基于MATLAB的火災(zāi)監(jiān)測系統(tǒng)設(shè)計

竇永梅，孫慧霞，周玲，師磊，陳日有，胡軍輝

（運城學(xué)院物理與電子工程系，山西 運城 044000）

0 引言

火災(zāi)監(jiān)測報警技術(shù)是預(yù)防火災(zāi)的重要手段。近年來，火災(zāi)發(fā)生的頻率高、覆蓋范圍廣，給人民群眾的生命財產(chǎn)和社會經(jīng)濟造成了巨大損失，已成為一種普遍且損害巨大的自然災(zāi)害。一旦引起火災(zāi)，火勢將迅速蔓延，煙霧濃毒性大，易造成人員傷亡，并且撲救火災(zāi)難度大，人員疏散困難。因此，如何實現(xiàn)對火災(zāi)的實時有效監(jiān)測已成為重點研究的課題。

根據(jù)所探測物理量的不同，傳統(tǒng)火災(zāi)探測器有感煙式、感溫式、感光式、和復(fù)合式等類型[1]，但是這些火災(zāi)探測器對于大空間的室內(nèi)場合和開闊的室外環(huán)境的火災(zāi)報警，探測結(jié)果受到很大影響，尤其在可靠性方面存在明顯不足。本文研究了基于MATLAB的火災(zāi)監(jiān)測方法，與傳統(tǒng)的火災(zāi)監(jiān)測技術(shù)相比，突破了空間的限制，能迅速獲得較準確的火災(zāi)監(jiān)測結(jié)果。

1 火災(zāi)火焰特征分析

1.1 火災(zāi)的特性

在火災(zāi)的初期，有兩個特征比較明顯：火焰特征和煙霧特征。分別對這兩個特征進行提取，作為圖像中是否發(fā)生火災(zāi)的判據(jù)，可獲得較為準確的監(jiān)測結(jié)果。

1.2 火焰特征

火焰的色彩特征在燃燒過程中比較明顯，紅色到黃色范圍內(nèi)的色彩居多。火災(zāi)發(fā)生時，火焰區(qū)域與背景圖像有明顯的視覺差異，火焰發(fā)光的現(xiàn)象在圖像中的表現(xiàn)為火焰的顏色偏紅并且與周圍的其它像素點相比亮度值明顯偏高，因此，在火災(zāi)的識別研究中通常利用火焰的顏色特征進行判斷。

1.3 RGB顏色模型

RGB顏色模型也稱為加色法混色模型。根據(jù)三基色原理，用基色光單位來表示光的量。在RGB顏色模型，任意色光F都可以用R、G、B三色不同分量的相加混合而成，表達式為F=r[R]+g[G]+b[B]。當三基色分量都為0時，F(xiàn)為黑色光；當三基色分量都為1時，F(xiàn)為白色光。RGB顏色模型幾乎包括了人類視力所能感知的所有顏色[2]。RGB顏色空間可以用如圖1所示的立方體來描述。F是這個立方體坐標中的一點，代表任一顏色，調(diào)整三色系數(shù)r、g、b中的任一系數(shù)值就會改變F的坐標值，從而改變其色值。

圖1 RGB 顏色模型

1.4 提取火焰圖像特征及分析

對火焰模型特征提取時，通過收集的火焰模型是以 RGB模型在計算機中存儲的，分析該模型非常有利于火焰特征的提取。現(xiàn)對搜集到的18幅包含火焰的圖像進行分析，圖像大約含像素點256.7萬個，其中火焰像素點約83.5萬個。另有不包含火焰的圖像8幅，圖像大約包含像素點117.8萬個[3]。將這些圖片中的火焰像素點顏色分布與強光、高溫等干擾源的像素點的顏色分布進行對比分析，RGB分量的分布圖像如圖2所示。

從圖2中可以看出，在RGB空間圖像上，火焰像素顏色具有以下特點。

首先，火焰像素點的顏色分布具有以下特征：

圖2 圖像RGB 顏色分布圖

圖3 火焰模型特征提取算法流程圖

根據(jù)圖中所示流程，從圖像的左上方像素點開始依次地向右處理，若右側(cè)沒有像素點則轉(zhuǎn)向下方，如此S型取法取遍此圖像中所有像素點，若60%的像素點滿足下式：

則此連通區(qū)域可判別為火焰[3]。

2 火災(zāi)煙霧特征分析

2.1 基準像素點的選取

2.2 空間距離的計算

在煙霧顏色模型中，需要將滿足α參數(shù)在[0,20]條件的像素點與基準點作比較，以此來確定HIS模型顏色距離的相似性。

設(shè)像素點y滿足要求，其HIS模型分量值色調(diào)、亮度、飽和度分別為h、i、s，設(shè)x、y兩點的距離為D，則

2.3 提取煙霧特征及分析

煙霧檢測算法流程如圖4所示。由于人類的視覺清晰度與HIS模型距離有一定的關(guān)聯(lián)，因而可以借用計算像素點與基準像素點之間的距離D來辨別所掃描的像素點是不是煙霧，當D≤0.2時，此圖像區(qū)域為煙霧。這是一種良好的煙霧顏色特征提取方法，煙霧的正確檢測可為火焰識別和預(yù)警提供有利的條件[3]。

圖4 煙霧模型特征提取算法流程圖

3 火災(zāi)監(jiān)測系統(tǒng)的實現(xiàn)

火災(zāi)監(jiān)測系統(tǒng)主要包括5個部分，分別為：圖像的讀取、實現(xiàn)火焰特征檢測、彩色圖像的灰度化、實現(xiàn)煙霧特征檢測、5種算子的邊緣檢測。

3.1 圖像讀取

利用MATLAB的read_images函數(shù)，read_images函數(shù)實現(xiàn)了交互選擇特定文件夾后，依次讀取該文件夾下的所有圖像，并把所有圖像保存在結(jié)構(gòu)體imgs_array中。文件夾中圖像如圖5所示。

圖5 火災(zāi)原始圖像

3.2 火焰檢測的實現(xiàn)

利用MATLAB的flame_detection函數(shù)，flame_detection函數(shù)實現(xiàn)了火焰特征檢測。利用公式（3）對兩幅RGB圖像進行火焰特征提取實驗，結(jié)果見圖6。從圖6可以看出，三幅RGB圖像的火焰模型特征圖與原始圖像中的火焰有很好的吻合性，能夠反映火焰的大小和形狀，說明上述討論的RGB分量之間的關(guān)系是正確的。

圖6 火焰模型特征提取結(jié)果圖

3.3 圖像灰度化預(yù)處理

利用MATLAB的RGBtoGray函數(shù)，RGBtoGray函數(shù)實現(xiàn)了將文件夾中原始火焰圖1彩色圖像進行灰度化處理的功能，并把所得圖像保存在結(jié)構(gòu)體Gray_Img中。分別應(yīng)用最大值法，平均法和加權(quán)平均值法對圖像進行處理，結(jié)果如圖7所示。從圖7可以看出，圖(a)的最大值法所造成的灰度圖像的亮度比其余幾個較高，圖(b)的平均值法則造成了較柔和的灰度圖像，圖(c)的加權(quán)平均值法形成比較舒適、視覺效果相當好的灰度圖像，所以加權(quán)平均值法具有很明顯的合理性。

圖7 圖像灰度化的結(jié)果圖

3.4 煙霧檢測的實現(xiàn)

利用MATLAB的frost_detection函數(shù)，frost_detection函數(shù)實現(xiàn)了煙霧特征檢測。煙霧特征圖如圖8所示。

圖8 煙霧特征提取算法結(jié)果圖

3.5 邊緣檢測

邊緣檢測對于圖像的特征提取非常關(guān)鍵。它是利用圖像相鄰像素點變化明顯的的區(qū)域來實現(xiàn)邊界的檢測，從而對圖像進行分割[2]。

利用MATLAB的operator5函數(shù)，operator5函數(shù)實現(xiàn)了利用5種邊緣檢測算子分別對原始火焰圖1進行圖像的邊緣檢測，并把所有邊緣檢測圖像保存在結(jié)構(gòu)體Gray_Imy中。邊緣檢測法是針對于圖像的邊界提出的，因為從某種意義上講，不同物體的邊緣就是各個區(qū)域的分界。邊緣檢測最通用的要領(lǐng)是檢測亮度值的不連續(xù)性。其中，方向和幅度是引起圖像邊緣呈現(xiàn)不連續(xù)特性的兩個主要因素。因此，邊界的這種特性可以通過數(shù)學(xué)上的求導(dǎo)檢測出來。經(jīng)典邊緣檢測算子結(jié)果圖如圖9所示。

比較檢測效果可以發(fā)現(xiàn)：Canny算子檢測結(jié)果要明顯超出其他算子結(jié)果好幾倍；Canny算子不僅能夠特別清晰地檢測出火災(zāi)的邊緣，而且還能顯示出最清晰的映射；Canny算子由于提取目標的輪廓效果良好，所以能夠?qū)崟r有效地將火災(zāi)火焰和火災(zāi)煙霧與背景干擾區(qū)分開。

3.6 小結(jié)

本章介紹了圖像的采集、讀取和灰度化預(yù)處理、色彩驗證、火焰檢測和煙霧檢測的基本理論，提出了一種結(jié)合火災(zāi)火焰特征和煙霧特征來進行判斷的數(shù)字圖像型火災(zāi)監(jiān)測算法。將此算法和傳統(tǒng)的基于五種算子的邊緣檢測算法提取火焰煙霧特征進行對比。MATLAB實驗結(jié)果表明，本文提出的火焰特征和煙霧特征提取算法具有優(yōu)越性，時效性更好，能夠?qū)崿F(xiàn)快速高效的監(jiān)測。

圖9 火焰圖像的經(jīng)典邊緣檢測算子結(jié)果圖

4 結(jié)論

本文主要研究了基于視頻序列圖像的火災(zāi)識別算法及其實現(xiàn)。通過對圖像進行分析、處理和識別，實現(xiàn)了火焰圖像和煙霧圖像的色彩特征檢測。主要研究成果有：

（1）對于室內(nèi)大空間和開闊的室外環(huán)境火災(zāi)進行了分析，設(shè)計了基于MATLAB的火災(zāi)監(jiān)測系統(tǒng)。

（2）掌握了分析火災(zāi)圖像的要領(lǐng)，如RGB模型、基準像素點的選取、邊緣檢測算子對圖像的邊緣檢測。

（3）用MATLAB進行仿真，并且對火焰和煙霧特征進行了分析，得出準確的識別方法。