基于視覺的火焰火災探測技術專利分析

創新者：李 莉 李立功

基于視覺的火焰火災探測技術專利分析

創新者：李 莉 李立功

基于視覺特征的火災探測技術專利申請量快速增長，是近年來火災探測領域專利技術最新發展趨勢。該類技術主要涉及將火災的視覺特征（如火焰、煙霧形態等）轉變為圖像信息，再通過計算機圖像處理技術自動識別火情，實現監控、識別、報警等步驟的聯動處理，其響應速度快、靈敏度高、準確度高、適用范圍廣，已成為當前火災探測領域的研究熱點。本論文總結相關專利技術的申請狀況，分析其技術發展路線、研究熱點難點以及我國火災探測技術研究及其專利保護面臨的形勢，思考相關領域未來發展思路，能夠為政府主管部門、火災探測技術研究機構、行業組織等提供有價值的參考信息。

眾所周知，火在人類文明發展史中具有不可替代的重要作用，而失去控制的火帶給人類的卻往往是巨大的生命財產損失。減小火災損失的關鍵在于及早發現火情，一方面火災在初發階段面積小、溫度低、擴散慢，易于撲滅，另一方面可以為疏散人員、轉移重要財產物質提供更多寶貴時間。因此，火災探測技術研發始終是科研院所、高校、企業及相關行業組織的研究熱點，同時也是各國政府主管部門的重點資助對象。

圖1　基于視覺型火災探測器申請量發展趨勢圖

火災探測主要涉及對燃燒現象的物理特征進行檢測識別（如圖1所示）。根據我國火災探測報警系統系列產品強制性國家標準，可將火災探測技術歸納為氣敏型、感溫型、感煙型、感光型、感聲型五大類。

除去上述五種傳統的火災探測器，基于視覺的火災非接觸監控技術是火災探測的一個重要發展方向，視覺型火災探測技術的突出特征為不局限于傳統五大類探測手段，通過將燃燒現象伴生的溫度場分布、火焰形態、煙霧形態等火況信息轉換為數字圖像傳遞給計算機，進而對火情進行快速準確的分析判斷，這是對傳統技術的突破，將成為新一代火災探測系統的關鍵技術，具有巨大的市場前景。我國相關企事業單位應盡早進行專利布局，提升我國在火災探測領域的技術實力，減少火災帶來的生命財產損失，同時避免專利糾紛。

基于視覺的火災探測技術專利分析

基于視覺的火災探測技術專利概括

隨著計算機技術以及信息技術的快速發展，近年來視覺探測技術得到飛速發展，這類探測技術具有響應速度快、檢測范圍廣、環境污染小等特點，這激發了人們將視覺探測技術應用到火災識別領域的研究興趣。因此，如圖1所示，基于視覺的火災探測器，除去2006短暫、小幅的下降外，其申請量以及所占比例一直處于穩步增長，2006年短暫的下降可能是受到金融危機的影響。基于視覺型的火災檢測系統適用于大范圍的監控，可以克服多個傳感器之間的協同工作的問題，降低了火災探測系統的復雜性，而且隨著圖像識別技術的發展，基于視覺的大范圍火災識別變得越發簡單、快捷，其檢測準確度也不斷提高，這正解決了傳統火災探測器的發展瓶頸。

基于視覺的火焰火災探測技術發展脈絡

在此，筆者對具有良好前景的基于圖像識別的火災探測技術中的一種——基于視覺的火焰火災探測技術進行分析，介紹其技術發展脈絡以期幫助相關的國內企業和研究機構了解專利信息，把握技術動向，做好專利布局。

目前階段，對于火災火焰圖像的識別主要是針對火焰圖像所具備的紅外輻射特性、可見光輻射特性、色譜特性和蔓延增長趨勢等多方面的特征信息來進行的。

當基于火焰圖像的紅外輻射特性、可見光輻射特征進行火災圖像識別時，周圍環境中的光源，例如路燈、車燈、太陽光等，甚至墻壁、地板對光的反射都將構成干擾光源，上述干擾光源中的紅外光、可見光、紫外光輻射將干擾火焰識別，導致誤報警。因此，在基于圖像的火焰識別中，如何排除環境中的干擾光源是基于火焰的火災圖像識別的重要問題。縱觀基于視覺的火焰火災圖像識別技術發展過程，可概括出排除干擾光源的技術手段主要包括：設置光學濾波器、多波段識別、設置亮度值閾值、多特征融合判斷，現對上述四種技術手段的發展脈絡進行梳理述。

設置光學濾波器

早在1989年，美國的SYSRON DONNER提出了根據火焰的中心頻率濾除干擾光，其在火焰探測器前加設一光學帶寬濾波器，該濾波器能夠濾除火焰中心頻率之外的光輻射（US4866420A），從而防止誤報警。1997年，日本的能美防災株式會社對紅外火焰探測器前的濾波器的材料和結構進行了改進，使用Se、ZnSe、聚乙烯、聚丙烯、BaF2、CaF2的復合材料制作厚度為0.3mm的紅外濾波器，以提供一個帶寬合適的濾波器盡可能多的過濾干擾光（JP特開平11-144162A）。但是，濾波器的反射光也會對火焰成像，在專利US4866420A以及JP特開平11-144162A中，濾波器均與光軸垂直設置，這樣濾波器反射光對火焰成的虛像在探測器的透鏡系統成的實像附近，構成干擾光源。因此，能美防災株式會社繼續對濾波器的位置進行改進，將濾波器與光軸傾斜放置，使得濾波器對火焰成的虛像遠離透鏡系統成的實像，從而避免干擾（JP特開2002-245568A）。另外，根據光源頻率設置濾波器主要用于濾除頻率已知的人造光源，由于太陽光光譜豐富，室外、白天的火焰圖像火災識別中，太陽光也是主要的干擾光源。對此，2003年英國的DAVIDSON提出了一種排除太陽光干擾的方法，該方法適用于識別碳氧化合物類物質的燃燒，碳氧化合物類物質燃燒輻射的紅外光波長集中在761nm附近；而大氣中的氧氣、水蒸氣會吸收太陽輻射中761nm附近的大部分紅外光，因此太陽輻射在761nm附近有暗線，這樣，只需在火災探測器前放置一中心波長為761nm的窄帶濾波器即可濾除構成干擾的太陽光，從而準確識別碳氧化合物的燃燒（GB0325223A）。

可見，設置濾波器是一種簡單、便捷的排除干擾源的方法，但是其適用性窄，需根據燃燒物的輻射光譜、閃爍頻率以及環境中主要干擾源的特點選擇合適的濾波器。

多波長識別

美國國家航空和宇宙航行局早在1996年就提出一種雙波長火災探測技術以降低火災誤報率，研究人員根據不同照度下干擾源的頻率研究的火災探測器包括兩個CCD攝像機，其中一個CCD攝像機前放置800nm的濾波器以在類似多云、陰天的低照度情況下進行火災圖像識別，另外一個CCD攝像機前放置1000nm的濾波器以在晴天等類似的高照度情況在進行火災探測（US5726632A）。隨后，隨著攝像機自身的不斷完善，人們又改進了多波段的火災圖像識別。2008年，Billy Hou發明了一種多波段視頻圖像火災探測系統，該系統使用了彩色/黑白雙模式相機和彩色/近紅外雙模式相機，其在不同的光照條件下更靈活選擇不同波長的攝像機，以避免可見光的影響，而且該系統還能夠探測酒精燃燒產生的透明火焰（US2009/0315722A1）。

除根據不同的光照條件選擇合適波長的攝像機外，2000年英國的D-TEC公司還將紅外波長、可見光波長的火焰圖像探測結果進行綜合比較，以給出更準確的火災識別結果（GB2360355A）。在國內，山東省科學院自動化研究所于2008年提出了一種雙波段圖像識別火災探測報警系統，該系統使用彩色CCD視頻元件和近紅外CCD視頻元件分別對視頻圖像進行兩個通道的判斷，當兩個通道確定的異常區域為同一區域時，即識別為火災，從而降低了誤報率（CN101195886A）。除可見光外，紫外光也是火焰的主要輻射光。公安部沈陽消防研究所于2009年提出了一種紫外紅外復合火焰判斷方法，其使用紫外、紅外通道進行復合判斷，提高了偵測準確度（CN101383075A）。也有研究者將火焰輻射的紅外、紫外、可見三個光譜波段進行綜合比較，以降低誤報率（CN202929792U、KR10-2011-0091988）。

設置亮度閾值

然而，不管是選擇波長合適的濾波器、視頻元件，還是綜合火焰的多波段輻射光進行復合判斷以降低誤報率，其前提均是如何排除干擾源從多幀視頻圖像中識別出火焰區域，這涉及基于圖像的火焰識別的關鍵技術。

由于火焰具有不同于背景環境的亮度特征，因而亮度值常常被用來作為火焰視頻探測技術的一個簡單、便捷的判據，早期的基于視覺的火焰識別多通過亮度值進行火焰圖像的判斷。1993年，中國科學技術大學通過設置合適的火焰判斷灰度值閾值，使得火災檢測系統僅對光學探測采集的紫外、紅外光敏感，一旦掃描辨別出畫面上某部位灰度值達到或超過火焰識別閾值，則表明在探頭的監控場所內有火焰出現，并記錄該部位影像的面積，接著，計算面積增長率，以確定是否為火災火焰（CN1089741A）。與此類似的是，日本OKI ELECTRIC IND公司還設置了像素數閾值，并判斷超過亮度閾值的像素個數是否超過了像素數閾值，據此判斷是否發生火災（JP特開2000-101987A）。1994年，日本的HOCHIKI公司將火焰的亮度特征與閃爍頻率特征綜合進行判斷，對掃描的圖像的亮度進行判斷，當亮度超出預設閾值時，檢測圖像的閃爍頻率，若其閃爍頻率也超出閾值，則確定采集的圖像中存在火焰（JP特開平8-44973A）。該公司又于1998年在攝像元件前設置一個線性的偏振片，旋轉該偏振片，如果采集的圖像的亮度隨著偏振片的旋轉而變化，則為火焰圖像，如果旋轉偏振片時圖像的亮度不變，則圖像為墻壁、地面等反射體反射的火焰圖像，從而排除反射的干擾光源（JP特開2000-67342A）。日本富士通株式會社也于1999年根據前后兩幀圖像明亮度的改變是否超出閾值來判斷視頻攝像機采集的圖像中是否存在火焰（JP特開2001-67566A）。上述基于明亮度的火焰視覺識別屬于固定閾值（類似專利還有CN1044524A、CN1979576A、CN1576839A、US2002/0021221A1、JP特開2000-101987A、JP特開2001-67566A），這種方式選取的亮度閾值提取出的區域穩定，提取過程簡單，但對環境的適應能力不夠。2006年，能美防災株式會社又將亮度閾值與差分法相結合識別火焰區域（JP特開2007-272532A）。2009年，北京智安邦科技有限公司于2009年提出了一種確定亮度閾值的自適應生成的方法，根據不同的環境確定相應的最佳亮度閾值，然后基于最佳亮度閾值對是否是火焰做出判斷，因此能夠適應復雜的環境，降低誤報率（CN101764922A）。

多特征融合

基于亮度閾值的火焰識別方法簡單、便捷，計算量小，但是因其考慮的火焰特征較為單一，準確度欠佳。火焰信號特征還包括顏色變化、輻射面積增長、邊緣變化、閃爍、形體變化、分層變化、整體移動以及燃燒音，其均為基于視覺的火災探測算法的依據，那么，如何選擇合適的火災探測算法的依據、如何根據所選擇的依據選擇合適的算法進行火災識別近年來成為人們研究的熱點。

早在1995年，中國科學技術大學就展開了初步的多特征融合的火焰視覺識別的研究，其利用彩色影像三基色對早期火焰的不同反應，利用紅基色影像自動差分技術實現火焰與圖像的自動分離，該方法無需添加濾波設備，并通過火災的增長速率判斷火災的發展、存在與否（CN1112702A）。2001年，能美防災株式會社根據面積、形狀、移動、閃爍頻率綜合判斷疑似區域是否為火焰（JP特開2002-245567A）。同年，能美防災株式會社還提出了根據面積、形狀、移動、運動矢量的火焰綜合識別方法（JP特開2002-279545A）。2008年，韓國KENT 公司也根據RGB三基色對疑似火焰區域進行分離，并結合邊緣變化進行了進一步的識別（KR10-2008-010939A）。2009年，中國科技大學又提出了一種多特征融合的快速視頻火焰探測方法，對火焰的顏色特征、運動特征及火焰區域的閃爍特征進行建模，根據運動、顏色、閃爍的識別順序排除了火焰探測干擾源（CN101493980A）。2012年，韓國SUNIN UNITECH INC公司使用小波變化進行了火焰圖像識別，大大提高了識別準確度（KR10-2012-0050073A）。可見，隨著計算機計算能力的提升，人們可通過更多的火焰信號特征進行火焰的精確識別，但是，基于效率與成本的考慮，還是應該根據燃燒物的特點選取最為合適的火焰信號特征。

結束語

縱觀技術的發展可知，近幾年，基于圖像的火焰識別的研究熱點為選擇多個合適的火焰判據以及圖像識別技術，進行多特征融合判斷的火焰識別以企圖兼顧準確度與效率。我國的相關研究機構、企事業單位應掌握上述技術熱點，加大科研力度與研究成果的產品化，以滿足我國日益增長的消防市場需求。

10.3969/j.issn.1001-8972.2015.10.026