，，

(中國船舶重工集團(tuán)公司第七一三研究所，鄭州 450015)

火災(zāi)的發(fā)生會給人類社會造成很大的損失[1]。在火災(zāi)探測的研究成果和產(chǎn)品中，一般的火災(zāi)探測方法是采用感溫式、感煙式等傳感器，來感知環(huán)境的溫度和煙霧[2]，但常用的傳感器在大空間中需要在火勢很大的時(shí)候才會發(fā)出警報(bào)信號，較難實(shí)現(xiàn)火災(zāi)的極早期探測、報(bào)警[3-4]。隨著視頻監(jiān)控設(shè)備的廣泛應(yīng)用和圖像處理技術(shù)的快速發(fā)展，通過圖像處理來進(jìn)行煙霧的識別成為可能，而煙霧一般出現(xiàn)在火災(zāi)的早期[5]。文中介紹的智能視頻煙霧探測器可實(shí)現(xiàn)極早期煙霧探測，實(shí)現(xiàn)及時(shí)、高效的火災(zāi)探測。該探測器的設(shè)計(jì)基于DSP的視頻煙霧探測器，采用TI公司的TMS320DM642(DSP)，實(shí)現(xiàn)視頻捕獲、煙霧探測與處理，軟件采用背景差分更新算法(基于OTSU閾值分割)和煙霧色彩、能量、結(jié)構(gòu)綜合分析算法。

1 硬件平臺搭建

探測器硬件框圖見圖1，采用可見光和紅外兩路視頻信號，通過DM642的視頻口采集，并通過DMA方式存儲于SDRAM中，DSP中運(yùn)行煙霧監(jiān)測算法對視頻信號進(jìn)行處理，以判斷是否有煙霧發(fā)生，處理后的圖像通過DSP的視頻口VOUT向外輸出視頻信息，通過IO向外輸出報(bào)警信息。

圖1 硬件總體框圖

2 軟件架構(gòu)

軟件采用基于復(fù)雜指令集的DSP來進(jìn)行視頻采集和處理，軟件結(jié)構(gòu)見圖2，主要包括視頻煙霧探測識別算法和報(bào)警算法。

圖2 軟件架構(gòu)

3 煙霧識別算法

通過對存儲的每一幀圖像(YUV422格式)進(jìn)行OTSU自動(dòng)閾值分割，可得到可疑運(yùn)動(dòng)圖塊，再依次使用色彩測量算法、能量監(jiān)測度量算法和結(jié)構(gòu)相似度算法來檢測可疑圖塊，以確定是否存在煙霧元素。如發(fā)現(xiàn)煙霧塊，則使用標(biāo)記框標(biāo)識煙霧信息。在調(diào)試過程中，經(jīng)過多次試驗(yàn)，當(dāng)圖塊大小為18×18(單位：個(gè)，表示像素點(diǎn)個(gè)數(shù))時(shí)，其實(shí)時(shí)性和效果較好，推薦采用18×18圖塊進(jìn)行煙霧識別。

煙霧識別算法的流程見圖3。

圖3 煙霧識別算法流程

3.1 煙霧可疑區(qū)域提取

為快速、有效地檢測可疑煙霧圖塊，需要建立背景模型，把當(dāng)前幀與背景模型進(jìn)行比較和差分運(yùn)算，根據(jù)運(yùn)算結(jié)果，結(jié)合閾值，大于閾值的區(qū)域可標(biāo)識為運(yùn)動(dòng)區(qū)域。

差分圖像閾值的確定是軟件算法的基礎(chǔ)，探測器使用OTSU自動(dòng)閾值分割方法，可在先驗(yàn)知識較少的情況下，自適應(yīng)確定一個(gè)相對較好的閾值。

OTSU的具體步驟如下。

1)分析差值圖像中的灰度直方圖，提取差值圖像的平均值以及圖像的灰度級概率分布。

2)檢索每個(gè)像素，得到灰度值為“k”的像素點(diǎn)的數(shù)量。

3)選擇“k”值作為閾值，將圖像的像素點(diǎn)依次劃分為前景和背景，并計(jì)算前景點(diǎn)和背景點(diǎn)的比例、平均值，再基于閾值“k”得出類間方差。

4)根據(jù)計(jì)算結(jié)果，當(dāng)類間方差被取為最大值時(shí)，自適應(yīng)調(diào)整閾值(選擇相應(yīng)的灰度級為閾值)。

為減少噪聲擾動(dòng)等各種干擾的影響，可對二值化結(jié)果進(jìn)一步處理，消除干擾[12]。

3.2 煙霧色彩測量算法

常用的色彩模型有RGB模型、YUV模型和HSI模型。文中采用YUV模型，格式是YUV422(Y為亮度信號，U、V為色度信號)，通過視頻解碼器，并經(jīng)由DSP的視頻口采集到Y(jié)UV分量信號。采用當(dāng)前幀與背景模型的相應(yīng)可疑圖塊Y分量值積分的比值作為度量值，提取小于閾值的可疑煙霧圖塊，存到緩沖區(qū)作為小波變換的輸入。

3.3 煙霧能量監(jiān)測度量算法

為提高探測的準(zhǔn)確率，需進(jìn)一步對煙霧可疑圖塊進(jìn)行能量測量與判定。在火災(zāi)發(fā)展的初期，煙霧呈現(xiàn)半透明的特性，圖像的高頻衰減損失較多[13]，可通過時(shí)域和頻域變換，識別在煙霧影響下的前景圖塊與背景圖塊的高頻能量衰減，并作為判斷煙霧是否存在的一項(xiàng)依據(jù)。

探測器采用小波變換算法，通過時(shí)域和頻域變換對可疑圖像進(jìn)行二維分解，得到圖像的高頻能量衰減[14]。通過綜合小波分解的垂直功率譜、水平功率譜和對角線功率譜，來定義高頻能量。

采用當(dāng)前幀與背景模型的高頻能量之比作為度量值，提取大于閾值的可疑煙霧圖塊，放入煙霧圖塊緩沖區(qū)，作為后續(xù)判斷和標(biāo)識的基礎(chǔ)。

3.4 煙霧結(jié)構(gòu)相似度量算法

結(jié)構(gòu)相似性指數(shù)(SSIM)可以作為圖像質(zhì)量的客觀評價(jià)方法，通過提取場景的結(jié)構(gòu)化信息，并引入圖像結(jié)構(gòu)信息的衰減質(zhì)量評估方法。

當(dāng)可疑圖塊和參考元素之間的結(jié)構(gòu)相似性的實(shí)時(shí)均值大于設(shè)定閾值時(shí)，標(biāo)識可疑圖塊可通過SSIM的煙霧判別分析，即可認(rèn)定為煙霧。

3.5 背景模型的建立

在煙霧算法中，需要構(gòu)建一個(gè)背景模型來作差分運(yùn)算，根據(jù)試驗(yàn)情況，選取穩(wěn)定的一幀圖像作為背景，例如第200幀作為背景圖。隨著時(shí)間的推移，可能需要實(shí)時(shí)更新背景，以降低可見光變化情況和其他干擾對煙霧探測的影響。通過把當(dāng)前幀和背景幀的每個(gè)像素加權(quán)平均，以實(shí)現(xiàn)自適應(yīng)背景更新，同時(shí)為了避免將運(yùn)動(dòng)物體更新到背景模型中，采取只更新當(dāng)前幀中像素的方法。

4 系統(tǒng)調(diào)試

視頻煙霧探測器在不同的環(huán)境中進(jìn)行測試，包括室內(nèi)和室外照明變化，背景顏色變化，進(jìn)行煙霧識別。圖4是視頻煙霧探測器外形圖，采用可見光和紅外的雙攝像頭設(shè)計(jì)。圖5是室外發(fā)生煙霧的條件下，探測器實(shí)際操作的屏幕截圖，由方框標(biāo)記的圖像塊表示檢測到的煙霧區(qū)域。圖6中的背景環(huán)境相對較暗，由加濕器模擬的煙霧也可以較好探測并標(biāo)注，由方框標(biāo)記的圖像塊表示檢測到的煙霧區(qū)域。

圖4 探測器外形

圖5 室外煙霧檢測

圖6 室內(nèi)低光照下煙霧檢測

5 結(jié)論

完成了基于TMS320DM642的視頻煙霧探測器的設(shè)計(jì)，并進(jìn)行了相關(guān)調(diào)試工作，給出了實(shí)驗(yàn)結(jié)果。采用煙霧識別算法設(shè)計(jì)的煙霧探測器，可以適應(yīng)環(huán)境的變化，解決視頻煙霧探測難題。