基于视频图像的公路隧道火灾烟雾检测

为有效检测公路隧道火灾烟雾并预警，针对公路隧道传统火灾烟雾探测器存在的反应慢和功能单一等问题，通过分析研究火灾烟雾视频图像的颜色和纹理特征，提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先，通过改进后的Vibe算法模型提取图像运动区域；然后，在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域；最后，用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）与灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境，对比分析BP神经网络、支持向量机、随机森林3种机器学习分类器的烟雾识别效果，选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某实际公路隧道火灾视频对分类器进行试验测试，结果表明： 基于BP神经网络算法的检测系统识别性能最优，选取的烟雾特征具有较高识别精度，能够在隧道复杂环境中识别火灾烟雾。     

高海拔隧道纵向风速对人员疏散环境的影响研究

为解决高海拔隧道火灾通风及人员疏散的问题，采用数值模拟的方法设计低海拔隧道(0 m)和高海拔隧道(4 000 m)不同纵向风速条件下的对比试验。结果表明：1)较小风速(1 m/s)不会破坏烟气分层，反而会延缓烟气下降的速度，隧道上下游疏散环境比无纵向风(0 m/s)更好，可用疏散时间更长，较大风速(2 m/s、3 m/s)可保证火源上游处于安全的疏散环境，但会破坏烟气热分层稳定性，导致下游烟气下降快，不利于下游人员疏散；2)与低海拔地区隧道相比，高海拔地区隧道烟气层下降速度更快且烟气层高度更低，温度、能见度条件相对较差，高海拔隧道不同风速条件下各位置可用疏散时间整体小于低海拔隧道。