森林防火四旋翼

朱泓宇　王麗芬　馬明濤

摘 要：現階段森林火災是一種危險性極高、災難范圍極廣、發生時間不可預知的一種災難，在火災發生前能盡早發現火災的具體位置是控制森林火災的重中之重，本次方案通過無人機與視覺識別深度學習的結合有效鎖定火源的具體位置，但是在無人機飛行過程中風速、高度、視覺范圍等原因會對視覺識別產生一定的影響，為此我們提出用OpenCV的RGB與HIS的結合判斷法在森林火災的防控中起到一定的防火作用，經過一定的實驗分析，功能比較穩定。

關鍵詞：森林防火;無人機;OpenCV

引言：

如今已經是21世紀，我國的科技水平不斷提升，人類文明發展不斷進步，但全球氣候的變暖導致森林火災的發生的情況越來越嚴重。全世界每年平均發生森林火災20多萬次，燒毀森林面積約占全世界森林總面積的1%以上。中國每年平均發生森林火災約1萬多次，燒毀森林幾十萬至上百萬公頃，約占全國森林面積的5～8%。森林火災不僅燒毀林木，減少森林面積，而且嚴重破壞森林結構和森林環境，導致森林生態系統失去平衡，森林生物量下降，生產力減弱，益獸益鳥減少，甚至造成人畜傷亡。

1.森林火災的特點：

森林火災是一種破壞力強、燃燒性快、控制難度大、傳播更加廣泛的一種自然災害，一旦發生，將會產生無法預估的后果。

1.1森林火災的成因：

產生森林火災的原因主要有兩方面：人為縱火與天然火災。

由于社會治安的逐步加強，人為縱火的情況已經越來越少，發生天然火災的情況越來越嚴重，火災一旦發生，火勢蔓延開來，人為救火更加微不足道。

1.2森林火災的種類：

（一）一般森林火災：受害森林面積在1公頃以下或者其他林地起火的，或者死亡1人以上3人以下的，或者重傷1人以上10人以下的;

（二）較大森林火災：受害森林面積在1公頃以上100公頃以下的，或者死亡3人以上10人以下的，或者重傷10人以上50人以下的;

（三）重大森林火災：受害森林面積在100公頃以上1000公頃以下的，或者死亡10人以上30人以下的，或者重傷50人以上100人以下的;

（四）特別重大森林火災：受害森林面積在1000公頃以上的，或者死亡30人以上的，或者重傷100人以上的。

2005年，西班牙和葡萄牙等地發生火災;2006年，加利西亞自治區發生火災;2007年，保加利亞和烏克蘭等地發生火災，防火形勢異常嚴峻，刻不容緩。

1.3防治森林火災的措施：

首先，加強法制宣傳教育。目前，加強森林防火的法制宣傳已經被世界各地所重視;其次，在力所能及的范圍內進行消防演練，防止火災發生時，造成人為不必要的損失。再次，采取森林防火帶加強防護，同時，加強林業人員對森林的巡查，可以采取地面巡查，瞭望臺巡查等方式。

1.4森林防火的圖像處理：

近幾年無人機逐步應用到各行各業中，本次設計方案主要是應用無人機進行檢測與巡查。無人機具有速度快，檢測視角廣闊，應用靈活的特點，故我們采用無人機進行防火監測。利用OpenCV的強大的圖像處理庫，直接將圖像分離為RGB三通道，設置條件限制，找到火焰的像素位置，將原圖處理成二值圖像。對于火焰檢測，主要結合RGB判據和HIS判據，設定合適的閾值條件，檢測出火焰對應像素的區域，將原圖二值化，經過中值濾波以及數學形態學的膨脹運算等圖像處理，消除一些噪聲及離散點，連通一些遺漏的區域?；贠penCV的開源庫，在VS平臺上，實現了火焰的檢測。通過對圖像的處理分析，采取相應的防護措施。

2.OpenCV算法：

OpenCV是一個基于BSD許可（開源）發行的跨平臺計算機視覺庫，實現了圖像處理和計算機視覺方面的很多通用算法。

對火焰的識別如步驟如下：

直接對圖像中的內容進行處理，將圖像中的內容分離為RGB三通道，設置一定的條件限制，從而找到火焰的像素的位置，將圖像進行二值化處理，并將RGB判斷與HIS判斷結合，來分割火焰的位置。人眼看到的顏色模型一般都是RGB模型，火焰的R和G的分量會很大，且G會大于B。HIS顏色模型分別用色度、飽和度、亮度來描述顏色的特征。考慮到單一顏色模型的判斷性可能不夠高，所以采用RGB判斷和HIS判斷結合的方法。判斷方法如下：

rule1：R≥G≥B

rule2：R≥RT

rule3：S≥（（255-R）*ST/RT）

其中，Rt為紅色分量閾值，St為飽和度閾值，火焰像素主要取決于紅色分量（R）的色度和飽和度。若滿足式上式，則判斷該位置為火焰像素，顯示為白色，否則顯示為黑色。判據中閾值的選擇對于火焰檢測是至關重要的，一般靠經驗設定，為了獲取火焰識別最好的效果，設置兩個滑動條，改變閾值Rt和St的大小，選取最合適的值。由于上式中只需用到HIS中的S分量，所以不需要用到顏色模型轉換函數，直接計算S分量即可。

獲取二值圖像后，需要對其預處理，找到遺漏的點，去除異常的點。因為有噪音的存在以及離散點，對圖像進行平滑濾波，用像素點鄰域灰度值的中值來代替該像素點的灰度值，非常利于消除一些誤判斷為火焰的像素點。由于部分火焰的顏色不是介于紅黃之間，無法識別，需要實現區域的連通，因此對二值圖像進行數學形態學操作。編寫CheckColor函數，將以上3個功能實現。為了表示出視頻中火焰的區域，在預處理過后，將火焰輪廓用矩形框標記，編寫了畫矩形框的函數DrawFire，其中使用了OpenCV的尋找輪廓的函數findContours，由于作業中test2的火焰位置是分散在不同地方的，所以對整張圖像進行區域的劃分，分別用不同矩形標記不同區域出現的火焰采用RGB判據和HIS判據結合的方法，按照經驗法和不斷地調試，選擇合適的閾值，基于OpenCV在VS上實現算法，從實驗結果可以看出，在背景比較單調且與火焰差別較大時，效果良好，幾乎沒有任何噪聲對其造成干擾。但背景復雜或與火焰顏色比較相似時，會不時出現噪聲和誤判，需要進一步提高算法。

3.實驗結果與分析：

采用RGB判據和HIS判據結合的方法，按照經驗法和不斷地調試，選擇合適的閾值，基于OpenCV在VS上實現算法，從test1實驗結果可以看出，在背景比較單調且與火焰差別較大時，效果良好，幾乎沒有任何噪聲對其造成干擾。但背景復雜或與火焰顏色比較相似時，會不時出現噪聲和誤判，需要進一步提高算法。

4.結論：

經過理論的分析和實驗的驗證，OpenCV能夠有效的分析出圖像中的火源特征點，進行良好的火源點匹配，雖然還存在一定的不足，但是該算法在森林火勢火源圖像定位方面具有廣闊的應用前景。

參考文獻：

[1]2018.12.05 李國仁 《基于視覺的四旋翼無人機目標跟蹤研究》;

[2]2018.09.05 趙偉 《無人機森林防火系統的火災圖像識別仿真》;

[3]2016.01.15 陸旭明 《基于OpenCV圖像處理的火焰檢測設計》。

作者簡介：

朱泓宇（1998—），男，本科，吉林農業科技學院電氣與信息工程學院學生，主要研究方向：電子信息科學與技術

王麗芬（1976—），女，軟件工程，碩士。馬明濤（1972-），男，電子信息科學與技術，碩士。

*課題項目：本論文源自于大學生科技創新訓練計劃項目“防火無人機”（項目編號：吉農院合字【2019】第086號）。