基于图像处理的森林火险检测系统

杨雨卓

0 引言

目前森林火灾是破坏森林的最主要的灾害之一，影响很大。森林是各种珍禽异兽的家园，森林遭受火灾后，会破坏野生动物赖以生存的环境。严重的森林火灾不仅能引起水土流失，还会引起山洪爆发、泥石流等自然灾害。因此，对森林火灾尽早识别并预警，就能最大限度的降低损失。本森林火灾检测方法是在利用图像处理技术对烟火普遍特性进行研究的基础上，结合烟火区域火焰的颜色、面积、不规则度特征以及烟雾的颜色特征和动态特征而提出的。基本消除其他不利的影响，有效提高森林火灾图像的识别的准确度。除此之外，我们运用了多层检测的方式，减少了系统处理分析的时间，提高了识别的速度。

图1 火灾识别流程

1 森林火险检测系统流程

我们为了达到火险检测的目的，我们采取从烟雾和火焰两个方面进行检测，设计了多层拓展识别的流程，静态特征和动态特征相结合的识别检测方式。方案的具体操作总体流程如图1。该火险检测系统的总体设计思想是：该首先获取相机实时拍摄的图像；然后对视频图像进行实时背景差动态判断有无异常情况，如果连续的几帧图像发生了较大的变化，即判断为有异常情况发生；下一步采取我们的检测算法分别对图像进行就火焰识别和烟雾识别，若图像中有火焰（烟雾），系统就会输出“1”，否则就输出“0”；最后用我们多特征融合综合判断是否是火灾，是的话则输出“1”发出火灾预警，从而完成整个森林火险检测系统。

2 火焰检测

森林火险检测系统中火焰检测部分的流程如图2（左）所示：

图2 火焰检测（左）和烟雾检测（右）流程图

待检测的图像输入后，开始需要进行图像的初步的处理。图像预处理过程一般包括有增强、滤波、细化几个方面。接下来主要简述的是火焰图像的增强处理和滤波。

图像增强主要指的是按照开发者的想法加强图像中某部分，可以是某个具体的区域，也可以是符合相关限制条件的部分区域，并且淡化或消除某些不重要杂乱信息的处理方法。图像增强主要包括了直方图修改处理、图像平滑处理、图像尖锐化处理及彩色图像处理等常见的处理方式。该系统我们运用几种方法同步进行，目的是达到火焰图像预期的增强效果。

在火焰图像经过预处理后，下一步是进行火焰分割。在充足的自然光的条件下，我们采取颜色特征提取的方式，把疑似火焰区域从图中给分割出来。在一般情况下，火焰虽然可能会有多种不同的颜色，但主要集中在暗红色、红色、橙色、黄色、白色、蓝色这些颜色中。即使在不同的环境下火焰会呈现不同的颜色，但它常常会经过由红过渡到黄的燃烧过程。此时图像的RGB值符合R ≥ G ≥ B的关系。与此同时，我们采取转换到HSI空间，进行多特征采取。在HSI空间中，火焰的色度值H通常在0～60度之间，此外，S满足100，I满足255。图像中满足以上四个条件的像素当作是火焰的候选区域。

火焰的颜色提取之后的图像可能会存在噪声，我们采用中值滤波进行去噪。

在(Y,Cr,Cb)空间中，火焰和其他相关物体有着明显的区别。在二维的(Cr,Cb)空间里，火焰像素的分布接近正态分布，而其他物体则不具有该特性。所以我们采取将火焰图像转换到(Y,Cr,Cb)空间，对像素进行分析，将接近正态分布特性的区域提取出来。

也就是说，当检测图像在的二维的( Cr,Cb)空间满足正态分布的时候，可以粗判定为火焰图像。

经过火焰颜色特征粗判定后，下一步进行火焰的动态特征的判定，最终裁决是否为火焰。对于人类而言，形状是我们判断一个物体的重要特征。所以计算机对于图像中物体形状的分析也是非常有益的。根据图形图像的相关理论，我们获取火焰图像的动态特征，以此作为判断的依据进行进一步的处理。我们运用了与物体形状相关的两个特性来作为我们火焰图像的判断依据。

A.不规则性

考虑到森林火灾火焰形状的不规则性和对我们的系统可能产生干扰的像光源（如手电筒，探照灯灯等）的形状特征具有较高的规律性的特点，我们采取用不规则的程度作为判断是否为火焰的依据。不规则度表征了物体形状的不规则程度，其表达式如下：

我们定义周长为物体的边界长度，可以通过火焰图像候选区域边界上像素的个数来获得。面积通过统计所有可能烟雾区域像素点数获得。候选图像的形状越复杂，其不规则度值越大。

获取火焰候选图像不规则度的具体步骤：

(1)对颜色分割得到的火焰候选图像提取边缘，算出边缘上像素个数得到L。

(2)求出火焰图像中疑似火焰区域的面积，即求出在上一步颜色分割中所有被置为黑色的像素总数S。

(3)求不规则度，并计算出连续n帧图像的平均值。

B.扩散性

一般在火灾发生后，火灾面积会呈现不断扩大的趋势，过火面积会连续扩大，相应的相机探测到的火灾区域面积也会逐渐增大。也就是说在我们获得的图像上高亮的区域也会持续的增长。因此，我们可以定义“k”表示后续疑似火焰区面积与先前疑似火焰区域的面积的比值来表征火灾的扩散特性。在我们设定相应的参考时间内，k值越大，火灾的扩散特性越强。

在火焰检测部分，首先将拍的的图像进行前期的预处理后，进行基于颜色特征筛选出火焰区域的候选图像，然后再根据这些图像的不规则性和扩散性做出是否为火焰区域的最终判定，然后将判定结果输入给下一步。

3 烟雾检测

森林火险检测系统中火焰检测部分的流程如图2（右）所示：

同火焰检测部分类似，输入待检测图像后，首先也是进行图像的预处理。我们采用直方图修改，图像平滑方法等多种方法联合处理，达到烟雾图像预期的增强效果。

颜色特征是表征图像信息的基本特征之一，烟雾通常有几种特定的颜色，比如白烟，灰白烟等。通过颜色分割部分，将图像中具有烟雾特征的部分提取出来，在太阳光等自然光的照射下，火灾烟雾一般都会呈现白色、黑色和灰色一种或多种颜色。经过多次实验发现，在 RGB 颜色空间中，这些颜色的R、G、B 三分量大致相等。与此同时，由于燃烧环境，天气情况和燃烧时间段的不同，烟雾的颜色亮度也会有所不同。

根据多次实验得到，在 RGB 颜色空间中，烟雾颜色的R、G、B三者的值相差在15～20之间。将烟雾图像转换到HIS空间，我们将I分量符合100的区域当作是疑似烟雾区域。

综合以上两项静态特征，对图像进行分割，分割出疑似烟雾的区域，将结果给下一步进行处理。

在进行完颜色提取和分割后，我们对图像进行中值滤波来去除噪声。

经过烟雾等静态特征粗判定后，下一步进行烟雾的动态特征的判定，最后综合判断图像中是否出现了烟雾区域。和烟雾检测相似，我们采取了扩散性和不规则性来作为我们火焰图像的判断依据。

A.不规则性

在前序步骤中检测出来的疑似烟雾区域，由于算法的局限性，在火灾背景中一些其他物体可能会被我们误判成烟雾区域，为了排除这一现象，我们获取烟雾图像的不规则性来帮助我们进行判断。

烟雾本身的形状就非常不规则，加上风等的环境因素，烟雾可能会随时流动。所以非常难对烟雾的形状进行测量，我们和火焰检测一样，采取不规则度来衡量烟雾的变化。具体的计算方法如火焰检测部分的公式（1）。

B.扩散性

烟雾有不断随空气流动扩散的特性，因此我们可以通过检测烟雾的扩散性，进行综合判断来排除静止物产生的干扰。以此来提高我们的检测准确率。

和之前表征火焰的扩散性k值相同，我们也用比值k来表示烟雾面积增长率。烟雾面积增长率一般大于火焰，我们可以大量的实验资料获取到这一关系，然后设置阈值来做出是否为烟雾最终的判断。

最后整合火焰和烟雾的检测结果，做出是否发出火灾预警的决定以及输出系统检测到的具体信息，从而实现整个森林火灾检测系统。

4 结束语

本项目基于数字图像处理的知识与理论完成了一个森林火险预测准确率高，误报率较低的火险检测系统。首先获取相机拍的实时图像，判断帧间差，进一步采取火焰和烟雾的检测识别双判据的方法，最后综合裁决是否为火灾实现整个系统。不仅是森林环境下，在厨房和一些容易发生火灾的工厂等地方，本系统都比较适用。本系统采取多特征多判据的判断方式，其判断的准确率较高，在一些拍的图像较模糊，噪声较大的情况下，依然能准确判断。然而系统仍有一些不足，在一些特殊情况下如在大雾天气下有大量红叶的森林，系统可能会出现误判的情况，这也为以后的学习提出了改进的方向。