, ， , , ,

(1.中國(guó)艦船研究設(shè)計(jì)中心，武漢 430064;2.中國(guó)科學(xué)技術(shù)大學(xué) 火災(zāi)科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，合肥 230027)

傳統(tǒng)感煙、感溫、感光等火災(zāi)探測(cè)器存在一些固有缺陷和使用上的局限?？紤]到火焰和煙霧在可見(jiàn)光領(lǐng)域具有一定的顏色、紋理和形狀等圖像特征[1]，能夠直接監(jiān)測(cè)火災(zāi)圖像的探測(cè)技術(shù)受到越來(lái)越多的關(guān)注。

近年來(lái)，國(guó)內(nèi)外很多研究人員對(duì)火災(zāi)圖像探測(cè)技術(shù)作了許多研究工作，隨著火焰特征模型的不斷完善，火災(zāi)圖像探測(cè)技術(shù)得到不斷發(fā)展[2-8]。

目前火災(zāi)圖像探測(cè)技術(shù)還處于起步階段，現(xiàn)有的探測(cè)技術(shù)在復(fù)雜場(chǎng)景中尚難以有效地去除干擾，存在一定的誤報(bào)漏報(bào)情況。本文以現(xiàn)有的火災(zāi)圖像探測(cè)技術(shù)和圖像分析算法為基礎(chǔ)，拓展了一種融合火焰圖像多種特征的火災(zāi)圖像探測(cè)方法，以期有效提高探測(cè)的準(zhǔn)確率和可靠性。

1 多特征融合的火災(zāi)圖像探測(cè)方法

火焰圖像一般具有多種特征，如位置移動(dòng)、面積變化、邊緣尖角、色彩特性以及頻閃脈動(dòng)等。利用其中的一種或兩種特征來(lái)監(jiān)測(cè)火焰，實(shí)現(xiàn)方法較為簡(jiǎn)單，運(yùn)算速度快，但容易出現(xiàn)漏報(bào)和誤報(bào)。多特征融合的探測(cè)方法[9]，就是基于火焰圖像特征的多樣性，以一定的步驟和算法，不斷消除干擾信息，減少漏報(bào)誤報(bào)，提高探測(cè)的可靠性。

1.1 疑似火焰區(qū)域檢測(cè)

監(jiān)控場(chǎng)景中多數(shù)物體在攝像機(jī)固定情況下所采集的視頻序列中是靜止的，而火焰則呈現(xiàn)運(yùn)動(dòng)特性。所以，首先采用運(yùn)動(dòng)檢測(cè)提取前景運(yùn)動(dòng)目標(biāo)，以消減監(jiān)控場(chǎng)景中大量與火焰顏色相似的靜止目標(biāo)的干擾。

背景消減法是一種常用于檢測(cè)圖像變化和運(yùn)動(dòng)物體的圖像處理方法，能夠得到比較精確的目標(biāo)圖像。參考文獻(xiàn)[7]的方法，本文使用閾值背景消減。設(shè)數(shù)字化的序列圖像為fi(x,y)；對(duì)于每通道的圖像信號(hào)，有一穩(wěn)定的基準(zhǔn)圖像，令其為fo(x,y)。系統(tǒng)以基準(zhǔn)圖像表示該通道的正常情況，則對(duì)于圖像序列的各幀圖像有

Δfi(x,y)=fi(x,y)-

(1)

圖1是對(duì)圖像進(jìn)行背景消減運(yùn)算的結(jié)果，可見(jiàn)閾值背景消減可以得到比較準(zhǔn)確的目標(biāo)圖像，并且能夠較為有效地排除電燈、裝飾圖案等具有火焰顏色的靜止干擾因素。

1.2 圖像預(yù)處理

在復(fù)雜監(jiān)控環(huán)境中，天氣、光線、陰影、燈光以及隨機(jī)噪聲等都會(huì)降低采集圖像的質(zhì)量，要想準(zhǔn)確分割火焰目標(biāo)，首先要利用圖像預(yù)處理排除各種干擾因素影響，然后再對(duì)實(shí)時(shí)視頻圖像進(jìn)行火焰目標(biāo)的識(shí)別和提取。圖像的預(yù)處理過(guò)程主要分為4步。

1)格式轉(zhuǎn)換。通過(guò)視頻采集設(shè)備得到的數(shù)字圖像是 YUV 格式的，為分析研究火焰圖像的色彩特征等信息，首先需要進(jìn)行格式轉(zhuǎn)換，將其轉(zhuǎn)化為 RGB 格式，YcbCr 格式，以及灰度圖像。

圖1 經(jīng)過(guò)背景消減的圖像與初始圖像的比較

2)圖像二值化。二值化圖像是在灰度圖像的基礎(chǔ)上生成的，設(shè)定一個(gè)閾值，認(rèn)為灰度大于閾值的是火焰，小于閾值的是背景。二值化圖像中只有兩種顏色：“黑”或“白”，這樣可以進(jìn)一步將火焰與背景分離，為深入研究統(tǒng)計(jì)火焰圖像的特征提供技術(shù)支撐。

3)圖像過(guò)濾。圖像的過(guò)濾，是抑制或消除噪聲而改善圖像質(zhì)量的過(guò)程。本文中采用Turky 提出的中值過(guò)濾來(lái)平滑圖像，抑制二值化圖像中的一些無(wú)關(guān)信息，即所謂的噪聲，以實(shí)現(xiàn)對(duì)火焰圖像的比較準(zhǔn)確的剪取。

4)火焰目標(biāo)提取。通過(guò)上述步驟，實(shí)現(xiàn)對(duì)火焰目標(biāo)比較精確的剪取。然后利用二值化圖與 RGB 圖像、二值化圖與 YcbCr 圖像、二值化圖與灰度圖像的位置映射關(guān)系，完成 RGB 圖像、YcbCr 圖像以及灰度圖像中的火焰的提取。

1.3 形態(tài)特征分析

火焰圖像具有獨(dú)特的形態(tài)學(xué)特征[10]，例如面積變化、火焰尖角等。對(duì)火焰的形態(tài)學(xué)特征進(jìn)行分析研究，采用形態(tài)學(xué)特征判據(jù)，可以比較有效地消除移動(dòng)車(chē)燈、行人等動(dòng)態(tài)干擾因素。

1.3.1 火焰面積檢測(cè)

火焰面積的檢測(cè)是在圖像二值化的基礎(chǔ)上實(shí)現(xiàn)的。在二值化圖像中，火焰顯示為 1，背景顯示為 0，因此可以通過(guò)對(duì)二值化的圖像矩陣進(jìn)行求和運(yùn)算，來(lái)實(shí)現(xiàn)對(duì)火焰面積的計(jì)算，即

(2)

通過(guò)對(duì)火焰面積的檢測(cè)，可以比較方便地判斷火焰面積是否隨時(shí)間變化。前后兩幀圖像的火焰面積的差值應(yīng)滿足一定條件，這個(gè)差值可以隨火焰面積的變化而調(diào)整下限值。經(jīng)實(shí)驗(yàn)分析發(fā)現(xiàn)，下限閾值取為 4% 時(shí)比較合理，即火焰面積的判據(jù)為

(3)

1.3.2 火焰尖角檢測(cè)

不穩(wěn)定火焰本身有狹而長(zhǎng)的突起，這些狹而長(zhǎng)的突起可以稱(chēng)之為火焰的尖角?；鹧婧推渌邷匚矬w的尖角有明顯的區(qū)別，因此可以將火焰尖角作為火災(zāi)圖像探測(cè)的一個(gè)重要部分 。

火焰尖角的檢測(cè)是同樣在圖像二值化的基礎(chǔ)上實(shí)現(xiàn)。按照一定的算法，掃描整個(gè)圖像，可以初步標(biāo)記圖像尖角；同時(shí)尖角的形態(tài)要符合一定的標(biāo)準(zhǔn)，即尖角相鄰兩行相同標(biāo)記的部分寬度比例滿足一定條件。將滿足條件的尖角標(biāo)記為火焰尖角，統(tǒng)計(jì)尖角數(shù)量N，并記錄第一個(gè)火焰尖角的頂點(diǎn)位置(xV,yV)。圖2中的示例顯示了火焰尖角的檢測(cè)結(jié)果。

圖2 圖像的火焰尖角檢測(cè)

不穩(wěn)定火焰尖角的數(shù)目和位置隨火焰抖動(dòng)而呈現(xiàn)無(wú)規(guī)則的變化，文中采用火焰尖角的判據(jù)為

(4)

1.4 顏色特征分析

火焰顏色與溫度、燃燒物光譜兩個(gè)因素密切相關(guān)。通過(guò)對(duì)大量火焰彩色圖像的分析可知，火焰目標(biāo)具有強(qiáng)烈的視覺(jué)特征，火焰圖像顏色和灰度級(jí)呈一定的分布規(guī)律[11]：火焰色調(diào)一般介于紅黃之間，火焰內(nèi)核呈現(xiàn)亮白色，向外顏色由黃變橙、到紅；低溫火焰顏色飽和度較高，高溫下飽和度較低。因此，可以利用火焰的顏色特征，過(guò)濾運(yùn)動(dòng)檢測(cè)所提取運(yùn)動(dòng)目標(biāo)中不具有火焰顏色的運(yùn)動(dòng)目標(biāo)，以便更好地識(shí)別火焰。

1.4.1 RGB顏色檢測(cè)

RGB顏色模型是一種最常見(jiàn)的顏色模型。自然界的各種顏色光都可分解成紅、綠、藍(lán)(R,G,B)三種基本顏色光，根據(jù)三基色原理，任意顏色光的配色均可通過(guò)三基色表達(dá)。

關(guān)于火焰顏色在圖像上的分布特征，前人已經(jīng)進(jìn)行了大量的研究統(tǒng)計(jì)，得到多種方式來(lái)限定火焰顏色像素的 RGB范圍。本文采用以下 RGB 顏色判據(jù)：

(5)

以上顏色判據(jù)的三個(gè)公式分別代表：①火焰顏色一般比周?chē)尘磅r亮突出，即像素的平均飽和度應(yīng)大于一定閾值；②火焰比周?chē)h(huán)境的一般物體“紅”，因此紅色分量應(yīng)比綠色和藍(lán)色分量著重強(qiáng)調(diào)，即對(duì)紅色分量設(shè)定閾值；③火焰顏色分量存在內(nèi)在關(guān)系，紅色分量大于等于綠色分量，綠色分量又大于等于藍(lán)色分量。

1.4.2 YCbCr顏色檢測(cè)

YcbCr顏色模型是另一種常見(jiàn)的顏色模型。在該模型中，亮度信息被存為單一要素Y，色調(diào)信息存成不同的顏色要素Cb和Cr。Cb代表藍(lán)色元素與參考值的差異，Cr代表紅色元素與參考值的差異。通過(guò)資料顯示及大量實(shí)驗(yàn)分析，得出火焰圖像在每個(gè)基色分量下的特征分布范圍，結(jié)果見(jiàn)表1。在YcbCr顏色檢測(cè)中，亮度分量Y是其主要判據(jù)，背景的光照條件對(duì)火焰的飽和度有相反影響，可能使得干擾物具有與火焰相似的顏色值，而被誤判為火焰。

表1 YCbCr顏色模型的三種顏色要素的特征值域

1.4.3 灰度分布檢測(cè)

與火焰圖像的顏色分布相對(duì)應(yīng)，灰度圖像中從焰心到外焰火焰的灰度大體呈現(xiàn)遞減的規(guī)律?；叶确植紮z測(cè)需要從水平方向和豎直方向分別進(jìn)行。

以水平方向上的灰度檢測(cè)為例，其基本思路是：逐行掃描圖像，找出每行上相應(yīng)的焰心和外焰點(diǎn)；取橫坐標(biāo)差值最大的一對(duì)點(diǎn)進(jìn)行灰度檢測(cè)；從焰心到外焰點(diǎn)，建立直線方程，模擬其灰度值序列的發(fā)展趨勢(shì)；對(duì)發(fā)展趨勢(shì)進(jìn)行線性擬合，以直線的斜率作為灰度判據(jù)。兩個(gè)方向上灰度分布的斜率均應(yīng)為負(fù)值，用公式表示為

Sv<0,Sh<0

(6)

2 系統(tǒng)實(shí)現(xiàn)與實(shí)驗(yàn)

通過(guò)分析火焰圖像在顏色和形態(tài)上的各種特征，將各種火焰圖像判據(jù)有機(jī)耦合在一起，根據(jù)每種特征的運(yùn)算速度，排除干擾信息的難易程度等綜合考慮，編程實(shí)現(xiàn)多特征融合的火災(zāi)圖像探測(cè)。

為了驗(yàn)證文中火災(zāi)圖像探測(cè)方法的性能，采用了七組火災(zāi)視頻和干擾視頻進(jìn)行測(cè)試，并與文獻(xiàn)[7，12] 提出的探測(cè)方法進(jìn)行對(duì)比。測(cè)試視頻中包括了不同光照條件、背景復(fù)雜度以及火焰干擾的室內(nèi)和室外場(chǎng)景。視頻圖像大小為 320×240 像素，采集幀率為 25 幀/s。每組測(cè)試視頻的詳細(xì)信息見(jiàn)表2。

表2 測(cè)試視頻的詳細(xì)信息

本文和文獻(xiàn)[7]的探測(cè)方法對(duì)上述視頻錄像的測(cè)試結(jié)果分別列于表3和表4中。

表3 基于本文提出方法的火災(zāi)圖像探測(cè)結(jié)果 幀

表4 基于文獻(xiàn)[7]方法的火災(zāi)圖像探測(cè)結(jié)果 幀

在測(cè)試結(jié)果中，當(dāng)對(duì)錄像某幀識(shí)別到真實(shí)火焰目標(biāo)而又不誤報(bào)其它非火焰目標(biāo)則統(tǒng)計(jì)為正確報(bào)警幀數(shù)；當(dāng)對(duì)錄像某幀錯(cuò)誤標(biāo)記了非火焰目標(biāo)則統(tǒng)計(jì)誤報(bào)幀數(shù)；當(dāng)對(duì)錄像某幀具有真實(shí)火焰目標(biāo)但算法沒(méi)有給出報(bào)警提示則統(tǒng)計(jì)為漏報(bào)幀數(shù)。因此，表中的探測(cè)率是正確報(bào)警幀數(shù)除以火焰幀數(shù)，或者正確報(bào)警幀數(shù)除以錄像總幀數(shù)計(jì)算得到。

通過(guò)與文獻(xiàn)[7]的探測(cè)方法相比較，可見(jiàn)本文提出的探測(cè)方法對(duì)各測(cè)試場(chǎng)景的探測(cè)率都能達(dá)到70%以上，且很多場(chǎng)景的探測(cè)率能達(dá)到90%以上，說(shuō)明本文所拓展的方法具有較好的場(chǎng)景適應(yīng)性和探測(cè)可靠性。

文獻(xiàn)[7]提出的探測(cè)方法在某些測(cè)試場(chǎng)景探測(cè)率很高，可以達(dá)到94.4%，而對(duì)大部分測(cè)試場(chǎng)景的探測(cè)率都較低。這可能有兩方面的原因，一是文獻(xiàn)[7]的探測(cè)方法主要是基于統(tǒng)計(jì)顏色模型，對(duì)場(chǎng)景的依賴(lài)性很強(qiáng)，會(huì)出現(xiàn)漏報(bào)、誤報(bào)嚴(yán)重的問(wèn)題；二是文獻(xiàn)所述方法在某些地方解釋不詳細(xì)，沒(méi)有說(shuō)明公式經(jīng)驗(yàn)值。本文中的程序是按照筆者的主觀理解重現(xiàn)，兩種算法的比較只是符合基本原理的比較。

3 結(jié)論

在分析火焰圖像的顏色與形態(tài)學(xué)特征的基礎(chǔ)上，拓展了一種多特征融合的火災(zāi)圖像探測(cè)方法，將顏色空間、灰度分布、面積變化以及火焰尖角等多種判據(jù)有機(jī)耦合到一起，實(shí)現(xiàn)對(duì)火災(zāi)的快速探測(cè)。視頻錄像的測(cè)試結(jié)果表明，此探測(cè)方法對(duì)各測(cè)試場(chǎng)景的探測(cè)率都能達(dá)到70%以上，且很多場(chǎng)景的探測(cè)率能達(dá)到90%以上，具有較好的場(chǎng)景適

應(yīng)性和探測(cè)可靠性。

[1] CHENG X F, WU J H, YUAN X, et al. Principles for a video fire detection system[J].Fire Safety Journal,1999,33(1):57-69.

[2] NODA S, UEDA K. Fire detection in tunnels using an image processing method[C]∥ In: Proceedings of Vehicle Navigation and Information Systems Conference, Japan,1994:57-62.

[3] CHEN T H, WU P H, CHIOU Y C. An early fire-detection method based on image processing[C]∥ Proceedings of IEEE International Conference on Image Processing, Singapore,2004:1707-1710.

[4] 吳龍標(biāo),宋衛(wèi)國(guó),盧結(jié)成.圖像火災(zāi)監(jiān)控中一個(gè)新穎的火災(zāi)判據(jù)[J].火災(zāi)科學(xué),1997,6(2):60-66.

[5] CHEN T, YUAN H Y, SU G F, et al. Automatic fire searching and suppression system for large spaces[J].Fire Safety Journal,2004,39(4):297-307.

[6] LI J, FONG N K, CHOW W K, et al. The motion analysis of fire video images ba sed on moment features and flicker frequency[J].Journal of Marine Science and Application,2004,3(1):81-86.

[7] CELIK T, DEMIREL H, OZKARAMANLI H,et al. Fire Detection using Statistical Color Model in Video Sequences[J].Journal of Visual Communication & Image Representation,2007(18):176-185.

[8] ZHANG J H, ZHUANG J, DU H F, et al. A flame detection algorithm based on video multi- feature fusion[J].Lecture Notes in Computer Science,2006(4222):784-792.

[9] CHEN J, HE Y P, WANG J. Multi-feature fusion based fast video flame detection[J].Building and Environment,2010(45):1113-1122.

[10] 袁非牛,廖光煊,張永明,等.計(jì)算機(jī)視覺(jué)火災(zāi)探測(cè)中的特征提取[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào),2006,36(1):39-43.

[11] TOREYIN B U, DEDEOGLU Y, GUDUKBAY U, et al. Computer vision based method for real-time fire and flame detection[J].Pattern Recognition Letters,2006,27(1):49-58.

[12] CELIK T, DEMIREL H. Fire detection in video sequences using a generic color model[J].Fire Safety Journal,2009,44(2):147-158.