王 君，蒲 磊，黃 寧，陳楷升，梁薇薇，楊振威

(1.中山大學(xué)南方學(xué)院 電氣與計(jì)算機(jī)工程學(xué)院，廣東 廣州 510970；2.重慶郵電大學(xué) 自動(dòng)化學(xué)院，重慶 400065)

0 引 言

森林火災(zāi)是破壞森林最主要的災(zāi)害，位居首位，森林火災(zāi)的發(fā)生，直接危及林木、林下植物、土壤以及動(dòng)物的生存，同時(shí)又使人類的生命財(cái)產(chǎn)和森林生態(tài)環(huán)境造成了巨大的危害。森林火災(zāi)容易失去控制，隨著蔓延擴(kuò)展，帶來危害和生命財(cái)產(chǎn)損失，有突發(fā)性強(qiáng)、破壞性大、過火面積大、救助困難等特點(diǎn)。所以，需要發(fā)現(xiàn)森林火情，及時(shí)發(fā)出報(bào)警，準(zhǔn)確監(jiān)控火場(chǎng)面積以及燃燒的植被種類。發(fā)現(xiàn)自己處在森林火場(chǎng)中，監(jiān)控系統(tǒng)可以輔助救援決策，輔助向安全地帶迅速轉(zhuǎn)移[1-3]?；跈C(jī)器視覺的無人機(jī)可用于發(fā)現(xiàn)森林火情，能對(duì)森林火災(zāi)進(jìn)行及時(shí)的預(yù)警與預(yù)測(cè)[4]。

隨著無人機(jī)技術(shù)的創(chuàng)新和普及，其精準(zhǔn)、直觀的火場(chǎng)分析數(shù)據(jù)的特點(diǎn)，使無人機(jī)進(jìn)行森林防火巡查成為趨勢(shì)[5]。該文針對(duì)單一提取顏色特征的誤檢測(cè)，綜合了顏色、尖角數(shù)、紋理等綜合特征進(jìn)行檢測(cè)，過濾掉容易干擾結(jié)果的因素，并根據(jù)實(shí)時(shí)的火情，預(yù)測(cè)火勢(shì)蔓延的方向和位置，提升對(duì)特定區(qū)域識(shí)別火災(zāi)情況的預(yù)判，為火情救援決策分析提供了依據(jù)。

1 森林火情分析

1.1 火焰特征分析

火災(zāi)是一種復(fù)雜的燃燒現(xiàn)象，火焰是重要物理特征[6]。森林火災(zāi)一般有比較明顯的可見視覺特征，如火焰的顏色、圓形度以及尖角數(shù)[7-8]等等。火焰顏色與煙霧是主要的識(shí)別要素，其顏色邊緣等特征也更為明顯。

森林火災(zāi)的出現(xiàn)往往伴隨著煙霧和火焰[9-10]，煙霧因燃燒物的不同而不同。而火焰的顏色特征相對(duì)比較明顯，火焰的顏色在紅色到黃色范圍內(nèi)變動(dòng)[11-13]?？蓪⒓饨菙?shù)作為是否為火焰的判據(jù)。因?yàn)榉€(wěn)定的光源尖角數(shù)可能會(huì)有跳動(dòng)?；鹧鎴D像中的尖角特征是局部極值點(diǎn)的頂點(diǎn)，在形態(tài)上表現(xiàn)為狹長(zhǎng)、寬度偏小、高度偏高。

1.2 煙霧分析

森林火災(zāi)的火焰燃燒時(shí)常常會(huì)伴隨著大量的煙霧，煙霧包含許多特征參數(shù)。森林火災(zāi)的初期煙霧通常呈現(xiàn)的是青灰色，其煙霧圖像在RGB空間，三個(gè)顏色的基色數(shù)值非常接近，最大最小的數(shù)差通常小于某一值。

通過大量的實(shí)驗(yàn)發(fā)現(xiàn)，火焰像素區(qū)域的紅色通道值大于綠色通道值，綠色通道值大于藍(lán)色通道值?？筛鶕?jù)識(shí)別火情圖像，設(shè)定偏差為±5°。

此外，分析煙霧圖像的紋理特征，其與清晰的圖像有很大區(qū)別，這也表明了煙霧圖像的獨(dú)特特征[14]。紋理特征的分析方法一般有灰度差分統(tǒng)計(jì)法、灰度共生矩陣等。該文使用了角二階矩的統(tǒng)計(jì)量來提取紋理特征。其中，角二階矩的定義為：

(1)

式中，Ng表示圖像的灰度量化級(jí)，p(i,j)表示灰度共生矩陣?？芍?，角二階矩值較大表示粗糙紋理，較小則表示細(xì)密紋理。

2 森林防火監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

傳統(tǒng)的火災(zāi)監(jiān)測(cè)，一般利用火災(zāi)探測(cè)器來實(shí)現(xiàn)。而對(duì)于森林中的連續(xù)區(qū)域，如果使用傳統(tǒng)的火災(zāi)探測(cè)器，投入成本較大，維護(hù)成本高，而且區(qū)域定位不夠靈活，同時(shí)，探測(cè)器的感知范圍較窄。

為了提高感知的精準(zhǔn)度，需要在比較短的距離就要安裝一個(gè)探測(cè)器，如此大的排布密度增加了火災(zāi)探測(cè)的成本。因此，基于機(jī)器視覺的火災(zāi)監(jiān)控系統(tǒng)應(yīng)運(yùn)而生。

對(duì)于圖像型的火災(zāi)監(jiān)控系統(tǒng)，直接對(duì)火焰進(jìn)行顏色識(shí)別的方法很方便，但其檢測(cè)的準(zhǔn)確度不高。在環(huán)境復(fù)雜的情況下，極易受到各種因素的干擾[15]。

單一識(shí)別算法導(dǎo)致系統(tǒng)的抗擾動(dòng)性能較差，降低了系統(tǒng)的識(shí)別率，直接影響到了火災(zāi)的監(jiān)測(cè)。作為監(jiān)控系統(tǒng)，穩(wěn)定性是一項(xiàng)重要的指標(biāo)。

該系統(tǒng)結(jié)合火焰與煙霧多特征融合的識(shí)別，能極大地提高檢測(cè)準(zhǔn)確度。為有效提高抗干擾能力，融合多種特點(diǎn)辨別方法將在未來的相關(guān)應(yīng)用中越來越普及。

森林防火檢測(cè)系統(tǒng)的識(shí)別流程如圖1所示。

圖1 森林火災(zāi)識(shí)別流程系統(tǒng)框圖

步驟總結(jié)如下：

(1)系統(tǒng)對(duì)實(shí)時(shí)拍攝到的視頻進(jìn)行分幀處理，檢測(cè)當(dāng)前圖像與相鄰幀的圖像之間的差異；

(2)結(jié)合火焰、煙霧特征提取，通過多特征融合，對(duì)獲得的圖像進(jìn)行色彩、火焰尖角數(shù)、煙霧紋理驗(yàn)證；

(3)分析火情，計(jì)算出火焰、煙霧的面積變化以及移動(dòng)速度，并通過多項(xiàng)式擬合預(yù)測(cè)火情的趨勢(shì)，達(dá)到預(yù)警的效果。

2.1 火焰識(shí)別

圖像輸入系統(tǒng)后，為了排除干擾，增加系統(tǒng)的穩(wěn)定性，需要對(duì)圖像進(jìn)行預(yù)處理。圖像的預(yù)處理一般包括增強(qiáng)、濾波、細(xì)化幾個(gè)方面。該系統(tǒng)對(duì)感興趣的區(qū)域進(jìn)行預(yù)處理，目的是得到預(yù)期的火焰圖像效果。

在對(duì)火焰圖像進(jìn)行預(yù)處理后，下一步就是對(duì)RGB顏色分量的提取。將這些圖片中的火焰像素點(diǎn)顏色分布與強(qiáng)光高溫等干擾的像素點(diǎn)的顏色分布進(jìn)行對(duì)比分析。通過實(shí)驗(yàn)可得含有火焰的火災(zāi)圖像的三原色分量滿足一定閾值，從而對(duì)火情疑似區(qū)域進(jìn)行分割。

對(duì)于檢測(cè)森林火災(zāi)顏色模型來說，還存在諸如夕陽渲染的天空、秋天的葉子顏色等外界因素的干擾。由于葉子的顏色在顏色上與火焰十分接近，所以還要提取尖角數(shù)特征加以輔助來判斷是否發(fā)生了火災(zāi)。

將分割后的圖片使用Harris角點(diǎn)檢測(cè)算法進(jìn)行尖角數(shù)的提取。對(duì)比干擾場(chǎng)景下與火情場(chǎng)景下的尖角數(shù)，而紅葉干擾場(chǎng)景下的尖角數(shù)數(shù)量較少，可以通過尖角數(shù)量特征輔助判斷火情。

2.2 煙霧識(shí)別

與火災(zāi)檢測(cè)部分類似，輸入待檢測(cè)圖像以后，對(duì)其進(jìn)行預(yù)處理，適當(dāng)強(qiáng)化細(xì)節(jié)、去除噪聲、銳化邊緣并得到供后續(xù)識(shí)別的圖像信息。在對(duì)煙霧圖像進(jìn)行預(yù)處理后，下一步就是對(duì)圖像進(jìn)行HIS顏色空間轉(zhuǎn)換。

對(duì)包含煙霧的圖片和不包含煙霧的圖片進(jìn)行分析，將這些圖片中的煙霧像素點(diǎn)色度與不含煙霧的色度進(jìn)行對(duì)比。

在H分量直方圖中，可以看見含煙霧的圖像在0.5左右處分量值較大，而不含煙霧的圖像在0.5處的分量值較小，轉(zhuǎn)化為角度關(guān)系可知直方圖0.5左右處的H分量角度值大約在175°±185°區(qū)間范圍內(nèi)。因此，采取H分量值為180°±5°作為煙霧的判定依據(jù)。如某張圖像滿足此閾值，則進(jìn)行分隔提取操作。

單一地提取煙霧特征，可能存在誤判，不足以成為火災(zāi)的判定條件，還需要同時(shí)提取煙霧疑似區(qū)域的紋理。綜合紋理特征進(jìn)而判斷是否發(fā)生火災(zāi)。

可以使用計(jì)算共生灰度矩陣，角二階矩值綜合特征來識(shí)別煙霧區(qū)域的紋理特征。分割煙霧區(qū)域后，可以首先計(jì)算共生矩陣。然后，通過共生矩陣計(jì)算對(duì)應(yīng)的煙霧區(qū)域能量。

本系統(tǒng)中使用計(jì)算共生灰度矩陣角二階矩值的方法，識(shí)別了煙霧區(qū)域的紋理特征。并通過分割煙霧區(qū)域后，計(jì)算共生矩陣。通過共生矩陣計(jì)算對(duì)應(yīng)的煙霧區(qū)域能量，如圖2所示。

圖2 煙霧能量曲線

可以看出，煙霧圖像區(qū)域的角二階矩值(能量)比較大，所以此方法作為判定煙霧是否存在的判據(jù)是合理的。本系統(tǒng)把能量閾值設(shè)定為0.65。如果輸入的圖像滿足此能量閾值，則判定為發(fā)生火災(zāi)，并發(fā)出警報(bào)。

3 實(shí)驗(yàn)結(jié)果與分析

無人機(jī)采集到的照片，信息量大，影響了計(jì)算效率，很多干擾影響了識(shí)別成功率，所以要先進(jìn)行預(yù)處理去除無用信息再進(jìn)行后續(xù)識(shí)別。預(yù)處理后得到關(guān)鍵特征信息。此外，系統(tǒng)進(jìn)一步簡(jiǎn)化圖片信息數(shù)據(jù)，得到感興趣區(qū)域(region of interest，ROI)。通過ROI處理，可以減少圖片總信息數(shù)據(jù)量。然后，進(jìn)行圖像歸一化處理，使識(shí)別過程中，減少環(huán)境光亮對(duì)輸入圖像的影響。通過采集的森林圖像，可以快速識(shí)別火焰顏色特征并對(duì)火焰ROI區(qū)域進(jìn)行分割，分割后的區(qū)域使用Harris角點(diǎn)算法計(jì)算尖角數(shù)，進(jìn)一步確定火焰特征。對(duì)于煙霧特征的提取，也與上述方法類似?；鹧媾c煙霧區(qū)域提取效果如圖3、圖4所示。

圖3 提取火焰圖像效果

圖4 提取煙霧圖像效果

確定為火焰和煙霧區(qū)域后，計(jì)算該區(qū)域的火焰和煙霧區(qū)域占整幅圖像的比例。實(shí)驗(yàn)中將連續(xù)的7分鐘視頻等間隔采樣，取出7幀進(jìn)行處理,其中實(shí)驗(yàn)視頻的分辨率為1 280*720。將獲取到的7張火焰和煙霧ROI面積比例使用多項(xiàng)式進(jìn)行曲線擬合操作，得到火焰和煙霧像素點(diǎn)面積增長(zhǎng)曲線?；鹧?、煙霧區(qū)域的面積比例如表1所示。

表1 火焰、煙霧區(qū)域面積比例

續(xù)表1

通過多項(xiàng)式擬合得到的擬合曲線，可以預(yù)測(cè)出下一幀的火焰、煙霧面積。如需預(yù)測(cè)下幾幀的火焰或者煙霧面積變化趨勢(shì)，則需要添加實(shí)際的下一幀圖像來對(duì)擬合曲線參數(shù)進(jìn)行修正，這樣得到的預(yù)測(cè)結(jié)果相對(duì)比較準(zhǔn)確。

其中，圖5為火焰、煙霧面積擬合曲線圖。從實(shí)驗(yàn)數(shù)據(jù)可以看出，對(duì)原始數(shù)據(jù)進(jìn)行合適擬合后的曲線能大致表現(xiàn)火焰以及煙霧的變化趨勢(shì)，且通過擬合曲線得到預(yù)測(cè)第八幀數(shù)據(jù)(火焰像素點(diǎn)比例3.28%，煙霧像素點(diǎn)比例47.75%)與實(shí)際第八幀的數(shù)據(jù)(火焰像素點(diǎn)比例3.58%，煙霧像素點(diǎn)比例46.8%)，比較一致，火情面積持續(xù)增大，需要加強(qiáng)救援措施，如增加救援設(shè)備。因此在時(shí)間上，提前預(yù)警救援方向，并輔助救援決策。

圖5 過火面積、煙霧面積變化曲線

根據(jù)實(shí)際情況，研究發(fā)現(xiàn)，火勢(shì)蔓延主要與熱對(duì)流、熱輻射和熱傳導(dǎo)有關(guān)。熱對(duì)流是由于熱空氣上升，周圍冷空氣補(bǔ)充，在附近上方有對(duì)流煙柱，集聚了燃燒的主要能量。

在預(yù)熱階段，火源的引火，局部可燃物溫度上升，蒸發(fā)大量水汽，并伴隨產(chǎn)生大量煙霧。在可燃物呈現(xiàn)收縮和干燥，處于燃燒前的狀態(tài)。所以，在初期監(jiān)控系統(tǒng)可以用煙霧預(yù)警為主。

在氣體燃燒階段，隨著可燃物的溫度急驟增加，有黃紅色火焰，這時(shí)監(jiān)控系統(tǒng)以火焰識(shí)別為主，煙霧識(shí)別為輔。

在木炭燃燒階段，因?yàn)樘剂Ｗ尤紵?，不容易見火焰，以煙霧并火焰的尖角點(diǎn)細(xì)化，增加火情判斷的敏感度，防止死灰復(fù)燃。

對(duì)于檢測(cè)運(yùn)動(dòng)的目標(biāo)來說，重心位置是重要的特征。火焰以及煙霧的重心變化在一定程度上可以反映變化的趨勢(shì)。同樣的，計(jì)算得出的火焰和煙霧區(qū)域重心坐標(biāo)也可以使用多項(xiàng)式進(jìn)行曲線擬合，火焰和煙霧重心坐標(biāo)的原始數(shù)據(jù)與擬合后的橫、縱坐標(biāo)變化曲線分別如圖6、圖7所示。

圖6 火焰重心坐標(biāo)變化曲線

圖7 煙霧重心坐標(biāo)變化曲線

得出了預(yù)測(cè)幀與實(shí)際幀的火焰、煙霧重心坐標(biāo)。通過擬合曲線可以預(yù)測(cè)下一幀的火焰的重心坐標(biāo)(238,395)和煙霧的重心坐標(biāo)(275,287)，與實(shí)際火焰的重心坐標(biāo)(247,392)和煙霧的重心坐標(biāo)(256,271)。最后通過坐標(biāo)變化散點(diǎn)圖體現(xiàn)重心移動(dòng)的方向性，如圖8所示。

圖8 火焰、煙霧坐標(biāo)相對(duì)位置變化趨勢(shì)

雖然預(yù)測(cè)存在一定誤差，但在判斷火情發(fā)展趨勢(shì)的時(shí)候，為了使預(yù)測(cè)更加準(zhǔn)確，同時(shí)結(jié)合火焰以及煙霧區(qū)域的重心坐標(biāo)移動(dòng)方向和面積變化，可以對(duì)下一幀的火焰區(qū)域進(jìn)行預(yù)判，依次按時(shí)間遞推。提前發(fā)出預(yù)警，設(shè)定非安全區(qū)域，并用無人機(jī)機(jī)器視覺監(jiān)控火場(chǎng)面積以及燃燒的植被。在森林火場(chǎng)的區(qū)域范圍中，監(jiān)控系統(tǒng)可以輔助救援決策，輔助向安全地帶迅速轉(zhuǎn)移。

4 結(jié)束語

該文設(shè)計(jì)了基于圖像處理的森林防火檢測(cè)系統(tǒng)。針對(duì)單一的火焰識(shí)別技術(shù)容易受到環(huán)境的影響，提出了基于多特征識(shí)別相融合的識(shí)別系統(tǒng)。系統(tǒng)提取顏色特征、紋理特征以及能充分表明火焰存在的尖角數(shù)特征，通過多種特征的綜合識(shí)別，并分別在預(yù)熱階段、木炭燃燒階段，根據(jù)實(shí)際情況，調(diào)節(jié)各個(gè)特征的敏感度，從而判斷森林火災(zāi)和火情預(yù)測(cè)。該系統(tǒng)采用多特征融合判斷方式，判斷的準(zhǔn)確率較高，并且通過仿真表明，該系統(tǒng)能在很大程度上降低森林火災(zāi)干擾因素的干擾，對(duì)復(fù)雜的森林環(huán)境也有很好的適應(yīng)性。使用多項(xiàng)式擬合，能在一定程度上預(yù)測(cè)火災(zāi)的趨勢(shì)，為搶險(xiǎn)工作提供參考。