火灾视频探测中火焰识别算法研究

2013-01-11，

船海工程 2013年4期

，

(中国船舶重工集团公司第七一三研究所，郑州 450015)

基于图像的火焰识别属于模式识别技术的范畴，是火灾视频探测过程中的核心部分。基于图像的火焰识别是对经过目标区域分割后的灰度图或二值图像进行进一步的分析、处理，提取目标区域中一些符合火焰的特征，用来识别火焰和区分干扰源。火焰的特征有很多种，具体的选择要考虑使用环境、干扰源类型、算法实现难易程度等多种因素，以满足火灾探测的实时性、准确性的要求。在一些区分度很高的应用环境中，判决过程可以采用简单的阈值判别；而在那些图像信息表达不清晰、干扰源多的环境中，则需要设计相应的判决规则，必要时可以考虑使用神经网络算法[1-2]。

1 模式识别

模式识别是指对表征实物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对实物或现象进行描述、辨认、分类和解释的过程。根据是否预先已知目标样本所属的类别，可分为有监督的和无监督的模式识别。在实际应用中，往往无法获得大量已知样本类别信息，因此研究无监督的模式识别十分必要。基于图像的火焰识别是模式识别的一类具体应用，即图像识别。图像识别一般依次分为图像获取及预处理、特征提取、依据判据分类。

火焰识别是火灾视频监控系统的核心部分，其识别率的高低直接影响到整个系统的准确性。而识别率主要取决于所选的火焰特征，需要选择与环境差异大、区分度高的特征作为识别依据。

2 火焰特征提取

可用来进行识别的火焰特征有很多，大体上分为静态特征和动态特征两大类。静态特征包括火焰的形状、颜色、纹理等，而面积变化、火焰闪动、边缘抖动等则属于动态特征。在实际应用中，利用单一特征进行火焰识别是十分困难且不可靠的。大多数的应用都是提取几种火焰与干扰源有明显区别的特征综合利用，加以识别。例如火焰面积变化特征。早期火焰从无到有并有扩大趋势，火焰面积不断增大。但是发光物体靠近摄像头，在图像上表现出来的也是面积增大的特征。因此，需要利用多个特征形成多重判据，才能够提高识别率。

用来进行火焰识别的图像，并不是通过摄像头直接采集的原始图像，而是经过前期预处理的图像，一般为经过目标分割后的二值图像。这是因为原始图像中包含了太多无用的或对识别结果容易产生干扰的信息，滤掉这些信息更便于火焰特征的提取和判别。

使用环境对火焰特征的选择有很大的影响，因为环境不同，存在的干扰源也不尽相同，因此需要适当地调整算法，最大程度地满足火焰探测的快速性和准确性的要求。本文提取火焰的面积变化特征、圆形度等特征来识别火焰。

2.1 面积变化特征

(1)

(2)

n的范围是从某一帧开始的连续10帧图像。每完成一次计算之后，重新取出的图像并不是第11帧到第20帧，而是用第11帧图像代替第一帧图像，以此类推。从而进一步减弱了火焰面积振荡变化带来的影响。

当R(M)>1时，就说明当前目标区域面积有增大的趋势。同时，火灾火焰的面积不会太小，否则也不会造成危害，与蜡烛的小火有明显区别。

2.2 圆形度

圆形度可以用来表征目标区域形状的规则程度。火灾火焰的形状是十分不规整的，而诸如蜡烛、手电筒、灯光等干扰源的形状就要规整得多。因此，圆形度可以用来有效地区分火灾火焰与部分干扰源。

目标区域Ω的圆形度CΩ的计算表达式为

(3)

式中：LΩ——目标区域Ω的周长；

SΩ——目标区域Ω的面积。

目标区域的周长LΩ的计算方法有两种。第一种原理非常简单，就是统计目标区域边缘的像素数。使用这种方法首先需要获得目标区域的单像素边缘图像，每个像素代表相对长度1。这种方法计算的数据不够精确，一些对计算精度要求不是很高的应用均可以采用。另一种方法是采用边缘链码。以8邻域[3]检测获取目标区域边缘链码。算法实现如下。