相对空白的状态。另一方面，机器视觉在消防技术中多是应用于复杂的室外环境，因此包括火焰检测、火焰传播轨迹预测等方面的算法性能仍有較大的优化空间。

（3）视觉信息处理系统的计算能力仍有待提升，这需要计算机软硬件的发展支持。机器视觉想要对分析和理解环境信息能力进行增强，需要在有限时间实现对火焰图像这类大数据更为充分有效的计算处理，因而对智能机器视觉系统的计算能力有着很高的要求。为此，对于计算机的GPU等设备有着更高的要求。

因此，一方面需要结合不同视觉传感器的优点来构建更为完善的视觉感知系统，以此增强采集环境信息的能力。另一方面，提高机器视觉对于分析理解环境信息的能力必不可少，可以通过加强对火场环境信息采集算法的研究来进行提升。最终，配合快速发展的计算机运行系统，可以给机器视觉和消防技术的结合带来更好的应用前景。

参考文献：

[1]谭勇.消防机器人视觉感知技术研究综述[J].绵阳师范学院学报，2018（2）.

[2]熊晓松，刘钰如，董逸君，等.基于机器视觉的火灾监测系统研究[J].消防科学与技术，2017，36（2）：217-220.

[3]李世林，李生好，贺晓辉.基于计算机视觉的火灾识别方法研究[J].甘肃科技，2017，33（4）：52-53.

[4]刘凯，魏艳秀，许京港，等.基于计算机视觉的森林火灾识别算法设计[J].森林工程，2018（4）.

[5]杨俊，王润生.基于计算机视觉的视频火焰检测技术[J].中国图象图形学报，2018，13（7）：1222-1234.

[6]杨挺.基于计算机视觉技术的油库智能消防系统[J].油气田地面工程，2013（7）：67-68.

[7]林船.浅谈机器视觉智能摄像头在消防中的应用[J].低碳世界，2017（20）：282-283.

[8]方坤.智能计算机视觉消防系统设计[J].安庆师范大学学报（自然科学版）， 2014（4）：87-89.

[9]Yuan C， Liu Z， Zhang Y. Vision-based forest fire detection in aerial images for firefighting using UAVs[C]// International Conference on Unmanned Aircraft Systems.2016.