一種室內火災檢測技術研究

郭明偉,劉國巍

(安徽理工大學，安徽 淮南 232000)

1 引言

隨著社會經(jīng)濟和技術的不斷發(fā)展，采用機器視覺的技術檢測火災得到了廣泛的應用，如今視頻監(jiān)控系統(tǒng)遍布高校的各個角落，利用現(xiàn)有的視頻監(jiān)控系統(tǒng)實現(xiàn)火災檢測，不僅能夠降低成本，而且還能提高檢測火災的能力。與傳統(tǒng)的采用傳感器檢測火災相比而言，具有實時、直觀、便捷等諸多優(yōu)點，尤其在查詢火災發(fā)生的原因及責任歸屬上有著極其顯著的作用。本文以實驗室火災為研究對象，通過檢測火災發(fā)生初期火災產(chǎn)生的火焰，為后續(xù)實驗室是否發(fā)生火災提供數(shù)據(jù)信息支持。為火災發(fā)生提供了預警，同時也能避免火災給實驗室巨大的損失。

2 火災檢測總體思路

本次設計通過視頻監(jiān)控的攝像頭獲取圖像，將獲得的圖像傳輸至PC端進行處理，PC端對視頻圖像的讀取及預處理將圖像轉化為灰度圖像，當在圖像檢測到有疑似目標時，對疑似區(qū)域進行分割，通過對火焰的特征進行分析與匹配，最后用分類器設計將我們的火焰特征融合對我們獲取到的火焰目標進行識別?；鹧鏅z測總體流程如圖1所示。

在對實驗室的火災檢測中，首先要獲取攝像頭中的圖像信息并傳輸?shù)轿覀兊腜C端，然后對圖像進行預處理，在檢測過程中，圖像背景的選取并且更新是極其重要的，直接決定了目標檢測的準確性[1]。在實驗室中環(huán)境復雜，可能會受到其他照明設備的影響。本文采用多幀平均值法和統(tǒng)計直方圖法相結合的方法提取圖像背景，不但工作量減少，計算簡單，同時也減少了計算機資源的占用。算法流程圖如圖2所示。

PC端對視頻的處理是一幀一幀進行處理的，當背景提取結束后需要對背景進行選擇更新。對于不同的場景有不同的背景更新方法，中值訓練法原理簡單易懂，但對背景的更新效率低，不能實現(xiàn)實時更新[2]。IIR濾波更新算法更新速度快，但難以適用實驗室這種復雜的環(huán)境，基于本試驗場景。本文選擇基于塊穩(wěn)定性的背景選擇更新算法。

圖1 火焰檢測流程

圖2 背景提取算法流程

該算法與其他算法相比，抗干擾性明顯提高，消耗時間更少，更新效果也顯著提高,并且能夠很好的滿足對背景更新的實施需求。通過對圖像背景的選取及更新，當檢測到疑似目標區(qū)域時，將目標區(qū)域分割出來，這也是實現(xiàn)識別和分析火焰目標的基礎。要想準確的檢測出火焰目標，運動目標區(qū)域的提取準確性格外重要。采用背景差分法，以塊為單位，以已經(jīng)提取的背景幀圖像與當前幀圖像對比，計算兩幅圖像對應像素差的絕對值之和，即SAD。

(1)

(2)

式中Fi(x,y)時當前幀圖像中像素點(x,y)處的灰度值，Bi(x,y)為背景圖像中該點的灰度值，Di(x,y)為二值化圖像中該點的灰度值。

3 煙霧檢測

火災剛發(fā)生的時候，煙霧比較小，然后慢慢擴大并向周圍擴散，在視頻圖像中表現(xiàn)就是一開始沒有，到有，再到后來逐漸迅速增大的過程，并且煙霧在擴散的過程中形狀不一。通過前期對視頻圖像的預處理和運動目標分割，根據(jù)煙霧的特性選取煙霧的形狀不規(guī)則特征和面積擴散特征進行檢測煙霧[4]。

3.1 煙霧的形狀不規(guī)則特征

煙霧在擴散的過程中形狀是不斷變化的，沒有統(tǒng)一的形狀，所以可以利用煙霧輪廓形狀不規(guī)則的特征來進行檢測[5]。當邊緣輪廓規(guī)則的圖形面積與不規(guī)則的面積相等時，規(guī)則圖形的面積比不規(guī)則的要小，不規(guī)則圖形的周長比規(guī)則圖形要長，如圖3所示。

圖3 不規(guī)則圖形檢測原理示意

通過對目標區(qū)域的邊緣長度和輪廓區(qū)域內的面積關系進行定量計算分析來表示目標區(qū)域輪廓復雜度，其計算表達式為：

Perimeter=a×Areab

(3)

式(3)中,Perimeter為區(qū)域外圍輪廓長度，Area為外圍輪廓所圍面積，a,b分別為區(qū)域外圍長度和內圍面積的關系指數(shù)。

3.2 煙霧面積擴散特征

如同煙霧的不規(guī)則形狀特征一樣，在煙霧擴散的時候，煙霧的形狀面積都是不斷變化的，在視頻中顯示為從無到有，再到迅速增大的過程，利用這個特征可以排除不相關的干擾物[6]。采用目標區(qū)域的面積增長率對目標區(qū)域進行檢測，其定義式如(4)所示：

(4)

式(2)中,n表示迭代的次數(shù)，D1,D2為擴散度閾值。

4 火焰檢測

火焰特征的選擇與提取關乎到火焰檢測的準確性，也是當前目標識別領域的重要問題，選取的特征應是火焰特有的特征。包括火焰的面積變化特征和閃爍頻率特征等等。在燃燒過程中火焰的面積變化是最顯著的特征?；鹧娴拈W爍通常具有一定的頻率性，這是區(qū)分干擾物的顯著特征[3]。

4.1 火焰面積變化特征

火焰的面積變化率體現(xiàn)在相鄰t幀圖像中像素點的變化，設火焰的面積變化率為Ak，相鄰的t幀圖像為Ik,Ik+Δt,兩幀圖像的像素點總數(shù)分別為Nk,Nk+Δt,公式如下：

(5)

式(5)中,k表示第k幀圖像，Δt表示相鄰t幀。

4.2 火焰的閃爍頻率特征

火焰在燃燒的過程中，像素點的分布由火焰閃爍的頻率來決定，根據(jù)相鄰時刻圖像中疑似目標區(qū)域的面積變化來進行處理分析，將Sn、Sn+1、Sn+2指定為連續(xù)的三幀圖像，表達式如下所示：

(6)

當計數(shù)器SC大于設定的閾值T時，則表示火焰目標疑似區(qū)域符合面積振蕩特征將其保留，反之，將其去除。

5 火焰目標識別分類器設計

通過提取分析火焰和煙霧的特征，將這幾個特征集中訓練，其中的弱分類器經(jīng)過反復多次疊加訓練后會組成一個強分類器。在將弱分類器融合成強分類器時，根據(jù)每個弱分類器的權重的異同，通過訓練，記錄每個訓練樣本效率，然后進行設定，再進行不斷的訓練，將決策分類器作為最終判別依據(jù)[1]。

分類器示意圖如圖4所示。

圖4 分類器設計示意

左側條形圖用不同的寬度表示權重不同，三角形內為每個特征的權值，最后將每個弱分類器加權輸出求和，產(chǎn)生最終的決策分類器。通過分類器設計將三個弱特征迭代訓練擬合成強特征進行檢測識別，提高了檢測的精度[7]。

6 結語

本次設計采用視頻監(jiān)控的方式，通過PC端對獲取的圖像進行處理，對圖像進行背景、更新和運動目標的分割，對提取火焰的圓形度特征、閃爍頻率特征和面積變化特征和煙霧的不規(guī)則形狀特征和面積擴散特征進行分析，通過分類器設計將特征進行迭代訓練擬合成強特征對目標區(qū)域檢測識別。相比傳統(tǒng)的視頻檢測方式，此方法綜合了火焰和煙霧的特征，使得檢測精確率大大提高，也提高了火災檢測的準確性，并且能夠在視頻圖像中準確地提取出火焰和煙霧的位置，滿足了可靠性、實時性和實用性這些要求，對高校實驗室的預警提供可靠的數(shù)據(jù)信息支持，同時也有著重大的參考價值。