基于小波的實時煙霧檢測

摘要：傳統的離子式、吸氣式、光電式等煙霧檢測器在大空間中檢測煙霧時，會受到發射信號與接收信號之間的距離、平面角度、精確對準等限制，無法對整個空間的煙霧狀況進行描述。新的方法通過監測區域的攝像機拍攝的視頻圖像序列，進行小波變換，分析圖像幀在時域和空域的頻率特性，來確定被監測區域是否有火災煙霧的發生。實驗證明該方法不受空間高度、熱障、易爆、有毒等環境的限制，并且有靈敏度高、抗干擾力強、適用范圍廣等特點。

關鍵詞：小波；背景更新；閃爍頻率

中圖分類號：TP399文獻標志碼：A

文章編號：1001—3695(2007)03—0309—03

為了防止火災發生和減少火災危害，保護人民生命和財產安全，人們對自動火災檢測系統的需求日益增長。這些系統的成功，取決于煙霧、氣體、溫度等物理量的適當檢測，因為這些物理量可提供火災初期的快速、可靠的報警信號。目前應用比較廣泛的火災煙霧檢測器，大致有離子式煙霧檢測器、吸氣式煙霧檢測器、二極管式光電煙霧檢測器、反射光式煙霧檢測器、圖像對單點式模擬檢測器等。這些煙霧檢測器在檢測煙霧時各有優缺點。特別是在大空間場合中主要遇到以下問題：①發射與接收距離遠，信號變得非常微弱，噪聲的影響非常大，使有用信號淹沒在噪聲中；②接收信號除與接收距離有關外，還與接收、發射平面之間的角度密切相關，點對點式的檢測器對準困難，很難長期穩定的工作；③對于整個空間的監測比較困難，點對點式檢測器無法進行整個立體空間監測，只能對某條直線檢測，無法繪制出煙霧濃度變化的二維圖形，對研究煙霧的空間運動會帶來一定困難；④對信噪比小的接收信號，僅設一個閾值判斷有煙、無煙或煙的大小，可靠性差。甚至可能對煙霧和噪聲的影響分辨不出來，檢測器辨別不出有煙和無煙[1]。

基于小波的實時煙霧檢測分為兩個階段：第一個階段是提取背景，對背景進行更新，同時確定運動像素和運動區域。第二個階段是確定被監測區域是否有火災煙霧的發生，主要分析煙霧的三個特征：在[0.625Hz，2.5Hz]帶寬的頻率范圍內，監測圖像序列的灰度值通過一個二階的濾波器后，子信號的頻率值的變化，觀察其峰峰值的個數；監測視頻序列小波變換后，其子圖像的能量值是否減少；煙霧在開始階段是透明的，向四周擴散，因此監測背景圖像的RGB矢量是否具有方向性。另外，煙霧的形狀是凸的，煙霧的閃爍頻率與燃燒物的性質和尺度無關，大約在10Hz左右。在煙霧的邊界，其閃爍頻率范圍在1—3Hz。這些均是煙霧的重要特征。

1背景更新與運動區域的檢測

運動區域和像素由背景估計和更新確定。取出視頻序列中相鄰兩幀圖像I_k，I_k+1和預先定義的背景圖像B，背景圖像中不存在目標。首先，對相鄰兩幀圖像進行差分得到幀間差分圖像D_l，對當前幀和背景圖像進行差分獲得背景差分圖像D_k，其中：

2圖像的小波分析

2.1小波原理

小波分析采用的是二維離散的小波。二維尺度函數φ(x，y)和三個二維小波ψ^H(x，y)，ψ^V(x，y)和ψ^D(x，y)。每一個均是一維尺度函數φ和ψ相應的小波函數的乘積。排除產生一維結果的乘積，如φ(x)ψ(x)，四個留下的乘積產生可分離的尺度函數：

這些小波度量函數會有變化——沿著不同方向的圖像增強或灰度的變化：ψ^H度量沿著列的變化（如水平邊緣），ψ^V響應沿著行的變化（如垂直邊緣），ψ^D對應于對角線方向的變化。方向敏感是式（2）到式（4）所引起的可分離性的自然結果。二維小波變換按如下方式擴展，在變換的每一個層次，圖像都被分解為四個四分之一大小的圖像，如圖2所示。

在每一層次，四個圖像中的每一個均是由原圖像與一個小波基圖像的內積后再經過在x和y方向均進行兩倍的間隔抽樣而生成。給定可分離的二維尺度和小波函數，首先定義一個尺度和平移基函數：

2.2時域小波分析

2.3空域小波分析

圖像的小波變換是一種信號的時間——尺度（時間——頻率）分析方法，是一種窗口大小固定不變但其形狀可改變，時間窗和頻率窗可以改變的時頻局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率。每一級分解均會產生表示圖像比較粗糙（低頻圖像）和比較精細（高頻圖像）的小波系數，一幅圖像可以分解成一幅低分辨率圖像和分辨率由低到高的表示圖像細節的許多子圖像。不同分辨率的子圖像對應不同的頻率，有用的信號通常表現為低頻信號，噪聲信號通常表現為高頻信號。因此在分解圖像的高頻頻道提取原目標圖像的紋理背景特征，在低頻區域提取目標。

分解后的三幅高頻分量子圖像包含水平方向（HL）、垂直方向（LH）和對角方向（HH）的邊緣信息。如圖4所示，在整個視頻序列中，監測背景中物體邊緣的小波系數的值是否減少。可以假定小波系數中的某一個系數（如HLn（x，y））用來對應煙霧遮住邊緣，如果在連續的圖像幀中，其值變為零或接近于零，則有可能是濃厚的煙霧所致。因為一組小波系數值的減少，對應著一系列視頻幀的邊緣值減少，這意味著場景變得模糊，則有可能存在煙霧。

其中，R_i表示小波子圖像中大小為(k₁，k₂)的塊。如果是在YUV彩色空間中，小波子圖像是用亮度值Y計算，且不用計算色度值。如果是在RGB彩色空間中，小波子圖像必須計算所有RGB的像素值。本實驗是用亮度值來計算子圖像的，塊的大小是選擇8×8的像素點。如果某個塊的能量值e(l₁，l₂)減少，說明攝像機監視的場景的紋理或邊緣不再像先前一樣銳利，則該區域有可能產生了煙霧。本文事先設定了一個閾值，每個塊的能量值與閾值進行比較。如果能量值小于閾值，則判斷該區域有煙霧。

3煙霧的顏色分析

顏色信息也是煙霧的一個重要特征[5]。在開始階段，煙霧是在向四周擴散，并且是透明的。因此在背景圖像中，RGB矢量具有方向性。這一特征可以用來區別煙霧和一般的運動物體。但是，運動物體的影子也有同樣的屬性。所以，還需要約束條件。當煙霧越來越濃時，當前幀和背景的相似之處在減少，從而在當前幀中的運動區域的色度值對應于背景圖像的U和V的值降低。當降低到預先設定的閾值時，就可以認為有煙霧產生。

當視頻序列同時滿足了小波變換的時域、空域的頻率特性和顏色特征這三個條件后，就確定該區域有煙霧發生。

4實驗結果

選擇的是戶外自然場景，幀的大小是320×320，每幀的處理時間大約是8ms。如圖5所示，被檢測的場景中有輕微的風，樹葉和草均被風吹得在動，天上的云也在飄動。在圖5（a）中，戶外的一個掃帚后面產生了大量的煙霧，在圖5（b）中產生的煙霧被成功地檢測出來了。在圖5（c）中擴散的煙霧右上角有一小部分被風吹的與主體煙霧斷開了，但在圖5（d）中，該右上角仍然被成功地被檢測出來了，并且檢測效果非常的好。

在整個視頻序列中，煙霧均被成功地檢測出來，檢測效果明顯，靈敏性高。為了增強系統的魯棒性，消除一些噪聲點的干擾，筆者在系統的最后階段，用了一些形態學濾波（如開、閉運算），先膨脹再腐蝕（即閉運算），去除噪聲區域，這樣使得檢測效果更加完美。

5結束語

本文檢測煙霧的主要算法就是首先確定運動區域進行背景更新，然后在時域和空域分析子圖像的頻率和能量值，分析煙霧的顏色信息等，最終成功地檢測出煙霧。該方法是一種目前在國際上應用比較新型的可視煙霧檢測技術。NFPA（NationalFireProtectionAssociation，美國國家防火協會）把可視煙霧檢測收錄進國家火災報警編碼中。該項技術是火災探測技術的重大突破，在我國具有很高的推廣及應用價值。目前在世界范圍內被廣泛應用于火電站、核電站、軍用商用船舶輪機艙、造紙廠、公路鐵路隧道、礦井、大型文獻圖書館、飛機機庫、石化工程、毒廢處理廠、水處理廠、歷史博物館、大型貨艙和石油天然氣儲罐等。

本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。