基于圖像處理的火災探測報警系統(tǒng)研究

賀婉茹，劉國成

（東莞理工學院城市學院，廣東 東莞 523419）

近年來，火災成了頻繁發(fā)生的災害，尤其是在人群密集和建筑密集的地方，嚴重威脅人民財產(chǎn)和人身安全。而如果在火災發(fā)生初期能夠及時發(fā)現(xiàn)并消滅，就可以避免嚴重后果的產(chǎn)生。因此及時有效降低火災發(fā)生和控制火災形成，成了人們追求的目標之一。市面上常用的傳感器火災探測技術在安裝和應用中不夠靈活，適用范圍局限性大，并且受環(huán)境的干擾較大，故本系統(tǒng)通過視覺，利用圖像處理技術，更加直觀地判斷是否有火災發(fā)生。

LabView是由美國NI公司開發(fā)，專為工業(yè)生產(chǎn)中的測試、測量和控制應用而設計的圖形化系統(tǒng)工程軟件，可快速訪問硬件和數(shù)據(jù)信息，使用內(nèi)置控件可快速的制作出美觀且實用的測試軟件界面。

本文設計了一種基于虛擬儀器LabView和圖像處理技術的火災探測報警系統(tǒng)，利用虛擬儀器LabView及數(shù)字圖像處理技術對特定場景是否發(fā)生火災進行探測報警。總結構是通過攝像機作為前端采集設備，將采集拍攝的圖像，在Labview軟件上按幀處理，進行平滑、低通濾波、顏色閾值計算提取等處理，將圖像的顏色閾值特征向量與符合火災模型的閾值區(qū)間進行一個比較判斷，從而判斷采集的圖像中是否有火光，對火災進行報警動作。該系統(tǒng)實時性好，結構簡單，安裝靈活，比傳統(tǒng)的火災的探測技術具有更高的準確性。

1 系統(tǒng)總體設計及實現(xiàn)

本系統(tǒng)總體構架如圖1所示，對于特定的監(jiān)控場景安裝攝像機進行圖像的實時采集，將采集到的圖像進行平滑和銳化預處理后再通過低通濾波，之后提取顏色閾值，將閾值分割后識別閾值范圍，判斷是否有火災發(fā)生，最后在顯示界面輸出判斷結果。

圖1 火災報警系統(tǒng)總體流程圖

Labview軟件設計包括前面板和后面板兩部分，前面板與用戶直接交互，后面板只與開發(fā)人員交互。本系統(tǒng)前面板設計很簡單，即實現(xiàn)系統(tǒng)的啟停、攝像頭選擇（監(jiān)控場景選擇）、實時圖像的顯示以及報警信息的顯示。后面板的程序框圖設計如圖2所示，攝像頭完成監(jiān)控場景圖像的實時采集，之后對圖片進行預處理，提取顏色特征向量，并且跟設定的火災閾值作比較，將判斷結果作為一個開關量輸出，通過對監(jiān)控場景中是否有火光的判斷，實現(xiàn)火災信號的探測和報警。

圖2 程序框圖設計

1.1 圖像采集部分程序實現(xiàn)

系統(tǒng)通過前端攝像頭采集圖像信息，之后再讀取處理。圖像采集主要由IMAQdx Session控件選擇所連接攝像頭，然后連接到打開攝像頭視覺函數(shù)，將打開攝像頭的信息傳到配置采集函數(shù)中，配置采集函數(shù)又將信息傳遞到開始采集圖像函數(shù)中，并且此函數(shù)在一個事件下“Image；值改變”事件中，這就表示每當圖像的值改變的時候，循環(huán)1s就會拍攝一張圖片；并將圖像保存在通過基路徑保存在指定位置中。注意一點的是在采集圖像函數(shù)中一定要給一個緩存函數(shù)IMAQ Create，并且要在其image name添加一個類型，否則程序無法運行，會提示錯誤。圖像采集程序框圖如圖3所示。

圖3 圖像采集程序框圖

1.2 圖像預處理部分程序實現(xiàn)

圖像預處理部分主要完成圖像的平滑和銳化，對邊緣進行增強提取，這都是一些常用的圖像分割要用到的方法，尤其在工業(yè)作業(yè)中，邊緣的參數(shù)尤為重要，可通過此方法進行提取。圖像預處理部分程序框圖如圖4所示。

圖4 圖像預處理部分程序框圖

1.3 圖像分割識別部分

圖像處理的最終目的，是要將系統(tǒng)所需要的特征向量提取輸出，本設計運用的方法就是利用RGB顏色空間的分離提取，并通過模塊匹配的方法，來判斷是否符合火焰的特性，從而作為一個判斷依據(jù)，并將結果輸出。

此圖像分割識別部分程序主要通過在指定保存文件路徑中，將所要處理識別圖像將其讀取出來，并在緩存區(qū)指定所提取的分量，此設計中提取的顏色分量是RGB顏色空間模型。在軟件中通過視覺函數(shù)函數(shù)節(jié)點IMAQ ColorLearn VI，指定程序從低頻分量中提取圖像中的RGB顏色像素點。因為當?shù)皖l的顏色分量中都能識別出符合火焰顏色閾值的話，在高頻部分，火焰的主要顏色閾值分量更加明顯，就更能體現(xiàn)出火焰的特性，從而說明有火災的發(fā)生。所以在設計中只需要在低頻分量中提取即可。通過在IMAQ ColorLearn VI中增加一個屬性節(jié)點ROI，即感興趣區(qū)域，這樣可以根據(jù)應用需求來選擇不同的重點關注區(qū)域，增加了系統(tǒng)的靈活性和適應性。通過提取感興趣區(qū)域的顏色閾值和設定火災圖像顏色閾值分量，并判斷所提取的顏色閾值與設定的火焰的顏色分量的關系，用比較結果作為火災識別報警的開關量。部分分割提取程序框圖如圖5所示。

圖5 部分分割提取程序框圖

2 結語

本文針對現(xiàn)有火災探測系統(tǒng)不夠靈活的不足，設計了一種基于虛擬儀器技術和圖像處理技術的火災探測報警系統(tǒng)，系統(tǒng)主要以攝像頭采集的圖像中的顏色特征作為火災判斷的主要依據(jù)，并在識別出有火災時發(fā)出報警信號。實驗證明通過攝像頭來采集監(jiān)控場景圖像之后進行圖像處理的火災檢測技術，比傳統(tǒng)的基于傳感器的火災探測系統(tǒng)結構簡單，安裝靈活，具有更好的實時性和環(huán)境適應性。