基于多空間顏色特征的火災檢測

張汝峰，高峰，項璟，郭寶軍，張松，馮鑫鑫

（1.滄州交通學院電子與電氣工程學院，河北滄州，061199；2.河北農業大學渤海學院，河北滄州，061100）

0 引言

火災不僅會危害人的生命和財產安全，而且還會造成社會環境污染和資源的破壞，如果發生火災并且無法及時撲滅，通常會導致慘痛的代價。火災檢測有助于及時發現火災并采取救援措施，當檢測到火災發生時，啟動報警裝置，并立即疏散人員撤離，可以減少人員的傷亡。隨著圖像處理的快速發展，利用圖像處理技術實現火災檢測成為了熱點研究方向。本文提出了一種基于多空間顏色特征的火災檢測算法，主要有圖像預處理、前景檢測、前景圖像去噪、火焰識別等步驟。

1 圖像預處理

采集的圖像會存在光照不均勻、陰影等噪聲，從而會降低圖像質量,影響后續檢測與識別的準確率。為準確實現火焰檢測，需要對采集到的圖像進行預處理，去除噪聲和提高圖像的質量。采集的圖像中大多數噪聲均屬于高斯噪聲，高斯濾波對這類噪聲去噪效果較好，因此采用高斯濾波進行去噪。高斯濾波是對整幅圖像進行加權平均，是由本身像素值和所有鄰域的像素值利用高斯函數計算而來的，相對于均值濾波，它的平滑效果更好，細節保留的更完整。為克服圖像光照不均勻問題，采用直方圖均衡化進行圖像增強，突出一些重要的圖像細節，從而改善圖像的質量。

2 前景檢測

由于火焰為動態目標，首先采用混合高斯背景建模檢測動態目標實現前景檢測，然后再對目標進行識別，判斷是否為火焰。混合高斯模型（GMM）是一種自適應的背景建模方法，對圖像中的各個像素點用N個正態分布曲線來表示。在檢測和識別過程中，將視頻圖像中的各個像素值與背景模型中的正態分布曲線進行匹配，如果圖像中的像素值與高斯分布中的正態分布曲線相匹配，該點為背景像素點；如果匹配沒有成功的，則為運動目標的像素點。當匹配成功時，利用匹配成功的高斯分布對當前的混合高斯模型進行更新，以此來提高檢測的準確率。當前幀圖像與背景圖像做差分，從而實現動態目標檢測。

3 火焰識別

通過前景檢測獲得動態目標，然后進行火焰識別，從而實現火災檢測。火災圖像中的火焰的顏色是一個非常顯著的特征，火焰的顏色特征是獨特的，不同的物質燃燒會產生不一樣的顏色，另外不同的環境也會產生不同的顏色，所以就需要一個特定的顏色特征模型。

在火焰檢測時可能會產生噪聲，這使得圖像中還可能含有一些獨立的噪聲點或不連通的區域。形態學圖像處理中開運算能去除圖像中的孤立點、毛刺，并且可以平滑圖像的邊緣，使斷續的區域連通起來，同時可以還保證目標的位置和整體形狀不變。首先對掩模圖像進行開運算，去除圖像中噪聲，然后進行連通域檢測，并根據火焰連通域大小，去除面積較小的區域，從而檢測出火焰區域輪廓。當視頻圖像中連續多幀檢測出火焰，則判斷發生火災。

4 火災檢測實驗

本檢測算法檢測結果受到等多種因素的影響，為探究這些因素對火焰檢測結果的影響，本文論文從多個場景進行了實驗分析。通過實驗本文算法能夠實現火焰區域的檢測，該系統對火災檢測的效果較好。檢測準確率都達到了90%左右，但是由于場景不同，復雜度高的場景檢測準確率較低，晚上和室內場景檢測準確率相對于較高。

如圖1為火焰檢測效果圖，圖1（a）為檢測前原圖像，圖1（b）為檢測后圖像，從圖中可以看出鏡面火焰影像也能被檢測出，系統性能較好，但不適應于有火焰影像的特定場景，應聯合溫度和煙霧傳感器提高火焰檢測的精確度。由于該模型是通過大量實驗總結而來的，在實際應用的時候，需要根據不同的環境，對各參數進行調整，從而提高準確率。

圖1 火焰檢測效果圖

5 結論

本算法首先對采集到的圖像進行預處理，去除圖像噪聲和增強圖像，采用高斯背景建模檢測圖像前景區域。并在兩種顏色空間中提取顏色特征模型，通過設置適合的閾值，提取出滿足閾值條件的火焰區域，進而獲得火焰區域的掩模圖像。然后對圖像做開運算操作，去除一些噪聲點及毛刺，使圖像變得平滑，從而實現火災檢測。經實驗驗證本算法具有較好的實時性、工程性和應用性。