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

1、視頻監(jiān)控系統(tǒng)通過將建筑內(nèi)的實時信息以圖像的方式傳遞給建筑管理者，為建筑的日常維護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，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)為救援人員提供準確的火場信息，增加了人員疏散和人員搜救的難度。因此，探索火場中視頻監(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)鍵時刻，火災(zāi)初期建筑內(nèi)相對較低的煙氣濃度環(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)計和軟件開發(fā)兩個角度出發(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算法快速搜索火場中的被困人員，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、煙顆粒粒徑等對光透射性的影響。在考慮

3、煙顆粒對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)對多散射傳輸模型進行求解，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，而隨著入射光波長的增加則呈上升趨勢。采用實驗方法對不同波長入射光在煙氣層內(nèi)的穿透性進行了驗證，

4、實驗結(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，對受煙氣影響的模糊人員圖像進行了清晰化處理。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)合煙氣對圖像的腐蝕特點，本文通過對Retinex算法中不同環(huán)繞函數(shù)的測試和改進，最終融合高斯金字塔濾波算法和像素對數(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）含煙圖像的測試，GL-Retinex算法能有效去除煙氣對人員圖像的影響。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到4.81 dB/m。
　　三，建立了火場人員形態(tài)樣本庫，訓(xùn)練出

6、了火場人員檢測分類器，有效實現(xiàn)了火場內(nèi)被困人員的圖像檢測。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種火場內(nèi)常見逃生形態(tài)的基礎(chǔ)上，通過實驗采集、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人員正樣本4767個;在考慮人員密集建筑場所的基礎(chǔ)上，收集建筑內(nèi)疏散走廊、樓梯、桌椅等負樣本共2000個。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級聯(lián)分類器

7、進行訓(xùn)練，訓(xùn)練出了適用于火場環(huán)境的火場人員檢測分類器。采用300個含煙樣本（200個正樣本、100個負樣本）對火場人員分類器進行測試。在測試之前，對測試樣本采用GL-Retinex算法進行清晰化處理，采用直方圖均衡化算法增強圖像的對比度，以提高人員檢測準確率。測試結(jié)果表明本文訓(xùn)練的火場人員分類器正樣本檢測準確率在不同光源條件下均達到了54％以上，負樣本檢測錯誤率均低于8％。盡管檢測準確率受到煙氣影響數(shù)值較低，但依然可以滿足工程實際需求。

8、
　　四，在圖像人員（靜態(tài)）檢測基礎(chǔ)上，進一步提出了動態(tài)人員檢測算法。靜態(tài)人員檢測算法需要對整幅圖像進行檢測，處理時間過于緩慢?；诨饒鰞?nèi)人員運動，背景靜止的特點，本文通過幀差、開運算、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動區(qū)域。僅對運動區(qū)域進行人員檢測，從而達到降低處理時間的目的。動態(tài)人員檢測算法將檢測時間由550 ms降低至250 ms，基本實現(xiàn)了實時處理的要求。同時，由于檢測區(qū)域的減少，負樣本檢