火災(zāi)初期建筑內(nèi)圖像清晰化及人員檢測(cè)技術(shù)研究.pdf

1、視頻監(jiān)控系統(tǒng)通過將建筑內(nèi)的實(shí)時(shí)信息以圖像的方式傳遞給建筑管理者，為建筑的日常維護(hù)及安防提供了極大的便利，成為當(dāng)前建筑不可或缺的組成部分。然而，當(dāng)建筑內(nèi)發(fā)生火災(zāi)時(shí)，由于受到煙氣的干擾，視頻監(jiān)控系統(tǒng)拍攝的圖像出現(xiàn)模糊不清的現(xiàn)象，無法繼續(xù)為救援人員提供準(zhǔn)確的火場(chǎng)信息，增加了人員疏散和人員搜救的難度。因此，探索火場(chǎng)中視頻監(jiān)控系統(tǒng)的圖像清晰化技術(shù)，還原視頻監(jiān)控系統(tǒng)的監(jiān)控職能是當(dāng)前消防領(lǐng)域迫切需要開展的一項(xiàng)工作。
　　火災(zāi)初期是開展人員疏散和

2、人員搜救的關(guān)鍵時(shí)刻，火災(zāi)初期建筑內(nèi)相對(duì)較低的煙氣濃度環(huán)境也為我們探索圖像清晰化技術(shù)提供了可能。本文從光源設(shè)計(jì)和軟件開發(fā)兩個(gè)角度出發(fā)探索火災(zāi)初期建筑內(nèi)視頻監(jiān)控系統(tǒng)的圖像清晰化方法，獲取清晰化的人員圖像，并在此基礎(chǔ)上融合圖像人員檢測(cè)算法快速搜索火場(chǎng)中的被困人員，為指導(dǎo)人員疏散和人員搜救提供必要的技術(shù)支持。具體開展的工作如下:
　　一，建立了光在煙氣層內(nèi)的多散射傳輸模型，分析了入射光波長、煙顆粒濃度、煙顆粒粒徑等對(duì)光透射性的影響。在考慮

3、煙顆粒對(duì)光的散射作用的基礎(chǔ)上，根據(jù)輻射傳輸方程(RTE)，建立光在煙氣層內(nèi)的多散射傳輸模型。本文以正庚烷煙顆粒為研究對(duì)象，分析了不同入射光波長和煙顆粒粒徑條件下煙顆粒的單散射反射率、不對(duì)稱因子和消光截面等參數(shù)的變化。采用離散縱標(biāo)方法(DOM)對(duì)多散射傳輸模型進(jìn)行求解，結(jié)果表明光透射量隨著煙氣層濃度的增加而降低，隨著煙顆粒粒徑的增加也呈下降趨勢(shì)，而隨著入射光波長的增加則呈上升趨勢(shì)。采用實(shí)驗(yàn)方法對(duì)不同波長入射光在煙氣層內(nèi)的穿透性進(jìn)行了驗(yàn)證，

4、實(shí)驗(yàn)結(jié)果與模型結(jié)論表現(xiàn)了良好的一致性。
　　二，提出了快速圖像去煙算法，對(duì)受煙氣影響的模糊人員圖像進(jìn)行了清晰化處理。由Retinex理論可知，物體圖像由反射分量和照度分量組合而成，煙氣僅改變圖像的照度分量，而對(duì)物體所固有的反射分量沒有影響。因此，圖像去煙過程即是求解圖像的反射分量的過程。結(jié)合煙氣對(duì)圖像的腐蝕特點(diǎn)，本文通過對(duì)Retinex算法中不同環(huán)繞函數(shù)的測(cè)試和改進(jìn)，最終融合高斯金字塔濾波算法和像素對(duì)數(shù)查表法發(fā)展出高效快速的GL-

5、Retinex圖像去煙算法。GL-Retinex算法將圖像處理時(shí)間由5150 ms降低到了198 ms(圖像分辨率為704×576)，降低了將近26倍。通過對(duì)不同光照環(huán)境中（日光燈、應(yīng)急照明燈和紅外燈）含煙圖像的測(cè)試，GL-Retinex算法能有效去除煙氣對(duì)人員圖像的影響。在應(yīng)急照明條件下，GL-Retinex算法清晰化處理之后的人員圖像中人員可辨別的最大煙氣濃度能達(dá)到4.81 dB/m。
　　三，建立了火場(chǎng)人員形態(tài)樣本庫，訓(xùn)練出

6、了火場(chǎng)人員檢測(cè)分類器，有效實(shí)現(xiàn)了火場(chǎng)內(nèi)被困人員的圖像檢測(cè)。在考慮直立跑、彎腰跑、單手捂鼻直立跑、單手捂鼻彎腰跑、雙手捂鼻直立跑以及雙手捂鼻彎腰跑等6種火場(chǎng)內(nèi)常見逃生形態(tài)的基礎(chǔ)上，通過實(shí)驗(yàn)采集、網(wǎng)上收集和INRIA行人數(shù)據(jù)庫提取三種途徑共收集火場(chǎng)人員正樣本4767個(gè);在考慮人員密集建筑場(chǎng)所的基礎(chǔ)上，收集建筑內(nèi)疏散走廊、樓梯、桌椅等負(fù)樣本共2000個(gè)。提取樣本庫內(nèi)所有樣本的梯度直方圖(HOG)特征，將HOG特征帶入Adaboost級(jí)聯(lián)分類器

7、進(jìn)行訓(xùn)練，訓(xùn)練出了適用于火場(chǎng)環(huán)境的火場(chǎng)人員檢測(cè)分類器。采用300個(gè)含煙樣本（200個(gè)正樣本、100個(gè)負(fù)樣本）對(duì)火場(chǎng)人員分類器進(jìn)行測(cè)試。在測(cè)試之前，對(duì)測(cè)試樣本采用GL-Retinex算法進(jìn)行清晰化處理，采用直方圖均衡化算法增強(qiáng)圖像的對(duì)比度，以提高人員檢測(cè)準(zhǔn)確率。測(cè)試結(jié)果表明本文訓(xùn)練的火場(chǎng)人員分類器正樣本檢測(cè)準(zhǔn)確率在不同光源條件下均達(dá)到了54％以上，負(fù)樣本檢測(cè)錯(cuò)誤率均低于8％。盡管檢測(cè)準(zhǔn)確率受到煙氣影響數(shù)值較低，但依然可以滿足工程實(shí)際需求。

8、
　　四，在圖像人員（靜態(tài)）檢測(cè)基礎(chǔ)上，進(jìn)一步提出了動(dòng)態(tài)人員檢測(cè)算法。靜態(tài)人員檢測(cè)算法需要對(duì)整幅圖像進(jìn)行檢測(cè)，處理時(shí)間過于緩慢。基于火場(chǎng)內(nèi)人員運(yùn)動(dòng)，背景靜止的特點(diǎn)，本文通過幀差、開運(yùn)算、小面積連通域去除、相鄰連通域合并等操作成功提取了圖像中完整的人員運(yùn)動(dòng)區(qū)域。僅對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行人員檢測(cè)，從而達(dá)到降低處理時(shí)間的目的。動(dòng)態(tài)人員檢測(cè)算法將檢測(cè)時(shí)間由550 ms降低至250 ms，基本實(shí)現(xiàn)了實(shí)時(shí)處理的要求。同時(shí)，由于檢測(cè)區(qū)域的減少，負(fù)樣本檢