基于视频图像的火灾火焰探测技术分析

贾志城（甘肃政法学院图书馆，甘肃 兰州，730070）

1 引言

火灾是众多灾害中突发频率较高且极具毁坏性的灾害，其频发率位居各类灾种之首，直接损失虽小于旱涝灾害，却是地震灾害损失的五倍，火灾防治已经成为全社会关注的重大问题。随着现代信息技术和火灾科学的快速发展，基于视频图像的火灾探测技术己经成为业界关注的焦点，这种新型的火灾探测技术，相形于传统预报方法，它能够有效地提高预报精度、缩短预报时间、提供更丰富的火灾信息。本文就火灾火焰的基本特征、常用视频特征和识别算法做出总结，并就其中的关键问题给出已有认识。

2 火灾火焰的基本特征

2.1 火灾火焰的静态特征

烟火的静态视觉特征主要包括光谱信息和空间结构两方面。前者主要指火焰亮度和颜色分布规律，而后者主要指火焰区域的内部结构、纹理和边缘轮廓等特征。

1）颜色特征

火焰的热辐射包含离散光谱的气体辐射和连续光谱的固体辐射。火焰的波长在0.2～10μm的范围内，不同物质的燃烧，其辐射强度随波长分布不同。

火焰的光谱信息主要体现在与周围环境强烈的亮度对比和独特的RGB、HIS等颜色空间模型上，表现为火焰的颜色在中具有特定动态范围。火焰的颜色特征在RGB空间中，对于空间中的火焰颜色向量A=（R G B），可用多高斯模型描述，其概率密度分布函数为：

其中∑A是颜色向量的协方差，描述了火焰颜色向量在空间中的分布情况，为相应的通道均值，对于满足下列条件的图像像素，可以认为是火焰像素，否则为背景，T值可以根据经验指定也可通过学习确定。

火焰的灰度处于固定的区域150～255，前提条件是该估计对具体烟火和场景的依赖性大，阈值范围大，不便于操作。

2) 结构特征

火焰区域的光谱颜色分布具有持续的由内到外的环形嵌套的变化结构，对应于光谱颜色随温度的变化，高温的火焰内核会呈现亮白色，向外随温度降低颜色会由黄变橙、到红，呈现出明显的层次结构，在灰度图像中，也可看出核心部分明显比边缘亮。较低温的火光颜色饱和度较高，高温下饱和度较低，呈环状扩展，离核越远的结构稳定性越差，同时火焰区域的整体在一定时段内相对稳定。

烟雾及火焰的纹理是火焰重要的视频特征。通常对烟雾图像的灰度共现矩阵进行4个方向的纹理特征的提取，主要有：对比度、墒、相关量、角二阶矩。火焰的纹理目前没有明确的界定特征，需要发掘。形状是描述图像视觉特性的重要参数，通常来说，形状特征有轮廓特征、区域特征两种表示方法,前者只用到物体的外边界，而后者则关系到整个形状区域的灰度或颜色分布。

2.2 火灾火焰的动态特征

早期火灾火焰是非定常的，不同时刻火焰的形状、面积、辐射强度等都在变化。抓住火灾的这些特点可以为火灾的识别打下良好的基础。火灾探测中的图像处理是动态图像的连续处理：对图像上的每个目标，根据一定的算法来确定它同前一帧中目标的匹配关系，从而得到多目标的连续变化规律。

1) 闪烁频率

火焰的闪动规律，即亮点在空间上的分布随时间变化的规律。火焰在燃烧过程中会按某种频率闪烁。数字图像中就是灰度级直方图随时间的变化规律，这个特性体现了一帧图像的像素点在不同灰度级上随时间的变化情况[3]。火焰的闪烁是火焰区别其他辐射的一个显著特征。研究表明，自由燃烧状态下的火焰产生无规律的闪烁，如果对火焰发出的红外线频率进行分析，可以观测到其峰值频率约10Hz左右[1]。当然，受到火灾规模和风的影响，其闪烁频率约在2-20Hz之间范围内有所变化。由于扩散火焰的辐射受这个意义的调制量作用，而背景辐射一般情形下没有类似这种方式的调制作用，因此，按火焰闪烁原理工作的探测器可表现出对背景分辨能力很大的改进，从而相应的减少误报率[2]。

2) 边缘及结构的稳定性

早期火焰的边缘变化有一定的规律，同其他的高温物体以及稳定火焰的边缘变化不同。精确的方法是用边缘检测和边缘搜索算法将边缘提取出来，根据边缘的形状、曲率等特性对边缘进行编码，再根据编码提取边缘的特征量。利用这些特征量在早期火灾阶段的变化规律进行火灾判断。火焰中心在燃烧过程中具有一定的稳定性。火焰中心在水平和垂直方向的相对移动速率一般在一个较小的范围内变化。同时，火焰在燃烧过程中具有连续性和随机性，表现在前后几帧图像既有一定的区别又有一定的相似度。

3) 面积变化

早期火灾是着火后火灾不断发展的过程。在这个阶段，火灾火焰的面积呈现连续的、扩展性的增加趋势。在图像处理中，面积通过取阈值后统计图像的亮点数来实现。当其他高温物体向着摄像头移动或者从视野外移入时，探测到的目标面积也会逐渐增大，容易造成干扰。因此，面积判断需要配合其他图像特性一起使用。

4) 形体变化

早期火灾火焰的形体变化反映了火焰在空间分布的变化。在早期火灾阶段，火焰的形状变化。空间取向变化、火焰的抖动以及火焰的分和等，具有自己独特的变化规律。在图像处理中，形体变化特性是通过计算火焰的空间分布特性，即像素点之间的位置关系来实现的[3]。

5) 整体移动

早期火灾火焰是不断发展的火焰，随着旧的燃烧物燃尽和新的燃烧物被点燃，火焰的位置不断移动。所以火焰的整体移动是连续的非跳跃性的。

3 视频火焰的模式识别方法

视频火焰的模式识别方法分为火焰识别和烟雾识别二种，早期的视频火焰检测主要通过火焰颜色在颜色空间中的特定分布模型来判断是否有可疑的火焰区域，颜色空间中的特定分布模型可以采用不同的方式，如前所述，再利用其他的特征来做进一步的判断。如Chen和Kao等采用了一种二阶决策机制，先利用火焰颜色检测其存在性，再判断火焰的蔓延或消减状态[4]。Yamaguchit用HSV颜色模型来初步对火焰进行识别，依据序列图像中火焰颜色区域的色调与饱和度的连续变化来分割火焰区域，用边缘算子和极坐标变换提取区域轮廓，引入时空波动方程结合连续的极坐标变换结果形成了时序伏动的火焰轮廓数据，再提取其傅里叶频域特征输入神经网络来判别真实火焰。

基于视频图像的火焰探测算法较多，Thorsten Schultze认为火焰具有闪烁特性并且用二维傅里叶变换计算出火焰图像的频谱不超过10HZ，同时认为烟雾的宏观运动有一定的规律，如整体向上，并用基于区域的方法求出烟雾的运动矢量，最后根据火焰和烟雾的双重特征判断是否有火灾的发生。袁非牛提出了一种运动累积和半透明的视频烟雾探测模型，认为烟雾通常从阴燃点持续冒出，因而通过累积模型度量运动像素的累积程度，能够很好地捕获烟雾的时空视觉特征，并能有效地抑制噪声干扰。同时根据烟雾的模糊和部分遮挡背景特性，提出了一种基于高通滤波的半透明遮挡快速模型[5]。实验结果表明该模型具有较好的抗干扰性，并且不需要精确的火焰区域提取，算法简洁。烟雾越浓的图像越模糊，反之越清晰。图像的模糊度用边缘检测来判定，因为越清晰的图像边缘越清晰，反之越模糊的图像边缘越不清晰，模糊到一定程度的时候几乎检测不到任何边缘的存在，如对模糊度设定某个阈位，若超过这个阈值，认为图像中出现了烟雾。吴爱国等提出火焰圆型度会在特定的范围内变动，同时面积增大并有明显的抖动，但不会出现位置的较大变化，针对边缘变化，提取边缘链码，对边缘的形状、曲率等特征对边缘进行编码，根据编码获取边缘变化的特征量，并利用BP网络来实现数据融合和烟火模式分类。此外，Jerome Vicente通过提取烟雾像素灰度时间序列的包络来分析其特征，并与云彩等其它自然现象作比较分析后进行判断。

现代信号处理方法提供丰富的统计信号处理方法，例如，通过火焰边缘链码获取其傅里叶描述子，然后通过相邻帧间的前向估计获取各区域的自回归AR模型参数，再以傅里叶系数和AR模型参数为特征对烟火区域进行分类。由于傅里叶变换不能承载时间信息，有学者从小波时频分析和随机过程理论中寻求相关的解决办法，利用小波变换来分析烟火运动的时频特性以估计闪烁频率。用背景估计的方法提取出火焰的区域，在时间域利用一维小波变换求出火焰像素的灰度闪烁频率，然后在空间域利用二维小波变换计算三个方向的高频能量，并根据一段时间内该能量的变化情况判断是否有火焰的产生，实验表明该办法能很好的区分火焰和类火焰颜色。帅师等也在视频序列小波变换后，监测其子图像的能量值是否减少。一般运动目标的内部颜色没有变化，也就一般不存在小波系数值的变化，而烟雾可以导致场景变得模糊，其高频小波系数值的减少意味着由于烟雾引起了边缘模糊。B.Ugur则对火焰进行三状态隐Markov模型的训练之后用该模型来对视频图像作初步判断得到疑似火焰区域，对疑似火焰区域进行二维小波变换，分别计算高、低频系数值之和并求得高频系数值之和与低频系数值之和的比值，认为真实火焰由于闪烁的原因会有较高的高频系数和较低的低频系数，根据该比值与事先设置的阈值的大小关系来最终判断是否有火焰出现。

4 结 语

本文就基于视频图像的火焰探测的原理方式、常用视频特征和算法作了总结，并提出了相应的观点。国内外快速发展的基于视频图像检测技术，其漏报、误报率有待提高，火焰探测的理论和实际问题需要完善，以达到真正的消防应用能力。

[1] 徐仕玲.野外火灾的图像识别方法研究[D].南京航空航天大学,2008.

[2] 王佳.基于数字图像处理的火灾火焰检测算法研究[D].西安工业大学,2008.

[3] 都俊松.图像处理与模式识别在火灾探测领域的应用[D].沈阳工业大学,2007.

[4] 杨俊,王润生.基于视频图像分析的火燃检测及其应用[J].视频技术应用与工程,2006,8:92-96.

[5] 袁非牛,廖光煊等.计算机视觉火灾探测中的特征提取[J].中国科学技术大学学报,2006,36,(1):39-43.