余霞 丁謝鑌 周毅

(1.中國(guó)人民解放軍73881部隊(duì),福建福州 350003;2.福建省福州市公安消防支隊(duì),福建福州 350001;3.福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院,福建福州 350003)

圖像型火焰探測(cè)技術(shù)探討

余霞1丁謝鑌2周毅3

(1.中國(guó)人民解放軍73881部隊(duì),福建福州 350003;2.福建省福州市公安消防支隊(duì),福建福州 350001;3.福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院,福建福州 350003)

基于圖像處理的火焰識(shí)別技術(shù)是圖像型火災(zāi)探測(cè)器不可或缺的一部分,深入研究該技術(shù)對(duì)于提高圖火探器的實(shí)時(shí)性和可靠性有重要作用。本文從圖像樣本采集、火焰圖像預(yù)處理、火焰圖像特征選擇和火焰圖像模式識(shí)別算法或模型四個(gè)方面,對(duì)國(guó)內(nèi)外學(xué)者的研究進(jìn)展分別進(jìn)行具體介紹、總結(jié),并提出了現(xiàn)階段在火焰圖像識(shí)別方面研究的不足和值得改進(jìn)之處。

圖像處理 火焰圖像 火災(zāi)探測(cè) 模式識(shí)別

火災(zāi)給人類的生命及財(cái)產(chǎn)安全帶來(lái)了極大的危害。特別是當(dāng)部隊(duì)內(nèi)部的物資倉(cāng)庫(kù)、電腦機(jī)房、檔案室等要害部位失火,若不能第一時(shí)間發(fā)現(xiàn),極易小火釀大災(zāi),造成不可挽回的損失。這在國(guó)內(nèi)外軍隊(duì)屢見(jiàn)不鮮。2002年,印度北部拉賈斯坦邦一軍火庫(kù)失火并引發(fā)爆炸,大火燒毀1000余噸彈藥、70輛軍車,并導(dǎo)致2人死亡、8人受傷;2008年,美空軍一地下核導(dǎo)彈發(fā)射井工作室失火,造成至少100萬(wàn)美元的損失;2009年,隸屬俄軍總參謀部情報(bào)總局的一支特種部隊(duì)指揮部所在建筑發(fā)生火災(zāi),導(dǎo)致5名俄羅斯軍人死亡,7人受傷,焚毀大批軍方機(jī)密資料。

因此如何有效地利用電子設(shè)備進(jìn)行火災(zāi)探測(cè),以便及時(shí)將火情消滅在萌芽狀態(tài),一直是人類所積極探索的問(wèn)題。感溫式、感煙式、感光式、可燃?xì)怏w探測(cè)、復(fù)合式火災(zāi)探測(cè)等傳統(tǒng)火災(zāi)探測(cè)技術(shù),在保護(hù)生命、財(cái)產(chǎn)安全等方面做出了不小的貢獻(xiàn)。但其在靈敏度和可靠性方面尚需提高。新型的特種火災(zāi)探測(cè)技術(shù)解決了傳統(tǒng)型火災(zāi)探測(cè)技術(shù)無(wú)法解決的難題,在火災(zāi)預(yù)警方面有歷史性的突破?；趫D像處理的火焰識(shí)別技術(shù)正是其中的一種。

要實(shí)現(xiàn)圖像型火焰探測(cè),主要有四個(gè)步驟:(1)圖像樣本采集——獲得含有火焰的圖像;(2)火焰圖像預(yù)處理及切割——將火焰從圖像中切割出來(lái);(3)圖像特征數(shù)據(jù)提取——測(cè)量、計(jì)算火焰圖像各項(xiàng)特征的值;(4)火焰圖像模式識(shí)別——通過(guò)算法或數(shù)學(xué)模型判定是否為火焰。筆者分別從這四個(gè)部分對(duì)國(guó)內(nèi)外學(xué)者的研究進(jìn)展分別進(jìn)行具體介紹,并提出研究現(xiàn)狀存在的問(wèn)題及值得改進(jìn)之處。

1 待分析圖像樣本的采集

1.1 火焰圖像采集

在大量火焰圖像識(shí)別技術(shù)的研究中,各研究者對(duì)用于分析的火焰圖像樣本的獲得方式、數(shù)量大小各異,火焰種類和拍攝角度的選擇不盡相同。美國(guó)猶他州州立大學(xué)康涅狄格學(xué)院Jessica Ebert等采用在室外開(kāi)放空間近距離拍攝的燃燒木堆垛和起火紙箱用于分析[1]。曲阜師范大學(xué)電氣信息與自動(dòng)化學(xué)院的史麗紅使用兩張鍋爐爐膛火圖片作為研究對(duì)象[2]。近年來(lái)與之相關(guān)的多篇文獻(xiàn)中,對(duì)用于分析的圖像樣本的獲得方式、數(shù)量大小、火焰種類等同樣沒(méi)有定式,選擇的隨意性較大[3-6]。

1.2 干擾源圖像采集

通過(guò)統(tǒng)計(jì)涉及火焰識(shí)別的文獻(xiàn),干擾源主要可以分為兩大類[3-6]:生活中類似火焰特征的非火物體,以及受控的火焰。具體有:(1)生活中類似火焰特征的非火物體具體有:固定照明燈具(包括持續(xù)和閃爍),手電筒,陽(yáng)光,飄動(dòng)的窗簾和旗幟,車燈(包括持續(xù)和閃爍狀態(tài)),閃爍的警車燈,波動(dòng)液體表面對(duì)強(qiáng)光的反射,印有火焰圖像的畫,電焊,氣割,閃電,紅色塑料袋。(2)受控的火焰具體有:蠟燭(包括無(wú)風(fēng)和有風(fēng)狀態(tài)),正常燃燒的爐灶燃?xì)饣?煙頭,打火機(jī)。

2 火焰圖像預(yù)處理及切割

2.1 火焰圖像預(yù)處理

圖像預(yù)處理是指對(duì)處于最低抽象層次的圖像所進(jìn)行的操作,這時(shí)所處理的輸入和輸出都是灰度圖像。同樣,火焰圖像識(shí)別的圖像預(yù)處理內(nèi)容同樣由其自身的特點(diǎn)來(lái)決定。考慮到火焰圖像識(shí)別要求實(shí)時(shí)性的特點(diǎn),在預(yù)處理時(shí)不適宜對(duì)圖像做過(guò)多復(fù)雜的運(yùn)算和處理?；鹧鎴D像識(shí)別文獻(xiàn)中采用的圖像預(yù)處理方式可以分為三類[3-6]——消除背景、圖像增強(qiáng)、圖像去噪,采用的具體方法為如下:

(1)消除背景主要采用的方法是:采用減去基準(zhǔn)圖像來(lái)消除背景;(2)圖像增強(qiáng)主要采用的方法有:在HSV色彩空間中調(diào)整圖像亮度進(jìn)行圖像增強(qiáng),基于圖像紅色分量進(jìn)行灰度化,突出火焰部分等;(3)圖像去噪主要采用的方法有:采用3×3模板進(jìn)行高斯濾波去噪,采用3×3模板進(jìn)行中值濾波,采用5×5模板進(jìn)行中值濾波,采用提取圖像骨架的方式對(duì)圖像進(jìn)行細(xì)化,基于小波變換的閾值去噪等。(4)也有一些文獻(xiàn)沒(méi)有對(duì)圖像樣本進(jìn)行預(yù)處理。

2.2 火焰圖像切割

圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟,也是一種基本的計(jì)算機(jī)視覺(jué)技術(shù)。通常情況下,待處理的火焰目標(biāo)區(qū)域有限。若在整幅圖像上處理,則有大量的無(wú)用運(yùn)算在圖像背景區(qū)域執(zhí)行并耗時(shí),因此對(duì)圖像進(jìn)行火焰目標(biāo)分割提取,減小圖像處理數(shù)據(jù)量,是提高實(shí)時(shí)性的一個(gè)重要途徑。

涉及火焰識(shí)別的文獻(xiàn)中用到火焰圖像切割方法可籠統(tǒng)分為四種[3-6]:閾值法;邊緣檢測(cè)法;基于區(qū)域的分割;基于色彩的分割。采用到的具體方法如下:

(1)閾值法:Otsu閾值算法;固定閾值法;迭代閾值法;最大熵閾值法;應(yīng)用先驗(yàn)知識(shí)的雙閾值分割;基于Otsu閾值算法的連通區(qū)域面積閾值化算法等。(2)邊緣檢測(cè)法:拉普拉斯微分算子邊緣檢測(cè);Sobel算子邊緣檢測(cè);提升小波算法邊緣檢測(cè)。(3)基于區(qū)域的分割:形態(tài)學(xué)處理;引入熱力學(xué)原理,模擬“晶體結(jié)晶”的動(dòng)態(tài)過(guò)程設(shè)計(jì)了新算法;區(qū)域生長(zhǎng)法;形態(tài)小波流域分割算法。(4)基于色彩的分割方法:基于HIS色彩空間的色彩聚類切割;基于Cr、Cb色彩空間先驗(yàn)判別公式的固定閾值切割法(判別公式通過(guò)實(shí)驗(yàn)擬合得到);基于RGB色彩空間先驗(yàn)判別公式的固定閾值切割法等。

3 火焰圖像特征

選擇正確有效、能較好與干擾源圖像相區(qū)分的火焰圖像特征,是火焰圖像識(shí)別的關(guān)鍵一環(huán)。筆者對(duì)涉及火焰識(shí)別的文獻(xiàn)中所選擇的火焰圖像特征進(jìn)行了匯總,大致可分三類[3-6]:顏色特征、幾何形狀特征、動(dòng)態(tài)特征。具體如下:

顏色特征:火焰色彩分量的先驗(yàn)判別函數(shù)關(guān)系式;HIS色彩空間H分量的一階顏色矩;相鄰幀圖像可疑火焰區(qū)域顏色的歐氏距離;紅色飽和度與亮度的關(guān)系。

幾何形狀特征:火焰尖角;圓形度;火焰差分圖像的形態(tài)變化(通過(guò)外接矩形四邊的移動(dòng)情況來(lái)衡量);相鄰幀圖像可疑火焰區(qū)域形狀的相似度;分形維數(shù);火焰長(zhǎng)度;偏心率;將圖像小波分解后的水平分量、垂直分量、對(duì)焦分量作為特征向量。

動(dòng)態(tài)特征:相鄰幀圖像可疑火焰區(qū)域的面積變化;閃爍頻率;質(zhì)心位置的移動(dòng),同時(shí)對(duì)數(shù)據(jù)進(jìn)行歸一化處理;相鄰幀圖像可疑火焰區(qū)域外接矩形的差分面積變化;火焰外焰飄動(dòng)的軌跡圖。

4 火焰圖像模式識(shí)別算法或模型

采用恰當(dāng)?shù)乃惴ɑ蚰Ｐ透鶕?jù)提取的火焰圖像特征對(duì)火焰進(jìn)行模式識(shí)別,是圖像型火焰識(shí)別的最后一個(gè)環(huán)節(jié)。由該環(huán)節(jié)來(lái)對(duì)未知圖像是否有火給出判斷。根據(jù)火焰圖像的特點(diǎn)以及識(shí)別系統(tǒng)對(duì)實(shí)時(shí)性、準(zhǔn)確度的要求,火焰識(shí)別文獻(xiàn)采用了多種識(shí)別方法。具體有[3-6]:

(1)直接由選定的圖像特征閾值或函數(shù)關(guān)系進(jìn)行篩選;(2)給每個(gè)特征值設(shè)定權(quán)重,并將對(duì)應(yīng)區(qū)域的權(quán)值求和,和值最大的即為火焰;(3)BP神經(jīng)網(wǎng)絡(luò);(4)以距離測(cè)度進(jìn)行聚類分析;(5)通過(guò)改進(jìn)K-Means聚類方法,提出一種基于灰關(guān)聯(lián)度聚類檢索算法來(lái)檢索火焰圖像;(6)貝葉斯決策方法;(7)利用圖像相關(guān)性來(lái)建模探測(cè)火災(zāi)的發(fā)生:每隔一定的時(shí)間重新設(shè)置背景圖像,然后利用其后各幀圖像和背景圖像作相關(guān)性分析;并研究火焰的R,G,B三基色的組成成分隨時(shí)間變化時(shí)對(duì)圖像的相關(guān)性的影響。

5 結(jié)論及展望

綜上所述,現(xiàn)階段在火焰圖像識(shí)別方面的研究雖已獲得較大進(jìn)展,但仍存在以下幾點(diǎn)不足和值得改進(jìn)之處:

(1)對(duì)待分析圖像樣本的采集隨意性較大,與實(shí)際火災(zāi)情況不符。采集圖像樣本應(yīng)盡量貼近實(shí)際情況,這樣才能增強(qiáng)分析結(jié)果的有效性,更具有說(shuō)服力。比如選擇對(duì)相關(guān)規(guī)范、標(biāo)準(zhǔn)中規(guī)定的試驗(yàn)火進(jìn)行采集。

(2)單篇文獻(xiàn)采用的干擾源往往只是上述集合中的一種或幾種,分析的廣泛性不強(qiáng);未從具體特征數(shù)據(jù)的相異性對(duì)火災(zāi)火焰和干擾源進(jìn)行量化對(duì)比分析。應(yīng)結(jié)合多種干擾源與火焰進(jìn)行分析比對(duì)。

(3)在火焰圖像預(yù)處理、火焰圖像切割方面,單篇文獻(xiàn)嘗試的算法、模型較少;大多沒(méi)有對(duì)比選優(yōu),均為直接采用某種方法,僅證實(shí)了該方法的可行性;有進(jìn)行方法對(duì)比的文獻(xiàn)僅在少數(shù)幾種方法間對(duì)比,且多依靠主觀觀察判斷得出處理結(jié)果的優(yōu)劣,說(shuō)服力不強(qiáng)?？蓪?duì)多種算法和模型進(jìn)行聯(lián)合對(duì)比,并量化對(duì)比結(jié)果進(jìn)行選優(yōu)。

(4)選取的火焰圖像特征沒(méi)有與干擾源圖像的相應(yīng)特征進(jìn)行量化對(duì)比?？蓪?duì)所選特征的識(shí)別有效性和對(duì)干擾源區(qū)分性大小進(jìn)行量化分析,由此篩選出有效特征。

(5)火焰識(shí)別文獻(xiàn)中,BP神經(jīng)網(wǎng)絡(luò)和直接由選定的圖像特征閾值或函數(shù)關(guān)系進(jìn)行篩選這兩種方法,使用率較高。但就單一文獻(xiàn)來(lái)說(shuō),在識(shí)別程序的選用方面,識(shí)別方法較為單一,沒(méi)有作橫向量化對(duì)比,未知其采用方法的識(shí)別性能在滿足火焰識(shí)別實(shí)時(shí)性和準(zhǔn)確性方面是否最優(yōu),還需進(jìn)行進(jìn)一步的比較。

[1]Jessica Ebert,Jennie Shipley.Computer vision based method for fire detection in color videos[J].Pattern Recognition Letters.2006,1(27):49-58.

[2]史麗紅.基于小波變換的火焰圖像檢測(cè)[J].計(jì)算機(jī)技術(shù)及應(yīng)用,2009,2:37-38.

[3]程鑫.圖像型火災(zāi)火焰探測(cè)報(bào)警系統(tǒng)[D],中國(guó)江蘇南京:東南大學(xué),2005.6.

[4]陳瑩.大空間圖像型火災(zāi)探測(cè)和自動(dòng)滅火技術(shù)的研究[D],中國(guó)天津:天津大學(xué)電氣與自動(dòng)化工程學(xué)院,2006.1.

[5]Damir Krstini,Darko Stipaniev,Toni Jakovevi.Histogram-Based Smoke Segmentation In Forest Fire Detection System[J].Information Technology And Control,2009(38)3:237-244.

[6]Xiaofang Cheng,Jianhua Wu,Xin Yuan.Principles for a video fire detection system[J].Fire Safety Journal,1999(33)1:57-69.

余霞(1988-),女,助理工程師,主要從事部隊(duì)信息通信自動(dòng)化工作。