郭國防，陳小輝，劉盼芝

(1.陜西重型汽車有限公司;2.中交公路規(guī)劃設(shè)計院有限公司;3.長安大學(xué)電子與控制工程學(xué)院)

這說明方向小波變換值的平方與函數(shù)平滑后的梯度模值的平方成正比。于是，可利用求方向小波變換值來代替求梯度模值。采用方向小波變換進(jìn)行圖像邊緣檢測時，由于梯度值與函數(shù)小波變換值的聯(lián)系，可沿小波變換方向?qū)ふ覙O大值，不需要計算梯度方向及梯度模值。

基于小波分析的地鐵視頻火災(zāi)邊緣檢測方法

郭國防1，陳小輝2，劉盼芝3

(1.陜西重型汽車有限公司;2.中交公路規(guī)劃設(shè)計院有限公司;3.長安大學(xué)電子與控制工程學(xué)院)

地鐵由于其特定的運(yùn)行環(huán)境，發(fā)生火災(zāi)事故時，傷亡大、損失嚴(yán)重。通過數(shù)字圖像技術(shù)處理視頻圖像，判定是否發(fā)生火災(zāi)早期火災(zāi)預(yù)警的重要手段。準(zhǔn)確、高效地識別火災(zāi)的輪廓是其中的一個重點。本文針對視頻火災(zāi)檢測，本方法首先采用加權(quán)均值濾波方法去除圖像中的噪聲，再利用方向可調(diào)的小波變換方法，對火災(zāi)圖像進(jìn)行邊緣檢測，成功提取出火焰輪廓，以實現(xiàn)火災(zāi)的識別和報警。通過對火焰圖像采取標(biāo)準(zhǔn)小波方法和該方法進(jìn)行邊緣檢測，結(jié)果表明本文提出的方法可以提取火焰輪廓更多的細(xì)節(jié)信息，并且很好的避免了圖像邊緣模糊化現(xiàn)象。

地鐵;視頻火災(zāi)檢測;加權(quán)均值濾波;多方向小波變換

地鐵被譽(yù)為城市交通運(yùn)輸工具中的“綠色交通”，與城市中其他的交通工具相比具有便利、快捷、載客量大的特點。地鐵已成為世界各國大型城市解決交通擁擠問題的首選交通工具。但是，由于其特定的運(yùn)行環(huán)境，地下鐵道是構(gòu)筑于地下的大容量軌道交通系統(tǒng)，由于其運(yùn)營環(huán)境和乘客構(gòu)成的特殊性，疏散路線單一，環(huán)境陌生，一旦發(fā)生火災(zāi)等事故，群死群傷的可能性極大，帶來的財產(chǎn)損失不可估量，而長期的恢復(fù)會給出行的民眾帶來不便。從世界地鐵100多年事故教訓(xùn)來看，地鐵災(zāi)害中發(fā)生頻率最高和造成危害損失最大的就是火災(zāi)。

目前，火災(zāi)檢測技術(shù)多數(shù)是基于離子檢測、溫度檢測、相對濕度的檢測、空氣通明度的檢測，此外還有傳統(tǒng)的紫外線和紅外線的火災(zāi)檢測器。相對于傳統(tǒng)的檢測設(shè)備，視頻圖像處理技術(shù)具有直觀主動的探測能力，對于空間場所的普遍適用性，以及遠(yuǎn)程實時的在線快速反應(yīng)與離線分析能力。目前，視頻火焰檢測系統(tǒng)主要應(yīng)用于火災(zāi)報警和消防任務(wù)，監(jiān)測對象主要是正在燃燒的可見火焰或燃燒產(chǎn)生的煙霧。通過對控制區(qū)域的實時監(jiān)測，可在火災(zāi)發(fā)生的最初階段做出迅速的反應(yīng)，并進(jìn)行實時分析和后處理，可以大大縮短預(yù)警時間，有利于實現(xiàn)火災(zāi)的早期預(yù)報和控制。

為了解決高大空間和室外等特殊場合的火災(zāi)檢測，許多學(xué)者正致力于研究圖像火災(zāi)檢測。Yamagishi等人提出了一種彩色攝像機(jī)的火焰檢測算法。Noda等人提出了一種基于圖像處理的隧道火災(zāi)檢測技術(shù)。為了降低成本，他們利用了隧道已有的黑白閉路電視監(jiān)控系統(tǒng)硬件，因此只能使用灰度圖像。Phillips等人提出一種視頻影像火焰檢測技術(shù)。袁宏永等人討論了基于圖像的火災(zāi)檢測技術(shù)，分別研究了雙波段火災(zāi)檢測和基于光截面的紅外火災(zāi)檢測技術(shù)。對視頻火焰檢測也進(jìn)行了相關(guān)研究。

1 小波分析方法

在圖像處理中，圖像中的大部分信息集中在低頻和中頻部分，圖像的邊緣和噪聲對應(yīng)于高頻部分，因此就需要多尺度的邊緣檢測。而小波變換具有天然的多尺度特征，通過伸縮平移對信號進(jìn)行細(xì)化分析，達(dá)到高頻處時間細(xì)分，低頻處頻率細(xì)分。所以，小波變換非常適合復(fù)雜圖像的邊緣檢測。

圖像的方向性(如邊緣)、紋理方向性是圖像的一種重要特征，在圖像分析和處理中具有重要意義。方向可調(diào)小波邊緣檢測是應(yīng)用圖像灰度值突變處為邊緣這一特性，對圖像的邊緣進(jìn)行提取。一般的二維小波變換只能描述出圖像的方向性，在二維空間中定義了方向小波變換。方向小波不僅保持了傳統(tǒng)小波變換的良好的時頻局部化的分析能力，還具有良好的方向分析能力。它能反映出圖像在不同分辨率上沿任一方向的變化情形，充分體現(xiàn)了圖像的方向?qū)傩浴Ｈ我夥较蛐〔ㄗ儞Q定義為

這說明方向小波變換值的平方與函數(shù)平滑后的梯度模值的平方成正比。于是，可利用求方向小波變換值來代替求梯度模值。采用方向小波變換進(jìn)行圖像邊緣檢測時，由于梯度值與函數(shù)小波變換值的聯(lián)系，可沿小波變換方向?qū)ふ覙O大值，不需要計算梯度方向及梯度模值。

由于圖像噪聲的影響，鄰域間的相關(guān)性相對較低，以至于方向濾波器不能準(zhǔn)確的定位像素(x，y)點邊界狀態(tài)。由于圖像邊界方向的任意性，計算多個方向小波變換響應(yīng)以搜索所有可能方向的圖像邊界，變換窗口為5×5。最終的邊緣檢測結(jié)果是多個方向濾波圖像的均值。

2 小波分析在火災(zāi)圖像邊緣檢測中的應(yīng)用

2.1 火災(zāi)的視頻圖像特征

形狀特征是圖像表達(dá)和檢索中的一個重要的特征。通常，形狀特征有兩種表示方法:一種用輪廓特征表示，一種用區(qū)域特征表示。前者只用到物體的外邊界，而后者則關(guān)系到整個區(qū)域。用于描述這兩類形狀特征的最典型方法分別是傅里葉描述符和形狀無關(guān)矩?；馂?zāi)火焰的形狀特征通常用傅里葉描述子、八方向鏈碼及鏈碼差、火焰區(qū)域邊緣的尖角來表示。

在早期火災(zāi)階段，由于火焰從無到有，是一個發(fā)生發(fā)展的過程，這個階段火焰的圖像特征就更加明顯。早期的火災(zāi)火焰是不穩(wěn)定的，不同時刻火焰的形狀、面積和輻射強(qiáng)度等都在變化，抓住火災(zāi)火焰這些特點可以為火災(zāi)的識別打下良好的基礎(chǔ)。

2.2 視頻圖像預(yù)處理

抽取視頻序列圖像，對其進(jìn)行預(yù)處理，去除圖像中噪聲，提高后續(xù)算法的檢測性能，降低虛警概率，采用加權(quán)移動均值方法對圖像進(jìn)行預(yù)處理，包括以下步驟。

(1)獲取圖像的各個像素數(shù)據(jù);

(2)對部分樣本進(jìn)行學(xué)習(xí)，獲取其垂直、水平、交叉4個方向的加權(quán)權(quán)值;

(3)針對每一個像素，分別計算其垂直、水平、交叉4個方向的加權(quán)均值;

(4)求取上述4個方向的平均灰度值的平均值作為此像素新的灰度值。通過此方法來有效地去除噪聲信息，同時盡可能保留好邊緣特征信息。

2.3 圖像變換彩色——黑白

采用雙三次內(nèi)插法重構(gòu)圖像，將圖像轉(zhuǎn)換為強(qiáng)度值(灰度圖)，便于后續(xù)步驟的實施。

2.4 幀間差分法獲取運(yùn)動區(qū)域提取

運(yùn)動檢測的目的是從圖像序列中將運(yùn)動所導(dǎo)致的變化區(qū)域提取出來。目前，常用的運(yùn)動區(qū)域檢測方法主要有以下幾種:背景減除法、幀間差分法和光流法。背景減除法能夠得到運(yùn)動區(qū)域比較完整的信息。但是，背景選取和更新算法的恰當(dāng)與否直接影響最后的檢測結(jié)果，且背景易受到外界(比如照明)干擾。幀間差分法計算簡單且能夠快速地檢測出運(yùn)動區(qū)域，但不能提取出完整的運(yùn)動區(qū)域，在運(yùn)動實體內(nèi)部易產(chǎn)生“空洞”現(xiàn)象。光流法能檢測出獨立的運(yùn)動區(qū)域，甚至在攝像機(jī)運(yùn)動的情況下也能檢測出運(yùn)動目標(biāo)，但是，計算光流場的大多數(shù)方法相當(dāng)復(fù)雜，運(yùn)算量大，不能滿足實時性的要求，對噪聲極為敏感，精度受限于遮擋問題和孔徑問題。因為本文主要針對地下空間中的火災(zāi)檢測，受外界照明條件限制，通過比較，本文采用了幀間差分法來提取火災(zāi)運(yùn)動區(qū)域，并采用形態(tài)學(xué)處理方法腐蝕和膨脹來消除空洞。

2.5 小波分析獲取邊緣

在獲取視頻序列中可能的火災(zāi)圖像區(qū)域后，為了進(jìn)一步確定火災(zāi)，采用第二部分所述方法來獲取火災(zāi)邊緣，主要步驟如下。

(1)由式(1)對圖像進(jìn)行多方向的可操縱小波變換。(2)對A的結(jié)果進(jìn)行平均;對平均結(jié)果進(jìn)行閾值處理。數(shù)值實例實驗結(jié)果

下面以從某次火災(zāi)圖像中截取的圖像作為實驗對象，進(jìn)行分析。圖1為火焰圖像的灰度圖。

圖1 火焰圖像灰度圖

圖2 無噪聲時標(biāo)準(zhǔn)小波和本文方法邊緣檢測結(jié)果

對于沒有噪聲的圖像，其處理結(jié)果見圖2，其中a)圖為標(biāo)準(zhǔn)的小波算法得到的火焰輪廓圖，b)圖為本文提出的算法得到的火焰輪廓圖?？梢钥闯?，利用小波變換提取出的火焰輪廓，邊緣細(xì)節(jié)少，輪廓清晰度可識別性較弱。采用本文方法提取的火焰具有很清晰的邊緣輪廓，細(xì)節(jié)豐富。這是因為本文提出的方法在多個方向上進(jìn)行邊緣檢測。而標(biāo)準(zhǔn)小波分析只是從兩個方向(即水平和垂直方向)檢測邊緣，當(dāng)邊緣檢測算子的方向與邊緣切線方向差別不大時，可檢測到完整的邊緣;當(dāng)邊緣檢測算子的方向與邊緣法線方向近似時則檢測到的邊緣很不完整。從邊緣檢測的完整性來看，多方向邊緣檢測可得到更多互補(bǔ)的邊緣信息，它的檢測結(jié)果優(yōu)于單方向邊緣檢測結(jié)果。

圖3 高斯噪聲時標(biāo)準(zhǔn)和方向可調(diào)小波邊緣檢測結(jié)果

圖4 椒鹽噪聲時標(biāo)準(zhǔn)和方向可調(diào)小波邊緣檢測結(jié)果

圖3和圖4分別是原始圖像中含有高斯噪聲和椒鹽噪聲情況下，兩種方法的邊緣提取結(jié)果?？梢钥闯?，本文方法提取的火災(zāi)邊緣細(xì)節(jié)較多，邊緣線更細(xì)，受噪聲的影響不大，具有較好的適應(yīng)性。不過，本方法在保留絕大部分邊緣的同時，仍存部分不連續(xù)的邊緣信息，以后擬從此方面著手，消除虛假邊緣。

4 結(jié)束語

本文針對視頻火災(zāi)檢測問題，對火災(zāi)邊緣輪廓檢測進(jìn)行了研究。本文提出了結(jié)合圖像中各像素的灰度值的統(tǒng)計信息去除圖像中噪聲，并對圖像進(jìn)行多個方向的小波變換方法，對火災(zāi)圖像進(jìn)行邊緣檢測。通過對火焰圖像采取標(biāo)準(zhǔn)小波方法和該方法進(jìn)行邊緣檢測，結(jié)果表明本文提出的方法可以提取火焰輪廓更多的細(xì)節(jié)信息，并且很好的避免了圖像邊緣模糊化現(xiàn)象。在計算效率方面，由于方向性小波基中引入了方向因子，導(dǎo)致計算復(fù)雜度的增加，因此研究快速實用的變換是該領(lǐng)域面臨的一個挑戰(zhàn)。

［1］YAMAGISHI H，YAMAGUCHI J.Fire flame detection algorithm using a color camera［C］.In:Proceedings of 1999 International Symposium on Micromechatronics and Human Science［C］，Nagoya，Japan，1999:255-260.

［2］YAMAGISHI H，YAMAGUCHI J.A contour fluctuation data processing method for fire flame detection using a color camera［C］.In:Proceedings of IEEE 26th Annual Conference on IECON of the industrial Electronics Society［C］，Nagoya，Japan，2000:824-829.

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

［4］PHILLIPS IIIW，SHAH M，DA Vitoria LoboN.Flame recognition in video［C］.In:proceedings of Fifth IEEE Workshop of Applications of Computer Vision［C］，California，USA，2000:224-229.

［5］盧結(jié)成，吳龍標(biāo)，宋衛(wèi)國.一種火災(zāi)圖像檢測系統(tǒng)的研究［J］.儀器儀表學(xué)報，2001，22(4):437-440.

［6］王成儒，顧廣華.一種采用背景統(tǒng)計技術(shù)的視頻對象分割算法［J］.光電工程，2004，31(8):57-60.

［7］李剛，邱尚斌，林凌，曾銳利.基于背景差法和幀間差法的運(yùn)動目標(biāo)檢測方法［J］.儀器儀表學(xué)報，2006，27(8):961-964.

［8］賈振堂，李生平，賀貴明，田惠.一種基于運(yùn)動邊緣檢測的視頻對象分割新算法［J］.計算機(jī)研究與發(fā)展，2003，40(5):684-689.

［9］魏志強(qiáng)，紀(jì)筱鵬，馮業(yè)偉.基于自適應(yīng)背景圖像更新的運(yùn)動目標(biāo)檢測［J］.電子學(xué)報，2005，33(12):2661-2664.

［10］ ARALT-T.T，NILSEN-AR.Automatic fire detection in road traffic tunnels.Tunnelling and Underground Space Technology［J］.2009，24(1):75-83.

［11］ BYOUNG C K，CHEONG K H，NAM J Y.Fire detection based on vision sensor and support vector machines［J］.Fire Safety Journal，2009，44(1):322-329.

［12］ YU Chunyu，F(xiàn)ANG Jun，WANG Jinjun，ZHANG Yongming，State Key.Video fire smoke detection using motion and color features［J］.Fire technology，2010，(46):651-663.

［13］ YUAN Wei，YU Chunyu，ZHANG Yongming.Based on wavelet transformation fire smoke detection method［C］.IEEE The 9th International.Conference on Electronic Measurement ＆ Instruments ICEMI’2009.

TP391

C

1008-3383(2013)03-0103-02

2012-09-16

郭國防(1981-)，男，工程師，研究方向:機(jī)械電子、信息融合;陳小輝(1981-)，男，工程師，研究方向:交通信號檢測、智能信息處理;劉盼芝(1980-)，女，河北廊坊人，講師，博士，研究方向:智能信息處理、信號檢測、分布式檢測和信息融合技術(shù)研究。

國家自然科學(xué)基金:基于先驗知識的分布式恒虛警率檢測算法研究(41101357)全稱(基金項目號);中央高?？蒲袠I(yè)務(wù)經(jīng)費(fèi)(CHD2010JC109，CHD2011TD018)長安大學(xué)重點實驗室資助。