基于視頻圖像的森林火災(zāi)識別算法研究*

齊懷琴，徐 剛，王 娜

（齊齊哈爾大學(xué) 通信與電子工程學(xué)院，黑龍江 齊齊哈爾 161041）

1 引言

基于視頻的火災(zāi)檢測方法是當(dāng)前火災(zāi)檢測領(lǐng)域的重要手段，能有效克服傳統(tǒng)檢測技術(shù)的有效探測距離短、覆蓋范圍小等缺點(diǎn)，使大空間對火災(zāi)的檢測成為可能。近年來，人們針對視頻的火災(zāi)檢測技術(shù)已經(jīng)展開了深層次的研究[1-8]。Phillips W等[1]利用色彩視頻序列圖像中物體的顏色和抖動來確定火焰的存在；沈詩林等[2]提出的一種基于圖像相關(guān)性進(jìn)行火災(zāi)檢測的方法以及Yamagishi等[3]提出的基于HSV空間和神經(jīng)網(wǎng)絡(luò)的彩色圖像火焰檢測算法，對靜態(tài)圖像判決較好，但卻沒利用動態(tài)特征；袁菲牛等[4]提出的通過度量火焰輪廓信息，并在頻域內(nèi)進(jìn)行分析來對火焰進(jìn)行識別，此方法能準(zhǔn)確地度量圖像的時空閃爍特征，張本礦等[5]提出了將神經(jīng)網(wǎng)絡(luò)和模糊函數(shù)相結(jié)合的辦法，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)功能，自動生成隸屬度函數(shù)，但算法復(fù)雜，在嵌入式系統(tǒng)中實現(xiàn)較為困難。

針對上述問題，筆者提出了一種基于視頻的火災(zāi)圖像檢測算法，以火焰疑似目標(biāo)的重心和面積的變化率作為特征量，通過設(shè)定隸屬度函數(shù)來確定對火焰的隸屬程度，從而判斷是否有火焰發(fā)生。

2 火災(zāi)識別算法

筆者提出的火災(zāi)識別算法分兩個步驟：1）先對現(xiàn)場圖像進(jìn)行預(yù)處理，利用火焰的靜態(tài)和動態(tài)特性，通過閾值對現(xiàn)場圖像進(jìn)行分割，進(jìn)而提取主要檢測目標(biāo)；2）通過設(shè)定模糊判定法則以及隸屬度函數(shù)來判斷目標(biāo)是否為火災(zāi)。

2.1 疑似目標(biāo)提取

色彩是火焰的主要靜態(tài)特征，HSI色彩空間是從人的視覺系統(tǒng)出發(fā)，用色調(diào)（hue）、飽和度（saturation）和亮度（intensity）來描述色彩，更加方便色彩的處理和識別。圖1是一幅火災(zāi)圖像及其色調(diào)、飽和度和亮度的分量圖。圖中顯示，火災(zāi)圖像的飽和度和亮度的分量圖最能體現(xiàn)火焰特征。

因此，本文的火焰目標(biāo)提取主要針對火災(zāi)圖像的飽和度特征和亮度特征進(jìn)行處理。對于視頻圖像中的第i幀圖像，分別通過對其飽和度分量圖和亮度分量圖設(shè)定閾值，進(jìn)行二值化處理，提取飽和度分量圖和亮度分量圖的公共目標(biāo)區(qū)域，作為Gi。

由于火焰燃燒時的相鄰圖像間火焰圖像部分存在差異，而背景圖像部分基本不變，因此利用火焰圖像的上述動態(tài)特性進(jìn)行火焰圖像提取。對相鄰兩幀圖像提取目標(biāo)區(qū)域圖像為Gi和Gi+1，然后對這兩幅圖像進(jìn)行相減處理（對于小于0的值設(shè)為0），生成圖像GD（x，y）

應(yīng)用Wiener濾波器對GD（x，y）進(jìn)行平滑除噪處理，去除孤立點(diǎn)噪聲。然后利用以下方法判斷出圖像Gi+1中的火災(zāi)區(qū)域。本文改進(jìn)了區(qū)域增長法，不僅種子的選取采用差分圖像，增長條件也從一般的判斷單方向梯度改進(jìn)為判斷各個方向梯度的最大值，可有效減少像素的漏判。步驟為：

1）以圖像GD（x，y）作為開始檢測目標(biāo)像素集。

2）以新的像素集作為檢測起始點(diǎn)。

3）確定聚類條件作為像素增長準(zhǔn)則。

（1）與種子點(diǎn)相鄰。

（2）像素點(diǎn)本身的亮度值大于T。經(jīng)試驗，T一般取值在0.9左右比較合適。

（3）定義 Gi+1圖像中各方向的梯度最大值 R（x，y），因為火焰區(qū)域中 R（x，y）一般取值較小，因此設(shè)定 R（x，y）小于0.1基本可以有效檢測到火焰區(qū)域。其中，R（x，y）定義為

4）對整幅圖像進(jìn)行搜索，找到符合步驟3）的像素，加入到像素集。生成新的像素集，判斷像素集是否增加，如果增加，回到步驟2），如果沒有增加，執(zhí)行步驟 5）。

5）用像素集里的像素生成圖像G2′。

2.2 模糊判定法則

由于火災(zāi)監(jiān)控現(xiàn)場的復(fù)雜性，各種干擾源都可能出現(xiàn)，因此對火災(zāi)目標(biāo)的識別存在模糊性。本文定義模糊數(shù)學(xué)的隸屬函數(shù)來判斷目標(biāo)是否為火災(zāi)。提取疑似火焰圖像后，主要從疑似火焰圖像的重心位置變化和面積變化比率來分析。

面積定義為目標(biāo)提取二值圖像中像素為1的點(diǎn)的和

對于一個m×n大小的圖像面積變化率定義為

首先考慮重心位置變化，定義目標(biāo)圖像的重心位置，則二值化圖像 G2′重心位置 C（xc，yc）為

通過計算各幀圖像的重心坐標(biāo)位移偏移量CDLi，以及與目標(biāo)圖像標(biāo)準(zhǔn)長度大小LS的比率Lv來設(shè)定隸屬函數(shù)。CDLi，LS，Lv分別定義如下

由于火災(zāi)現(xiàn)場的火焰處于一種不穩(wěn)定狀態(tài)，其變化十分復(fù)雜，因此構(gòu)建兩層模糊分類系統(tǒng)，定義兩個隸屬函數(shù)分別為

由于面積變化率和重心坐標(biāo)偏移率具有非相關(guān)性，任何一條都可以獨(dú)立判斷火災(zāi)是否發(fā)生，因此兩者的乘積對判斷火災(zāi)更為準(zhǔn)確。最后的隸屬度函數(shù)定義為σ，其表達(dá)式為

3 實驗結(jié)果及數(shù)據(jù)分析

為了驗證算法的性能，對大量火災(zāi)視頻進(jìn)行了研究實驗。圖2a是從火災(zāi)視頻中提取的12幀連續(xù)變化的火焰圖像，通過2.1節(jié)的火焰目標(biāo)提取方法，得到了目標(biāo)提取圖像，如圖2b所示。

可以看出，火焰目標(biāo)提取算法能基本有效提取火焰目標(biāo)。 通過實驗得出， 當(dāng) tS1=0.25，tS2=0.75，tl1=0.01，tl2=0.12時一定有火災(zāi)發(fā)生。圖3顯示了上述12幀火焰圖像序列的面積變化率ΔS和重心偏移量比率Lv都在閾值范圍內(nèi)。

對燈光圖像和蠟燭圖像進(jìn)行測試，分別提取了連續(xù)的5幀圖像，并按式（10）分別計算了隸屬度，表1為計算結(jié)果。

對各種目標(biāo)的分析如下：1）路燈，光亮部分基本靜止，重心偏移量比率及面積變化率都接近為0，因此隸屬度為0；2）蠟燭，重心偏移量比率及面積變化率都很小，因此隸屬度很小；3）公路上車燈，重心偏移量比率較大，但面積變化率接近為0，因此隸屬度為0。

表1 不同情況的隸屬度數(shù)據(jù)

4 小結(jié)

筆者提出一種面向視頻圖像序列的火災(zāi)識別算法，本算法兼顧了利用火災(zāi)圖像的靜態(tài)特征和動態(tài)特征，構(gòu)造模糊隸屬度函數(shù)來判斷火災(zāi)是否發(fā)生。本文方法計算速度快，耗時較少，對火災(zāi)圖像識別率高，可以在嵌入式系統(tǒng)中實現(xiàn)，對于實時的火災(zāi)檢測十分有效，值得進(jìn)一步研究。

[1]PHILLIPS W，SHAH M，LOBO N V.Flame recognition in video[J].Pattern Recognition Letters，2002，23（1-3）：319-327.

[2]SHEN S，YU C，YUAN F.Renovated method for identifying fire plume based on image correctation[J].Journal of Safety and Environment，2007，7（6）：96-99.

[3]YAMAGISHI H，YAMAGUCHI J.Fire flame detection algorithm using a color camers[C]//Proc.1999 International Symposium on Micromechatronios and Human Science.Nagoya，Japan：[s.n.]，1999：255-260.

[4]袁非牛，廖光煊，張永明.計算機(jī)視覺火災(zāi)探測中的特征提取[J].中國科學(xué)技術(shù)大學(xué)學(xué)報，2006，36（1）：39-43.

[5]張本礦，吳龍標(biāo)，王進(jìn)軍.火災(zāi)探測的模糊神經(jīng)網(wǎng)絡(luò)方法研究[J].科技導(dǎo)報，2000，22（4）：687-691.

[6]王躍宗，劉京會.基于視頻的火災(zāi)實時檢測方法[J].計算機(jī)工程與技術(shù)，2009，30（18）：4330-4332.

[7]王亞軍，徐大芳，陳向成.基于火焰圖像動態(tài)特征的火災(zāi)識別算法[J].測控技術(shù)，2007，26（5）：7-9.

[8]汪錦，于偉華，韓韜.面向紅外視頻圖像的火焰識別[J].上海交通大學(xué)學(xué)報，2008，12（42）：1979-1982.