趙麗娜 徐常志 葉俊健 陳曉波 鄧偉鋒

摘? ?要： 基于傳感器的火災(zāi)識別方法在空間廣闊、布局跨度大的特定環(huán)境下難以實(shí)現(xiàn)火災(zāi)的有效、及時探測。提出一種基于MATLAB的火災(zāi)視頻探測技術(shù)，集成火焰圖像采集、火災(zāi)圖像識別、火災(zāi)報警聯(lián)動等模塊，通過編寫MATLAB函數(shù)，對火焰視頻圖像進(jìn)行灰度處理、二值化處理、邊緣檢測等操作，對火焰的邊緣變化、形狀變化、閃動變化和面積變化等特征進(jìn)行分析，提取火警信息。應(yīng)用表明，基于MATLAB的火災(zāi)視頻探測技術(shù)具有可靠性、準(zhǔn)確性，能夠?qū)崟r計算得到火焰軌跡，為早期預(yù)警火災(zāi)的發(fā)生打下了堅實(shí)的基礎(chǔ)。

關(guān)鍵詞： MATLAB;火災(zāi)視頻探測;圖像識別;邊緣檢測;傳感器

引言

火災(zāi)是一種威脅公共安全和社會發(fā)展的災(zāi)害，會對公用設(shè)施造成破壞，帶來嚴(yán)重的經(jīng)濟(jì)損失[1]。一般情況下，火災(zāi)探測主要依靠煙霧傳感器和測溫傳感器，但是在空間廣、跨度大的一些特定環(huán)境下，這類傳感器難以探測火災(zāi)初期產(chǎn)生的熱量和煙霧[2]。煙霧傳感器需要有一定量的煙霧顆粒進(jìn)入其內(nèi)部才能告警，測溫傳感器往往在火災(zāi)成型后才能告警，這都會導(dǎo)致火災(zāi)救援錯過最佳時間點(diǎn)[3]。

隨著新一代信息技術(shù)的發(fā)展，模式識別、圖像處理技術(shù)得以完善，火災(zāi)視頻探測成為可能?；馂?zāi)視頻探測技術(shù)有效地克服了空間廣、跨度大環(huán)境下火災(zāi)識別的局限性。對于動態(tài)的火災(zāi)視頻探測開發(fā)環(huán)境，OpenCV是一款常用的計算機(jī)視覺軟件，但是其技術(shù)文檔并不完善，缺乏技術(shù)支持，而MATLAB具有更快速的開發(fā)能力、更簡便的調(diào)試過程、更簡單的仿真操作，并且具有強(qiáng)大的矩陣庫和集成的可視化調(diào)試工具等作為支撐，故本文重點(diǎn)研究MATLAB開發(fā)環(huán)境下基礎(chǔ)圖像處理算法在火焰圖像預(yù)處理、特征提取、邊緣檢測等方面的有效性和準(zhǔn)確性。

1? 技術(shù)綜述

在火災(zāi)探測領(lǐng)域，應(yīng)用較多的設(shè)備包括紅外探頭和傳感器，其中傳感器包括煙霧傳感器、氣體傳感器、測溫傳感器等，它們通過對空氣中二氧化碳、一氧化碳火焰燃燒時產(chǎn)生的氣體的檢測、溫度的檢測等達(dá)到對火災(zāi)進(jìn)行監(jiān)控的目的。這些檢測方法對室內(nèi)封閉區(qū)域和小空間區(qū)域，例如隧道、酒店等，具有良好的檢測效果。但如引言所述，對于野外等空間廣、跨度大的環(huán)境，由于傳感器感知范圍的限制，一般情況下，當(dāng)探測距離超過13 m時，這些傳感器就不能很好地發(fā)揮作用了，況且在野外環(huán)境不可能大量地安裝傳感器。

從20世紀(jì)90年代起，陸續(xù)有學(xué)者開始開展上述研究。早期的研究主要針對火焰的識別，大多數(shù)利用火焰明亮度和顏色等特征，因?yàn)檫@些特征比較明顯，又容易被提取到。顏色模型包括一開始的RGB顏色模型，以及后續(xù)的HSI、YCbCr等顏色模型。后來為了提高識別準(zhǔn)確率，又有研究人員開始注意到火焰和煙霧的其他特征。對于火焰，王琳[4]通過研究火焰跳動的特征，發(fā)現(xiàn)火焰質(zhì)心跳動頻率為10 Hz左右，這可以作為區(qū)分火焰和非火焰區(qū)域的依據(jù)。袁非牛等[5]根據(jù)煙霧產(chǎn)生之后總是向上運(yùn)動這一特征，對煙霧進(jìn)行識別，他們還使用LBP、LBPV等算法提取局部特征，進(jìn)行火焰和煙霧的更好識別。還有不少學(xué)者使用小波分析提取火焰邊緣特征或者利用小波能量特征對火焰進(jìn)行識別。為了進(jìn)一步提升識別的準(zhǔn)確率，很多學(xué)者也開始將多種特征加以融合，主要融合的特征有顏色、運(yùn)動狀態(tài)、背景模糊程度等。

2? 火災(zāi)視頻探測技術(shù)

火災(zāi)視頻探測技術(shù)，即利用數(shù)碼感光器件（如CCD相機(jī)）、計算機(jī)主機(jī)、圖像采集單元、圖像預(yù)處理算法，通過模式識別的方法判斷監(jiān)控視頻中是否有火焰和煙霧的技術(shù)?；馂?zāi)從形成到蔓延需要一定的時間，從火災(zāi)的初始階段到引燃階段，具體表現(xiàn)為被燃物質(zhì)產(chǎn)生的火焰較小，但是煙霧較大，火焰和煙霧的面積、顏色、形狀、輻射強(qiáng)度等都在不斷變化，火焰的面積呈連續(xù)擴(kuò)展增加的趨勢。在數(shù)字圖像處理中，面積是通過閾值化統(tǒng)計的圖像亮點(diǎn)來表征的，只要能夠提取背景，就可以確定火焰與煙霧的運(yùn)動像素與活動區(qū)域。基于圖像處理的火災(zāi)視頻探測技術(shù)正是利用了這一特征，實(shí)現(xiàn)了從含有背景噪聲的圖像陣列中準(zhǔn)確地識別與火災(zāi)相關(guān)的信息，從而達(dá)到廣空間、大跨度火災(zāi)探測的目的。

圖1描述了火災(zāi)視頻探測系統(tǒng)的整體結(jié)構(gòu)。球機(jī)會周期地進(jìn)行圖像抓拍，當(dāng)有火災(zāi)發(fā)生時，球機(jī)對光信息進(jìn)行預(yù)處理，傳送給工控機(jī)的圖像采集單元，工控機(jī)的軟件系統(tǒng)對采集到的火災(zāi)圖像采用算法進(jìn)行識別分析，判斷圖像中是否含有火災(zāi)相關(guān)信息。如有，系統(tǒng)的火災(zāi)報警器將會發(fā)出報警，并將報警信息上傳到消防系統(tǒng)平臺，以促使消防人員及時地到達(dá)現(xiàn)場，撲滅火災(zāi)。

3? 基于MATLAB的火災(zāi)視頻探測技術(shù)路線

MATLAB最大的特點(diǎn)是易于擴(kuò)展，她允許用戶自行建立指定功能的MATLAB文件。一個從事特定領(lǐng)域的工程師，不僅可直接利用MATLAB所提供的函數(shù)及基本工具箱函數(shù)，還可方便地構(gòu)造出專用的函數(shù)，從而大大擴(kuò)展其應(yīng)用范圍。當(dāng)前支持MATLAB的商用Toolbox（工具箱）有數(shù)百種之多。MATLAB具有易學(xué)易用性與高效性，不需要用戶有高深的數(shù)學(xué)知識和程序設(shè)計能力，也不需要用戶深刻了解算法及編程技巧。MATLAB語句功能十分強(qiáng)大，一條語句可完成十分復(fù)雜的任務(wù)，如fft語句可完成對指定數(shù)據(jù)的快速傅里葉變換，這相當(dāng)于上百條C語言語句的功能，大大加快了軟件開發(fā)效率。

圖2所示為基于MATLAB的火災(zāi)視頻探測技術(shù)路線。該系統(tǒng)由火焰圖像采集系統(tǒng)、火災(zāi)圖像識別系統(tǒng)、火災(zāi)報警聯(lián)動系統(tǒng)三大模塊組成?；鹧鎴D像獲取主要通過數(shù)碼感光器件（如CCD相機(jī)），將火災(zāi)的光信息轉(zhuǎn)化為數(shù)字圖像信號，然后進(jìn)入工控機(jī)內(nèi)的圖像采集單元，利用火災(zāi)圖像識別系統(tǒng)進(jìn)行圖像采集、圖像預(yù)處理、特征提取及圖像識別。在圖像預(yù)處理過程中，采用中值濾波方法抑制噪聲，從而對圖像進(jìn)行平滑處理。

4? 應(yīng)用

4.1? 火災(zāi)火焰圖像特征分析

在火災(zāi)發(fā)生的早期階段，對火災(zāi)視頻進(jìn)行現(xiàn)場識別主要是通過對火焰或煙霧的圖像特征來實(shí)現(xiàn)的?；馂?zāi)是一種失去了控制的劇烈性的燃燒，初期的火焰是從無到有的，是非固定的，在不同的發(fā)展階段，火焰的特征，如形狀、面積、顏色、尖角、頻閃等，都存在著一定的特征。本文將火災(zāi)火焰圖像特征變化劃分為邊緣變化、形狀變化、閃動變化和面積變化。

（1）邊緣變化：火災(zāi)早期發(fā)生時，火焰邊緣存在著一定的變化規(guī)律，與其他的高溫物體及穩(wěn)定火焰的邊緣變化不同。精確的探測方法是通過邊緣檢測算法將邊緣提取出來。根據(jù)邊緣的形狀、曲率等特性進(jìn)行編碼，再根據(jù)編碼提取到的邊緣特征數(shù)值，以一定的權(quán)重加入綜合判斷過程。

（2）形狀變化：火災(zāi)早期發(fā)生階段，火焰的形狀變化反映了火焰在空間中的分布。在這一階段，火焰的空間取向變化、火焰的抖動以及分合等形狀變化，都具有獨(dú)特的變化規(guī)律。

（3）閃動變化：火焰在燃燒的過程中會按一定頻率進(jìn)行閃爍，在數(shù)字圖像中，體現(xiàn)為灰度直方圖隨著時間的變化規(guī)律。

（4）面積變化：火災(zāi)早期發(fā)生時，火焰的面積呈連續(xù)擴(kuò)展增加的趨勢。在數(shù)字圖像處理中，面積是通過閾值化統(tǒng)計的圖像亮點(diǎn)來表征的。

4.2? 視頻圖像運(yùn)動檢測

視頻圖像運(yùn)動檢測，是通過在視頻中提取單幀或多幀運(yùn)動目標(biāo)，跟蹤計算出運(yùn)行軌跡的檢測。目前常用的目標(biāo)運(yùn)行軌跡追蹤方法有光流法、高斯模型法、背景差法、幀間差法等。本文提出一種魚洞檢測方法。首先，運(yùn)用MATLAB函數(shù)進(jìn)行灰度處理，即

至此，即運(yùn)用MATLAB語句實(shí)現(xiàn)了火災(zāi)視頻的魚洞檢測。通過二值化處理和Canny算法等，對視頻中火焰的單幀或多幀運(yùn)動軌跡進(jìn)行處理，實(shí)時地計算得到了火焰軌跡。

5? 結(jié)論

本文運(yùn)用MATLAB對火焰圖像進(jìn)行灰度處理、二值化處理、邊緣檢測等，驗(yàn)證了基于MATLAB的火災(zāi)視頻探測算法在火焰圖像預(yù)處理、特征提取、邊緣檢測上的有效性和準(zhǔn)確性，為早期預(yù)判火災(zāi)是否發(fā)生打下了堅實(shí)的基礎(chǔ)。

參考文獻(xiàn)

[1] 盧勝男， 馮建利， 段沛沛. 視頻火災(zāi)識別方法研究綜述[J]. 電視技術(shù)， 2013， 37（3）： 179-184， 200.

[2] 許峰， 于春雨， 徐放. 視頻煙霧火災(zāi)探測技術(shù)研究趨勢[J]. 消防科學(xué)與技術(shù)， 2012， 31（11）： 1185-1188.

[3] Healey G， Slater D， Lin T， et al. System for real-time fire detection[C]// IEEE Computer Society Conference on Computer Vision & Pattern Recognition， Cvpr. IEEE， 1993.

[4] 王琳， 李愛國， 郝春雨. 基于火焰圖像跳動特征的火災(zāi)識別算法[C]// 中國控制會議， 2014.

[5] 袁非牛， 張永明， 劉士興， 等. 基于累積量和主運(yùn)動方向的視頻煙霧檢測方法[J]. 中國圖象圖形學(xué)報， 2008（4）： 808-813.