CC BY
22<Тешетневс^ие чтения. 2016
Библиографические ссылки
1. Алексеев А. 1С: Предприятие 8.3. Руководство разработчика. Ч. 1. ООО «1С-Софт», 2015. 754 с.
2. Алексеев А. 1С: Предприятие 8.3. Руководство разработчика. Ч. 2. ООО «1С-Софт», 2015. 674 с.
3. Радченко М. Г. 1С: Предприятие 8.3. Практическое пособие разработчика. Примеры и типовые приемы : учеб. пособие. 2015. 965 с.
4. Радченко М. Г. Архитектура и работа с данными «1С: Предприятие 8.2» : учеб. пособие. 2015. 268 с.
References
1. Alekseev A. 1C: Predprijatie 8.3. Rukovodstvo razrabotchika, ch. 1 (1C: Enterprise 8.3. Developer's Guide Part 1). OOO "1C-Soft", 2015. 754 p.
2. Alekseev A. 1C: Predprijatie 8.3. Rukovodstvo razrabotchika, ch. 2 (1C: Enterprise 8.3. Developer's Guide Part 2). OOO "1C-Soft", 2015. 674 p.
3. Radchenko M. G. 1C: Predprijatie 8.3. Prak-ticheskoe posobie razrabotchika. Primery i tipovye priemy: uchebnoe posobie (1C: Enterprise 8.3. Practical Developer Guide. Sample and standard techniques: a training manual), 2015. 965 p.
4. Radchenko M. G. Arhitektura i rabota s dannymi "1C: Predprijatie 8.2" : uchebnoe posobie (The architecture and operation of the data "1C: Enterprise 8.2": a training manual), 2015. 268 p.
© Елистратов С. А., 2016
УДК 004.932.2
ДЕТЕКТИРОВАНИЕ ДЫМА НА ОТКРЫТЫХ ПРОСТРАНСТВАХ ПО ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯМ
В. В. Жорова, А. С. Быканова
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Е-mail: zhorova.victoriya@yandex.ru
Предложен алгоритм поиска областей задымления на последовательности видеокадров. Описанный алгоритм реализован в системе визуального детектирования дыма. Произведено тестирование программного продукта, оценены результаты работы алгоритма.
Ключевые слова: детектирование дыма, видеопоследовательность.
VIDEO-BASED SMOKE DETECTION ON OPEN SPACES
V. V. Zhorova, A. S. Bykanova
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation Е-mail: zhorova.victoriya@yandex.ru
The algorithm based on the block-matching algorithm and the support vector machines is presented. The algorithm can detect smoke in the video sequences. The system that uses this algorithm provides good results of smoke detection.
Keywords: smoke detection, video sequences, block matching algorithm, support vector machines.
Пожары наносят урон экологии, экономике, часто человеческие жизни оказываются под угрозой. В закрытых помещениях предотвратить пожар позволяют датчики пожарной сигнализации, однако они бесполезны на открытых пространствах. С помощью систем визуального детектирования дыма возможно обнаружение дыма на открытой местности и в момент возгорания. Кроме того, системы детектирования дыма на видеопоследовательности позволяют определить очаг пожара.
Процесс обнаружения дыма состоит из следующих основных этапов: поиск движения на последовательности кадров, выделение пространственных призна-
ков, свойственных дыму, формулировка вывода о наличии дыма. Одним из наиболее распространенных методов оценки движения является метод сопоставления блоков (Block Matching Algorithm). Начало работы алгоритма состоит в разбиении кадра на множество непересекающихся блоков. Затем каждый блок кадра сравнивается с соответствующими блоками соседнего кадра. Результатом сравнения является вектор, описывающий движение блока из одного места в другое [1].
Обнаружение наиболее похожего блока производится в области поиска. Область поиска определяется размерами блока N*N и параметром поиска. Параметр
¡Программные средства и информационные технологии
поиска - это максимальное допустимое смещение вектора движения. Для установления соответствия между блоком текущего кадра и блоками-кандидатами служат критерии оценки подобия блоков. Существует несколько критериев, из которых самым популярным и менее сложным в вычислениях является среднее абсолютное отклонение (Mean Absolute Difference, MAD):
MAD = N2 X N- I
\ch - Rii\
где N - размер блока; Cj и Rj - сравниваемые пиксели.
Другой используемый критерий - значение сред-неквадратической ошибки (Mean Square Error, MSE):
mse = N21N011 No ( - Rj )
Пример работы алгоритма сопоставления блоков представлен на рис. 1. Стрелке соответствует вектор движения блока.
Следующий этап обнаружения дыма - выделение цветовых и текстурных признаков дыма в найденных на основе сопоставления блоков областях. Как известно, дым обладает такими признаками, как серый цвет, прозрачность, турбулентность, мерцание краев [2-3].
Цветовая гамма исследуемой области должна находиться в шкале серого цвета. Это объяснено тем, что дым может быть как светлым полупрозрачным, так и темным плотным образованием [4]. В цветовом пространстве RGB трудно найти величину порога для цветовой фильтрации. Исходя их этого, из пространства RGB удобно перейти в пространство HSV (Hue, Saturation, Value - тон, насыщенность, значение), где производить анализ возможно только по параметру S. Для оттенков серого цвета значение насыщенности равно 0. Также краям огня и дыма свойственен эффект мерцания - цвет пикселей с определенной частотой изменяется с одного цвета на
другой. У огня красный цвет сменяется на белый, у дыма - черный на белый.
Движение дыма характеризует турбулентность. Вначале частицы дыма движутся почти параллельно, затем возникают хаотично движущиеся вихри. Вихри распадаются на более мелкие структуры, после чего дым смешивается с окружающим воздухом. Похожее поведение частиц дыма, их завихрение, позволяют выделить дым среди других объектов. Также можно отметить, что возникающие клубы дыма имеют шарообразную форму.
Для формулировки вывода о наличии или отсутствии дыма применяется SVM-классификатор (Support Vector Machines, машина опорных векторов). Множество входных векторов разделяется гиперплоскостью на две части - есть дым/нет дыма. Алгоритм требует обучения с учителем. Алгоритм обучения находит среди элементов учебного множества точки, лежащие на границе положительного и отрицательного подмножеств, и строит между этими точками разделяющую поверхность [5]. Такие точки называются опорными векторами. Метод опорных векторов строит классифицирующую функцию F в виде
F (x) = sign {{w, x)),
где (w, x^ - скалярное произведение; w - нормальный вектор к разделяющей гиперплоскости; x - обучающая выборка. Те объекты, для которых F(x) = 1, попадают в один класс, а объекты с F(x) = -1 - в другой класс.
Созданный программный продукт позволяет обнаружить на видеопоследовательности области, на которых присутствует дым. За счет пространственно-временного анализа видеоряда приложение показывает высокий процент верно распознанных областей. Основой обнаружения дыма служит поиск движения и признаков, характерных для областей задымления. Найденные области выделяются прямоугольниками (рис. 2).
Рис. 1. Оценка движения с помощью метода сопоставления блоков
Рис. 2. Процесс детектирования дыма
Решетневс^ие чтения. 2016
Библиографические ссылки
1. A Study on Block Matching Algorithms for Motion Estimation / S. Immanuel Alex Pandian [et al.] // International Journal on Computer Science and Engineering. 2011. Vol. 3, No. 1. P. 34-44.
2. Xiong Z., Caballero R., Wang H. Video-Based Smoke Detection: Possibilities, Techniques, and Challenges // Proc. of the Supression and Defection Research and Applications Conf. Orlando, FL, 2007. P. 157-164.
3. Yu C. A Real-time Video Fire Flame and Smoke Detection Algorithm // Procedia Engineering. 2013. 62.
4. Пятаева А. В. Обнаружение областей задымления на видеопоследовательности с применением локальных бинарных шаблонов // Вестник СибГАУ. 2014. № 5(57). С. 108-114.
5. Вьюгин В. В. Математические основы теории машинного обучения и прогнозирования. М., 2013. 387 с.
References
1. S. Immanuel Alex Pandian et al., A Study on Block Matching Algorithms for Motion Estimation, International Journal on Computer Science and Engineering, 2011, Vol. 3, No. 1, pp. 34-44.
2. Xiong Z., Caballero R., Wang H. Video-Based Smoke Detection: Possibilities, Techniques, and Challenges, Proc. of the Supression and Defection Research and Applications Conf. Orlando, FL, 2007, pp. 157-164.
3. Yu C., A Real-time Video Fire Flame and Smoke Detection Algorithm. Procedia Engineering 62, 2013.
4. Pjataeva A. V. [Obnaruzhenie oblastej zadymlenija na videoposledovatel'nosti s primeneniem lokal'nyh binarnyh shablonov]. Vestnik SibGAU. 2012, No. 3, pp. 46-51. (In Russ.)
5. V'jugin V. V. Matematicheskie osnovy teorii mashinnogo obuchenija i prognozirovanija [Mathematical foundations of the theory of machine learning and prediction]. Moscow, 2013, 387 p.
© ^opoBa B. B., EbiKaHOBa A. C., 2016
УДК 614.8
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЭЛЕКТРИЗАЦИИ В РЕЗЕРВУАРАХ-ХРАНИЛИЩАХ
В. С. Злобин, В. А. Чернов
Сибирский федеральный университет Российская Федерация, 660074, г. Красноярск, ул. Киренского, 26 E-mail: zlobinsfu@mail.ru
Рассматривается моделирование электризации в резервуарах-хранилищах и возможность оценки риска возникновения критических ситуаций, приводящих к пожарам и взрывам.
Ключевые слова: пожаровзрывоопасность, статическое электричество, контроль пожаробезопасности.
MATHEMATICAL MODELING OF ELECTRIFICATION IN STORAGE TANKS
V. S. Zlobin, V. A. Chernov
Siberian Federal University 26, Kirenskiy Str., Krasnoyarsk, 660074, Russian Federation E-mail: zlobinsfu@mail.ru
The article considers modeling electrification in the storage tanks and estimating risk of critical situations, leading to fires and explosions.
Keywords: fire safety, static electricity, control of fire safety.
Работа продолжает исследования, начатые в [1-3]. Как уже отмечалось, нефтепродукты при хранении
Напряжение электрического поля часто оказывается имеют свойство электризоваться. Под действием ис-
достаточным для возникновения электрического раз- кровых разрядов в ряде случаев возможно воспламене-
ряда. В процессе эксплуатации в газовом пространст- ние среды горючих газов над поверхностью жидкости. ве резервуаров образуются взрывоопасные концен- В связи с этим необходимо развивать методы
трации паров нефтепродуктов с воздухом. Таким об- оценки электризации нефти в нефтехранилищах раз-
разом, математическое моделирование и анализ дан- личного типа.
ных о статическом электричестве является важной В процессе наполнения хранилища и хранения
задачей контроля пожароопастности. в нем образуются электростатически заряженные
