楊孟拓，李 潔，付 洋，宋煥生，盧勝男

(長安大學(xué)陜西省道路交通智能檢測與裝備工程技術(shù)研究中心，陜西 西安 710064)

責(zé)任編輯:任健男

像火焰圖像這樣顏色特征非常明顯的一類圖像，利用顏色提取技術(shù)就能夠很好地識別出背景區(qū)域和火焰區(qū)域。人們針對于圖像類的火災(zāi)檢測技術(shù)已經(jīng)展開了深入的研究，提出了多種基于顏色模型的檢測方法。如Bo-Ho Cho［1］等人提出了基于RGB和HSI的火焰檢測顏色模型，該模型能避免檢測出與火焰顏色接近的背景區(qū)域，但是檢測出的火焰區(qū)域并不完整;王瑩［2］等人提出了基于RGB，HSV和YCbCr的火焰檢測顏色模型，該模型能比較準(zhǔn)確完整地檢測到火焰區(qū)域，但是在部分背景顏色與火焰顏色相似度差別不大或是背景亮度很高的的情況下，會出現(xiàn)大量的干擾;Wen-Bing Homg［3］等人提出了基于HSI建立顏色模型的方法，該方法實現(xiàn)簡單，主要就涉及到一種色彩空間，但是，在實際應(yīng)用中容易出現(xiàn)太多干擾，適用性比較差;Yunyang YAN［4］等人提出了基于 I1，I2，I3的顏色模型，該模型火焰檢測效果好，誤判率低，檢測速度快，但是當(dāng)火焰背景亮度過高、火焰和背景的亮度差別不明顯等情況存在的時候，很容易造成誤判;喬繼斌［5］等人提出了基于YCbCr的顏色模型，同時又在HSI色彩空間上采用相似距離法去除噪點，雖然這種方法檢測效果有所改善，但由于只是單一的采取一種模型作為判斷依據(jù)或是現(xiàn)實場景的復(fù)雜度等原因，造成檢測結(jié)果很不理想，仍然會出現(xiàn)較大的干擾或者發(fā)生誤判。

本文考慮到圖像中的復(fù)雜場景，既要準(zhǔn)確地提取火焰區(qū)域，消除一定的干擾，又要有較快的檢測速度。在分析前述幾種常用顏色模型的基礎(chǔ)上，針對它們存在的不足，給出一種改進(jìn)的基于顏色模型的圖像型火災(zāi)檢測方法。首先結(jié)合HSI顏色模型和YCbCr顏色模型對火災(zāi)圖像進(jìn)行預(yù)處理提取出可能火焰區(qū)域，并在HSI空間上采用顏色空間距離法去除噪聲。實驗結(jié)果表明，本文給出的顏色模型比常見的幾種顏色模型有較明顯的綜合優(yōu)勢，能夠準(zhǔn)確地識別火焰區(qū)域，并能在一定程度上消除干擾，具有一定的適用性。

1 火焰檢測的原理

在草場、森林、隧道等場景中，火焰顏色相對而言是比較固定的，一般是處于紅黃之間。又因為火焰是一種典型的最強(qiáng)烈的源光，所以火焰附近的像素亮度在大多數(shù)情況下處于飽和狀態(tài)。與其他特征相比，顏色特征是火焰圖像最為顯著的特征之一，并且顏色特征計算相對簡單、速度快，對于平移、旋轉(zhuǎn)、尺度變換等不敏感，具有很強(qiáng)的穩(wěn)健性。因此顏色特征在很多文獻(xiàn)中被作為火焰的最重要的特征，并根據(jù)它進(jìn)行一系列的火焰檢測或前期檢測［5］。

本文從不同的來源(網(wǎng)絡(luò)、照相等)收集了324張大小不等的包含火焰信息的彩色圖片，其中包含不同光照、不同場景和遮擋等情況下的火焰信息，共包含27712304個像素，其中含有火焰信息的像素有2834743個。還從網(wǎng)上等來源收集了237張大小不等的不包含火焰信息的彩色圖片(包含一些疑似火焰的圖像)，從中隨機(jī)抽取了3189435個非火焰像素。對2834743個火焰像素和3189435個非火焰像素的彩色特征、顏色分量及其關(guān)系進(jìn)行統(tǒng)計分析，發(fā)現(xiàn)火焰顏色的分布狀況與其他的發(fā)光物體的顏色分布不同，總結(jié)歸納得出含有火焰信息的圖像中各個像素的彩色特征的分布、顏色分量及其相互關(guān)系。通過這些結(jié)論就可以建立相應(yīng)的顏色模型。

火焰檢測算法就是對火焰圖像中的所有像素進(jìn)行逐點掃描，如果像素顏色屬于顏色模型當(dāng)中所設(shè)置的范圍，則將之劃入可能火焰區(qū)域。

2 幾種常見火焰顏色模型的分析

每一種顏色模型都有它本身的特點，沒有哪一種顏色模型能解釋所有的顏色問題，具體應(yīng)用中采用哪種顏色模型要根據(jù)應(yīng)用的具體情況以及顏色模型的特點而定，因此常常通過使用不同的模型或同時采用多種模型來幫助說明能看到的顏色特征。

目前，用于火災(zāi)檢測的顏色模型有很多種，本節(jié)就以下幾種常見的顏色模型進(jìn)行分析。

2.1 基于RGB的模型

火焰具有特殊顏色分布規(guī)律，通過顏色特征進(jìn)行判斷，可以濾除掉大部分的非火焰目標(biāo)。自然界的中任一顏色都可以通過R，G，B基色按不同的比例混合而成。對于火焰區(qū)域的像素，一般紅色通道的值大于綠色通道的，綠色通道的值大于藍(lán)色通道的，并且在大部分火焰顏色中紅色通道的顏色飽和度是最高的。文獻(xiàn)［1］和文獻(xiàn)［2］都基于火焰顏色在RGB色彩空間中最典型的規(guī)則進(jìn)行建模:

Rav是R的平均值。

文獻(xiàn)［5］中也采用了火焰在RGB色彩空間的一些特征:

由于RGB色彩空間對光照亮度變化比較敏感，采用比值G/R，B/G，B/R，即不同顏色分量之間相對比值的特征來消除光照變化的影響，和將RGB色彩空間轉(zhuǎn)換到其他對光照變化不敏感的色彩空間(如HSV)等降低光照變化影響的方法相比，計算既簡單又省時。

2.2 基于HSI的模型

HSI把顏色分成了3個特征:色調(diào)或色相H(Hue)，可表示各種顏色的種類;明度或亮度I(Intensity)，可用來表示明暗;飽和度或彩度S(Saturation)，可用來表明顏色的鮮艷程度。HSI顏色模型更符合人眼對景物顏色的感知。

根據(jù)文獻(xiàn)［6］顯示，98%以上的火災(zāi)早期所產(chǎn)生的火焰的顏色都介于紅色和黃色之間，并且火焰附近的像素亮度在大多數(shù)情況下處于飽和狀態(tài)。在HSI空間中，紅色和黃色的色調(diào)范圍在0～60之間。

文獻(xiàn)［3］中基于HSI彩色空間建立的顏色模型，就是以H∈［0，60］，S∈［0.2，1］，I∈［100，255］為火焰分割閾值提取疑似火焰區(qū)域。

文獻(xiàn)［5］中在HSI色彩空間上采用相似距離法去除噪點。

2.3 基于的模型

火焰發(fā)光、發(fā)熱的特征在圖像中表現(xiàn)明顯，主要是該區(qū)域的像素點色度值介于紅色和黃色之間，并且亮度值和飽和度明顯高于其他區(qū)域的像素點(照明條件理想的情況下)。

文獻(xiàn)［4］使用由RGB經(jīng)過線性變換后得到的3個正交彩色特征建立了火焰色彩模型。正交彩色特征式分別為

當(dāng)將上述3個特征用于彩色圖像分割時，I1和I2的特征已很明顯，I1是最佳特征，I2是次佳特征。為了減少計算量，僅使用I1和I2的特征，分布如下

2.4 基于YCbCr的模型

文獻(xiàn)［5］中認(rèn)為火焰顏色在Cr和Cb空間上基本符合正態(tài)分布

如果一個像素點的Cr和Cb滿足公式f(Cr，Cb)＞T，T為一個給定的閾值，則認(rèn)為該像素點具有火焰顏色。利用YCbCr顏色模型能夠有效地克服光照變化對火焰的影響，但對于那些在色差上與火焰接近的點卻很難區(qū)分開，盡管火焰顏色與這些點的顏色差別很大。

3 一種改進(jìn)的顏色模型

從上面的分析中可以看出，每種算法都有它的局限性，對復(fù)雜場景的適應(yīng)性不夠強(qiáng)，得出的效果并不令人滿意，針對以上幾種算法的不足，本文在YCbCr顏色模型和HSI顏色模型的基礎(chǔ)上，結(jié)合YCbCr顏色模型能夠較好地克服日光對火焰的干擾等優(yōu)點和HSI顏色模型更符合人眼對景物顏色的感知等優(yōu)點，提出了一個新的顏色模型來檢測火焰區(qū)域。

通過攝像頭一般獲取的都是RGB色彩空間的圖像，首先將RGB色彩空間的圖像轉(zhuǎn)化為YCbCr色彩空間的圖像。轉(zhuǎn)換公式如下所示

因為火焰顏色在Cr，Cb空間上基本符合正態(tài)分布，所以采取下面所示的方法進(jìn)行檢測。

Cr_av和Cb_av是樣本的數(shù)學(xué)期望，公式為

式中:Scr和Scb是樣本標(biāo)準(zhǔn)差，A=1/Scr2，B=1/Scr×Scb，C=1/Scb2。

如果一個像素點的Cr和Cb滿足公式f(Cr，Cb)＞T，T為一個給定的閾值，則認(rèn)為該像素點具有火焰顏色。

在此基礎(chǔ)上，繼續(xù)選用HSI顏色模型進(jìn)行檢測來提高火焰檢測的準(zhǔn)確性和可靠性。先將RGB空間的圖像轉(zhuǎn)化為HSI空間的圖像。轉(zhuǎn)換公式如下

根據(jù)文獻(xiàn)［6］顯示，98%以上的火災(zāi)早期所產(chǎn)生的火焰的顏色都介于紅色和黃色之間，并且火焰附近的像素亮度在大多數(shù)情況下處于飽和狀態(tài)。在HSI空間中，紅色和黃色的色調(diào)范圍在0～60之間。根據(jù)已有文獻(xiàn)顯示和多次實驗，本文選取以下范圍作為火焰分割閾值提取疑似火焰區(qū)域:0＜H ＜60，0.2＜S＜1，100＜I＜255。

通過前面的顏色模型可以準(zhǔn)確地提取出可能火焰區(qū)域，但是當(dāng)背景中一些區(qū)域的色差和亮度與實際火焰十分相似時，檢測效果并不很理想，仍會遺留下一些噪點。同時由于火焰色彩與噪點的色彩有很大的差別，通過像素點的飽和度和色調(diào)就可以很容易地將它們區(qū)分開。因此可以在HSI色彩空間上采用空間距離法去除噪點，從而提高分割效果。

去噪點的具體檢測方法是:

1)逐個掃描圖像像素點，只要H＜30的點就可以作為基準(zhǔn)點a。

2)掃描下一個像素點b，根據(jù)步驟1)的條件。

3)a點和b點之間的空間距離D的計算方法如下

4)當(dāng)a和b像素點的空間距離小于等于閾值T時，可以認(rèn)為a像素點與b像素點的顏色是相似的，能夠作為火焰的區(qū)域點保留。

5)再以b點為基準(zhǔn)點，重復(fù)步驟2)～5)進(jìn)行處理，直至掃描完所有的像素點。

在現(xiàn)實復(fù)雜的場景中，部分背景的顏色可能會與火焰顏色的相似度很大，用傳統(tǒng)的顏色模型來檢測火焰，會出現(xiàn)較多的干擾和誤判。而改進(jìn)的顏色模型采用YCbCr顏色模型和HSI顏色模型相結(jié)合，利用YCbCr顏色模型能夠較好地克服日光對火焰的干擾，同時采用HSI顏色模型彌補(bǔ)了利用YCbCr顏色模型很難區(qū)分開那些在色差與火焰接近的點的不足，因為通過像素點的色調(diào)和飽和度就可以很容易將它們區(qū)分開，從而有效地克服了這一缺陷。當(dāng)然，就模型效果而言，采用HSI顏色模型和YCbCr顏色模型相結(jié)合，也比單一的采取其中一種顏色模型的效果要好。由于是在HSI顏色模型和YCbCr顏色模型的基礎(chǔ)上做的，故處理時間會比單一地采取其中的一種顏色模型稍長，但幾乎可以忽略不計。

4 實驗結(jié)果及分析

本文采用500多幅火災(zāi)圖像對本文所提出的火焰檢測方法進(jìn)行性能評價，并與其他火焰檢測方法進(jìn)行比較，如表1所示。

表1 各種顏色模型關(guān)于檢出率和誤報率的比較

表1中清楚地反映了改進(jìn)的模型在保持準(zhǔn)確檢測率的同時，能最大程度地減少誤報率。

這里主要給出三種典型場景的火焰檢測結(jié)果(如圖1～圖3所示)。第一種場景中，背景中出現(xiàn)和火焰顏色相似度很大的雜點，如學(xué)生衣服上的白色和紅色部分，以及外殼是紅色的滅火器等。第二種場景中，火焰上方漂浮著大量的煙霧，對火焰的亮度有一定的影響。第三種場景中，背景中出現(xiàn)不同顏色的廣告牌。

圖1 在第一種場景中不同模型提取的火焰區(qū)域

在第一種場景中(見圖1)，基于RGB，HSV，YCbCr的模型和基于HSI的模型檢測出來的效果都很不理想，出現(xiàn)了大量的干擾，基于YCbCr的模型干擾較少，基于I1，I2，I3的模型和改進(jìn)的模型檢測效果較為理想。

為了比較基于I1，I2，I3的模型和改進(jìn)模型的不同，引入了第二種場景(見圖2)，實驗結(jié)果表明，基于I1，I2，I3的模型識別的火焰區(qū)域非常不完整，出現(xiàn)了大量缺失，可見這種模型在火焰亮度低的情況下，效果并不理想。而改進(jìn)的方法都能較好地識別出火焰區(qū)域。

為了說明基于YCbCr的模型和改進(jìn)的模型的不同，繼續(xù)進(jìn)行比較(見圖3)。基于YCbCr的模型出現(xiàn)了明顯的誤判，把廣告牌也識別成了火焰區(qū)域，通過分析，是閾值的選取問題，可是通過更改閾值，干擾消除了，換種場景，識別的火焰區(qū)域又會非常不完整，使這種模型沒有很好的適用性。而改進(jìn)的模型通過HSI模型彌補(bǔ)了這一點，又因為火焰附近的像素亮度在大多數(shù)情況下達(dá)到飽和，可以在YCbCr模型的基礎(chǔ)上做進(jìn)一步檢測，不需要頻繁更改閾值。從結(jié)果也可以看出，改進(jìn)的模型能正確識別火焰區(qū)域，效果較為理想。

從實驗結(jié)果可以看出，本文提出的改進(jìn)的顏色模型優(yōu)于傳統(tǒng)的顏色模型，在準(zhǔn)確檢測出火焰區(qū)域的同時，在一定程度上能夠有效的消除干擾，并且適用性較強(qiáng)。

5 結(jié)論

本文討論了幾種常見的用于火災(zāi)檢測的顏色模型，并分析比較了這些模型的優(yōu)缺點，針對它們的不足，提出了一種新的顏色模型。改進(jìn)的模型克服了已有的缺點，可以準(zhǔn)確地提取出火焰區(qū)域，抗干擾能力強(qiáng)，適用性強(qiáng)，效果優(yōu)于其他常用的算法。

本文所提出的算法僅使用了火焰的靜態(tài)顏色特征，取得了較好效果。進(jìn)一步可研究選取更有效的火焰靜態(tài)特征，并結(jié)合火焰的動態(tài)特征進(jìn)行火災(zāi)檢測的方法。

［1］CHO B，BAE J，JUNG S.Image processing-based fire detection system using statistic color model［C］//Proc.International Conference on Advanced Language Processing and Web Information Technology.Washington，DC，USA:IEEE Computer Society Press，2008:245-250.

［2］王瑩，李文輝.基于多特征融合的高精度視頻火焰檢測算法［J］.吉林大學(xué)學(xué)報，2010，40(3):769-775.

［3］HOMG W，PENG J，CHEN C.A new image-based real-time flame detection method using color analysis［C］//Proc.the 2005 IEEE International Conference on Networking，Sensing and Control.Tucson，Arizona，USA:IEEE Press，2005:100-105.

［4］YAN Yunyang，GUO Zhibo，WANG Hongyan.Fire detection based on feature offlame color［C］//Proc.Chinese Conference on Pattern Recognition，2009.［S.l.］:IEEE Press，2009:1-5.

［5］喬繼斌.基于圖像處理技術(shù)的火災(zāi)檢測［D］.沈陽:沈陽工業(yè)大學(xué)，2008.

［6］馬宗方，程詠梅，王慧琴.基于顏色模型和稀疏表示的圖像型火焰探測［J］. 光子學(xué)報，2011，40(8):1220-1224.