謝偉

摘要：基于視頻的火焰檢測(cè)算法為解決傳統(tǒng)感煙感溫火焰檢測(cè)方法受環(huán)境制約的問(wèn)題提供了一條新的路徑。通常的視頻火焰檢測(cè)算法主要利用火焰的顏色、形狀、頻域特征等信息來(lái)進(jìn)行檢測(cè)，計(jì)算較為復(fù)雜，往往不能達(dá)到實(shí)時(shí)性。文中結(jié)合火焰的顏色、運(yùn)動(dòng)特性以及頻閃特性，提出一種簡(jiǎn)單高效的視頻火焰檢測(cè)方法。首先使用ViBe算法提取出視頻中的運(yùn)動(dòng)區(qū)域作為火焰候選區(qū)域，以降低計(jì)算量，再通過(guò)火焰的顏色模型篩選出疑似火焰區(qū)域，最后根據(jù)火焰的頻閃特性建立一個(gè)簡(jiǎn)單的頻閃模型，進(jìn)一步濾除與火焰顏色相似的非火焰運(yùn)動(dòng)區(qū)域。通過(guò)實(shí)驗(yàn)證明，該文提出的算法能夠檢測(cè)出不同環(huán)境下火焰的發(fā)生，且執(zhí)行效果較高。

關(guān)鍵詞： 視頻；火焰檢測(cè)；運(yùn)動(dòng)區(qū)域；顏色模型；頻閃

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）22-5303-04

當(dāng)今社會(huì)人們的生活、辦公越來(lái)越密集化，物資存儲(chǔ)也更加集中，一旦發(fā)生火災(zāi)將會(huì)對(duì)人們的生命和財(cái)產(chǎn)安全造成巨大的威脅，人們對(duì)火災(zāi)預(yù)防重視程度不斷加強(qiáng)。傳統(tǒng)的火災(zāi)預(yù)防技術(shù)主要是基于溫度、煙霧的感應(yīng)[1]。這類(lèi)方法需要在檢測(cè)環(huán)境中安裝溫度或者煙霧傳感器，對(duì)火災(zāi)的檢測(cè)效果往往會(huì)受到距離、溫度、粉塵等物理?xiàng)l件的影響[2]。為了克服傳統(tǒng)火災(zāi)檢測(cè)系統(tǒng)存在的問(wèn)題，研究人員提出了基于視頻分析的火災(zāi)檢測(cè)技術(shù)。該類(lèi)方法通過(guò)攝像機(jī)獲取監(jiān)控場(chǎng)景中的實(shí)時(shí)視頻畫(huà)面，利用圖像處理和視頻分析技術(shù)檢測(cè)火災(zāi)的發(fā)生，這種非接觸式的檢測(cè)方法直觀主動(dòng)，對(duì)監(jiān)控場(chǎng)景具有普適性，可以克服傳統(tǒng)火災(zāi)檢測(cè)系統(tǒng)受物理?xiàng)l件限制的缺點(diǎn)[3]。文獻(xiàn)[4]結(jié)合火焰顏色統(tǒng)計(jì)模型和序列模式挖掘的方法，能夠檢測(cè)出一幅圖像中的火焰，文獻(xiàn)[5]利用視頻中火焰區(qū)域的火焰顏色概率模型、火焰區(qū)域的形狀以及火焰外形的變化規(guī)律來(lái)檢測(cè)火災(zāi)的發(fā)生。文獻(xiàn)[6] 采用一種基于色覺(jué)和無(wú)序性測(cè)量的RGB模型來(lái)檢測(cè)火焰和煙霧，而文獻(xiàn)[7]則是通過(guò)在HIS顏色空間下使用直方圖特征分割的方法來(lái)判斷是否有火災(zāi)發(fā)生。

為了提高火焰檢測(cè)的效率和準(zhǔn)確率，該文首先通過(guò)運(yùn)動(dòng)檢測(cè)算法提取出視頻中運(yùn)動(dòng)的區(qū)域，進(jìn)一步使用火焰顏色模型來(lái)選擇出候選區(qū)域，最后根據(jù)火焰的頻閃特性建立簡(jiǎn)化的火焰頻閃模型，進(jìn)一步濾除非火焰區(qū)域，提高檢測(cè)精度。

1 運(yùn)動(dòng)區(qū)域提取

運(yùn)動(dòng)區(qū)域提取的目的是將不斷運(yùn)動(dòng)的區(qū)域從背景圖像中提取出來(lái)，是視頻分析算法的關(guān)鍵基礎(chǔ)環(huán)節(jié)，是目標(biāo)定位、識(shí)別和跟蹤的前提[8]。

眾所周知，由于受到氣流等因素的影響，火焰在燃燒過(guò)程中會(huì)持續(xù)不斷的運(yùn)動(dòng)，該文先使用ViBe（Visual Background Extractor）[9]算法提取出視頻中的運(yùn)動(dòng)區(qū)域，縮小檢測(cè)范圍，提高火焰檢測(cè)的效率和精度。

ViBe算法由Olivier Barnich和Marc Van Droogenbroeck于2011年提出，是一種像素級(jí)視頻運(yùn)動(dòng)提取算法，由于它計(jì)算簡(jiǎn)單，效率較高，能夠較準(zhǔn)確的提取出完整目標(biāo)，且占用硬件資源較少，目前得到了廣泛的應(yīng)用。ViBe算法是一種基于統(tǒng)計(jì)背景模型的運(yùn)動(dòng)區(qū)域檢測(cè)算法，其基本流程如圖1。算法首先根據(jù)第一幀圖像建立背景模板，圖像的每個(gè)像素點(diǎn)在背景模版中都有一個(gè)維數(shù)為N的樣本集合，初始化時(shí)樣本集合里的值從每個(gè)像素點(diǎn)的R[×]R鄰域內(nèi)隨機(jī)抽取。對(duì)后續(xù)圖像幀的處理包含匹配和背景更新兩個(gè)部分。匹配過(guò)程中計(jì)算當(dāng)前像素點(diǎn)與其樣本集合中的元素值在顏色空間中的距離，并統(tǒng)計(jì)距離小于一定閾值D的元素個(gè)數(shù)，當(dāng)個(gè)數(shù)大于一定閾值T，則判定該像素點(diǎn)為背景點(diǎn)，否則判定其為前景點(diǎn)。對(duì)判定為背景點(diǎn)的像素要更新對(duì)應(yīng)的樣本集合，首先隨機(jī)抽取NUM個(gè)樣本集合中的元素，將其值更新為當(dāng)前像素的值。由于視頻幀中的像素點(diǎn)與其鄰域內(nèi)的像素點(diǎn)具有一定的相關(guān)性，所以要隨機(jī)對(duì)其鄰域內(nèi)的一個(gè)像素點(diǎn)進(jìn)行背景更新。ViBe算法的檢測(cè)結(jié)果如圖2。

2 火焰顏色檢測(cè)

火焰在一般背景下會(huì)呈現(xiàn)出明顯的高亮度，其獨(dú)特的顏色在不同的色彩空間（RGB、HSV等）都具有特定的分布[10]。該文在上述ViBe算法的基礎(chǔ)上利用火焰顏色特性來(lái)去除運(yùn)動(dòng)區(qū)域中非火焰區(qū)域，提高檢測(cè)精度。該文使用的火焰顏色分布如下：

3 火焰頻閃模型

火焰在燃燒過(guò)程中由于湍流流動(dòng)導(dǎo)致火焰外圍，即火苗的無(wú)序閃動(dòng)，具體表現(xiàn)為一種持續(xù)的高頻時(shí)序變化，研究者們還發(fā)現(xiàn)這種無(wú)序閃動(dòng)具有與燃料和燃器形狀無(wú)關(guān)的動(dòng)態(tài)范圍（10Hz以內(nèi)）[11]。文獻(xiàn)[12]采用火焰顏色像素沿時(shí)間軸的一維傅里葉變換來(lái)檢測(cè)火焰的頻閃特性，計(jì)算較為復(fù)雜。該文根據(jù)火焰的頻閃特性，統(tǒng)計(jì)像素點(diǎn)在固定時(shí)域范圍內(nèi)的變化次數(shù)，建立一個(gè)簡(jiǎn)化的火焰頻閃模型。具體算法如下：

1） 建立一個(gè)大小為[TIME]的火焰頻閃模型，模型中每個(gè)元素為一幅二值圖像，圖像的分辨率與原圖相同，每個(gè)像素點(diǎn)表示原圖中該像素點(diǎn)是否發(fā)生變化。

2） 通過(guò)ViBe算法獲得第[n]幀圖像的運(yùn)動(dòng)區(qū)域，與第[n-1]幀圖像的運(yùn)動(dòng)區(qū)域進(jìn)行比較，獲取當(dāng)前圖像中像素點(diǎn)的變化情況，存入火焰頻閃模型。若1<[n]<[TIME]，則返回（2）；否則進(jìn)入下一步。

3） 設(shè)置計(jì)數(shù)器[DiffCnt]，初始為0，通過(guò)火焰頻閃模型獲取當(dāng)前幀運(yùn)動(dòng)區(qū)域中各個(gè)像素點(diǎn)在[TIME]幀內(nèi)的變化次數(shù)[t]，若[Tmin]<[t]<[Tmax]，則[DiffCnt]加1。

4） 計(jì)算[DiffCnt]與運(yùn)動(dòng)區(qū)域大小的比值，大于一定的閾值[Alpha]，則認(rèn)為當(dāng)前運(yùn)動(dòng)區(qū)域符合火焰頻閃特性。若視頻未結(jié)束，則跳轉(zhuǎn)（2）。

火焰頻閃模型實(shí)驗(yàn)結(jié)果如圖4，其中[TIME]、[Tmin]、[Tmax]、[Alpha]的取值分別為25、5、15、0.5。

4 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證算法的效果，該文采用了不同環(huán)境下的測(cè)試視頻進(jìn)行了實(shí)驗(yàn)，結(jié)果如圖5。實(shí)驗(yàn)使用的硬件環(huán)境為：CPU為Pentium? Dual-CoreE6700（主頻為3.2GHz），內(nèi)存2GB，軟件平臺(tái)為：操作系統(tǒng)為Windows 7（32位），使用C++語(yǔ)言在Microsoft Visual Studio 2010進(jìn)行編程，調(diào)用OpenCv圖像處理庫(kù)。實(shí)驗(yàn)中所用的測(cè)試視頻分辨率均為320[×]240。通過(guò)上述實(shí)驗(yàn)可以發(fā)現(xiàn)本文提出的算法能夠在不同環(huán)境下檢測(cè)出火焰的發(fā)生，且執(zhí)行效率較高，實(shí)驗(yàn)處理一幀圖像平均只需要5ms。但是在復(fù)雜環(huán)境下，該方法也會(huì)產(chǎn)生錯(cuò)誤檢測(cè)。

5 總結(jié)

本文通過(guò)結(jié)合火焰的運(yùn)動(dòng)特性、顏色特征以及頻閃特性，提出了一種簡(jiǎn)單高效的視頻火焰檢測(cè)算法，能夠在不同環(huán)境下檢測(cè)出火焰的發(fā)生，具有一定的實(shí)際應(yīng)用價(jià)值。但是由于實(shí)際環(huán)境的復(fù)雜性以及算法本身存在的缺陷，該文提出的方法也會(huì)產(chǎn)生一些錯(cuò)誤的檢測(cè)。未來(lái)的研究工作中準(zhǔn)備進(jìn)一步分析算法錯(cuò)誤檢測(cè)的情況，繼續(xù)提高算法的準(zhǔn)確率。

參考文獻(xiàn)：

[1] 袁非牛，廖光煊，張永明，等.計(jì)算機(jī)視覺(jué)火災(zāi)探測(cè)中的特征提取[J]. 中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2006，36（1）：39-43.

[2] 楊俊，王潤(rùn)生.基于計(jì)算機(jī)視覺(jué)的視頻火焰檢測(cè)技術(shù)[J].中國(guó)圖像圖形學(xué)報(bào)，2008，13（7）：1222-1234.

[3] 高愛(ài)蓮.基于視頻的火焰檢測(cè)方法研究[D].昆明理工大學(xué)，2008.10.

[4] Yu-Chiang Li，Wei-Cheng Wu.Visual Fire Detection Based on Data Mining Technique[C].2011 First International Conference on Robot， Vision and Signal Processing，2011（11）：238-331.

[5] Che-Bin Liu and Ahuja N.Vision Based Fire Detection[J]. Proceedings of the 17th International Conference on Pattern Recognition，2004（8）：134-137.

[6] Thou-Ho Chen， Ping-Hsueh Wu， and Yung-Chuen Chiou. An Early Fire-Detection Method Based on Image Processing[C]. 2004 International Conference on Image Processing， 2004（10）：1707-1710.

[7] 陳威，劉菁華. 顏色直方圖特征分割方法在火災(zāi)探測(cè)中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011，21（7）：199-202.

[8] 侯宏錄，李寧鳥(niǎo)，劉迪迪，等.智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)的研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2012，22（2）：49-52.

[9] Barnich O ，Van Droogenbroeck M. ViBe： A Universal Background Subtraction Algorithm for Video Sequences[C]. IEEE Transactions on Image Processing， 2011（6）：1709-1724.

[10] 楊俊，王潤(rùn)生.基于計(jì)算機(jī)視覺(jué)的視頻火焰檢測(cè)技術(shù)[J].2008，13（7）：1222-1234.

[11] 陳娟.基于多特征融合的視頻火焰探測(cè)方法研究[D].中國(guó)科學(xué)技術(shù)大學(xué)，2009.5.

[12] 謝迪，童若鋒，唐敏等.具有高區(qū)分度的視頻火焰檢測(cè)方法[J].浙江大學(xué)學(xué)報(bào)，2012，46（4）：698-704.