賈志城（甘肅政法學(xué)院圖書館，甘肅 蘭州，730070）

1 引言

火災(zāi)是眾多災(zāi)害中突發(fā)頻率較高且極具毀壞性的災(zāi)害，其頻發(fā)率位居各類災(zāi)種之首，直接損失雖小于旱澇災(zāi)害，卻是地震災(zāi)害損失的五倍，火災(zāi)防治已經(jīng)成為全社會關(guān)注的重大問題。隨著現(xiàn)代信息技術(shù)和火災(zāi)科學(xué)的快速發(fā)展，基于視頻圖像的火災(zāi)探測技術(shù)己經(jīng)成為業(yè)界關(guān)注的焦點，這種新型的火災(zāi)探測技術(shù)，相形于傳統(tǒng)預(yù)報方法，它能夠有效地提高預(yù)報精度、縮短預(yù)報時間、提供更豐富的火災(zāi)信息。本文就火災(zāi)火焰的基本特征、常用視頻特征和識別算法做出總結(jié)，并就其中的關(guān)鍵問題給出已有認識。

2 火災(zāi)火焰的基本特征

2.1 火災(zāi)火焰的靜態(tài)特征

煙火的靜態(tài)視覺特征主要包括光譜信息和空間結(jié)構(gòu)兩方面。前者主要指火焰亮度和顏色分布規(guī)律，而后者主要指火焰區(qū)域的內(nèi)部結(jié)構(gòu)、紋理和邊緣輪廓等特征。

1）顏色特征

火焰的熱輻射包含離散光譜的氣體輻射和連續(xù)光譜的固體輻射。火焰的波長在0.2～10μm的范圍內(nèi)，不同物質(zhì)的燃燒，其輻射強度隨波長分布不同。

火焰的光譜信息主要體現(xiàn)在與周圍環(huán)境強烈的亮度對比和獨特的RGB、HIS等顏色空間模型上，表現(xiàn)為火焰的顏色在中具有特定動態(tài)范圍?；鹧娴念伾卣髟赗GB空間中，對于空間中的火焰顏色向量A=（R G B），可用多高斯模型描述，其概率密度分布函數(shù)為：

其中∑A是顏色向量的協(xié)方差，描述了火焰顏色向量在空間中的分布情況，為相應(yīng)的通道均值，對于滿足下列條件的圖像像素，可以認為是火焰像素，否則為背景，T值可以根據(jù)經(jīng)驗指定也可通過學(xué)習(xí)確定。

火焰的灰度處于固定的區(qū)域150～255，前提條件是該估計對具體煙火和場景的依賴性大，閾值范圍大，不便于操作。

2) 結(jié)構(gòu)特征

火焰區(qū)域的光譜顏色分布具有持續(xù)的由內(nèi)到外的環(huán)形嵌套的變化結(jié)構(gòu)，對應(yīng)于光譜顏色隨溫度的變化，高溫的火焰內(nèi)核會呈現(xiàn)亮白色，向外隨溫度降低顏色會由黃變橙、到紅，呈現(xiàn)出明顯的層次結(jié)構(gòu)，在灰度圖像中，也可看出核心部分明顯比邊緣亮。較低溫的火光顏色飽和度較高，高溫下飽和度較低，呈環(huán)狀擴展，離核越遠的結(jié)構(gòu)穩(wěn)定性越差，同時火焰區(qū)域的整體在一定時段內(nèi)相對穩(wěn)定。

煙霧及火焰的紋理是火焰重要的視頻特征。通常對煙霧圖像的灰度共現(xiàn)矩陣進行4個方向的紋理特征的提取，主要有：對比度、墑、相關(guān)量、角二階矩?；鹧娴募y理目前沒有明確的界定特征，需要發(fā)掘。形狀是描述圖像視覺特性的重要參數(shù)，通常來說，形狀特征有輪廓特征、區(qū)域特征兩種表示方法,前者只用到物體的外邊界，而后者則關(guān)系到整個形狀區(qū)域的灰度或顏色分布。

2.2 火災(zāi)火焰的動態(tài)特征

早期火災(zāi)火焰是非定常的，不同時刻火焰的形狀、面積、輻射強度等都在變化。抓住火災(zāi)的這些特點可以為火災(zāi)的識別打下良好的基礎(chǔ)?；馂?zāi)探測中的圖像處理是動態(tài)圖像的連續(xù)處理：對圖像上的每個目標，根據(jù)一定的算法來確定它同前一幀中目標的匹配關(guān)系，從而得到多目標的連續(xù)變化規(guī)律。

1) 閃爍頻率

火焰的閃動規(guī)律，即亮點在空間上的分布隨時間變化的規(guī)律?；鹧嬖谌紵^程中會按某種頻率閃爍。數(shù)字圖像中就是灰度級直方圖隨時間的變化規(guī)律，這個特性體現(xiàn)了一幀圖像的像素點在不同灰度級上隨時間的變化情況[3]。火焰的閃爍是火焰區(qū)別其他輻射的一個顯著特征。研究表明，自由燃燒狀態(tài)下的火焰產(chǎn)生無規(guī)律的閃爍，如果對火焰發(fā)出的紅外線頻率進行分析，可以觀測到其峰值頻率約10Hz左右[1]。當然，受到火災(zāi)規(guī)模和風(fēng)的影響，其閃爍頻率約在2-20Hz之間范圍內(nèi)有所變化。由于擴散火焰的輻射受這個意義的調(diào)制量作用，而背景輻射一般情形下沒有類似這種方式的調(diào)制作用，因此，按火焰閃爍原理工作的探測器可表現(xiàn)出對背景分辨能力很大的改進，從而相應(yīng)的減少誤報率[2]。

2) 邊緣及結(jié)構(gòu)的穩(wěn)定性

早期火焰的邊緣變化有一定的規(guī)律，同其他的高溫物體以及穩(wěn)定火焰的邊緣變化不同。精確的方法是用邊緣檢測和邊緣搜索算法將邊緣提取出來，根據(jù)邊緣的形狀、曲率等特性對邊緣進行編碼，再根據(jù)編碼提取邊緣的特征量。利用這些特征量在早期火災(zāi)階段的變化規(guī)律進行火災(zāi)判斷?；鹧嬷行脑谌紵^程中具有一定的穩(wěn)定性。火焰中心在水平和垂直方向的相對移動速率一般在一個較小的范圍內(nèi)變化。同時，火焰在燃燒過程中具有連續(xù)性和隨機性，表現(xiàn)在前后幾幀圖像既有一定的區(qū)別又有一定的相似度。

3) 面積變化

早期火災(zāi)是著火后火災(zāi)不斷發(fā)展的過程。在這個階段，火災(zāi)火焰的面積呈現(xiàn)連續(xù)的、擴展性的增加趨勢。在圖像處理中，面積通過取閾值后統(tǒng)計圖像的亮點數(shù)來實現(xiàn)。當其他高溫物體向著攝像頭移動或者從視野外移入時，探測到的目標面積也會逐漸增大，容易造成干擾。因此，面積判斷需要配合其他圖像特性一起使用。

4) 形體變化

早期火災(zāi)火焰的形體變化反映了火焰在空間分布的變化。在早期火災(zāi)階段，火焰的形狀變化?？臻g取向變化、火焰的抖動以及火焰的分和等，具有自己獨特的變化規(guī)律。在圖像處理中，形體變化特性是通過計算火焰的空間分布特性，即像素點之間的位置關(guān)系來實現(xiàn)的[3]。

5) 整體移動

早期火災(zāi)火焰是不斷發(fā)展的火焰，隨著舊的燃燒物燃盡和新的燃燒物被點燃，火焰的位置不斷移動。所以火焰的整體移動是連續(xù)的非跳躍性的。

3 視頻火焰的模式識別方法

視頻火焰的模式識別方法分為火焰識別和煙霧識別二種，早期的視頻火焰檢測主要通過火焰顏色在顏色空間中的特定分布模型來判斷是否有可疑的火焰區(qū)域，顏色空間中的特定分布模型可以采用不同的方式，如前所述，再利用其他的特征來做進一步的判斷。如Chen和Kao等采用了一種二階決策機制，先利用火焰顏色檢測其存在性，再判斷火焰的蔓延或消減狀態(tài)[4]。Yamaguchit用HSV顏色模型來初步對火焰進行識別，依據(jù)序列圖像中火焰顏色區(qū)域的色調(diào)與飽和度的連續(xù)變化來分割火焰區(qū)域，用邊緣算子和極坐標變換提取區(qū)域輪廓，引入時空波動方程結(jié)合連續(xù)的極坐標變換結(jié)果形成了時序伏動的火焰輪廓數(shù)據(jù)，再提取其傅里葉頻域特征輸入神經(jīng)網(wǎng)絡(luò)來判別真實火焰。

基于視頻圖像的火焰探測算法較多，Thorsten Schultze認為火焰具有閃爍特性并且用二維傅里葉變換計算出火焰圖像的頻譜不超過10HZ，同時認為煙霧的宏觀運動有一定的規(guī)律，如整體向上，并用基于區(qū)域的方法求出煙霧的運動矢量，最后根據(jù)火焰和煙霧的雙重特征判斷是否有火災(zāi)的發(fā)生。袁非牛提出了一種運動累積和半透明的視頻煙霧探測模型，認為煙霧通常從陰燃點持續(xù)冒出，因而通過累積模型度量運動像素的累積程度，能夠很好地捕獲煙霧的時空視覺特征，并能有效地抑制噪聲干擾。同時根據(jù)煙霧的模糊和部分遮擋背景特性，提出了一種基于高通濾波的半透明遮擋快速模型[5]。實驗結(jié)果表明該模型具有較好的抗干擾性，并且不需要精確的火焰區(qū)域提取，算法簡潔。煙霧越濃的圖像越模糊，反之越清晰。圖像的模糊度用邊緣檢測來判定，因為越清晰的圖像邊緣越清晰，反之越模糊的圖像邊緣越不清晰，模糊到一定程度的時候幾乎檢測不到任何邊緣的存在，如對模糊度設(shè)定某個閾位，若超過這個閾值，認為圖像中出現(xiàn)了煙霧。吳愛國等提出火焰圓型度會在特定的范圍內(nèi)變動，同時面積增大并有明顯的抖動，但不會出現(xiàn)位置的較大變化，針對邊緣變化，提取邊緣鏈碼，對邊緣的形狀、曲率等特征對邊緣進行編碼，根據(jù)編碼獲取邊緣變化的特征量，并利用BP網(wǎng)絡(luò)來實現(xiàn)數(shù)據(jù)融合和煙火模式分類。此外，Jerome Vicente通過提取煙霧像素灰度時間序列的包絡(luò)來分析其特征，并與云彩等其它自然現(xiàn)象作比較分析后進行判斷。

現(xiàn)代信號處理方法提供豐富的統(tǒng)計信號處理方法，例如，通過火焰邊緣鏈碼獲取其傅里葉描述子，然后通過相鄰幀間的前向估計獲取各區(qū)域的自回歸AR模型參數(shù)，再以傅里葉系數(shù)和AR模型參數(shù)為特征對煙火區(qū)域進行分類。由于傅里葉變換不能承載時間信息，有學(xué)者從小波時頻分析和隨機過程理論中尋求相關(guān)的解決辦法，利用小波變換來分析煙火運動的時頻特性以估計閃爍頻率。用背景估計的方法提取出火焰的區(qū)域，在時間域利用一維小波變換求出火焰像素的灰度閃爍頻率，然后在空間域利用二維小波變換計算三個方向的高頻能量，并根據(jù)一段時間內(nèi)該能量的變化情況判斷是否有火焰的產(chǎn)生，實驗表明該辦法能很好的區(qū)分火焰和類火焰顏色。帥師等也在視頻序列小波變換后，監(jiān)測其子圖像的能量值是否減少。一般運動目標的內(nèi)部顏色沒有變化，也就一般不存在小波系數(shù)值的變化，而煙霧可以導(dǎo)致場景變得模糊，其高頻小波系數(shù)值的減少意味著由于煙霧引起了邊緣模糊。B.Ugur則對火焰進行三狀態(tài)隱Markov模型的訓(xùn)練之后用該模型來對視頻圖像作初步判斷得到疑似火焰區(qū)域，對疑似火焰區(qū)域進行二維小波變換，分別計算高、低頻系數(shù)值之和并求得高頻系數(shù)值之和與低頻系數(shù)值之和的比值，認為真實火焰由于閃爍的原因會有較高的高頻系數(shù)和較低的低頻系數(shù)，根據(jù)該比值與事先設(shè)置的閾值的大小關(guān)系來最終判斷是否有火焰出現(xiàn)。

4 結(jié) 語

本文就基于視頻圖像的火焰探測的原理方式、常用視頻特征和算法作了總結(jié)，并提出了相應(yīng)的觀點。國內(nèi)外快速發(fā)展的基于視頻圖像檢測技術(shù)，其漏報、誤報率有待提高，火焰探測的理論和實際問題需要完善，以達到真正的消防應(yīng)用能力。

[1] 徐仕玲.野外火災(zāi)的圖像識別方法研究[D].南京航空航天大學(xué),2008.

[2] 王佳.基于數(shù)字圖像處理的火災(zāi)火焰檢測算法研究[D].西安工業(yè)大學(xué),2008.

[3] 都俊松.圖像處理與模式識別在火災(zāi)探測領(lǐng)域的應(yīng)用[D].沈陽工業(yè)大學(xué),2007.

[4] 楊俊,王潤生.基于視頻圖像分析的火燃檢測及其應(yīng)用[J].視頻技術(shù)應(yīng)用與工程,2006,8:92-96.

[5] 袁非牛,廖光煊等.計算機視覺火災(zāi)探測中的特征提取[J].中國科學(xué)技術(shù)大學(xué)學(xué)報,2006,36,(1):39-43.