兩種火災(zāi)煙霧識別方法的研究

李 娜，齊愛玲，賈澎濤，龔尚福

(西安科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，陜西 西安 710054)

0 引 言

近期，山西、北京、四川等地連續(xù)發(fā)生森林火災(zāi)，成為輿論焦點，且多地火險維持在“極度危險”級別?；馂?zāi)嚴重危及生命安全，同時造成生態(tài)環(huán)境破壞等一系列損失。對火災(zāi)征兆進行及時檢測，在火災(zāi)預(yù)警和中有著極其重要的意義?；馂?zāi)形成初期，大多數(shù)情況下沒有明顯的火焰信號，只有陰燃現(xiàn)象和大量的煙霧，所以煙霧探測可實現(xiàn)早期預(yù)警。通過視頻捕捉火災(zāi)前圖像進行探測和預(yù)警成為火災(zāi)探測領(lǐng)域里的一個新研究方向，該方法克服了傳統(tǒng)火災(zāi)探測技術(shù)在大空間或室外場景應(yīng)用中的局限。

對于火災(zāi)產(chǎn)生的煙霧及其與煙霧顏色相近物體的準(zhǔn)確有效區(qū)分，成為火災(zāi)煙霧檢測的難點之一。煙霧的屬性信息，如：顏色、邊緣和梯度區(qū)分不明顯，這給檢測的進行制造了障礙。特征的提取是準(zhǔn)確和快速進行煙霧檢測的關(guān)鍵?；谔卣鼽c的火災(zāi)煙霧識別給這類問題提供了一個很好的解決方法。利用煙霧檢測算法，自動識別煙霧圖形的特征，被應(yīng)用于公路隧道[1]、森林大火[2-3]、城市軌道交通[4]、艦船著火[5]等室外環(huán)境的火災(zāi)安全預(yù)防中。

1 火災(zāi)煙霧檢測的研究現(xiàn)狀

1.1 國內(nèi)外研究現(xiàn)狀

基于煙霧識別的火災(zāi)煙霧探測技術(shù)關(guān)鍵是提取煙霧和氣體特征。提取方法上主要有圖像識別[6]、顯著特征[7-9]、多特征融合[10]、深度神經(jīng)網(wǎng)絡(luò)[11]等。文獻[12]提出一種通過融合煙霧多個特征的方法來檢測識別早期林火煙霧。針對復(fù)雜場景煙霧特征提取，陳俊周等提出一種靜態(tài)和動態(tài)特征結(jié)合的卷積神經(jīng)網(wǎng)絡(luò)視頻煙霧檢測框架[13]。王文朋等人基于圖像ImageNet數(shù)據(jù)集，利用VGG-16模型進行同構(gòu)數(shù)據(jù)下的特征遷移，提出一種基于深度遷移學(xué)習(xí)的煙霧識別方法[14]。常用煙霧特征描述方法有：統(tǒng)計量特征、變換域特征、局部模式特征。

李誠等人通過結(jié)合統(tǒng)計量特征和深度學(xué)習(xí)方法實現(xiàn)了視頻煙霧檢測[15]。在使用人工設(shè)計特征時采用較弱的閾值設(shè)置，實現(xiàn)了城鎮(zhèn)森林交界域煙霧的準(zhǔn)確識別。Shrivastava等人利用K均值聚類圖像分割算法，對靜態(tài)相機獲得的幀序列實現(xiàn)有效煙霧檢測[16]。

高豐偉等人結(jié)合傳統(tǒng)手動提取方法和CNN自動提取煙霧特征，與傳統(tǒng)的方法相比，該方法在煙霧準(zhǔn)確率和誤檢率上都有明顯的提高，同時對于光照和煙霧濃度的敏感度有降低[17]。姚太偉等人提出基于小波變換的森林視頻火災(zāi)煙霧檢測方法，使用幀間差分法和質(zhì)心算法提取疑似煙霧運動目標(biāo)區(qū)域，對提取的運動目標(biāo)前景區(qū)域和背景區(qū)域分別進行小波能量特征提取與分析[18]。

蘭久強等人提出基于顏色和紋理特征的林火煙霧識別方法，使用顏色特征確定煙霧疑似區(qū)域，利用小波變換提取相關(guān)度特征，支持向量機進行煙霧識別[19]。Jian等針對火災(zāi)煙霧檢測早期存在的問題，提出一種結(jié)合兩步分割和運動特征的煙霧可疑區(qū)域提取方法[20]。

1.2 現(xiàn)階段火災(zāi)煙霧檢測技術(shù)存在的問題

火災(zāi)探測研究雖然在煙霧檢測技術(shù)中一直有新的算法被提出，但還存在一些問題。因為煙霧的不規(guī)則性和本身顏色的特殊性，傳統(tǒng)常用的方法根據(jù)煙霧特點進行分割，再提取可疑目標(biāo)區(qū)域，但是煙霧通常情況下不是呈均勻分布，并且煙霧往往是由很多離散的小區(qū)域組成，在檢測過程中較為復(fù)雜，導(dǎo)致對煙霧區(qū)域不能明顯區(qū)分。

對于火災(zāi)探測和預(yù)警來說，如何提取火災(zāi)產(chǎn)生的煙霧特征是其重要的步驟之一，精確的特征能夠極大提高識別的準(zhǔn)確率和穩(wěn)定性。通過顏色統(tǒng)計特征和小波變換2種技術(shù)在煙霧特征檢測中的應(yīng)用，分析各自的特點并得出具體的場景適用性結(jié)論。

2 基于顏色統(tǒng)計特征的火焰煙霧識別

燃燒初期的煙霧通常是青灰色，其R，G，B三個顏色值基本相等，用α表示其相似程度，計算公式為α=max(|R-G|，|G-B|，|B-R|)，最終的α范圍在0到20之間。HSI顏色模型中色度H的初期煙霧特征取值范圍為175°≤H≤185°，文中用H的取值范圍判別圖像中的煙霧區(qū)域。

2.1 選取基準(zhǔn)點

對于HSI模型選取色調(diào)分量H在175°≤H≤185°的像素點，計算α參數(shù)，如果α范圍在0到20之間，則將此像素點作為基準(zhǔn)點x.將圖像中其余α參數(shù)在0到20之間像素點與基準(zhǔn)點比較，若像素空間距離D≤0.2，認為這個像素點與所設(shè)立的基準(zhǔn)點相似，對其進行保留；當(dāng)D>0.2時，將對應(yīng)的像素點視作噪聲并置為白色。

在RGB模型中基準(zhǔn)點x歸一化得到(MR，MG，MB)，見式(1)

(1)

基于HSI模型，基準(zhǔn)點x計算見式(2)

(2)

式(2)中 min(MR,MG,MB)是像素點歸一化后的最小值，max(MR,MG,MB)則是像素點歸一化后的最大值。式(2)中H0的計算見式(3)

H0=

(3)

2.2 計算空間距離

在煙霧顏色模型中，需要將滿足α參數(shù)在0到20條件下的像素點與基準(zhǔn)點做比較。設(shè)像素點y滿足要求，其中HSI模型三分量值分別為h，s，i，設(shè)x，y兩點的空間距離為D，則有式(4)

(4)

式(4)中，V1，V2，V3的計算見式(5)

V1=(1-i)2

V2=S×cosH-s×cosh×(S×cosH-s×cosh)

V3=S×cosH-s×sinh×(S×cosH-s×cosh)

(5)

2.3 煙霧模型算法

利用人類視覺與HSI顏色空間距離的關(guān)系，通過計算所需要的像素點與事先確定的基準(zhǔn)像素點之間的距離，判斷像素點是不是煙霧點?；跓熿F顏色特征的數(shù)字圖像處理系統(tǒng)總體流程如圖1所示。

圖1 顏色統(tǒng)計特征方法流程Fig.1 Flow chart of color statistical feature method

煙霧識別根據(jù)HSI顏色距離與人類視覺的關(guān)系，分析提取圖像中的煙霧點，來判別是否有火焰產(chǎn)生。在檢測圖像的面積閾值過程中，需要將彩色圖像先轉(zhuǎn)換變?yōu)榛叶葓D像，之后確定一個值來進行二值化處理。通過閾值比較，保留疑似煙霧區(qū)域，最后用挖空法得到煙霧區(qū)域輪廓，以達到識別火災(zāi)煙霧的目的。

3 基于小波變換的煙霧識別

煙霧的半透明性即背景的模糊性能夠較為準(zhǔn)確地反映其特征。煙霧的產(chǎn)生使背景的紋理變得模糊，在信號域上表現(xiàn)為信號衰弱，可通過小波變換進行煙霧的識別。

3.1 均值背景

均值背景在處理連續(xù)運動的目標(biāo)時，將運動中的目標(biāo)看作噪聲，通過連續(xù)幀的圖像累加平均來消除這種噪聲，也就是利用運動中目標(biāo)圖像序列的平均獲得背景圖像，具體計算見式(6)

(6)

式中x和y為橫縱坐標(biāo)；Background為均值背景；img為連續(xù)目標(biāo)圖像；n為圖像序列值。均值背景需讀取連續(xù)幀圖像并通過累加平均得到，在這個過程中，使用三維矩陣mat(x，y，k)存儲每個幀的灰度值，其中k是固定值，可以是整個視頻，也可以是固定時間段內(nèi)的圖像序列。

3.2 小波變換煙霧檢測

煙霧通常會遮擋其他物體，物體的背景在空間域中趨于模糊，煙霧圖像表現(xiàn)為高頻信號，非煙霧圖像將背景圖像完全遮擋。根據(jù)這一特性，利用二維離散小波變換提取背景紋理，對紋理變得模糊的特征進行判別，最后實現(xiàn)煙霧檢測。

二維離散小波變換分為4部分：低頻分量子圖和3個高頻分量子圖，其中，3個高頻分量子圖包含水平方向、垂直方向和對角方向的紋理信息。當(dāng)圖像中出現(xiàn)煙霧時，通常會降低3個高頻量子圖的能量值。

設(shè)Wn(x，y)表示由3幅高頻分量子圖的能量值之和構(gòu)成的復(fù)合圖像，則有式(7)

Wn(x,y)=|LHn(x,y)|2+|HLn(x,y)|2+|HHn(x,y)|2

(7)

LH，HL，HH分別為3個高頻分量子圖垂直方向、水平方向和對角方向的能量值。將復(fù)合圖像分解成大小為(K1，K2)的子塊，第i個圖像子塊的能量ei(l1，l2)為

(8)

式中Ri為復(fù)合圖像Wn(x，y)中大小為(K1，K2)的第i個子塊；(l1，l2)為能量子塊在復(fù)合圖像中的相應(yīng)位置。

將處理后圖像的高能量部分與原圖像相同區(qū)域內(nèi)的高能量部分進行對比，如果(l1，l2)處的子塊能量值ei(l1，l2)被降低，則判斷這一部分圖像紋理或邊緣模糊，圖像的對應(yīng)區(qū)域出現(xiàn)煙霧。

為了提高識別率，設(shè)閾值T1與T2為0.6與0，如果圖像中出現(xiàn)煙霧導(dǎo)致小波高頻能量減少，則ei(l1，l2)應(yīng)滿足式(9)

T2×ei(l1,l2)

(9)

式中ei(l1，l2)為由背景圖像構(gòu)成的復(fù)合圖像在(l1，l2)處的子塊能量值。將滿足式(9)的能量子塊內(nèi)的像素值設(shè)置為0，即HL(l1，l2)=0，LH(l1，l2)=0，HH(l1，l2)=0，CA(l1，l2)=0，CA為低頻分量值。然后再通過小波反變換還原出原圖像，此時原圖像缺失了被識別為煙霧區(qū)域的像素值，接著通過構(gòu)造圖像的二值圖取反補全空洞，最大連通區(qū)域即為煙霧區(qū)域。小波變換煙霧識別的具體流程如圖2所示。

圖2 小波變換煙霧識別流程Fig.2 Flow chart of smoke recognition based on wavelet transform

4 仿真實驗

4.1 煙霧顏色特征檢測系統(tǒng)的實現(xiàn)

火災(zāi)煙霧識別由6部分組成，包括圖像讀取、彩色圖像灰度化、邊緣檢測、煙霧圖像的RGB值統(tǒng)計、煙霧檢測和主程序?qū)崿F(xiàn)。界面顯示如圖3所示。

圖3 煙霧檢測圖像選取Fig.3 Selection of smoke detection image

利用人類視覺與空間顏色距離的關(guān)系，判斷所掃描像素點是否煙霧所在的像素點。通過下面的實驗進行煙霧顏色特征提取，使得準(zhǔn)確的煙霧檢測為火災(zāi)預(yù)警提供有利的前期指導(dǎo)，如圖4所示。

圖4 煙霧顏色特征提取Fig.4 Extraction of smoke color features

利用邊緣檢測對火災(zāi)圖像中亮度變化明顯的煙霧點進行識別，不同灰度值的相鄰區(qū)域不連續(xù)。利用算子進行煙霧的邊緣檢測，結(jié)果如圖5所示。

圖5 煙霧的邊緣檢測結(jié)果Fig.5 Edge detection of smoke

通過分析觸發(fā)探測器警報時的圖像RGB值，統(tǒng)計獲得基準(zhǔn)點計算量?；鶞?zhǔn)量分布如圖6所示。

對應(yīng)圖3中的fog1和fog12，煙霧顏色特征方法的識別效果如圖7所示。該算法計算復(fù)雜度較小，煙霧提取準(zhǔn)確。適合顏色較深的煙霧識別，顏色越深檢測越準(zhǔn)確，可通過調(diào)整RGB值的基準(zhǔn)范圍進行泛化。

4.2 小波變換煙霧檢測的實現(xiàn)

在處理連續(xù)運動的目標(biāo)時，將運動中的目標(biāo)看作噪聲，通過連續(xù)幀的圖像累加平均來消除這種噪聲，利用運動中目標(biāo)圖像序列的平均獲得背景圖像，如圖8所示。

通過計算均值背景、截取視頻幀圖像、運行主函數(shù)幾個過程，實現(xiàn)小波變換煙霧識別，結(jié)果如圖9所示。

圖6 RGB的基準(zhǔn)量分布Fig.6 Baseline distribution of RGB

圖7 提取的煙霧圖像Fig.7 Extraction of smoke image

圖8 煙霧場景及均值背景Fig.8 Smoke scene and mean background

從實驗結(jié)果可以看出，基本檢測出煙霧部分，但是由于背景圖像抽取的效果或視頻本身的分辨率及抖動等原因，導(dǎo)致檢測時對煙霧的識別不夠準(zhǔn)確。經(jīng)過多次實驗，證明該方法能夠識別出煙霧，但跟視頻本身的分辨率、視頻拍攝時抖動情況及煙霧的運動幅度有關(guān)系。

4.3 兩種算法比較

通過多次實驗結(jié)果的比較，發(fā)現(xiàn)利用煙霧的顏色特征進行識別的方法適用于較濃厚的煙霧，也就是顏色較深、濃度較高情況下煙霧識別較為準(zhǔn)確，適用于工廠、森林等情況下的煙霧識別。算法時間復(fù)雜度較低，運算時間較快。

圖9 煙霧識別結(jié)果Fig.9 Smoke recognition results

小波變換識別煙霧的方法適用于煙霧運動軌跡明顯、背景差異較大的情況下，適合街道、商場等煙霧運動特征明顯的區(qū)域。算法時間復(fù)雜度較顏色特征識別高，要求高清圖像，相應(yīng)的檢測時間也會變長。兩種方法的具體比較見表1.

表1 兩種識別方法比較

5 結(jié) 論

1)針對數(shù)字圖像處理的煙霧顏色特征識別，達到了識別檢測火災(zāi)的目的。

2)利用兩種方法的具體過程，進行了煙霧檢測的對比分析。將彩色圖像轉(zhuǎn)化為灰度圖像并進行二值化處理，在檢測圖像特征閾值的過程中，通過閾值比較，保留疑似煙霧區(qū)域，得到煙霧區(qū)域輪廓。小波變換通過捕捉均值背景圖像在信號域上的衰弱點來識別煙霧，在煙霧的特點上利用二維離散小波變換，對原始背景圖像的紋理進行提取，判斷紋理趨向模糊的原因，從而對煙霧是否存在進行檢測。最后得出了兩種方法不同的適用場景。

3)說明不同物質(zhì)燃燒的不同階段煙霧特征也會有所不同，文中只進行了共性分析。關(guān)于不同物質(zhì)的分類煙霧特征研究，將作為進一步研究的方向。