消防外文翻译

1使用IP摄像机的早期火灾探测出版杂志：SensorsISSN1424-82202012，12，5670-5686，1到7页摘要：烟雾的存在是火灾的首发症状，因此要做到火灾探测，准确和快速地估计烟的存在是非常重要的。在本文中，我们提出了一种由因特网协议（IP）摄像机捕获利用视频序列的算法来检测是否存在烟雾，其中一种重要的功能，如探测烟雾颜色，运动和生长特性。对于一个有效的IP摄像头平台在检测烟雾时，必须直接操作检测离散余弦变换（DCT）域，以减少计算成本，避免了一个完整的解码在空间域算法所需的过程。该算法间变换的DCT技术被用来增加的检测精度，而不违背DCT操作。在提出的方案中,首先对实验烟区域估计使用运动和彩色烟雾性质;接下来使用形态学操作降低噪声，最后确定实验烟区的生长特性。此外，通过使用连接的组件标记技术分析。评价结果表明，一个可行的感烟探测方法假阴性和假阳性错误率近似相等，分别达到4%和2%。关键词早期火灾探测/烟雾探测/DCT/DCT变换间/视频监控/IP摄像机1介绍早期火灾探测，可以帮助提醒和防止灾害产生巨大的经济损失和人身的伤害。燃烧的对象通常始于排放的烟，甚至在着火，因此早期火灾探测，探测烟雾的存在是一个重要因素。该功能的描述取决于燃烧对象产生烟的化学性质、火温度、氧的含量等等。一般来说，当着火点温度升高时烟的颜色范围从白到白偏蓝，当燃烧温度降低，从灰到黑。最常见的烟雾探测器是基于红外或紫外线相机，而其他检测技术是基于粒子、温度、相对湿度和空气透明度的分析。这些系统直到烟粒子或火焰非常接近火灾探测器设备才被激活，而且这些设备不能提供更多关于火的确切位置、大小、生长速率等[1]的信息。为了提供更准确和可靠的感烟探测，一些视频处理基础检测系统被提出。一般来说，基于视频处理的火灾探测算法都使用火灾的两个主要特点：火焰和烟雾。几乎所有文献的火灾探测算法在进行像素级分析时使用火焰或烟雾的一些属性，如颜色、火焰或烟的自然闪烁、背景帧中的边缘损失等等。在[2]中，作者提出了采用反向传播算法的多层神经网络（MNN）恒指呈现火焰的颜色属性（色调，饱和度，2强度）色彩空间火灾探测方法。该算法分析每个像素的颜色来确定一些像素是否呈现火焰特性。在[3]和[4]，隐马尔可夫模型(HMM)和离散小波变换(DWT)是用于检测闪烁的像素提示火焰的存在。一般火焰的存在比只有烟的存在可能表明更严重的火灾形势在。因此对早期火灾探测，感烟探测方案可能更有效。在文献[5]和[6]中，作者使用一个基于高频率的损失HMM及离散小波变换(DWT)的检测烟雾方法。对[1]中的RGB图像序列进行分析，以检测烟的色度，品位是否有序。文献[7]建议结合动态和静态烟的几个功能，如生长、紊乱、轻弹频率和小波变换的能量，然后将这些信息结合，用来制作一个MNN检测烟雾的存在。文献[8]中的烟检测算法是以累积方式通过烟的的视频序列分析烟雾运动方向。文献[9]中的算法目的是检测烟和火焰内的隧道，火灾探测是基于使用的背景图像提取出的运动区域，并分析运动历史图像以及不变矩。这个应用程序的主要问题是汽车和重型气流所产生的大量运动。在烟雾检测[10]所提出的算法中，烟雾被认为是一种可以提取使用的纹理图案，通常被用作纹理分类器的局部二元模式（LBP）。然后使用这些LBP培养一个的MNN确定烟雾的存在。在[11]中，使用烟色属性是基于[1]中的定义和烟雾运动检测光流算法制作一个MNN检测烟雾存在。值得注意的是，上述所有火灾探测算法在工作空间域内对每个视频帧的像素值进行分析。最近IP摄像机在视频监控中的使用显著增长，因为基于IP技术的视频监视系统，很容易以较低的成本实现，而且许多公司已经使用无线互联网基础设施布线[12]。此外IP摄像头不仅可以捕捉到的图像序列，也有其自己的处理器、内存和操作系统，它不需要额外的计算机设备就可以加载程序来处理捕获的信息。IP摄像机也可以连接形成网络，一个视频监控系统更加可靠。一般来说，IP摄像机所提供的数据信息可以以多种格式进行编码，例如Motion-JPEG（MJPEG）、H.264等[12]。使用IP技术的火灾探测有很多种优势，例如网络摄像机网络与具有单一的视频监控系统相比可以更准确地探测火源地点、幅度和传播方向。然而为了有效地使用IP技术的火灾探测，本的烟检测算法必须直接在离散余弦变换（DCT）域执行，因为解码（从DCT域空间域）和可能的编码（从空间DCT域的域）是相当高的耗时过程。然而几乎所有的火检测算法，包括在文献[1-11]中所提出的建议都在是空间域中进行分析每个像素或块的值。因此任何在IP技术执行这些算法都要求相当高的额外处理3时间。本文提出了一种烟雾探测的算法。这是一个扩展版本中提出UCAmI'11[13]。该算法直接在DCT域运行，并可以在IP摄像监视系统实现。该算法使用烟雾的几个特性检测烟雾的存在，如颜色、运动和传播特性。这是直接从DCT系数提取可以避免解码过程。要提高分辨率的视频帧并且不显着增加计算量，可以使用间快速变换的DCT系数[14]和[15]。2基于视频处理烟雾探测计划烟雾探测计划的设计有效的基于IP摄像机系统，其中MJPEG编解码器编码的序列作为输入数据的烟检测算法。最近使用H.264编解码器的IP摄像机已经开发，但这些IP摄像机成本是远远高于MJPEG编解码器的IP摄像机，我们认为所提供的H.264的高压缩率的烟检测任务是没有必要的，因为它不是必要的存储或传输的IP相机模块和所捕获的视频序列之间的主计算机系统。此外MJPEG编解码器可以提供比H.264编解码器更高质量的帧。因此考虑烟雾检测方案的计算和经济的成本，我们认为基于MJPEG的IP摄像模块是最充足高效的平台以及高质量帧的产品。虽然拟议的计划是专为MJPEG编解码系统，但它稍作修改后也可以适应H.264。图1烟雾探测计划的建议框图烟雾检测方案的建议框图，如图1。该框图由四个阶段组成：视频帧采集阶段、基于DCT变换间预处理阶段、烟雾区域检测阶段和区域的分析阶段。在视频帧的采集阶段，每个IP摄像机捕获的帧大小为1920×1080像素并使用一个标准的JPEG编4解码器编码，其中双向维DCT被施加到非重叠块8×8像素的每个帧。在预处理阶段中，DCT变换间被应用到所有DCT块的8×8个系数的每一帧得到DCT块的4×4系数，而无需使用逆DCT（IDCT）。在烟雾区域检测阶段中，使用每个DCT块的DC值的4×4系数的几个连续帧对烟雾的动作和颜色属性分析来确定烟雾区域实验着火点。实验区域利用形态学消除孤立块处理。通过使用连接元件标记法排除非烟雾区域的候选区域的烟的膨胀性能分析。除了视频帧采集阶段，以后的所有阶段接下来分小节描述。2.1基于预处理DCT变换间正如前面提到的，一个每个IP相机模块提供8个DCT块×8系数的帧，但这个块的大小过大将影响防烟功能的准确分析，这时使用一个较小的块是必要的。传统上，如果不能避免DCT块与从当前的块的大小尺寸不同，必须计算反离散余弦变换，然后与所需的块的大小作为一个新的DCT重新计算。这些过程是非常耗时的操作。2.2烟雾区侦查阶段在浓烟区域检测阶段，一些实验烟块使用运动和颜色属性的烟雾。此阶段接收的S的DCT块Sb×Sb每个帧在预处理阶段以前的系数，这是由三个通道组成的：亮度计算通道（Y）和两个色度通道（Cb和Cr）。2.3烟色分析颜色是烟雾的另一个重要特征，因此该功能已被常用于几个烟雾探测算法[8，11]。几乎所有的算法使用了陈的烟色模型[1]，烟色是使用RGB色彩空间为基础的规则来确定。第一条规则是基于事实即：烟雾的颜色是灰色的，表示三个颜色通道的强度约是相同的。第二条规则确定的灰度值必须介于80和220。这个范围表明烟雾的颜色既不是白色的也不这么黑的。3结论在本文中，我们提出了一种使用互联网协议（IP）摄像机技术的MotionJPEG（MJPEG）编解码器进行早期火灾探测计划。其中离散余弦变换（DCT）把每个大小为8×8的块的系数作为输入数据。在提出的方案中，几个烟特性，比如运动、颜色和膨胀特性直接在DCT域进行了分析，避免高耗时的逆离散馀弦转换操作。如要5提高精度可引入DCT变换间[14，15]作为预处理操作，这可以改变块大小从8×8到4×4，并且没有逆DCT。拟议计划的50个视频序列没有硝烟的烟雾和其他50个视频序列评估，取得假阳性错误率约2％，假阴性错误率约等于4％。假阴性错误发生在两个视频序列主原因是烟的颜色与背景之间的烟雾相似性很大，这个问题可能会使用位于其他位置的其他IP摄像机解决。该算法可以在网络摄像机网络实现，其中每个IP摄像机可以传输其分析结果的C4操作中心获得更可靠的信息，如有关火灾的起源、规模、增长速度和方向等。6AnEarlyFireDetectionUsingIPCamerasSensorsISSN1424-82202012,12,5670-5686Abstract:Thepresenceofsmokeisthefirstsymptomoffire;thereforetoachieveearlyfiredetection,accurateandquickestimationofthepresenceofsmokeisveryimportant.InthispaperweproposeanalgorithmtodetectthepresenceofsmokeusingvideosequencescapturedbyInternetProtocol(IP)cameras,inwhichimportantfeaturesofsmoke,suchascolor,motionandgrowthpropertiesareemployed.ForanefficientsmokedetectionintheIPcameraplatform,adetectionalgorithmmustoperatedirectlyintheDiscreteCosineTransform(DCT)domaintoreducecomputationalcost,avoidingacompletedecodingprocessrequiredforalgorithmsthatoperateinspatialdomain.IntheproposedalgorithmtheDCTInter-transformationtechniqueisusedtoincreasethedetectionaccuracywithoutinverseDCToperation.Intheproposedscheme,firstlythecandidatesmokeregionsareestimatedusingmotionandcolorsmokeproperties;nextusingmorphologicaloperationsthenoiseisreduced.Finallythegrowthpropertiesofthecandidatesmokeregionsarefurthermoreanalyzedthroughtimeusingtheconnectedcomponentlabelingtechnique.Evaluationresultsshowthatafeasiblesmokedetectionmethodwithfalsenegativeandfalsepositiveerrorratesapproximatelyequalto4%and2%,respectively,isobtained.Keywords:earlyfiredetection;smokedetection;DCT;DCTinter-transformation;videosurveillance;IPcamera1.IntroductionEarlyfiredetectioncanhelptoalertofandpreventdisastersthatgenerategr