视频火焰实时检测系统的研究与实现.docVIP

视频火焰实时检测系统的研究与实现 视频火焰实时检测系统的研究与实现 本文受浙江省科技计划项目资助（No. 2007C13048）。 刘 平 杭州市消防支队 吴洪森 浙江警察学院 摘要 本文设计并实现了一个视频火焰检测系统，并把其集成到现在通用的视频监控硬件系统中；同时提出了一种可以区分大空间（隧道、仓库、博物馆等建筑物）中闪烁的车灯和真实火焰的算法，从而避免了在实际的视频监控系统应用中把闪烁车灯误判为火焰的情况发生，大大降低了火灾火焰的误报率。我们所设计的算法除了检测火焰的运动和颜色特征以外，还研究并利用了火焰的频率、能量、几何形状等时空域特征。通过对这几类特征的综合判断大大减少了环境光对检测结果的影响。我们的实验结果表明我们的算法可以有效地区分闪烁车灯与真实火焰，降低了误报率，并且具有多路检测的实时性。 关键词：火焰识别，高斯混合模型，小波变换，广度优先搜索，圆形度 本文的结构如下：第2节简要介绍了近年来视频火焰识别的相关工作；第3、第4节分别从硬件系统与软件算法方面描述了火焰检测系统具体的实现过程；第5节展示了我们的成果与实验结果；最后对今后的研究方向做出了总结与展望。 2. 相关工作 对视频火焰检测的研究最早可以追溯到1993年，Healey等人提出了一种通过简单地分析火焰颜色信息检测火焰的方法[1]；佛罗里达中心大学的Phillips等人使用单个像素的颜色和它们的时域差分来判断火焰[2]。这些方法仅仅描述了火焰的基本特征，而某些非火焰的物体也具有这些基本特征，这就会造成误报情况的产生。 2000年1月，英国《防火安全工程》介绍了一种VSD-8 视频烟雾探测系统[3]。该系统由D-TEC公司（原ISL公司）和Magnox Electric公司联合开发，是世界上第一个利用图像处理技术在火情最初始阶段就可以发出警报的系统。由于它最初被设计应用于核电厂，因此受到了极为严格的安全性检测。它以视频运动检测软件为主体，使用了各种滤波器技术，并与人工智能相结合，宣称具有广谱检测性，能够可靠、迅速的探测烟雾火灾。 进入新世纪后，随着硬件技术的提高，人们研究出了更多检测火焰的方法。伊利诺伊大学的Liu 和Ahuja对二维图像进行空间域的傅立叶变换来表示火焰区域的形状[4]，该方法的缺点是不能很好地描述火焰燃烧时随机抖动的特性。 土耳其Bilkent大学的Cetin等人在对火焰的运动、颜色特征分析基础上，加入了基于小波的检测方法[5]，他们把这种分析方法同时应用到视频图像的时间域和空间域中[6]。另外，他们还提出了用一个三状态的隐马尔可夫模型检测的方法，通过不同状态之间的跃迁来区分火焰与火焰色运动物体[7]。 日本大学的T.Ono等人进行了高速公路隧道的火灾视频监测模拟实验。他们利用了火焰图像红色分量强度较大的特性，对图像进行初分割，而后对可疑区域进行图像平滑、区域增长等处理后计算特征参数，随后将这些参数送入神经网络进行处理，最后得到判别结果。实验结果证实利用视频监测隧道火灾是可行的。[8] 国内方面，上海交通大学曾在火灾探测方面进行了积极的研究，并在工程实践中提出了一些算法[9]，但其探测手段主要集中于使用红外型摄像机，而且探测系统的算法抗干扰性还有待提高。中国科技大学火灾科学国家重点实验室也进行了此类研究。[10][11] 3. 系统构成 我们专门为现在普遍使用的视频监控系统设计了这套视频火焰检测系统，可以无缝地集成到现有监控系统中，实现安全监控系统的平滑升级。 整个系统由硬件设备和软件模块两部分组成（图1）： 图1. 火焰识别系统构成示意图 硬件设备主要包括：CCD摄像机、视频捕捉卡、硬盘录像机（服务端）和监控主机等。通过摄像机对被监视区域进行实时拍摄，将视频序列传回控制中心的服务端进行存储（采用h.264编码）；控制中心的客户端监控主机实时从服务端下载视频流并对其解码，然后由图像识别模块对解码的数据进行分析并判断是否发生火灾。这个操作过程既快速又准确。 软件模块由以下4个模块组成： 管理模块：该模块为软件主模块，负责响应人机交互的指令及控制其下属模块的工作。 控制模块：负责处理由管理模块发出的控制摄像头、视/音频信号控制器等外设的指令，将这些指令按格式发送给底层硬件接口。 图像识别模块：对输入的图像序列进行分析，确定是否有火灾发生。该模块为整个系统的核心模块，以函数接口的形式向其上层（管理模块）提供服务。 网络通信模块：负责系统与外界的信息交换，包括获取服务端的视频流数据、下载视频数据等等。 系统的主要功能有： 实时监控：系统可任意选择、切换现场图像进行实时监视；可分别选择1、4、9、16路视频同时监控。 图像识别：对输入视频流进行解码及Y