沈 斌, 王 超, 羅曉倩

(黑龍江科技大學(xué) 安全工程學(xué)院, 哈爾濱 150022)

0 引 言

隨著計(jì)算機(jī)視覺以及智能圖像識(shí)別等技術(shù)的發(fā)展,基于圖像處理相關(guān)技術(shù)的智能監(jiān)控技術(shù)在火災(zāi)識(shí)別防控領(lǐng)域也得到了廣泛的應(yīng)用,成為智能消防安全系統(tǒng) (Intelligence fire safety system) 中的主流研究方向。文中所提出的算法體系可應(yīng)用于智能消防系統(tǒng)中檢測火焰元素的紅外攝像頭設(shè)備,輔助消防炮精準(zhǔn)定位將水噴射到火災(zāi)處。王凱等[1]提出基于火焰紅色飽和度,亮度,分量值的火焰特征提取算法,但是此類算法難以全面判斷出火災(zāi)范圍,容易出現(xiàn)焰心空洞的現(xiàn)象。楊亞潔等[2]曾提出的利用混合高斯模型可以有效解決這一問題。楊鴿等[3]提出背景更新模型逐幀判斷屬于火焰像素點(diǎn)的方法,此類算法能夠效的保護(hù)火焰細(xì)節(jié),減少誤檢漏檢。筆者進(jìn)行對(duì)幀差法的連接實(shí)驗(yàn)參考中發(fā)現(xiàn),其算法所用傳統(tǒng)三幀差法[4]結(jié)合傳統(tǒng)的單一形態(tài)學(xué)處理操作[5-6],雖然可以提供良好的去噪效果,但易受光線明暗等外界環(huán)境因素影響。

為減少外界因素對(duì)識(shí)別效果的干擾,同時(shí)保護(hù)圖像邊緣細(xì)節(jié),提高識(shí)別準(zhǔn)確率。文中提出了一種新的基于多特征匹配的火災(zāi)識(shí)別方法。筆者使用針對(duì)角點(diǎn)和線的方法簡單處理邊界元素,同時(shí)融入最小集合距離測度概念[7-8],提高對(duì)動(dòng)態(tài)火焰區(qū)域的檢測識(shí)別效果并求得最佳實(shí)時(shí)閾值位置點(diǎn)參數(shù)。同時(shí)利用目標(biāo)像素點(diǎn)提取填補(bǔ)法并對(duì)圖像高亮部分進(jìn)行閉合操作等形態(tài)學(xué)處理,更好地處理了圖形邊界問題,保護(hù)了圖像細(xì)節(jié)。

1 改進(jìn)自適應(yīng)中值濾波算法

1.1 函數(shù)模型

當(dāng)使用自適應(yīng)中值算法時(shí),包含信號(hào)點(diǎn)的窗口尺寸會(huì)隨著噪點(diǎn)的密度變大而增大,此時(shí)算法易受計(jì)算量和運(yùn)算效率影響。將窗口內(nèi)的極值點(diǎn)判定為噪點(diǎn)進(jìn)行濾除,參考文獻(xiàn)[8]中的改進(jìn)中值濾波算法,結(jié)合Pompeiu-Hausdorff(豪斯多夫距離)公式求最短距離,計(jì)算公式為

(1)

即對(duì)于A集合中的各點(diǎn)找到它所到對(duì)應(yīng)B集合的任何點(diǎn)的最短距離,最后,在其中取得最小值的方式引入最小幾何距離測度并建立模型,將其標(biāo)記為s,可得計(jì)算公式為

s=min{|F-FZ|},

(2)

式中:F——二值化函數(shù)中心像素點(diǎn)灰度值;

FZ——純凈信號(hào)像素點(diǎn)灰度值;

s——函數(shù)中心像素的值與純凈值集合之間的相關(guān)性。

因?yàn)閟越大相關(guān)性越小,所以當(dāng)s大于判斷值點(diǎn)T時(shí),則可進(jìn)一步判斷F為噪點(diǎn),反之,則為未被污染的信號(hào)點(diǎn)。三類濾波效果對(duì)比如圖1所示,可以看出,改進(jìn)后的自適應(yīng)中值濾波(圖1c)相比于普通中值濾波(圖1a)輪廓更加清晰,圖像細(xì)節(jié)更加完整,同時(shí)相比于未改進(jìn)的自適應(yīng)中值濾波(圖1b),圖1c中消除了更多火焰中的噪聲,使得火焰圖像顆粒感明顯減少。

圖1 仿真火災(zāi)區(qū)域算法處理

1.2 工作機(jī)理

由于風(fēng)流和大氣壓的變化,火焰的無規(guī)則運(yùn)動(dòng)和色彩明暗變化也較大,傳統(tǒng)自適應(yīng)中值濾波常會(huì)適應(yīng)性的增大窗口而導(dǎo)致邊緣輪廓破壞。文中將M=max設(shè)為最大窗口,M=3設(shè)定為初始窗口,閾值設(shè)為k,非噪點(diǎn)集合Z置為空集。將當(dāng)前窗口的最大、最小灰度值用Fmax,Fmin表示。當(dāng)所測點(diǎn)F不滿足條件Fmax>Fmin時(shí),則將其置于集合Z中。隨后計(jì)算Z的中值Zmed和max的Z值Z′。若Z為空集,且M

圖2 改進(jìn)自適應(yīng)中值濾波算法流程

2 火災(zāi)特征識(shí)別

對(duì)于檢測火災(zāi)顏色的傳統(tǒng)做法一般是對(duì)其進(jìn)行單一RGB空間的處理,但由于火焰實(shí)際會(huì)受到氣壓和溫度的影響,實(shí)際色彩層次一般較為豐富。而本文將RGB顏色模型與HSV顏色模型結(jié)合使用,先分離色彩度通道,并利用RGB模型計(jì)算第k幀B(i,j)與上一幀A(i,j)圖像的歐氏距離D(i,j),得到含有火焰運(yùn)動(dòng)信息的圖像,分割得到二值化圖像并計(jì)算紅色分量閾值。

(3)

其中閾值可利用OTSU算法計(jì)算得出,由式(5)～(7)計(jì)算范圍并反復(fù)實(shí)驗(yàn)得出。設(shè)g為方差類,聯(lián)立式(4)～(6),可得式(7),此時(shí),當(dāng)g取得最大值時(shí),即可得到最佳閾值。

M0P0+M1P1,

(4)

g=P0(M0-M)2+P1(M1-M),

(5)

P0+P1=1,

(6)

g=P1P0(M0-M1)2,

(7)

式中:M——全部圖像平均像素,

N——總像素點(diǎn)數(shù),

N0——背景域所有像素點(diǎn),

P0——N0與總像素?cái)?shù)之比,

M0——平均像素值;

N1——前景區(qū)的像素總數(shù);

P1——前景區(qū)的像素總數(shù)占比;

M1——前景區(qū)的像素總數(shù)均值。

圖3為顏色特征仿真檢測結(jié)果圖。由仿真實(shí)驗(yàn)結(jié)果可知,基于RGB與HSV顏色模型相對(duì)于單RGB閾值模型能夠更加精準(zhǔn)的分割火焰輪廓,使輪廓細(xì)節(jié)更完整清晰。

圖3 顏色特征仿真檢測結(jié)果

隨機(jī)選取15幀檢測并進(jìn)行效果對(duì)比可以發(fā)現(xiàn),使用雙顏色模型的探測的火焰區(qū)域面積相比于單RGB閾值模型更加全面準(zhǔn)確,極大地提高了識(shí)別色彩的準(zhǔn)確率。精準(zhǔn)度檢測結(jié)果如表1所示。其中,s為檢測到火焰面積,kf為漏檢誤檢幀數(shù)。

表1 檢測準(zhǔn)確度的測試結(jié)果

3 火焰輪廓特征提取

在對(duì)火焰的視頻監(jiān)控中,火焰輪廓具有起伏、搖擺、閃爍等諸多不定的特點(diǎn)。本文參考文獻(xiàn)[9],利用三幀差分法對(duì)圖像進(jìn)行差分運(yùn)算,將監(jiān)控視頻序列下第p+1幀、第p幀、第p-1幀的圖像分別記為qn+1、qn和qn-1,它們所對(duì)應(yīng)的像素點(diǎn)灰度值分別標(biāo)記為qn+1(x,y)、qn(x,y)和qn-1(x,y)[10], 利用式(8)分別得到差分圖像Dn+1和Dn為

Dn(x,y)=|qn(x,y)-qn-1(x,y)|。

(8)

對(duì)差分圖像Dn+1和Dn按照式(9)進(jìn)行操作,得到圖像Dn′為

Dn(x,y)=|qn+1(x,y)-qn(x,y)|∩|qn(x,y)-

qn-1(x,y)|。

(9)

同時(shí),結(jié)合之前提出的加入整體光照敏感的添加項(xiàng)的方式[11],將判斷條件修改為

(10)

式中:NA——待檢測區(qū)的總像素?cái)?shù);

λ——光照抑制系數(shù);

A——整幀圖像。

此類添加項(xiàng)用于表達(dá)在整幀圖像中光照情況的變化。如場景中的光照變化較小,其值則趨于0;如場景光照變化顯著,則該項(xiàng)值也會(huì)明顯變大,達(dá)到有效減弱光線變化對(duì)監(jiān)控下視頻檢測的干擾,從而更加精確識(shí)別火焰。

圖4為火焰區(qū)域仿真檢測結(jié)果圖,通過將普通自適應(yīng)中值濾波算法,改進(jìn)自適應(yīng)中值濾波算法和改進(jìn)自適應(yīng)中值算法結(jié)合三幀差法三種算法對(duì)比,可以看出改進(jìn)自適應(yīng)中值濾波算法結(jié)合三幀差法能夠有效減少漏檢誤差,降低光線明暗度對(duì)圖像的影響,并且能夠在改善焰芯空洞現(xiàn)象同時(shí)保護(hù)圖像的細(xì)節(jié)信息。

圖4 動(dòng)態(tài)火災(zāi)區(qū)域識(shí)別仿真結(jié)果

4 結(jié)果與分析

對(duì)火焰試驗(yàn)檢測部分。取視頻前110幀為訓(xùn)練樣本。分別在室內(nèi)外視頻火焰場景試驗(yàn)。文中算法火災(zāi)識(shí)別結(jié)果如圖5所示。檢測精度測試結(jié)果如表2所示。其中,k為檢測到火焰幀數(shù)。

表2 檢測精度測試結(jié)果

圖5 文中算法火災(zāi)識(shí)別結(jié)果

由圖5可知,此算法體系在檢測火災(zāi)場景方面極大地提高了準(zhǔn)確率,平均正確率達(dá)到92.7%,對(duì)于光線等干擾物的識(shí)別有了進(jìn)一步的提升。

通過對(duì)普通自適應(yīng)中值濾波與有無三幀差法添加項(xiàng)的改進(jìn)自適應(yīng)濾波進(jìn)行實(shí)時(shí)視頻監(jiān)控錄制,計(jì)算分析判斷火焰實(shí)時(shí)區(qū)域覆蓋面積,監(jiān)控樣本共計(jì)321幀,缺失部分和連續(xù)性零位為漏檢。三種算法對(duì)火焰區(qū)域的識(shí)別度如圖6所示。

圖6 同序列視頻三類算法識(shí)別探測度比較

對(duì)比算法檢測結(jié)果表明,普通自適應(yīng)濾波算法對(duì)火焰區(qū)域探測面積始終在3 000 m2以下,火焰識(shí)別度低,且在87～150幀內(nèi)多次對(duì)火焰條件進(jìn)行誤判導(dǎo)致未檢測出火焰。而未帶有三幀差法的改進(jìn)中值濾波算法對(duì)火焰探測面積集中在4 000 m2左右但在280幀后受光線影響大發(fā)生誤判,而文中所改進(jìn)的自適應(yīng)算法體系進(jìn)一步提升火災(zāi)識(shí)別的準(zhǔn)確能,具有更加良好的穩(wěn)定性。

5 結(jié) 論

(1)利用改進(jìn)自適應(yīng)中值算法動(dòng)態(tài)檢測火焰區(qū)域,增強(qiáng)窗口平滑作用,保護(hù)了邊緣細(xì)節(jié),減少了信號(hào)點(diǎn)的誤判。

(2)采用顏色模型分離所用顏色通道層次,提取顏色特征并創(chuàng)建二值化圖像,配合改進(jìn)算法優(yōu)化灰度值填補(bǔ)效果,較好的濾除了圖像中細(xì)微的小雜訊,將色彩識(shí)別度由原來的87%提升至98.9%。

(3)利用三幀差分法進(jìn)一步減弱外界因素對(duì)火災(zāi)區(qū)域的干擾。該方算法體系將火災(zāi)識(shí)別率由當(dāng)前國際通用水平的90%提高至92.7%。具有良好的實(shí)時(shí)性,且抗干擾性強(qiáng)和可移植性強(qiáng)。