圖像型火焰探測技術探討

余霞 丁謝鑌 周毅

(1.中國人民解放軍73881部隊,福建福州 350003;2.福建省福州市公安消防支隊,福建福州 350001;3.福州大學數學與計算機學院,福建福州 350003)

圖像型火焰探測技術探討

余霞1丁謝鑌2周毅3

(1.中國人民解放軍73881部隊,福建福州 350003;2.福建省福州市公安消防支隊,福建福州 350001;3.福州大學數學與計算機學院,福建福州 350003)

基于圖像處理的火焰識別技術是圖像型火災探測器不可或缺的一部分,深入研究該技術對于提高圖火探器的實時性和可靠性有重要作用。本文從圖像樣本采集、火焰圖像預處理、火焰圖像特征選擇和火焰圖像模式識別算法或模型四個方面,對國內外學者的研究進展分別進行具體介紹、總結,并提出了現階段在火焰圖像識別方面研究的不足和值得改進之處。

圖像處理 火焰圖像 火災探測 模式識別

火災給人類的生命及財產安全帶來了極大的危害。特別是當部隊內部的物資倉庫、電腦機房、檔案室等要害部位失火,若不能第一時間發現,極易小火釀大災,造成不可挽回的損失。這在國內外軍隊屢見不鮮。2002年,印度北部拉賈斯坦邦一軍火庫失火并引發爆炸,大火燒毀1000余噸彈藥、70輛軍車,并導致2人死亡、8人受傷;2008年,美空軍一地下核導彈發射井工作室失火,造成至少100萬美元的損失;2009年,隸屬俄軍總參謀部情報總局的一支特種部隊指揮部所在建筑發生火災,導致5名俄羅斯軍人死亡,7人受傷,焚毀大批軍方機密資料。

因此如何有效地利用電子設備進行火災探測,以便及時將火情消滅在萌芽狀態,一直是人類所積極探索的問題。感溫式、感煙式、感光式、可燃氣體探測、復合式火災探測等傳統火災探測技術,在保護生命、財產安全等方面做出了不小的貢獻。但其在靈敏度和可靠性方面尚需提高。新型的特種火災探測技術解決了傳統型火災探測技術無法解決的難題,在火災預警方面有歷史性的突破。基于圖像處理的火焰識別技術正是其中的一種。

要實現圖像型火焰探測,主要有四個步驟:(1)圖像樣本采集——獲得含有火焰的圖像;(2)火焰圖像預處理及切割——將火焰從圖像中切割出來;(3)圖像特征數據提取——測量、計算火焰圖像各項特征的值;(4)火焰圖像模式識別——通過算法或數學模型判定是否為火焰。筆者分別從這四個部分對國內外學者的研究進展分別進行具體介紹,并提出研究現狀存在的問題及值得改進之處。

1 待分析圖像樣本的采集

1.1 火焰圖像采集

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

1.2 干擾源圖像采集

通過統計涉及火焰識別的文獻,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(包括持續和閃爍),手電筒,陽光,飄動的窗簾和旗幟,車燈(包括持續和閃爍狀態),閃爍的警車燈,波動液體表面對強光的反射,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(包括無風和有風狀態),正常燃燒的爐灶燃氣火,煙頭,打火機。

2 火焰圖像預處理及切割

2.1 火焰圖像預處理

圖像預處理是指對處于最低抽象層次的圖像所進行的操作,這時所處理的輸入和輸出都是灰度圖像。同樣,火焰圖像識別的圖像預處理內容同樣由其自身的特點來決定。考慮到火焰圖像識別要求實時性的特點,在預處理時不適宜對圖像做過多復雜的運算和處理。火焰圖像識別文獻中采用的圖像預處理方式可以分為三類[3-6]——消除背景、圖像增強、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:采用減去基準圖像來消除背景;(2)圖像增強主要采用的方法有:在HSV色彩空間中調整圖像亮度進行圖像增強,基于圖像紅色分量進行灰度化,突出火焰部分等;(3)圖像去噪主要采用的方法有:采用3×3模板進行高斯濾波去噪,采用3×3模板進行中值濾波,采用5×5模板進行中值濾波,采用提取圖像骨架的方式對圖像進行細化,基于小波變換的閾值去噪等。(4)也有一些文獻沒有對圖像樣本進行預處理。

2.2 火焰圖像切割

圖像分割是由圖像處理進到圖像分析的關鍵步驟,也是一種基本的計算機視覺技術。通常情況下,待處理的火焰目標區域有限。若在整幅圖像上處理,則有大量的無用運算在圖像背景區域執行并耗時,因此對圖像進行火焰目標分割提取,減小圖像處理數據量,是提高實時性的一個重要途徑。

涉及火焰識別的文獻中用到火焰圖像切割方法可籠統分為四種[3-6]:閾值法;邊緣檢測法;基于區域的分割;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;應用先驗知識的雙閾值分割;基于Otsu閾值算法的連通區域面積閾值化算法等。(2)邊緣檢測法:拉普拉斯微分算子邊緣檢測;Sobel算子邊緣檢測;提升小波算法邊緣檢測。(3)基于區域的分割:形態學處理;引入熱力學原理,模擬“晶體結晶”的動態過程設計了新算法;區域生長法;形態小波流域分割算法。(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色彩空間先驗判別公式的固定閾值切割法(判別公式通過實驗擬合得到);基于RGB色彩空間先驗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分的火焰圖像特征,是火焰圖像識別的關鍵一環。筆者對涉及火焰識別的文獻中所選擇的火焰圖像特征進行了匯總,大致可分三類[3-6]:顏色特征、幾何形狀特征、動態特征。具體如下:

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

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

動態特征:相鄰幀圖像可疑火焰區域的面積變化;閃爍頻率;質心位置的移動,同時對數據進行歸一化處理;相鄰幀圖像可疑火焰區域外接矩形的差分面積變化;火焰外焰飄動的軌跡圖。

4 火焰圖像模式識別算法或模型

采用恰當的算法或模型根據提取的火焰圖像特征對火焰進行模式識別,是圖像型火焰識別的最后一個環節。由該環節來對未知圖像是否有火給出判斷。根據火焰圖像的特點以及識別系統對實時性、準確度的要求,火焰識別文獻采用了多種識別方法。具體有[3-6]:

(1)直接由選定的圖像特征閾值或函數關系進行篩選;(2)給每個特征值設定權重,并將對應區域的權值求和,和值最大的即為火焰;(3)BP神經網絡;(4)以距離測度進行聚類分析;(5)通過改進K-Means聚類方法,提出一種基于灰關聯度聚類檢索算法來檢索火焰圖像;(6)貝葉斯決策方法;(7)利用圖像相關性來建模探測火災的發生:每隔一定的時間重新設置背景圖像,然后利用其后各幀圖像和背景圖像作相關性分析;并研究火焰的R,G,B三基色的組成成分隨時間變化時對圖像的相關性的影響。

5 結論及展望

綜上所述,現階段在火焰圖像識別方面的研究雖已獲得較大進展,但仍存在以下幾點不足和值得改進之處:

(1)對待分析圖像樣本的采集隨意性較大,與實際火災情況不符。采集圖像樣本應盡量貼近實際情況,這樣才能增強分析結果的有效性,更具有說服力。比如選擇對相關規范、標準中規定的試驗火進行采集。

(2)單篇文獻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;未從具體特征數據的相異性對火災火焰和干擾源進行量化對比分析。應結合多種干擾源與火焰進行分析比對。

(3)在火焰圖像預處理、火焰圖像切割方面,單篇文獻嘗試的算法、模型較少;大多沒有對比選優,均為直接采用某種方法,僅證實了該方法的可行性;有進行方法對比的文獻僅在少數幾種方法間對比,且多依靠主觀觀察判斷得出處理結果的優劣,說服力不強。可對多種算法和模型進行聯合對比,并量化對比結果進行選優。

(4)選取的火焰圖像特征沒有與干擾源圖像的相應特征進行量化對比。可對所選特征的識別有效性和對干擾源區分性大小進行量化分析,由此篩選出有效特征。

(5)火焰識別文獻中,BP神經網絡和直接由選定的圖像特征閾值或函數關系進行篩選這兩種方法,使用率較高。但就單一文獻來說,在識別程序的選用方面,識別方法較為單一,沒有作橫向量化對比,未知其采用方法的識別性能在滿足火焰識別實時性和準確性方面是否最優,還需進行進一步的比較。

[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[J].計算機技術及應用,2009,2:37-38.

[3]程鑫.圖像型火災火焰探測報警系統[D],中國江蘇南京:東南大學,2005.6.

[4]陳瑩.大空間圖像型火災探測和自動滅火技術的研究[D],中國天津:天津大學電氣與自動化工程學院,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,主要從事部隊信息通信自動化工作。