基于圖像處理的智能建筑中火災探測技術研究

摘要：火災探測系統是智能建筑系統中一個重要部分。而如何準確的判別火災火焰，是圖像型火災探測技術的關鍵部分。針對火災火焰亮度及顏色特點，結合圖像相減方法和飽和度、平均亮度方法來提取火焰，可以很好的減小背景噪聲的干擾。同時針對早期火災火焰在時間上的發展性和跳動性，采用了面積變化和尖角判據，很好的減少了誤報和漏報，大大提高了火災判別的可靠性及準確性。

關鍵詞：智能建筑；圖像處理；火災探測；飽和度；尖角

中圖分類號：TP391文獻標識碼：A文章編號：1009-3044(2008)34-1911-02

Research on the Technology of Fire Detection Based on Image Processing in Intelligent Building

ZHAO Yang

(School of Electronics and Information Engineering， Anhui University of Achitecturre， Hefei 230022， China)

Abstract: Fire detection system is the major part of intelligent building system. How to judge the fire flame is the key of image-type fire detecting technology. According to character of luminance and color of fire flame， combining the method of image subtract and saturation， and average luminance to extract the flame， it is quite good to reduce the noise disturb from background. Focus on the developmental characteristic and jumping characteristic at timing of early fire flame，using the area change and sharping corner judging，which reduce the fails alarming and leak alarming， it highly improves the reliability and accuracy of fire detecting.

Key words: intelligent building; image processing; fire detection; saturation; sharping corner

1 引言

火災探測系統是智能建筑中一個重要部分，圖像型火災探測技術以計算機為核心，結合光電成像技術、計算機圖像處理技術，具有非接觸式探測、高智能、強靈敏的特征而不受空間高度、氣流速度、熱障、易爆、有毒等環境條件的限制，能夠及時探測到早期的火焰和產生的煙霧，達到盡早疏散人員、保護人身財產安全，成為在室內大空間和室外開放大空間進行火災探測的有效手段。

針對日常生產和生活中發生的火災，對其火焰圖像進行分析，找到識別的方法。針對火災火焰亮度特點，結合圖像相減方法和飽和度、亮度方法來提取火焰，可以很好的減小背景噪聲的干擾。同時利用火災火焰在時間上的發展性和跳動性這一特征，采用了面積變化判據和尖角判據。

2 火焰提取

在圖像型火災探測系統中，現場圖像背景的干擾可以說是造成最終產生誤報的一個重要因素。所以能否能從現場圖像中準確地提取出火焰圖像就顯得尤為重要。

圖像中的顏色可以用R（紅色）、G（綠色）、B（藍色）三色分量來表示，假設所采集圖像中總共的像素點數為 ，其中任意一點 的顏色可表示為Cn(Rn，Gn，Bn)。

其紅色飽和度為：Rb=Rn/(Rn+Gn+Bn)

平均亮度為：L=0.22 Rn+0.587Gn0.114Bn

火災火焰給人的感覺是亮度高且顏色偏紅，這兩點體現在平均亮度和紅色飽和度上[1]。通過大量的實驗發現，當某一點的平均亮度大于150和紅色飽和度大于0.34時可以把其判為疑似火焰點。即滿足：

0.22 Rn+0.587Gn0.114Bn>150Rn/(Rn+Gn+Bn)>0.35

圖1顯示了利用這種方法提取火焰的效果。a 圖為被監控現場的模版圖像；b 圖為現場發生火災后的圖像；c 圖為圖片相減結合紅色飽和度和平均亮度的方法提取到的火焰圖像。

從以上對模擬現場火災圖像的處理結果圖片可以知道，該方法可以大大地減少背景干擾[2]，從而為后續的火焰識別提供了很好的火焰圖像。

3火災火焰識別

3.1 火焰圖像預處理

火焰圖像中火焰區域和背景區域表現出不同的灰度值，為了節約存儲空間，便于計算機存儲和處理，同時去除大量的無用信息，為火焰特征的提取和匹配作準備[3]。對提取到的圖像進行二值化處理。

二值化的閾值選取主要分為整體閾值法、局部閾值法和動態閾值法三類。針對提取到的圖像是背景為黑色前景為火焰的特點，可以選擇固定閾值法。

■

圖2 連續采集的四幅火焰圖像 圖3 二值化處理后的圖像

由于需要對火焰的邊界做分析，而火焰圖像中存在很多孤立的點，且輪廓上可能有很大的凹陷或凸起，這對后續的輪廓跟蹤、邊界分析造成很大的障礙，所以對二值化后的圖像進行中值濾波。

由于火焰可能具有較長的輪廓線，所以采用方形窗口，但窗口又不能太大。否則容易削除尖角部分。這里采用的是3×3方形窗口來進行中值濾波[4]。

如圖4兩幅圖為濾波效果對比。

3.2 面積特征提取

早期的火災火焰是一種不穩定且不斷發展的火焰，具有時間上的發展性。其特征信息主要集中于火焰圖像的動態變化上，其中很重要的一點就是火焰面積的不斷增大。因此采用比較相鄰兩幅圖像中的火焰面積大小和研究連續若干幅圖像中火焰面積變化情況的方法獲得火焰圖像面積變化特征。

研究圖3連續四幅圖像中火焰面積平均值變化，首先分別計算出前兩幅圖像圖像中火焰面積的平均值，再依次計算出前三幅和所有四幅圖像的火焰面積平均值，所得到的三個平均值之間的關系。

設連續采集到的四幅圖像中火焰區域的面積為A1、A2、A3、A4，則相鄰兩幅圖像面積的變化量為：

An=Ai+1-Ai i=1，2，3

前j(j=2，3，4)幅圖像中火焰面積平均值為：

■i=1，2，3，4

將圖3中四幅圖像的像素點數分別代入上式，得：An1=1691；An2=394；An3=1047；Am1=8202；Am2=8615；Am3=9083。

失控火焰的Ani值在早期火災發生時都是大于零的，Ami的值變化較大且總是Am3>Am2>Am1。而穩定火焰Ani的值可能大于零也可能小于零，Ami的值變化很小且不滿足Am3>Am2>Am1[5]。

綜上，可以根據早期火災火焰圖像的面積變化特性來識別出穩定火焰和失控火焰，進而去除掉固定的穩定光源的干擾。

3.3 尖角特征識別

不穩定火焰本身有很多尖角，火焰邊緣抖動時一個明顯的表現就是：火焰的尖角數目呈現無規則的跳動。而穩定光源的尖角數目雖然可能會有跳動，但跳動不大，基本固定在一定的范圍內。基于邊緣抖動是早期火災火焰的重要特征，提出了尖角判據[6]。

火焰尖角識別的步驟為：

1) 對火焰尖角來說，特征點首先是它的頂點。頂點是局部的極值點。尖角的頂點可能是多個點，但只有一個縱坐標上的極值點。

2) 通過觀察火焰的尖角，可以發現在一定的范圍內，其大致的形狀表現為不規則的三角。

3) 火焰尖角的體態。火焰尖角給人的視覺效果是狹而長。這就要求尖角的體態要符合一定的標準。在判據(1)和(2)的基礎上如果得到尖角的高度，就能判斷出尖角是否狹長[7]。

4) 判斷疑似尖角點和它左右30個點是否連續。以證明它們是否是在同一區域。

通過以上的四條判據我們基本上可以識別出圖像中的尖角。對提取出來的火焰圖像，經過上述的二值化以及中值濾波處理后，即可進行尖角的識別，對連續幾幅圖像的尖角數進行統計，計算其尖角數目變化，通過設定其變化范圍來識別穩定火焰和失控火焰[8] 。

4 結論

結合圖像相減方法和紅色飽和度、平均亮度方法來提取火焰，可以很好的減小背景噪聲的干擾。由于火災火焰在時間上的發展性和跳動性，針對這兩點提出了面積變化判據。對提取到的火焰圖像進行去噪、濾波，而后提取出火焰輪廓圖像，計算連續四幀失控火焰圖像中火焰區域的面積以及尖角數目，做出比較，發現其變化規律。而穩定火焰則不具有相應的規律。對于采集到的一組圖像，如滿足火災判斷條件，則識別為發生火災。

實驗結果表明，自行設計的VB程序方法簡單、實現快速，識別率能達到 ％以上，加以改進，完全可以滿足智能建筑中火災探測的需要。

參考文獻：

[1] 李朝暉，張弘副.數字圖像處理及應用[M].北京:機械工業出版社，2004:10-35.

[2] 常太華，蘇杰，田亮.一種基于DSP實現火焰檢測的方法[J].華北電力大學學報，2002(4):30-32.

[3] 吳炯，張秀賓，張峰，等.移動目標的快速識別算法[J].微計算機信息.2004(3):9-11.

[4] 金華彪.基于數字圖像處理的火災探測技術[J].消防科學與技術，2002(3):46-47.

[5] 焦豐娟，閻有運.基于DSP的爐膛火焰圖像處理系統的研究[J].河南理工大學學報，2005(4):59-62.

[6] 金華彪.數字圖像處理在火災探測技術鄰域的應用[J].微型電腦應用，2003(19):5.

[7] Sage K，Young S，Security application of computer vision[J].IEEE Aerospace and Electronics Systems Magazine，1999(4):19-29.

[8] 周小四.用于監控智能報警系統的圖像識別技術[J].上海交通大學學報，2002(4):17-18.