李紅波，張其亮，楊杏華，宋英磊

(江蘇科技大學(xué) 電子信息學(xué)院，江蘇 鎮(zhèn)江 212003)

隨著數(shù)字圖像處理技術(shù)被應(yīng)用到大空間火災(zāi)檢測(cè)中，基于視頻圖像分析的火災(zāi)探測(cè)技術(shù)有效地彌補(bǔ)了傳統(tǒng)火災(zāi)探測(cè)技術(shù)對(duì)于大空間結(jié)構(gòu)火災(zāi)探測(cè)的不足［4－6］。相比傳統(tǒng)的火災(zāi)檢測(cè)技術(shù)，圖像型火災(zāi)探測(cè)技術(shù)是非接觸性的，只需通過(guò)攝像機(jī)監(jiān)控某一特定區(qū)域，然后將攝像機(jī)攝取的視頻信號(hào)轉(zhuǎn)變?yōu)閿?shù)字圖像，并通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行處理，從而完成火焰檢測(cè)。不僅能有效降低外來(lái)不確定因素帶來(lái)的干擾，實(shí)現(xiàn)大空間環(huán)境的火災(zāi)探測(cè)，且通過(guò)與計(jì)算機(jī)數(shù)據(jù)處理相結(jié)合提高了效率，使得火災(zāi)檢測(cè)的實(shí)時(shí)性更強(qiáng)。

火焰是火災(zāi)中一個(gè)重要的特征［7－9］?；鹧嬖诨馂?zāi)產(chǎn)生的過(guò)程中是一個(gè)動(dòng)態(tài)的過(guò)程，從無(wú)到有，且火焰具有明顯的顏色分布，伴隨著特定范圍的頻率跳動(dòng)以及不規(guī)則的輪廓等特征。對(duì)于基于視頻圖像的火災(zāi)檢測(cè)來(lái)說(shuō)，最重要的是火焰檢測(cè)算法的設(shè)計(jì)。

國(guó)外對(duì)于基于視頻分析探測(cè)火災(zāi)的研究開(kāi)始于上世紀(jì)90 年代，已經(jīng)形成了較完善的理論體系。文獻(xiàn)［10］提出了一種在彩色視頻中依靠火焰的光譜空間時(shí)序等屬性來(lái)獲取提取火焰區(qū)域的方法。文獻(xiàn)［11］提出了將火焰的顏色和運(yùn)動(dòng)特征相結(jié)合來(lái)確定火焰區(qū)域的方法。該方法將火焰的動(dòng)態(tài)特征和火焰的靜態(tài)特征相結(jié)合，提高了火焰檢測(cè)的準(zhǔn)確性。文獻(xiàn)［12］通過(guò)研究火焰的顏色在HIS 空間的表示方法，提出了一種基于HIS 空間的火焰探測(cè)算法。

國(guó)內(nèi)對(duì)于視頻圖像火災(zāi)探測(cè)技術(shù)的研究也已取得了眾多成果［13－14］。文獻(xiàn)［4］提出將數(shù)字圖像處理和模式識(shí)別技術(shù)相結(jié)合進(jìn)行火焰區(qū)域區(qū)域分割，并通過(guò)火災(zāi)火焰顏色分布規(guī)律和面積變化特征判別火焰的方法。文獻(xiàn)［3］提出了一種基于多均勻分布背景模型的運(yùn)動(dòng)檢測(cè)算法，該方法能克服了復(fù)雜背景環(huán)境帶來(lái)的干擾。

到目前為止，仍沒(méi)有算法能從視頻圖像中精確地確定疑似火焰區(qū)域，并根據(jù)區(qū)域的特征來(lái)判斷是否有火焰出現(xiàn)。本文在視頻圖像分析原理的基礎(chǔ)上設(shè)計(jì)了一種新的火焰檢測(cè)算法。該算法首先根據(jù)火焰的顏色特征對(duì)視頻圖像進(jìn)行閾值分割，獲取疑似火焰區(qū)域并對(duì)其進(jìn)行降噪處理。然后計(jì)算疑似火焰區(qū)域的圓形度，判斷其是否在某一特定范圍內(nèi)，同時(shí)將圓形度與其他火焰特征結(jié)合起來(lái)，以提高火焰探測(cè)的準(zhǔn)確率。文中在測(cè)試過(guò)程發(fā)現(xiàn)該算法具備實(shí)能時(shí)地從視頻數(shù)據(jù)中準(zhǔn)確識(shí)別出火焰區(qū)域的能力，因此可在此基礎(chǔ)上開(kāi)發(fā)出基于視頻的火災(zāi)預(yù)報(bào)系統(tǒng)。

1 獲取疑似火焰區(qū)域

1.1 圖像降噪處理

從視頻中直接獲取到的幀圖像中包含著火焰檢測(cè)所需的重要信息，但其中也含有較多干擾因素。為了盡可能地提高火災(zāi)檢測(cè)精度，文中算法通過(guò)局部求平均值法對(duì)圖像進(jìn)行增強(qiáng)處理。對(duì)圖像進(jìn)行增強(qiáng)主要目的是為了將圖像中對(duì)檢測(cè)無(wú)用的信息去除，改善圖像的可視性，擴(kuò)大圖像中不同物體特征之間的差別，抑制無(wú)需特征，使需要處理的信息更容易被檢測(cè)到。

1.2 圖像分割

圖像分割是圖像預(yù)處理中的關(guān)鍵步驟，經(jīng)過(guò)圖像增強(qiáng)處理，圖像中所需的目標(biāo)區(qū)域與背景區(qū)域有了差別，圖像分割的作用就是使目標(biāo)區(qū)域從背景區(qū)域中完全分離出來(lái)。由于圖像分割的精度直接影響后面的結(jié)果，圖像分割技術(shù)在圖像識(shí)別，圖像檢測(cè)中具有關(guān)鍵作用。不同的圖像分割方法使用范圍也不相同。常見(jiàn)的圖像分割算法有閾值分割、邊緣檢測(cè)等。在文中，采取閾值分割方法對(duì)圖像進(jìn)行分割。

閾值分割的作用是實(shí)現(xiàn)目標(biāo)區(qū)域與背景區(qū)域分離。根據(jù)圖像中目標(biāo)區(qū)域與背景區(qū)域在灰度特性上的差異，將圖像中的像素點(diǎn)看做是屬于不同閾值區(qū)域的集合。從而實(shí)現(xiàn)目標(biāo)區(qū)域從背景區(qū)域中分離出來(lái)，實(shí)現(xiàn)圖像的二值性。閾值分割用公式可表示成

秦鐵崖深深吸氣，胸脯鼓出老高。李太嶂隱隱感到有些異樣，但不打算改弦易張，吸氣之后，還是迅速低頭撞出，不料這一記頭槌落了空。

其中，T 為選定的闕值;f(x，y)表示輸入圖像的顏色值;B(x，y)表示輸出圖像的值。在閾值分割中閾值的選擇尤為重要，閾值選擇的不同，得到的目標(biāo)區(qū)域也不同。按照閾值的不同選取方法，闕值分割也可分為不同種類，主要包括雙峰法、迭代法及Otsu 法［14］。本文通過(guò)使用Otsu 法對(duì)圖像進(jìn)行分割。Ostu 方法被認(rèn)為是閾值分割方法中一種自動(dòng)選取闕值的最優(yōu)方法，能夠自動(dòng)完成闕值的選擇并且結(jié)合模式識(shí)別理論，使得選擇的閾值能夠?qū)⒛繕?biāo)區(qū)域與背景區(qū)域較好的分離。

Otsu 算法的設(shè)計(jì)思想是盡可能將目標(biāo)區(qū)域與背景區(qū)域的差別找出來(lái)，類內(nèi)差別最小，確定閾值，基于客觀標(biāo)準(zhǔn)完成分割。Ostu 法根據(jù)圖像的灰度特征，將圖像中目標(biāo)區(qū)域與背景區(qū)域分類。通過(guò)計(jì)算兩個(gè)區(qū)域之間的方差值來(lái)判斷兩個(gè)區(qū)域之間的差別情況，方差值越大，圖像的目標(biāo)和背景之間的差別越大。當(dāng)背景類和信息類的內(nèi)容備份錯(cuò)位置時(shí)，導(dǎo)致方差改變，只要能達(dá)到類內(nèi)方差最小或者類內(nèi)方差最大，就表示背景區(qū)域與目標(biāo)區(qū)域有最佳分配方式，即閾值分割達(dá)到了最好的效果，閾值也就確定了，該方法運(yùn)算速率快，且實(shí)時(shí)性較好。如圖1 所示，Otsu 法能有效地從圖像中識(shí)別出包含火焰的區(qū)域。

圖1 Ostu 法的分割結(jié)果

1.3 火焰區(qū)域的判定

在進(jìn)行過(guò)必要的圖像處理過(guò)后，疑似火焰區(qū)域已經(jīng)能夠從處理過(guò)的圖像中顯示出來(lái)，下面需要對(duì)分割后獲得的區(qū)域進(jìn)行必要的判定，確認(rèn)獲取的圖像為火焰區(qū)域。

火焰的顏色特征是一個(gè)比較明顯的能夠?qū)⒒鹧鎱^(qū)域與其它區(qū)域加以區(qū)分的特征，火焰的顏色從焰心到火焰外表面隨著溫度而改變?；鹧嫱獗砻娴臏囟茸罡?，焰心溫度最低，從火焰表面到焰心的顏色依次為白色、藍(lán)色、黃色、紅色、暗紅色。由于與周圍環(huán)境的明顯的差別，因此火焰的顏色特征可以作為判斷和確定火焰區(qū)域的一個(gè)有效依據(jù)。

通過(guò)火焰顏色特征，分析通過(guò)圖像分割獲得的每個(gè)區(qū)域中像素點(diǎn)的顏色特點(diǎn)，并與火焰像素點(diǎn)的特征進(jìn)行比較，從而將可能包含火焰的區(qū)域識(shí)別出來(lái)。色彩空間的選擇對(duì)根據(jù)火焰顏色特征判斷火焰區(qū)域的算法有很大影響。目前主要顏色空間劃分方式有RGB、HSV、YCbCr、YUB、HIS 等方式。本文中用到的顏色空間劃分是RGB 顏色空間模型。

RGB 顏色空間是人類最早接受的顏色劃分方式，且在顏色空間劃分方式中最常用。R、G 和B 分別代表紅綠藍(lán)3 種基色光，且自然界中任意一種色光都可通過(guò)3 種基色按照不同比例混合而成。因此任何一種顏色，且均能通過(guò)R、G、B 3 種基色光表示。RGB 顏色空間由于按照物理三基色表示，因而物理意義明確。

文中算法是依據(jù)文獻(xiàn)［13］提出的方法從視頻圖像中獲得火焰色像素點(diǎn)。給定視頻圖像中一個(gè)像素點(diǎn)(x，y)，用R(x，y)，G(x，y)，B(x，y)代表其顏色的R、G、B 分量值。若R(x，y)，G(x，y)，B(x，y)滿足如下條件，則(x，y)為一個(gè)火焰色像素點(diǎn)

其中Rt的值為150;像素飽和度St閾值是40;紅色分量比例閾值Rs設(shè)定為0.34。

2 疑似火焰區(qū)域的圓形度

圓形度是用于描述疑似火焰區(qū)域特征的一個(gè)間接量，一個(gè)區(qū)域的圓形度是根據(jù)該區(qū)域的面積與周長(zhǎng)的平方比值計(jì)算出的一個(gè)值，一個(gè)區(qū)域的圓形度通常用來(lái)表示該區(qū)域輪廓形狀的復(fù)雜度。由于火焰的形狀比其他光源形狀的復(fù)雜度高，更加不規(guī)則。其圓形度與其它光源形狀相比也有較大不同。文中的算法因此根據(jù)一個(gè)疑似火焰區(qū)域的圓形度來(lái)判斷其是否包含火焰。一個(gè)疑似火焰區(qū)域的面積可通過(guò)計(jì)算其圖像中白點(diǎn)的個(gè)數(shù)來(lái)獲得，然后通過(guò)對(duì)其進(jìn)行邊緣檢測(cè)以及必要的噪聲處理得到區(qū)域的周長(zhǎng)。圓形度可通過(guò)如下公式來(lái)計(jì)算

式中，C 為區(qū)域的圓形度;A 代表區(qū)域的面積;P 代表區(qū)域的周長(zhǎng)。通過(guò)圓形度公式可發(fā)現(xiàn)，圖形的形狀越接近圓形，C 的值越接近1。一般來(lái)講，規(guī)則光源的圓形度更接近于圓，火焰的圓形度值一般較低。表2 中比較了手電筒光源和火焰區(qū)域的圓形度，從表1 中看出手電筒光源的圓形度遠(yuǎn)高于火焰區(qū)域的圓形度。根據(jù)一個(gè)區(qū)域圓形度大小所處的范圍，可判斷其是否屬于火焰區(qū)域。

表1 火焰和手電圖像圓形度比較

3 火焰的整體特征

火焰的變化是連續(xù)的，短時(shí)間不會(huì)有大的位置變化，反映到圖像上的火焰中心位置不會(huì)有大的改變。連續(xù)觀察幾幀圖像火焰位置中心沒(méi)有較大變化。文獻(xiàn)［13］的研究結(jié)果表明，早期火災(zāi)中火焰的中心位置沒(méi)有較大移動(dòng)。

給定視頻中第i 幀圖像某一火焰區(qū)域R，用(xi，yi)表示該區(qū)域的質(zhì)心坐標(biāo)。該區(qū)域的質(zhì)心即可通過(guò)式(7)和式(8)計(jì)算，其中(x，y)表示R 中一個(gè)像素的坐標(biāo)，N 表示中像素點(diǎn)的總數(shù)。利用式(9)即可求得連續(xù)兩幀圖像中同一火焰區(qū)域質(zhì)心位置的變化

表2 圖形中心點(diǎn)測(cè)量

表2 列舉了3 個(gè)分別包含火焰區(qū)域、手電電筒及汽車車燈視頻中的連續(xù)4 幀圖像中光源區(qū)域的質(zhì)心變化情況。通過(guò)表3 可看出，對(duì)于包含火焰的視頻，其連續(xù)4幀圖像火焰的中心位置變化相對(duì)穩(wěn)定。與之相比，電筒和汽車光源的中心序列呈現(xiàn)出無(wú)規(guī)則的變化。一個(gè)疑似火焰區(qū)域其質(zhì)心隨時(shí)間變化的特征所體現(xiàn)的是該區(qū)域的整體特征。因此可將區(qū)域的圓形度與其整體特征結(jié)合起來(lái)，判斷疑似火焰區(qū)域是否真的包含火焰。

4 火焰的整體特征

結(jié)合前面的理論分析，文中的算法主要分為圖像的預(yù)處理、圖像的閾值分割、獲得疑似火焰區(qū)域及疑似火焰區(qū)域分析等步驟。算法執(zhí)行過(guò)程如圖2 所示。

圖2 算法執(zhí)行過(guò)程圖

5 測(cè)試結(jié)果

文中采用Matlab 實(shí)現(xiàn)了本文提出的火焰探測(cè)算法，該軟件能夠直接按照選擇需求選擇視頻，且能夠?qū)σ曨l進(jìn)行火焰區(qū)域的檢測(cè)。能可視性地看到視頻檢測(cè)結(jié)果，并具有良好的實(shí)時(shí)性。圖3 和圖4 所示即為該軟件在一個(gè)視頻圖像中對(duì)包含火焰區(qū)域的檢測(cè)。

圖3 包含火焰圖像檢測(cè)結(jié)果1

圖4 包含火焰圖像檢驗(yàn)結(jié)果2

6 結(jié)束語(yǔ)

本文提出了一種基于圖像閾值分割、火焰顏色特征及區(qū)域特征判定相結(jié)合的簡(jiǎn)單算法來(lái)分析視頻圖像，并預(yù)測(cè)火災(zāi)的出現(xiàn)。本算法中用到的理論相對(duì)簡(jiǎn)單，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，對(duì)于外界環(huán)境的干擾有時(shí)不能完全排除，火焰特征判斷依據(jù)較為簡(jiǎn)單，需進(jìn)一步完善。

［1］ 王士迪，裴海龍.基于視頻圖像的火焰識(shí)別算法［J］.現(xiàn)代電子技術(shù)，2011，34(2):82－86.

［2］ 張楠.基于視頻圖像的火災(zāi)檢測(cè)與識(shí)別方法研究［D］.廣州:華南理工大學(xué)，2013.

［3］ 王祖龍，謝紅.視頻圖像火焰區(qū)域分割算法［J］.應(yīng)用技術(shù)，2011，38(7):16－20.

［4］ 王文豪，劉尚勤，葉慶生.視頻火災(zāi)檢測(cè)的設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2008，29(3):775－778.

［5］ 肖聰.淺談大空間火災(zāi)探測(cè)技術(shù)［J］.安防科技，2012(3):22－25.

［6］ 高春瑩.大空間建筑火災(zāi)探測(cè)技的探討［J］.建筑設(shè)計(jì)管理，2010，27(8):54－55.

［7］ 馬宗方，程詠梅，王慧琴，等.大空間建筑可視火災(zāi)探測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)仿真，2011，28(4):283－286.

［8］ 葛勇，王玲.視頻火焰檢測(cè)算法研究及Matlab 仿真［J］.仿真技術(shù)，2010，26(2－1):131.

［9］ 楊竹青.基于視頻圖像的校園火災(zāi)探測(cè)研究與應(yīng)用［J］.金華職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2013，13(6):49－53.

［10］Lee Chenyu，Lin Chinteng，Hong Chaoting.Spatio－temporal analysis in smoke detection［C］.Chongqing:IEEE International Conference on Signal and Image Processing，2000:81－83.

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

［12］Toreyin B Ugur，Dedeoglu Yigithan，Cetin A Enis.Wavelet based real－time smoke detection in video［C］.Antalya，Turkey:Proceedings of 13th European Signal Processing Conference EUSIPCO，2005.

［13］徐之.基于數(shù)字圖像處理的火焰檢測(cè)算法研究［D］.鎮(zhèn)江:江蘇科技大學(xué)，2008.

［14］高愛(ài)蓮.基于視頻的火焰檢測(cè)方法研究［D］.昆明:昆明理工大學(xué)，2008.