基于圖像處理的森林火險檢測系統

楊雨卓

0 引言

目前森林火災是破壞森林的最主要的災害之一，影響很大。森林是各種珍禽異獸的家園，森林遭受火災后，會破壞野生動物賴以生存的環境。嚴重的森林火災不僅能引起水土流失，還會引起山洪爆發、泥石流等自然災害。因此，對森林火災盡早識別并預警，就能最大限度的降低損失。本森林火災檢測方法是在利用圖像處理技術對煙火普遍特性進行研究的基礎上，結合煙火區域火焰的顏色、面積、不規則度特征以及煙霧的顏色特征和動態特征而提出的。基本消除其他不利的影響，有效提高森林火災圖像的識別的準確度。除此之外，我們運用了多層檢測的方式，減少了系統處理分析的時間，提高了識別的速度。

圖1 火災識別流程

1 森林火險檢測系統流程

我們為了達到火險檢測的目的，我們采取從煙霧和火焰兩個方面進行檢測，設計了多層拓展識別的流程，靜態特征和動態特征相結合的識別檢測方式。方案的具體操作總體流程如圖1。該火險檢測系統的總體設計思想是：該首先獲取相機實時拍攝的圖像；然后對視頻圖像進行實時背景差動態判斷有無異常情況，如果連續的幾幀圖像發生了較大的變化，即判斷為有異常情況發生；下一步采取我們的檢測算法分別對圖像進行就火焰識別和煙霧識別，若圖像中有火焰（煙霧），系統就會輸出“1”，否則就輸出“0”；最后用我們多特征融合綜合判斷是否是火災，是的話則輸出“1”發出火災預警，從而完成整個森林火險檢測系統。

2 火焰檢測

森林火險檢測系統中火焰檢測部分的流程如圖2（左）所示：

圖2 火焰檢測（左）和煙霧檢測（右）流程圖

待檢測的圖像輸入后，開始需要進行圖像的初步的處理。圖像預處理過程一般包括有增強、濾波、細化幾個方面。接下來主要簡述的是火焰圖像的增強處理和濾波。

圖像增強主要指的是按照開發者的想法加強圖像中某部分，可以是某個具體的區域，也可以是符合相關限制條件的部分區域，并且淡化或消除某些不重要雜亂信息的處理方法。圖像增強主要包括了直方圖修改處理、圖像平滑處理、圖像尖銳化處理及彩色圖像處理等常見的處理方式。該系統我們運用幾種方法同步進行，目的是達到火焰圖像預期的增強效果。

在火焰圖像經過預處理后，下一步是進行火焰分割。在充足的自然光的條件下，我們采取顏色特征提取的方式，把疑似火焰區域從圖中給分割出來。在一般情況下，火焰雖然可能會有多種不同的顏色，但主要集中在暗紅色、紅色、橙色、黃色、白色、藍色這些顏色中。即使在不同的環境下火焰會呈現不同的顏色，但它常常會經過由紅過渡到黃的燃燒過程。此時圖像的RGB值符合R ≥ G ≥ B的關系。與此同時，我們采取轉換到HSI空間，進行多特征采取。在HSI空間中，火焰的色度值H通常在0～60度之間，此外，S滿足100，I滿足255。圖像中滿足以上四個條件的像素當作是火焰的候選區域。

火焰的顏色提取之后的圖像可能會存在噪聲，我們采用中值濾波進行去噪。

在(Y,Cr,Cb)空間中，火焰和其他相關物體有著明顯的區別。在二維的(Cr,Cb)空間里，火焰像素的分布接近正態分布，而其他物體則不具有該特性。所以我們采取將火焰圖像轉換到(Y,Cr,Cb)空間，對像素進行分析，將接近正態分布特性的區域提取出來。

也就是說，當檢測圖像在的二維的( Cr,Cb)空間滿足正態分布的時候，可以粗判定為火焰圖像。

經過火焰顏色特征粗判定后，下一步進行火焰的動態特征的判定，最終裁決是否為火焰。對于人類而言，形狀是我們判斷一個物體的重要特征。所以計算機對于圖像中物體形狀的分析也是非常有益的。根據圖形圖像的相關理論，我們獲取火焰圖像的動態特征，以此作為判斷的依據進行進一步的處理。我們運用了與物體形狀相關的兩個特性來作為我們火焰圖像的判斷依據。

A.不規則性

考慮到森林火災火焰形狀的不規則性和對我們的系統可能產生干擾的像光源（如手電筒，探照燈燈等）的形狀特征具有較高的規律性的特點，我們采取用不規則的程度作為判斷是否為火焰的依據。不規則度表征了物體形狀的不規則程度，其表達式如下：

我們定義周長為物體的邊界長度，可以通過火焰圖像候選區域邊界上像素的個數來獲得。面積通過統計所有可能煙霧區域像素點數獲得。候選圖像的形狀越復雜，其不規則度值越大。

獲取火焰候選圖像不規則度的具體步驟：

(1)對顏色分割得到的火焰候選圖像提取邊緣，算出邊緣上像素個數得到L。

(2)求出火焰圖像中疑似火焰區域的面積，即求出在上一步顏色分割中所有被置為黑色的像素總數S。

(3)求不規則度，并計算出連續n幀圖像的平均值。

B.擴散性

一般在火災發生后，火災面積會呈現不斷擴大的趨勢，過火面積會連續擴大，相應的相機探測到的火災區域面積也會逐漸增大。也就是說在我們獲得的圖像上高亮的區域也會持續的增長。因此，我們可以定義“k”表示后續疑似火焰區面積與先前疑似火焰區域的面積的比值來表征火災的擴散特性。在我們設定相應的參考時間內，k值越大，火災的擴散特性越強。

在火焰檢測部分，首先將拍的的圖像進行前期的預處理后，進行基于顏色特征篩選出火焰區域的候選圖像，然后再根據這些圖像的不規則性和擴散性做出是否為火焰區域的最終判定，然后將判定結果輸入給下一步。

3 煙霧檢測

森林火險檢測系統中火焰檢測部分的流程如圖2（右）所示：

同火焰檢測部分類似，輸入待檢測圖像后，首先也是進行圖像的預處理。我們采用直方圖修改，圖像平滑方法等多種方法聯合處理，達到煙霧圖像預期的增強效果。

顏色特征是表征圖像信息的基本特征之一，煙霧通常有幾種特定的顏色，比如白煙，灰白煙等。通過顏色分割部分，將圖像中具有煙霧特征的部分提取出來，在太陽光等自然光的照射下，火災煙霧一般都會呈現白色、黑色和灰色一種或多種顏色。經過多次實驗發現，在 RGB 顏色空間中，這些顏色的R、G、B 三分量大致相等。與此同時，由于燃燒環境，天氣情況和燃燒時間段的不同，煙霧的顏色亮度也會有所不同。

根據多次實驗得到，在 RGB 顏色空間中，煙霧顏色的R、G、B三者的值相差在15～20之間。將煙霧圖像轉換到HIS空間，我們將I分量符合100的區域當作是疑似煙霧區域。

綜合以上兩項靜態特征，對圖像進行分割，分割出疑似煙霧的區域，將結果給下一步進行處理。

在進行完顏色提取和分割后，我們對圖像進行中值濾波來去除噪聲。

經過煙霧等靜態特征粗判定后，下一步進行煙霧的動態特征的判定，最后綜合判斷圖像中是否出現了煙霧區域。和煙霧檢測相似，我們采取了擴散性和不規則性來作為我們火焰圖像的判斷依據。

A.不規則性

在前序步驟中檢測出來的疑似煙霧區域，由于算法的局限性，在火災背景中一些其他物體可能會被我們誤判成煙霧區域，為了排除這一現象，我們獲取煙霧圖像的不規則性來幫助我們進行判斷。

煙霧本身的形狀就非常不規則，加上風等的環境因素，煙霧可能會隨時流動。所以非常難對煙霧的形狀進行測量，我們和火焰檢測一樣，采取不規則度來衡量煙霧的變化。具體的計算方法如火焰檢測部分的公式（1）。

B.擴散性

煙霧有不斷隨空氣流動擴散的特性，因此我們可以通過檢測煙霧的擴散性，進行綜合判斷來排除靜止物產生的干擾。以此來提高我們的檢測準確率。

和之前表征火焰的擴散性k值相同，我們也用比值k來表示煙霧面積增長率。煙霧面積增長率一般大于火焰，我們可以大量的實驗資料獲取到這一關系，然后設置閾值來做出是否為煙霧最終的判斷。

最后整合火焰和煙霧的檢測結果，做出是否發出火災預警的決定以及輸出系統檢測到的具體信息，從而實現整個森林火災檢測系統。

4 結束語

本項目基于數字圖像處理的知識與理論完成了一個森林火險預測準確率高，誤報率較低的火險檢測系統。首先獲取相機拍的實時圖像，判斷幀間差，進一步采取火焰和煙霧的檢測識別雙判據的方法，最后綜合裁決是否為火災實現整個系統。不僅是森林環境下，在廚房和一些容易發生火災的工廠等地方，本系統都比較適用。本系統采取多特征多判據的判斷方式，其判斷的準確率較高，在一些拍的圖像較模糊，噪聲較大的情況下，依然能準確判斷。然而系統仍有一些不足，在一些特殊情況下如在大霧天氣下有大量紅葉的森林，系統可能會出現誤判的情況，這也為以后的學習提出了改進的方向。