基于視覺的火災(zāi)探測技術(shù)特征分析

劉 占

中國人民武裝警察部隊學(xué)院部隊管理系

基于視覺的火災(zāi)探測技術(shù)特征分析

劉 占

中國人民武裝警察部隊學(xué)院部隊管理系

傳統(tǒng)煙控、溫控火災(zāi)探測設(shè)備難以滿足大空間、野外火災(zāi)監(jiān)測要求，基于視頻的火災(zāi)探測技術(shù)受到研究者廣泛關(guān)注。本文分析梳理了視頻火災(zāi)檢測過程中的圖像特征，分別從煙霧、火焰現(xiàn)象的靜態(tài)特征和動態(tài)特征進行了介紹，探討了多特征融合的火災(zāi)檢測技術(shù)，最后對視頻火災(zāi)探測技術(shù)發(fā)展進行了總結(jié)和展望。

近年，火災(zāi)事故頻發(fā)，成為威脅人類生命、財產(chǎn)安全的嚴重災(zāi)害之一?；馂?zāi)發(fā)生時，如何快速有效探測到火災(zāi)，將火災(zāi)消除在萌芽狀態(tài)，從而減少人員和財產(chǎn)損失，成為城市化進程中消防工作的重點內(nèi)容。

傳統(tǒng)火災(zāi)探測設(shè)備多采用溫控或煙控傳感器探測裝置，監(jiān)測目標為火災(zāi)發(fā)生過程中伴隨產(chǎn)生的高溫、高煙霧現(xiàn)象。一般情況下，火災(zāi)發(fā)生時會產(chǎn)生大量煙霧和明火，當煙霧濃度、空氣溫度超過傳感器設(shè)備設(shè)定閾值范圍，探測裝置被觸發(fā)報警?；馂?zāi)中，局部空間探測裝置離起火點越近，溫度越高，煙霧濃度越大，越容易被觸發(fā)報警。但火災(zāi)發(fā)生位置和時間的不確定性，往往造成火源位置與探測裝置之間存在一定距離，只能待煙霧、溫度擴展到傳感器監(jiān)測范圍內(nèi)，并達到監(jiān)控閾值才有可能觸發(fā)報警裝置，導(dǎo)致了火災(zāi)預(yù)警存在一定時間延遲。在大空間、野外場景中，溫度、煙霧易擴散，難聚集，溫控、煙控探測設(shè)備更難獲得有效預(yù)警。此外，通過安裝密集、多點監(jiān)測設(shè)備提高預(yù)警的策略則受成本、建筑物裝飾效果等限制，可操作性差。

針對傳統(tǒng)火災(zāi)探測設(shè)備的不足，基于視頻圖像的火災(zāi)探測技術(shù)成為國內(nèi)外研究者廣泛關(guān)注的熱點問題之一。視頻圖像火災(zāi)探測技術(shù)，利用攝像機裝置采集火災(zāi)數(shù)字圖像視頻，通過數(shù)字圖像處理和人工智能算法對連續(xù)圖像序列中的火災(zāi)信息特征進行提取、分析，從而實現(xiàn)火災(zāi)的識別、預(yù)警和精確定位。與傳統(tǒng)的溫控、煙控技術(shù)相比，視頻圖像處理方法探測范圍廣泛、應(yīng)用環(huán)境不受限制，同時可以對火情實時監(jiān)控，為準確處置火災(zāi)提供決策支持。

依據(jù)檢測圖像光波段的不同，視頻圖像火災(zāi)檢測技術(shù)可分為不可見光檢測（主要為紅外光）和可見光檢測。紅外檢測設(shè)備針對火災(zāi)中伴隨發(fā)生的熱輻射現(xiàn)象進行探測，可以實時地做出預(yù)警，識別算法簡單，準確率高，是被較早應(yīng)用于火災(zāi)探測的光學(xué)方法之一。與廣泛應(yīng)用于各種場合的視頻監(jiān)控設(shè)備相比，紅外設(shè)備成本較高，不適宜在大范圍內(nèi)推廣。如何在普通視頻圖像中識別火災(zāi)并預(yù)警，成為各國研究者的一項挑戰(zhàn)。本文在已有文獻基礎(chǔ)上，對可見光視頻火災(zāi)發(fā)生過程中煙霧、火焰目標特征及檢測識別技術(shù)進行分析探討。

煙霧特征探測

火災(zāi)初期往往產(chǎn)生大量煙霧，可作為判斷火災(zāi)的重要特征依據(jù)。同時，實際火場中，煙霧顏色特征、形狀特征、運動特征都極易受光照、風速等外界環(huán)境影響，又給識別效果帶來很大干擾。

煙霧靜態(tài)特征

顏色特征是最容易被人眼視覺捕捉的特征之一，也是最直接、最先識別的特征。數(shù)字圖像處理中顏色特征也最先被用于目標識別，且有RGB、YCbCr、HSV等多種顏色空間表述形式?；馂?zāi)剛發(fā)生時，煙霧呈現(xiàn)出的顏色特征并不顯著，隨火勢變化、溫度升高，煙霧顏色變化由白色到灰黑色，繼而又到黑色。根據(jù)煙霧顏色特征變化，Celik等人建立了RGB、HSV等多種顏色空間的火災(zāi)煙霧識別模型，但煙霧顏色在不同光照、亮度變化條件下，特征變化較大，且對比度低，易導(dǎo)致錯誤判斷。

與顏色特征相比較，煙霧紋理特征變化規(guī)律相對穩(wěn)定。在空氣、煙霧分子不規(guī)則熱運動下，煙霧向四周擴散運動；有風情況下，煙霧依風向變化運動，運動特征規(guī)律穩(wěn)定。煙霧紋理可通過統(tǒng)計目標區(qū)域運動方向相同像素點的累積量獲取紋理運動的角度分布（與動態(tài)特征相結(jié)合）；或通過提取煙霧紋理LBP特征進行訓(xùn)練和識別。煙霧紋理分析具有對平移、旋轉(zhuǎn)的抗干擾性能，是火災(zāi)煙霧識別的重要依據(jù)之一。

煙霧動態(tài)特征

與云、霧等相似目標相比，火災(zāi)煙霧呈現(xiàn)出持續(xù)變化的動態(tài)特征明顯，體現(xiàn)在煙霧區(qū)域整體移動穩(wěn)定，移動速度快；煙霧面積隨煙霧移動不斷變化、增加，閃爍頻率突出等。

煙霧的形成和擴散過程中，始終圍繞火源點為中心，雖易受風力影響發(fā)生擴散方向、速度的改變，但整體運動軌跡富有規(guī)律性。Kopilovic等人通過對煙霧運動視頻序列中不同幀目標運動規(guī)律的分析，利用光流法進行幀間差計算，提取了煙霧動態(tài)形狀特征，作為判斷火災(zāi)煙霧的依據(jù)。然而，在遠距離、大空間視頻中（如森林火災(zāi)），當煙霧較輕、相對透明狀態(tài)時，場景中前景、背景無法通過光流法分離，難以達到識別煙霧目標要求。袁非牛等提出將視頻圖像分割若干塊，檢索幀間相似的圖像塊，通過計算每個分塊運動的主方向和累積量確定整個煙霧區(qū)域運動的主方向。由于煙霧區(qū)域整體移動方向相對一致，具有較高的運動方向累積量，能夠被較準確識別。煙霧動態(tài)特征通過計算視頻幀圖像之間煙霧目標移位差獲取，并結(jié)合煙霧運動規(guī)律進行判斷。

煙霧擴散在空間分布上呈現(xiàn)出移動規(guī)律性和形狀自相似性，研究中，鮮有文獻僅通過煙霧靜態(tài)特征或動態(tài)特征進行目標識別，而多是結(jié)合靜態(tài)、動態(tài)特征綜合提取煙霧信息，通過機器學(xué)習(xí)、模式識別算法判斷是否發(fā)生火災(zāi)。

火焰特征探測

火焰是燃燒過程產(chǎn)生的發(fā)光發(fā)熱現(xiàn)象，燃燒火焰狀態(tài)受燃燒物種類、數(shù)量、環(huán)境變化（如風速變化）等諸多因素制約，有很大的隨機性。同時，燃燒過程中，火焰的光譜亮度、色彩空間、紋理、輪廓，以及形狀結(jié)構(gòu)、閃爍頻率等特征都呈現(xiàn)一定規(guī)律，為基于視覺的火焰探測提供了穩(wěn)定的特征選擇。

火焰靜態(tài)特征

火焰靜態(tài)特征指單幀視頻圖像中火焰表現(xiàn)出的視覺特征，從光譜特性和空間結(jié)構(gòu)上看，火焰靜態(tài)特征主要包括顏色特征、紋理特征，和形狀輪廓特征等。

火焰顏色特征

通常，火焰具有明顯的顏色特征，視頻圖像中火焰區(qū)域像素值偏紅色，亮度值高于非火焰區(qū)域?；诖颂卣鳎珿. Healey提出了RGB空間火焰顏色約束條件關(guān)系：R>G>B，但實際應(yīng)用中RGB空間分量值相關(guān)性強，對環(huán)境變化敏感。Turgay提出了YCrCb顏色空間提取火焰提取模型，如公式1所示。當（x，y）像素點Y、Cb、Cr分量都大于各自均值時，判斷該像素點為火焰；否則，判斷為非火焰。同時，Yamagishi等提出了在HSV空間進行火焰提取的顏色模型。

火焰顏色特征顯著，識別方法簡單，但顏色模型不具備抗干擾能力，識別效果極易受光照強度、背景等干擾，且不同種類燃燒物火焰顏色差異性大。各顏色空間火焰模型多被用作圖像預(yù)處理過程中疑似火焰區(qū)域圖像分割的依據(jù)。

火焰其他靜態(tài)特征

火焰紋理特征反映火焰圖像局部區(qū)域像素的空間分布、組合情況，局部像素按某種規(guī)律排列組合，呈現(xiàn)一定的復(fù)雜結(jié)構(gòu)。定量描述紋理特征一般結(jié)合區(qū)域灰度共生矩陣進行，先計算火焰區(qū)域0o、45o、9o和135o四個方向的灰度共生矩陣，再以灰度共生矩陣為基礎(chǔ)提取反差、灰度相關(guān)、能量、逆差矩等特征向量，作為火焰區(qū)域的定量描述子。實驗表明，與靜止的燈光、燭光、手電筒光、晚霞等干擾紋理特征相比較，火焰紋理特征抖動幅度大，較易被識別；與晃動燈光紋理差別不大，容易被混淆（紋理與動態(tài)特征結(jié)合）?？梢?，紋理特征能有效區(qū)分開靜止的干擾物，但對運動變化中干擾物的區(qū)分還需與其他相關(guān)特征結(jié)合才可進行。

而火焰形狀輪廓特征與燃燒物種類、數(shù)量、分布，以及燃燒狀態(tài)等有關(guān)，且極不規(guī)則，難以用剛性方法描述。研究中，多采用圓形度、尖角統(tǒng)計等方法。仇國慶等采用公式2方法計算火焰圓形度，即取火焰區(qū)域邊界鏈碼長度為周長，火焰區(qū)域像素點數(shù)為面積；目標形狀越復(fù)雜，得到的圓形度值越。

高。實驗表明，非火焰干擾物體現(xiàn)出互不相同的圓形度，且圓形度穩(wěn)定持續(xù)；而火焰的圓形度隨火勢發(fā)展不斷變化。

火焰尖角是火焰邊緣狹長的突起，表現(xiàn)為邊緣處”尖”和頂點（局部極值）?；鹧嬉话阌卸鄠€尖角，燃燒過程中，尖角的高度、寬度、數(shù)量都呈現(xiàn)出不規(guī)則性變化。隨火勢發(fā)展，火焰邊緣不停抖動，火焰尖角呈現(xiàn)一定頻率特征，而這是非火焰目標所不具備的。

也有研究通過提取火焰區(qū)域輪廓特征的傅里葉變換系數(shù)進行火焰識別，但鑒于火焰的非剛性外部特征，制約了其輪廓的提取，難以獲得高準確率結(jié)果。

靜態(tài)特征僅能描述單幅圖像中火焰體現(xiàn)的疑似特征，還不足以對各種干擾物進行有效區(qū)分，有很大的局限性；而且火焰區(qū)域面積、圓形度、尖角等特征只有與動態(tài)特征結(jié)合起來才更具識別能力。

火焰動態(tài)特征

火焰動態(tài)特征體現(xiàn)的是視頻序列幀間火焰變化規(guī)律，相鄰幀間火焰區(qū)域在面積、抖動頻率、形狀等方面都表現(xiàn)為一定的動態(tài)特征，可據(jù)之提高火焰目標識別的準確率。

燃燒過程中，火焰面積隨火勢和外界環(huán)境因素變化?；饎菰龃笞钪苯拥捏w現(xiàn)是火焰面積增大；燃燒物殆盡時，火勢漸小，火焰面積也縮小。當可燃物突然增多/減少、風力增加/減弱等情況下，火焰面積呈現(xiàn)忽大忽小，抖動變化現(xiàn)象。唐巖巖等采用火焰區(qū)域像素點數(shù)量統(tǒng)計描述火焰面積，并結(jié)合視頻序列幀間差計算火焰面積變化率。火焰面積并非單邊增大或單邊減小，而是隨火勢、時間跳動變化，這一閃爍的面積變化率是非火焰干擾物（燈光、晚霞等）不閃爍目標不具備的特征，可有效排除相關(guān)干擾目標。沈詩林等對視頻序列幀間火焰形狀、面積相關(guān)性進行了驗證，結(jié)果顯示火焰相關(guān)系數(shù)呈現(xiàn)劇烈震蕩，而非火焰相關(guān)性系數(shù)相對平滑。

火焰面積針對火焰區(qū)域進行統(tǒng)計，雖然幀間差分法或光流法分可有效提取動態(tài)火焰，但也容易受移動干擾目標影響，或受外界風力影響，造成提取不準確、火焰面積計算誤差，降低識別準確性。

燃燒過程，火焰不停抖動、閃爍，表現(xiàn)出一定的頻率特征。安志偉等經(jīng)實驗統(tǒng)計分析得出了火焰閃爍頻率分布范圍：3～25Hz，和主要頻率分布范圍：7～12Hz；同時觀測到，火焰的閃爍頻率是火焰自身固有的一種頻率，與火焰大小、燃燒物種類等因素無關(guān)。由此得出，火焰閃爍頻率可作為判斷火災(zāi)發(fā)生與否的重要特征。研究中，多根據(jù)視頻幀火焰區(qū)域像素點顏色變化頻率表示火焰頻率，或以火焰高度、寬度、面積、尖角等狀態(tài)變化率表示火焰頻率，作為火焰識別的重要依據(jù)，都取得了良好的識別效果。

同時，燃燒火焰不停跳動也表現(xiàn)為火焰形狀看似無規(guī)則、實則相關(guān)性的振蕩，具體體現(xiàn)在視頻序列幀圖像間火焰邊緣、形狀、面積變化、高度、寬度的相似性抖動。如統(tǒng)計每幀圖像中火焰靜態(tài)邊緣尖角數(shù)量，在視頻序列中可計算得到火焰尖角變化率；計算每幀圖像火焰輪廓傅里葉變換系數(shù)，在視頻序列中可統(tǒng)計出火焰輪廓變化率?？梢姡紵谢鹧鎰討B(tài)特征是其靜態(tài)特征在視頻序列幀的體現(xiàn)，提高火焰靜態(tài)特征描述的準確性也可以提高視頻序列間火焰動態(tài)特征的精度，提高火災(zāi)識別效率。

燃燒過程中火焰的靜態(tài)特征、動態(tài)特征都比較顯著，二者同時存在、互為補充、緊密相關(guān)，是火災(zāi)視頻探測中最重要的特征依據(jù)。靜態(tài)特征、動態(tài)特征融合使用，以顏色、紋理特征提取火焰靜態(tài)區(qū)域圖，在靜態(tài)圖像序列幀間提取動態(tài)特征，綜合二者得到火災(zāi)判斷結(jié)果，可提高火災(zāi)識別準確率。

多特征融合火災(zāi)探測方法

煙霧和火焰是火災(zāi)的顯著現(xiàn)象，其靜態(tài)特征和動態(tài)特征是對視頻序列中兩類現(xiàn)象具體描述，而探測方法是根據(jù)對視頻中圖像的信息描述判斷監(jiān)測范圍內(nèi)是否發(fā)生了火災(zāi)的具體方案。

早期火焰檢測采用單一特征為依據(jù)，適用范圍有限，且錯誤率也較高。根據(jù)火災(zāi)不同階段不同特征，融合煙霧、火焰的靜態(tài)和動態(tài)特征，將其有機結(jié)合起來，可以獲得更可靠、更準確判斷。如先通過顏色空間模型提取疑似火焰區(qū)域，再統(tǒng)計火焰區(qū)域動態(tài)頻率特征；如先通過幀間差獲取疑似移動煙霧目標，再通過多幀動態(tài)特征計算煙霧區(qū)域增長、移動特征。又如先對疑似火焰區(qū)域進行紋理、閃爍頻率、色彩的聯(lián)合測試，形成多維特征向量，再依據(jù)神經(jīng)網(wǎng)絡(luò)技術(shù)進行結(jié)果的計算和判斷等。將火災(zāi)不同階段多特征有機結(jié)合可以更及時、更準確對監(jiān)控范圍內(nèi)的火災(zāi)情況作出響應(yīng)，縮短火災(zāi)預(yù)警時間，最大限度挽回損失。

總結(jié)語

視頻探測火災(zāi)方法利用現(xiàn)有監(jiān)控攝像設(shè)備，通過火災(zāi)探測算法完成火災(zāi)監(jiān)測預(yù)警，便捷、實用，應(yīng)用范圍廣，是火災(zāi)探測發(fā)展的重要方向。同時，由于實際火場環(huán)境的多樣性、復(fù)雜性，較難實現(xiàn)適應(yīng)所有環(huán)境的通用火災(zāi)檢測算法。多特征融合技術(shù)綜合火災(zāi)過程伴生煙霧、火焰現(xiàn)象的靜態(tài)、動態(tài)特征進行目標識別，提高了檢測效率，但如何降低算法復(fù)雜性，提高實時性，還有待進一步解決。

劉占，男，碩士，中國人民武裝警察部隊學(xué)院部隊管理系，主要研究方向為人工智能，機器學(xué)習(xí)。

項目名稱：武警學(xué)院中青年教師科研創(chuàng)新計劃課題（項目編號）：ZQNJS201553