基于OpenCV的火災視頻識別方法研究

王振鵬，程乃偉

沈陽航空航天大學安全工程學院，遼寧沈陽 110136

0 引言

火災是人類不容忽視的最嚴重災難之一。通常情況下，火災探測技術如感煙探測器、感溫探測器等主要是基于傳感器檢測技術設計的。但在大空間場所受其跨度大、空間高的特點影響，對火災初期產生的熱量和煙霧觸發報警器造成很大難度。隨著安防監控科技的不斷發展，火災的視頻探測成為可能，并且該技術能有效克服傳統探測技術在高大空間等場合靈敏度下降的缺點，具有響應快，探測及時，信息豐富直觀的優點。

1 火災視頻探測技術

火災視頻識別即通過計算機硬件或數碼感光元器件對火災發生前期的火焰等視頻進行圖像采集和預處理，并由計算機終端通過模式識別的方法判斷監控畫面中是否存在火焰或者煙氣等與火災相關的事物。基于圖像處理的火災監控方法利用了火災剛剛發生的短時間內火焰或煙氣的圖像在顏色、形狀、位置、面積等隨時間變化的特性，從含有背景噪音的圖像序列中正確識別相關信息，達到火災監測的目的。

圖1 火災視頻識別系統示意圖

圖1 中描述了火災視頻識別系統的硬件組成，首先通過圖像收錄設備攝像機B對監控現場A進行圖像采集，然后通過圖像采集卡C獲取視頻圖像信息并將其進行存儲，將圖像信息傳輸給計算機D，計算機系統主要通過計算機軟件對圖像信息進行處理、識別，判斷圖像信息是否屬于火災，如果屬于火災，報警器E則會進行報警提示。

2 VC++ 6.0和OpenCV 簡介

VC++ 6.0即Visual C++ Microsoft公司開發的一種具有高度綜合性能的軟件開發工具。用它開發出的程序具有運行速度快、可移值能力強等優點，在對數字圖象進行處理時經常是采用Visua C++進行編程。

開放源代碼的計算機視覺類庫OpenCV (Intel Open Source Computer Vision Library )由英特爾公司開發，它是一套可免費獲得的由一些C 函數和C ++類所組成的庫，用來實現一些常用的圖像處理及計算機視覺算法。采用OpenCV實現火災視頻識別可以很好的體現OpenCV運行速度快、穩定、跨平臺、接口靈活、交互性強、易于產品化等特點。針對火災的圖像處理的如圖像分割、特征提取、圖像濾波、圖像識別等技術及其相應算法目前也較成熟。

3 基于OpenCV的火災視頻識別系統

如圖2為基于OpenCV的火災視頻識別系統框圖，分為火焰圖像獲取系統、圖像識別系統、火災報警聯動系統。火焰圖像獲取系統主要通過攝像機的光敏器件CCD，將外界影像的光信號轉變為數字圖像信號。然后，進入主要由計算機軟件組成的圖像識別系統進行圖像采集、預處理、特征提取及圖像識別。圖像預處理即過程采用中值濾波方法抑制或消除噪聲而改善圖像質量的平滑過程。

圖2 基于OpenCV的火災視頻識別系統框圖

4 火災火焰的圖像特征分析

在火災發生發展階段，對火災現場的視頻識別主要是基于火焰圖像的基本特性來實現的。火災是一種失去控制的燃燒，初期火災的火焰是從無到有是非固定的，不同發展階段火焰的面積、形狀、尖角、顏色、頻閃等都存在一些視覺特征。

1）面積變化：早期火災是著火后火災不斷發展的過程。在這個階段，火災火焰的面積呈現連續的、擴展性的增加趨勢。在圖像處理中，面積是通過取閾值后統計圖像的亮點(灰度值大于閾值)數實現的。當其它高溫物體向著攝像頭移動或者從視野外移入時，探測到的目標面積也會逐漸增大，容易造成干擾。因此，面積判據需要配合其它圖像特性使用；

2）邊緣變化：早期火災火焰的邊緣變化有一定的規律，同其它的高溫物體及穩定火焰的邊緣變化不同。精確的方法是用邊緣檢測和邊緣搜索算法將邊緣提取出來，根據邊緣的形狀、曲率等特性對邊緣進行編碼，再根據編碼提取邊緣的特征量。利用這些特征量在早期火災階段的變化規律進行火災判別；

3）形體變化：早期火災火焰的形體變化反映了火焰在空間分布的變化。在早期火災階段，火焰的形狀變化、空間取向變化、火焰的抖動以及火焰的分合等，具有自己獨特的變化規律；

4）閃動規律：火焰的閃動規律，即亮度在空間的分布隨時間變化的規律，火焰在燃燒過程中會按某種頻率閃爍。在數字圖像中就是灰度級直方圖隨時間的變化規律。

5 視頻序列的運動檢測

圖3 灰度化后火焰圖

圖4 二值化之后火焰圖像

圖5 邊緣檢測之后火焰圖像

視頻監控場景中多數物體在固定攝像機下所采集的視頻序列是靜止的，但火焰呈現的則是運動特性。

視頻監控中的運動檢測就是在視頻序列中不斷發現并提取運動目標，實時跟蹤它們并計算出其軌跡，為下一步特征分析等提供數據。

目前，目標檢測和提取算法分為幀間差法、背景差法、高斯模型法及光流法等。

運用OpencCV函數對火焰圖像進行灰度化處理，主要 函 數：gray=cvCreateImag(cvGetSize(m_image)，8，1）；cvCvColor(m_image，gray，CV_BGR2GRAY）效果如圖3。

進行二值化處理，加快處理速度并能將火焰與背景分開，主 要 函 數 ：cvThreshold(gray，gray，0，255，CV_THRESH_OTSU) 效果如圖4。

運用canny算法進行邊緣檢測，突出紋理信息，主要函數：cvCanny(gray，edge，(float)edge_thresh，(float)edge_thresh*3，3)效果如圖5。

6 結論

通過對實驗火焰視頻圖像的采集，運用OpenCV庫函數對圖像進行灰度化處理、二值化處理以及火焰的邊緣檢測，驗證了OpenCV庫函數在火焰圖像預處理、特征提取及邊緣檢測上的可行性和準確性，為后期判定火焰的存在打下良好基礎。

[1]劉瑞禎，于仕琪.OpenCV教程—基礎篇[M].北京：北京航空航天大學出版社，2007.

[2]宋衛國，范維澄，吳龍標.基于人工神經網絡的火災圖像探測方法[J].火災科學，1999，8(3)：61-67.

[3]吳標龍，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.