使用日夜兩用型紅外攝像機進行火焰檢測

摘要：為了提高火災監(jiān)控的準確性和及時性，并最大限度地利用已有硬件設備，提出一種使用日夜兩用型紅外攝像機的火災自動監(jiān)控方法.根據紅外圖像RGB空間的色彩分布特點，設計視頻類型判斷算法，實現視頻圖像類型自動切換.通過紅外狀態(tài)與可見光狀態(tài)兩類狀態(tài)下的焰色模型提取火焰疑似區(qū)域.對疑似火焰區(qū)域提取不規(guī)則度、角點量、閃爍頻率和幀間相關性等4個靜態(tài)及動態(tài)檢測特征.通過減聚類和模糊C均值聚類相融合的方式優(yōu)化訓練樣本，并分別訓練2種狀態(tài)下的火焰識別神經網絡分類器.實驗結果表明：視頻類型判別平均準確率93.07%，21段火焰或干擾視頻均能正確檢測，報警時間小于8 s，幀處理速度達到25幀/s以上.對室內自動火災監(jiān)控的精度高、抗干擾能力強、處理速度實時和適應全天候監(jiān)控等.



關鍵詞：火災科學;計算機視覺;火焰檢測;全天候監(jiān)控

中圖分類號：TP391.4 文獻標識碼：A

隨著圖像采集設備的普遍應用，結合模式識別、圖像處理和計算機視覺技術進行視頻火災監(jiān)控，已逐漸成為替代傳統(tǒng)感煙感光型傳感器火災檢測設備的主要趨勢.多數視頻火焰檢測 (Video Fire Detection， VFD)［1］系統(tǒng)中的識別算法均針對普通CCD攝像機設計，從可見光視頻畫面中提取火焰特征進行檢測.自1993年Healey等［2］提出針對可見光圖像中的火焰在RGB色彩空間建模進行視頻火焰檢測以來，針對可見光視頻火焰檢測方法已做了諸多研究［3-8］，并取得了較好的檢測效果.總體而言，彩色視頻圖像火焰檢測的算法主要分3類，即火焰靜態(tài)特征檢測，動態(tài)特征檢測和靜態(tài)、動態(tài)特征相結合的檢測方式.但實踐中，此類算法的問題在于：其一，算法往往結合焰色模型和運動檢測進行干擾源排除，靈敏度受圖像采集設備好壞和運動檢測算法優(yōu)劣的局限，并且一般可見光圖像的焰色模型只針對偏紅、偏黃的焰色設計，局限性較大；其二，火焰燃燒時本身的物理特性，例如熱度、亮度等信息無法得以充分應用，在一定程度上影響了檢測效率；其三，某些情況下夜間檢測受到影響，無法保證全天候監(jiān)控.

目前采用紅外視頻作為原始視頻數據，提取紅外視頻圖像中火焰特征的研究甚少［9-10］.文獻［9］首先通過運動和亮度檢測定位疑似火焰區(qū)域，然后對疑似區(qū)域進行小波分解，及構造3狀態(tài)1階Hidden Markov Model，提取火焰閃爍的時域變化規(guī)律.文獻［9］算法依賴于運動檢測結果，受燃燒材質和環(huán)境影響，不能保證燃燒狀態(tài)始終是脈動的，此時運動檢測算法往往無法提取出比較完整的穩(wěn)定燃燒的火焰，因此容易貽誤火災報警時機.文獻［10］通過熱感成像儀（常見熱成像儀工作在3～5 μm或8～12 μm）得到紅外火焰圖像進行檢測.紅外熱感成像儀利用物質的紅外輻射成像，能夠排除大多數非熱體干擾，具有較高檢測率，但其價格昂貴，通用性受到限制.

主動式近紅外攝像機根據周圍環(huán)境反射的紅外光成像，夜間成像不受影響，技術成熟且價格低廉，已成為安防領域的主流產品.但目前使用主動式紅外攝像機捕捉視頻流，并研究相應的火焰檢測算法的報道仍比較少.針對上述問題，本文提出使用日夜兩用型紅外攝像機進行室內早期火焰檢測的系統(tǒng)，其中著重介紹在夜間紅外視頻中的火焰檢測算法.同時，本文對全天候監(jiān)控狀態(tài)切換算法進行討論，并將紅外圖像火焰檢測與可見光圖像的火焰檢測結合，構成完整全天候檢測系統(tǒng).

4 結論

提出了一種使用日夜兩用型紅外攝像機進行室內全天候火焰檢測系統(tǒng).系統(tǒng)避免了常規(guī)方法對焰色模型的依賴，無需進行運動檢測預處理，具有較高的魯棒性.實驗表明，算法在測試視頻集中達到100%正確檢測，幀處理速度達到實時，可以應用于家庭、倉庫、禮堂等室內場所的全天候火災監(jiān)控.

參考文獻

［1］ 楊俊， 王潤生. 基于計算機視覺的視頻火焰檢測技術［J］. 中國圖象圖形學報， 2008， 13(7): 1222-1234.

YANG Jun， WANG Runsheng. A survey on computer vision based video fire detection［J］. Journal of Image and Graphics， 2008， 13(7): 1222-1234. (In Chinese)

［2］ HEALEY G， SLATER D， LIN T，et al.A system for real time fire detection［C］//CVPR’93. New York: IEEE Computer Society Press， 1993: 605-606.

［3］ LIU Chebin， AHUJA N. Vision based fire detection［C］// ICPR’04. Washington， DC: IEEE Computer Society Press， 2004: 134-137.

［4］ TREYIN B U， DEDEOLU Y， GDKBAY U，et al.Computer vision based method for realtime fire and flame detection［J］. Pattern Recognition Letter， 2006， 27(1): 49-58.

［5］ TREYIN B U，ETIN A E. Online detection of fire in video［C］//CVPR’07. Minnesota: IEEE Computer Society Press， 2007: 1-5.

［6］ ZHANG Zhong， ZHAO Jianhui， ZHANG Dengyi，et al.Contour based forest fire detection using FFT and wavelet［C］//Proceedings of 2008 International Conference on Computer Science and Software Engineering. Wuhan: IEEE Computer Society Press， 2008: 760-763.

［7］ CELIK T， DEMIREL H. Fire detection in video sequences using a generic color model［J］. Fire Safety Journal， 2009， 44(2):147-158.

［8］ YU Chunyu， FANG Jun， WANG Jinjun，et al.Video fire smoke detection using motion and color features［J］. Fire Technology， 2010， 46(3): 651-663.

［9］ TREYIN B U， CINBIS R G， DEDEOLU Y，et al.Fire detection in infrared video using wavelet analysis［J］. Optical Engineering， 2007， 46(6): 067204.

［10］汪錦， 于偉華， 韓韜. 面向紅外視頻圖像的火焰識別［J］. 上海交通大學學報， 2008， 42(12): 1979-1982.

WANG Jin， YU Weihua， HAN Tao. Fire detection based on infrared video image［J］. Journal of Shanghai Jiaotong University， 2008， 42(12): 1979-1982. (In Chinese)

［11］MORSE B S. Lecture 16:segmentation (edge based， cont’d)［EB/OL］. (2000-02-26). http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MORSE/edgeseg.pdf.

［12］HARRIS C， STEPHENS M. A combined corner and edge detector［C］//Proceedings of the 4th Alvey Vision Conference. Manchester: University of Sheffield Press， 1988: 147-151.

［13］AN Zhiwei， Yuan Hongyong， Qu Yugui. Data collection on the research of fire flash frequency［J］. Fire Safety Science， 2000， 9(2):43-47.

［14］OLLREO A， ARRUE B C， MARTINEZ J R，et al.Techniques for reducing 1 alarms in infrared forestfire automatic detection systems［J］. Control Engineering Practice， 1999:121-131.

［15］CHIU S L. Fuzzy model identification based on cluster estimation［J］. Journal of Intelligent Fuzzy Systems， 1994， 2(3): 267-278.

［16］A tutorial on clustering algorithms［EB/OL］. http://home.dei.polimi.it/matteucc/Clustering/tutorial_html/cmeans.html#bezdek.

［17］王瑩，李文輝. 基于多特征融合的高精度視頻火焰檢測算法［J］.吉林大學學報：工學版， 2010， 40(3): 769-755.

WANG Ying， LI Wenhui. Highprecision video flame detection algorithm based on multifeature fusion［J］. Journal of Jilin University :Engineering and Technology Edition， 2010， 40(3): 769-755. (In Chinese)