基于视频监控系统的突发灾害应急评估技术可行性研究*

郭志宇，郭安宁，白雪见，任 栋，彭立顺

(中国地震局 兰州地震研究所，甘肃 兰州 730000)

0 引言

我国是一个灾害多发的国家，突发性灾害活动分布广、频率高、强度大，地震、滑坡、崩塌和泥石流以及矿难这样的突发性灾害，往往具有链式成灾特点[1-2]，难以预测且多具毁灭性破坏结果[3-4]。因此，有必要迅速调查灾害造成的工程建筑破坏和人员伤亡情况，通过对灾害现场进行快速评估，为应急救援做好充分的准备。

为此，提出1种新型的，基于城市视频监控的突发灾害应急损失评估技术，充分利用公安和交通等部门广泛布设于城市道路、公共场所、构(建)筑物内部的视频监控系统获得的影像资料，通过相关图像处理方法，结合计算机视觉技术和灾害快速评估技术，对以构(建)筑物为代表的一系列工程设施进行远程实时监测,收集监视场景信息，提供实时的数据处理结果，以GIS模块化的方式，显示和存储信息数据，从而作为重大突发灾害应急预案的辅助系统[5]，在最大程度上避免应急救援的无序性，提高应急工作效率。

1 基于视频监控系统的突发灾害应急损失评估技术

基于视频监控的突发灾害应急损失评估技术可以理解为通过摄像头充当“眼睛”的作用，首先观察现场的灾害情况，然后提取各类工程结构的损失信息，接着据此判断出灾害等级，最后通过地理信息系统(GIS)勾画出整个研究区域内受突发灾害影响的破坏水平，服务于灾害救援工作，减灾止损。

依据不同的灾害情况，主要有静态监测和动态监测2种方案，前者由于摄像头与监视场景之间并无明显相对运动，所以主要用于监测滑坡、崩塌、泥石流等突发性灾害；而后者则因为摄像头和监视场景之间有相对的伸缩旋转运动，主要用于地震灾害的监测研究。

1.1 静态背景目标监测与提取技术

对于摄像头与所监视场景之间并无明显相对运动的情况，也即静态背景下，可以用基于自适应背景图像估计与当前多帧图像混合差的方法，该方法可以精确监测和提取监视场景内的目标。一般应用统计方法自适应地估计和修正背景图像及变化监测阈值[6]。利用估计的背景图像与当前相邻两帧或多帧图像的混合差进行变化监测，监测时用统计最优的自适应二值化[7]区分变化和未变化区域，使用基于二值图像的形态学算法[8]去噪，经过区域标记和计算区域面积判断场景是否有变化，最后利用相邻两帧或多帧差值精确提取目标。

图1 基于视频监控和GIS辅助的突发灾害应急救援系统拓扑Fig.1 The topology of sudden disaster emergency rescue system based on video surveillance and GIS

1.2 动态背景目标监测与提取技术

由于监控设备大都安装在龙门架、单杆或墙柱上，地面振动使摄像头发生同震振动，从而导致视频影像序列为动态背景。运动背景下目标监测与提取技术，通常解决方案是借助于视频图像的运动估计和分割算法来实现[9]。此外，还有一种提取运动目标的方法，即特征点匹配法[10]。该方法是“先盯后看”，先做帧间匹配，再提取目标。虽然从全程来看，背景场是运动的，但对每一小段而言，背景图像却是静止的，这样就可以利用静态背景场的计算方法来进行目标监测和提取[11]。

1.3 小结

通过上文的阐述，可以得到以下结论：不论动态背景，还是静态背景的目标监测与提取，其目的都是希望能够快速获取监视区域内目标所受灾害影响信息。以远程视频监控的方式代替传统的专家实地考察方式收集灾情资料，以此为救援工作提供有参考价值的实地信息。

本文应用多时相变化监测技术识别目标，进行灾害监测和评估，监测内容包括：监测已经发生的灾害变化，识别灾害的性质、程度，判断受灾区域范围和评估灾害变化的空间模式等。工作流程[12]是首先将突发灾害前后监控影像进行帧间空间配准，再进行灰度匹配，然后剔除非重点区，找到感兴趣区域，最后将帧间图像进行各种灰度运算比较，利用人机交互方式确定灾害异常的表现形式和灾害分布范围。

在完成灾害现场的视频影像资料提取之后，首先通过图像分析方法，由计算机自动给出初步的灾情信息，如：构(建)筑物的外部形变水平、承重墙(柱)破坏程度等信息；然后再由专家根据影像资料，对机读的初步结果进行人工修正，判断工程结构的整体破坏水平，给出更为具体准确的评估结果；最终的目的是通过收集各采样点提取的灾害信息，对应到采样点所代表区域内的灾害破坏程度，从而结合GIS勾画出整个受灾地区的灾害破坏等级，便于制定相应的救援方案。

2 基于视频监控系统的GIS辅助突发灾害损失评估系统

基于视频监控和GIS辅助的突发灾害应急救援系统的网络拓扑如图1所示，在通过广泛布设于灾区的视频监控，得到地面各评估单元相应的灾害损失信息后，进一步对这些数据进行分析处理，评估其灾害损失，最终以GIS的形式成图，将地面灾害损失分布情况及其相应灾害属性表达在GIS图层上。

GIS可以方便地对空间数据进行采集、分析、管理和输出等，并具有区域分析、多重要素分析和动态预测的能力[13]。同时，GIS 不仅可以高效地处理空间数据，而且还可以管理有拓扑结构的图形数据，并建立两者之间的关系，因此特别适用于突发灾害的减灾系统。一旦发生突发灾害，即可充分发挥GIS的特有功能，实时跟踪灾害发生、发展过程，并辅助开展灾后救援和应急工作。

2.1 GIS辅助视频监控灾害损失评估技术思路

数字图像技术与GIS有紧密的关系和很强的互支持性[14]。故提出GIS辅助视频监控灾害损失评估技术，利用GIS强大的数据存储、管理和调度功能，协助专家理解监控影像资料[15]。同时，相关大数据技术(数据库、数据挖掘以及通信技术等)的发展，使得基于视频监控评估的应用不再局限于获取和存储灾情信息，更重要的是要对数据结果进行解释和应用，提供灾害损失的详细评估内容，提高应急救援工作的自动化程度。

2.1.1 基于视频监控的GIS辅助损失评估内容

突发灾害损失评估主要是指对灾害所造成的工程结构破坏和人员伤亡进行评估[16]。其中，工程结构的破坏是重点关注的评估内容。

基于视频监控的灾害损失评估，主要对构(建)筑物损失和人员伤亡进行评估[17]，最核心的是通过对视频监控影像分析，提取到构(建)筑物的灾情信息，而后对构(建)筑物受损程度进行评估，统计其分类分级的损失信息，其中分类是指构(建)筑物结构类型，分级是指构(建)筑物破坏等级，并将其录入GIS 系统数据库中，建立基础图层，与相应的行政区划图或者街区图叠加，便于灾后应急救援工作时，进行空间分析和属性查询。

2.1.2 基于视频监控的GIS辅助灾情信息提取

提出1种包括人工目视判读和计算机自动识别在内的灾情信息提取方法，前者耗时短，后者精度高。概括如下：

1)采样

视频监控设备布设范围广，总体观测区域大，数据信息繁多，直接提取灾害信息不现实。因此，提出从评估对象中选取部分具有代表性的样本进行灾情信息采样，结合相适应的插值算法。这样做不仅加快了提取速度，同时又能够保证提取的精度，最后通过采样率和各采样点的置信水平(依据各采样点所代表的地面单元破坏程度高低对其添加权值)对评估结果进行修正，得到整个灾区分类分级的构(建)筑物结构损失水平。

2)视频监控现场灾害指数提取灾情

地震震害指数的概念在1970年通海地震调查中提出来后[18]，已广泛应用于地震震害研究中，地震震害指数是地面地震烈度值划分的基础，是反映地震破坏程度的定量化指标。在这里，结合视频监控所捕捉到的影像资料，建立类似的评估方法，从而用于多种不同的突发灾害信息提取。

因此，提出可以通过人工目视判读视频监控灾害影像，由专家给出评估对象的灾害指数水平；然后通过视频解译灾害指数与监视场地灾害指数的对应关系，转化为场地灾害指数；再根据地区经验灾害矩阵，得到该采样点所控制的区域，即地面评估单元的灾害等级，反映该采样点所代表的控制区域内灾害破坏程度。将该采样点所代表区域的灾害等级数据与空间地理信息数据联系起来，列表收录，便于GIS进行数据管理和空间分析，如图2所示。

图2 基于灾害指数方法的灾情信息提取流程Fig.2 Disaster information extraction flow chart based on disaster index method

3)视频监控图像分类提取灾情

虽然通过灾害指数提取灾情信息非常快速，但它十分依赖评估人员的经验水平，评估结果可能因个体差异而有较大区别。为了统一评估结果，减少这种随机性较大的非系统误差，在粗略评估(基于灾害指数的粗评估)完成后，采用基于机读的数字图像分类方式提取灾情，增强灾情提取效率。可采用综合自动分类方法，如图3所示，基本过程如下：

(1)非监督分类。根据地表不同地物的光谱或几何形状特征区分目标构(建)筑物和其它实体，实际上是种先入为主的经验性分类方式。

(2)训练样本的选择。训练样本借助人工判读来确定，是分类分级的单栋或者群体构(建)筑物。不同于地面调查确定灾害指数时构(建)筑物的五级分级方案，这里考虑到视频监控的影像分辨率和灾害信息统计速度，将房屋构(建)筑灾害分为3个等级，即：毁坏(毁坏和严重破坏)、破坏(轻微和中等破坏)和基本完好。

(3)图像分类。训练样本确定完毕后，利用计算机对图像进行分类，完成灾害识别的整个过程。

(4)分类后处理。通过分类整理、分类结果修正、分类结果与影像融合等方法对分类结果进行处理，减少计算机自动分类的盲目性。

图3 数字图像分类方法灾情信息提取流程Fig.3 Digital image classification method disaster information extraction flow chart

2.1.3 构(建)筑物灾害损失评估

根据灾害提取方式的不同，构(建)筑物损失评估可分为基于灾害指数的损失评估和基于图像分类结果的损失评估。

1)基于灾害指数的损失评估

灾害等级反映了1个地区宏观的受灾情况，是判断所监视区域灾害强度的重要依据。在地震灾害损失评估中，姚新强等[19]提出的动态震害矩阵方法，有利于城市地区构(建)筑物灾害损失的精准动态评估。类似的，基于灾害指数的损失评估可以通过视频解译灾害指数与场地灾害指数对应关系，得到该采样点的场地灾害指数；再据此得到该采样点所代表地面评估单元的灾害等级。最后根据动态灾害矩阵，给出采样点控制地区单元内群体构(建)筑物的灾害损失评估结果。

2)基于图像分类结果的损失评估

基于图像分类结果的损失评估是在灾害发生后数分钟至数小时内给出(数据覆盖率不同，计算时间也有所差异)评估结果。孙丽娜等[20]根据唐山和汶川2个震例，又计算了不同震源机制对近场PGA的影响，十分有利于灾后进行更加细致的评估。更重要的，甚至可以基于此，用来做时程分析。由于图像分类结果已经是分类分级的，所以从中统计出相应破坏比和破坏面积等，结合当地的构(建)筑物造价等信息后，即可进行损失计算。

2.1.4 人员伤亡评估和失去住所人数评估

人员伤亡和失去住所人口都和构(建)筑物灾害信息有密切关系，人员伤亡情况主要与下列因素有关，如不同时间段构(建)筑内的人数、构(建)筑物的综合造价水平，以及各类构(建)筑物的灾害等级分布、是否有利于抢救等。发生灾害时，有组织有计划地安排人员疏散是一项重要工作。在城市地区，疏散场地主要是广场、公园、街心绿地和运动场等空地。而GIS的空间分析功能又是其优势所在，因此可以通过建立适当的应急疏散模型来仿真计算城市地区突发灾害时应急救援人员疏散工作。由于现有灾害损失评估技术在人员伤亡统计上已经能够做到十分准确细致的评估，因而这部分并不作为本文研究的重点，只是将其作为完整评估内容的一部分加以说明。

2.2 基于视频监控系统的GIS辅助灾害应急损失评估技术的优势

现有的信息获取手段,如遥感、航拍等高空传感器系统,获取的多是平面影像，只能提供二维数据,往往可以清晰地看到构(建)筑物顶部的损毁情况，而其侧面、内部的灾害损失情况则无法观察到。而基于视频监控影像的评估技术，能分别从正视、俯视、侧视3个角度，也即X-Y-Z三轴方向对目标进行立体观测，因而提取到的灾情信息更为真实客观。

另外，现有的二维灾害信息数据,如以卫片为主的星载传感器数据、以航片为主的机载航空传感器数据，常常因拍摄平台的不稳定，导致获取到的影像产生几何畸变。必须要对其进行对准矫正、消除畸变和空间定位等预处理步骤之后,才可以进一步作业。

虽说卫星影像可以实现无控制点纠正，但其在数据获取时间上,目前很难满足应急的快速评估需求。航空影像则因为拍摄平台不稳定、数据量大等原因，处理过程中算法繁琐、耗时严重，不能满足实时获取灾区灾情的要求。此外，难以控制的气象因素还会导致光学影像资料失效。虽然近些年来快速发展的雷达成像技术不受气象条件限制，但其影像资料并不适合人工目视判读。上述种种弊端在一定程度上制约了卫片、航片在突发灾害时灾区的应急和灾害损失评估工作上的应用。

鉴于此，本文提出的GIS辅助视频监控系统,在突发灾害应急救援评估中，可以作为现有灾害损失评估技术的补充技术，以此来提高突发灾害的应急救援工作效率。总结以往突发灾害中各类灾情信息获取技术之间的相互协调配合的经验，可以看出：今后的突发灾害评估技术需具备网络协同、数据共享和多方会商的功能，以便实现在应急救援工作中,汇聚图像图形专家、灾害损失评估专家、工程结构专家等专业人员的力量[21-22]。

3 结论与展望

1)以基于视频监控的突发灾害快速应急损失评估技术为研究内容，在详细研究其技术依据，即计算机图形技术，能够准确监测和提取场景内目标影像这一重要结论后，提出1种基于视频监控系统的GIS辅助应急损失评估技术，并针对以构(建)筑物为主的评估对象，提出1种分类分级的多模式灾情信息获取方法。

2)GIS辅助的视频监控灾害损失评估方法结合了人工目视判读和计算机图像自动处理技术，简化了灾情信息提取过程，提高了工作效率。通过GIS基础数据库等功能，辅助解译视频监控图像资料，可为工程结构损失计算提供数据支撑。

3)提出的多模式、多数据源的评估方法，能够帮助在突发灾害应急初期，迅速掌握宏观的灾情信息，为救援力量的部署提供参考意见。而在随后陆续获得高密度监控影像资料，并与专家进行交汇式讨论后，可以根据应急阶段的不同需求，逐步给出更高精度的评估结果。

[1] 郭增建，郭安宁，吴建华，等. 2015年10月26日阿富汗MS7.8地震发生时间的回顾性预测[J].地震工程学报，2015,37(4)：1127-1128.

GUO Zengjian, GUO Anning, WU Jianhua, et al. Reviewing prediction for the occur-rence time of the afghan MS7.8 Earthquake on Oct.26, 2015[J]. China Earthquake Engineering Journal, 2015,37(4):1127-1128.

[2] 郭安宁，李鑫，白雪见，等. 2016年1月21日青海门源6.4级地震及相关参数[J].地震工程学报，2016,38(1)：150-158.

GUO Anning,LI Xin,BAI Xuejian, et al. The menyuan, Qinghai MS6.4 Earth-quake on 21 January 2016 and its related parameters [J]. China Earthquake Engine-ering Journal, 2016,38(1):150-158.

[3] 郭安宁，郭志宇，赵乘程，等. 2013年甘肃岷县漳县MS6.6地震及短临前兆的显现[J].地震工程学报，2015,37(4)：981-985.

GUO Anning, GUO Zhiyu, ZHAO Chengcheng, et al. Minxian-Zhangxian MS6.6 Earthquake in Gansu(2013) and its short-term and im-pending precursors [J]. China Earthquake Engineering Journal, 2015,37(4):981-985.

[4] 郭安宁，郭增建. 2014年2月12日新疆于田地震MS7.3级地震的回顾性预测讨论[J]. 华南地震，2014，34(4)：15-19.

GUO Anning, GUO Zengjian. Retrospective discussion of prediction for February 12th, 2014 Yutian MS7.3 Earthquake[J].South China Journal of Seismology, 2014,34 (4):15-19.

[5] 陈文凯，孙艳萍，周中红，等. 甘肃省地震应急专题图的设计与实现[J]. 地震工程学报，2015，37(3)：884-889.

CHEN Wenkai, SUN Yanping, ZHOU Zhonghong, et al. Design and implementation of Earthquake emergency thematic map of Gansu province[J]. China Earthquake Engineering Journal, 2015,37(3):884-889.

[6] Stauffer C, Grimson W E L. Learning patterns of activity using real-time tracking[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2000, 22(8):747-757.

[7] 杨威，张田文.复杂景物环境下运动目标检测的新方法[J].计算机研究与发展，1998,35(2)：724-728.

YANG Wei ,ZHANG Tianwen.A new method for the detection of moving targets in complex scenes[J]. Computer Research and Development，1998, 35(2):724-728.

[8] 韩晓军. 数字图像处理技术与应用[M]. 北京：电子工业出版社，2009.

[9] 陈岩，刘开华. 动态背景下运动目标的检测与跟踪[J]. 通信技术，2003 (12):104-106.

CHEN Yan, LIU Kaihua. The way to check and track moving object in dynamic background[J]. Communications Technology, 2003(12):104-106.

[10] 王洪斌，赵振涌，顾彪，等. 基于全局运动补偿的多运动目标检测方法研究[J]. 计算机技术与应用，2011,37(1):110-116.

WANG Hongbin, ZHAO Zhenyong, GU Biao, et al. Research on Multi-Moving object detection algorithm based on global motion compensation[J]. Computer Technology and Its Applications, 2001,37(1):110-116.

[11] 童剑军，邹明福. 基于视频监控图像的车辆测速[J]. 中国图象图形学报，2005,10 (2):192-196.

TONG Jianjun, ZOU Mingfu. Speed measure-ment vehicle by video image[J]. Journal of Image and Graphics, 2005,10(2):192-196.

[12] 边肇祺. 模式识别[M]. 北京：清华大学出版社，2000.

[13] 温瑞智. 基于GIS的城市抗震防灾系统设计[J]. 世界地震工程，1997,13 (4):28-33.

WEN Ruizhi. The Constitution of GIS-based urban Earthquake resistance system[J]. World Information On Earthquake Engineer-ing, 1997,13(4):28-33.

[14] 陈文凯，何少林，周中红. 基于多源数据的震害快速评估方法探讨[J]. 西北地震学报，2010，32(1)：76-81.

CHEN Wenkai, HE Shaolin, ZHOU Zhonghong. Study on rapid evaluation method of earthquake damage based on multi-source data[J]. Northwestern Seismological Jour-nal, 2010,32(1):76-81.

[15] 陈文凯，何少林，张苏平，等. 汶川地震甘肃省文县地震地质灾害遥感分析[J]. 西北地震学报，2011，33(4)：363-369.

CHEN Wenkai, HE Shaolin, ZHANG Suping, et al. Analysis on the geo-hazards trigger-ed by Wenchuan earthquake in Wenxian county, Gansu province, based on remote sensing information[J]. Northwestern Seis-mological Journal, 2011,33(4):363-369.

[16] 尹之潜. 城市地震危害性分析的基本框架和方法[J]. 地震工程与工程振动，1999，19(1)：70-75.

YIN Zhiqian. Basic framework of urban earthquake risk analysis[J]. Earthquake Engineering and Engineering Vibration, 1999,19(1):70-75.

[17] 何少林，李佐唐，姚子文. 甘肃省地震应急基础数据库管理服务软件系统研制[J]. 西北地震学报，2006，28(2)：149-153.

HE Shaolin, LI Zuotang, YAO Ziwen. Development in software system of manage-ment and server to earthquake emergency base database in Gansu province[J]. Nor-thwestern Seismological Journal, 2006, 28 (2):149-153.

[18] 胡聿贤. 地震工程学[M]. 北京：地震出版社，2006.

[19] 姚新强，孙柏涛，陈宇坤，等. 基于震害预测的动态震害矩阵方法研究[J]. 地震工程学报，2016，38(2)：318-322.

YAO Xinqiang, SUN Baitao, CHEN Yukun, et al. Study on method of dynamic earthquake damage matrix based on seismic damage prediction[J]. China Earthquake Engineering Journal, 2016,38(2):318-322.

[20] 孙丽娜，王晓山，杨家亮，等. 震源机制类型对近场峰值加速度(PGA)分布的影响——以唐山和汶川震区为例[J]. 地震工程学报，2015,37(1)：159-167.

SUN Lina, WANG Xiaoshan, YANG Jialiang, et al. Influence of focal mechanism types on the near-field distribution of peak ground acceleration——case study of Tangshan and Wenchuan earthquake regions [J]. China Earthquake Engineering Journal, 2015,37(1):159-167.

[21] 安立强，张景发. 遥感技术在震害调查中的应用现状和发展趋势[J]. 地震工程与工程振动，2011,31(2):182-188.

AN Liqiang, ZHANG Jingfa. Application situation and trend of remote sensing technology used in earthquake disaster survey[J]. Earthquake Engineering and Engineering Vibration, 2011,31(2):182-188.

[22] 张翼，郭红梅，胡斌，等. 基于PDA的四川灾情速报系统[J]. 华南地震，2014，34(4)：55-60.

ZHANG Yi, GUO Hongmei, HU Bin, et al. Earthquake disaster rapid reporting system of Sichuan province based on PDA[J]. South China Journal of Seismology, 2014, 34(4):55-60.