董鵬坤，楊賽楠，張?jiān)娝C，賈天雷，陳 濤

（河北北方學(xué)院 信息科學(xué)與工程學(xué)院，河北 張家口 075000）

0 引言

隨著科學(xué)技術(shù)的飛速發(fā)展，人們對(duì)火災(zāi)處理的相關(guān)技術(shù)給予高度重視，本文基于對(duì)火焰識(shí)別的視覺特征進(jìn)行分析，研究火焰區(qū)域分割的具體方法，在此基礎(chǔ)上建立相關(guān)分層模型，進(jìn)一步推動(dòng)基于圖像處理的火焰識(shí)別系統(tǒng)的建立和完善。在建立火焰識(shí)別系統(tǒng)的過程中，需要利用多種運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)進(jìn)行區(qū)域分割，并進(jìn)行圖像二值化處理，根據(jù)顏色特征對(duì)象素進(jìn)行分類，以便排除其他非關(guān)鍵因素的干擾，降低火焰識(shí)別系統(tǒng)的誤報(bào)率，從而提高系統(tǒng)精度。完成區(qū)域分割等初步處理步驟之后，還需要進(jìn)一步利用圖像處理技術(shù)進(jìn)行火焰區(qū)域的特征提取，通過多種操作及計(jì)算過程對(duì)獲取的圖像進(jìn)行灰度形態(tài)學(xué)處理，再進(jìn)行面積、角點(diǎn)等要素的提取，最終實(shí)現(xiàn)火焰位置標(biāo)定，促成火焰識(shí)別系統(tǒng)的完善。

1 火焰識(shí)別系統(tǒng)的視覺特征及分析方法

1.1 火焰識(shí)別的視覺特征

基于圖像處理的火焰識(shí)別技術(shù)通常是根據(jù)火焰的視覺特征進(jìn)行識(shí)別，火焰的視覺特征通常可以分為靜態(tài)特征和動(dòng)態(tài)特征兩大類。靜態(tài)特征一般包括較為直觀的顏色特征和紋理特征，二者之中最明顯的特征當(dāng)屬顏色特征?；鹧娴念伾ǔＥc溫度、可燃物、燃燒程度、光照強(qiáng)度等因素有直接關(guān)聯(lián)，通過對(duì)顏色特征進(jìn)行初步分析可以了解火焰的基本情況。在建立火焰像素顏色模型時(shí)，需要綜合考慮影響火焰顏色的各種客觀要素，通過算法導(dǎo)入所要建立的模型中，以便后續(xù)調(diào)取并研究火焰基本要素?；鹧娴募y理特征相較于顏色特征來說不易觀察，同時(shí)與顏色特征密切相關(guān)，通常指的是火焰由內(nèi)而外所表現(xiàn)出來的不同顏色值，通過對(duì)紋理特征的觀察和研究，研究者可以計(jì)算與火焰相關(guān)的諸多物理參數(shù)，這對(duì)顏色模型的建立也有重要輔助作用［1］?；鹧娴膭?dòng)態(tài)特征相對(duì)來說更為復(fù)雜，但卻是進(jìn)行火焰識(shí)別的重要手段。受到空氣流動(dòng)的影響，火焰通常會(huì)表現(xiàn)出隨機(jī)運(yùn)動(dòng)及具有固定閃爍頻率的特性，這有助于對(duì)火焰進(jìn)行準(zhǔn)確識(shí)別，將其與一般的動(dòng)態(tài)目標(biāo)區(qū)分開來。

1.2 特征分類方法

從不同角度看待火焰的視覺特征，依據(jù)不同的標(biāo)準(zhǔn)及火焰所表現(xiàn)出來的特性通常有多種不同的分類方法，其中應(yīng)用最廣泛的一種分類方法就是閾值分類法，又稱為基于規(guī)則的分類法。該方法的分類依據(jù)是針對(duì)火焰所表現(xiàn)出來的每個(gè)動(dòng)態(tài)特征，設(shè)置一個(gè)固定的閾值作為提取過程的主要約束條件，如果所要提取的圖像要素滿足該閾值的約束條件，則初步判定所研究區(qū)域?yàn)檎鎸?shí)的火焰。這種方法操作簡(jiǎn)便，又與火焰本身具有的特征緊密相關(guān)，能夠快速識(shí)別火焰，準(zhǔn)確性較高。此外，對(duì)于具有多種特征、多種傳感器融合而成的火焰識(shí)別系統(tǒng)，通常需要結(jié)合火焰所表現(xiàn)出來的各種特征進(jìn)行綜合分析，確保能夠?qū)ν皇挛镞M(jìn)行準(zhǔn)確而全面的判斷，使得所建立的火焰識(shí)別系統(tǒng)更加精準(zhǔn)地識(shí)別出具體的研究對(duì)象。其中，在進(jìn)行多種傳感器融合過程中，所用的數(shù)據(jù)融合方法主要有引入神經(jīng)網(wǎng)絡(luò)分類法、貝葉斯網(wǎng)絡(luò)分類法及支持向量機(jī)分類法等，要根據(jù)實(shí)際操作情況及數(shù)據(jù)融合的特點(diǎn)，選擇最優(yōu)化、最適合的數(shù)據(jù)融合方式，確保火焰識(shí)別系統(tǒng)的精準(zhǔn)性、高效性。

1.3 火焰識(shí)別算法的分層模型

基于圖像處理的火焰識(shí)別系統(tǒng)采用的火焰識(shí)別算法的核心理念是利用運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)提取火焰的主要運(yùn)動(dòng)區(qū)域，在提取完成后，根據(jù)火焰所表現(xiàn)出來的顏色特征進(jìn)一步分割運(yùn)動(dòng)檢測(cè)結(jié)果，并剔除影響結(jié)果分析的非火焰運(yùn)動(dòng)干擾物，從而得到更精準(zhǔn)、無(wú)關(guān)影響因素更少的目標(biāo)研究區(qū)域，又稱為可疑區(qū)域；在完成可疑區(qū)域的初步提取后再針對(duì)該區(qū)域進(jìn)行特征參數(shù)的提取，在識(shí)別與分類階段把獲取的特征參數(shù)與火焰的視覺特征進(jìn)行詳細(xì)比對(duì)和分析，從而實(shí)現(xiàn)對(duì)火焰的準(zhǔn)確判斷，在此基礎(chǔ)上建立算法的分層模型。算法的分層模型通常包括輸入層、目標(biāo)分割層、特征提取層、決策與分類層、結(jié)果輸出層等，在輸入層需要輸入獲得的視頻圖像序列，運(yùn)用幀差法、背景差法等對(duì)輸入的目標(biāo)進(jìn)行分割，然后提取以顏色特征為主的火焰靜態(tài)特征及其他動(dòng)態(tài)特征，并進(jìn)行初步處理，再傳送到?jīng)Q策與分類層進(jìn)行進(jìn)一步處理及數(shù)據(jù)融合，最后在結(jié)果輸出層進(jìn)行火焰確認(rèn)。根據(jù)這個(gè)算法的分層模型，能夠更加科學(xué)有序地進(jìn)行火焰識(shí)別系統(tǒng)的建設(shè)。

2 火焰識(shí)別系統(tǒng)中的區(qū)域分割

在所獲得的圖像資料中，靜止的目標(biāo)通常難以進(jìn)行火焰識(shí)別，需要分析運(yùn)動(dòng)目標(biāo)相鄰幀間的變化情況用于火焰確認(rèn)。一般情況下，在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)過程中常用的方法有背景差分法、幀差法及光流法等。

2.1 背景差分法

背景差分法通常指的是通過計(jì)算當(dāng)前幀同背景幀之間的差值，從而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)的方法，計(jì)算公式如下：

公式（1）中，I（x，y）表示當(dāng)前幀的坐標(biāo)，B（x，y）表示背景幀的參數(shù)［2］，將兩者數(shù)據(jù)輸入計(jì)算機(jī)視覺庫(kù)中進(jìn)行仿真比對(duì)，所得結(jié)果如圖1所示。

圖1 背景差分法

根據(jù)圖1可知，運(yùn)用背景差分法能夠較為完整地將目標(biāo)運(yùn)動(dòng)區(qū)域提取出來進(jìn)行下一步操作，但是由于該結(jié)果是在理想條件下得出的，在實(shí)際的應(yīng)用中光線的變化、其他物體運(yùn)動(dòng)的干擾及系統(tǒng)噪聲等外界條件都會(huì)對(duì)實(shí)驗(yàn)結(jié)果產(chǎn)生干擾，所以需要采取相應(yīng)手段盡可能消除干擾因素帶來的不利影響。

2.2 幀差法

幀差法又稱為時(shí)間差分法，是獲取視頻序列中相鄰兩幀的圖像差值從而進(jìn)行目標(biāo)提取的方法，該方法操作簡(jiǎn)單快捷、易于實(shí)現(xiàn)、實(shí)時(shí)性強(qiáng)，無(wú)需復(fù)雜的建模過程，易于編程實(shí)現(xiàn)，是當(dāng)前在運(yùn)動(dòng)目標(biāo)檢測(cè)中運(yùn)用最廣泛的方法。由于相鄰兩針之間的時(shí)間間隔很短，火焰光線的變化在這期間不會(huì)產(chǎn)生明顯差別，能夠具有更加明顯的分割效果，在常規(guī)的實(shí)驗(yàn)研究中，研究者通常都會(huì)采用幀差法進(jìn)行火焰運(yùn)動(dòng)區(qū)域的檢測(cè)。

3 圖像的二值化

在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)之后，還必須對(duì)所獲得的結(jié)果進(jìn)行閾值處理，將檢測(cè)結(jié)果分割為背景點(diǎn)和前景目標(biāo)，使得像素值只剩0和255兩種，從而降低運(yùn)算過程的復(fù)雜程度。圖像二值化的過程見公式（2），如果當(dāng)前像素的亮度值大于閾值，則認(rèn)為其為前景目標(biāo)，將它的值設(shè)置為255；反之，則將其認(rèn)定為背景點(diǎn)，將它的值設(shè)置為0。

公式（2）中，k表示第k幀圖像，Dk（x，y）表示當(dāng)前像素點(diǎn)（x，y）的亮度值，Tk（x，y）表示最后的處理結(jié)果，Tk則表示在實(shí)驗(yàn)過程中設(shè)定的閾值［3］。從該公式（2）中可以看出，二值化處理結(jié)果的好壞通常取決于閾值的選取是否合理，如果選取的閾值過大，則可能提取太多無(wú)關(guān)緊要的目標(biāo)，如果選取的閾值過小，則容易導(dǎo)致太多有價(jià)值的目標(biāo)丟失?；鹧嫱ǔ６际窃趧×易兓模恳粠g都會(huì)有明顯差別，因而不能使用固定閾值，應(yīng)當(dāng)根據(jù)火焰圖像的亮度值變化采用自適應(yīng)閾值，計(jì)算最佳的閾值，以便能夠得到理想的、符合實(shí)驗(yàn)要求的分割效果，最終獲得的處理結(jié)果如圖2所示。

圖2 二值化處理結(jié)果

4 基于顏色特征的像素分類

在RGB色彩模式中，3個(gè)色彩通道都包含大量的亮度信息，這就說明在顏色分割過程中所受到的光照影響較大，進(jìn)行圖像特征提取時(shí)應(yīng)當(dāng)基于灰度圖像進(jìn)行操作，進(jìn)行灰度圖像轉(zhuǎn)換時(shí)需要經(jīng)過嚴(yán)密的換算過程。在Y′CbCr色彩空間中，亮度信息與色差信息之間是相互分離的，在建立火焰的顏色模型可以忽略亮度的影響，利用火焰的顏色信息對(duì)所獲取的像素進(jìn)行分類之后，可以將亮度信號(hào)Y提取出來構(gòu)成灰度圖像，以此作為后續(xù)算法所需的輸入信號(hào)，并舍棄Cb及Cr兩種色差信號(hào)，節(jié)省顏色空間轉(zhuǎn)換所消耗的時(shí)間及系統(tǒng)存儲(chǔ)資源。因此，基于以上考慮，選取Y′CbCr色彩空間更合適。在實(shí)際操作過程中，可根據(jù)公式（3）對(duì)像素進(jìn)行分類。

公式（3）中，Y（x，y）、Cb（x，y）、Cr（x，y）分別代表坐標(biāo)為（x，y）的像素點(diǎn)的亮度分量、藍(lán)色差分量及紅色差分量的值。如果一個(gè)像素的色彩分量值能夠同時(shí)滿足Y（x，y）＞Cb（x，y）且 Cr（x，y）＞Cb（x，y），則認(rèn)為其疑似火焰，保持其像素值不便，否則置為黑色［4］。

經(jīng)過上述操作，系統(tǒng)能夠獲取一處非火焰運(yùn)動(dòng)區(qū)域，得到疑似火焰區(qū)域，這一區(qū)域中除了有火焰目標(biāo)，還可能有移動(dòng)光源，如車燈，還可能有因顏色相似而被誤認(rèn)為是火焰的非火焰目標(biāo)，比如穿紅色衣服的行人及紅色外觀的其他東西，這些因素依舊會(huì)對(duì)火焰識(shí)別造成干擾，還必須結(jié)合火焰的其他特征排除干擾，降低系統(tǒng)誤報(bào)率。

5 基于圖像處理的火焰區(qū)域特征提取

5.1 灰度形態(tài)學(xué)處理

在對(duì)所獲得的火焰區(qū)域進(jìn)行特征提取之前，需要對(duì)圖像進(jìn)行腐蝕及膨脹處理，以便去除其中的毛刺并對(duì)圖像中存在的一些細(xì)小空洞進(jìn)行填補(bǔ)，從而避免圖像噪聲影響特征提取的結(jié)果。對(duì)于已經(jīng)進(jìn)行過二值化處理的圖像，腐蝕過程可以看做是圖像上的結(jié)構(gòu)元素原點(diǎn)依次與目標(biāo)點(diǎn)進(jìn)行重合的過程，如果結(jié)構(gòu)元素點(diǎn)能夠包含于目標(biāo)點(diǎn)范圍內(nèi)則進(jìn)行保留，否則將其移除。經(jīng)過腐蝕操作，可以有效去除結(jié)構(gòu)元素中所包含的噪聲點(diǎn)，分隔開具有細(xì)小連接的兩個(gè)物體，提高實(shí)驗(yàn)精度。膨脹運(yùn)算與腐蝕運(yùn)算類似，是對(duì)原二值圖像中的空洞點(diǎn)進(jìn)行填補(bǔ)，增大前景目標(biāo)的輪廓，降低圖像噪聲帶來的影響。腐蝕與膨脹二者并不是一對(duì)逆運(yùn)算，其操作順序不同會(huì)帶來不同的效果，通常將先腐蝕運(yùn)算后膨脹運(yùn)算稱為開運(yùn)算，而將先膨脹再腐蝕的過程稱為閉運(yùn)算。對(duì)圖像進(jìn)行開運(yùn)算操作，可以有效消除圖像中孤立的噪聲點(diǎn)，切斷其中的微小連接，在不改變?cè)袌D像面積的基礎(chǔ)上平滑目標(biāo)較大目標(biāo)的邊界，從而減少實(shí)驗(yàn)誤差。

5.2 火焰區(qū)域特征提取

在對(duì)目標(biāo)火焰區(qū)域進(jìn)行特征提取時(shí)，主要提取的要素是面積特征和角點(diǎn)特征?；鹧娴膭?dòng)態(tài)特征在面積上會(huì)表現(xiàn)出明顯的不同，失控的火焰面積隨時(shí)間的延長(zhǎng)變化更大，而受控的火焰面積相對(duì)比較穩(wěn)定，隨時(shí)間的變化率較小。根據(jù)面積變化特征，可以對(duì)這兩種火焰進(jìn)行有效識(shí)別。在實(shí)驗(yàn)過程中使用的圖像傳感器通常都是平面?zhèn)鞲衅?，系統(tǒng)一般情況下會(huì)將火焰區(qū)域面積變化率作為識(shí)別判據(jù)之一。設(shè)系統(tǒng)采集到的第k幀和第k+1幀的火焰面積分別為Sk，Sk+1，則面積變化率［5］：

但是，進(jìn)行整個(gè)輪廓的判別計(jì)算量較大，可以提取角點(diǎn)信息進(jìn)行準(zhǔn)確判別，減少工作量?；鹧嬖谌紵^程中通常還會(huì)受周邊空氣流動(dòng)的影響，不同的空氣流動(dòng)會(huì)導(dǎo)致火焰輪廓產(chǎn)生相應(yīng)的抖動(dòng)，通過對(duì)火焰輪廓的判斷能夠有效提高火焰識(shí)別的準(zhǔn)確率。利用角點(diǎn)的算法規(guī)則對(duì)火焰及其他類型的光源進(jìn)行具體的焦點(diǎn)樹木分析，可以得到相應(yīng)的角點(diǎn)數(shù)據(jù)，通過增加角點(diǎn)檢測(cè)方法，能夠有效排除其他人造光源對(duì)火焰識(shí)別系統(tǒng)造成的影響。

5.3 火焰位置標(biāo)定

當(dāng)火焰識(shí)別系統(tǒng)發(fā)現(xiàn)火焰時(shí)，通常會(huì)在顯示器上用矩形框包圍和輸出火焰目標(biāo)，將之作為報(bào)警信號(hào)。想要達(dá)到這個(gè)目的必須先獲得外接矩形，根據(jù)鏈碼表簡(jiǎn)單表示出研究對(duì)象的邊界，對(duì)邊界進(jìn)行編碼，運(yùn)用特定算法進(jìn)行輪廓獲取。鏈碼通常是通過連接指定的長(zhǎng)度及方向，使用直線段序列表示對(duì)象的邊界，可用4-臨域和8-臨域兩種鏈碼編碼方案指定每個(gè)鏈碼的方位。在獲得的圖像上選定任意像素點(diǎn)作為鏈碼起始點(diǎn)依次進(jìn)行標(biāo)定，即可得到該圖像的鏈碼表示，這一步驟也可根據(jù)輪廓跟蹤算法獲得。得到相應(yīng)的鏈碼表示輪廓之后，通過對(duì)鏈碼的遍歷可以找到輪廓中相應(yīng)的最高點(diǎn)、最低點(diǎn)等特殊點(diǎn)，對(duì)這些特殊點(diǎn)進(jìn)行計(jì)算即可得到相應(yīng)的外接矩形，從而準(zhǔn)確標(biāo)記出火焰位置，完成火焰識(shí)別。

6 結(jié)語(yǔ)

本文在基于圖像處理進(jìn)行火焰識(shí)別系統(tǒng)的建立過程中，對(duì)火焰視覺特征進(jìn)行初步分析，在比較之后選用幀差法作為運(yùn)動(dòng)目標(biāo)檢測(cè)的主要方式，并在此基礎(chǔ)上初步建立了分層模型，結(jié)合運(yùn)動(dòng)目標(biāo)檢測(cè)的結(jié)果對(duì)圖像要素進(jìn)行了分類，從中提取火焰區(qū)域。針對(duì)其他要素所產(chǎn)生的影響，本文采用開運(yùn)算進(jìn)行初步的圖像處理，對(duì)火焰區(qū)域進(jìn)行了特征提取，進(jìn)而詳細(xì)分析了火焰區(qū)域的面積和角點(diǎn)特征，并在此基礎(chǔ)上給出了特征參數(shù)提取算法，以此作為火焰識(shí)別的主要依據(jù)，從而建立和完善火焰識(shí)別系統(tǒng)。