【摘 要】視頻識(shí)別在火災(zāi)預(yù)防領(lǐng)域有著廣泛的應(yīng)用前景。然而，現(xiàn)有視頻火災(zāi)探測(cè)技術(shù)在抗干擾、降低誤報(bào)及漏報(bào)率方面研究進(jìn)展有限，且開發(fā)成本較高，系統(tǒng)代碼冗余度較高，識(shí)別效率較低。本文在分析了火焰視覺特征及OpenCV技術(shù)特性的基礎(chǔ)上，深入探討了火焰的顏色特征、形態(tài)特征、運(yùn)動(dòng)特征的圖像識(shí)別算法，提出了一套基于OpenCV技術(shù)的火災(zāi)視頻識(shí)別方法。

【關(guān)鍵詞】視頻識(shí)別；火焰；OpenCV

研究了色彩，紋理，輪廓等影響因素提出了一種基于背景差分法的的火災(zāi)識(shí)別算法。該算法能夠較好地實(shí)時(shí)提取出視頻中的火焰信息，由于時(shí)間所限對(duì)于一些由于燈光造成的干擾造成誤判的情況，僅提出了解決辦法，并沒有具體在程序中實(shí)現(xiàn)。

一、基于幀間差分與背景差分的融合新算法

在背景差分法的實(shí)現(xiàn)中，它的固定背景不能一成不變。如果不進(jìn)行重新初始化，錯(cuò)誤的檢測(cè)結(jié)果將隨時(shí)間不斷累計(jì)，造成惡性循環(huán)，從而造成監(jiān)控失效。因此，我們?cè)谔岢鰴z測(cè)算法的同時(shí)，要建立背景更新模型。保證背景圖像能隨著光線的變化而變化，確保檢測(cè)的準(zhǔn)確性。在視頻圖像序列中，利用已有的背景差分法和幀間差分法作為啟示，將動(dòng)態(tài)圖像中連續(xù)兩幀差圖像和背景差圖像直接進(jìn)行與操作，再將結(jié)果進(jìn)行二值化處理得到運(yùn)動(dòng)結(jié)果。這樣就達(dá)到了加大目標(biāo)信息的權(quán)重，同時(shí)抑制了靜態(tài)背景的效果，得到的運(yùn)動(dòng)檢測(cè)圖像包含了更多目標(biāo)的信息，不僅包含目標(biāo)輪廓而且還有目標(biāo)輪廓內(nèi)的目標(biāo)相關(guān)點(diǎn)，從而將運(yùn)動(dòng)目標(biāo)從背景圖像中分離出來，最終得到視頻序列圖像中運(yùn)動(dòng)存在與否的二值化圖像。

二、自適應(yīng)背景模型的更新

采用Karman提出的基于卡爾曼濾波的更新公式來改進(jìn)圖像平均模型。在背景估計(jì)的初始化階段，首先選取一個(gè)初始的背景，然后用下式更新背景：

式中為當(dāng)前背景中像素i的值，為更新后背景i的值。為當(dāng)前圖像中像素i的值，為更新系數(shù)。定義如下：

由于噪聲的存在以及背景的變化，當(dāng)時(shí)就認(rèn)為當(dāng)前的圖像值就是背景，否則當(dāng)前的圖像值為前景。根據(jù)當(dāng)前的圖像值是背景還是前景取不同的更新系數(shù)。當(dāng)前的圖像值屬于背景時(shí)就用更新，當(dāng)前的圖像值屬于前景時(shí)就用更新。通過上面方法，就可以得到二值化的前景圖像。由于噪聲和空洞的影響，這樣的二值化前景圖像效果不夠理想，因此需要對(duì)二值化之后的圖像進(jìn)行后處理，找出遺漏的點(diǎn)，剔除異常點(diǎn)。利用腐蝕和膨脹算子分別去除孤立的噪聲前景點(diǎn)和填補(bǔ)目標(biāo)區(qū)域的小孔。

三、實(shí)驗(yàn)及分析

由于檢測(cè)是實(shí)時(shí)動(dòng)態(tài)的，下面截取幾幀畫面用于展示：

四、結(jié)論

本算法在視頻背景較為單調(diào)時(shí)，效果良好，特別是第一部視頻，幾乎沒有任何噪聲造成的干擾。但是在背景畫面變化較大的情況下，會(huì)出現(xiàn)噪點(diǎn)和誤判。譬如第二部視頻在某些時(shí)刻把防火的人的輪廓也辨識(shí)進(jìn)了火焰輪廓中。

參考文獻(xiàn)（References）：

[1]Gary Bradski，Adrian Kaehler.學(xué)習(xí)OpenCV（中文版）[M].北京：清華大學(xué)出版社.

[2]Rafael C.Gonzalez，Richard E.Woods.數(shù)字圖像處理（第三版）[M]..北京：電子工業(yè)出版社.

[3]張錚，王艷平.數(shù)字圖像處理與機(jī)器視覺[M].北京：人民郵電出版社.

[4]林佳乙，于哲舟.基于背景差分法和幀間差分法的視頻運(yùn)動(dòng)檢測(cè)[J].儀 器 儀 表 學(xué) 報(bào)，2008，Vol33，No12：112-115.

[5]王媛彬，馬憲民.基于圖像特征的火災(zāi)火焰識(shí)別方法[J].消防理論研究，2012，Vol31，No2：126-128.

[6]嚴(yán)云洋，唐巖巖.融合色彩和輪廓特征的火焰檢測(cè)[J].微電子學(xué)與計(jì)算機(jī)，2011，Vol28，No10：137-145.

[7]魏志強(qiáng)，紀(jì)筱鵬.基于自適應(yīng)背景圖像更新的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].電子學(xué)報(bào)，2005，Vol33，No12：2262-2264.

[8]袁非牛，廖光煊.計(jì)算機(jī)視覺火災(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，Vol36，No1：39-43.

[9]于成忠，朱駿.基于背景差法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J].東南大學(xué)學(xué)報(bào)（ 自然科學(xué)版），Vol35，Sup（2）：159-161.

[10]吳一全，宋昱.基于各向異性數(shù)學(xué)形態(tài)學(xué)的火焰圖像邊緣檢測(cè)[J].儀器儀表學(xué)報(bào)，2013，Vol34，No8：1819-1825.