火焰特征提取研究在火災探測中的運用

沐小會，陳嘉卿，宋英磊

（江蘇科技大學　電子信息學院，江蘇 鎮江 212003）

火焰特征提取研究在火災探測中的運用

沐小會，陳嘉卿，宋英磊

（江蘇科技大學電子信息學院，江蘇 鎮江 212003）

基于常用的火災探測方法中都是使用單一特征，對火災的圖像進行判別，這一技術在復雜的場所中并不能有效地去除干擾源，從而出現誤報、漏報等問題，提高火災探測的有效性和準確性的目的。在對火焰的顏色模型、顏色特征和形狀特征進行研究的基礎上，采用數字圖像處理等方法，通過提取火焰的一階顏色矩和圓形度等多種特征，并且經過支持向量機分類器進行分類，從而對火災火焰和干擾源進行判別的試驗，得出這一方法可以很好的排除干擾源信息，探測率高，可靠性好的結論。

顏色模型；數字圖像處理；火焰特征；支持向量機

火災危害著人類的生命財產的安全，屬于非常嚴重的災害之一，所以，火災探測的研究就顯得尤為重要。目前，像感煙、感光等傳統的火災探測器，雖然比較成熟，但是在火災中，容易受到周圍環境的影響，給火災探測識別造成一定的難度，從而出現誤報、漏報等問題。用圖形處理技術提取火災火焰的圖像特征，可以解決這個問題。幾年來，國內外對火災識別系統進行了研究，火災火焰圖像的特征模型也得到了相應的研究和完善，使火災識別技術也在不斷地發展[1-7]。

目前基于圖像型火災探測技術還是不能有效地消除干擾，從而出現一定程度的漏報和誤報的情況的發生。本文以現有的研究為基礎，結合圖像處理技術，融合多個圖像特征，并采用支持向量機（Support Vector Machine，SVM）分類器判別，以期能夠有效的提高火災探測的準確率和可靠性。

1　疑似火災區域的檢測

由于監控場景中多數物體在攝像機中都是以圖片的形式存在的，所以采用顏色模型（Red、Green、Blue）可以有效的去除非火焰的部分，從而有效的提取出目標。

圖像是彩色圖像，屬于顏色空間，但是由于色度（Hue）、飽和度（Saturation）和亮度（Intensity）即HSI[8]顏色空間比較適合人們對于視覺的感知，其中色度表示不同的顏色，飽和度表示顏色的深淺，亮度表示顏色的強度，所以由轉化成轉換關系[9]:

HSI顏色空間有兩個特點[10]：1）圖像彩色信息量與I分量毫無關系；2）人類感覺顏色的方式H與S分量和分量緊密相連。這使得HSI顏色模型適合基于顏色感知特性來進行圖像處理分析。

RGB-HSI顏色模型將RGB模型中的R、G、B分量和HSI模型中的S分量結合起來設定火焰區域的條件，這種模型能夠很好的將火焰部分識別出來。如圖1。

圖1　RGB-HIS顏色模型提取目標

2　火災火焰特征提

2.1火災火焰的顏色矩

直方圖、顏色矩、色彩聚合矢量等都是用來描述圖像的顏色特征，選用顏色矩這種方法，其主要是用圖像中中顏色的距來描述顏色的存在狀態。利用火焰圖像的低階顏色矩就能夠描述顏色的存在狀態，因為圖像的顏色分布主要集中在低階矩。圖像的低階顏色矩分別表示圖像的均顏色、標準方差以及二次根非對稱性，其表達式為[11]：

其中，N代表的是圖像的總像素集合，H（Pi）代表的是在HSI色彩空間中，圖像P的像素點i的H分量值。

計算目標區域的一階、二階和三階顏色矩，作為一個判別是否有火災的重要判據。

通過計算火災圖像、蠟燭火焰和白熾燈等干擾物圖像的一階顏色矩，如圖2。

圖2　火災火焰和干擾物的一階顏色矩

從圖2中可以看出，火災火焰圖像的一階顏色矩與其他的干擾物有著明顯的區別，但是與蠟燭有一部分還是比較近的，所以火災火焰圖像的一階顏色矩可以判別一部分干擾物。當然只靠顏色矩是不能完全判別的，需要與其他的特征判據進行融合，所以要結合其他火焰特征。

2.2火災火焰的圓形度

物體形狀的復雜程度的一個特征量就是圓形度。火災火焰的形狀相對于干擾物（如蠟燭火焰、照明燈等）則顯得不是那么有規律，所以圓形度可以作為火災火焰識別的另一個重要的判據。圓形度是圖元面積和周長之比，其表達式為：

其中，Ai，Pi，Mi分別是第i個圖元的面積、周長、圓形度，n是圖像中圖元的個數。周長為物體的邊界長度，從邊界鏈碼中得到。垂直和水平的步長為單位長度，對角步長的長度為，兩個直角步長還原成一個對角步長，其步長也是。按上述規則遍歷邊界鏈碼，就可以算出邊界長度。面積通過統計亮點數獲得。物體的形狀越復雜，圓形度越大。

通過計算火災圖像以及蠟燭火焰和白熾燈等干擾物圖像的圓形度，如圖3。

圖3　火災火焰和干擾物的圓形度

由圖3可以知道，火災火焰圖像的圓形度變化幅度比較大，相對不集中，而干擾物圖像的圓形度則相對比較集中，所以它作為早期火災火焰的判據是十分有效的。

3　實驗結果

本實驗分別選取了60幅早期火災圖像和干擾源圖像進行測試，圖像經由顏色模型對目標區域進行分割，提取分割后的圖像的一階顏色矩和圓形度。將其中40組作為訓練樣本的輸入，輸出分類為1和2（分別表示火災和干擾源），來訓練支持向量機分類器。另外80組作為檢測數據，從而來判別該方法的識別率和可靠性。實驗結果如圖4。

圖4　火災和干擾源的識別

圖中，圓圈表示實際火災與干擾源的判別，星號表示分類器的判決結果，由圖中可以看出，火災和干擾源的識別率還是非常準確的。實驗數據表明，整體的識別率是93.75%，其中火災的識別率是87.5%，干擾源的識別率是100%，由于早期火焰過小，導致火焰的判據效果相對不是很高。

4　結　論

火災火焰的圖像特征比較獨特，尤其在火焰的顏色特征、形狀特征、紋理特征等，通過對這些特征的分析和提取，可以有效的實現火焰的識別。文中利用火焰的顏色矩和圓形度的性質，運用分類器的知識，通過對120幅火焰圖像和干擾源圖像進行比較和判別，結果表明該算法可以很好的將早期火災火焰識別出來。

[1]CHENG X F，WU J H，YUAN X，et al.Principles for a video fire detection system[J].Fire Safety Journal，1999，33（1）:57-69.

[2]NODA S，UEDA K.Fire detection in tunnels using an image processing method[C]//In:Proceedings of Vehicle Navigation and Information Systems Conference，Japan，1994:57-62．

[3]CHEN T H，WU P H，CHIOU Y C.An early fire-detection method based on image processing[C]//In:Proceedings of IEEE International Conference on Image Processing，Singapore，2004:1707-1710．

[4]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，1997，6（2）:60-66.

[5]CHEN T，YUAN H Y，SU G F，et al.Automatic fire searching and suppression system for large spaces［J］.Fire Safety Journal，2004，39（4）:297-307．

[6]LI J，FONG N K，CHOW W K，et al.The motion analysis of fire video images based on moment features and flicker frequency[J].Journal of Marine Science and Application，2004，3（1）:81-86．

[7]CELIK T，DEMIREL H，OZKARAMANLI H，et al．Fire Detection using Statistical Color Model in Video Sequences[J].Journal of Visual Communication&Image Representation，2007（18）:176-185．

[8]范立南，韓曉微，徐心和．基于HSI空間彩色圖像多結構元形態邊緣檢測[J].工程圖學學報，2005，26（2）:110-113．

[9]劉亮亮．基于視頻監控的火災圖像識別研究[D].北京，華北電力大學，2007．

[10]章毓晉.圖像處理與分析[M].北京：清華大學出版社，2001.

[11]李弼程，彭天強，彭波.智能圖像處理技術[M].北京:電子工業出版社，2004.

Fire detection based on the research of flame feature extraction

MU Xiao-hui，CHEN Jia-qing，SONG Ying-lei
（College of Electronics and Information，Jiangsu University of Science and Technology，Zhenjiang 212003，China）

Since most video based fire detection techniques use a single feature for fire detection，interference in complex fire conditions cannot be effectively removed，which may severely affect the accuracy of detection.A new video flame detection algorithm using multi-feature fusion method is developed in this paper.The color and morphological features of fire flames，including the first order color moments of the flame and circular degree，are analyzed in detail.A support vector machine（SVM）based classifier is then used to process the features and recognize fire flames from video images that may contain interference sources.From the testing results，it can be seen that the method can effectively remove interference information，and thus have high detection rate and good reliability.

color model；digital image processing；flame features；Support Vector Machine（SVM）

TN02

A

1674－6236（2016）21-0188-03

2015-11-10稿件編號：201511094

江蘇科技大學博士科研啟動基金資助項目（635301202）

沐小會（1989—），女，江蘇高郵人，碩士研究生。研究方向：圖像處理，火災探測。