淺談圖像感煙探測產品在飛機貨倉火災探測中的應用

【摘 要】 飛機貨倉可燃物較多，一旦發生火災，火勢發展迅猛，具有較大的撲救難度。此外，飛機火災很難進行有效的人員疏散，易造成較大人員傷亡。因此在早期及時發現并撲滅火災具有重要意義。但是，目前常用的光電感煙探測產品易受環境條件的干擾，誤報率較高。圖像感煙探測產品是基于機器視覺和圖像處理的智能化火災探測新產品，尤其適用于飛機貨倉中進行快速火災探測和火災確認。本文介紹了圖像感煙探測產品及相關的幾種常見的煙霧識別技術，并介紹了飛機貨倉中圖像火災探測產品的應用研究。最后分析并總結了圖像感煙火災探測產品在飛機貨倉火災探測中的應用優勢。

【關鍵詞】 火災探測 光電感煙探測器 圖像感煙探測器 飛機火災

【DOI編碼】 10.3969/j.issn.1674-4977.2016.07.006

1 前言

目前，飛機貨倉中安裝的火災探測系統通常為光電感煙火災探測器，這類探測器的誤報率非常高，通常達到90%以上，主要有以下幾方面原因：

（1）飛機空調系統環境條件（如溫度、濕度、壓強、電磁干擾、地面裝卸設備的尾氣排放）的改變造成探測器靈敏度發生變化；

（2）飛機制造者對于探測器使用環境的了解不足或者是探測器制造商對于航空環境的了解不足；

（3）探測器的穩定性發生變化；

（4）貨倉中貨物運輸揚起的灰塵的干擾；

（5）盥洗室中水霧的干擾；

（6）探測器長期使用被污染未及時清理。

飛機貨倉可燃物較多，一旦發生火災，火勢發展迅猛，具有較大的撲救難度，此外，飛機火災很難進行有效的人員疏散，易造成較大人員傷亡。目前飛機通常使用的是光電感煙火災探測器，但是根據FAA技術中心David Blake[1]等人的統計，飛機上現有火災探測器的誤報率在90%以上。為保證安全，飛機上一旦發生火警信號時，必須按真火警程序進行處置。因此，在飛機貨艙發生火災后，飛行員會立刻啟動滅火系統，然后緊急降落。然而過多的假火警會給航空公司帶來巨大的經濟損失，因此，對于飛機上的火災探測系統來說，高誤報率是不可接受的。

根據國際上通常使用的航空標準FAR/JAR 25.858規定，飛機上的火災探測及確認時間不能超過60s。因此，如何在進行快速火災探測的同時避免誤報的發生，一直是困擾飛機上火災探測的技術難題。

近年來，火災探測技術不斷發展，可靠性更高的智能型探測技術不斷涌現。圖像火災探測技術具有響應速度快、探測距離遠、保護范圍大的特點，并可自動切換現場圖像便于進行快速火災確認。此外，圖像火災探測技術不受溫濕度、氣流、壓強等環境條件的影響，尤其適用于飛機貨倉等特殊受限空間中的快速、低誤報火災探測需求。

2 煙霧圖像特征分析

飛機貨倉中，由于擺放的貨物較多，一旦發生火災，燃燒的火焰易被貨物遮擋而無法被攝像機捕捉到，因此，飛機貨倉中宜選擇圖像感煙火災探測技術。

煙霧圖像探測的關鍵在于如何根據煙霧圖像的空間分布和擴散特性選取特征識別方法，并與干擾圖像有效區分開。煙霧特征識別方法通常包括以下幾種：

2.1 顏色特征

火災煙霧具有特定的顏色分布，陰燃產生的煙霧通常為灰白色，而明火產生的煙霧通常為灰黑色。因此，可通過建立煙霧顏色分布模型來分析和判斷視頻圖像中各個區域像素的顏色或亮度分布來辨識火災煙霧。由于顏色模型原理簡單、計算量較低，因此是最常用的煙霧圖像特征。Chen[2]的研究通過在RGB顏色空間中建立相應的煙霧顏色分布模型來進行火災煙霧識別。

2.2 模糊特征

煙霧的模糊特征是指在煙霧遮擋下，背景圖像中物體的邊緣逐漸變模糊的圖像特征。

圖1 背景圖像

圖2 煙霧模糊特征圖像

圖1所示圖像中，白色墻壁邊緣清晰可見。對比圖2有煙霧的圖像，可以看出煙霧遮擋了背景圖像，造成白色墻壁邊緣變得模糊不清，這就是煙霧的模糊特征。B.U.Toreyin[3]對背景圖像和煙霧圖像分別進行小波變化，比較變換前后背景物體邊緣能量譜的變化來提取煙霧的模糊特征。

2.3 紋理特征

紋理就是通常意義的花紋，紋理是由許多相互接近的、互相編織的元素構成，有的紋理還具有周期性。煙霧圖像同樣具有紋理特征。煙霧圖像具有不同層次的灰度空間分布，但同時又不具有清晰的紋理邊緣，這就構成了煙霧圖像獨特的紋理分布特征。紋理特征的提取通常首先計算圖像的灰度共現矩陣（GLCM），然后利用模式識別計算對矩陣的計算結果進行分類識別，以判斷是否為煙霧圖像。Yu Cui[4]利用小波分析和灰度共現矩陣（GLCM）來提取和分析煙霧的紋理特征，并通過神經網絡對特征值進行分類。

2.4 輪廓特征

輪廓特征提取是圖像處理常用的特征分析方法。煙霧的輪廓形狀具有不規則性，且其分布特征隨著時間和空間不斷變化。熊子佑[5]研究并提出了一種煙霧輪廓特征識別方法，該方法將煙霧圖像的輪廓和面積的像素個數帶入到特定的方程中，并通過計算結果來描述煙霧輪廓的不規則特征。

2.5 運動特征

煙霧是一種湍流現象，具有獨特的運動特征。Yuan[6]的研究提出了基于多幀圖像累積的視頻煙霧檢測方法，由于連續幀的計算相對較復雜，為了加快計算速度，該方法基于模板匹配技術對圖像分塊統計計算其運動方向，并在連續幀中，計算運動方向的累積量，從而實現煙霧運動特征的提取。

3 飛機圖像火災探測產品技術研究

德國杜伊斯堡大學火災探測實驗室的Wolfgang[7]開發了飛機貨艙火災圖像確認系統（Cargo Fire Verification System，簡寫為CFVS），旨在降低飛機貨倉中使用的傳統感煙探測技術誤報的影響，該CFVS系統采用了圖像感煙探測技術。為了研究飛機貨倉中煙霧圖像特征，該研究在飛機貨倉中拍攝了煙霧視頻，如圖3為視頻截圖。

圖3 A340-500飛機貨倉中煙霧視頻截圖

為了比較CFVS系統與傳統光電感煙探測器的探測性能的差別，該研究建立了A340-500型飛機貨倉的實驗模型裝置（如圖4），并在其中安裝了CFVS系統和A340-500型飛機上所使用的感煙探測器。通過實體火試驗和干擾試驗比較了兩種探測系統的探測性能和抗干擾能力。結果表明，CFVS系統在所有實體火試驗中都比A340感煙探測系統早20s～350s，在粉塵試驗中發現，CFVS系統未發生誤報，而光電感煙探測器隨著粉塵濃度的增加發生誤報。

4 結論與討論

圖像感煙火災探測產品在飛機上的應用具有如下優點：

（1）響應速度快。傳統的光電感煙探測器，需煙霧到達探測器位置才會有所響應，而火災早期煙霧的運動速度是非常緩慢的。煙霧圖像探測技術利用CCD攝像機采集監控場景圖像信息，以光為傳播媒介，不受空間的限制，響應速度優于感煙探測器。

（2）為火災確認提供便利。發生火警后，飛行員可利用圖像火災探測器的采集前端直接切換出監控場景視頻信息，判斷是否為真火警。圖像火災探測可為火災確認提供直觀的圖像信息，極大地提高了飛機火災探測系統的可靠性。

（3）提供火源位置信息。火源定位技術能為滅火系統提供準確的火源點位置信息，對于快速準確的撲滅火災具有重要意義。圖像火災探測技術可通過坐標系轉換的方法將監控場景圖像中的像素坐標與現實場景中物體的三維位置建立起對應關系，從而在發生火災時給出火源的位置信息，這便于飛機上發生火災時進行快速火災確認和進行及時有效的火災撲救。

綜上所述，圖像感煙火災探測器能夠更好地滿足飛機貨倉中火災探測需求，在飛機火災探測技術領域具有廣闊的應用前景。

參考文獻

[1]Blake.D.Aircraft Cargo Compartment Smoke Detector Alarm Incidents on U.S.-Registered Aircraft，1974-1999，DOT/FAA/AR-TN00-29， Federal Aviation Administration， Atlantic City， NJ.

[2]T.Chen，P.Wu and Y. Chiou.An Early Fire-Detection Method Based on Image Processing[C]， in Proc. of IEEE ICIP ’04， pp. 1707–1710， 2004.

[3]UgurToreyin，B.Dedeoglu，Yigithan，Cetin，A.Enis，2005.Wavelet based real-time smoke detection in video[C]. In： 13th European Signal Process Conf.EUSIPCO2005，Antalya，Turkey.

[4]Yu Cui，Hua Dong，Enze Zhou.An Early Fire Detection Method Based on Smoke Texture Analysis and Discrimination[C]， Proceedings of the 2008 Congress on Image and Signal Processing， Vol. 3， CISP’08， P95-99.

[5]Ziyou Xiong，Rodrigo Caballero， Hongcheng Wang，Alan M.Finn，Muhidin A.Lelic and Pei-Yuan Peng.Video-based Smoke Detection：Possibilities，Techniques，and Challenges， IFPA[J]， Fire Suppression and Detection Research and Applications - A Technical Working Conference （SUPDET）， Orlando，FL，2007.

[6]Yuan Feiniu.A fast accumulative motion orientation model based on integral image for video smoke detection[J]，Pattern Recognition Letters， 2008：Vol.29， Issue 7， P925-932.

[7]Wolfgang Krull，Ingolf Willms，Radoslaw R.Zakrzewski， Mokhtar Sadok，Jeff Shirer，Bob Zeliff.Design and test methods for a video-based cargo fire verification system for commercial aircraft[J]. Fire Safety Journal 41（2006）， p290-300.

作者簡介

高鍇，高級工程師，碩士，從事防火工作18年。曾發表多篇火災探測技術方面論文，其中《人工神經網絡系統在高靈敏吸氣型感煙火災探測報警系統中的應用》獲得中國消防協會電氣防火專業委員會第十四次學術討論會一等獎。