基于火焰圖像紅外動態特征的早期火災識別算法

摘 要:針對普通彩色圖像對早期火災高危點的有限檢測能力，提出一套基于紅外圖像動態特征的早期火災識別算法，該算法使用改進的梯度算子結合圖像的動態特征來判斷火焰。通過實驗，該算法能夠快速地識別火災火焰和早期火災高危點。算法結構清晰，效率較高，便于工程實現。

關鍵詞:紅外圖像; 火災火焰; 動態特征; 識別算法

中圖分類號:TP391.41文獻標識碼:A

文章編號:1004-373X(2010)08-0104-02

Algorithm for Early Fire Recognition Based on Infrared

Dynamic Characteristics ofFlame Images

WANG Si-jia， PEI Hai-long

(College of Automation Science and Engineering， South China University of Technology， Guangzhou 510640， China)

Abstract:Since the detection ability of ordinary color images for early fire high-risk points is limited， the early fire recognition algorithm based on infrared image dynamic characteristics is proposed. The algorithm judges the harmfulness of the flame by the modified gradient operator in combination withthe dynamic characteristics of the images， and can quickly identify fire flame and high-risk points of early fire. The experiment proves thatthe algorithm structure is clear， efficient， and easy to be implemented inengineering.

Keywords:infrared image; fireflame; dynamic characteristic; recognition algorithm

森林火災是危害人類生命財產安全的嚴重災害之一。因此，對火災的檢測尤其森林火災的早期檢測有著重大的現實意義。目前使用較成熟的感煙、感溫、感光探測器的火災探測算法，分別使用煙霧、溫度、光亮度來區分火焰，由于受到空間、面積、惡劣環境的影響，使得對火災火焰特征的提取難度增大，導致誤報率的上升。

使用攝像頭作為火災檢測的算法是火災檢測的另外一個重要分支，目前在基于彩色圖像的火焰檢測算法的研究也較多，但都是對已經形成火焰的火災進行檢測，因而現有算法對于未形成火焰的早期火災高危點的檢測能力有限，而且基于顏色和亮度空間的彩色圖像火焰檢測算法只關注火焰的高亮度，無法反應火焰溫度場本身的動態性。使用紅外攝像頭作為火災檢測的設備可以有效的改善以上的兩個問題。

筆者提出一種基于紅外攝像頭的早期火災識別算法，在灰度空間上對采集的紅外圖像進行分割，采用梯度算子提取火焰特征對圖像的溫度場動態信息，識別未形成火焰的火災高危點和起火點。

1 火災火焰或者火災早期高危點的檢測

紅外圖像采用灰度圖像來描述視場中事物的紅外特征，圖像中的每個像素都使用0~255中的一個整數表示該點的溫度場特征。由于火災的早期可疑點和火災火焰都具有相當明顯溫度場特征，可以使用設定溫度閾值的方法，迅速有效地發現在紅外攝像頭視場中的火焰和可疑火焰點。

根據攝像頭的內參數，可以求算出紅外圖像灰度數值空間和溫度空間所存在的線性轉換關系，根據實驗，可疑火災和火焰的溫度場一般如表1所示。

表1 溫度與灰度值關系

溫度 /℃灰度值

蠟燭火焰外焰520255

蠟燭火焰內焰430230

烙鐵300160

下面，使用表1中的數值來設置圖像分割的閾值，所得到的圖像為t(x，y):

t(x，y)=0，g(x，y)>T

1，其他

式中:x，y為像素坐標;g(x，y)為該坐標的灰度值。

假設捕獲的兩幀圖像為t1(x，y) f1(x，y)， t2(x，y)，對此兩幀圖像做異或運算，取其灰度值信息，得到一個二值圖像，分辨出兩幅圖像的不同，當t(x，y)的灰度值超過設定的閾值T，即說明圖像中可能存在火災火焰或者火災早期高危點。

2 火焰檢測與判別

2.1 可疑火焰高危點的識別

當可能存在火災高危點和火災火焰時，需要根據火焰的其他溫度場的動態特性來判斷是否為真的火災或者火災高危點。火災探測信號的變化率是一個重要的特征，對于如紅外攝像頭的感溫探測器的輸出信號，當溫度上升率超過一定值的時候，表明溫度發生了急劇的變化，這是可能導致火災的典型特征[1]。

對上文的閾值方法已經分割出的可疑區域g(x，y)，采用微分運算求算其可疑點的溫度變化率來辨識其是否火災早期高危點。對應的信號變化值進行以下的近似計算做絕對值運算:|g1(x，y)-g2(x，y)|。其中g1(x，y)，g2(x，y)為相鄰兩幀的火災可疑區域。

由于紅外攝像頭幀率恒定，所以采樣信號時間t作為信號變化斜率的時間間隔。根據實驗和文獻，溫度升高率超過斜率閾值，可判定為早期火焰高危點。

|g1(x，y)-g2(x，y)|/Δt>S

式中:S為設定的火災高位點溫度斜率閾值;Δt為幀間時間。

2.2 火焰識別

紅外圖像與普通彩色圖像相比，雖然可以捕捉明顯野外景觀的紅外特征，但是無法排除如變電站、高壓電線等無火災危險的紅外輻射源以及其在鏡面上的反射的干擾。這是紅外圖像火災檢測所獨有的缺陷，因而采用彩色圖像的火焰識別算法無法解決該問題。根據野外的火災火焰是一種不穩定且不斷發展的火焰的特點。

對上文分割出的疑似火災高危點和火災火焰區域，對其中心做x向，y向和±45°的梯度運算。由于火焰飄動的動態隨機性，其相鄰兩幀在上述四個方向的圖像梯度值將會有較大的波動。對于穩定的紅外輻射源如發電機、輸電線，其灰度梯度值則相對穩定，不會有很大的波動。由此可以使用它作為識別火焰的判據。

已分割出的高危區域和火焰區域中心點為在四個方向上逐像素點做差值運算，來近似四個方向的梯度。以水平方向為例，以R5為中心的區域3×3區域，用下述方法計算梯度值，再用同樣的模板套用計算R6的梯度值，將火焰邊界內所計算的一系列梯度值的計算結果保存在單鏈表Q1中，當采集下一幀，重復上述步驟，記錄為Q2，比較Q1和Q2兩者的差若大于預先設定的火焰梯度閾值既可以判定為火焰。梯度計算如下:

豎直: grad(R5)=2R6+R3 +R9-2R4-R1-R7

水平: grad(R5)=2R2+R1 +R3-2R8-R9-R7

正45°:grad(R5)=2R3+R2+R6 -2R7-R4 -R8

負45°:grad(R5)=2R7+R4+R8-2R3-R2-R6

R1R2R3

R4R5R6

R7R8R9

3 實驗結果與分析

3.1 火焰檢測試驗結果與分析

這里采用蠟燭來模擬火災火焰，采用上文中所述的溫度梯度算法得出的部分結果如表2所示。

表2 溫度梯度算法實驗結果

序號燃燒蠟燭梯度鏈表差值電燈梯度鏈表差值

1592

2210

31533

4652

592

 

從實驗結果可以看出，非火災紅外源溫度梯度值相對穩定，而火焰的溫度梯度值跳變較大，該算法有較強的識別能力。

3.2 火災高位點火焰檢測與分析

使用逐漸變熱的電烙鐵來模擬火災高危點，使用計算機視覺庫OpenCV，執行上文所述的圖像微分運算后，所標定出來的結果，可知火焰高危區域的灰度變化率在10/幀以上，即可判定其為火災高危點，根據這一特征，該算法成功地探測出了火災高危點的位置。如圖1、圖2所示。

圖1 火焰高危點檢測

圖2 紅外攝像頭采集的圖像

4 結 語

該算法使用閾值運算、微分運算和改進的梯度算子結合圖像的動態特征來判斷火焰和火焰高危點的算法能夠有效地識別火災火焰和火災高危點，提高火災檢測的準確度，降低誤報率。通過實驗，該算法能夠快速地識別火災火焰和早期火災高危點，算法結構清晰，效率較高，便于工程實現。

參考文獻

[1]吳龍標， 方俊， 謝啟源. 火災探測與信息處理[M]. 北京: 化學工業出版社， 2006.

[2]王亞軍， 徐大芳， 陳向成， 等. 基于火焰動態特征的火焰識別算法[J]. 測控技術， 2007， 26(5): 7-9.

[3]楊俊， 王潤生. 基于計算機視覺的視頻火焰檢測技術[J]. 中國圖像圖形學報， 2008(7): 1222-1235.

[4]閆厚， 倪金生. 基于網絡攝像機的森林火災煙火自動識別技術探討[J]. 林火監測， 2007(2): 25-29.

[5]吳龍標， 宋衛國， 盧結成. 圖像火災監控中一個新穎的火災判據[J]. 火災科學， 1997(9): 60-66.

[6]陳亮. 基于Video4 Linux 2的圖像采集程序設計[J]. 微計算機信息， 2009， 25(7): 65-67.

[7]馬頌德. 計算機視覺[M]. 北京: 科學出版社， 1998.

[8]張進華， 莊健， 杜海峰， 等. 一種基于視頻多特征融合的火焰識別算法[J]. 西安交通大學學報， 2006， 40(7): 811-814.

[9]徐仕玲， 趙敏， 徐建波. 野外早期火災圖像識別方法研究[J]. 計算機技術與發展， 2008， 18(6): 214-216.

[10]徐之， 韓斌， 宋敬海， 等. 基于嵌入式系統和紅外圖像的火焰檢測算法[J]. 科學技術與工程， 2008， 8(1): 96-100.