梁 爽，任 杰

(四川工程職業(yè)技術(shù)學(xué)院，四川 德陽618000)

0 引 言

隨著我國經(jīng)濟的不斷發(fā)展，艦船制造以及相關(guān)技術(shù)得到了極大提高。在國民經(jīng)濟中，船舶經(jīng)濟占據(jù)了極為重要的位置，同時其比例也在不斷提高。船舶行業(yè)的蓬勃發(fā)展也帶動了其相關(guān)技術(shù)研究的發(fā)展，同時大量新的技術(shù)在艦船上得到應(yīng)用和推廣，其信息化程度也在不斷提高，艦船的安全問題也逐漸引起人們的注意。如何在艦船上有效防范火災(zāi)成為一個重要的研究課題。同一般性火災(zāi)所不同的是，艦船火災(zāi)的特點是撲救難度高、危害大。根據(jù)相關(guān)的統(tǒng)計資料顯示，在艦船上發(fā)生火災(zāi)最多的地點分別是貨艙、機艙以及起居住所。近年來艦船上發(fā)生火災(zāi)事故率非常高，給國家及個人造成了極大的財產(chǎn)損失。因而，必須要對艦船火災(zāi)給予足夠的重視，對于艦船火災(zāi)檢測技術(shù)及火災(zāi)報警技術(shù)進行相關(guān)研究，使得艦船在發(fā)生火災(zāi)時能夠及時發(fā)現(xiàn)并采取措施。對于艦船消防技術(shù)進行有效、全面、科學(xué)的研究工作可以有效解決艦船的消防問題，是實現(xiàn)艦船安全運作的重要基礎(chǔ)之一，因而具有重要的現(xiàn)實意義［1-2］。

當(dāng)前我國對于艦船消防技術(shù)的研究已經(jīng)取得很多成果［3-4］，但是其研究仍然有待深入。同時還沒有一個專門的機構(gòu)從事艦船消防技術(shù)的研究，艦船消防技術(shù)只是作為其他技術(shù)的一個組成部分，因而相關(guān)技術(shù)的研究仍然相對薄弱。在使用圖像型火災(zāi)探測器作為探測器件的系統(tǒng)中，對于火焰圖像處理的理論及基礎(chǔ)理論研究還相當(dāng)缺乏，同時對于已經(jīng)發(fā)生的艦船火災(zāi)數(shù)據(jù)缺乏必要的統(tǒng)計分析。

本文在前人研究的基礎(chǔ)上提出了一種基于圖像型火災(zāi)探測器的艦船火災(zāi)報警系統(tǒng)的設(shè)計方案，通過對火災(zāi)圖像的處理，可以對圖像進行判別，從而在火災(zāi)發(fā)生的早期進行報警。同傳統(tǒng)的煙霧火災(zāi)探測器相比，使用圖像型火災(zāi)探測器能夠更早發(fā)現(xiàn)火災(zāi)，而不必等到煙霧積累到一定程度后才能檢測到。本文提出的系統(tǒng)在提高火災(zāi)檢測的及時性以及準確性上對艦船的消防工作具有非常高的現(xiàn)實意義。

1 艦船火災(zāi)火焰特點

圖像型火災(zāi)探測器的基本原理是通過對火焰進行基本的檢測來實現(xiàn)對艦船火災(zāi)的檢測?；鹧嬗兄浅６嗟奶攸c，并且具有一定的規(guī)律性，如火焰顏色的變化、火焰顏色同溫度之間具有一定的關(guān)系?？偟膩碚f，火焰的特點主要有頻率性、形態(tài)特征以及形態(tài)特征等。

1)頻率特性

一般來說，火焰具有頻率特性，這一點可以通過對火焰的圖像進行分析可以發(fā)現(xiàn)。對火焰圖像中的每一個像素進行三色分量的平均，得到一個從1～255 的像素亮度值，進而可以獲得整個火焰的亮度變化曲線。這個曲線隨時間變化的規(guī)律同火焰能量分布的規(guī)律具有高度的一致性。在正常的艦船火災(zāi)識別中，主要需要排除一些外在因素的干擾，如太陽光、日光燈等，但是同火焰所不同的是，太陽光的亮度改變非常緩慢，因而其對于圖像中的像素亮度值改變也非常緩慢，日光燈的像素亮度改變是瞬間的，因而在實際檢測中可以通過火焰的頻率特性來排除一些外在的干擾［5］。

2)形態(tài)特征

一般來說，火焰都沒有固定的形態(tài)，但是火焰仍然具有一些特定的特征?；鹧嬉话愣际怯傻撞块_始膨脹，然后其中的一部分火焰脫離了一定的范圍會消失，然后底部的火焰會繼續(xù)膨脹，這樣看起來火焰就是在不斷地膨脹和收縮，并且這個變化的過程非常迅速。而現(xiàn)代的計算機技術(shù)及圖像處理技術(shù)可以對火焰的圖像來進行處理，從而獲得極短時間內(nèi)的火焰輪廓，進一步地，將極短時間內(nèi)的兩幀圖像輪廓相減就可以得到一個差值，而這個差值是一個在一定范圍內(nèi)的很小的一個值，因而可以認為其是一個固定值。如果將這個值設(shè)置為0，那么其他像素的值為1，也就是將監(jiān)測到的圖像二值化，從而可以直觀地將圖像表達出來，本文后續(xù)使用聚類法來對火焰的圖像進行處理，進而獲得火焰的形態(tài)特征［6］。

3)顏色特性

顏色特性是火焰的又一特性，國際上通用的認為具有藍色、綠色和紅色的才是火焰，因而可以根據(jù)圖像中顏色的分布規(guī)律來判斷圖像中是否存在噪聲。

2 系統(tǒng)設(shè)計

2.1 系統(tǒng)設(shè)計

基于圖像型火災(zāi)探測器的艦船火災(zāi)報警系統(tǒng)可以分為3 個部分，分別是控制中心、直流電源以及圖像型火災(zāi)探測器，如圖1 所示。其中，圖像型火災(zāi)探測器用于采集現(xiàn)場的圖像數(shù)據(jù)，并且其本身具有防潮、防塵以及防腐蝕等功能。一般來說，在艦船上為了實現(xiàn)對全船火災(zāi)的監(jiān)控，需要在艦船的火災(zāi)高發(fā)地區(qū)安置非常多的圖像型火災(zāi)探測器。直流電源則負責(zé)給圖像型火災(zāi)探測器供電?？刂浦行呢撠?zé)接收圖像型火災(zāi)探測器發(fā)送的圖像數(shù)據(jù)，并進行處理，在火災(zāi)發(fā)生時及時發(fā)出警報。控制中心一般設(shè)置在消防控制室內(nèi)，可以實現(xiàn)圖像的顯示、自動分析處理、火災(zāi)自動報警等功能。

圖1 圖像型火災(zāi)探測器的艦船火災(zāi)報警系統(tǒng)結(jié)構(gòu)圖Fig.1 The ship fire alarm system structure based on image fire detector

系統(tǒng)的工作過程為:所有圖像型火災(zāi)探測器將視頻信號通過艦船上的同軸線纜傳送回控制中心，通過相關(guān)的軟件處理，判別是否為火災(zāi)信號，同時將圖像送到圖像顯示設(shè)備及圖像記錄設(shè)備，如果判定是火災(zāi)信號，那么發(fā)出報警信號，自動進行聲光報警。

2.2 火焰識別算法設(shè)計

火焰識別算法是基于圖像型火災(zāi)探測器的火災(zāi)報警系統(tǒng)的關(guān)鍵。本文中使用聚類法來實現(xiàn)對火焰的識別。所謂聚類法是指根據(jù)物質(zhì)的屬性來進行分組。在艦船火焰識別中，使用圖像分割的方法，來將一些區(qū)域中的一些相似特征矢量抽取出來分到一個組，這樣就稱之為聚類。

聚類法在圖像處理中非常常見，在本文中，其對火焰進行識別的原理為:將一幀現(xiàn)場采集到的圖像分為K 組，同時z(x，y)記為分割標記段，其意義為每個像素上K 個值中的一個，如z(x，y)= l，l =1，2，…，k。對于標量特征來說，如像素密度，聚類可以被認為是確定K -1 個閾值的方法，以這K -1個閾值定義了一維特征空間的判決邊界。對于M 維矢量特征來說，分割對應(yīng)于把M 維特征空間分解成K 個區(qū)域。聚類的標準過程是把每次采樣賦給最接近聚類平均值的那組。

聚類的初始平均值是一個未知的量，因而對于聚類的過程是使用迭代的過程來實現(xiàn)，因而也可以稱之為K 個平均值算法。如果將一幅圖像分割為K個區(qū)域，同時假設(shè)f(x，y)是一幅圖像的灰度級，K均值方法最終使得性能指標J 能夠達到一個最小值。在這里將性能指標J 定義為

其中，μl表示第l 個聚類的平均值表示第i次迭代后賦給聚類l 的一組采樣。從這個指標的計算過程可以看出，該指標用來表示聚類平均值同每次采樣之間的距離之和。其具體的計算步驟如下:

2)在第i 次迭代中，根據(jù)下列關(guān)系，把每個像素(x，y)賦給K 個聚類中的一個。

3)修改聚類平均值，μ(i+1)l，l =1，2，…，k，把它改成所有采樣的采樣平均值。

其中，Nl是中采樣數(shù)。

2.3 軟件設(shè)計

在艦船火災(zāi)報警系統(tǒng)中，實時性是系統(tǒng)的重要性能之一，并且要求具有非常高的準確性。在完成對現(xiàn)場圖像數(shù)據(jù)采集后，由于需要處理的圖像數(shù)據(jù)量非常大，因而需要在硬件和軟件上進行相關(guān)設(shè)計。在硬件上，需要采用高性能的硬件設(shè)備，而在軟件上則需要考慮軟件算法的運行速度和運算方式。所有的圖像特征檢測和圖像處理都通過軟件來實現(xiàn)，算法的優(yōu)劣將直接決定系統(tǒng)的實時性以及檢測的準確性。因而需要在系統(tǒng)中對算法流程進行設(shè)計。

圖2 是使用聚類法進行火焰識別報警的具體過程。在軟件開始工作后，開始采集實時圖像，然后開始檢測有沒有異常情況。如果有異常情況，則進行火焰識別，進入算法處理子程序。如果發(fā)現(xiàn)有火災(zāi)，那么就開始火災(zāi)報警，如果沒有，則返回，繼續(xù)采集實時圖像。在這里，規(guī)定火焰識別算法返回的結(jié)果有2 個， “0”表示沒有火災(zāi)， “1”表示有火災(zāi)。

圖2 聚類分析法進行火焰識別報警流程圖Fig.2 The flow chart of clustering analysis method is used to identify the fire alarm

在軟件編寫完成后，對軟件進行基本的測試，測試結(jié)果如圖3 所示。圖3 中(a)為在墻角的火焰原始圖像，(b)為使用聚類分析法分割出的火焰區(qū)域，(c)為分割得到的結(jié)果。

圖3 測試結(jié)果Fig.3 The test results

3 結(jié) 語

艦船火災(zāi)自動報警系統(tǒng)可以對艦船發(fā)生火災(zāi)作出實時的監(jiān)測和顯示，并且可以實現(xiàn)自動報警。本文提出的基于圖像型火災(zāi)探測器的艦船火災(zāi)報警系統(tǒng)可以實現(xiàn)對火焰的自動識別，并且使用聚類法對圖像進行分割處理，可以得到準確的火焰區(qū)域。同傳統(tǒng)的煙霧火災(zāi)探測器相比，本系統(tǒng)的實時性和準確性都有極大提高。

［1］BELTZ R C. Intergrating GIS/RS technology in extensive forest inventories in the midsouth US［C］. Proc of integrating forest information over space and time.Auntech，Australia，1992(6):416 -419.

［2］徐允，唐文勇，張圣坤. 艦船機艙火災(zāi)爆炸的危險源辨識方法研究［J］.艦船科學(xué)技術(shù)，2010，32(6):24 -30.XU Yun，TANG Wen-yong，ZHANG SHENG-kun.Research on identification methods of fire and explosion hazards in machinery space［J］. Ship Science and Technology，2010，32(6):24 -30.

［3］李祥茂，唐文勇，張圣坤. 基于風(fēng)險的艦船火災(zāi)爆炸評估方法研究［J］.艦船科學(xué)技術(shù)，2008，30(3):101 -106.LI Xiang-mao，TANG Wen-yong，ZHANG Sheng-kun. The research of evaluation methods of ship′s fire and explosion accidents based on risk［J］.Ship Science and Technology，2008，30(3):101 -106.

［4］袁非牛，廖光煊，張永明，等.計算機視覺火災(zāi)探測中的特征提取［J］. 中國科技大學(xué)學(xué)報，2006，36(1):39-43.YUAN Fei-niu，LIAO Guang-xuan，ZHANG Yong-ming，et al. Feature extraction for computer vision based fire detection［J］. Journal of University of Science and Technology of China，2006，36(1):39 -43.

［5］王圓圓，丁志杰，萬華林. 基于視覺顏色聚類的彩色圖像分割［J］.北京理工大學(xué)學(xué)報，2003，23(2):19 -23.WANG Yuan-yuan，DING Zhi-jie，WAN Hua-lin.Perceptual color clustering for image segmentation［J］.Transactions of Beijing Institute of Technology，2003，23(2):19 -23.

［6］沈海峰.圖像通信與處理技術(shù)在林火監(jiān)測中的應(yīng)用研究［D］.東北林業(yè)大學(xué)，2003:1 -2.