森林防火四旋翼

朱泓宇　王麗芬　馬明濤

摘 要：現(xiàn)階段森林火災(zāi)是一種危險性極高、災(zāi)難范圍極廣、發(fā)生時間不可預(yù)知的一種災(zāi)難，在火災(zāi)發(fā)生前能盡早發(fā)現(xiàn)火災(zāi)的具體位置是控制森林火災(zāi)的重中之重，本次方案通過無人機與視覺識別深度學(xué)習(xí)的結(jié)合有效鎖定火源的具體位置，但是在無人機飛行過程中風(fēng)速、高度、視覺范圍等原因會對視覺識別產(chǎn)生一定的影響，為此我們提出用OpenCV的RGB與HIS的結(jié)合判斷法在森林火災(zāi)的防控中起到一定的防火作用，經(jīng)過一定的實驗分析，功能比較穩(wěn)定。

關(guān)鍵詞：森林防火;無人機;OpenCV

引言：

如今已經(jīng)是21世紀，我國的科技水平不斷提升，人類文明發(fā)展不斷進步，但全球氣候的變暖導(dǎo)致森林火災(zāi)的發(fā)生的情況越來越嚴重。全世界每年平均發(fā)生森林火災(zāi)20多萬次，燒毀森林面積約占全世界森林總面積的1%以上。中國每年平均發(fā)生森林火災(zāi)約1萬多次，燒毀森林幾十萬至上百萬公頃，約占全國森林面積的5～8%。森林火災(zāi)不僅燒毀林木，減少森林面積，而且嚴重破壞森林結(jié)構(gòu)和森林環(huán)境，導(dǎo)致森林生態(tài)系統(tǒng)失去平衡，森林生物量下降，生產(chǎn)力減弱，益獸益鳥減少，甚至造成人畜傷亡。

1.森林火災(zāi)的特點：

森林火災(zāi)是一種破壞力強、燃燒性快、控制難度大、傳播更加廣泛的一種自然災(zāi)害，一旦發(fā)生，將會產(chǎn)生無法預(yù)估的后果。

1.1森林火災(zāi)的成因：

產(chǎn)生森林火災(zāi)的原因主要有兩方面：人為縱火與天然火災(zāi)。

由于社會治安的逐步加強，人為縱火的情況已經(jīng)越來越少，發(fā)生天然火災(zāi)的情況越來越嚴重，火災(zāi)一旦發(fā)生，火勢蔓延開來，人為救火更加微不足道。

1.2森林火災(zāi)的種類：

（一）一般森林火災(zāi)：受害森林面積在1公頃以下或者其他林地起火的，或者死亡1人以上3人以下的，或者重傷1人以上10人以下的;

（二）較大森林火災(zāi)：受害森林面積在1公頃以上100公頃以下的，或者死亡3人以上10人以下的，或者重傷10人以上50人以下的;

（三）重大森林火災(zāi)：受害森林面積在100公頃以上1000公頃以下的，或者死亡10人以上30人以下的，或者重傷50人以上100人以下的;

（四）特別重大森林火災(zāi)：受害森林面積在1000公頃以上的，或者死亡30人以上的，或者重傷100人以上的。

2005年，西班牙和葡萄牙等地發(fā)生火災(zāi);2006年，加利西亞自治區(qū)發(fā)生火災(zāi);2007年，保加利亞和烏克蘭等地發(fā)生火災(zāi)，防火形勢異常嚴峻，刻不容緩。

1.3防治森林火災(zāi)的措施：

首先，加強法制宣傳教育。目前，加強森林防火的法制宣傳已經(jīng)被世界各地所重視;其次，在力所能及的范圍內(nèi)進行消防演練，防止火災(zāi)發(fā)生時，造成人為不必要的損失。再次，采取森林防火帶加強防護，同時，加強林業(yè)人員對森林的巡查，可以采取地面巡查，瞭望臺巡查等方式。

1.4森林防火的圖像處理：

近幾年無人機逐步應(yīng)用到各行各業(yè)中，本次設(shè)計方案主要是應(yīng)用無人機進行檢測與巡查。無人機具有速度快，檢測視角廣闊，應(yīng)用靈活的特點，故我們采用無人機進行防火監(jiān)測。利用OpenCV的強大的圖像處理庫，直接將圖像分離為RGB三通道，設(shè)置條件限制，找到火焰的像素位置，將原圖處理成二值圖像。對于火焰檢測，主要結(jié)合RGB判據(jù)和HIS判據(jù)，設(shè)定合適的閾值條件，檢測出火焰對應(yīng)像素的區(qū)域，將原圖二值化，經(jīng)過中值濾波以及數(shù)學(xué)形態(tài)學(xué)的膨脹運算等圖像處理，消除一些噪聲及離散點，連通一些遺漏的區(qū)域?；贠penCV的開源庫，在VS平臺上，實現(xiàn)了火焰的檢測。通過對圖像的處理分析，采取相應(yīng)的防護措施。

2.OpenCV算法：

OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機視覺庫，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。

對火焰的識別如步驟如下：

直接對圖像中的內(nèi)容進行處理，將圖像中的內(nèi)容分離為RGB三通道，設(shè)置一定的條件限制，從而找到火焰的像素的位置，將圖像進行二值化處理，并將RGB判斷與HIS判斷結(jié)合，來分割火焰的位置。人眼看到的顏色模型一般都是RGB模型，火焰的R和G的分量會很大，且G會大于B。HIS顏色模型分別用色度、飽和度、亮度來描述顏色的特征?？紤]到單一顏色模型的判斷性可能不夠高，所以采用RGB判斷和HIS判斷結(jié)合的方法。判斷方法如下：

rule1：R≥G≥B

rule2：R≥RT

rule3：S≥（（255-R）*ST/RT）

其中，Rt為紅色分量閾值，St為飽和度閾值，火焰像素主要取決于紅色分量（R）的色度和飽和度。若滿足式上式，則判斷該位置為火焰像素，顯示為白色，否則顯示為黑色。判據(jù)中閾值的選擇對于火焰檢測是至關(guān)重要的，一般靠經(jīng)驗設(shè)定，為了獲取火焰識別最好的效果，設(shè)置兩個滑動條，改變閾值Rt和St的大小，選取最合適的值。由于上式中只需用到HIS中的S分量，所以不需要用到顏色模型轉(zhuǎn)換函數(shù)，直接計算S分量即可。

獲取二值圖像后，需要對其預(yù)處理，找到遺漏的點，去除異常的點。因為有噪音的存在以及離散點，對圖像進行平滑濾波，用像素點鄰域灰度值的中值來代替該像素點的灰度值，非常利于消除一些誤判斷為火焰的像素點。由于部分火焰的顏色不是介于紅黃之間，無法識別，需要實現(xiàn)區(qū)域的連通，因此對二值圖像進行數(shù)學(xué)形態(tài)學(xué)操作。編寫CheckColor函數(shù)，將以上3個功能實現(xiàn)。為了表示出視頻中火焰的區(qū)域，在預(yù)處理過后，將火焰輪廓用矩形框標記，編寫了畫矩形框的函數(shù)DrawFire，其中使用了OpenCV的尋找輪廓的函數(shù)findContours，由于作業(yè)中test2的火焰位置是分散在不同地方的，所以對整張圖像進行區(qū)域的劃分，分別用不同矩形標記不同區(qū)域出現(xiàn)的火焰采用RGB判據(jù)和HIS判據(jù)結(jié)合的方法，按照經(jīng)驗法和不斷地調(diào)試，選擇合適的閾值，基于OpenCV在VS上實現(xiàn)算法，從實驗結(jié)果可以看出，在背景比較單調(diào)且與火焰差別較大時，效果良好，幾乎沒有任何噪聲對其造成干擾。但背景復(fù)雜或與火焰顏色比較相似時，會不時出現(xiàn)噪聲和誤判，需要進一步提高算法。

3.實驗結(jié)果與分析：

采用RGB判據(jù)和HIS判據(jù)結(jié)合的方法，按照經(jīng)驗法和不斷地調(diào)試，選擇合適的閾值，基于OpenCV在VS上實現(xiàn)算法，從test1實驗結(jié)果可以看出，在背景比較單調(diào)且與火焰差別較大時，效果良好，幾乎沒有任何噪聲對其造成干擾。但背景復(fù)雜或與火焰顏色比較相似時，會不時出現(xiàn)噪聲和誤判，需要進一步提高算法。

4.結(jié)論：

經(jīng)過理論的分析和實驗的驗證，OpenCV能夠有效的分析出圖像中的火源特征點，進行良好的火源點匹配，雖然還存在一定的不足，但是該算法在森林火勢火源圖像定位方面具有廣闊的應(yīng)用前景。

參考文獻：

[1]2018.12.05 李國仁 《基于視覺的四旋翼無人機目標跟蹤研究》;

[2]2018.09.05 趙偉 《無人機森林防火系統(tǒng)的火災(zāi)圖像識別仿真》;

[3]2016.01.15 陸旭明 《基于OpenCV圖像處理的火焰檢測設(shè)計》。

作者簡介：

朱泓宇（1998—），男，本科，吉林農(nóng)業(yè)科技學(xué)院電氣與信息工程學(xué)院學(xué)生，主要研究方向：電子信息科學(xué)與技術(shù)

王麗芬（1976—），女，軟件工程，碩士。馬明濤（1972-），男，電子信息科學(xué)與技術(shù)，碩士。

*課題項目：本論文源自于大學(xué)生科技創(chuàng)新訓(xùn)練計劃項目“防火無人機”（項目編號：吉農(nóng)院合字【2019】第086號）。