基于視頻監控系統的突發災害應急評估技術可行性研究*

郭志宇，郭安寧，白雪見，任 棟，彭立順

(中國地震局 蘭州地震研究所，甘肅 蘭州 730000)

0 引言

我國是一個災害多發的國家，突發性災害活動分布廣、頻率高、強度大，地震、滑坡、崩塌和泥石流以及礦難這樣的突發性災害，往往具有鏈式成災特點[1-2]，難以預測且多具毀滅性破壞結果[3-4]。因此，有必要迅速調查災害造成的工程建筑破壞和人員傷亡情況，通過對災害現場進行快速評估，為應急救援做好充分的準備。

為此，提出1種新型的，基于城市視頻監控的突發災害應急損失評估技術，充分利用公安和交通等部門廣泛布設于城市道路、公共場所、構(建)筑物內部的視頻監控系統獲得的影像資料，通過相關圖像處理方法，結合計算機視覺技術和災害快速評估技術，對以構(建)筑物為代表的一系列工程設施進行遠程實時監測,收集監視場景信息，提供實時的數據處理結果，以GIS模塊化的方式，顯示和存儲信息數據，從而作為重大突發災害應急預案的輔助系統[5]，在最大程度上避免應急救援的無序性，提高應急工作效率。

1 基于視頻監控系統的突發災害應急損失評估技術

基于視頻監控的突發災害應急損失評估技術可以理解為通過攝像頭充當“眼睛”的作用，首先觀察現場的災害情況，然后提取各類工程結構的損失信息，接著據此判斷出災害等級，最后通過地理信息系統(GIS)勾畫出整個研究區域內受突發災害影響的破壞水平，服務于災害救援工作，減災止損。

依據不同的災害情況，主要有靜態監測和動態監測2種方案，前者由于攝像頭與監視場景之間并無明顯相對運動，所以主要用于監測滑坡、崩塌、泥石流等突發性災害；而后者則因為攝像頭和監視場景之間有相對的伸縮旋轉運動，主要用于地震災害的監測研究。

1.1 靜態背景目標監測與提取技術

對于攝像頭與所監視場景之間并無明顯相對運動的情況，也即靜態背景下，可以用基于自適應背景圖像估計與當前多幀圖像混合差的方法，該方法可以精確監測和提取監視場景內的目標。一般應用統計方法自適應地估計和修正背景圖像及變化監測閾值[6]。利用估計的背景圖像與當前相鄰兩幀或多幀圖像的混合差進行變化監測，監測時用統計最優的自適應二值化[7]區分變化和未變化區域，使用基于二值圖像的形態學算法[8]去噪，經過區域標記和計算區域面積判斷場景是否有變化，最后利用相鄰兩幀或多幀差值精確提取目標。

圖1 基于視頻監控和GIS輔助的突發災害應急救援系統拓撲Fig.1 The topology of sudden disaster emergency rescue system based on video surveillance and GIS

1.2 動態背景目標監測與提取技術

由于監控設備大都安裝在龍門架、單桿或墻柱上，地面振動使攝像頭發生同震振動，從而導致視頻影像序列為動態背景。運動背景下目標監測與提取技術，通常解決方案是借助于視頻圖像的運動估計和分割算法來實現[9]。此外，還有一種提取運動目標的方法，即特征點匹配法[10]。該方法是“先盯后看”，先做幀間匹配，再提取目標。雖然從全程來看，背景場是運動的，但對每一小段而言，背景圖像卻是靜止的，這樣就可以利用靜態背景場的計算方法來進行目標監測和提取[11]。

1.3 小結

通過上文的闡述，可以得到以下結論：不論動態背景，還是靜態背景的目標監測與提取，其目的都是希望能夠快速獲取監視區域內目標所受災害影響信息。以遠程視頻監控的方式代替傳統的專家實地考察方式收集災情資料，以此為救援工作提供有參考價值的實地信息。

本文應用多時相變化監測技術識別目標，進行災害監測和評估，監測內容包括：監測已經發生的災害變化，識別災害的性質、程度，判斷受災區域范圍和評估災害變化的空間模式等。工作流程[12]是首先將突發災害前后監控影像進行幀間空間配準，再進行灰度匹配，然后剔除非重點區，找到感興趣區域，最后將幀間圖像進行各種灰度運算比較，利用人機交互方式確定災害異常的表現形式和災害分布范圍。

在完成災害現場的視頻影像資料提取之后，首先通過圖像分析方法，由計算機自動給出初步的災情信息，如：構(建)筑物的外部形變水平、承重墻(柱)破壞程度等信息；然后再由專家根據影像資料，對機讀的初步結果進行人工修正，判斷工程結構的整體破壞水平，給出更為具體準確的評估結果；最終的目的是通過收集各采樣點提取的災害信息，對應到采樣點所代表區域內的災害破壞程度，從而結合GIS勾畫出整個受災地區的災害破壞等級，便于制定相應的救援方案。

2 基于視頻監控系統的GIS輔助突發災害損失評估系統

基于視頻監控和GIS輔助的突發災害應急救援系統的網絡拓撲如圖1所示，在通過廣泛布設于災區的視頻監控，得到地面各評估單元相應的災害損失信息后，進一步對這些數據進行分析處理，評估其災害損失，最終以GIS的形式成圖，將地面災害損失分布情況及其相應災害屬性表達在GIS圖層上。

GIS可以方便地對空間數據進行采集、分析、管理和輸出等，并具有區域分析、多重要素分析和動態預測的能力[13]。同時，GIS 不僅可以高效地處理空間數據，而且還可以管理有拓撲結構的圖形數據，并建立兩者之間的關系，因此特別適用于突發災害的減災系統。一旦發生突發災害，即可充分發揮GIS的特有功能，實時跟蹤災害發生、發展過程，并輔助開展災后救援和應急工作。

2.1 GIS輔助視頻監控災害損失評估技術思路

數字圖像技術與GIS有緊密的關系和很強的互支持性[14]。故提出GIS輔助視頻監控災害損失評估技術，利用GIS強大的數據存儲、管理和調度功能，協助專家理解監控影像資料[15]。同時，相關大數據技術(數據庫、數據挖掘以及通信技術等)的發展，使得基于視頻監控評估的應用不再局限于獲取和存儲災情信息，更重要的是要對數據結果進行解釋和應用，提供災害損失的詳細評估內容，提高應急救援工作的自動化程度。

2.1.1 基于視頻監控的GIS輔助損失評估內容

突發災害損失評估主要是指對災害所造成的工程結構破壞和人員傷亡進行評估[16]。其中，工程結構的破壞是重點關注的評估內容。

基于視頻監控的災害損失評估，主要對構(建)筑物損失和人員傷亡進行評估[17]，最核心的是通過對視頻監控影像分析，提取到構(建)筑物的災情信息，而后對構(建)筑物受損程度進行評估，統計其分類分級的損失信息，其中分類是指構(建)筑物結構類型，分級是指構(建)筑物破壞等級，并將其錄入GIS 系統數據庫中，建立基礎圖層，與相應的行政區劃圖或者街區圖疊加，便于災后應急救援工作時，進行空間分析和屬性查詢。

2.1.2 基于視頻監控的GIS輔助災情信息提取

提出1種包括人工目視判讀和計算機自動識別在內的災情信息提取方法，前者耗時短，后者精度高。概括如下：

1)采樣

視頻監控設備布設范圍廣，總體觀測區域大，數據信息繁多，直接提取災害信息不現實。因此，提出從評估對象中選取部分具有代表性的樣本進行災情信息采樣，結合相適應的插值算法。這樣做不僅加快了提取速度，同時又能夠保證提取的精度，最后通過采樣率和各采樣點的置信水平(依據各采樣點所代表的地面單元破壞程度高低對其添加權值)對評估結果進行修正，得到整個災區分類分級的構(建)筑物結構損失水平。

2)視頻監控現場災害指數提取災情

地震震害指數的概念在1970年通海地震調查中提出來后[18]，已廣泛應用于地震震害研究中，地震震害指數是地面地震烈度值劃分的基礎，是反映地震破壞程度的定量化指標。在這里，結合視頻監控所捕捉到的影像資料，建立類似的評估方法，從而用于多種不同的突發災害信息提取。

因此，提出可以通過人工目視判讀視頻監控災害影像，由專家給出評估對象的災害指數水平；然后通過視頻解譯災害指數與監視場地災害指數的對應關系，轉化為場地災害指數；再根據地區經驗災害矩陣，得到該采樣點所控制的區域，即地面評估單元的災害等級，反映該采樣點所代表的控制區域內災害破壞程度。將該采樣點所代表區域的災害等級數據與空間地理信息數據聯系起來，列表收錄，便于GIS進行數據管理和空間分析，如圖2所示。

圖2 基于災害指數方法的災情信息提取流程Fig.2 Disaster information extraction flow chart based on disaster index method

3)視頻監控圖像分類提取災情

雖然通過災害指數提取災情信息非常快速，但它十分依賴評估人員的經驗水平，評估結果可能因個體差異而有較大區別。為了統一評估結果，減少這種隨機性較大的非系統誤差，在粗略評估(基于災害指數的粗評估)完成后，采用基于機讀的數字圖像分類方式提取災情，增強災情提取效率。可采用綜合自動分類方法，如圖3所示，基本過程如下：

(1)非監督分類。根據地表不同地物的光譜或幾何形狀特征區分目標構(建)筑物和其它實體，實際上是種先入為主的經驗性分類方式。

(2)訓練樣本的選擇。訓練樣本借助人工判讀來確定，是分類分級的單棟或者群體構(建)筑物。不同于地面調查確定災害指數時構(建)筑物的五級分級方案，這里考慮到視頻監控的影像分辨率和災害信息統計速度，將房屋構(建)筑災害分為3個等級，即：毀壞(毀壞和嚴重破壞)、破壞(輕微和中等破壞)和基本完好。

(3)圖像分類。訓練樣本確定完畢后，利用計算機對圖像進行分類，完成災害識別的整個過程。

(4)分類后處理。通過分類整理、分類結果修正、分類結果與影像融合等方法對分類結果進行處理，減少計算機自動分類的盲目性。

圖3 數字圖像分類方法災情信息提取流程Fig.3 Digital image classification method disaster information extraction flow chart

2.1.3 構(建)筑物災害損失評估

根據災害提取方式的不同，構(建)筑物損失評估可分為基于災害指數的損失評估和基于圖像分類結果的損失評估。

1)基于災害指數的損失評估

災害等級反映了1個地區宏觀的受災情況，是判斷所監視區域災害強度的重要依據。在地震災害損失評估中，姚新強等[19]提出的動態震害矩陣方法，有利于城市地區構(建)筑物災害損失的精準動態評估。類似的，基于災害指數的損失評估可以通過視頻解譯災害指數與場地災害指數對應關系，得到該采樣點的場地災害指數；再據此得到該采樣點所代表地面評估單元的災害等級。最后根據動態災害矩陣，給出采樣點控制地區單元內群體構(建)筑物的災害損失評估結果。

2)基于圖像分類結果的損失評估

基于圖像分類結果的損失評估是在災害發生后數分鐘至數小時內給出(數據覆蓋率不同，計算時間也有所差異)評估結果。孫麗娜等[20]根據唐山和汶川2個震例，又計算了不同震源機制對近場PGA的影響，十分有利于災后進行更加細致的評估。更重要的，甚至可以基于此，用來做時程分析。由于圖像分類結果已經是分類分級的，所以從中統計出相應破壞比和破壞面積等，結合當地的構(建)筑物造價等信息后，即可進行損失計算。

2.1.4 人員傷亡評估和失去住所人數評估

人員傷亡和失去住所人口都和構(建)筑物災害信息有密切關系，人員傷亡情況主要與下列因素有關，如不同時間段構(建)筑內的人數、構(建)筑物的綜合造價水平，以及各類構(建)筑物的災害等級分布、是否有利于搶救等。發生災害時，有組織有計劃地安排人員疏散是一項重要工作。在城市地區，疏散場地主要是廣場、公園、街心綠地和運動場等空地。而GIS的空間分析功能又是其優勢所在，因此可以通過建立適當的應急疏散模型來仿真計算城市地區突發災害時應急救援人員疏散工作。由于現有災害損失評估技術在人員傷亡統計上已經能夠做到十分準確細致的評估，因而這部分并不作為本文研究的重點，只是將其作為完整評估內容的一部分加以說明。

2.2 基于視頻監控系統的GIS輔助災害應急損失評估技術的優勢

現有的信息獲取手段,如遙感、航拍等高空傳感器系統,獲取的多是平面影像，只能提供二維數據,往往可以清晰地看到構(建)筑物頂部的損毀情況，而其側面、內部的災害損失情況則無法觀察到。而基于視頻監控影像的評估技術，能分別從正視、俯視、側視3個角度，也即X-Y-Z三軸方向對目標進行立體觀測，因而提取到的災情信息更為真實客觀。

另外，現有的二維災害信息數據,如以衛片為主的星載傳感器數據、以航片為主的機載航空傳感器數據，常常因拍攝平臺的不穩定，導致獲取到的影像產生幾何畸變。必須要對其進行對準矯正、消除畸變和空間定位等預處理步驟之后,才可以進一步作業。

雖說衛星影像可以實現無控制點糾正，但其在數據獲取時間上,目前很難滿足應急的快速評估需求。航空影像則因為拍攝平臺不穩定、數據量大等原因，處理過程中算法繁瑣、耗時嚴重，不能滿足實時獲取災區災情的要求。此外，難以控制的氣象因素還會導致光學影像資料失效。雖然近些年來快速發展的雷達成像技術不受氣象條件限制，但其影像資料并不適合人工目視判讀。上述種種弊端在一定程度上制約了衛片、航片在突發災害時災區的應急和災害損失評估工作上的應用。

鑒于此，本文提出的GIS輔助視頻監控系統,在突發災害應急救援評估中，可以作為現有災害損失評估技術的補充技術，以此來提高突發災害的應急救援工作效率。總結以往突發災害中各類災情信息獲取技術之間的相互協調配合的經驗，可以看出：今后的突發災害評估技術需具備網絡協同、數據共享和多方會商的功能，以便實現在應急救援工作中,匯聚圖像圖形專家、災害損失評估專家、工程結構專家等專業人員的力量[21-22]。

3 結論與展望

1)以基于視頻監控的突發災害快速應急損失評估技術為研究內容，在詳細研究其技術依據，即計算機圖形技術，能夠準確監測和提取場景內目標影像這一重要結論后，提出1種基于視頻監控系統的GIS輔助應急損失評估技術，并針對以構(建)筑物為主的評估對象，提出1種分類分級的多模式災情信息獲取方法。

2)GIS輔助的視頻監控災害損失評估方法結合了人工目視判讀和計算機圖像自動處理技術，簡化了災情信息提取過程，提高了工作效率。通過GIS基礎數據庫等功能，輔助解譯視頻監控圖像資料，可為工程結構損失計算提供數據支撐。

3)提出的多模式、多數據源的評估方法，能夠幫助在突發災害應急初期，迅速掌握宏觀的災情信息，為救援力量的部署提供參考意見。而在隨后陸續獲得高密度監控影像資料，并與專家進行交匯式討論后，可以根據應急階段的不同需求，逐步給出更高精度的評估結果。

[1] 郭增建，郭安寧，吳建華，等. 2015年10月26日阿富汗MS7.8地震發生時間的回顧性預測[J].地震工程學報，2015,37(4)：1127-1128.

GUO Zengjian, GUO Anning, WU Jianhua, et al. Reviewing prediction for the occur-rence time of the afghan MS7.8 Earthquake on Oct.26, 2015[J]. China Earthquake Engineering Journal, 2015,37(4):1127-1128.

[2] 郭安寧，李鑫，白雪見，等. 2016年1月21日青海門源6.4級地震及相關參數[J].地震工程學報，2016,38(1)：150-158.

GUO Anning,LI Xin,BAI Xuejian, et al. The menyuan, Qinghai MS6.4 Earth-quake on 21 January 2016 and its related parameters [J]. China Earthquake Engine-ering Journal, 2016,38(1):150-158.

[3] 郭安寧，郭志宇，趙乘程，等. 2013年甘肅岷縣漳縣MS6.6地震及短臨前兆的顯現[J].地震工程學報，2015,37(4)：981-985.

GUO Anning, GUO Zhiyu, ZHAO Chengcheng, et al. Minxian-Zhangxian MS6.6 Earthquake in Gansu(2013) and its short-term and im-pending precursors [J]. China Earthquake Engineering Journal, 2015,37(4):981-985.

[4] 郭安寧，郭增建. 2014年2月12日新疆于田地震MS7.3級地震的回顧性預測討論[J]. 華南地震，2014，34(4)：15-19.

GUO Anning, GUO Zengjian. Retrospective discussion of prediction for February 12th, 2014 Yutian MS7.3 Earthquake[J].South China Journal of Seismology, 2014,34 (4):15-19.

[5] 陳文凱，孫艷萍，周中紅，等. 甘肅省地震應急專題圖的設計與實現[J]. 地震工程學報，2015，37(3)：884-889.

CHEN Wenkai, SUN Yanping, ZHOU Zhonghong, et al. Design and implementation of Earthquake emergency thematic map of Gansu province[J]. China Earthquake Engineering Journal, 2015,37(3):884-889.

[6] Stauffer C, Grimson W E L. Learning patterns of activity using real-time tracking[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000, 22(8):747-757.

[7] 楊威，張田文.復雜景物環境下運動目標檢測的新方法[J].計算機研究與發展，1998,35(2)：724-728.

YANG Wei ,ZHANG Tianwen.A new method for the detection of moving targets in complex scenes[J]. Computer Research and Development，1998, 35(2):724-728.

[8] 韓曉軍. 數字圖像處理技術與應用[M]. 北京：電子工業出版社，2009.

[9] 陳巖，劉開華. 動態背景下運動目標的檢測與跟蹤[J]. 通信技術，2003 (12):104-106.

CHEN Yan, LIU Kaihua. The way to check and track moving object in dynamic background[J]. Communications Technology, 2003(12):104-106.

[10] 王洪斌，趙振涌，顧彪，等. 基于全局運動補償的多運動目標檢測方法研究[J]. 計算機技術與應用，2011,37(1):110-116.

WANG Hongbin, ZHAO Zhenyong, GU Biao, et al. Research on Multi-Moving object detection algorithm based on global motion compensation[J]. Computer Technology and Its Applications, 2001,37(1):110-116.

[11] 童劍軍，鄒明福. 基于視頻監控圖像的車輛測速[J]. 中國圖象圖形學報，2005,10 (2):192-196.

TONG Jianjun, ZOU Mingfu. Speed measure-ment vehicle by video image[J]. Journal of Image and Graphics, 2005,10(2):192-196.

[12] 邊肇祺. 模式識別[M]. 北京：清華大學出版社，2000.

[13] 溫瑞智. 基于GIS的城市抗震防災系統設計[J]. 世界地震工程，1997,13 (4):28-33.

WEN Ruizhi. The Constitution of GIS-based urban Earthquake resistance system[J]. World Information On Earthquake Engineer-ing, 1997,13(4):28-33.

[14] 陳文凱，何少林，周中紅. 基于多源數據的震害快速評估方法探討[J]. 西北地震學報，2010，32(1)：76-81.

CHEN Wenkai, HE Shaolin, ZHOU Zhonghong. Study on rapid evaluation method of earthquake damage based on multi-source data[J]. Northwestern Seismological Jour-nal, 2010,32(1):76-81.

[15] 陳文凱，何少林，張蘇平，等. 汶川地震甘肅省文縣地震地質災害遙感分析[J]. 西北地震學報，2011，33(4)：363-369.

CHEN Wenkai, HE Shaolin, ZHANG Suping, et al. Analysis on the geo-hazards trigger-ed by Wenchuan earthquake in Wenxian county, Gansu province, based on remote sensing information[J]. Northwestern Seis-mological Journal, 2011,33(4):363-369.

[16] 尹之潛. 城市地震危害性分析的基本框架和方法[J]. 地震工程與工程振動，1999，19(1)：70-75.

YIN Zhiqian. Basic framework of urban earthquake risk analysis[J]. Earthquake Engineering and Engineering Vibration, 1999,19(1):70-75.

[17] 何少林，李佐唐，姚子文. 甘肅省地震應急基礎數據庫管理服務軟件系統研制[J]. 西北地震學報，2006，28(2)：149-153.

HE Shaolin, LI Zuotang, YAO Ziwen. Development in software system of manage-ment and server to earthquake emergency base database in Gansu province[J]. Nor-thwestern Seismological Journal, 2006, 28 (2):149-153.

[18] 胡聿賢. 地震工程學[M]. 北京：地震出版社，2006.

[19] 姚新強，孫柏濤，陳宇坤，等. 基于震害預測的動態震害矩陣方法研究[J]. 地震工程學報，2016，38(2)：318-322.

YAO Xinqiang, SUN Baitao, CHEN Yukun, et al. Study on method of dynamic earthquake damage matrix based on seismic damage prediction[J]. China Earthquake Engineering Journal, 2016,38(2):318-322.

[20] 孫麗娜，王曉山，楊家亮，等. 震源機制類型對近場峰值加速度(PGA)分布的影響——以唐山和汶川震區為例[J]. 地震工程學報，2015,37(1)：159-167.

SUN Lina, WANG Xiaoshan, YANG Jialiang, et al. Influence of focal mechanism types on the near-field distribution of peak ground acceleration——case study of Tangshan and Wenchuan earthquake regions [J]. China Earthquake Engineering Journal, 2015,37(1):159-167.

[21] 安立強，張景發. 遙感技術在震害調查中的應用現狀和發展趨勢[J]. 地震工程與工程振動，2011,31(2):182-188.

AN Liqiang, ZHANG Jingfa. Application situation and trend of remote sensing technology used in earthquake disaster survey[J]. Earthquake Engineering and Engineering Vibration, 2011,31(2):182-188.

[22] 張翼，郭紅梅，胡斌，等. 基于PDA的四川災情速報系統[J]. 華南地震，2014，34(4)：55-60.

ZHANG Yi, GUO Hongmei, HU Bin, et al. Earthquake disaster rapid reporting system of Sichuan province based on PDA[J]. South China Journal of Seismology, 2014, 34(4):55-60.