圖像型火焰探測(cè)技術(shù)探討

余霞 丁謝鑌 周毅

(1.中國(guó)人民解放軍73881部隊(duì),福建福州 350003;2.福建省福州市公安消防支隊(duì),福建福州 350001;3.福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院,福建福州 350003)

圖像型火焰探測(cè)技術(shù)探討

余霞1丁謝鑌2周毅3

(1.中國(guó)人民解放軍73881部隊(duì),福建福州 350003;2.福建省福州市公安消防支隊(duì),福建福州 350001;3.福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院,福建福州 350003)

基于圖像處理的火焰識(shí)別技術(shù)是圖像型火災(zāi)探測(cè)器不可或缺的一部分,深入研究該技術(shù)對(duì)于提高圖火探器的實(shí)時(shí)性和可靠性有重要作用。本文從圖像樣本采集、火焰圖像預(yù)處理、火焰圖像特征選擇和火焰圖像模式識(shí)別算法或模型四個(gè)方面,對(duì)國(guó)內(nèi)外學(xué)者的研究進(jìn)展分別進(jìn)行具體介紹、總結(jié),并提出了現(xiàn)階段在火焰圖像識(shí)別方面研究的不足和值得改進(jìn)之處。

圖像處理 火焰圖像 火災(zāi)探測(cè) 模式識(shí)別

火災(zāi)給人類的生命及財(cái)產(chǎn)安全帶來了極大的危害。特別是當(dāng)部隊(duì)內(nèi)部的物資倉(cāng)庫(kù)、電腦機(jī)房、檔案室等要害部位失火,若不能第一時(shí)間發(fā)現(xiàn),極易小火釀大災(zāi),造成不可挽回的損失。這在國(guó)內(nèi)外軍隊(duì)屢見不鮮。2002年,印度北部拉賈斯坦邦一軍火庫(kù)失火并引發(fā)爆炸,大火燒毀1000余噸彈藥、70輛軍車,并導(dǎo)致2人死亡、8人受傷;2008年,美空軍一地下核導(dǎo)彈發(fā)射井工作室失火,造成至少100萬美元的損失;2009年,隸屬俄軍總參謀部情報(bào)總局的一支特種部隊(duì)指揮部所在建筑發(fā)生火災(zāi),導(dǎo)致5名俄羅斯軍人死亡,7人受傷,焚毀大批軍方機(jī)密資料。

因此如何有效地利用電子設(shè)備進(jìn)行火災(zāi)探測(cè),以便及時(shí)將火情消滅在萌芽狀態(tài),一直是人類所積極探索的問題。感溫式、感煙式、感光式、可燃?xì)怏w探測(cè)、復(fù)合式火災(zāi)探測(cè)等傳統(tǒng)火災(zāi)探測(cè)技術(shù),在保護(hù)生命、財(cái)產(chǎn)安全等方面做出了不小的貢獻(xiàn)。但其在靈敏度和可靠性方面尚需提高。新型的特種火災(zāi)探測(cè)技術(shù)解決了傳統(tǒng)型火災(zāi)探測(cè)技術(shù)無法解決的難題,在火災(zāi)預(yù)警方面有歷史性的突破。基于圖像處理的火焰識(shí)別技術(shù)正是其中的一種。

要實(shí)現(xiàn)圖像型火焰探測(cè),主要有四個(gè)步驟:(1)圖像樣本采集——獲得含有火焰的圖像;(2)火焰圖像預(yù)處理及切割——將火焰從圖像中切割出來;(3)圖像特征數(shù)據(jù)提取——測(cè)量、計(jì)算火焰圖像各項(xiàng)特征的值;(4)火焰圖像模式識(shí)別——通過算法或數(shù)學(xué)模型判定是否為火焰。筆者分別從這四個(gè)部分對(duì)國(guó)內(nèi)外學(xué)者的研究進(jìn)展分別進(jìn)行具體介紹,并提出研究現(xiàn)狀存在的問題及值得改進(jìn)之處。

1 待分析圖像樣本的采集

1.1 火焰圖像采集

在大量火焰圖像識(shí)別技術(shù)的研究中,各研究者對(duì)用于分析的火焰圖像樣本的獲得方式、數(shù)量大小各異,火焰種類和拍攝角度的選擇不盡相同。美國(guó)猶他州州立大學(xué)康涅狄格學(xué)院Jessica Ebert等采用在室外開放空間近距離拍攝的燃燒木堆垛和起火紙箱用于分析[1]。曲阜師范大學(xué)電氣信息與自動(dòng)化學(xué)院的史麗紅使用兩張鍋爐爐膛火圖片作為研究對(duì)象[2]。近年來與之相關(guān)的多篇文獻(xiàn)中,對(duì)用于分析的圖像樣本的獲得方式、數(shù)量大小、火焰種類等同樣沒有定式,選擇的隨意性較大[3-6]。

1.2 干擾源圖像采集

通過統(tǒng)計(jì)涉及火焰識(shí)別的文獻(xiàn),干擾源主要可以分為兩大類[3-6]:生活中類似火焰特征的非火物體,以及受控的火焰。具體有:(1)生活中類似火焰特征的非火物體具體有:固定照明燈具(包括持續(xù)和閃爍),手電筒,陽光,飄動(dòng)的窗簾和旗幟,車燈(包括持續(xù)和閃爍狀態(tài)),閃爍的警車燈,波動(dòng)液體表面對(duì)強(qiáng)光的反射,印有火焰圖像的畫,電焊,氣割,閃電,紅色塑料袋。(2)受控的火焰具體有:蠟燭(包括無風(fēng)和有風(fēng)狀態(tài)),正常燃燒的爐灶燃?xì)饣?煙頭,打火機(jī)。

2 火焰圖像預(yù)處理及切割

2.1 火焰圖像預(yù)處理

圖像預(yù)處理是指對(duì)處于最低抽象層次的圖像所進(jìn)行的操作,這時(shí)所處理的輸入和輸出都是灰度圖像。同樣,火焰圖像識(shí)別的圖像預(yù)處理內(nèi)容同樣由其自身的特點(diǎn)來決定?？紤]到火焰圖像識(shí)別要求實(shí)時(shí)性的特點(diǎn),在預(yù)處理時(shí)不適宜對(duì)圖像做過多復(fù)雜的運(yùn)算和處理?；鹧鎴D像識(shí)別文獻(xiàn)中采用的圖像預(yù)處理方式可以分為三類[3-6]——消除背景、圖像增強(qiáng)、圖像去噪,采用的具體方法為如下:

(1)消除背景主要采用的方法是:采用減去基準(zhǔn)圖像來消除背景;(2)圖像增強(qiáng)主要采用的方法有:在HSV色彩空間中調(diào)整圖像亮度進(jìn)行圖像增強(qiáng),基于圖像紅色分量進(jìn)行灰度化,突出火焰部分等;(3)圖像去噪主要采用的方法有:采用3×3模板進(jìn)行高斯濾波去噪,采用3×3模板進(jìn)行中值濾波,采用5×5模板進(jìn)行中值濾波,采用提取圖像骨架的方式對(duì)圖像進(jìn)行細(xì)化,基于小波變換的閾值去噪等。(4)也有一些文獻(xiàn)沒有對(duì)圖像樣本進(jìn)行預(yù)處理。

2.2 火焰圖像切割

圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟,也是一種基本的計(jì)算機(jī)視覺技術(shù)。通常情況下,待處理的火焰目標(biāo)區(qū)域有限。若在整幅圖像上處理,則有大量的無用運(yùn)算在圖像背景區(qū)域執(zhí)行并耗時(shí),因此對(duì)圖像進(jìn)行火焰目標(biāo)分割提取,減小圖像處理數(shù)據(jù)量,是提高實(shí)時(shí)性的一個(gè)重要途徑。

涉及火焰識(shí)別的文獻(xiàn)中用到火焰圖像切割方法可籠統(tǒng)分為四種[3-6]:閾值法;邊緣檢測(cè)法;基于區(qū)域的分割;基于色彩的分割。采用到的具體方法如下:

(1)閾值法:Otsu閾值算法;固定閾值法;迭代閾值法;最大熵閾值法;應(yīng)用先驗(yàn)知識(shí)的雙閾值分割;基于Otsu閾值算法的連通區(qū)域面積閾值化算法等。(2)邊緣檢測(cè)法:拉普拉斯微分算子邊緣檢測(cè);Sobel算子邊緣檢測(cè);提升小波算法邊緣檢測(cè)。(3)基于區(qū)域的分割:形態(tài)學(xué)處理;引入熱力學(xué)原理,模擬“晶體結(jié)晶”的動(dòng)態(tài)過程設(shè)計(jì)了新算法;區(qū)域生長(zhǎng)法;形態(tài)小波流域分割算法。(4)基于色彩的分割方法:基于HIS色彩空間的色彩聚類切割;基于Cr、Cb色彩空間先驗(yàn)判別公式的固定閾值切割法(判別公式通過實(shí)驗(yàn)擬合得到);基于RGB色彩空間先驗(yàn)判別公式的固定閾值切割法等。

3 火焰圖像特征

選擇正確有效、能較好與干擾源圖像相區(qū)分的火焰圖像特征,是火焰圖像識(shí)別的關(guān)鍵一環(huán)。筆者對(duì)涉及火焰識(shí)別的文獻(xiàn)中所選擇的火焰圖像特征進(jìn)行了匯總,大致可分三類[3-6]:顏色特征、幾何形狀特征、動(dòng)態(tài)特征。具體如下:

顏色特征:火焰色彩分量的先驗(yàn)判別函數(shù)關(guān)系式;HIS色彩空間H分量的一階顏色矩;相鄰幀圖像可疑火焰區(qū)域顏色的歐氏距離;紅色飽和度與亮度的關(guān)系。

幾何形狀特征:火焰尖角;圓形度;火焰差分圖像的形態(tài)變化(通過外接矩形四邊的移動(dòng)情況來衡量);相鄰幀圖像可疑火焰區(qū)域形狀的相似度;分形維數(shù);火焰長(zhǎng)度;偏心率;將圖像小波分解后的水平分量、垂直分量、對(duì)焦分量作為特征向量。

動(dòng)態(tài)特征:相鄰幀圖像可疑火焰區(qū)域的面積變化;閃爍頻率;質(zhì)心位置的移動(dòng),同時(shí)對(duì)數(shù)據(jù)進(jìn)行歸一化處理;相鄰幀圖像可疑火焰區(qū)域外接矩形的差分面積變化;火焰外焰飄動(dòng)的軌跡圖。

4 火焰圖像模式識(shí)別算法或模型

采用恰當(dāng)?shù)乃惴ɑ蚰Ｐ透鶕?jù)提取的火焰圖像特征對(duì)火焰進(jìn)行模式識(shí)別,是圖像型火焰識(shí)別的最后一個(gè)環(huán)節(jié)。由該環(huán)節(jié)來對(duì)未知圖像是否有火給出判斷。根據(jù)火焰圖像的特點(diǎn)以及識(shí)別系統(tǒng)對(duì)實(shí)時(shí)性、準(zhǔn)確度的要求,火焰識(shí)別文獻(xiàn)采用了多種識(shí)別方法。具體有[3-6]:

(1)直接由選定的圖像特征閾值或函數(shù)關(guān)系進(jìn)行篩選;(2)給每個(gè)特征值設(shè)定權(quán)重,并將對(duì)應(yīng)區(qū)域的權(quán)值求和,和值最大的即為火焰;(3)BP神經(jīng)網(wǎng)絡(luò);(4)以距離測(cè)度進(jìn)行聚類分析;(5)通過改進(jìn)K-Means聚類方法,提出一種基于灰關(guān)聯(lián)度聚類檢索算法來檢索火焰圖像;(6)貝葉斯決策方法;(7)利用圖像相關(guān)性來建模探測(cè)火災(zāi)的發(fā)生:每隔一定的時(shí)間重新設(shè)置背景圖像,然后利用其后各幀圖像和背景圖像作相關(guān)性分析;并研究火焰的R,G,B三基色的組成成分隨時(shí)間變化時(shí)對(duì)圖像的相關(guān)性的影響。

5 結(jié)論及展望

綜上所述,現(xiàn)階段在火焰圖像識(shí)別方面的研究雖已獲得較大進(jìn)展,但仍存在以下幾點(diǎn)不足和值得改進(jìn)之處:

(1)對(duì)待分析圖像樣本的采集隨意性較大,與實(shí)際火災(zāi)情況不符。采集圖像樣本應(yīng)盡量貼近實(shí)際情況,這樣才能增強(qiáng)分析結(jié)果的有效性,更具有說服力。比如選擇對(duì)相關(guān)規(guī)范、標(biāo)準(zhǔn)中規(guī)定的試驗(yàn)火進(jìn)行采集。

(2)單篇文獻(xiàn)采用的干擾源往往只是上述集合中的一種或幾種,分析的廣泛性不強(qiáng);未從具體特征數(shù)據(jù)的相異性對(duì)火災(zāi)火焰和干擾源進(jìn)行量化對(duì)比分析。應(yīng)結(jié)合多種干擾源與火焰進(jìn)行分析比對(duì)。

(3)在火焰圖像預(yù)處理、火焰圖像切割方面,單篇文獻(xiàn)嘗試的算法、模型較少;大多沒有對(duì)比選優(yōu),均為直接采用某種方法,僅證實(shí)了該方法的可行性;有進(jìn)行方法對(duì)比的文獻(xiàn)僅在少數(shù)幾種方法間對(duì)比,且多依靠主觀觀察判斷得出處理結(jié)果的優(yōu)劣,說服力不強(qiáng)?？蓪?duì)多種算法和模型進(jìn)行聯(lián)合對(duì)比,并量化對(duì)比結(jié)果進(jìn)行選優(yōu)。

(4)選取的火焰圖像特征沒有與干擾源圖像的相應(yīng)特征進(jìn)行量化對(duì)比。可對(duì)所選特征的識(shí)別有效性和對(duì)干擾源區(qū)分性大小進(jìn)行量化分析,由此篩選出有效特征。

(5)火焰識(shí)別文獻(xiàn)中,BP神經(jīng)網(wǎng)絡(luò)和直接由選定的圖像特征閾值或函數(shù)關(guān)系進(jìn)行篩選這兩種方法,使用率較高。但就單一文獻(xiàn)來說,在識(shí)別程序的選用方面,識(shí)別方法較為單一,沒有作橫向量化對(duì)比,未知其采用方法的識(shí)別性能在滿足火焰識(shí)別實(shí)時(shí)性和準(zhǔn)確性方面是否最優(yōu),還需進(jìn)行進(jìn)一步的比較。

[1]Jessica Ebert,Jennie Shipley.Computer vision based method for fire detection in color videos[J].Pattern Recognition Letters.2006,1(27):49-58.

[2]史麗紅.基于小波變換的火焰圖像檢測(cè)[J].計(jì)算機(jī)技術(shù)及應(yīng)用,2009,2:37-38.

[3]程鑫.圖像型火災(zāi)火焰探測(cè)報(bào)警系統(tǒng)[D],中國(guó)江蘇南京:東南大學(xué),2005.6.

[4]陳瑩.大空間圖像型火災(zāi)探測(cè)和自動(dòng)滅火技術(shù)的研究[D],中國(guó)天津:天津大學(xué)電氣與自動(dòng)化工程學(xué)院,2006.1.

[5]Damir Krstini,Darko Stipaniev,Toni Jakovevi.Histogram-Based Smoke Segmentation In Forest Fire Detection System[J].Information Technology And Control,2009(38)3:237-244.

[6]Xiaofang Cheng,Jianhua Wu,Xin Yuan.Principles for a video fire detection system[J].Fire Safety Journal,1999(33)1:57-69.

余霞(1988-),女,助理工程師,主要從事部隊(duì)信息通信自動(dòng)化工作。