王 凱 馮憲周

1 引言

軍用艦船由于結(jié)構(gòu)特殊、且存放大量的易燃易爆物品，一旦發(fā)生火災(zāi)，往往會對艦船自身安全和艦員的生命造成嚴(yán)重威脅［1～4］。因此，及早發(fā)現(xiàn)艦船火災(zāi)具有非常重要的意義。在大空間環(huán)境下，受電磁、潮氣、振動等因素的干擾，傳統(tǒng)的基于溫度、煙霧的火災(zāi)探測容易造成漏報和誤報［5］。近年來，隨著視頻監(jiān)控和圖像技術(shù)的日益成熟，基于視頻圖像的火災(zāi)探測技術(shù)得到了廣泛深入的研究［6］，其主要由圖像預(yù)處理、疑似火焰區(qū)域分割、疑似火焰區(qū)域特征提取及火焰識別四部分組成，其中疑似火焰區(qū)域分割及其特征提取是火焰識別的前提和關(guān)鍵所在［7］，如果分割不出火焰目標(biāo)，則會出現(xiàn)火災(zāi)漏報現(xiàn)象，如果分割出的目標(biāo)過多，則計算機(jī)在后面特征提取及識別時的計算量過大。同樣，對疑似區(qū)域的特征如果提取的比較準(zhǔn)確，可以為分類器對火焰的識別奠定基礎(chǔ)，如果特征提取的不準(zhǔn)確，則分類器不能對火焰和干擾進(jìn)行準(zhǔn)確的識別，有可能會出現(xiàn)誤報現(xiàn)象。

本文提出一種基于紅外視頻圖像的艦船火災(zāi)火焰特征提取算法，首先對紅外視頻圖像疑似火焰區(qū)域進(jìn)行識別、分割，然后利用火焰燃燒初期的特點對火焰特征進(jìn)行提取，并且在計算過程中采用鏈表序列的存放形式進(jìn)行數(shù)據(jù)存儲，提高了算法的運行速度。

2 疑似火焰區(qū)域分割

2.1 圖像預(yù)處理

火焰圖像提取就是把視頻中每一幀圖像中有一定火焰特征的物體像素點提取出來，以二值圖的形式表現(xiàn)出來。目前視頻火災(zāi)探測技術(shù)主要采用普通CCTV攝像機(jī)和紅外攝像機(jī)兩類［8］，由于發(fā)生火災(zāi)時，燃燒的火焰會向視頻監(jiān)控設(shè)備發(fā)射大量紅外線，其紅外輻射主要集中于950nm～200nm。因此本文采用帶有截止可見光透紅外濾波片的攝像頭對火焰進(jìn)行識別，該攝像頭直接采集火焰釋放的紅外，能夠更好地提取火焰的形狀特征，而且消除了可見光的干擾。

2.2 疑似火焰區(qū)域識別

火焰顏色不是一個確定的值，因此在色彩空間對火焰的分割都是通過大量實驗設(shè)定各個分量的取值范圍，然后在分量之間求交集，從而得到具有火焰顏色的區(qū)域，也就是疑似火焰區(qū)域。由CCD攝像機(jī)采集到的視頻圖像都是基于RGB顏色模型的，它是通過對紅色（R）、綠色（G）、藍(lán)色（B）三種顏色之間疊加來得到各種各樣顏色的［9］。火焰在燃燒時焰心為亮白色，從焰心到外依次為黃色、橙色和紅色，而且從里到外紅色飽和度逐漸增高，亮度逐漸降低。因此可以把火焰紅色飽和度、亮度值以及紅色分量值作為識別火焰的一組判據(jù)。假設(shè)采集圖像中總共的像素點數(shù)為N，其中任一點(x，y)的紅色飽和度Se(x，y)和亮度值Y(x，y)可表示為

當(dāng)該點的紅色飽和度和亮度都大于閾值SeInt和YInt時，說明像素點(x，y)具有火焰的顏色特性。

2.3 疑似火焰區(qū)域分割

本文采用四鄰域搜索法進(jìn)行輪廓掃描，按照順時針方向掃描每個疑似火焰區(qū)域的邊界，得到每個疑似火焰區(qū)域的所有內(nèi)邊界點在圖像內(nèi)存中的位置，并且采用鏈表序列的存放形式對內(nèi)邊界點進(jìn)行存儲。疑似火焰區(qū)域的數(shù)據(jù)存放形式如圖1所示，其中I表示疑似火焰區(qū)域的編號，之后的數(shù)據(jù)分別為橫坐標(biāo)的最小值、縱坐標(biāo)的最小值、橫坐標(biāo)的最大值、縱坐標(biāo)的最大值。

邊界位置數(shù)據(jù)存放形式如圖2所示，其中I表示疑似火焰區(qū)域的編號，L表示當(dāng)前區(qū)域邊界的周長，也是當(dāng)前疑似火焰區(qū)域所存邊界位置的個數(shù)，之后保存著邊界位置數(shù)據(jù)，這個邊界位置數(shù)據(jù)是從當(dāng)前疑似火焰區(qū)域的掃描起點開始掃描一周后回到起點的方式存放的。從I到第二個X0表示為一幀信息，每一幀信息用兩個0分割，I與L、L與邊界點的數(shù)據(jù)用一個0分隔，便于取得相關(guān)的數(shù)據(jù)。

圖1 疑似火焰區(qū)域的數(shù)據(jù)存放形式

圖2 邊界位置數(shù)據(jù)存放形式

3 火焰特征提取

在火災(zāi)早期階段，火焰不是定常的。在不同的時刻，火焰的面積、形狀等都在變化［10～12］。如果能夠提取出這些特征，就能為后續(xù)的火災(zāi)識別奠定良好的基礎(chǔ)。

1）面積變化

火災(zāi)發(fā)生過程中，由于邊緣不斷地閃爍，所以連續(xù)相鄰幾幀圖像的火焰面積都是不斷變化的，但早期火焰面積變化幅值不是特別大；相反，日光燈、手電筒等干擾物在開關(guān)操作過程中面積會突然增大，等光源穩(wěn)定之后，面積區(qū)域不變。因此面積變化率可以用來區(qū)分火焰和閃爍的發(fā)光干擾物。本文采用連續(xù)10幀圖像中的疑似火焰區(qū)域面積值的標(biāo)準(zhǔn)差率。

其中，Si為各幀圖像中同一疑似火焰區(qū)域的面積值，μ為該疑似火焰區(qū)域面積的平均值，σ為面積的標(biāo)準(zhǔn)差值，δ為面積的標(biāo)準(zhǔn)差率。

2）周長變化

火焰不僅會不斷蔓延，而且會有明顯的抖動，因此相鄰連續(xù)幾幀圖像的周長也會不斷變化。本文同樣采用連續(xù)10幀圖像中的疑似火焰區(qū)域周長的標(biāo)準(zhǔn)差率，以各幀圖像中同一疑似火焰區(qū)域的周長值 Li代替式（3）、式（4）中的 Si。

3）圓形度

通過觀察火焰和其他干擾物的形狀可以發(fā)現(xiàn)，一般火焰邊緣為不規(guī)則的曲線，而其他發(fā)光的干擾物如日光燈、手電筒、太陽光等形狀比較規(guī)則，所以可以用圓形度來表征物體形狀的復(fù)雜程度。圓形度是衡量物體形狀規(guī)則程度的常用方法，其定義如下

其中，Sn、Ln為疑似火焰區(qū)域n的面積和周長，Cn為該疑似火焰區(qū)域的圓形度值。本文采用連續(xù)10幀圖像中的疑似火焰區(qū)域圓形度的均值。

4 實驗與結(jié)果分析

4.1 實驗平臺

實驗平臺主要由視頻火災(zāi)探測器、PC機(jī)、數(shù)據(jù)傳輸系統(tǒng)、高速攝像頭等組成，實驗在某大學(xué)化工學(xué)院標(biāo)準(zhǔn)燃燒室進(jìn)行，標(biāo)準(zhǔn)燃燒室尺寸約為3m*3m*4m，攝像頭指向火源，直線距離2.5m，標(biāo)準(zhǔn)燃燒室場景如圖3所示。

圖3 標(biāo)準(zhǔn)燃燒實驗室

4.2 實驗方案

實驗采用火源為木材、蠟燭等，同時對太陽光等干擾源也進(jìn)行了測試。實驗過程中，首先啟動PC機(jī)并調(diào)整好攝像頭，然后對各實驗火源和干擾源重復(fù)測試10次并記錄實驗數(shù)據(jù)，再對實驗數(shù)據(jù)進(jìn)行處理并分析實驗結(jié)果。

4.3 實驗結(jié)果

以木材燃燒視頻為例，各步驟實驗結(jié)果如下：

圖4 木材燃燒紅外圖像

圖5 二值化后圖像

圖6 疑似火焰區(qū)域

圖7 測試結(jié)果及效果

圖8 不同實驗對象的面積變化

實驗結(jié)果表明，該方法能夠有效識別并分割出疑似火焰區(qū)域，通過提取火焰的面積、周長、圓形度等特征能夠為后續(xù)的火災(zāi)識別奠定良好的基礎(chǔ)。

5 結(jié)語

本文建立的基于紅外視頻圖像的火焰特征提取算法能夠有效分割出疑似火焰區(qū)域并提取出火焰特征，可以為進(jìn)一步的火災(zāi)識別提供判據(jù)，具有一定的實用性。

圖9 不同實驗對象的周長變化

圖10 不同實驗對象的圓形度均值

［1］褚政，金焱.外軍航母火災(zāi)事故分析及對策［J］.艦船電子工程，2016，36（5）：8-11.

［2］崔魯寧，浦金云，侯岳，等.艦船火災(zāi)危險性評估方法［J］.解放軍理工大學(xué)學(xué)報（自然科學(xué)版），2009，10（1）：49-52.

［3］劉鵬翔，王兵.美國航母火災(zāi)歷史及啟示［J］.艦船科學(xué)技術(shù)，2010，32（9）：133-139.

［4］張光輝，浦金云，周瑞.艦艇艙室火災(zāi)危險源的分析和辨識［J］.海軍工程大學(xué)學(xué)報，2014，26（2）：104-107.

［5］劉培勛.基于視頻監(jiān)控的全天候火災(zāi)檢測系統(tǒng)［D］.長春：吉林大學(xué)，2011.

［6］李玲.基于視頻圖像的火災(zāi)識別研究［D］.廣州：華南理工大學(xué)，2012.

［7］廖雨婷.基于AdaBoost_SVM的圖像型火焰識別［D］.西安：西安建筑科技大學(xué)，2014.

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

［9］王世東.視頻中火焰和煙氣探測方法的研究［D］.合肥：中國科技大學(xué)，2013.

［10］梁俊山.大空間建筑中基于視頻圖像的火災(zāi)探測研［D］.西安：西安建筑科技大學(xué)，2012.

［11］曾思通，吳海彬，沈培輝.基于多特征融合的視頻火焰檢測方法研究［J］. 圖學(xué)學(xué)報，2017，38（4）：549-557.

［12］沐小會，陳嘉卿，宋英磊.火焰特征提取研究在火災(zāi)探測中的運用［J］.電子設(shè)計工程，2016，24（21）：188-190.