基于圖像的火災(zāi)火焰探測技術(shù)研究與發(fā)展

楊家桂

（安徽財(cái)經(jīng)大學(xué)，安徽 蚌埠 233030）

基于圖像的火災(zāi)火焰探測技術(shù)研究與發(fā)展

楊家桂

（安徽財(cái)經(jīng)大學(xué)，安徽 蚌埠 233030）

根據(jù)圖像型火災(zāi)探測的原理以及火災(zāi)的視覺特征，分析了火焰的靜態(tài)特征、動(dòng)態(tài)特征的提取及識別方法，并對圖像型火災(zāi)探測技術(shù)的熱點(diǎn)難點(diǎn)進(jìn)行討論，對未來的發(fā)展方向進(jìn)行闡述和展望。

火災(zāi)圖像；火焰探測；信息融合

火災(zāi)是一種頻繁發(fā)生而又損失慘重的災(zāi)難，一直是人們極力關(guān)注而又要求預(yù)防、遏制的災(zāi)禍。大量的火災(zāi)案例說明，火災(zāi)早期探測是預(yù)防火災(zāi)、及時(shí)撲滅火災(zāi)、減少火災(zāi)損失的有效手段。傳統(tǒng)的火災(zāi)探測技術(shù)中，感煙、感溫、感光等探測器由于受到各種因素(空間高度、空氣流速、粉塵、溫濕度等)的影響，進(jìn)行火災(zāi)探測都遇到了不同的困難，在一定程度上造成漏報(bào)或誤報(bào)或延報(bào)。隨著日趨嚴(yán)格的火災(zāi)安全要求以及各種現(xiàn)代技術(shù)的發(fā)展，使火災(zāi)探測預(yù)警方式正在向圖像化和智能化發(fā)展，出現(xiàn)了融圖像處理、模式識別、計(jì)算機(jī)等若干領(lǐng)域的先進(jìn)技術(shù)于一體的基于圖像的可視火災(zāi)探測技術(shù)。與傳統(tǒng)的火災(zāi)探測技術(shù)相比具有顯著的優(yōu)勢，如響應(yīng)速度快，監(jiān)測范圍廣，距離遠(yuǎn)等，適用于高大空間場所、室外環(huán)境中使用，使火災(zāi)探測更大程度地滿足人們對火災(zāi)安全的需求，也代表了當(dāng)今火災(zāi)探測技術(shù)的較高水平。

在圖像型火災(zāi)探測技術(shù)中，數(shù)字圖像處理是核心。將視頻轉(zhuǎn)換為圖像之后，首先進(jìn)行預(yù)處理，如濾波等，然后對圖像進(jìn)行分割即將圖像中的目標(biāo)與背景進(jìn)行分離，以找出目標(biāo)對象，再提取目標(biāo)的各種特征，最后根據(jù)提取的特征對目標(biāo)進(jìn)行分析以判斷該目標(biāo)是火災(zāi)現(xiàn)象還是疑似火災(zāi)現(xiàn)象或是非火災(zāi)現(xiàn)象。根據(jù)火災(zāi)發(fā)生過程中的物理特征有火焰、煙氣和燃燒音，圖像型火災(zāi)探測技術(shù)主要是研究火焰和煙霧的特征。文章著重討論了火災(zāi)火焰的探測算法以及圖像型火災(zāi)探測技術(shù)難點(diǎn)和發(fā)展方向。

1 基于圖像的火焰探測

火災(zāi)火焰一般具有較為明顯的視覺特性：火焰顏色、亮光、閃爍和外形變化等。圖像型火災(zāi)探測研究最早開始于對火焰的檢測，目前已經(jīng)提出多種基于圖像的火災(zāi)火焰檢測算法。

1.1 火焰靜態(tài)特征提取

靜態(tài)特征主要體現(xiàn)在顏色、內(nèi)部結(jié)構(gòu)和外部輪廓?；鹧骖伾诓煌噬臻g如RGB、HSV或HIS、YUV中具有特定的分布特性，在火焰區(qū)域內(nèi)部還具有持續(xù)的層次性變化；同時(shí)燃燒使火焰區(qū)域始終處于持續(xù)的變化中，這決定了其結(jié)構(gòu)的復(fù)雜性及其特有的紋理、輪廓等特性。

（1）顏色特征。顏色是火焰最顯著的特性，也是火焰探測算法中最常用的信息。有些研究者是基于RGB色彩模型進(jìn)行火災(zāi)分析。Phillips等選擇許多火焰圖像和人工分割的模板圖像進(jìn)行訓(xùn)練，然后采用高斯平滑的方式生成火焰色彩直方圖。根據(jù)選定的閾值生成火焰色彩的布爾檢測函數(shù)。該方法增強(qiáng)了對不同場景的適應(yīng)能力，但計(jì)算復(fù)雜，難以滿足實(shí)時(shí)性要求。T.Ono等專門針對隧道中的車輛火災(zāi)，首先利用背景差分法提取前景區(qū)域，然后計(jì)算該區(qū)域像素R通道和G通道顏色的特征值，最后利用神經(jīng)網(wǎng)絡(luò)判斷是否為火焰像素。

但火焰顏色分析時(shí)常用的RGB模型不能很好反映人眼視覺感知，所以在一些的研究中，將RGB模型轉(zhuǎn)換為適合人眼視覺的HSI模型，再依據(jù)火焰顏色區(qū)域的色調(diào)和飽和度的連續(xù)變化來分割火焰區(qū)域。Homg等在HSI空間利用分解法提取火焰顏色區(qū)域，通過序列差分和顏色掩模濾除具有火焰顏色的其他運(yùn)動(dòng)目標(biāo)或火光反射區(qū)。有的文獻(xiàn)通過實(shí)驗(yàn)總結(jié)出火焰H、I、S像素分別滿足的條件，再逐個(gè)像素處理將火焰區(qū)域從背景圖像中分割出來。也有的文獻(xiàn)通過大量實(shí)驗(yàn)給出了R通道的亮度和飽和度判據(jù)來判斷火焰像素的真實(shí)性，也有的研究綜合運(yùn)用這兩種顏色判據(jù)來進(jìn)行火焰區(qū)域的判斷。Liu等用光譜和結(jié)構(gòu)模型來提取火焰的候選區(qū)域，選擇疑似焰核的高亮部分作為種子，沿梯度方向生長，將火焰HSV高斯混合模型概率較高的鄰域像素引入?yún)^(qū)域，再用閾值校驗(yàn)區(qū)域邊緣上具有內(nèi)部顏色的像素比例，濾除接近純色的區(qū)域。文獻(xiàn)中提出在不同色彩空間實(shí)現(xiàn)的約束具有一定的互補(bǔ)性，利用粗糙集理論將HSI規(guī)則約束、RGB 規(guī)則約束、火焰區(qū)域的色彩分布特征和閃爍特征分別看作不同的劃分，最后通過綜合劃分集合得到火焰區(qū)域。

?elik 等提出了一種基于模糊邏輯的火焰色彩特征分析方法，通過在YUV色彩空間對視頻幀中每個(gè)象素點(diǎn)的色彩特征分析來提取火焰區(qū)域，但如何準(zhǔn)確建立基于色彩特征的火焰模型成為提高火焰區(qū)域提取準(zhǔn)確度的關(guān)鍵。G. Marbach在YUV空間通過分析火焰信息的時(shí)空變化，來初步判定火焰區(qū)域，然后提取該區(qū)域的亮度、頻率幅值、飽和像素點(diǎn)個(gè)數(shù)等特征值來進(jìn)一步判斷是否該區(qū)域像素為火焰像素。文獻(xiàn)中利用YUV顏色模型中標(biāo)出高亮度區(qū)域作為疑似火焰焰心區(qū)域，再通過幀差法和離散分?jǐn)?shù)布朗隨機(jī)場模型進(jìn)行早期火災(zāi)的判斷。

（2）輪廓特征。Yamagishi等采用邊緣算子和極坐標(biāo)變換提取區(qū)域輪廓。Liu等用傅里葉系數(shù)描述提取的疑似區(qū)域邊緣輪廓。同時(shí)構(gòu)建環(huán)狀嵌套的火焰區(qū)域結(jié)構(gòu)模型，以一維傅里葉系數(shù)描述其區(qū)域的二維輪廓。文獻(xiàn)中運(yùn)用迭代閾值方法選取閾值，把灰度圖像轉(zhuǎn)化為二值圖像，依據(jù)集合論的知識對連通區(qū)域進(jìn)行運(yùn)算，再依據(jù)面積閾值去除噪聲，提取目標(biāo)輪廓。沈詩林等提出利用運(yùn)動(dòng)圖像的質(zhì)心到邊緣的距離來描述火焰的輪廓；Xie等認(rèn)為Canny邊緣檢測算法得到的邊緣不連續(xù)，而傅里葉描述子應(yīng)用于小區(qū)域會(huì)引入噪聲，因此，提出采用形態(tài)學(xué)結(jié)合深度優(yōu)先搜索的方法來確定火焰的輪廓。許宏科等用數(shù)字圖像形態(tài)學(xué)中的重構(gòu)提取火焰亮度信息，再用腐蝕和膨脹來有效地提取火焰邊緣并進(jìn)行火焰區(qū)域邊界跟蹤，最后通過主成分分析法對顏色分布特征進(jìn)行降維處理得到RGB的特征值，送入神經(jīng)網(wǎng)絡(luò)進(jìn)行火災(zāi)識別。

（3）紋理和能量特征。Toreyin等人通過疑似區(qū)域的離散小波變換，計(jì)算疑似區(qū)域高頻能量與相對應(yīng)背景區(qū)域圖像的能量比值進(jìn)行檢測。袁非牛等人利用混合高斯模型進(jìn)行背景建模后，用背景差法獲得前景運(yùn)動(dòng)目標(biāo)，采用灰度共生矩陣的5個(gè)統(tǒng)計(jì)量：主對角線慣性矩、熵、逆差矩、灰度相關(guān)、能量來描述火焰紋理特征。陳曉娟提出用空間灰度層共現(xiàn)矩陣方法計(jì)算火災(zāi)圖像紋理特征信息即能量、熵、相關(guān)、慣性矩，用其來表示現(xiàn)場環(huán)境狀況。

盡管火焰靜態(tài)特征較豐富，但卻無法表達(dá)火災(zāi)燃燒的狀態(tài)和過程變化的信息，單一依據(jù)靜態(tài)特征作為火災(zāi)判斷的依據(jù)容易導(dǎo)致誤判或漏報(bào)。

1.2 火焰的動(dòng)態(tài)特征提取

相對于靜態(tài)特征，火焰的動(dòng)態(tài)特征更顯著也更復(fù)雜，不同于一般目標(biāo)的剛體運(yùn)動(dòng)或柔性扭曲，火焰運(yùn)動(dòng)具有隨機(jī)性、層次性和時(shí)頻性，主要表現(xiàn)為火焰邊緣的抖動(dòng)、火焰的蔓延或面積的變化和火焰的頻閃等特性。

（1）火焰邊緣抖動(dòng)特性。火災(zāi)火焰的邊緣具有抖動(dòng)特性，而其他高溫物體，燈光及穩(wěn)定火焰的邊緣比較穩(wěn)定，因此，利用邊緣檢測和邊緣搜索算法提取火焰邊緣，根據(jù)其形狀、尖角等來判斷其邊緣的時(shí)空變化特性。Yamagishi等在提取區(qū)域輪廓后，通過二維傅立葉變化來描述輪廓時(shí)空波動(dòng)的頻率分布情況，最后利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行火災(zāi)識別。吳龍標(biāo)等認(rèn)為僅用面積判據(jù)容易誤判，提出以尖角數(shù)目的變化來反映邊緣抖動(dòng)，聯(lián)合這兩種判據(jù)可減少誤報(bào)和漏報(bào)。汪錦等認(rèn)為以邊界的尖點(diǎn)作為火災(zāi)判據(jù)能有效識別近距離火焰目標(biāo)，而對于遠(yuǎn)距離較小的火點(diǎn)，其邊界輪廓較平滑，難以檢測其尖點(diǎn)。因此提出以火焰成像高度作為動(dòng)態(tài)特征量，分析采樣時(shí)間內(nèi)物體高度變化，并在灰度空間分析火焰的灰度分布，用模糊隸屬度法計(jì)算物體對于“火焰”的隸屬度，以達(dá)到火焰的提取、識別、定位。沈詩林等提出利用傅立葉描述子來度量火焰輪廓隨時(shí)間變化的時(shí)空特征，具有平移、旋轉(zhuǎn)和尺度不變性，最后采用距離模型來度量相鄰兩幀運(yùn)動(dòng)圖像輪廓變化的幅度，此算法簡單，計(jì)算復(fù)雜度低。韓斌等根據(jù)火焰的燃燒特性，選取相鄰幀邊界矩不變量的差值來描述火焰的動(dòng)態(tài)特征，再利用支持向量機(jī)對火焰和疑似火焰目標(biāo)樣本進(jìn)行分類檢測，該算法具有較低的虛警率和較強(qiáng)的抗干擾性能。

（2）火焰的閃爍特性?；鹧骈W爍具有特定的頻譜，是火災(zāi)火焰的重要特性。Phillips等用幀間像素的亮度差分來計(jì)算火焰的連續(xù)閃動(dòng)，為削弱全局運(yùn)動(dòng)的誤導(dǎo)，還要減去非火焰顏色的像素微分。Liu等在提取火焰區(qū)域和輪廓后，通過幀間前向估計(jì)獲得各區(qū)域的自回歸(AR)模型參數(shù)，再用AR模型去估計(jì)火焰邊緣運(yùn)動(dòng)的隨機(jī)特性。袁非牛等提出采用規(guī)格化的傅里葉描述子表述的輪廓距離模型來度量輪廓脈動(dòng)特征。但用傅里葉變換最大的問題是火焰閃爍不單純是正弦的而是隨機(jī)的，因此很難檢測出FFT的峰值，另外傅里葉變換不帶有時(shí)間信息。Toreyin在2005年提出利用Markov模型提取火焰閃爍信息，再分析火焰和非火焰顏色時(shí)空變化特征。Dedeoglu N等對火焰區(qū)域顏色變化進(jìn)行小波變換提取火焰閃爍信息，結(jié)合火焰區(qū)域邊緣的不規(guī)則性和火焰區(qū)域的增長特征，實(shí)現(xiàn)視頻火焰探測。但是這種方法難以區(qū)分火焰閃爍和車燈閃爍，而且計(jì)算量大不利于實(shí)時(shí)檢測。Toreyin等在2006年提出利用時(shí)空小波變換提取閃爍特征和邊緣模糊特征。程鑫等分析火焰閃爍頻率、亮度時(shí)變特性，并使用圖像的小塊分割算法和外形判斷的方法排除一些外界因素的干擾。張進(jìn)華等發(fā)現(xiàn)火焰閃爍時(shí)火焰高度的變化規(guī)律，將火焰高度的變化作為火焰識別的動(dòng)態(tài)特征量。

（3）火焰蔓延特性?；馂?zāi)發(fā)生時(shí)，若燃燒失去控制，一個(gè)顯著的特征是火開始蔓延，表現(xiàn)在圖像上即是火災(zāi)的面積開始擴(kuò)大。當(dāng)火災(zāi)增長的速率超過一定值或持續(xù)增長時(shí)，可認(rèn)為有火災(zāi)存在的可能。Chen等提出了一種二階決策機(jī)制，先用顏色特征檢測火焰的存在，再判斷火焰的蔓延或小尖狀態(tài)以此來識別火災(zāi)。Huang等利用火焰像素的增長和火焰質(zhì)心的不變性來進(jìn)一步確認(rèn)火災(zāi)區(qū)域。Horng等則在提取出的火焰輪廓中通過計(jì)算其白色像素和總像素的比值來估計(jì)火焰燃燒的程度。Xie等采用面積變化率及面積相對變化作為火焰動(dòng)態(tài)特征，可以消除車燈閃爍的影響。王振華在利用背景差法和HIS顏色模型取得火焰目標(biāo)后，計(jì)算其圓形度，再利用小波變換用近似分量表示面積的變化，用細(xì)節(jié)分量表示閃爍頻率，通過實(shí)驗(yàn)確定閾值，最后利用類似投票的方式來進(jìn)行火災(zāi)識別。

火焰的靜態(tài)和動(dòng)態(tài)特征都比較顯著，也都具有復(fù)雜多樣性，且共存互補(bǔ)，存在緊密的相關(guān)性,這對火焰特性的分析與建模構(gòu)成了不少困難，必須對兩者綜合考慮才能全面有效地識別火災(zāi)事件。所以很多的研究（包括上述各參考文獻(xiàn)）中是將顏色、結(jié)構(gòu)和運(yùn)動(dòng)特征結(jié)合起來火災(zāi)火焰的判斷和識別。史海山等對邊緣檢測之后的二值圖像進(jìn)行邊界跟蹤，可得到一個(gè)八方向的邊界鏈碼的封閉圖形，通過取閾值后統(tǒng)計(jì)圖像的亮點(diǎn)數(shù)得到區(qū)域面積；通過計(jì)算像素點(diǎn)之間的位置關(guān)系得到形體變化特性；統(tǒng)計(jì)不同灰度級的像素點(diǎn)在空間的分布規(guī)律得到分層變化；通過尋找此圖像中心點(diǎn)位置與上幀圖形的位置變化得到整體移動(dòng)特性。最后將提取的幾個(gè)特征利用遺傳算法和神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識別。

2 圖像型火災(zāi)探測技術(shù)研究難點(diǎn)和發(fā)展方向

盡管近年來基于圖像的火災(zāi)探測能力得到了大大的提高和完善，但是就整體而言，它仍處于一個(gè)較基礎(chǔ)的研究階段，面臨著不少的問題和難點(diǎn)，有待于進(jìn)一步的研究和探索。

2.1 研究難點(diǎn)

（1）各種環(huán)境條件探測靈敏度與可靠性的矛盾。發(fā)生火災(zāi)的場所和條件是各種各樣的，單純靜態(tài)的環(huán)境并不多，而在動(dòng)態(tài)環(huán)境條件下采集的圖像序列很容易受到各種干擾，如光照變化、背景混亂干擾、環(huán)境本身的條件如氣流、溫度等、攝像機(jī)與目標(biāo)的距離、目標(biāo)與環(huán)境顏色類似等，尤其是環(huán)境條件比較復(fù)雜的地方，想要做到實(shí)時(shí)快速準(zhǔn)確的判斷是比較困難的。

（2）探測算法的選擇。目前，國內(nèi)外學(xué)者提出的各種圖像型火災(zāi)探測算法，每個(gè)火災(zāi)檢測方法都適用于不同的場景或特殊的狀況，而且不少的算法驗(yàn)證都是在實(shí)驗(yàn)室環(huán)境下進(jìn)行的，能不能在實(shí)際的環(huán)境中應(yīng)用還有待研究。探測算法的復(fù)雜程度對火災(zāi)探測的實(shí)時(shí)性、系統(tǒng)的實(shí)現(xiàn)及其成本都有一定的影響。

2.2 發(fā)展方向

（1）多傳感器和多種特征的融合。在拍攝火災(zāi)圖像時(shí)攝像機(jī)的正下方往往形成盲區(qū)，可采用多個(gè)攝像機(jī)協(xié)同工作不僅能擴(kuò)大監(jiān)視的有效范圍，而且能提供多個(gè)角度的視頻序列，融合多個(gè)角度視頻的信息可提供深度信息?；蛘呃脭z像機(jī)和其他如氣體濃度傳感器、溫度傳感器等協(xié)同工作，多傳感器的使用關(guān)鍵在于多傳感器信息之間高效融合。同時(shí)利用信息融合的方法進(jìn)行火焰和煙霧各特征的決策融合，應(yīng)能有效提高火災(zāi)探測的有效性和魯棒性。

（2）探測算法的評價(jià)體系?，F(xiàn)在視頻火災(zāi)檢測算法是研究人員自己建立的數(shù)據(jù)庫測試評價(jià)的，缺乏一個(gè)標(biāo)準(zhǔn)的測試庫去評比不同算法之間的性能差異。而且以何種指標(biāo)進(jìn)行算法的評價(jià)，也沒有統(tǒng)一的標(biāo)準(zhǔn)。所以建立基于視頻的火災(zāi)特征數(shù)據(jù)庫，以及針對測試庫的算法評價(jià)標(biāo)準(zhǔn)，將是一個(gè)發(fā)展的方向。

3 結(jié)論

圖像型火災(zāi)探測是計(jì)算機(jī)視覺中視頻信息挖掘問題，不僅涉及圖像靜態(tài)特征的提取和處理，還需要對時(shí)空序列的動(dòng)態(tài)特征進(jìn)行分析。圖像型火災(zāi)探測相對于傳統(tǒng)的火災(zāi)感測技術(shù)具有多方面的優(yōu)越性。文章綜述了圖像型火焰和煙霧探測技術(shù)的最新研究進(jìn)展，同時(shí)對目前的難點(diǎn)和可能的發(fā)展方向做了闡述，希望能對相關(guān)領(lǐng)域的研究者和工程技術(shù)人員有所幫助。

[1] 陳濤,袁宏永,范維澄.火災(zāi)探測技術(shù)研究的展望[J].火災(zāi)科學(xué),2001(4):108-112.

[2] 楊俊,王潤生.基于計(jì)算機(jī)視覺的視頻火焰檢測技術(shù)[J].中國圖像圖形學(xué)報(bào),2008(7):1222-1234.

[3] T. Celik, H. Demirel, H. Ozkaramanli, and M.Uyguroglu.Fire Detection using Statistical Color Model in Video Sequences[J]. Journal of Visual Communication &Image Representation,2007,18: 176-185.

[4] B.-M.Lee,Dongil Han.Real-Time Fire Detection Using Camera Sequence Image in Tunnel Environment[C].Proceedings of ICIC,2007,4681:1209-1220.

[5] Chen Jun, Du Yang,Wang Dong. An Early Fire Image Detection and Identification Algorithm Based on DFBIR Model[C]. 2009 World Congress on Computer Science and Information Engineering,2009,229-232.

[6] Homg Wenbing, Peng Jimwen, Chen Chih yuan. A new image based real-time flame detection method using color analysis[C].Proceedings of the 2005 IEEE International Conference on Networking, Sensing and Control New York:IEEE,2005.

[7] Yamagishi H, Yamaguchi J. A contour fluctuation data processing method for fire flame detection using a color camera[C]. IEEE 26th Annual Conference on IECON of the Industrial Electronics Society, Nagoya, Japan: 2000，824-829.

[8] Ping-He Huang, Jing-Yong Su, et al. A Fire-Alarming Method Based on Video Processing[J]. Proceedings of the 2006 International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP'06).2006.359-364.

[9] Wen-Bing Horng, et al. A New Image-Based Real-Time Flame Detection Method Using Color Analysis[J].IEEE,2005,100-105.

[10] Thou-Ho Chen, Cheng-Liang Kao, et al. An intelligent real-time fire-detection method based on video processing[C], IEEE 37th Annual 2003 International Carnahan Conference on Security Technology,2003,Oct.14-16:104-111.

TN911.73

A

1008-1151(2011)08-0097-03

2011-04-26

楊家桂（1970－），女，安徽廬江人，安徽財(cái)經(jīng)大學(xué)電子信息工程系副教授，工學(xué)碩士，研究方向?yàn)橹悄軝z測與控制、信息處理與信息融合。