一種室內(nèi)火災(zāi)檢測技術(shù)研究

郭明偉,劉國巍

(安徽理工大學(xué)，安徽 淮南 232000)

1 引言

隨著社會經(jīng)濟和技術(shù)的不斷發(fā)展，采用機器視覺的技術(shù)檢測火災(zāi)得到了廣泛的應(yīng)用，如今視頻監(jiān)控系統(tǒng)遍布高校的各個角落，利用現(xiàn)有的視頻監(jiān)控系統(tǒng)實現(xiàn)火災(zāi)檢測，不僅能夠降低成本，而且還能提高檢測火災(zāi)的能力。與傳統(tǒng)的采用傳感器檢測火災(zāi)相比而言，具有實時、直觀、便捷等諸多優(yōu)點，尤其在查詢火災(zāi)發(fā)生的原因及責(zé)任歸屬上有著極其顯著的作用。本文以實驗室火災(zāi)為研究對象，通過檢測火災(zāi)發(fā)生初期火災(zāi)產(chǎn)生的火焰，為后續(xù)實驗室是否發(fā)生火災(zāi)提供數(shù)據(jù)信息支持。為火災(zāi)發(fā)生提供了預(yù)警，同時也能避免火災(zāi)給實驗室巨大的損失。

2 火災(zāi)檢測總體思路

本次設(shè)計通過視頻監(jiān)控的攝像頭獲取圖像，將獲得的圖像傳輸至PC端進行處理，PC端對視頻圖像的讀取及預(yù)處理將圖像轉(zhuǎn)化為灰度圖像，當(dāng)在圖像檢測到有疑似目標(biāo)時，對疑似區(qū)域進行分割，通過對火焰的特征進行分析與匹配，最后用分類器設(shè)計將我們的火焰特征融合對我們獲取到的火焰目標(biāo)進行識別?；鹧鏅z測總體流程如圖1所示。

在對實驗室的火災(zāi)檢測中，首先要獲取攝像頭中的圖像信息并傳輸?shù)轿覀兊腜C端，然后對圖像進行預(yù)處理，在檢測過程中，圖像背景的選取并且更新是極其重要的，直接決定了目標(biāo)檢測的準確性[1]。在實驗室中環(huán)境復(fù)雜，可能會受到其他照明設(shè)備的影響。本文采用多幀平均值法和統(tǒng)計直方圖法相結(jié)合的方法提取圖像背景，不但工作量減少，計算簡單，同時也減少了計算機資源的占用。算法流程圖如圖2所示。

PC端對視頻的處理是一幀一幀進行處理的，當(dāng)背景提取結(jié)束后需要對背景進行選擇更新。對于不同的場景有不同的背景更新方法，中值訓(xùn)練法原理簡單易懂，但對背景的更新效率低，不能實現(xiàn)實時更新[2]。IIR濾波更新算法更新速度快，但難以適用實驗室這種復(fù)雜的環(huán)境，基于本試驗場景。本文選擇基于塊穩(wěn)定性的背景選擇更新算法。

圖1 火焰檢測流程

圖2 背景提取算法流程

該算法與其他算法相比，抗干擾性明顯提高，消耗時間更少，更新效果也顯著提高,并且能夠很好的滿足對背景更新的實施需求。通過對圖像背景的選取及更新，當(dāng)檢測到疑似目標(biāo)區(qū)域時，將目標(biāo)區(qū)域分割出來，這也是實現(xiàn)識別和分析火焰目標(biāo)的基礎(chǔ)。要想準確的檢測出火焰目標(biāo)，運動目標(biāo)區(qū)域的提取準確性格外重要。采用背景差分法，以塊為單位，以已經(jīng)提取的背景幀圖像與當(dāng)前幀圖像對比，計算兩幅圖像對應(yīng)像素差的絕對值之和，即SAD。

(1)

(2)

式中Fi(x,y)時當(dāng)前幀圖像中像素點(x,y)處的灰度值，Bi(x,y)為背景圖像中該點的灰度值，Di(x,y)為二值化圖像中該點的灰度值。

3 煙霧檢測

火災(zāi)剛發(fā)生的時候，煙霧比較小，然后慢慢擴大并向周圍擴散，在視頻圖像中表現(xiàn)就是一開始沒有，到有，再到后來逐漸迅速增大的過程，并且煙霧在擴散的過程中形狀不一。通過前期對視頻圖像的預(yù)處理和運動目標(biāo)分割，根據(jù)煙霧的特性選取煙霧的形狀不規(guī)則特征和面積擴散特征進行檢測煙霧[4]。

3.1 煙霧的形狀不規(guī)則特征

煙霧在擴散的過程中形狀是不斷變化的，沒有統(tǒng)一的形狀，所以可以利用煙霧輪廓形狀不規(guī)則的特征來進行檢測[5]。當(dāng)邊緣輪廓規(guī)則的圖形面積與不規(guī)則的面積相等時，規(guī)則圖形的面積比不規(guī)則的要小，不規(guī)則圖形的周長比規(guī)則圖形要長，如圖3所示。

圖3 不規(guī)則圖形檢測原理示意

通過對目標(biāo)區(qū)域的邊緣長度和輪廓區(qū)域內(nèi)的面積關(guān)系進行定量計算分析來表示目標(biāo)區(qū)域輪廓復(fù)雜度，其計算表達式為：

Perimeter=a×Areab

(3)

式(3)中,Perimeter為區(qū)域外圍輪廓長度，Area為外圍輪廓所圍面積，a,b分別為區(qū)域外圍長度和內(nèi)圍面積的關(guān)系指數(shù)。

3.2 煙霧面積擴散特征

如同煙霧的不規(guī)則形狀特征一樣，在煙霧擴散的時候，煙霧的形狀面積都是不斷變化的，在視頻中顯示為從無到有，再到迅速增大的過程，利用這個特征可以排除不相關(guān)的干擾物[6]。采用目標(biāo)區(qū)域的面積增長率對目標(biāo)區(qū)域進行檢測，其定義式如(4)所示：

(4)

式(2)中,n表示迭代的次數(shù)，D1,D2為擴散度閾值。

4 火焰檢測

火焰特征的選擇與提取關(guān)乎到火焰檢測的準確性，也是當(dāng)前目標(biāo)識別領(lǐng)域的重要問題，選取的特征應(yīng)是火焰特有的特征。包括火焰的面積變化特征和閃爍頻率特征等等。在燃燒過程中火焰的面積變化是最顯著的特征?；鹧娴拈W爍通常具有一定的頻率性，這是區(qū)分干擾物的顯著特征[3]。

4.1 火焰面積變化特征

火焰的面積變化率體現(xiàn)在相鄰t幀圖像中像素點的變化，設(shè)火焰的面積變化率為Ak，相鄰的t幀圖像為Ik,Ik+Δt,兩幀圖像的像素點總數(shù)分別為Nk,Nk+Δt,公式如下：

(5)

式(5)中,k表示第k幀圖像，Δt表示相鄰t幀。

4.2 火焰的閃爍頻率特征

火焰在燃燒的過程中，像素點的分布由火焰閃爍的頻率來決定，根據(jù)相鄰時刻圖像中疑似目標(biāo)區(qū)域的面積變化來進行處理分析，將Sn、Sn+1、Sn+2指定為連續(xù)的三幀圖像，表達式如下所示：

(6)

當(dāng)計數(shù)器SC大于設(shè)定的閾值T時，則表示火焰目標(biāo)疑似區(qū)域符合面積振蕩特征將其保留，反之，將其去除。

5 火焰目標(biāo)識別分類器設(shè)計

通過提取分析火焰和煙霧的特征，將這幾個特征集中訓(xùn)練，其中的弱分類器經(jīng)過反復(fù)多次疊加訓(xùn)練后會組成一個強分類器。在將弱分類器融合成強分類器時，根據(jù)每個弱分類器的權(quán)重的異同，通過訓(xùn)練，記錄每個訓(xùn)練樣本效率，然后進行設(shè)定，再進行不斷的訓(xùn)練，將決策分類器作為最終判別依據(jù)[1]。

分類器示意圖如圖4所示。

圖4 分類器設(shè)計示意

左側(cè)條形圖用不同的寬度表示權(quán)重不同，三角形內(nèi)為每個特征的權(quán)值，最后將每個弱分類器加權(quán)輸出求和，產(chǎn)生最終的決策分類器。通過分類器設(shè)計將三個弱特征迭代訓(xùn)練擬合成強特征進行檢測識別，提高了檢測的精度[7]。

6 結(jié)語

本次設(shè)計采用視頻監(jiān)控的方式，通過PC端對獲取的圖像進行處理，對圖像進行背景、更新和運動目標(biāo)的分割，對提取火焰的圓形度特征、閃爍頻率特征和面積變化特征和煙霧的不規(guī)則形狀特征和面積擴散特征進行分析，通過分類器設(shè)計將特征進行迭代訓(xùn)練擬合成強特征對目標(biāo)區(qū)域檢測識別。相比傳統(tǒng)的視頻檢測方式，此方法綜合了火焰和煙霧的特征，使得檢測精確率大大提高，也提高了火災(zāi)檢測的準確性，并且能夠在視頻圖像中準確地提取出火焰和煙霧的位置，滿足了可靠性、實時性和實用性這些要求，對高校實驗室的預(yù)警提供可靠的數(shù)據(jù)信息支持，同時也有著重大的參考價值。