中国某石化智能识别系统烟火方案.docx

资源描述

中国某石化智能识别系统烟火方案.docx

《中国某石化智能识别系统烟火方案.docx》由会员分享，可在线阅读，更多相关《中国某石化智能识别系统烟火方案.docx（17页珍藏版）》请在冰豆网上搜索。

中国某石化智能识别系统烟火方案.docx

中国某石化智能识别系统烟火方案

中国某石化智能识别系统

烟火方案

中国某通信科技有限公司

2020年7月

第1章概述1

第2章中国某石化视频监控现状2

2.1视频监控拓扑图2

2.2监控系统现状简述2

2.3安防现存风险分析3

第3章场景描述3

3.1永麦识别系统介绍3

3.2系统综述3

3.3探测场景3

第4章火焰的特征4

4.1面积变化4

4.2边缘变化4

4.3形体变化4

4.4闪动变化4

4.5分层变化4

4.6整体移动5

第五章算法及解决方案5

5.1火焰的特征算法5

5.2烟雾特征算法8

5.3识别出烟雾火解决方案10

5.4误报可能场景11

5.5漏报可能场景12

5.6减低漏报误报的措施13

第六章系统测试13

6.1系统测试13

6.2系统技术指标13

6.3关于视频烟火分析说明13

相关案例介绍15

一、中国商飞15

项目背景15

解决方案15

二、宝钢集团16

1、项目背景16

2、解决方案16

三、中铁工地17

1、项目背景17

2、解决方案17

第1章概述

本方案为中石油中国某石化公司视频火灾分析系统的设计、采购、实施、调试并投入运行提供规范性要求。

普通的基于烟感、温感探测器技术的火灾报警系统一般用于封闭或相对封闭的区域。

传统火灾报警系统的烟雾颗粒感应系统需要烟雾颗粒进入烟雾和温度传感器才能引起报警，当传统烟火检测装置检测到烟火的时候情况时，情况已十分严重。

在新乙烯厂的储运装置区选择若干无人值守泵房（如甲醇泵房、己烯戊烷泵房等，具体地点后期商定）作为试点，实现基于可见光的烟火识别检测和报警，具体做法是在泵房内设置普通高清数字摄像机，从视频流中提取烟火图像特征，进行烟火识别检测和报警。

基于视频分析的室内外烟火自动检测系统的目的是能够实现无人值守的不间断工作，自动发现监控区域内的异常烟雾和火灾苗头，以最快、最佳的方式进行告警和协助消防人员处理火灾危机，并最大限度的降低误报和漏报现象；同时还可查看现场实时图像，根据直观的画面直接指挥调度救火。

视频烟火自动检测系统可正式弥补传统火灾报警设备的不足，完全适应于室外场合，而且可以远程提供实时视频，使得集中管理变为可能。

第2章中国某石化视频监控现状

2.1视频监控拓扑图

2.2监控系统现状简述

2.2.1主要安防（监控）措施

中国某石化目前采用了一整套安防措施和手段,主体建筑外围架设的高速球型摄像机,内部监控设备包括高速球型摄像机和枪机型摄像机。

2.2.2中央监控室集中管理

监控管理上采用中央监控室集中管理的方式，通过大屏幕电视墙同时显示监控影像；各类摄像头采集到的全部视频信号统一存入硬盘录像机（NVR）中，同时监控人员可以通过NVR等设备远程操控摄像头，声光报警系统，还有远程操控通道关卡等等。

2.3安防现存风险分析

石化中最大的风险点在预警烟火等危险。

第3章场景描述

3.1永麦识别系统介绍

永麦视频识别系统集成先进的计算机视觉技术，准确分析和判断视频中的对象和行为，可用于安全监控的监测和预警保护，提高了安全监控系统的管理水平和工作效率。

3.2系统综述

基于可见光的烟火检测系统利用计算机视觉、人工智能以及闭路电视监控技术，通过视频图像来检测烟火。

系统自动分析、识别视频图像内的火焰、烟雾，产生告警信息，在数秒内完成火灾探测及报警，大大缩短了火灾告警时间。

该系统具有非接触式探测的特点，不受空间高度、热障、易爆/有毒等环境条件的限制，使得该系统为室内大空间、室外以及不适合采用传统探测手段的特殊场所火灾提前探测提供了一种有效的解决途径。

3.3探测场景

1、各类油品泵房，如甲醇泵房、己烯戊烷泵房、乙二醇泵房、轻烃转输泵、重轻油泵房、丁二烯管输泵房、液态烃泵房等室内场景；

2、乙烯泵、碳八抽余油泵、管道等等室内场景；

3、白天（包括晴天、阴天、雨天、雾天）和夜晚场景24小时不间断监测；

4、物资供应处料棚；

第4章火焰的特征

火焰的产生是燃烧，必然会产生相应的物理现象，不同时刻火焰的形状、面积、辐射强度都在变化。

通过火焰的特点，根据一定得算法来确定帧中目标的匹配关系和连续变化的规律，量化图像特征信息：

4.1面积变化

火焰面积呈现连续、扩展性的增加趋势。

图像中，面积是通过取阈值后统计图像的亮点（灰度大于阈值）数来实现的。

4.2边缘变化

火焰的边缘变化有一定得规律，根据其边缘的形状、曲率等特性对边缘进行编码，在根据编码提取边缘的特征量，可以对火焰进行判别。

4.3形体变化

火焰的形状变化、空间取向变化、火焰的抖动以及火焰的分合等，具有其变化规律。

在图像处理中，形体变化特征是通过计算火焰的空间分布特性，即像素点之间的位置来实现。

4.4闪动变化

火焰的闪动规律，即亮点在空间的分布随时间变化的规律，会按照某种频率闪动。

体现在每帧像素点在不同灰度级上的频率随时间的变化。

4.5分层变化

火焰的温度是不均匀的，扩散燃烧火焰都有明显的分层特性，如蜡烛火焰可分为焰心、内焰、外焰三层。

分层变化特性体现了不同灰度级的像素点在空间的分布规律。

4.6整体移动

物料燃烧的火焰会不断移动位置，并且火焰的整体移动是连续的、非跳跃的。

根据火焰图像识别形状特征、颜色特征、纹理特征等，采用各种算法相结合的融合算法，判断识别出火焰。

第五章算法及解决方案

5.1火焰的特征算法

5.1.1火焰的静态特征算法

火焰的静态特征（颜色与形状）

首先，火焰有着与众不同的颜色特征。

描述其颜色的模型有很多，下图就是其中一种，它可以由RGB空间经过简单比较计算得到。

图火焰颜色分布图

由上图，任何RGB图像中只要满足R>=G且G>B的颜色都可以看作是火焰。

图中显示了由该模型对各种火焰的检测结果。

虽然这种模型的误报会很多，但可以作为最初始的筛选手段排除掉最不可能是火焰的物体。

图火焰图片（上行）及相应颜色检测结果（下行）

火焰的外形也是用来识别的重要特征。

一种模型是采用嵌套式轮廓模型。

它默认火焰存在一个或几个燃烧点，火焰从这些燃烧点一层层的向外扩散。

越到外层的地方其形状的可边度越大，而且是连续的。

图中展示了一个燃烧点的火焰模型，它由三层火焰轮廓组成，对于其右侧图中的火焰经过该模型捕捉得到结果。

图火焰模型

图火焰图片

图符合模型的火焰

5.1.2火焰的动态特征算法（频率）

火焰是跳跃着的，或者说是移动变化着的。

初看起来没有什么规律，其实，经研究发现，火焰的外焰部分的运动存在一定频率。

从下中红色标出的火焰外焰部分来看，这些像素点在经历着有火焰和无火焰两种状态的切换，这个切换的频率经过计算是10HZ。

这样，我们通过捕捉这个10赫兹的特征可以进一步确认是否有火焰的存在。

图火焰外焰部分

图外焰运动存在一定频率

除此之外，火焰的运动是有能量变化的。

燃烧的物理变化和化学变化造成了火焰能量的不均衡分布。

这点可以作为区分火焰与其他颜色相似运动物体的特征。

图14中红色衣服上被黑色边框划出的区域能量变化在其右侧显示，可见衣服的能量分布是均匀的（显示为均一灰色，没有亮暗变化）。

与之对比，火焰的能量变化就显得非常不均匀，在能量分布图上看得到明显的亮暗变化。

图与火焰颜色接近图案的能量分布

图火焰的能量分布

5.1.3火焰面积增长算法

普通的CCD摄像机是一种平面成像器件，通过上万个具有不同灰度值的像素点的有序组合，形成被摄物体的平面影像。

对于CCD摄取的火焰影像，由于其影像灰度值固定在某个阈值范围内，因此可以通过分割方法来获取火焰目标，然后扫描窗口获得的像素点多少来描述火焰的影像面积。

面积特征是一种区域矩特征。

区域矩利用目标所占据区域的矩作为形状的描述参数，他是一种线性量，对于图像的旋转、比例和平移具有不变性，因此可以用来描述图像的区域特性。

以下为测试为疑似目标面积增长（像素点个数）

5.1.4尖角识别算法

尖角识别的过程为：

尖角的分割、特征提取、识别

（1）分割：

分割的目的是把目标图像从背景中分离出来。

（2）边缘增强与提取：

边界或轮廓一般对应于目标的几何或物理性质的突变处，如：

高度、深度的突变等。

对分割后的图像进行边缘增强，将真实轮廓勾勒出来，可以大大减少数据量。

便于进行进一步处理。

（3）特征点的提取和尖角的判别。

提取目标特征的几何形状特征：

目标的高度、宽度、体态及面积，由于火焰的识别是一种动态的目标识别，每一个几何形状特征都没有固定的值，故而给出一个合适的范围。

以下为测试为不同发光体尖角特性比较：

不同材质尖角数目统计：

5.2烟雾特征算法

烟雾的特征和火焰有着明显的不同，无论是静态的还是动态的。

这样使得我们可以将其与火焰识别分开处理。

5.2.1烟雾静态特征（外形与对比度）

烟雾在颜色上没有像火焰样存在明显的分布，而且颜色与烟雾的浓度有直接关系。

淡淡的烟是半透明的，可以看到其后面的物体，而浓烟是灰黑的，完全挡住了后面的事物。

这样，单独考虑烟雾的颜色便无法描述它的特征。

然而，无论烟雾浓淡，它都会使后面的事物变得模糊，甚至被完全遮挡。

我们可以通过像素的对比度变化判断烟雾的有无。

图中显示了通过对比度变化检测烟雾的结果。

图烟雾（上行）及通过对比度变化检测结果（下行）

5.2.2烟雾动态特征（扩散）

烟雾的动态特征是烟雾区别于其他事物的重要特征。

它具备以下特点：

首先，烟雾以扩散的形式变化，可以假想存在一个或几个烟雾发生点，烟雾围绕这些点扩散开去；其次，与火焰类似，烟雾的边界变化也存在一个3Hz的频率；再有，烟雾的轮廓是清晰画面与被烟雾模糊画面的交界；最后，烟雾的运动是连续而且是非刚性的。

这些特点决定了烟雾与行人，汽车等等前景运动物体有本质的不同。

图烟雾及其轮廓

图扩散的烟雾及其轮廓

5.3识别出烟雾火解决方案

根据前述的烟雾火的静态特征,我们采用先进的深度卷积神经网络做检测和分类,同时结合烟雾火的动态特征,我们采用深度时间序列神经网络做时序分析。

结合这两种神经网络,可以很好的进行烟雾火的识别。

5.3.1检测和分类神经网络

如上图所示，该神经网路可以实现检测和分类统一在一个神经网络。

其中我们采用softmax方法进行分类，可以有效的进行烟雾火和其他物体的区分。

5.3.2时序神经网络

如上图所示，我们采用LSTM的时间序列神经网络，可以有效分析烟雾火的时序频率特性，更好的对烟雾火的类型进行识别。

5.4误报可能场景

5.4.1火焰误报的可能场景

鲜艳的旗帜、衣服等类似于火焰的颜色的，而且随风飘动

车灯等也容易产生误报：

5.4.2烟雾误报的可能场景

大雾天气，产生误报：

5.5漏报可能场景

（1）摄像头看不到的地方，被中间物体挡住了。

（2）烟雾火较远，在焦距较远的地方，看上去太小了，从而漏报。

（3）不在镜头的范围之内，由于范围较大，无法全面覆盖。

5.6减低漏报误报的措施

5.6.1减低误报的措施

加强干扰物体图像数据的收集，进行深度神经网络训练，有效降低各种情况的误报。

5.6.2减低漏报的措施

保证摄像头的覆盖全面无死角。

对于范围大的区域，利用摄像头自动巡航或者指令巡航的方式，定点、定时变换角度和焦距，拍摄敏感区域。

第六章系统测试

6.1系统测试

在室内各种光线条件下，如白天（晴天、阴天、阳光直射、雨天、雾天）和晚上（雨天、雾天）等，将产生烟雾的物体、蜡烛放置于离摄像机5、10、20米不等（可参照摄像机离泵的最远距离）；

测试系统对烟雾、火焰自动检测的灵敏度。

同时使用水桶、暖壶等颜色与火焰相近物体进行干扰，使用汞灯、白炽灯等光源进行干扰测试误报率。

6.2系统技术指标

烟雾火识别的准确度：

95%以上

烟雾火的误报率：

5%以下

烟雾火的漏报率：

1%以下

在E5服务器，配置一个GTX1080的GPU下，性能达到5帧/秒

6.3关于视频烟火分析说明

说明：

1、贵方不提供任何硬件，但可提出对硬件的需求，如服务器的硬件参数，操作系统等需求；

2、前端摄像机、传输网络，存储、管理，流媒体等均已部署；

本系统支持前端摄像机为当前主流品牌的普通数字高清网络摄像机，主要性能参数参考如下：

（1）图像传感器200万像素1/1.8"星光级CMOS超宽动态、逐行扫描；

（2）支持ICR日夜模式：

具备日夜转换功能；

（3）视频压缩标准：

支持H.265及以上视频编码格式；

（4）最低照度彩色:

0.001Lux@（F1.2,AGCON）；0LuxwithIR；；

（5）信噪比：

不小于60dB；

（6）宽动态：

不小于105dB；

（7）主码流分辨率与帧率50Hz:

50fps（1920×1080,1280×960,1280×720）；60Hz:

60fps（1920×1080,1280×960,1280×720）；

（8）第三码流分辨率与帧率独立于主码流设置，最高支持：

50Hz:

1fps（1920×1080）；60Hz:

1fps（1920×1080）；

（9）红外补光距离：

依据现场距离选择补光距离，并不小于50米；

（10）网络接口：

1个10M/100M/1000MBase-T自适应以太网电口，支持TCP/IP协议，支持以太网控制，同时支持1路复合视频信号输出接口BNC，要求模拟、IP功能同时使用；

（12）通用功能：

支持电子防抖、背光补偿、宽动态、强光抑制功能；自动聚焦、透雾、3D定位、守望、掉电记忆、巡航、方位显示、定时任务、音频报警等；

（13）支持时钟同步（同步网络时钟源）；

3、贵司仅提供软件；

4、提供清单；尤其要注明每台服务器可识别几路高清视频流；模板见附件。