基于圖像型火災探測器的艦船火災報警系統設計

梁 爽，任 杰

(四川工程職業技術學院，四川 德陽618000)

0 引 言

隨著我國經濟的不斷發展，艦船制造以及相關技術得到了極大提高。在國民經濟中，船舶經濟占據了極為重要的位置，同時其比例也在不斷提高。船舶行業的蓬勃發展也帶動了其相關技術研究的發展，同時大量新的技術在艦船上得到應用和推廣，其信息化程度也在不斷提高，艦船的安全問題也逐漸引起人們的注意。如何在艦船上有效防范火災成為一個重要的研究課題。同一般性火災所不同的是，艦船火災的特點是撲救難度高、危害大。根據相關的統計資料顯示，在艦船上發生火災最多的地點分別是貨艙、機艙以及起居住所。近年來艦船上發生火災事故率非常高，給國家及個人造成了極大的財產損失。因而，必須要對艦船火災給予足夠的重視，對于艦船火災檢測技術及火災報警技術進行相關研究，使得艦船在發生火災時能夠及時發現并采取措施。對于艦船消防技術進行有效、全面、科學的研究工作可以有效解決艦船的消防問題，是實現艦船安全運作的重要基礎之一，因而具有重要的現實意義［1-2］。

當前我國對于艦船消防技術的研究已經取得很多成果［3-4］，但是其研究仍然有待深入。同時還沒有一個專門的機構從事艦船消防技術的研究，艦船消防技術只是作為其他技術的一個組成部分，因而相關技術的研究仍然相對薄弱。在使用圖像型火災探測器作為探測器件的系統中，對于火焰圖像處理的理論及基礎理論研究還相當缺乏，同時對于已經發生的艦船火災數據缺乏必要的統計分析。

本文在前人研究的基礎上提出了一種基于圖像型火災探測器的艦船火災報警系統的設計方案，通過對火災圖像的處理，可以對圖像進行判別，從而在火災發生的早期進行報警。同傳統的煙霧火災探測器相比，使用圖像型火災探測器能夠更早發現火災，而不必等到煙霧積累到一定程度后才能檢測到。本文提出的系統在提高火災檢測的及時性以及準確性上對艦船的消防工作具有非常高的現實意義。

1 艦船火災火焰特點

圖像型火災探測器的基本原理是通過對火焰進行基本的檢測來實現對艦船火災的檢測。火焰有著非常多的特點，并且具有一定的規律性，如火焰顏色的變化、火焰顏色同溫度之間具有一定的關系?？偟膩碚f，火焰的特點主要有頻率性、形態特征以及形態特征等。

1)頻率特性

一般來說，火焰具有頻率特性，這一點可以通過對火焰的圖像進行分析可以發現。對火焰圖像中的每一個像素進行三色分量的平均，得到一個從1～255 的像素亮度值，進而可以獲得整個火焰的亮度變化曲線。這個曲線隨時間變化的規律同火焰能量分布的規律具有高度的一致性。在正常的艦船火災識別中，主要需要排除一些外在因素的干擾，如太陽光、日光燈等，但是同火焰所不同的是，太陽光的亮度改變非常緩慢，因而其對于圖像中的像素亮度值改變也非常緩慢，日光燈的像素亮度改變是瞬間的，因而在實際檢測中可以通過火焰的頻率特性來排除一些外在的干擾［5］。

2)形態特征

一般來說，火焰都沒有固定的形態，但是火焰仍然具有一些特定的特征?；鹧嬉话愣际怯傻撞块_始膨脹，然后其中的一部分火焰脫離了一定的范圍會消失，然后底部的火焰會繼續膨脹，這樣看起來火焰就是在不斷地膨脹和收縮，并且這個變化的過程非常迅速。而現代的計算機技術及圖像處理技術可以對火焰的圖像來進行處理，從而獲得極短時間內的火焰輪廓，進一步地，將極短時間內的兩幀圖像輪廓相減就可以得到一個差值，而這個差值是一個在一定范圍內的很小的一個值，因而可以認為其是一個固定值。如果將這個值設置為0，那么其他像素的值為1，也就是將監測到的圖像二值化，從而可以直觀地將圖像表達出來，本文后續使用聚類法來對火焰的圖像進行處理，進而獲得火焰的形態特征［6］。

3)顏色特性

顏色特性是火焰的又一特性，國際上通用的認為具有藍色、綠色和紅色的才是火焰，因而可以根據圖像中顏色的分布規律來判斷圖像中是否存在噪聲。

2 系統設計

2.1 系統設計

基于圖像型火災探測器的艦船火災報警系統可以分為3 個部分，分別是控制中心、直流電源以及圖像型火災探測器，如圖1 所示。其中，圖像型火災探測器用于采集現場的圖像數據，并且其本身具有防潮、防塵以及防腐蝕等功能。一般來說，在艦船上為了實現對全船火災的監控，需要在艦船的火災高發地區安置非常多的圖像型火災探測器。直流電源則負責給圖像型火災探測器供電。控制中心負責接收圖像型火災探測器發送的圖像數據，并進行處理，在火災發生時及時發出警報。控制中心一般設置在消防控制室內，可以實現圖像的顯示、自動分析處理、火災自動報警等功能。

圖1 圖像型火災探測器的艦船火災報警系統結構圖Fig.1 The ship fire alarm system structure based on image fire detector

系統的工作過程為:所有圖像型火災探測器將視頻信號通過艦船上的同軸線纜傳送回控制中心，通過相關的軟件處理，判別是否為火災信號，同時將圖像送到圖像顯示設備及圖像記錄設備，如果判定是火災信號，那么發出報警信號，自動進行聲光報警。

2.2 火焰識別算法設計

火焰識別算法是基于圖像型火災探測器的火災報警系統的關鍵。本文中使用聚類法來實現對火焰的識別。所謂聚類法是指根據物質的屬性來進行分組。在艦船火焰識別中，使用圖像分割的方法，來將一些區域中的一些相似特征矢量抽取出來分到一個組，這樣就稱之為聚類。

聚類法在圖像處理中非常常見，在本文中，其對火焰進行識別的原理為:將一幀現場采集到的圖像分為K 組，同時z(x，y)記為分割標記段，其意義為每個像素上K 個值中的一個，如z(x，y)= l，l =1，2，…，k。對于標量特征來說，如像素密度，聚類可以被認為是確定K -1 個閾值的方法，以這K -1個閾值定義了一維特征空間的判決邊界。對于M 維矢量特征來說，分割對應于把M 維特征空間分解成K 個區域。聚類的標準過程是把每次采樣賦給最接近聚類平均值的那組。

聚類的初始平均值是一個未知的量，因而對于聚類的過程是使用迭代的過程來實現，因而也可以稱之為K 個平均值算法。如果將一幅圖像分割為K個區域，同時假設f(x，y)是一幅圖像的灰度級，K均值方法最終使得性能指標J 能夠達到一個最小值。在這里將性能指標J 定義為

其中，μl表示第l 個聚類的平均值表示第i次迭代后賦給聚類l 的一組采樣。從這個指標的計算過程可以看出，該指標用來表示聚類平均值同每次采樣之間的距離之和。其具體的計算步驟如下:

2)在第i 次迭代中，根據下列關系，把每個像素(x，y)賦給K 個聚類中的一個。

3)修改聚類平均值，μ(i+1)l，l =1，2，…，k，把它改成所有采樣的采樣平均值。

其中，Nl是中采樣數。

2.3 軟件設計

在艦船火災報警系統中，實時性是系統的重要性能之一，并且要求具有非常高的準確性。在完成對現場圖像數據采集后，由于需要處理的圖像數據量非常大，因而需要在硬件和軟件上進行相關設計。在硬件上，需要采用高性能的硬件設備，而在軟件上則需要考慮軟件算法的運行速度和運算方式。所有的圖像特征檢測和圖像處理都通過軟件來實現，算法的優劣將直接決定系統的實時性以及檢測的準確性。因而需要在系統中對算法流程進行設計。

圖2 是使用聚類法進行火焰識別報警的具體過程。在軟件開始工作后，開始采集實時圖像，然后開始檢測有沒有異常情況。如果有異常情況，則進行火焰識別，進入算法處理子程序。如果發現有火災，那么就開始火災報警，如果沒有，則返回，繼續采集實時圖像。在這里，規定火焰識別算法返回的結果有2 個， “0”表示沒有火災， “1”表示有火災。

圖2 聚類分析法進行火焰識別報警流程圖Fig.2 The flow chart of clustering analysis method is used to identify the fire alarm

在軟件編寫完成后，對軟件進行基本的測試，測試結果如圖3 所示。圖3 中(a)為在墻角的火焰原始圖像，(b)為使用聚類分析法分割出的火焰區域，(c)為分割得到的結果。

圖3 測試結果Fig.3 The test results

3 結 語

艦船火災自動報警系統可以對艦船發生火災作出實時的監測和顯示，并且可以實現自動報警。本文提出的基于圖像型火災探測器的艦船火災報警系統可以實現對火焰的自動識別，并且使用聚類法對圖像進行分割處理，可以得到準確的火焰區域。同傳統的煙霧火災探測器相比，本系統的實時性和準確性都有極大提高。

［1］BELTZ R C. Intergrating GIS/RS technology in extensive forest inventories in the midsouth US［C］. Proc of integrating forest information over space and time.Auntech，Australia，1992(6):416 -419.

［2］徐允，唐文勇，張圣坤. 艦船機艙火災爆炸的危險源辨識方法研究［J］.艦船科學技術，2010，32(6):24 -30.XU Yun，TANG Wen-yong，ZHANG SHENG-kun.Research on identification methods of fire and explosion hazards in machinery space［J］. Ship Science and Technology，2010，32(6):24 -30.

［3］李祥茂，唐文勇，張圣坤. 基于風險的艦船火災爆炸評估方法研究［J］.艦船科學技術，2008，30(3):101 -106.LI Xiang-mao，TANG Wen-yong，ZHANG Sheng-kun. The research of evaluation methods of ship′s fire and explosion accidents based on risk［J］.Ship Science and Technology，2008，30(3):101 -106.

［4］袁非牛，廖光煊，張永明，等.計算機視覺火災探測中的特征提取［J］. 中國科技大學學報，2006，36(1):39-43.YUAN Fei-niu，LIAO Guang-xuan，ZHANG Yong-ming，et al. Feature extraction for computer vision based fire detection［J］. Journal of University of Science and Technology of China，2006，36(1):39 -43.

［5］王圓圓，丁志杰，萬華林. 基于視覺顏色聚類的彩色圖像分割［J］.北京理工大學學報，2003，23(2):19 -23.WANG Yuan-yuan，DING Zhi-jie，WAN Hua-lin.Perceptual color clustering for image segmentation［J］.Transactions of Beijing Institute of Technology，2003，23(2):19 -23.

［6］沈海峰.圖像通信與處理技術在林火監測中的應用研究［D］.東北林業大學，2003:1 -2.