1 引言

近年來，隨著各地天然林保護工程等林業(yè)重點工程的實施和各省政府《封山禁牧條例》的貫徹落實，林木覆蓋率大幅度增加，林分質(zhì)量得到有效改善，林下可燃物大量增加，受全球氣候變暖影響，冬春季長期干旱少雨，森林火險等級長期居高不下，防火任務十分艱巨。而林區(qū)山大溝深坡陡，山戀重疊，灌木叢枝彌漫交錯，道路險惡，基礎(chǔ)設(shè)施極為落后，一旦發(fā)生火災，便無力組織人員撲救。因此，加強防火基礎(chǔ)設(shè)施建設(shè)，積極實施森林重點火險區(qū)綜合治理項目，對預防森林火災的發(fā)生，確保森林資源安全具有十分重要的意義。

隨著我國各大項活動的發(fā)展以及科技水平的不斷提升，森林防火預防工作也有了明顯的進步，但是不可否認，依然存在一些問題需要解決。如何有效地進行森林防火預防工作，關(guān)系著每一個人。

2 研究現(xiàn)狀

從傳統(tǒng)的地面巡護與瞭望塔人工監(jiān)視到通過視頻進行人工監(jiān)控，再到目前使用智能化手段自動識別發(fā)現(xiàn)火情，森林防火手段在不斷的進步提升。目前智能識別火情的主要方法分為三大類：衛(wèi)星遙感圖像處理技術(shù)、紅外熱成像檢測方法、基于可見光圖像檢測方法。

衛(wèi)星林火監(jiān)測是一種基于高層空間的森林火災監(jiān)測手段，結(jié)合利用氣象衛(wèi)星和陸地資源衛(wèi)星實現(xiàn)森林火災的監(jiān)測。80年代初以來，我國衛(wèi)星遙感在森林防火工作中的應用不斷擴大，技術(shù)不斷提升，對大面積森林可以做到無死角、全天候的監(jiān)控。近幾年新的林火監(jiān)測技術(shù)發(fā)展迅速，紅外熱成像監(jiān)測以及可見光圖像識別都不斷的在實際中得到應用。其中，紅外熱像儀通過探測紅外輻射對森林中的火源進行監(jiān)測，實現(xiàn)了在惡劣天氣或無自然光環(huán)境下對火焰的檢測?？梢姽鈭D像識別的方法通過對火情發(fā)生早期的煙霧進行自動識別，目前算法的準確度可以達到早期預警的作用。隨著防火科技手段的不斷發(fā)展，我國森林火災發(fā)生數(shù)量和受害面積實現(xiàn)了“雙下降”。

以上3種技術(shù)方法各有優(yōu)勢，同時也存在各自的能力限制。例如，衛(wèi)星遙感技術(shù)由于衛(wèi)星的回訪周期原因，發(fā)現(xiàn)火情時效性較弱；紅外測溫技術(shù)，在現(xiàn)實場景中，溫度異常目標多變（如汽車發(fā)動機等），存在一定誤識別風險；可見光識別，在夜間由于光照很弱，圖像多為黑白照片，煙火特征嚴重缺失，容易導致漏檢或者誤報。

中國鐵塔公司結(jié)合豐富的高點塔資，供電能力，通信線路等優(yōu)勢，在林火預警領(lǐng)域，通過紅外雙通道視頻監(jiān)控技術(shù)構(gòu)建林草火情預警平臺，同時結(jié)合人工智能的可見光圖像監(jiān)測技術(shù)，進一步提高火情預警的發(fā)現(xiàn)能力和應急指揮能力。

3 基于紅外雙通道的解決方案簡介

紅外雙通道攝像頭，由兩組攝像頭組成，其中一個攝像頭具備紅外測溫功能，另外一個獲取可見光視頻。在實際使用時，紅外測溫攝像頭通過巡航模式，尋找并發(fā)現(xiàn)溫度異常場景；可見光攝像頭的巡航則給圖像中的煙火識別提供視頻信息。

該方案，通過測溫技術(shù)和可見光圖像識別技術(shù)的融合，發(fā)揮不同技術(shù)的優(yōu)勢，彌補上文提到的兩種技術(shù)獨立應用的能力不足。

3.1 紅外雙通道測溫能力及分析

目前在森林防火中紅外雙通道攝像頭主要應用紅外熱成像技術(shù)來進行森林火情的自動識別。紅外熱成像檢測方法可以實時對場景內(nèi)的溫度進行監(jiān)測，一旦發(fā)現(xiàn)溫度異常情況即判斷為有火情發(fā)生，可以快速及時的識別到溫度異常的煙火。利用溫度來進行是否有火情的檢測，如圖1所示，在夜間，霧天等惡劣條件下，同樣可以提供溫度異常檢測能力。

圖1 紅外測溫發(fā)現(xiàn)火情能力示意

但是紅外測溫在火點被遮擋場景（山體背后，房屋遮擋等），發(fā)現(xiàn)火情的時間往往會有所滯后；溫度異常的情況也可能是其他運動熱源所引起，不完全都是火情造成的溫度異常（例如，車輛等），且溫度目標的誤報數(shù)量很大。雖然測溫的準確發(fā)現(xiàn)能力與人工監(jiān)看相比已經(jīng)很高了，但是由于可能存在的誤報場景，會降低用戶體驗感知，如圖2所示。

圖2 紅外測溫發(fā)現(xiàn)溫度異常物體示意

3.2 可見光的圖像識別的能力及分析

可見光的圖像識別技術(shù)，在火情早期尤其以下場景具有更好火情風險的發(fā)現(xiàn)能力：① 被遮擋火源（如山體背面）；② 如圖3所示，早期火情只有煙霧尚未見到明顯火點。

圖像識別的能力和紅外測溫能力形成了良好的技術(shù)能力互補，在實踐中有較好效果。

圖3 可見光早期煙霧識別能力示意

同樣，可見光圖像識別/視頻分析技術(shù)也存在能力限制，主要是在夜間，如圖4所示，由于光照原因?qū)е骂伾?、輪廓等特征的消失，圖像識別性能下降明顯。

圖4 可見光夜間識別能力不足示意（房屋燈光）

3.3 紅外測溫和可見光識別技術(shù)融合方向

在林草防火平臺建設(shè)過程中，通過兩種技術(shù)的融合，初步研究和驗證表明，常見的溫度異常目標（如車輛等）通過圖像識別方法可以高精度抑制，但依然存在一些誤報場景需要針對性優(yōu)化。對誤報場景進行了采樣分析后，得表1中所示數(shù)據(jù)，可以發(fā)現(xiàn)，這三大類場景的誤報約占了67%。針對實際應用中發(fā)現(xiàn)的3種可見光誤報情況，將在第4節(jié)中進行誤報抑制的討論。

表1 煙霧識別誤報情況

4 圖像識別常見誤報抑制路徑

4.1 揚塵與煙霧的區(qū)分

由于揚塵與煙霧在形狀以及特征的高度相似性，如圖5所示，在進行可見光的煙霧檢測時可能會出現(xiàn)將揚塵誤報成煙霧的情況。雖然有部分揚塵是因為車輛運動引起，但是并不能僅僅用車輛識別得到有效區(qū)分。原因如下：①車輛被揚塵遮擋未必可見；② 畫面中多輛車輛存在，視角原因，空間結(jié)構(gòu)關(guān)系難以確認。

事實上，如果是運動車輛引起的揚塵，通過視頻分析方法可以得以抑制，如圖6所示，因為目標移動多為直線方向，而煙霧擴散則相對不規(guī)則。難點在于固定區(qū)域的揚塵識別算法。

針對固定區(qū)域揚塵，經(jīng)過不斷試驗和調(diào)優(yōu)，將原先的單變量映射識別算法，其中X為早期的單變量高維特征矢量）擴展到多模態(tài)組合算法，其中X，Y，Z為煙霧和揚塵分解后的細分維度特征向量）。通過高維細分特征的學習，在算法訓練過程中，強制加大細節(jié)特征的權(quán)重比例。試驗結(jié)果表明，揚塵區(qū)分算法的總體識別率>90%，有效的抑制了該場景誤報概率。

圖5 揚塵誤報為煙霧

圖6 煙霧與揚塵對比

4.2 模糊圖片的區(qū)分

通過可見光通道進行獲取單張圖片時，可采用設(shè)定預置位抓取與巡航模式抓取兩種方式。在使用巡航模式抓取圖片時會出現(xiàn)攝像頭運動導致抓取到如圖7的模糊畫面，模糊的畫面會對識別效果產(chǎn)生一定的影響并導致誤報。

圖7 模糊的畫面

如圖8所示，對于模糊畫面導致誤報的產(chǎn)生，可以通過區(qū)分模糊圖片并將其過濾的方法來有效的抑制誤報。使用圖像清晰度檢測方法來進行模糊與清晰圖片的區(qū)分。在真實場景應用中，因為攝像頭處于巡航模式，鏡頭模糊的發(fā)生點位、場景不固定。因此，模糊判定算法需要基于無參考圖模式展開。對模糊場景進行深入研究后，較之以清晰照片，圖像在多維度方向梯度上有較高的分辨率。需要注意的是，多維度方向梯度的閾值設(shè)置在算法訓練時，需要通過統(tǒng)計數(shù)據(jù)和概率模型擬合來確定，攝像頭的角速率快慢對照片的模糊程度也存在部分細微影響。

4.3 云層與煙霧的區(qū)別

通過可見光攝像頭對煙霧進行識別時，由于森林防火場景中監(jiān)控攝像頭往往處于高空位置進行監(jiān)控，且分遠、中、近3種場景推進攝像頭并巡航，因此不可避免地畫面中會出現(xiàn)一些如圖9所示與煙霧相似的稀薄云層，可能會導致將云層誤報為煙霧。

圖8 模糊圖像檢測流程

圖9 天空云層誤報

天際線的識別方法，在簡單場景中并不復雜，可以通過霍夫變換實現(xiàn)直線檢測，或者通過膨脹腐蝕變換后，計算聯(lián)通區(qū)域?qū)崿F(xiàn)。但是，在復雜場景中，因為高塔上柱狀塔桿的存在，會給以上方法帶來較大挑戰(zhàn)。因此，在該場景下的天際線識別需要采用更有效的方法來解決特定問題。經(jīng)試驗后，新天際線檢測算法區(qū)域有效識別率大于95%，但是在曲線擬合上可能存在3～8個像素點的線性誤差，評估后認為，該線性誤差對于區(qū)域識別和云層屏蔽影響可以忽略。

在初步劃定好天際線后按照如圖10的流程進行邏輯判斷，對于天際線以上出現(xiàn)的識別目標判定為云，不進行煙火報警；在天際線以下識別到的煙霧判定為真實煙霧，進行后續(xù)紅外熱成像的綜合分析；若識別到的目標剛好處于天際線中間，則需要人工輔助進行判斷。

圖10 云層判斷流程圖

4.4 抑制效果

在實際應用中，采用本文描述的抑制方法，對煙霧識別產(chǎn)生的主要3種誤報進行上述抑制后，再次觀察煙霧識別在可見光通道的識別效果，發(fā)現(xiàn)誤報率減少了90%（其他非通用誤報場景的抑制直接通過增量負樣本學習方法抑制，本文不再詳述原理及步驟）。因此針對上訴三種主要場景的誤報抑制有效降低了誤報率，提高了煙霧識別在可見光通道的應用效果。

5 信息融合綜合判斷及管理流程建議

考慮到林草防火系統(tǒng)的高可靠性要求，雖然一直探索通過不同技術(shù)的優(yōu)勢整合和信息融合技術(shù)以抑制誤報場景，但不漏檢是系統(tǒng)安全性的第一要素。因此，在多種技術(shù)融合時，如果依然存在難以確定的場景，建議通過人工確認手段來保證服務的安全性。

通過對可見光圖像識別進行誤報抑制后，在紅外熱成像與可見光圖像識別相結(jié)合的方法中，雙重確認是較于兩種方法單獨使用的優(yōu)勢以及降低誤報率的保證。雙重確認需要對紅外熱成像信息與可見光信息相融合，進行如圖11所示的綜合判斷流程。當溫度異常單并沒有識別到煙霧，需進行進一步的邏輯判斷：當溫度置信值很高，溫度明顯異于常情時刻就直接判斷為有火情并立即報警；當溫度置信度不高時建議人工判斷，但此時人工判斷的工作量較兩種方法獨立使用時少了很多。當既識別到溫度異常同時識別到煙霧，直接判斷為有火情進行報警。當溫度并沒有檢測到異常，但可見光通道識別到了煙霧，進行進一步分析：當煙霧置信度很高時判斷為有火情，立即報警；當煙霧置信度并不高時，建議人工確認。其中關(guān)于溫度的置信度需要長期進行大數(shù)據(jù)的追蹤來確定。

圖11 綜合判斷流程圖

6 結(jié)語

在林草監(jiān)控系統(tǒng)的應用中，基于紅外雙通道攝像頭，疊加可見光煙霧識別的技術(shù)，充分利用圖像識別與紅外熱成像探測各自的優(yōu)點，并對常見可見光誤報場景提出了針對性優(yōu)化方案，提高了紅外雙通道攝像頭在林草防火中對火情識別的準確度，大大的降低了誤報率，同時保證了時效性，有助于更好的防范森林火災，避免經(jīng)濟損失的擴大化。