基于RGB+HSI颜色模型的早期火焰检测算法研究

苏 展，张防震，王 瑞，高 岩

(1．河南省科学院 高新技术研究中心，河南 郑州 450000；2.河南财政金融学院 计算机与信息技术学院，河南 郑州 450046；3.郑州轻工业大学 物理与电子工程学院，河南 郑州 450000)

0 引言

随着经济和科技的快速发展，建筑物的规模和功能越来越复杂，尤其像大型仓库、停车场这种空间大，存在易燃物品，且在大部分时间无人员看管，或人员在监控室内不能同时且持续地兼顾每一个角落，一旦火情发生，能否及时发现火情成为关键。因此，及时、灵敏、准确的火灾探测工作和报警是解决这项任务的关键。传统的火灾检测方法，一般采用烟雾检测器、相对湿度检测器、温度检测器等检测险情，这些检测器需靠近火源，且受其他非火焰因素影响较大，时常会发生误报、漏报等情况。因此，传统火灾检测技术，不太适用于大型空间和干扰因素较多的空间。

近年来，基于图像处理的火灾检测技术发展迅速并成为热点，通过摄像头采集的每帧照片，在PC(personal computer)端根据相关算法进行分析处理，检测是否有火情发生。该技术具有检测早期火情的能力，速度快、精度高、抗干扰性强、使用方便灵活等优点。一些学者利用颜色空间，提出了利用RGB颜色空间提取火焰[1-2]，利用HSI(hue-saturation-intensity)模型[3]识别火焰，其中饱和度作为检测火焰的重要约束条件;选取RGB(red-green-blue)三通道[4]的不同比率比(GBR)识别火焰；基于YCbCr空间判定火焰,Y指亮度(luminance)，Cb指蓝色色度分量，Cr指红色色度分量[5-6]。有学者选择Ohta颜色[7]分割出火焰像素。HSV(hue-saturation-value)颜色空间[8]也可用来检测火焰像素，YUV颜色模型用Y分量作为主要判据检测识别火焰,Y指亮度(Luminance)，即灰阶值，U和V表示色度(Chrominance)，作用是描述影像色彩及饱和度，用于指定像素的颜色[9-10]。除了在颜色空间检测火焰，一些学者采取提取火焰图像边缘梯度，用于检测火焰。火焰的另一个主要特征——运动特征也被用于检测火焰，并和颜色空间判据相结合，提高抗干扰性，其中运动特征中可以基于图像的差分模型进行特征提取。火焰的纹理特征也可用于检测。小波变换是利用信号高频区域变化识别火焰。

本文在方法种类最多的颜色空间中，对GBR+HSI、RGB+HSI和GBR判据进行研究对比，最终确定了3种判据的最佳检测性能。研究结果为火灾早期检测算法的改进提供了有效信息。

1 装置和方法

1.1 实验装置

实验采用的主要设备为Raspberry Pi 4B(树莓派4B)，搭载64位4核处理器，8 GB内存。相机为树莓派高质量相机(图1)，提供1 200万像素，使用第三方镜头适配器，可以容纳其他尺寸镜头。图像经过树莓派采集，可以直接在树莓派上运行处理，也可以传输到终端处理单元，处理器操作系统为Windows 10，采用OpenCV 3.1对图像进行处理分析。实验装置示意图如图2所示。

图1 树莓派相机Fig.1 Raspberry Pi camera

图2 火焰图像获取实验装置示意图Fig.2 Schematic diagram of flame image acquisition experimental device

1.2 图像处理流程

将采集到的图像进行预处理，对图像进行灰度转换，提高对比度。进行图像分割特征提取，对图像采用颜色判据的约束条件，以此进行阈值分割，紧接着进行图像增强，采用中值滤波，去除一些二值噪点，对图像进行形态学处理，采用开操作，消除小联通区域，去除干扰块。若图像干扰块少，也可只进行膨胀操作，增大火焰像素区域。最后输出图像的处理结果。图像处理流程图如图3所示。

图3 火焰图像处理流程图Fig.3 Flow chart of flame image processing

2 颜色模型

2.1 RGB判据

RGB颜色模型多用于图像分割的判据，人眼观看到的颜色模型一般是RGB颜色模型，在实际应用中，通过被分割物体的RGB三通道的不同特性，来建立所需的RGB颜色判据。在火焰检测中，RGB颜色模型常常作为一种最常用的颜色模型。对于火焰来说，红色通道分量大于绿色通道，并且绿色通道分量大于蓝色通道。R分量作为火焰RGB图像中最主要的部分，因此需要一个更强的R分量来捕获火焰像素,R分量应该大于一个阈值，由此推导出RGB判据

R>G>B,R>R_t。

2.2 HSI判据

HSI颜色模型分别用H(色度)、S(饱和度)、I(亮度)描述颜色的特性。当火焰的温度较低时，火焰颜色通常为红色或黄色，这时火焰的饱和度较高；当火焰的温度较高时，颜色通常为白色，火焰的饱和度较低。因此只需要HSI颜色模型中的S分量来建立HSI判据，推导出HSI判据

S>0.20，S>(255-R)/20，S≥((255-R)*S_t/R_t)。

2.3 GBR判据

GBR判据也是依靠图像RGB三通道颜色特性来建立的，和RGB判据条件有重合的部分。大多数火焰颜色在R通道具有高饱和度，R通道值应大于R通道像素平均值。第一部分条件为

当光照或照明条件变化时，拍摄到的图像亮度值也会随之改变，造成火焰检测干扰。然而，RGB颜色空间的亮度分量可以通过通道比率消除，通过制定不同比率，得到第二部分条件为

0.25≤G(x,y)/(R(x,y)+1)≤0.65，

0.05≤B(x,y)/(R(x,y)+1)≤0.45，

0.20≤B(x,y)/(G(x,y)+1)≤0.60。

2.4 RGB+HSI判据

RGB+HSI判据，是分别将RGB和HSI判据的约束条件结合起来的组合判据，对预处理后的待检测图像进行分割处理，

IF(R>R_t)AND(R>G>B)AND(S>0.20)AND(S>(255-R)/20)AND(S≥(255-R)*S_t/R_t)=TRUE

THEN fire-pixel

ELSE not fire-pixel

2.5 GBR+HSI判据

GBR+HSI判据，是分别将GBR和HSI判据的约束条件部分结合起来的组合判据，对预处理后的待检测图像进行分割处理，具体算法为

IF(R>R_mean)AND(R>G>B)AND(S≥(255-R)*S_t/R_t)AND(0.25≤G/(R+1)≤0.65)AND(0.05≤B/(R+1)≤0.45)AND(0.20≤B/(G+1)≤0.60)

THEN fire-pixel

ELSE not fire-pixel

上述5个判据中的S_t(饱和度阈值)和R_t(红色分量阈值)，是根据实验结果设定的，在实际处理中，可以在代码中设置两个滑动条来改变S_t和R_t的值，以此来寻找最佳的阈值大小。典型的S_t值大小为55～65，R_t值大小为115～135。

3 实验结果与分析

3.1 GBR判据实验结果

实验采用的引燃物质主要为枫叶，枫叶的颜色和火焰相近，采用枫叶作为引燃物质，可以考查在火焰燃烧初期，检测算法的抗干扰性。实验进行3组对比实验，其中图4(a)、图6(a)、图8(a)为室外引燃的枫叶堆，背景复杂，火焰大小适中；图5(a)、图7(a)、图9(a)也为室外引燃的枫叶堆，背景单一，火焰较小。第一组实验采用GBR判据检测，如图4所示,(a)为待检测图，(b)为最终的输出图像在原图上的对照，(c)为在GBR判据下阈值分割后的图像，(d)为经过形态学处理最终的输出图像。通过(d)和(b)可以得知，除了将部分火焰像素提取出来外，还将部分枫叶像素提取了出来。由图5(b)和图5(d)可知，在检测图中，部分火焰像素被检测了出来，部分枫叶像素也被提取了出来。

图4 GBR判据检测图aFig.4 GBR Criterion detection diagram a

图5 GBR判据检测图bFig.5 GBR Criterion detection diagram b

3.2 GBR+HSI判据实验结果

由图6(d)可知，图中只有一个白色的像素点，只检测到火焰颜色偏白的微小区域。由图7(c)、图7(d)和图7(b)可知，没有检测到任何火焰像素和火焰颜色相似的枫叶像素。

图7 GBR+HSI判据检测图bFig.7 GBR+HSI Criterion detection diagram b

3.3 RGB+HSI判据实验结果

由图8(d)和图8(b)可知，火焰轮廓大致被提取了出来，同时也检测出右上角小部分枫叶像素。由图9(d)和图9(b)可知，火焰像素被大致检测了出来，同时检测出了小部分枫叶像素。

图8 RGB+HSI判据检测图aFig.8 RGB+HSI Criterion detection diagram a

图9 RGB+HSI判据检测图bFig.9 RGB+HSI Criterion detection diagram b

4 结论

为了能够识别早期火情，采用RGB+HSI判据，GBR+HSI判据，GBR判据进行对比检测实验，评价实验结果如下。

1)在检测图4(a)、图6(a)、图8(a)的3组实验中，GBR判据检测出少部分火焰像素，检测出较多的枫叶像素，抗干扰性不佳。GBR+HSI判据检测出一个微小的火焰像素点，检测效果不佳。RGB+HSI判据检测出大致的火焰轮廓，检测出小部分枫叶像素，抗干扰稍逊。

2)在检测图5(a)、图7(a)、图9(a)的3组实验中，GBR判据检测出大部分的火焰像素，检测出少部分枫叶像素，抗干扰稍逊。GBR+HSI判据检测的输出结果为空，检测不到火焰像素。RGB+HSI判据检测出大致的火焰轮廓，检测出少部分枫叶像素，抗干扰稍逊。其中RGB+HSI判据在检测时，相较于GBR判据，检测出的火焰轮廓更贴近原图，检测出的枫叶像素更小。

3)基于RGB+HSI颜色判据检测效果最佳，GBR判据其次，GBR+HSI判据检测效果最差。