Комплексирование оценок координат подвижного объекта, полученных разными методами обработки последовательности видеоизображений Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

УДК 004.932: 621.397

КОМПЛЕКСИРОВАНИЕ ОЦЕНОК КООРДИНАТ ПОДВИЖНОГО ОБЪЕКТА, ПОЛУЧЕННЫХ РАЗНЫМИ МЕТОДАМИ ОБРАБОТКИ ПОСЛЕДОВАТЕЛЬНОСТИ ВИДЕОИЗОБРАЖЕНИЙ

В.М. Понятский

Рассматриваются вопросы объединения результатов обработки последовательности видеоизображений, полученных либо с одного пеленгатора, но обработанных разными методами, либо с пеленгаторов различной физической природы.

Ключевые слова: изображение, обработка, селекция, комплексирование, координаты.

В настоящее время актуальным является использование в системах управления летательными аппаратами телевизионных измерительных устройств. К задачам, решаемым этими устройствами, относятся идентификация подвижного источника излучения на фоне оптических помех и оценка его координат для формирования команд управления летательным аппаратом. Рассматривается методический подход к обработке последовательности видеоизображений для слежения за подвижным объектом, который основан как на методах корреляционного анализа [1], на оценке его геометрических, яркостных и кинематических характеристик [2-3], так и на возможности комплексирования результатов обработки [4]. Для выбора необходимого набора методов, последовательности их выполнения и параметров настройки каждого из методов разработан программный комплекс моделирования алгоритмов видеообработки изображений [5].

1. Методы идентификации подвижного источника излучения по последовательности видеоизображений

1.1. Селекция подвижного источника излучения на основе обобщенного критерия.

Для выделения изображения полезного источника излучения на фоне помех предлагается использовать комплексный критерий, который может быть записан в следующем виде [2]:

Ф = Х кг (Рг~Рг0)2 <Фтах,

г РгРгО

где к1 - весовой коэффициент параметра селекции; р1 - текущее значение параметра селекции; р10 - номинальное значение параметра селекции; Фтах - предельное значение функционала.

Решение об идентификации изображения объекта как полезного принимается по значениям функционала Ф, меньшим Фтах. Если нет значений функционала, меньших Фтах, делается заключение, что полезный

источник на изображении отсутствует.

Значения критериев к1 вычисляются следующим образом:

- значение каждого коэффициента определяется как величина, обратная величине относительной погрешности измерения данного параметра: к1 = , где АПг - относительная погрешность измерения I -го параметра;

- поскольку относительная погрешность измерения параметров объекта может меняться со временем, то рассчитывается относительная погрешность для отдельных интервалов времени.

В качестве параметров селекции могут быть использованы как яр-костные и геометрические (яркость объекта, ширина, высота, площадь и др.), так и траекторные (скорость, частота вращения, угол поворота и др.) характеристики объекта. Яркостные и геометрические характеристики могут быть вычислены по текущему кадру. Однако для расчета траекторных характеристик необходимо использовать объекты, выделенные на предыдущих кадрах.

Для расчета траекторных характеристик и выделения траекторий движения объектов могут быть использованы различные методы и алгоритмы. В данной работе для решения этой задачи предлагается использовать модифицированный метод трасс [3].

Пусть имеется несколько движущихся по произвольным траекториям объектов и производится видеосъемка этого движения через равные промежутки времени (г = 1,2,...,г). Каждый кадр представляет собой

изображения от объектов на фоне, т. е. каждую точку кадра можно отнести по некоторому условию к области одной из двух видов: фон или объект. Рассмотрим два соседних кадра: К и Км. Очевидно, что объекты, присутствующие на кадре К{, также присутствуют на кадре Км. Кроме того, на каждом кадре могут наблюдаться объекты и помехи, не попавшие на соседний кадр, т. е. в общем случае количество объектов на соседних кадрах может быть разным. Задачей является поставить в соответствие точки на двух соседних кадрах: К1 и Кг+1.

Решить такую задачу при равном количестве точек на соседних кадрах позволяет известный алгоритм метода трасс [6]. В его основе лежит поиск такого сочетания объединений объектов двух кадров, при котором обеспечивается минимум функционала вида

Ф (/, у) = 2 Ь (Я,, Я}),

г

где Я1 и Яу - соответственно радиус-векторы г -й и у -й объектов кадров К и К+1 в системе координат ху; Ь(Я., Я у) = Ьу - функция стоимости объ-

единения объектов i, j в пару (i, j), равная квадрату расстояния между объединяемыми объектами на соседних кадрах.

При этом имеется в виду, что

min Ф(i, j) = min ZLj, (1)

(i,j)еП (i,j)еП i i

где П - множество пар (i, j), удовлетворяющих условию не более чем попарного объединения объектов, т. е. если (i,j) еП, то (i,k),(l,j) ^П;

i,i=1,2,...,m,; j,k=1,2,...,M+i; i*i; k.

То есть определяется такое попарное сочетание объектов на двух кадрах, при котором сумма перемещений всех объектов будет минимальной.

В результате использования метода трасс получаем траекторию движения объектов, т. е. значения их координат в дискретные моменты времени.

Основной недостаток метода трасс в его классическом изложении заключается в том, что он не учитывает динамику перемещения объектов. Решение о выборе соответствия объектов выполняется на основе данных двух сопоставляемых кадров. Такой подход характерен только для объектов, движущихся хаотически, меняющих направление в произвольный момент времени. Однако благодаря этому экономятся вычислительные ресурсы и увеличивается скорость расчета. Следовательно, можно сделать вывод, что метод трасс оптимален для моделей систем, состоящих из множества объектов с неустановленными или сложными законами движения. Поэтому более интересны с практической точки зрения системы, состоящие из небольшого числа объектов, каждый из которых перемещается согласно какому-то закону движения, например, системы контроля, обеспечивающие следование объектов заданной траектории.

Для решения этой проблемы метод трасс в классической постановке был усовершенствован таким образом, чтобы он учитывал динамику перемещения объектов [3].

Очевидно, что если объект начал перемещение в определенном направлении, то это направление согласно законам физики не будет изменяться скачкообразно. То есть на основе информации о динамике перемещения объекта в прошлом можно спрогнозировать местоположение объекта в будущем.

Основываясь на этих рассуждениях, логично было бы искать следующую точку траектории, отталкиваясь не от текущего положения объекта, а от предполагаемого месторасположения на следующем кадре.

Для прогнозирования перемещения принимаются также следующие допущения.

Допущение 1. Анализ динамических характеристик реальных объектов показывает, что большую часть пути они проходят с медленно изме-

няющейся в масштабах полёта вращательной скоростью, что позволяет сделать допущение о том, что объект движется с постоянным тангенциальным ускорением.

Допущение 2. При заданной частоте дискретизации угловая скорость точек от кадра к кадру меняется незначительно.

Из этого предположения для дискретной, как в данном случае, модели следует, что в каждый момент времени объект изменяет направление практически на один и тот же угол.

На основе этих двух предположений можно определить предполагаемое месторасположение объекта в следующий момент времени.

Тогда метод трасс можно использовать в том же виде, только поиск ближайшего объекта будет проводиться уже не от реального расположения объекта на текущем кадре, а от предполагаемого на следующем кадре.

Следовательно, модифицированный алгоритм метода трасс основан на том, что по предыдущим положениям объектов можно спрогнозировать их положения на последующем кадре. При этом получается кадр, объекты которого будут являться прогнозируемыми положениями объектов, присутствующих на текущем кадре. Будем использовать для алгоритма метода трасс кадр с прогнозируемыми объектами и текущий кадр. Это позволит уменьшить сумму перемещений объектов для правильного сочетания пар отметок на соседних кадрах и увеличить эту сумму в других случаях. Поскольку результирующим набором пар является тот набор, который соответствует минимуму суммы перемещений объектов, то значение искомого функционала будет гораздо меньше для истинной комбинации пар отметок объектов. Функционал можно записать в следующем виде:

ф (,, ]) = 2 Д В + А,, ^) = 2 Д К В),

где В + А. - радиус-вектор спрогнозированного положения объекта; А1 - вектор спрогнозированного перемещения , -го объекта первого кадра.

Такое изменение метода трасс повышает правильность принятия решения для объектов, движущихся по определенной траектории. Подобная привязка к динамическим характеристикам исследуемых объектов снижает риск возникновения ситуаций, когда при пересечении его траектории с помехой осуществляется захват ложной траектории.

1.2. Селекция подвижного источника излучения на основе методов корреляционного анализа.

Рассматривается подход к обработке последовательности видеоизображений для слежения за подвижными объектами, основанный на методах корреляционного анализа [1].

В качестве меры соответствия используют значение взаимной корреляционной функции или суммы модулей разности яркостей пикселей в пределах блока:

S = IIK(x.,y )-Kn(x.,y ),

i=0 j=0 J J

где {m,n} - число пикселей в блоке; Кэ - эталонный кадр; Kn - текущий кадр.

На первом этапе обработки осуществляется формирование эталона. Для этого происходит бинаризация изображения, выделение объекта, получение размеров и положения изображения объекта и формирование области перезаписи эталона.

Размеры области перезаписи эталона задаются с учетом размеров предыдущего эталонного образа. Координаты этой области формируются исходя из положения объекта на текущем кадре.

Формирование эталона может происходить либо через фиксированное количество кадров, либо по нарастанию величины относительной ошибки взаимной корреляционной функции:

1 m n

Som = — II\КЭ(x,y,) - Kn(x,yj)|. (2)

mn .=o j=o

Это происходит по следующему принципу: относительная ошибка Som нарастает от кадра к кадру (т.к. характеристики объекта со временем

могут изменяться), и, когда она достигает определенного предела, происходит перерасчет эталонного образца.

На втором этапе обработки осуществляется сопровождение объекта. Для слежения за объектом на последующем кадре формируется область поиска, где производится расчет взаимной корреляционной функции.

После того, как сформирована область поиска, она разбивается на блоки размером m х n (размеры эталона) c шагом s пикселей. В этих блоках будет производиться расчет взаимной корреляционной функции по формуле (2). В каком блоке получается наименьшее значение Som, тот блок и будет считаться полезным источником.

1.3. Комплексирование результатов обработки и выделения источника полезного излучения.

Рассматриваются вопросы объединения результатов обработки последовательности видеоизображений, полученных либо с пеленгаторов различной физической природы, либо с одного пеленгатора, но обработанного разными методами.

Для комплексирования результатов выделения и расчета координат подвижного источника излучения, полученных с помощью разных методов обработки последовательности видеоизображений, может быть использован дискретный фильтр Калмана [4]:

X/ i-1 =ФА;

xO = x°t,i-1 + ÍK.(y^ - yo);

j=1

m n

У]1 ~ Н]1Х1 /1-1;

Р / .-1 =ф р ф: + а»;

к. = р. / .-1 я/ (нр / г-1 н; + Я, )-1;

р = р. / г-1 - р / г-1н; (нр / ,1н/+р)-1 нРр]1 / г-1, где у - расчетные значения координат подвижного источника излучения,

полученные с помощью разных методов обработки последовательности видеоизображений; у - вектор оценок наблюдаемых координат подвижного источника излучения; х° - оценка вектора состояния подвижного источника излучения; х°°/.-1 - оценка вектора прогнозирования состояния подвижного источника излучения; К. - матрица коэффициентов; Р^/г-1 - дисперсионная матрица вектора состояния источника полезного излучения; р . - дисперсионная матрица оценки вектора состояния источника полезного излучения; Ф. - матрица состояний; н. - матрица наблюдений; Я]{, а. - интенсивность формирующего шума и помех измерения;

^1,2 - количество каналов обработки.

2. Результаты

2.1. Идентификация подвижного источника излучения на основе методов корреляционного анализа.

Использованы видеоизображения, полученные в экспериментальных исследованиях системы слежения с оптическим координатором. На рис. 1 представлен видеокадр после его обработки с помощью метода корреляционного анализа (см. подраздел 1.2).

1з1

23-

Рис. 1. Обработанный видеокадр

На этом рис. 1 показаны область поиска (1), область перезаписи эталона (2), размеры и положение объекта (3), новые размеры объекта при

перезаписи эталона (4).

2.2. Идентификация подвижного источника излучения на основе обобщенного критерия.

2.2.1. Разработка алгоритма идентификации подвижного объекта на основе обобщенного критерия.

Для выделения координат подвижного источника на основе оценки характеристик подвижного объекта (см. подраздел 1.1) с помощью программного комплекса «Видеоанализ» [5] выбрана последовательность методов обработки (рис. 2 а). Для селекции полезного источника на фоне помех были использованы следующие его параметры: максимальная яркость I, площадь объекта £ , коэффициент формы / (отношение ширины к высоте), линейная скорость движения объекта V, угловая скорость с, направление вращения N (1 соответствует вращению по часовой стрелке, 0 - против часовой) [2].

Для полезного объекта заданы критическое значение обобщенного объекта Фтах = 0,5 и следующие значения весовых коэффициентов:

К К к/ К кс

0,060 0,075 0,043 0,016 0,161 0,645

Моделирование разработанного алгоритма проведено по последовательности экспериментальных видеокадров, на которых имеется изображение подвижного источника излучения и оптической помехи с характеристиками, близкими к полезному объекту.

При использовании первоначально заданных значений весовых коэффициентов, полученные по результатам обработки последовательности видеоизображений значения комплексного критерия для подвижного источника излучения и оптической помехи приведены на рис. 2 б. Как можно видеть из рис. 2 б, при Фтах = 0,5 не обеспечивается стабильное выделение требуемой траектории полезного источника излучения, возможен захват помехи или потеря траектории.

2.2.2 Фильтрация параметров селекции.

Для улучшения и стабилизации селекции проведена фильтрация параметров объекта: линейной и угловой скорости и площади. После усреднения по шести точкам оценок линейной и угловой скорости и площади получены значения комплексного критерия, приведенные на рис. 2 в.

Качество селекции улучшилось, однако остаются точки, где значения комплексного критерия для траектории помехи ниже Фтах, а также точки, где значения комплексного критерия для траектории полезного источника превышают его. Возможны случаи как невыделения полезного объекта, так и идентификации вместо полезного источника помехи.

2.2.3. Корректировка значений весовых коэффициентов.

Для повышения качества идентификации подвижного источника

излучения проведена корректировка значений весовых коэффициентов, основанная на учете того, что после фильтрации параметров объекта относительная погрешность их оценки уменьшается. Проведено увеличение значений весовых коэффициентов для линейной и угловой скоростей и площади в 40 раз и изменение критического значения комплексного критерия Фтах = 1,5. В этом случае получены значения комплексного критерия для полезного объекта и помехи, приведенные на рис. 2 г.

Г ИР5ш<1|0 - С кг5 '15нЛОосите лсМхРлонФеренци»ЛСаров\20

Файл Проеп 0 програиыг

■Ь 4 . Ь в Й ► И1["1

I Проект ЕЕ

| | Превшие ней?»»* | Ст»тус | 8се*>

[Чтете панн»-, из фанпв] Кмффмх ■ ■ Выполнено 11 пс

[чте»*>е данных из файла] 1 Нинам Выполнено 6 ис

1 [Загрузить изображежя] Изображен., Выпоено 9682 не

1 [Обреншие по ирши ч] Обре ы»»«е г Вьгел^ио 9 ис

1 [Б»#«астл|Ий и»6рюе»»й] Бичадо.. Выполнено 10762.,.

1 [Быделтге объектов] Объекта 1 Выполнено 81729*

I [Разпевная селемир] Селеюня лор.. Выю/иено 7 пс

1 [Иетод трвсс] мет« трвос г Выполнено ис

1 [Фнл»тра^я лагте»: Фильтрате 1 Выполкно 9 не

1 [Сслвшня о&ьвстое] Селекцчя I Вьпалив« 140 ис

| [Пвоочтр объектов] Результат 1 Выточено 1074 нс

1 [ТЪеобразование таблиц] Пргабра».. Выполнено 9 ис

[ТЪеображвдиие твблщ] Преобраэо.. Вьлогнено 32 не

| Июбраженип Действш ¡Проект Д««,.е | ш т

|[ 000365.|рд Яркость; - Л - V: •

а

1 1 1 1 и и Л 1 1 1 1 1 -трэ< :а 2

м ШШ 1.1, 1 || 1

О 0.5 1 1.5 2

б

Трасса 1 -Трасса 2

О 0.5 1 1.5 2

в

ОТ

У чи*

Трасса 1 -Трасса 2

Х^Л , сц

О 0.5 1 1.5 2

Рис. 2. Выделение координат полезного источника на основе оценки характеристик подвижного объекта: а - последовательность методов обработки; б - первоначально полученный Ф; в - Ф после фильтрации параметров селекции; г - Ф после корректировки весовых

коэффициентов

Как можно видеть, значения комплексного критерия для траектории помехи полностью превышают значение Фтах = 1,5, а для полезного источника не превышают это значение. Это позволяет значительно увеличить качество идентификации подвижного источника излучения.

2.3. Комплексирование результатов обработки.

Рассмотрены возможности объединения результатов выделения координат подвижного источника излучения, полученных с помощью как корреляционного метода, так и метода оценки характеристик подвижного объекта.

Разработка и моделирование работы фильтра Калмана для комплексной обработки выделенных координат подвижного объекта проведены с помощью программного комплекса «Идентификация» (рис. 3) [7], предназначенного для обработки результатов экспериментов различными методами и реализованными отдельными подключаемыми модулями.

Фильтр Калмана при наличии выделенных координат подвижного источника излучения двумя методами обработки: Б1 = 1 и б2 = 1 (режим комплексирования) - имеет следующий вид:

Х1э, = Х1ф/ + Х2ф/ То + Х3ф/ То^

х2э, = - х1ф/ + х2ф/ + х3ф/ То;

Х3 = Х3 •

х1ф, = х1эг- + -Х1эг) + к21 82(х2,-КС1Х\Э1);

х2ф, = Х2э/ + к121Б1(хц - х1э/ ) + к221Б2(Х2, - косгХ1эг );

х3ф, = Х3э/ + к13, Б1(хц - Х1э, ) + к23, Б2 (Х21 - косХ1э, X

где х11, х21 - вычисленные координаты источника двумя методами; признаки выделения подвижного объекта б1 и б2 : б, = 1 - при выделении объ-

г

екта, = 0 - при невыделении объекта.

*П)-(РП5 с +Н Рц> й,-1 рго-<а-кго с> ри*ргс (л-кд с>г+

в, К'га *н р, и'-кп) я], н'-м рц к'в)

Рис. 3. Разработка и моделирование работы фильтра Калмана

При отсутствии сигналов Б1 = 0 и б2 = 0 (режим прогнозирования)

х1ф, = х1Ф1 + х2Ф1 То + х3Ф1 то2/2; х2ф1 = х2ф1 + Хх3ф1То.

С помощью программы МайаЬ получены амплитудно-частотные характеристики фильтра Калмана (рис. 4 а): кривая а - при б1=0, б2=1 (по сигналу, полученному корреляционным методом); кривая б - при б1=1, б2=0 (по сигналу, полученному методом оценки характеристик); кривая в -при б1=1, б2=1 (при комплексировании сигналов).

На рис. 4 б приведены выделенные координаты подвижного объекта после обработки видеоряда, сформированного в процессе проведения экспериментальных исследований системы слежения с оптическим координатором, а также результаты объединения этих координат: СХ, СУ - обработка с помощью корреляционного метода; X, У - обработка методом оценки характеристик подвижного объекта; ХГ, УГ - комплексирование результатов с помощью фильтра Калмана.

На рис. 4 г приведены спектральные характеристики выделенных координат подвижного источника излучения.

При использовании корреляционного метода на интервале времени 9...10 с выделенные координаты подвижного источника излучения имеют значительные погрешности. Комплексирование результатов обработки с использованием разных методов обработки позволяет повысить качество расчета координат подвижного источника излучения по сравнению с оценками, полученными каждым методом в отдельности. Кроме того, обеспечивается улучшение и спектральных характеристик координат полезного

сигнала излучения.

ВосЗе Оадгзт

Ргогп Эпе Wave То 1>зсге*е-Т1те 1п1едга1ог1

Ргечивпсу (га<3/вес)

а

в

Рис. 4. Комплексированиерезультатов обработки: а - амплитудно-частотные характеристики фильтра Калмана; б - выделенные координаты источника полезного излучения; в - спектральные характеристики выделенных координат источника

полезного излучения

Таким образом, в работе разработан методический подход к объединению результатов обработки и выделению подвижного источника из-

лучения по последовательности видеоизображений разными методами видеоанализа. Проведенное тестирование и обработка экспериментальной последовательности видеоизображений показали эффективность предложенной методики.

Список литературы

1. Замарахин С.В., Понятский В.М., Яковлев А.Е. Выделение полезного источника излучения на основе корреляционного метода в системе слежения с телевизионным координатором // Вестник ТулГУ. Сер. «Радиотехника и радиооптика». Тула: Изд-во ТулГУ, 2013. Т. 13. С.61 - 65.

2. Селекция изображения полезного источника излучения на фоне помех по комплексному критерию / В.М. Понятский [и др.]. Вестник ТулГУ. Сер. «Радиотехника и радиооптика». Тула: Изд-во ТулГУ, 2013. Т.13. С.131 - 136.

3. Понятский В.М., Егоров Д.В., Макарецкий Е.А. Выделение пересекающихся траекторий по последовательности видеокадров //Известия ТулГУ . Технические науки. Вып. 6. Ч.2. Тула: Изд-во ТулГУ. 2013. С. 200 - 205.

4. Понятский В.М. Комплексирование результатов обработки и выделения источника полезного излучения по последовательности видеоизображений // Вестник ТулГУ. Сер. «Радиотехника и радиооптика». Тула: Изд-во ТулГУ, 2013. Т.13. С. 120 - 124.

5. Егоров Д.Б., Понятский В.М. Программный комплекс обработки последовательности видеоизображений // Труды VIII Международной конференции «Современные информационные технологии и ИТ-образование» (8-10 нояб): М.: Изд-во МГУ. 2013. С. 312 - 316.

6. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: учеб. пособие для студентов вузов. М.: Высш. шк., 1983.

7. Понятский В.М., Киселев В.Б., Замотаев И.В. Математическое и программное обеспечение идентификации нестационарного динамического объекта с использованием метода инвариантного погружения // Материалы VIII Международной конференции "Идентификация систем и задачи управления"(26 - 30 января, 2009) М.: ИПУ, 2009. С. 546 - 571.

Понятский Валерий Мариафович, канд. техн. наук, доц., начальник бюро kbkedr@tula.net, pwmru@rambler.ru, Россия, Тула, ОАО «Конструкторское бюро приборостроения им. академика А. Г. Шипунова»

INTEGRATION (COMPLEXATION) THE ESTIMATIONS OF COORDINATES OF MOBILE OBJECT RECEIVED BY DIFFERENT METHODS OF PROCESSING OF SEQUENCE OF

VIDEO IMAGES

V.M. Ponjatsky

Questions of association of results of processing of sequence of the video images re-

ceived or from one direction finder, but processed by different methods, or from direction finders of the various physical nature are considered.

Key words: the image, processing, selection, integration (complexation), coordinates.

Ponyatskiy Valeriy Mariafovich, candidate of engineering, docent, head of bureau, kbkedr@,tula. net, pwmru@rambler. ru, Russia, Tula, KBP named after academician A.G. Shipunov

УДК 621.454.3

ОЦЕНКА ДЫМООБРАЗОВАНИЯ ТОПЛИВА

ПО ПОСЛЕДОВАТЕЛЬНОСТИ ВИДЕОИЗОБРАЖЕНИЙ

Е.Н. Семашкин, Ю.С. Швыкин, В.М. Понятский, И.В. Кирюхин, А.В. Лапшин, С.В. Замарахин

Предложен способ определения мощности дымообразования топлива при анализе изображений, полученных при видеосъёмке рабочего процесса ракетного двигателя.

Ключевые слова: ракетное топливо, дымообразование, методика.

В настоящее время практически все комплексы управляемого вооружения имеют в составе системы, отвечающие за информационную связь управляемой ракеты с пусковой установкой (передача команд или непосредственное наблюдение за ракетой и целью). В то же время двигательная установка ракеты из-за горения топлива создает дымовые помехи прохождению полезного сигнала, в особенности по оптическим линиям связи. Также в последнее время стали обращать пристальное внимание на то, что дымовое облако демаскирует положение пусковой установки и комплекса в целом. В этой связи необходимо применять топливо с уменьшенным дымообразованием. Дымообразование топлива характеризуется удельной мощностью дымообразования Пуд, м2/кг. Эта величина показывает ослабляющую площадь аэрозолей, образующихся при сжигании 1 кг топлива.

На сегодняшний день задачу теоретического расчёта удельной мощности дымообразования из-за ее сложности решить не удалось, поэтому ее определяют экспериментально. В настоящее время существуют различные методики экспериментального определения удельной мощности дымо-образования [1]. Все они имеют преимущества и, как зачастую бывает, недостатки, главным из которых является громоздкость экспериментальной установки и, как следствие, отсутствие мобильности или трудности смены местоположения.