基于模糊視覺的火場快速定位系統的設計

摘 要： 傳統的火場監控系統在進行火災快速定位時，容易受到環境中不確定因素的干擾，導致定位結果不準確，對火場細節辨識精度較低。因此，提出基于模糊視覺的火場車快速定位系統，系統通過模糊視覺傳感器對火場進行實時監控，采用嵌入式視頻服務器獲取火場圖像，并將圖像數據傳遞到主機，主機中的火場定位系統實現火場的準確定位。定位系統設計可實現火場視頻圖像的獲取、圖像數據的預操作、視頻圖像顯示并將圖像信息傳遞給下位機硬件模塊中的主調控器等目標。采用模糊視覺技術，依據火場細節模糊視覺特征識別模型，描述外界因素的不利影響，按照模型的輸出結果獲取火場細節特征的像素密度，準確識別火場細節狀態，實現火場快速定位。實驗結果表明所設計系統能夠對火場進行快速、準確的定位。

關鍵詞： 模糊視覺； 火場定位； 嵌入式視頻服務器； 火場細節

中圖分類號： TN953+.7?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2016）18?0130?05

Abstract： The traditional fire?ground monitoring system is easy to be disturbed by uncertain factors in the environment when fire rapid positioning is executed， so the positioning result is inaccurate， and the identification accuracy of fire details is low. Therefore， a fire?ground fast positioning system based on fuzzy vision is put forward， which monitors the fire?ground in real time with the fuzzy vision sensor， acquires the fire?ground image by means of the embedded video server， and transmits the image data to the host computer. And then the fire?ground location system in host computer locates the fire?ground accurately. The positioning system can acquire the fire scene video image， pre?operate the image data， display the video image， and transmit the image information to the main controller in the hardware module of slave compute. The fuzzy vision technology is used to describe the adverse impact of external factors according to the fuzzy vision feature recognition model of fire details. According to the output results of the model， the pixel density of fire scene detail characteristic is acquired， and the fire?ground detail state is recognized accurately to locate the fire scene quickly. The experimental results show that the designed system can locate the fire?ground rapidly and accurately.

Keywords： fuzzy vision； fire?ground positioning； embedded video server； fire detail

0 引 言

當前建筑、深林、倉庫火災頻發，對人們的生產和生活造成巨大威脅。而隨著圖像處理技術的不斷發展，分析基于視覺方面的火場定位問題，可提高火場識別的效率和準確度，具有重要的應用意義[1?3]。當前的火場監控系統進行火災快速定位時，受到環境中不確定因素的干擾，導致火場定位結果不準確，對火場細節辨識精度較低[4?5]。

當前存在的火場定位方法有：鄭麗提出融合神經網絡和模糊邏輯實現火災的定位方法，神經網絡的容錯能力可增強火災定位的穩定性，而模糊邏輯能夠高效解決火災現場的不確定性因素，增強火災定位的智能性，但是該方法的定位效率較低[6]；宋斌提出了基于自適應混合高斯模型的火場定位方法，采用該模型反應火災監控視頻中的背景，通過背景差分方法采集運動前景對該運動前景進行火焰顏色分析，獲取火焰輪廓，實現火災定位，該方法受環境的影響較大，穩定性較差[7]；鄧彬偉通過彩色空間模型反應火焰顏色特征，依據該特征能夠定位火焰區域，該種方法僅基于火焰的單一形態特征進行定位，存在定位精度低的缺陷[8]；鄒劍采用度量輪廓脈動信息的距離模型，描述火焰的輪廓，實現火場定位，但該種方法對復雜環境的適應能力弱，獲取的火場定位結果誤差較大[9]。

針對傳統方法出現的問題，提出一種基于模糊視覺的火場快速定位系統，系統通過模糊視覺傳感器對火場進行實時監控，采用嵌入式視頻服務器獲取火場圖像，并將圖像數據傳遞到主機，主機中的火場定位系統實現火場的準確定位。

1 基于模糊視覺的火場快速定位系統的設計

1.1 系統的硬件設計

1.1.1 系統體系結構

采用計算機視覺技術設計基于模糊視覺的火場快速定位系統，該系統可實現火場的快速、準確定位，總體結構如圖1所示。系統通過模糊視覺傳感器對火場進行實時監控，采用嵌入式視頻服務器獲取火場圖像，并將圖像數據傳遞到主機，主機中的火場定位系統可以對火場進行準確定位，同時將定位結果反饋到報警模塊。

1.1.2 嵌入式視頻服務器

視頻服務器采集視覺傳感器獲取的火災現場圖像信息，確保網絡與管理站間進行信息溝通，使管理人員通過管理站對火災現場視頻進行分析。嵌入式視頻服務器包括視覺傳感器和嵌入式開發板，系統結構如圖2所示。

其中，嵌入式視頻服務器硬件采用S3C2410+顯示屏+SD卡的開發板作為硬件平臺，處理器內部集成了Amm?Linux內核的微控制器。視頻服務器留出一個接口與以太網控制器芯片的網口相連，確保將火災圖像數據傳遞到遠程管理站，采用該接口可同CCD攝像機相連，進而將獲取的火災現場視頻圖像數據反饋到緩存區中進行操作。CCD攝像機采用CMOS攝像頭驅動攝像機采集火場圖像。

1.1.3 QEP編碼器信號處理過程

視頻服務器中的QEP編碼器獲取的反饋信息決定了火場定位系統的定位精度。QEP編碼器電路的處理流程如圖3所示。

QEP 解碼電路包括編碼器脈沖信號四倍頻電路、鑒相電路和計數電路等。通過增量式編碼器輸出的正交編碼脈沖是兩組頻率可調、可產生[14]周期相位差的脈沖序列。部署在視頻服務器末端的光電編碼器，隨著服務器的運行形成正交脈沖，QEP 解碼電路基于編碼器輸出的A，B兩相脈沖信號的相位差確定視頻服務器中攝像機鏡頭的轉向。如果A相相位超前B相90°，鏡頭呈現正轉，電路輸出高電平，并將計數器對四倍頻后的脈沖進行加計數；如果B相相位超前A相90°，鏡頭呈現反相轉動，電路輸出低電平，計數器對四倍頻后的脈沖進行減計數。依據QEP計數器值獲取視頻服務器中鏡頭轉動的角度，間接得到火場位置數據。

1.1.4 GM8123芯片串口擴展電路設計

定位系統中信息的傳輸方式均為串口方式，需要使用GM8123芯片進行串口擴展。該芯片能夠簡化外圍電路以及實現系統的微型化。具體的擴展電路如圖4所示。由圖4可知GM8123工作在單通道模式下，也就是MS=1。當發送地址線定義EURR1，EURR1取（0，1）時采用寫通道1，程序對GPS模塊進行初始化處理。當EURR1取（1，0）時采用寫通道2，程序對視頻采集模塊進行初始化處理，當接收地址線定義EURR0，EURR0 取（0，1）時選擇通道1，程序讀取GPS定位信息。當EURR0取（1，0）時采用讀通道2，ARM處理器讀入視頻采集模塊中的火場圖像信息。GM8123芯片采用單通道模式，可達到最高波特率支持18 Mb/s，子串口同母串口的波特率一致。采用GM8123芯片完成串口擴展擴展后，將GPS模塊、視頻服務器、GPRS模塊連接起來，可提高對各模塊的控制效率。

1.2 軟件整體設計

火場快速定位系統軟件可實現火場視頻圖像的獲取、圖像數據的預操作、視頻圖像顯示以及將圖像信息傳遞給下位機硬件模塊中的主調控器等工作。其中的圖像處理模塊對采集的火場圖像進行濾波去噪，然后采用基于模糊視覺的火場定位方法實現火災的快速定位。系統軟件基于用戶的控制結果，采用接口對下位機的運行進行管理，按照下位機輸出的結果對火場定位系統的運行狀態進行監控。軟件各功能模塊間的關系如圖5所示。

將設計完成的軟件系統對CCD攝像頭獲取的圖像信號進行數字化變換，并采用客戶機對信號進行相關操作。系統通過軟件實現火場圖像數據的全部操作，流程圖如圖6所示。

1.3 視頻圖像采集的代碼設計

采用系統設計的用戶調用采集卡中的庫函數可獲取火場視頻圖像數據，系統通過回調函數的采集方式，在采集卡開始采集后自主在后臺采集圖像數據，每完成一幀圖像的采集，程序自主調用回調函數處理，同時進行下幀圖像的采集。使用回調函數方式采集數據，需要設置回調函數，格式為：

在煙霧濃度比較高的情況下，利用不同算法進行受困人員定位，獲取的定位結果如圖9所示。

分析上述實驗可得，在煙霧濃度比較低的情況下，利用不同系統進行火場定位誤差基本相同；在煙霧濃度正常的情況下，利用本文系統進行火場定位的精度略高于混合高斯系統；在煙霧濃度比較高的情況下，利用本文系統進行火場定位的精度遠遠高于混合高斯系統。

3.2 不同系統的定位結果

實驗對比分析本文系統和基于混合高斯模型的火場定位系統，對實驗建筑火災進行定位的結果進行統計，如表2所示。

由表2可知，相對于混合高斯系統，本文系統在進行火場定位的過程中，具備較高的效率和較低的誤差，具有較高的優勢。

4 結 論

本文提出基于模糊視覺的火場快速定位系統，系統通過模糊視覺傳感器對火場進行實時監控，采用嵌入式視頻服務器獲取火場圖像，并將圖像數據傳遞到主機，主機中的火場定位系統實現火場的準確定位。系統的軟件實現火場視頻圖像的獲取、圖像數據的預操作、視頻圖像顯示以及將圖像信息傳遞給下位機硬件模塊中的主調控器等工作。采用模糊視覺技術，依據火場細節模糊視覺特征識別模型，描述外界因素的不利影響，按照模型的輸出結果獲取火場細節特征的像素密度，準確識別火場細節狀態，實現火場快速定位。實驗結果表明所設計系統能夠對火場進行快速、準確的定位。

參考文獻

[1] 楊保群.地理信息系統的現狀和發展趨勢[J].城市建筑，2013（16）：271.

[2] 韓英，趙宇鵬.GIS地理信息系統的應用及其發展分析[J].科技創新與應用，2013（35）：73.

[3] 趙鑫.GIS技術在消防通信指揮系統中的應用[J].信息安全與技術，2013（12）：82?83.

[4] 馬麗.建筑內火災中人員定位技術的選擇[J].消防科學與技術，2013，32（7）：763?765.

[5] 趙冬平.基于無線傳感器信號強度的消防員軌跡推演算法[J].現代雷達，2013，35（5）：44?46.

[6] 鄭麗，張蕊.基于Teststand的TPS開發設計[J].光電技術應用，2013（5）：81?84.

[7] 宋斌，方葛豐，劉毅.自動測試系統軟件平臺TestCenter體系結構設計與分析[J].測控技術，2013，32（8）：115?118.

[8] 鄧彬偉，黃光明.WSN中的質心定位算法研究[J].計算機應用與軟件，2010，27（1）：213?214.

[9] 鄒劍.基于ZigBee技術的語音導游系統研究與實現[D].上海：東華大學，2013.