基于DSP的视频烟雾探测器设计

2019-01-08，，

船海工程 2018年6期

，，

(中国船舶重工集团公司第七一三研究所，郑州 450015)

火灾的发生会给人类社会造成很大的损失[1]。在火灾探测的研究成果和产品中，一般的火灾探测方法是采用感温式、感烟式等传感器，来感知环境的温度和烟雾[2]，但常用的传感器在大空间中需要在火势很大的时候才会发出警报信号，较难实现火灾的极早期探测、报警[3-4]。随着视频监控设备的广泛应用和图像处理技术的快速发展，通过图像处理来进行烟雾的识别成为可能，而烟雾一般出现在火灾的早期[5]。文中介绍的智能视频烟雾探测器可实现极早期烟雾探测，实现及时、高效的火灾探测。该探测器的设计基于DSP的视频烟雾探测器，采用TI公司的TMS320DM642(DSP)，实现视频捕获、烟雾探测与处理，软件采用背景差分更新算法(基于OTSU阈值分割)和烟雾色彩、能量、结构综合分析算法。

1 硬件平台搭建

探测器硬件框图见图1，采用可见光和红外两路视频信号，通过DM642的视频口采集，并通过DMA方式存储于SDRAM中，DSP中运行烟雾监测算法对视频信号进行处理，以判断是否有烟雾发生，处理后的图像通过DSP的视频口VOUT向外输出视频信息，通过IO向外输出报警信息。

图1 硬件总体框图

2 软件架构

软件采用基于复杂指令集的DSP来进行视频采集和处理，软件结构见图2，主要包括视频烟雾探测识别算法和报警算法。

图2 软件架构

3 烟雾识别算法

通过对存储的每一帧图像(YUV422格式)进行OTSU自动阈值分割，可得到可疑运动图块，再依次使用色彩测量算法、能量监测度量算法和结构相似度算法来检测可疑图块，以确定是否存在烟雾元素。如发现烟雾块，则使用标记框标识烟雾信息。在调试过程中，经过多次试验，当图块大小为18×18(单位：个，表示像素点个数)时，其实时性和效果较好，推荐采用18×18图块进行烟雾识别。

烟雾识别算法的流程见图3。

图3 烟雾识别算法流程

3.1 烟雾可疑区域提取

为快速、有效地检测可疑烟雾图块，需要建立背景模型，把当前帧与背景模型进行比较和差分运算，根据运算结果，结合阈值，大于阈值的区域可标识为运动区域。

差分图像阈值的确定是软件算法的基础，探测器使用OTSU自动阈值分割方法，可在先验知识较少的情况下，自适应确定一个相对较好的阈值。

OTSU的具体步骤如下。

1)分析差值图像中的灰度直方图，提取差值图像的平均值以及图像的灰度级概率分布。

2)检索每个像素，得到灰度值为“k”的像素点的数量。

3)选择“k”值作为阈值，将图像的像素点依次划分为前景和背景，并计算前景点和背景点的比例、平均值，再基于阈值“k”得出类间方差。

4)根据计算结果，当类间方差被取为最大值时，自适应调整阈值(选择相应的灰度级为阈值)。

为减少噪声扰动等各种干扰的影响，可对二值化结果进一步处理，消除干扰[12]。

3.2 烟雾色彩测量算法

常用的色彩模型有RGB模型、YUV模型和HSI模型。文中采用YUV模型，格式是YUV422(Y为亮度信号，U、V为色度信号)，通过视频解码器，并经由DSP的视频口采集到YUV分量信号。采用当前帧与背景模型的相应可疑图块Y分量值积分的比值作为度量值，提取小于阈值的可疑烟雾图块，存到缓冲区作为小波变换的输入。

3.3 烟雾能量监测度量算法

为提高探测的准确率，需进一步对烟雾可疑图块进行能量测量与判定。在火灾发展的初期，烟雾呈现半透明的特性，图像的高频衰减损失较多[13]，可通过时域和频域变换，识别在烟雾影响下的前景图块与背景图块的高频能量衰减，并作为判断烟雾是否存在的一项依据。

探测器采用小波变换算法，通过时域和频域变换对可疑图像进行二维分解，得到图像的高频能量衰减[14]。通过综合小波分解的垂直功率谱、水平功率谱和对角线功率谱，来定义高频能量。

采用当前帧与背景模型的高频能量之比作为度量值，提取大于阈值的可疑烟雾图块，放入烟雾图块缓冲区，作为后续判断和标识的基础。

3.4 烟雾结构相似度量算法

结构相似性指数(SSIM)可以作为图像质量的客观评价方法，通过提取场景的结构化信息，并引入图像结构信息的衰减质量评估方法。

当可疑图块和参考元素之间的结构相似性的实时均值大于设定阈值时，标识可疑图块可通过SSIM的烟雾判别分析，即可认定为烟雾。

3.5 背景模型的建立

在烟雾算法中，需要构建一个背景模型来作差分运算，根据试验情况，选取稳定的一帧图像作为背景，例如第200帧作为背景图。随着时间的推移，可能需要实时更新背景，以降低可见光变化情况和其他干扰对烟雾探测的影响。通过把当前帧和背景帧的每个像素加权平均，以实现自适应背景更新，同时为了避免将运动物体更新到背景模型中，采取只更新当前帧中像素的方法。

4 系统调试

视频烟雾探测器在不同的环境中进行测试，包括室内和室外照明变化，背景颜色变化，进行烟雾识别。图4是视频烟雾探测器外形图，采用可见光和红外的双摄像头设计。图5是室外发生烟雾的条件下，探测器实际操作的屏幕截图，由方框标记的图像块表示检测到的烟雾区域。图6中的背景环境相对较暗，由加湿器模拟的烟雾也可以较好探测并标注，由方框标记的图像块表示检测到的烟雾区域。