基于多特征融合的視頻煙霧檢測

摘要：“煙為火始”，如果能在視頻中及時地檢測到煙霧，就能提供更早的火災預警。而且在各式建筑物中視頻監控系統已大量使用，利用視頻來探測火災的技術將得以推廣。

關鍵詞：多特征融合；視頻煙霧；檢測

1運動檢測

運動檢測是實現煙霧檢測的前提，文中選取背景減除法對運動區域進行檢測。背景減除法首先在Kalman濾波的基礎上根據時域遞歸低通濾波對背景進行更新和提取，再使用帶閾值的背景差分法獲取運動目標。

2特征提取

2.1煙霧輪廓不規則特征提取

發生火災時，在熱氣流的影響下，煙霧從著火點開始不斷向周圍擴散，煙霧的邊界呈現出一種不規則的狀態，而行人、汽車和動物的邊界看起來更規則，可將這一特性作為檢測煙霧和非煙物體的一個依據。文中將圓形度作為檢測煙霧和非煙物體的依據。圓形度定義為：

式中A為圖形面積，L為圖形周長。文中采用8向鏈碼提取周長L和面積A。通過8向鏈碼求取區域周長L的方法為：將區域像素看成點，將周長L定義為區域邊界像素的8鏈碼長度和，其表達式為：

其中，水平方向和垂直方向鏈碼長度為1，其余方向鏈碼長度為槡2；Q為圖形邊界線上的像素點數；li-chain為鏈碼長度。按此規則遍歷邊界鏈碼，可算得邊界長度。通過邊界鏈碼求取區域面積A的方法為：1）令點（x，y）為鏈碼起點，取橫坐標x為長度起點，縱坐標y為第一高度，并對鏈碼初始化，使長度終點等于起點。2）取一個新點（x1，y1），判斷縱坐標y1是否等于y，若等于轉到步驟3，若不等于轉到步驟4。3）存儲y1作為新高度，并取x1作為此高度的長度起點，對鏈碼初始化，使長度終點等于長度起點。4）用x1與點（x1，y1）的高度的起點和終點進行比較，若x1小于起點，則將x1作為新起點；若x1大于終點，則將x1作為新終點；否則轉到步驟5。5）判斷是否到達鏈碼終點，若是轉到步驟6，否則進入步驟2。6）對每一個高度求其長度，面積等于每個高度的長度之和。由上述數據可以發現，由于煙霧運動區域的無規則性，其圓形度通常大于3；行人、車輛和動物等規則物體的圓形度一般小于3；因此可將圓形度作為BP神經網絡的第一個輸入特征用于融合判斷。

2.2提取煙霧模糊特征

利用二維離散小波變換提取這一特征，一幅圖像經過二維離散小波變換后分解為四個四分之一大小的圖像，包括一幅低頻分量子圖像和三幅高頻分量子圖像。其中，三幅高頻分量子圖像分別體現了豎直方向（LH）、水平方向（HL）和對角方向（HH）的紋理信息。其中，低頻分量子圖像可以較完整地體現出原圖像的特征，而高頻分量子圖像只體現了原圖像的部分特征。設一幅圖像經過二維離散小波變換得到三幅高頻分量子圖像的小波系數分別為LHn（x，y）、HLn（x，y）和HHn（x，y），用Wn（x，y）表示三幅高頻分量子圖像的復合能量值，其公式為：

文中通過定義高頻能量衰減率來表示物體背景變模糊的程度，公式如下：

其中，en表示圖像中疑煙區域第n幀的高頻能量值；ebn表示疑煙區域對應背景圖像經二維離散小波變換后的高頻能量值；當視頻中出現煙霧時，隨著邊緣變平滑，細節信息減少，通常會使三幅高頻分量子圖像的能量值減少。

由上述數據可以發現：由于煙霧運動區域的模糊性，其高頻衰減率遠大于汽車、行人和動物等剛性物體。一般，煙霧的高頻衰減率在0.1～0.5之間；行人、汽車和動物等剛性物體的高頻衰減率小于0.1，兩者具有很好的區分度。所以可將高頻衰減率作為BP神經網絡的第二個輸入特征用于融合判斷。

2.3提取煙霧紋理特征

紋理體現了物體表面共有的內在特征，被定義為一個區域內的屬性，反映了圖像中同質現象的視覺特性。火災煙霧在熱氣流的影響下，做著小尺度，快速的隨機運動，并會產生漂移、閃爍、擴散和相位起伏等現象，從而引起圖像序列灰度值的空間變化。因此文中選擇基于統計法中的灰度共生矩陣法提取樣本的紋理特征值，此方法是建立在圖像的二階組合條件概率密度基礎上的，具有較好的鑒別能力。灰度共生矩陣（GLCM）算法過程如下：在圖像上任取兩點（k，l），（m，n）形成一個點對；點（k，l）的灰度為i，點（m，n）的灰度為j，則該點對的灰度為（i，j）；當灰度值的級數為L時，在整幅圖像中i和j的組合共有L2種，統計出每一種（i，j）出現的次數以及總次數，并將其歸一化成概率Pij，其中[Pij]為灰度共生矩陣。灰度共生矩陣實質上是描述在θ方向上，相隔距離為d的像元灰度層（i，j）出現的概率，表示為p（i，j|d，θ）。公式如下：

其中，#代表像元個數；k、l和m、n在各自所選的窗口內變化；一般位移方向有4種，即0°、45°、90°和135°，當距離為d時，其計算公式如下：

實驗表明，當灰度級L=16時，計算速度不至于太慢同時也能夠表達足夠的紋理信息，此時利用灰度共生矩陣可以得到一系列的紋理統計量，根據火災煙霧紋理的無方向性和像素灰度的高隨機性，選擇更能有效反映火災煙霧特征的能量和對比度作為紋理特征。分別計算出火災煙霧圖像和樣本圖像在0°、45°、90°和135°方向上的灰度共生矩陣，再計算出每一個方向上的能量和對比度，最后取每一個特征量在4個方向上的平均值作為識別火災煙霧的判據。

3結語

總之，火災發生初期沒有明顯的火焰產生，最早可能出現的是煙霧，所以煙霧識別對于實現早期火災報警更加重要。有關人員還需對相關問題進行研究，以促進煙霧識別工作的順利進行。

參考文獻：

[1]基于多特征融合的早期野火煙霧檢測[J].張斌，魏維，何冰倩.成都信息工程大學學報.2018.

[2]基于多特征融合運行期均值法的煙霧檢測算法[J].劉穎，顧小東，杜久玲，王倩.電視技術.2016.

（作者單位：吉林省長春市長春理工大學光電信息學院）

作者簡介：宋丹，1978年10月，女，滿族，吉林長春，碩士研究生，副教授，研究方向：檢測技術與自動化裝置。