基于视频图像火灾自动检测.docVIP

基于视频图像火灾自动检测 　　摘要：首先分析了火焰的基本特性，给出了火焰图像的特征描述，然后利用火焰图像序列的边缘不稳定和相似性等可识别特征以及面积大小和颜色等信息，实现了对视频序列图像中火焰的自动检测。实验证明，所实现的系统检测效果好、误判率低。 　　关键词：火灾检测； 边缘检测； 轮廓提取； 色彩模型 　　中图分类号：TP391文献标志码：A 　　文章编号：1001－3695(2008)04－1075－04 　　 　　准确探测火灾并实现早期报警是消防安全的积极手段。传统的火灾报警系统一般基于红外传感器和烟雾传感器,也就是探测火灾发生时生成的烟、温度和光等参量，经信号处理、比较、判断后发出火灾报警信号。在世界范围内，人们已成功地利用大量的典型火灾探测报警系统来保护众多的建筑。但在室外仓库和大型室内仓库等大空间场合的火灾报警中, 上述方法并不能很好地适用。普通的点型感烟、感温火灾探测报警系统无法迅速采集火灾发出的烟温变化信息，所以难以满足早期探测并预报此类火灾的要求。大空间火灾探测问题成为火灾探测报警领域研究的重要课题之一。现在广泛引用的被称为电子眼的视频监控系统可以改善原有系统的不足之处，但同时又产生了另外一个问题，即这种系统过分依赖于人，必须时刻要求有人注视着显示器，这同样存在隐患。因为很难保证工作人员不会因为疲倦等因素而造成的“失职”，而这有可能造成不可挽回的损失。图像是人类视觉的延伸，通过视觉可以立即准确地发现火灾，因此让计算机根据丰富和直观的图像信息辨识和判断早期火灾，成为研究目标。而且图像监测的关键器件(如敏感元件)通过光学镜头与外界发生间接接触，这种结构保证了图像监测技术既可以在较恶劣(多粉尘、高湿度)的室内环境中使用，也可以在室外坏境中使用。?? 　　在火灾中，燃烧时火焰的灰度图的灰度值的分布也有一定的特征，火焰色彩分布有一定的特征，还有火焰的边缘不稳定。此外，火灾发生的早期还可能是没有明火的燃烧，其表现为有大量的烟雾，火灾发生时的烟雾也具有明显的特征。在火灾刚发生时，烟雾是从无到有、面积从小到大，不断膨胀的；烟雾色彩值的分布也不同于其他图像，也可以作为烟雾的识别特征。因此可以用图像识别的方法，对现场拍摄来的图像进行处理、分析进而识别是否有火灾。?? 　　基于视频图像的火灾自动检测，即通过设计一套与原有的电子眼系统相配套的软件系统来实现对易发生火灾的现场实现自动监控。也就是对电子眼系统采集的视频图像进行分析处理，提取目标特征，对比火灾图像的特征，判断是否是火焰，从而判断是否有火灾发生，一旦发生火灾及时自动报警。本文介绍了火焰图像的特征及火灾自动检测的算法和实现过程。?? 　　 　　1火焰特征的分析与提取?? 　　 　　基于视频图像的火灾自动检测系统是利用CCD摄像机作为探头，将被监视现场的图像输入计算机，然后利用图像处理的算法，从单幅图像和图像序列中提取目标特征，再对比火灾图像的特征来识别有无火灾的发生。而火灾检测的重要依据是检测图像中是否有烟雾或火焰，因此必须分析并得到烟雾和火焰在视频序列图像中的特征。?? 　　1．1火焰的基本特性?? 　　对火灾现场的识别主要是基于火焰图像的基本特性来实现的。火灾是一种失去控制的燃烧，初期火灾的火焰是从无到有，是非定常的，不同时刻火焰的形状、面积、辐射强度都在发生变化。抓住火灾火焰的这些特点可以为火灾的识别打下良好的基础。火焰图像的基本特性主要表现为如下几个方面：?? 　　a）面积的变化。火灾发生后其火焰在不断地发展着，随着火势的增大，火焰也不断地增强。因而从火焰的图像特性来说，火焰面积呈连续扩展性增加的趋势。?? 　　b）边缘的变化。火灾火焰的边缘变化与其他的高温物体和灯光及稳定火焰的边缘变化也有一定的区别。可以利用火焰边缘的变化来进行火灾判别。火焰边缘抖动是火灾火焰的特性，而其他高温物体、灯光和稳定火焰边缘比较稳定。?? 　　c）火焰的相似度。从摄像机摄入的火灾火焰的连续图像看，虽然火灾呈不断发展变化的趋势，但从其形体变化、空间变化、空间分布来看有一定的相似性。特别是间断较短的连续帧图像来说，每幅连续帧图像上述特性有一定的相似度。?? 　　d）火焰的色彩分布。 任何火焰，因其温度的不均匀且表现出一定的规律而可以分为外焰、内焰和焰心三部分。从其温度来说外焰温度最高，其次是内焰，焰心温度最低。因而造成火焰图像颜色分布和灰度级呈一定的分布规律。?? 　　1．2火焰的特征提取?? 　　设数字化的序列图像为??{fi(x,y)}，i=1，…，N；fi(x,y)为第i帧图像;(x, y)为图像中各个像素的坐标;N为图像序列的帧数, 在实际系统中,N应大于2。对于每帧数字图像有(x,y)∈Ωi,Ωi为第i帧图像的面积。对于视频图像信号, 设定