基于圖像處理的火焰識別系統

董鵬坤，楊賽楠，張詩薈，賈天雷，陳 濤

（河北北方學院 信息科學與工程學院，河北 張家口 075000）

0 引言

隨著科學技術的飛速發展，人們對火災處理的相關技術給予高度重視，本文基于對火焰識別的視覺特征進行分析，研究火焰區域分割的具體方法，在此基礎上建立相關分層模型，進一步推動基于圖像處理的火焰識別系統的建立和完善。在建立火焰識別系統的過程中，需要利用多種運動目標檢測技術進行區域分割，并進行圖像二值化處理，根據顏色特征對象素進行分類，以便排除其他非關鍵因素的干擾，降低火焰識別系統的誤報率，從而提高系統精度。完成區域分割等初步處理步驟之后，還需要進一步利用圖像處理技術進行火焰區域的特征提取，通過多種操作及計算過程對獲取的圖像進行灰度形態學處理，再進行面積、角點等要素的提取，最終實現火焰位置標定，促成火焰識別系統的完善。

1 火焰識別系統的視覺特征及分析方法

1.1 火焰識別的視覺特征

基于圖像處理的火焰識別技術通常是根據火焰的視覺特征進行識別，火焰的視覺特征通常可以分為靜態特征和動態特征兩大類。靜態特征一般包括較為直觀的顏色特征和紋理特征，二者之中最明顯的特征當屬顏色特征。火焰的顏色通常與溫度、可燃物、燃燒程度、光照強度等因素有直接關聯，通過對顏色特征進行初步分析可以了解火焰的基本情況。在建立火焰像素顏色模型時，需要綜合考慮影響火焰顏色的各種客觀要素，通過算法導入所要建立的模型中，以便后續調取并研究火焰基本要素。火焰的紋理特征相較于顏色特征來說不易觀察，同時與顏色特征密切相關，通常指的是火焰由內而外所表現出來的不同顏色值，通過對紋理特征的觀察和研究，研究者可以計算與火焰相關的諸多物理參數，這對顏色模型的建立也有重要輔助作用［1］。火焰的動態特征相對來說更為復雜，但卻是進行火焰識別的重要手段。受到空氣流動的影響，火焰通常會表現出隨機運動及具有固定閃爍頻率的特性，這有助于對火焰進行準確識別，將其與一般的動態目標區分開來。

1.2 特征分類方法

從不同角度看待火焰的視覺特征，依據不同的標準及火焰所表現出來的特性通常有多種不同的分類方法，其中應用最廣泛的一種分類方法就是閾值分類法，又稱為基于規則的分類法。該方法的分類依據是針對火焰所表現出來的每個動態特征，設置一個固定的閾值作為提取過程的主要約束條件，如果所要提取的圖像要素滿足該閾值的約束條件，則初步判定所研究區域為真實的火焰。這種方法操作簡便，又與火焰本身具有的特征緊密相關，能夠快速識別火焰，準確性較高。此外，對于具有多種特征、多種傳感器融合而成的火焰識別系統，通常需要結合火焰所表現出來的各種特征進行綜合分析，確保能夠對同一事物進行準確而全面的判斷，使得所建立的火焰識別系統更加精準地識別出具體的研究對象。其中，在進行多種傳感器融合過程中，所用的數據融合方法主要有引入神經網絡分類法、貝葉斯網絡分類法及支持向量機分類法等，要根據實際操作情況及數據融合的特點，選擇最優化、最適合的數據融合方式，確保火焰識別系統的精準性、高效性。

1.3 火焰識別算法的分層模型

基于圖像處理的火焰識別系統采用的火焰識別算法的核心理念是利用運動目標檢測技術提取火焰的主要運動區域，在提取完成后，根據火焰所表現出來的顏色特征進一步分割運動檢測結果，并剔除影響結果分析的非火焰運動干擾物，從而得到更精準、無關影響因素更少的目標研究區域，又稱為可疑區域；在完成可疑區域的初步提取后再針對該區域進行特征參數的提取，在識別與分類階段把獲取的特征參數與火焰的視覺特征進行詳細比對和分析，從而實現對火焰的準確判斷，在此基礎上建立算法的分層模型。算法的分層模型通常包括輸入層、目標分割層、特征提取層、決策與分類層、結果輸出層等，在輸入層需要輸入獲得的視頻圖像序列，運用幀差法、背景差法等對輸入的目標進行分割，然后提取以顏色特征為主的火焰靜態特征及其他動態特征，并進行初步處理，再傳送到決策與分類層進行進一步處理及數據融合，最后在結果輸出層進行火焰確認。根據這個算法的分層模型，能夠更加科學有序地進行火焰識別系統的建設。

2 火焰識別系統中的區域分割

在所獲得的圖像資料中，靜止的目標通常難以進行火焰識別，需要分析運動目標相鄰幀間的變化情況用于火焰確認。一般情況下，在進行運動目標檢測過程中常用的方法有背景差分法、幀差法及光流法等。

2.1 背景差分法

背景差分法通常指的是通過計算當前幀同背景幀之間的差值，從而實現對運動目標的檢測的方法，計算公式如下：

公式（1）中，I（x，y）表示當前幀的坐標，B（x，y）表示背景幀的參數［2］，將兩者數據輸入計算機視覺庫中進行仿真比對，所得結果如圖1所示。

圖1 背景差分法

根據圖1可知，運用背景差分法能夠較為完整地將目標運動區域提取出來進行下一步操作，但是由于該結果是在理想條件下得出的，在實際的應用中光線的變化、其他物體運動的干擾及系統噪聲等外界條件都會對實驗結果產生干擾，所以需要采取相應手段盡可能消除干擾因素帶來的不利影響。

2.2 幀差法

幀差法又稱為時間差分法，是獲取視頻序列中相鄰兩幀的圖像差值從而進行目標提取的方法，該方法操作簡單快捷、易于實現、實時性強，無需復雜的建模過程，易于編程實現，是當前在運動目標檢測中運用最廣泛的方法。由于相鄰兩針之間的時間間隔很短，火焰光線的變化在這期間不會產生明顯差別，能夠具有更加明顯的分割效果，在常規的實驗研究中，研究者通常都會采用幀差法進行火焰運動區域的檢測。

3 圖像的二值化

在進行運動目標檢測之后，還必須對所獲得的結果進行閾值處理，將檢測結果分割為背景點和前景目標，使得像素值只剩0和255兩種，從而降低運算過程的復雜程度。圖像二值化的過程見公式（2），如果當前像素的亮度值大于閾值，則認為其為前景目標，將它的值設置為255；反之，則將其認定為背景點，將它的值設置為0。

公式（2）中，k表示第k幀圖像，Dk（x，y）表示當前像素點（x，y）的亮度值，Tk（x，y）表示最后的處理結果，Tk則表示在實驗過程中設定的閾值［3］。從該公式（2）中可以看出，二值化處理結果的好壞通常取決于閾值的選取是否合理，如果選取的閾值過大，則可能提取太多無關緊要的目標，如果選取的閾值過小，則容易導致太多有價值的目標丟失。火焰通常都是在劇烈變化的，每一幀之間都會有明顯差別，因而不能使用固定閾值，應當根據火焰圖像的亮度值變化采用自適應閾值，計算最佳的閾值，以便能夠得到理想的、符合實驗要求的分割效果，最終獲得的處理結果如圖2所示。

圖2 二值化處理結果

4 基于顏色特征的像素分類

在RGB色彩模式中，3個色彩通道都包含大量的亮度信息，這就說明在顏色分割過程中所受到的光照影響較大，進行圖像特征提取時應當基于灰度圖像進行操作，進行灰度圖像轉換時需要經過嚴密的換算過程。在Y′CbCr色彩空間中，亮度信息與色差信息之間是相互分離的，在建立火焰的顏色模型可以忽略亮度的影響，利用火焰的顏色信息對所獲取的像素進行分類之后，可以將亮度信號Y提取出來構成灰度圖像，以此作為后續算法所需的輸入信號，并舍棄Cb及Cr兩種色差信號，節省顏色空間轉換所消耗的時間及系統存儲資源。因此，基于以上考慮，選取Y′CbCr色彩空間更合適。在實際操作過程中，可根據公式（3）對像素進行分類。

公式（3）中，Y（x，y）、Cb（x，y）、Cr（x，y）分別代表坐標為（x，y）的像素點的亮度分量、藍色差分量及紅色差分量的值。如果一個像素的色彩分量值能夠同時滿足Y（x，y）＞Cb（x，y）且 Cr（x，y）＞Cb（x，y），則認為其疑似火焰，保持其像素值不便，否則置為黑色［4］。

經過上述操作，系統能夠獲取一處非火焰運動區域，得到疑似火焰區域，這一區域中除了有火焰目標，還可能有移動光源，如車燈，還可能有因顏色相似而被誤認為是火焰的非火焰目標，比如穿紅色衣服的行人及紅色外觀的其他東西，這些因素依舊會對火焰識別造成干擾，還必須結合火焰的其他特征排除干擾，降低系統誤報率。

5 基于圖像處理的火焰區域特征提取

5.1 灰度形態學處理

在對所獲得的火焰區域進行特征提取之前，需要對圖像進行腐蝕及膨脹處理，以便去除其中的毛刺并對圖像中存在的一些細小空洞進行填補，從而避免圖像噪聲影響特征提取的結果。對于已經進行過二值化處理的圖像，腐蝕過程可以看做是圖像上的結構元素原點依次與目標點進行重合的過程，如果結構元素點能夠包含于目標點范圍內則進行保留，否則將其移除。經過腐蝕操作，可以有效去除結構元素中所包含的噪聲點，分隔開具有細小連接的兩個物體，提高實驗精度。膨脹運算與腐蝕運算類似，是對原二值圖像中的空洞點進行填補，增大前景目標的輪廓，降低圖像噪聲帶來的影響。腐蝕與膨脹二者并不是一對逆運算，其操作順序不同會帶來不同的效果，通常將先腐蝕運算后膨脹運算稱為開運算，而將先膨脹再腐蝕的過程稱為閉運算。對圖像進行開運算操作，可以有效消除圖像中孤立的噪聲點，切斷其中的微小連接，在不改變原有圖像面積的基礎上平滑目標較大目標的邊界，從而減少實驗誤差。

5.2 火焰區域特征提取

在對目標火焰區域進行特征提取時，主要提取的要素是面積特征和角點特征。火焰的動態特征在面積上會表現出明顯的不同，失控的火焰面積隨時間的延長變化更大，而受控的火焰面積相對比較穩定，隨時間的變化率較小。根據面積變化特征，可以對這兩種火焰進行有效識別。在實驗過程中使用的圖像傳感器通常都是平面傳感器，系統一般情況下會將火焰區域面積變化率作為識別判據之一。設系統采集到的第k幀和第k+1幀的火焰面積分別為Sk，Sk+1，則面積變化率［5］：

但是，進行整個輪廓的判別計算量較大，可以提取角點信息進行準確判別，減少工作量。火焰在燃燒過程中通常還會受周邊空氣流動的影響，不同的空氣流動會導致火焰輪廓產生相應的抖動，通過對火焰輪廓的判斷能夠有效提高火焰識別的準確率。利用角點的算法規則對火焰及其他類型的光源進行具體的焦點樹木分析，可以得到相應的角點數據，通過增加角點檢測方法，能夠有效排除其他人造光源對火焰識別系統造成的影響。

5.3 火焰位置標定

當火焰識別系統發現火焰時，通常會在顯示器上用矩形框包圍和輸出火焰目標，將之作為報警信號。想要達到這個目的必須先獲得外接矩形，根據鏈碼表簡單表示出研究對象的邊界，對邊界進行編碼，運用特定算法進行輪廓獲取。鏈碼通常是通過連接指定的長度及方向，使用直線段序列表示對象的邊界，可用4-臨域和8-臨域兩種鏈碼編碼方案指定每個鏈碼的方位。在獲得的圖像上選定任意像素點作為鏈碼起始點依次進行標定，即可得到該圖像的鏈碼表示，這一步驟也可根據輪廓跟蹤算法獲得。得到相應的鏈碼表示輪廓之后，通過對鏈碼的遍歷可以找到輪廓中相應的最高點、最低點等特殊點，對這些特殊點進行計算即可得到相應的外接矩形，從而準確標記出火焰位置，完成火焰識別。

6 結語

本文在基于圖像處理進行火焰識別系統的建立過程中，對火焰視覺特征進行初步分析，在比較之后選用幀差法作為運動目標檢測的主要方式，并在此基礎上初步建立了分層模型，結合運動目標檢測的結果對圖像要素進行了分類，從中提取火焰區域。針對其他要素所產生的影響，本文采用開運算進行初步的圖像處理，對火焰區域進行了特征提取，進而詳細分析了火焰區域的面積和角點特征，并在此基礎上給出了特征參數提取算法，以此作為火焰識別的主要依據，從而建立和完善火焰識別系統。