基于視頻分析技術的火災事故調(diào)查研究

邰鋒

摘要：傳統(tǒng)的火災事故調(diào)查方法，在進行現(xiàn)場調(diào)查過程中，存在視頻信息丟失、獲取信息時效性差等問題。對此，提出一種基于視頻分析技術的火災事故調(diào)查方法。通過獲取火災事故現(xiàn)場相關數(shù)據(jù)，初步掌握地區(qū)火災信息。同時，按照“視頻特征信息尺度極值檢測—關鍵點中關鍵信息識別—關鍵點指向特征確定—特征定向描述”的流程，在視頻分析技術的指示下，計算極值信息，以此定位視覺底層特征。并采用定義數(shù)據(jù)信息梯度值與梯度方向的方式，融合視頻局部特征，歸一化處理視頻維度，將多個特征向量納入同一范圍內(nèi)，從而構成一個相對完整的火災事故現(xiàn)場視頻線索鏈。在此基礎上，通過對比實驗證明，在投入應用過程中，所獲取的現(xiàn)場信息更為全面，通過此方法獲取的信息不存在丟失問題。

關鍵詞：視頻分析技術;火災事故;調(diào)查方法;局部特征

視頻分析技術作為現(xiàn)代化技術中的一種，其來源同其他技術相同，屬于社會仿生學研究的一種，也是我國智能化研究領域的一個關鍵分支[1-2]。在應用此項技術的過程中，需要將計算機設備作為支撐，通過成像等方式，對獲取的視覺信息進行綜合分析，并通過將獲取信息中場景內(nèi)容與目標內(nèi)容進行分離的方式，定位核心分析模塊。操作者在進行此步驟操作過程中，需要在指定場景內(nèi)進行不同視頻預設法則的設定，一旦追蹤的視頻目標在場景中出現(xiàn)異常現(xiàn)象或違規(guī)行為時，支撐視頻分析技術的終端操作平臺內(nèi)的預警將會被觸碰。此時，終端平臺將對其異常行為給予指示，并發(fā)出對應的警示音。截至目前，我國當下對視頻分析技術應用已愈發(fā)靈活，因此，視頻分析技術也被廣泛地應用到市場各個領域內(nèi)[3]。例如，道路違法行為抓拍、重大事故現(xiàn)場勘查、社會安全治理等。總之，視頻分析技術的提出，真正意義上做到了為社會發(fā)展與市場穩(wěn)定建設提供技術支撐。因此，文章將基于視頻分析技術的應用，以火災事故為例，設計一種針對此方面的事故調(diào)查方法，致力于通過此種方式，解決傳統(tǒng)調(diào)查方法潛在的危險。通過提供事故現(xiàn)場調(diào)查人員一段或多段視頻，使其調(diào)查工作的實施具備更加直觀的線索，確保對火災事故發(fā)生原因的準確、高效率定位。

1? 基于視頻分析技術的火災事故調(diào)查方法

1.1? 獲取火災事故現(xiàn)場相關信息

為了確保對火災事故調(diào)查的時效性，在設計調(diào)查方法前，應先獲取火災事故現(xiàn)場相關信息。包括：火災事故現(xiàn)場地形、火勢、火災事故發(fā)生時間、現(xiàn)場內(nèi)是否有被困人員、是否存在人員傷亡現(xiàn)象、火災事故現(xiàn)象是否有正向攝像頭等。在此基礎上，對發(fā)生火災事故的現(xiàn)場周邊情況進行調(diào)查，獲取火災事故現(xiàn)場周邊相關信息[4]。包括：火災事故現(xiàn)場周邊是否有居民樓、火災范圍是否會延伸到周邊建筑，火災事故現(xiàn)場風勢走向、火災事故現(xiàn)場周邊是否堆放易燃易爆物品等。通過獲取與火災事故相關信息的方式，初步掌握地區(qū)火災信息。

1.2? 基于視頻分析技術定位視覺底層特征

在掌握火災事故現(xiàn)場相關信息的基礎上，獲取現(xiàn)場監(jiān)控，引進視頻分析技術，從視覺層面，定位視頻中的底層信息。在此過程中，考慮到單一的視頻無法全面描述現(xiàn)場信息，因此可調(diào)用多監(jiān)控信息的方式，獲取不同維度的現(xiàn)場視頻信息[5-6]。在處理視頻的過程中，將不同維度指向相同畫面的視頻進行重疊處理，提取視頻中的關鍵信息點（關鍵信息點可以是視頻中灰度值在水平層面與垂直層面保持高度一致的點）。在獲取關鍵點后，調(diào)用視頻分析技術中的特征描述算子，對獲取的特征點進行旋轉(zhuǎn)、平移、位移、規(guī)格尺度縮放等操作，在確保特征點具有研究價值性的基礎上，調(diào)整選定點亮度，對其進行視角的轉(zhuǎn)變，觀察特征點是否存在3D仿射變換[7-8]。綜合上述分析，對視頻分析技術定位視覺底層特征的過程進行詳細闡述，此過程可按照“視頻特征信息尺度極值檢測—關鍵點中關鍵信息識別—關鍵點指向特征確定—特征定向描述”的流程實施。使用視頻分析技術中的DoG算子，定義獲取視頻中存在的高斯尺度差，結(jié)合空間尺度差值，勾勒視頻中關鍵信息的邊緣。

在進行尺度空間內(nèi)火災事故視頻中關鍵信息的極值檢測時，需要將DoG算子中，每個與周邊鄰近區(qū)域存在對等像素的信息進行對比。例如，在2.0×9.0的像素空間內(nèi)，總共存在26.0個相近像素點，通過此種方式獲取的信息，均可作為火災事故現(xiàn)場獲取視頻信息的極值。輸出極值信息，以此完成對視覺底層特征的獲取與定位。

1.3? 融合視頻局部特征歸一化處理視頻維度

在完成上述相關研究后，需要融合視頻局部特征，對視頻維度進行歸一化處理。由于上文獲取的視覺底層特征與視頻關鍵點，屬于基于理論層面的關鍵點，為了進一步保障輸出關鍵信息的穩(wěn)健性，需要對上文輸出的關鍵點進行二次篩選。關鍵點坐標視頻中的像素值需要與其周邊點的像素值存在顯著性差異。即通過Lowe擬合處理后的點坐標需要具備一定的對比度。通過上述方式，剔除特征點集合中的冗余點，保有有效DoG算子。為了確保DoG算子具備一定的不變形，需要對每一個圈定的點進行關鍵指向的確定。對視頻中關鍵點在（x，y）處的梯度值與梯度方向進行定義。如公式（1）所示。

公式（1）（2）中，x與y分別對應空間坐標;表示為視頻中關鍵點在（x，y）處的梯度方向;m表示為梯度值。

在完成對上述相關內(nèi)容的描述與定義后，考慮到視頻信息中不同關鍵點分量的變化，可能會對火災事故現(xiàn)場的調(diào)查造成影響，因此有必要將多個特征向量納入到一個統(tǒng)一范圍內(nèi)，常規(guī)情況下，對其進行歸一處理的范圍為[1，0]。因此，對獲取的關鍵信息按照一定的比例進行縮放處理，確保獲取火災事故現(xiàn)場信息處于一個指定區(qū)間內(nèi)，此過程可用如下計算公式表示。

公式（3）中：表示為對視頻維度歸一后的結(jié)果;X表示為對應歸一處理前結(jié)果。表示為視頻中最大特征值;表示為視頻中最小特征值。通過上述計算公式，完成對視頻維度的歸一化處理。

1.4? 輸出火災事故完整視頻線索鏈

在完成上文相關研究后，輸出上述多個計算公式中的結(jié)果。在此過程中，通過火災現(xiàn)場視頻監(jiān)控，定位火災事故的發(fā)生時間;通過視頻分析技術對獲取視頻進行深度處理，完成對火災地區(qū)起火點的定位與分析。

將輸出的多個數(shù)據(jù)結(jié)果進行信息范圍的對應，并綜合評估導出數(shù)據(jù)信息的MAP值，在確保火災事故視頻線索完整的前提下，對多段視頻按照獲取的時間順序進行串聯(lián)處理，使其保持一個相對完整的視頻線索鏈。以此，完成基于視頻分析技術的火災事故調(diào)查研究。

2? 對比實驗

綜合相關文獻檢索成果可知，我國在針對火災事故調(diào)查方法方面的研究已經(jīng)相對完善，并提出了多種理論調(diào)查方法，但傳統(tǒng)方法在大型火災事故調(diào)查的應用中，仍存在獲取調(diào)查數(shù)據(jù)維度低、數(shù)據(jù)特征與火災事故現(xiàn)場特征不匹配等問題，這些問題導致傳統(tǒng)方法存在說服力低、可靠性差等現(xiàn)象。因此，本文在早期相關研究成果的基礎上，對火災事故調(diào)查方法進行了深入的設計。在完成上文對火災事故調(diào)查方法的理論設計后，為了證明本文應用的技術在方法中更為有效，提出了如下對比實驗。本次實驗選擇某燃氣作為實驗對象，此公司一年前曾發(fā)生燃氣泄漏事件，導致工作區(qū)域發(fā)生爆炸，出現(xiàn)大型火災事故。獲取與此次火災相關的調(diào)查數(shù)據(jù)與信息，將其作為對比實驗過程中的參照。獲取樣本數(shù)據(jù)，如下表1所示。

表格中：MAP表示為數(shù)據(jù)可靠性評價工具，通常情況下，數(shù)據(jù)值小于0.005，代表獲取的數(shù)據(jù)信息具有有效性或價值性。在完成對實驗數(shù)據(jù)的獲取后，分別使用本文調(diào)查方法與傳統(tǒng)調(diào)查方法，對發(fā)生火災事故的現(xiàn)場信息進行分析。定義本文調(diào)查方法獲取的信息組別屬于實驗組信息，傳統(tǒng)調(diào)查方法獲取的信息組別屬于對照組信息。按照上述表格中信息順序，整理兩個組別對火災事故現(xiàn)場的調(diào)查結(jié)果，將信息整理為如下表2。

綜合上述表格中的數(shù)據(jù)，可顯著地看出，實驗組MAP值均小于0.005，證明本文火災事故調(diào)查方法獲取的現(xiàn)場信息具備有效性。實驗組MAP值中存在數(shù)據(jù)值大于0.005，證明傳統(tǒng)火災事故調(diào)查方法獲取的現(xiàn)場信息存在部分無效信息。同時，在整理實驗數(shù)據(jù)的過程中發(fā)現(xiàn)，對照組在獲取實驗信息的過程中，存在部分信息丟失問題，使用傳統(tǒng)調(diào)查方法進行火災事故現(xiàn)象的調(diào)查無法獲取完整的線索鏈，因此，也無法直接通過傳統(tǒng)調(diào)查方法掌握火災事故現(xiàn)場的實時進展。通過此次對比實驗及實驗中發(fā)生的數(shù)據(jù)，得出如下所述的實驗結(jié)論：相比傳統(tǒng)的火災事故調(diào)查方法，本文設計的基于視頻分析技術的方法，在投入應用過程中，所獲取的現(xiàn)場信息更為全面，可通過本文方法獲取的信息，梳理火災事故現(xiàn)象完整的線索鏈。

3? 結(jié)語

本文從獲取火災事故現(xiàn)場相關信息、基于視頻分析技術定位視覺底層特征、融合視頻局部特征歸一化處理視頻維度、輸出火災事故完整視頻線索鏈四個方面，設計一種基于視頻分析技術的調(diào)查方法，并采用將本文方法與傳統(tǒng)方法進行對比的方式，設計具有針對性的對比實驗，在整理實驗數(shù)據(jù)的過程中發(fā)現(xiàn)，本文方法可獲取完整的線索鏈，對于視頻的處理更加良好，因此也可以證明本文設計的方法所獲取的現(xiàn)場信息更為全面，可解決傳統(tǒng)方法存在的多種不足。因此，在后期的社會安全事故調(diào)查與治安工作中，可嘗試將本文設計的方法應用到實際，以證明本文方法投入市場應用更加有效。

參考文獻：

[1]俞湘華.在線視頻平臺與短視頻平臺的比較研究——基于技術環(huán)境、用戶發(fā)展與商業(yè)變現(xiàn)分析[J].傳媒，2021（06）：61-63+65.

[2]鐘宗炬，張海波，孔祥濤.重大決策社會穩(wěn)定風險評估如何更科學——基于社會調(diào)查方法運用的實證分析[J].中南民族大學學報（人文社會科學版），2021，41（07）：128-140.

[3]穆哈拜提·帕熱提，曾文萱，阿布力孜·布力布力.“一帶一路”背景下我國在烏茲別克斯坦投資民營企業(yè)發(fā)展狀況調(diào)查——基于SWOT分析方法[J].特區(qū)經(jīng)濟，2021（03）：46-48.

[4]孔煒良，賈南.基于深度學習的視頻分析技術在維和勤務中的應用探究[J].內(nèi)江科技，2020，41（04）：34-35.

[5]鮑凱林，陳兆學.基于多尺度樣本熵方法分析歐拉視頻放大技術

在非接觸式測量的作用[J].中國醫(yī)學物理學雜志，2020，37（05）：

635-640.

[6]白明明，袁振江，周家梁.一種基于振動光纖和視頻分析技術的高速鐵路周界防護系統(tǒng)[J].信息技術與信息化，2019（02）：72-74.

[7]苑廷剛，王國杰，姜自立，等.2018年上海鉆石聯(lián)賽蘇炳添最后10m沖刺視頻全景技術分析及蘇炳添進步的啟示[J].北京體育大學學報，2019，42（01）：147-156.

[8]劉培泉.基于視頻圖像再融合技術和災害性氣候監(jiān)測的高速

公路交通安全監(jiān)測及預警分析[J].中國交通信息化，2019

（07）：114-116.

Researches on how the video

technologies works in fire accidents investigation

Tai feng

（Shenzhen Municipal Fire Rescue Brigade， Guangdong? Shenzhen? 518000）

Abstract：There are many problems in traditional fire accident investigation， such as video information loss and delayed information obtain. Therefore， a fire accident investigation based on video is proposed in this paper. By obtaining the relevant data of fire accident scene， investigators could get the regional fire related information. What’s more， according to the process of "video feature information scale extreme value detection -- key information identification in key points -- key point pointing feature determination -- feature oriented description"， we could get extreme value information under the instruction of video analysis technology to locate the underlying visual features. By defining the gradient value and gradient direction of the data information， the local features of the video are fused， the video dimensions are normalized， and multiple feature vectors are brought into the unified scope， thus constituting a relatively complete video clue chain of the scene of the fire accident. On this basis， the comparative experiment proves that the field information obtained is more comprehensive in the application process， and the information obtained by this method will be maintained.

Keywords：analysis based on video; fire accidents; investigation; partial characteristics