烏日汗

大空間環(huán)境下初期火災(zāi)快速識(shí)別算法研究

烏日汗

(呼和浩特市消防支隊(duì)，內(nèi)蒙古 呼和浩特 010010)

提出了一種大空間環(huán)境下火焰圖像快速識(shí)別的算法。通過建立背景的統(tǒng)計(jì)特性模型確定了目標(biāo)捕獲的方法,通過初期火災(zāi)的發(fā)展規(guī)律得出了識(shí)別火焰顏色和形狀特征的基本算法，利用模式識(shí)別算法給出了識(shí)別目標(biāo)是否為火焰的算法。測試結(jié)果表明，該算法可以快速捕獲和識(shí)別火焰圖像，且誤判率很低，能夠作為大空間建筑初期火災(zāi)預(yù)警的依據(jù)。

大空間；火焰圖像；模式識(shí)別；特征提??；火災(zāi)探測

0 引言

隨著我國城市化進(jìn)程的快速發(fā)展，城市規(guī)模越來越大，城市建筑的高度、尺度和功能越來越高大、復(fù)雜。商場、圖書館、大型物流倉庫、展覽中心、體育館、車站、航空港等大空間建筑也層出不窮。此類建筑一旦發(fā)生火災(zāi)，火勢發(fā)展迅猛，蔓延速度快，建筑物內(nèi)的人員疏散比較困難，這對(duì)人員生命財(cái)產(chǎn)安全具有極大威脅。對(duì)于大空間建筑，火情發(fā)現(xiàn)越早，火勢蔓延的可能性越小，造成的損失也就越小。因此，大空間建筑火災(zāi)的早期預(yù)警也成為消防領(lǐng)域研究的一個(gè)重要課題。

目前，應(yīng)用于大空間建筑的火災(zāi)報(bào)警系統(tǒng)由多維火災(zāi)探測器組成，其中的主要組成部分是圖像型探測器以及分布在各區(qū)的感溫、感煙、感光、可燃?xì)怏w探測器。圖像型火災(zāi)探測器則通過對(duì)視頻圖像的識(shí)別來判斷有無火災(zāi)發(fā)生。為了降低誤報(bào)率，圖像型火災(zāi)探測器通常要與其他類型的探測器配合使用。感煙型火災(zāi)探測器利用傳感器對(duì)懸浮在其周圍空氣中的燃燒和熱解產(chǎn)生的煙霧氣溶膠進(jìn)行采樣檢測，當(dāng)檢測到該區(qū)域的煙霧顆粒濃度超過閾值時(shí)立即發(fā)出火災(zāi)報(bào)警信號(hào)。感溫型火災(zāi)探測器是對(duì)周圍空氣的溫度進(jìn)行定時(shí)采樣，一旦發(fā)現(xiàn)該區(qū)域的溫度在短時(shí)間內(nèi)劇烈升高并超過一定范圍時(shí)便發(fā)出火災(zāi)報(bào)警信號(hào)。感光型火災(zāi)探測器通過檢測火焰的光譜、強(qiáng)度、閃爍頻率以及不可見的紫外線或紅外線輻射來發(fā)出報(bào)警?？扇?xì)怏w探測器對(duì)可燃?xì)怏w進(jìn)行采樣，判斷是否發(fā)生火災(zāi)。在大空間建筑中，由于高度高(一般凈空都會(huì)超過6 m)，感溫、感煙、感光等火災(zāi)探測器的靈敏度受到了很大影響。這些探測器往往在火災(zāi)發(fā)生到一定規(guī)模時(shí)才達(dá)到閾值報(bào)警，這對(duì)于及時(shí)發(fā)現(xiàn)火情是很不利的。因此，在大空間火災(zāi)監(jiān)控中，這些探測器通常是作為圖像型火災(zāi)探測器的輔助探測器。

圖像型火災(zāi)探測器的主要技術(shù)是圖像識(shí)別技術(shù)，這是一種基于模式識(shí)別技術(shù)的圖像識(shí)別。這類探測器利用監(jiān)控?cái)z像頭對(duì)現(xiàn)場進(jìn)行實(shí)時(shí)圖像采集，將采集的視頻圖像信號(hào)經(jīng)圖像采集卡轉(zhuǎn)換成數(shù)字圖像輸入到計(jì)算機(jī)，再利用數(shù)字圖像處理和模式識(shí)別技術(shù)并結(jié)合火災(zāi)火焰的靜態(tài)和動(dòng)態(tài)特征，對(duì)火災(zāi)圖像進(jìn)行綜合判斷識(shí)別，發(fā)出報(bào)警信號(hào)，在監(jiān)視器上標(biāo)識(shí)出火焰出現(xiàn)的具體位置[1]。這類探測器具有空間適用性高、環(huán)境適用性好、處理速度快、抗干擾能力強(qiáng)、實(shí)時(shí)報(bào)警、遠(yuǎn)程監(jiān)控、探測可靠性高、信息豐富直觀等特點(diǎn)。目前。圖像型火災(zāi)探測技術(shù)已廣泛應(yīng)用于各種室內(nèi)大空間場所。

大空間建筑要求圖像型火災(zāi)探測器具有更快的響應(yīng)速度和更高的準(zhǔn)確性，一方面準(zhǔn)確識(shí)別早期火災(zāi)，另一方面是減少誤報(bào)率?？焖夙憫?yīng)要求識(shí)別速度快，低誤報(bào)率要求識(shí)別準(zhǔn)確性高。這就需要有高效準(zhǔn)確的識(shí)別算法作為支撐。為此，提出了一種基于火焰特征的快速識(shí)別算法。該算法一方面通過提取圖像特征來減少運(yùn)算量，提高運(yùn)算速度，另一方面通過建立火災(zāi)圖像數(shù)據(jù)庫實(shí)現(xiàn)精確比對(duì)，以降低誤報(bào)率。

1 基于火焰特征的識(shí)別算法

1.1 算法基本構(gòu)成

基于火焰特征的識(shí)別算法包括目標(biāo)捕獲、噪聲清除、特征提取和圖像識(shí)別等算法，如圖1所示。目標(biāo)捕獲算法用于跟蹤大空間攝像機(jī)所采集的視頻流中發(fā)生變化的幀和區(qū)域，捕獲目標(biāo)區(qū)域。噪聲清除算法利用圖像處理技術(shù)對(duì)確定的圖像進(jìn)行濾波處理，清除其中的噪聲或干擾信息。特征提取則是從濾波后的圖像中提取出具有代表性的特性，作為識(shí)別的因素。目標(biāo)識(shí)別算法則根據(jù)所提取的特征與數(shù)據(jù)庫內(nèi)采集到的標(biāo)準(zhǔn)圖像特征進(jìn)行比較，確定當(dāng)前目標(biāo)是否屬于火焰?；鹧孀R(shí)別是一種多特征綜合識(shí)別過程，依靠單一特征識(shí)別往往會(huì)出現(xiàn)誤識(shí)別，導(dǎo)致誤報(bào)或漏報(bào)。本文采用火焰顏色和形狀綜合識(shí)別以提高識(shí)別的準(zhǔn)確性。識(shí)別過程中，為了提高算法的識(shí)別速度，首先采用背景消除的方法將區(qū)別于火焰區(qū)域的背景消除，由于初期火災(zāi)的火焰一般比較小，故可以在攝像頭攝取圖像較小的范圍內(nèi)捕獲火焰，進(jìn)而提取目標(biāo)區(qū)域的顏色特征和形狀特征，通過識(shí)別算法判定捕獲的目標(biāo)是否為火焰。

圖1 基于火焰特征的識(shí)別算法

1.2 目標(biāo)捕獲算法

一般情況下，大空間建筑內(nèi)的攝像機(jī)處于靜止?fàn)顟B(tài)，所監(jiān)控場景中多數(shù)物體在視頻圖像序列中為靜止?fàn)顟B(tài)，而火焰或其他活動(dòng)體則呈現(xiàn)運(yùn)動(dòng)特征。為了實(shí)現(xiàn)對(duì)視頻圖像的分析，首先需要對(duì)視頻圖像序列中的運(yùn)動(dòng)區(qū)域進(jìn)行分割，以獲取有助于識(shí)別的目標(biāo)區(qū)域。本文采用幀間取差法捕獲目標(biāo)，利用相鄰兩幀圖像之間的差別來判斷目標(biāo)是否為動(dòng)態(tài)目標(biāo)。如果是動(dòng)態(tài)目標(biāo)，則需要進(jìn)行分析，否則就繼續(xù)監(jiān)測。在目標(biāo)捕獲過程中，為了減小計(jì)算量，采用背景消除法清除圖像背景，突出圖像的前景，并以此作為分析的對(duì)象。這樣大大減少了圖像數(shù)據(jù)的計(jì)算量，有助于火焰的快速識(shí)別。綜合考慮處理速度和算法性能及應(yīng)用場合等因素，選擇背景消除法作為檢測運(yùn)動(dòng)目標(biāo)的方法。通過將背景設(shè)定為混合高斯模型，可以準(zhǔn)確、快速確定運(yùn)動(dòng)目標(biāo)。實(shí)測表明該方法能較好地檢測出包括火焰在內(nèi)的運(yùn)動(dòng)目標(biāo)。

1.2.1 背景消除算法

背景消除方法是利用背景的參數(shù)模型來近似估計(jì)背景的像素值，將當(dāng)前幀與背景模型做差分運(yùn)算來得到前景，若像素區(qū)別較大則被認(rèn)為是前景像素，反之，則認(rèn)為是背景像素。具體過程是：假設(shè)Bi(x,y)、Ii(x,y)分別代表第i幀圖像中像素點(diǎn)(x,y)的背景像素值和當(dāng)前圖像的像素值，那么下式就是用來估計(jì)此位置下一幀的像素值Bi+1(x,y)：

式中，參數(shù)a的取值范圍為0到1。運(yùn)動(dòng)像素通過當(dāng)前圖像和背景圖像使用基于閾值的差分來實(shí)現(xiàn)，然后將運(yùn)動(dòng)像素通過二維連通算法連接成團(tuán)塊，這樣就提取到了前景區(qū)域。

1.2.2 背景模型的建立

背景模型采用混合高斯背景模型[2]，該模型使用K個(gè)高斯分布來表征圖像中各個(gè)像素點(diǎn)的特征，多個(gè)分布能自適應(yīng)的學(xué)習(xí)背景，并通過調(diào)整各自的權(quán)值來控制其在混合高斯背景模型中所占比重。在新一幀圖像獲得后更新混合高斯背景模型，然后用當(dāng)前圖像中每個(gè)像素點(diǎn)與混合高斯背景模型進(jìn)行匹配，如果匹配成功則判定該像素點(diǎn)為背景點(diǎn)，匹配不成功則為前景點(diǎn)。背景模型學(xué)習(xí)過程如圖2所示。

由于場景中存在運(yùn)動(dòng)目標(biāo)或其他干擾噪聲，因此建立的背景圖像中存在一些非背景像素點(diǎn)，用這類像素建立的高斯分布模型應(yīng)該被去除。假設(shè)這些運(yùn)動(dòng)目標(biāo)噪聲在場景區(qū)域中不會(huì)長時(shí)間停留在某一位置上，這樣與其相對(duì)應(yīng)的高斯模型的權(quán)值和優(yōu)先級(jí)就非常小。將K個(gè)高斯分布按照權(quán)值大小依次排列，則前B個(gè)高斯分布便可以作為背景模型，B的定義為：

圖2 背景建模過程流程圖

式中，ωj,xy表示第j個(gè)高斯分布的權(quán)值；M為設(shè)定的閾值，表示能真正反映背景的像素占總像素的最小權(quán)重，若M取值較小，便為單高斯分布背景模型，若M取值較大，便為混合高斯分布背景模型。

將每一幅視頻圖像的每一像素點(diǎn)與該像素點(diǎn)對(duì)應(yīng)的混合高斯背景模型的各個(gè)高斯分布進(jìn)行比較，若有|z-μj,xy|<2.5σ，則該點(diǎn)屬于背景，否則屬于前景，其中μj,xy表示第j個(gè)高斯分布的均值，σ為圖像的整體方差。

1.3 火焰的特征提取算法

火焰特征的提取是在確定火焰區(qū)域之后進(jìn)行，如果圖像中出現(xiàn)了變化的前景，則將其認(rèn)定為目標(biāo)。算法針對(duì)目標(biāo)進(jìn)行特征提取，這樣可大大降低計(jì)算量，也便于快速識(shí)別。為確定目標(biāo)是否為火焰，需要建立火焰的特征模型，本文采用顏色和形狀兩個(gè)方面的火焰特征。之所以這樣選擇火焰特征，是因?yàn)榛鹧婢哂袕?qiáng)烈的視覺特征，其顏色和形狀是最為突出的特征，可以作為火焰識(shí)別的重要判據(jù)。雖然不同的材料燃燒火焰顏色不同，但在一般情況下，火焰圖像的顏色和灰度級(jí)呈一定的分布規(guī)律[3]。

1.3.1 火焰的顏色特征

通過將圖像變換為HSI空間內(nèi)的數(shù)字矩陣對(duì)火焰顏色進(jìn)行建模。在HSI空間，分別用圖形色調(diào)、飽和度與亮度來描述一個(gè)像素點(diǎn)，這種描述方法與RGB空間中用紅、綠、藍(lán)三基色的亮度值來描述圖像的方法不同。文獻(xiàn)[4]給出了火焰像素點(diǎn)應(yīng)具備的條件為：

式中，H(x,y)、S(x,y)、I(x,y)分別表示像素點(diǎn)(x,y)的色調(diào)、飽和度與亮度。式(3)中的數(shù)據(jù)是基于大量的統(tǒng)計(jì)和比較的結(jié)果。

由式(3)可知，火焰的像素點(diǎn)在色調(diào)、飽和度與亮度方面同時(shí)滿足上述條件。因此，在提取目標(biāo)圖像的特征時(shí)，首先提取的是這三個(gè)方面的特征。但是，從實(shí)際情況看，大空間圖像型火災(zāi)探測器經(jīng)常受到類似于火焰的目標(biāo)的干擾。如果只從上述三個(gè)特性來判定火焰，顯然是不充分的。寬松的判定條件往往會(huì)造成大概率誤判，因此還需要另外提取火焰形狀方面的特征。

1.3.2 火焰的形狀特征

為建立火焰的形狀特征，觀測了火焰視頻中將近2 000幀圖像中的火焰形狀。通過觀察和匯總得出的結(jié)論是，初期火的火焰面積隨著時(shí)間逐漸變大?；鹧婷娣e變化速率可以用式(4)表示：

為了捕獲相鄰幀之間火焰面積的變化，采用Kendall-τ檢測器。Kendall-τ趨勢算法表達(dá)式為：

式中，x(t)為輸入信號(hào)，代表火焰目標(biāo)區(qū)域中包含的像素點(diǎn)數(shù)目；u(x)是單位躍階函數(shù)；ε是試驗(yàn)確定的誤差閾值；N為觀測數(shù)據(jù)的窗口長度。

火焰的形狀呈現(xiàn)有規(guī)則的跳動(dòng)性銳角分布，且隨著火焰的逐漸增大，相比于周圍環(huán)境的圖像和干擾因素，其銳角數(shù)量是變化的，數(shù)量也越來越多。通過觀測銳角數(shù)量的變化情況，也可以判定出目標(biāo)的屬性。

1.4 目標(biāo)識(shí)別算法

目標(biāo)識(shí)別算法利用的是模糊判決法。根據(jù)目標(biāo)圖像的綜合特征與特征庫中的火焰特征之間的相似程度來判定目標(biāo)是否為火焰。目標(biāo)的綜合特征可以表示為一個(gè)五元函數(shù)S(h,s,i,ΔA,Δa)，其中h、s、i為目標(biāo)區(qū)域內(nèi)像素點(diǎn)的色調(diào)、飽和度與亮度的平均值，ΔA為目標(biāo)區(qū)域的面積變化，Δa為目標(biāo)區(qū)域內(nèi)銳角的數(shù)量變化。為了進(jìn)行比較和判決，需要確定一個(gè)合理的閾值ST。當(dāng)目標(biāo)與標(biāo)準(zhǔn)特征之間的差值位于閾值之內(nèi)時(shí)，將目標(biāo)判定為火焰，否則將其判定為非火焰或者干擾。根據(jù)文獻(xiàn)[5]的試驗(yàn)方法，對(duì)2 000幅圖像進(jìn)行了計(jì)算和觀測，得到了閾值的統(tǒng)計(jì)結(jié)果。

2 測試結(jié)果

利用上述算法，對(duì)2 000幅圖像進(jìn)行了測試，圖像采集自2 min的視頻。實(shí)際目標(biāo)分別為木條火、紙張火、紅色彩帶、手電筒。表1分別列出了不同目標(biāo)下h,s,i,ΔA,Δa五個(gè)元素的取值和判決結(jié)果。相似度閾值設(shè)定為0.8，經(jīng)試驗(yàn)統(tǒng)計(jì)，火焰面積變化ΔA,超過1 000，尖角數(shù)超過2時(shí)，則可判定為火焰。顯然，判決結(jié)果與實(shí)際情況是一致的，這說明所采用的算法可以對(duì)火焰進(jìn)行判決。

表1 部分試驗(yàn)結(jié)果

3 結(jié)束語

利用背景消除的方法確定監(jiān)測圖像中的目標(biāo)前景，以便減小計(jì)算量，提高算法的效率。背景模型采用的是混合高斯模型。圖像特征選取了色調(diào)、飽和度與亮度三個(gè)元素的平均值以及目標(biāo)區(qū)域的面積變化和輪廓變化。利用大量的圖片對(duì)特征進(jìn)行了統(tǒng)計(jì)，得出判定閾值。針對(duì)固定的目標(biāo)，利用特征計(jì)算方法和判定閾值對(duì)目標(biāo)進(jìn)行了判決，判定結(jié)果顯示，采用本算法得出的結(jié)果與實(shí)際情況相符，且計(jì)算速度很快，符合監(jiān)控現(xiàn)場實(shí)時(shí)監(jiān)測的要求。

[1] 程鑫,王大川,尹東良.圖像型火災(zāi)火焰探測原理[J].火災(zāi)科學(xué),2005,14(4):239-245.

[2] 孫宇臣,王自朝,葛寶臻.視頻火災(zāi)探測系統(tǒng)現(xiàn)狀分析[J].消防科學(xué)與技術(shù),2007,26(4):414-417.

[3] 袁非牛,廖光煊,張永明,等.計(jì)算機(jī)視覺火災(zāi)探測中的特征提取[J].中國科技大學(xué)學(xué)報(bào),2006,36(1):39-43.

[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].電視技術(shù),2006(8):92-96.

[5] 閆曉玲,王黎明,卜樂平.一種新的火焰面積增長趨勢算法[C]//中國自動(dòng)化學(xué)會(huì)中南六省區(qū)自動(dòng)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)論文集.2010:387-389.

(責(zé)任編輯 馬 龍)

Research on Fast Identification Algorithm for Large Space Fires at Initial Phase

WU Rihan

(HohhotMunicipalFireBrigade,InnerMongoliaAutonomousRegion010010,China)

This paper proposes a fast identification algorithm for large space fires based on flame images. In our experiment, the method of object capturing is determined by the statistical property model of the background, the basic method to identify the flame color and shape is obtained from the development characteristics of the fire at initial phase, and an algorithm to determine whether the identified object is a flame or not is derived from the pattern recognition algorithm. The results of the experiment show that the algorithm proposed in this paper can swiftly capture and identify images of flame with low error probability, which can be used as a pre-warning criterion for large space fires at initial phase.

large space; fire image; pattern recognition; feature extraction; fire detection

2017-01-11

烏日汗(1991— )，女(蒙古族)，內(nèi)蒙古通遼人，助理工程師。

D631.6

A

1008-2077(2017)04-0010-04