基于MATLAB的火災(zāi)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

竇永梅，孫慧霞，周玲，師磊，陳日有，胡軍輝

（運(yùn)城學(xué)院物理與電子工程系，山西 運(yùn)城 044000）

0 引言

火災(zāi)監(jiān)測(cè)報(bào)警技術(shù)是預(yù)防火災(zāi)的重要手段。近年來(lái)，火災(zāi)發(fā)生的頻率高、覆蓋范圍廣，給人民群眾的生命財(cái)產(chǎn)和社會(huì)經(jīng)濟(jì)造成了巨大損失，已成為一種普遍且損害巨大的自然災(zāi)害。一旦引起火災(zāi)，火勢(shì)將迅速蔓延，煙霧濃毒性大，易造成人員傷亡，并且撲救火災(zāi)難度大，人員疏散困難。因此，如何實(shí)現(xiàn)對(duì)火災(zāi)的實(shí)時(shí)有效監(jiān)測(cè)已成為重點(diǎn)研究的課題。

根據(jù)所探測(cè)物理量的不同，傳統(tǒng)火災(zāi)探測(cè)器有感煙式、感溫式、感光式、和復(fù)合式等類型[1]，但是這些火災(zāi)探測(cè)器對(duì)于大空間的室內(nèi)場(chǎng)合和開(kāi)闊的室外環(huán)境的火災(zāi)報(bào)警，探測(cè)結(jié)果受到很大影響，尤其在可靠性方面存在明顯不足。本文研究了基于MATLAB的火災(zāi)監(jiān)測(cè)方法，與傳統(tǒng)的火災(zāi)監(jiān)測(cè)技術(shù)相比，突破了空間的限制，能迅速獲得較準(zhǔn)確的火災(zāi)監(jiān)測(cè)結(jié)果。

1 火災(zāi)火焰特征分析

1.1 火災(zāi)的特性

在火災(zāi)的初期，有兩個(gè)特征比較明顯：火焰特征和煙霧特征。分別對(duì)這兩個(gè)特征進(jìn)行提取，作為圖像中是否發(fā)生火災(zāi)的判據(jù)，可獲得較為準(zhǔn)確的監(jiān)測(cè)結(jié)果。

1.2 火焰特征

火焰的色彩特征在燃燒過(guò)程中比較明顯，紅色到黃色范圍內(nèi)的色彩居多?；馂?zāi)發(fā)生時(shí)，火焰區(qū)域與背景圖像有明顯的視覺(jué)差異，火焰發(fā)光的現(xiàn)象在圖像中的表現(xiàn)為火焰的顏色偏紅并且與周圍的其它像素點(diǎn)相比亮度值明顯偏高，因此，在火災(zāi)的識(shí)別研究中通常利用火焰的顏色特征進(jìn)行判斷。

1.3 RGB顏色模型

RGB顏色模型也稱為加色法混色模型。根據(jù)三基色原理，用基色光單位來(lái)表示光的量。在RGB顏色模型，任意色光F都可以用R、G、B三色不同分量的相加混合而成，表達(dá)式為F=r[R]+g[G]+b[B]。當(dāng)三基色分量都為0時(shí)，F(xiàn)為黑色光；當(dāng)三基色分量都為1時(shí)，F(xiàn)為白色光。RGB顏色模型幾乎包括了人類視力所能感知的所有顏色[2]。RGB顏色空間可以用如圖1所示的立方體來(lái)描述。F是這個(gè)立方體坐標(biāo)中的一點(diǎn)，代表任一顏色，調(diào)整三色系數(shù)r、g、b中的任一系數(shù)值就會(huì)改變F的坐標(biāo)值，從而改變其色值。

圖1 RGB 顏色模型

1.4 提取火焰圖像特征及分析

對(duì)火焰模型特征提取時(shí)，通過(guò)收集的火焰模型是以 RGB模型在計(jì)算機(jī)中存儲(chǔ)的，分析該模型非常有利于火焰特征的提取?，F(xiàn)對(duì)搜集到的18幅包含火焰的圖像進(jìn)行分析，圖像大約含像素點(diǎn)256.7萬(wàn)個(gè)，其中火焰像素點(diǎn)約83.5萬(wàn)個(gè)。另有不包含火焰的圖像8幅，圖像大約包含像素點(diǎn)117.8萬(wàn)個(gè)[3]。將這些圖片中的火焰像素點(diǎn)顏色分布與強(qiáng)光、高溫等干擾源的像素點(diǎn)的顏色分布進(jìn)行對(duì)比分析，RGB分量的分布圖像如圖2所示。

從圖2中可以看出，在RGB空間圖像上，火焰像素顏色具有以下特點(diǎn)。

首先，火焰像素點(diǎn)的顏色分布具有以下特征：

圖2 圖像RGB 顏色分布圖

圖3 火焰模型特征提取算法流程圖

根據(jù)圖中所示流程，從圖像的左上方像素點(diǎn)開(kāi)始依次地向右處理，若右側(cè)沒(méi)有像素點(diǎn)則轉(zhuǎn)向下方，如此S型取法取遍此圖像中所有像素點(diǎn)，若60%的像素點(diǎn)滿足下式：

則此連通區(qū)域可判別為火焰[3]。

2 火災(zāi)煙霧特征分析

2.1 基準(zhǔn)像素點(diǎn)的選取

2.2 空間距離的計(jì)算

在煙霧顏色模型中，需要將滿足α參數(shù)在[0,20]條件的像素點(diǎn)與基準(zhǔn)點(diǎn)作比較，以此來(lái)確定HIS模型顏色距離的相似性。

設(shè)像素點(diǎn)y滿足要求，其HIS模型分量值色調(diào)、亮度、飽和度分別為h、i、s，設(shè)x、y兩點(diǎn)的距離為D，則

2.3 提取煙霧特征及分析

煙霧檢測(cè)算法流程如圖4所示。由于人類的視覺(jué)清晰度與HIS模型距離有一定的關(guān)聯(lián)，因而可以借用計(jì)算像素點(diǎn)與基準(zhǔn)像素點(diǎn)之間的距離D來(lái)辨別所掃描的像素點(diǎn)是不是煙霧，當(dāng)D≤0.2時(shí)，此圖像區(qū)域?yàn)闊熿F。這是一種良好的煙霧顏色特征提取方法，煙霧的正確檢測(cè)可為火焰識(shí)別和預(yù)警提供有利的條件[3]。

圖4 煙霧模型特征提取算法流程圖

3 火災(zāi)監(jiān)測(cè)系統(tǒng)的實(shí)現(xiàn)

火災(zāi)監(jiān)測(cè)系統(tǒng)主要包括5個(gè)部分，分別為：圖像的讀取、實(shí)現(xiàn)火焰特征檢測(cè)、彩色圖像的灰度化、實(shí)現(xiàn)煙霧特征檢測(cè)、5種算子的邊緣檢測(cè)。

3.1 圖像讀取

利用MATLAB的read_images函數(shù)，read_images函數(shù)實(shí)現(xiàn)了交互選擇特定文件夾后，依次讀取該文件夾下的所有圖像，并把所有圖像保存在結(jié)構(gòu)體imgs_array中。文件夾中圖像如圖5所示。

圖5 火災(zāi)原始圖像

3.2 火焰檢測(cè)的實(shí)現(xiàn)

利用MATLAB的flame_detection函數(shù)，flame_detection函數(shù)實(shí)現(xiàn)了火焰特征檢測(cè)。利用公式（3）對(duì)兩幅RGB圖像進(jìn)行火焰特征提取實(shí)驗(yàn)，結(jié)果見(jiàn)圖6。從圖6可以看出，三幅RGB圖像的火焰模型特征圖與原始圖像中的火焰有很好的吻合性，能夠反映火焰的大小和形狀，說(shuō)明上述討論的RGB分量之間的關(guān)系是正確的。

圖6 火焰模型特征提取結(jié)果圖

3.3 圖像灰度化預(yù)處理

利用MATLAB的RGBtoGray函數(shù)，RGBtoGray函數(shù)實(shí)現(xiàn)了將文件夾中原始火焰圖1彩色圖像進(jìn)行灰度化處理的功能，并把所得圖像保存在結(jié)構(gòu)體Gray_Img中。分別應(yīng)用最大值法，平均法和加權(quán)平均值法對(duì)圖像進(jìn)行處理，結(jié)果如圖7所示。從圖7可以看出，圖(a)的最大值法所造成的灰度圖像的亮度比其余幾個(gè)較高，圖(b)的平均值法則造成了較柔和的灰度圖像，圖(c)的加權(quán)平均值法形成比較舒適、視覺(jué)效果相當(dāng)好的灰度圖像，所以加權(quán)平均值法具有很明顯的合理性。

圖7 圖像灰度化的結(jié)果圖

3.4 煙霧檢測(cè)的實(shí)現(xiàn)

利用MATLAB的frost_detection函數(shù)，frost_detection函數(shù)實(shí)現(xiàn)了煙霧特征檢測(cè)。煙霧特征圖如圖8所示。

圖8 煙霧特征提取算法結(jié)果圖

3.5 邊緣檢測(cè)

邊緣檢測(cè)對(duì)于圖像的特征提取非常關(guān)鍵。它是利用圖像相鄰像素點(diǎn)變化明顯的的區(qū)域來(lái)實(shí)現(xiàn)邊界的檢測(cè)，從而對(duì)圖像進(jìn)行分割[2]。

利用MATLAB的operator5函數(shù)，operator5函數(shù)實(shí)現(xiàn)了利用5種邊緣檢測(cè)算子分別對(duì)原始火焰圖1進(jìn)行圖像的邊緣檢測(cè)，并把所有邊緣檢測(cè)圖像保存在結(jié)構(gòu)體Gray_Imy中。邊緣檢測(cè)法是針對(duì)于圖像的邊界提出的，因?yàn)閺哪撤N意義上講，不同物體的邊緣就是各個(gè)區(qū)域的分界。邊緣檢測(cè)最通用的要領(lǐng)是檢測(cè)亮度值的不連續(xù)性。其中，方向和幅度是引起圖像邊緣呈現(xiàn)不連續(xù)特性的兩個(gè)主要因素。因此，邊界的這種特性可以通過(guò)數(shù)學(xué)上的求導(dǎo)檢測(cè)出來(lái)。經(jīng)典邊緣檢測(cè)算子結(jié)果圖如圖9所示。

比較檢測(cè)效果可以發(fā)現(xiàn)：Canny算子檢測(cè)結(jié)果要明顯超出其他算子結(jié)果好幾倍；Canny算子不僅能夠特別清晰地檢測(cè)出火災(zāi)的邊緣，而且還能顯示出最清晰的映射；Canny算子由于提取目標(biāo)的輪廓效果良好，所以能夠?qū)崟r(shí)有效地將火災(zāi)火焰和火災(zāi)煙霧與背景干擾區(qū)分開(kāi)。

3.6 小結(jié)

本章介紹了圖像的采集、讀取和灰度化預(yù)處理、色彩驗(yàn)證、火焰檢測(cè)和煙霧檢測(cè)的基本理論，提出了一種結(jié)合火災(zāi)火焰特征和煙霧特征來(lái)進(jìn)行判斷的數(shù)字圖像型火災(zāi)監(jiān)測(cè)算法。將此算法和傳統(tǒng)的基于五種算子的邊緣檢測(cè)算法提取火焰煙霧特征進(jìn)行對(duì)比。MATLAB實(shí)驗(yàn)結(jié)果表明，本文提出的火焰特征和煙霧特征提取算法具有優(yōu)越性，時(shí)效性更好，能夠?qū)崿F(xiàn)快速高效的監(jiān)測(cè)。

圖9 火焰圖像的經(jīng)典邊緣檢測(cè)算子結(jié)果圖

4 結(jié)論

本文主要研究了基于視頻序列圖像的火災(zāi)識(shí)別算法及其實(shí)現(xiàn)。通過(guò)對(duì)圖像進(jìn)行分析、處理和識(shí)別，實(shí)現(xiàn)了火焰圖像和煙霧圖像的色彩特征檢測(cè)。主要研究成果有：

（1）對(duì)于室內(nèi)大空間和開(kāi)闊的室外環(huán)境火災(zāi)進(jìn)行了分析，設(shè)計(jì)了基于MATLAB的火災(zāi)監(jiān)測(cè)系統(tǒng)。

（2）掌握了分析火災(zāi)圖像的要領(lǐng)，如RGB模型、基準(zhǔn)像素點(diǎn)的選取、邊緣檢測(cè)算子對(duì)圖像的邊緣檢測(cè)。

（3）用MATLAB進(jìn)行仿真，并且對(duì)火焰和煙霧特征進(jìn)行了分析，得出準(zhǔn)確的識(shí)別方法。