基于图像处理的初期火焰检测概述

卢梦思 李冬梅

北华航天工业学院 河北 廊坊 065000

引言

火灾事故的发生，使得社会财富损失和人员伤亡惨重，现如今，社会经济快速发展，消防工作越来越被重点关注，因此，对其进行有效监控，使火灾造成的损失降到最小是急需研究的重点内容。仅依靠传统的消防救援设施无法满足。如果火灾初期能被及时发现，将会减少损失。传统的火灾检测分为感烟型探测器、感光型探测器、感温型探测器等，对探测距离和场所等有着比较大的局限性，不适用于室外工作。传统检测装置检测速度慢，检测出来时已经错过火灾预警的最佳时机。因此，寻找更准确，更具时效性的探测技术成为火灾探测领域的重要任务。随着数字图像处理技术的发展，利用摄像头对现场进行监控，对获取的图像进行处理和分析，利用早期火灾火焰的各种特征探测火焰，可以自动、快速、准确地对火灾进行识别检测判断，从而预防火灾发生。早期的火焰变化复杂，具有多样性。对火焰进行多特征融合检测，才能更准确识别早期火焰[1]。

1 算法研究

运用远程视频监控对图像进行采集，对输入的每帧火焰图像进行处理，利用阈值分割法与颜色特征相结合的方法，提取可疑火焰目标，并结合形态学处理，提高特征提取的准确率。再利用火焰的面积和尖角形状动态变化，多特征融合达到识别火焰的目的。

1.1 火焰的提取

1.1.1 阈值分割法。在目标提取阶段将原始图像转化为灰度图像，基于阈值分割技术将灰度图像转化为二值图像，运用阈值分割的最大类间方差分割出目标，将火焰与背景隔开，消除了背景干扰，使之方便研究目标火焰的形状特征，为后续动态检测火焰提高准确率。

一幅图像可以分为前景和背景两部分，我们感兴趣的是前景，不需要的为背景。可利用直方图显示灰度的分布，求取合适的阈值，阈值将图像分为两部分，使这两部分类间方差取得最大值，错分的概率最小，所得阈值为最佳阈值，对图像进行分割，得到二值图像。火焰图像中有许多孤立的部分，而且边界比较模糊，后续还要对边界进行识别，所以要对图像进行高斯滤波，达到去噪的效果。

1.1.2 颜色特征法。由于火焰亮度高，而且颜色偏红，所以可以用平均亮度和红色饱和度来判断是否为火焰。任何一幅彩色图像都是由R、G、B三分量构成的。R代表红色，G代表绿色，B代表蓝色，图像的任意一点都可以用这三个分量来表示。

利用（1）（2）求得红色饱和度和平均亮度。当某一点的平均亮度大于150，红色饱和度大于0.34时，可认为疑似火焰，提取图像。将阈值分割滤波后的图像与颜色特征提取的图像相结合，再进行形态学处理，提取出火焰图像，如图1所示。

现实生活中有些目标和火焰有相同的颜色特征，如灯泡等，利用圆形度将其与火焰区分开来。圆形度表示图像目标与标准圆的近似水平，常常用于绘制和描述特征。它指火焰区域的周长与面积的比值。圆形度公式为S表示面积，L表示周长。一般火焰的圆形度为0.3左右，而灯泡和手电大于0.75，将提取的火焰图像删除圆形度大于0.75的区域，从而去除部分干扰源[2]。

1.2 火焰动态特征提取

早期燃烧的火焰具有特殊的动态特征，这些特征是进行火灾识别的重要依据，早期的火焰一直处于动态的发展阶段，这个阶段的图像特征比较明显，火焰在不同时间的形状、面积等都在发生变化，我们可以利用这些特征去识别火焰。根据图像序列的变化特性，利用静态识别后的火焰二值图像序列，获取火焰视觉的动态特征。

1.2.1 面积特征提取。在早期火灾形成的过程中，火焰是不稳定而且处于不断发展的状态，火焰的面积在不断变化，所以通过相邻帧图像的面积变化率，可以来判断火灾初期火焰区域，消除干扰。

变化率的计算公式为：

其中：j>1，为第j幅二值图像火焰的面积，为面积变化率。

1.2.2 尖角特征识别。早期的火灾火焰是不稳定的，会出现边缘抖动，它是早期火灾最大的特征。利用这个特性可以有效地减少火灾识别过程中的误报和漏报，增强了初期火灾识别的准确性。火焰尖角的特征是“尖”，给人狭长的视觉效果，它有顶点，是局部的极值点。打火机、蜡烛等也会出现尖角，但是他们多帧图像不会发生太大的变化，边缘比较稳定。一般符合尖角的条件是：有顶角、宽度小、高度高的特点[3]。

运用边缘分割技术提取火焰的边缘，从而更好地研究火焰尖角。基于边缘的分割技术的基本思想是利用微分算子求取相邻像素点灰度值的变化值。Canny边缘检测算法，对图像采用高斯滤波进行平滑的方法来减少噪声干扰，经过求导得到偏导，再通过非极大值抑制初步得到边缘点，运用双阈值检测，连接边缘，最终得到图像边缘。通过非极大值抑制得到边缘点，定位准确，可以消除噪声，也可得到火焰的边缘，图2所示为火焰的边缘检测，图3为细节图。

图2 火焰的边缘检测

图3 细节图

在二值图像处理过程中，轮廓跟踪算法是比较常用的图像处理方法，用于标记连接成分和提取目标形状特征。利用边缘跟踪算法沿着目标边缘区域外部走一圈，记录每一个边缘点的坐标，并按顺序存入数组。选择合适的搜索策略，由已知边界点确定下一个待检目标检测，形成闭合边界为终止条件，在满足终止条件时结束搜索。

轮廓跟踪算法使得每个区域的边缘位置的相对先后顺序确定下来，则可根据尖角特征对目标区域进行尖角提取。对于火焰尖角，其形态特点是纵坐标，是极值点，以尖角的顶点为基准，按顺序扫描它的左右两边，设定为25个点，即从顶点左边25个点扫描到顶点的右边25个点的纵坐标值，其中最大的值即为疑似尖角顶点。设疑似尖角的顶点第6行的左右两点的距离为D1，第10行的左右两点的距离为D2，通过计算的比值，来判断是否符合宽度小的特点。尖角的形状是狭长的，所以也要满足高度高的特点，如图4为尖角模型。以顶点到左边第25个点的距离为a，顶点到右边第25个点的距离为b，左右第25点的距离为c，两点间的距离公式为（4）[4-7]。

利用海伦公式可以求出三角形的面积，再由面积可以推出三角形的高度。

由（5）（6）（7）可以求得高度。若高度满足一定的阈值，则可确定为尖角。

根据火焰的尖角数目变化可以判定火焰。

2 结束语

基于图像处理方法，对早期火焰图像进行预处理，运用阈值分割和颜色特征相结合的方法，准确提取火焰图像，消除噪声干扰，为后续火焰动态特征提取创造了条件。根据早期火焰燃烧形状的规律，选用面积、尖角等特征，多特征融合达到识别火焰的目的。相较于传统检测方法，检测速度快，抗干扰能力强，密封性能和防腐蚀性能良好，增强了检测的有效性，可以为早期火灾进行判断预警，减少不必要的损失，在火灾检测领域具有应用价值。