基于图像处理的火灾探测技术

徐玉姣　洪镇南　全菲

摘 要：基于图像处理的火灾探测技术具有准确性高、实时性好、信息丰富等优势，是火灾探测领域重点研究的内容。本文根据火焰的面积增长率、火焰尖角等作为特征提取对象，通过MATLAB仿真技术对火焰特征进行实验研究，实验证明此技术具有一定的理论参考价值。

关键词：MATLAB；图像处理；火焰特征；火灾探测

Fire Detection Technology Based on Image Processing

Abstract：Fire detection technology based on image processing has the advantages of high accuracy，good real-time，rich information and so on. The paper study the flame features，through the MATLAB simulation technology with the features of flame area growth rate and flame angle.The experiment results show that this technology has a certain reference value.

Key words：MATLAB；image processing；flame features；fire detection

随着我国市场经济体制的发展和完善，城市中大型建筑物所占比例越来越高，包括大型商场、会议中心、电影院、展览馆、博物馆和物流仓库等，它们在人们生活中起着十分重要的作用。但是，大型建筑物相对于其他建筑物来说，具有内部跨度大、结构复杂等特征。一旦发生火灾时，产生的烟雾很难达到火灾探测器所在的房间顶部，或者由于受到热障区域的影响无法及时启动报警。然而，基于图像处理的火灾探测技术结合了成像技术、图像处理技术、计算机技术等先进的信息处理技术，不再受到建筑物空间高度、热障区域、气流限制等影响，其火灾探测功能具有高智能、高灵敏和非接触等优势，可以快速探测到火灾发生早期产生的烟雾和火焰，及时发出报警信号，确保人员安全疏散。目前，基于图像处理的火灾探测技术已经成为了大型建筑物火灾防范的有效手段。

1 火灾图像的预处理和图像识别流程

⑴图像预处理：主要包括火灾图像的灰度处理、二值化处理、滤波降噪处理等步骤，本文采用的图像预处理技术是中值滤波。

⑵图像背景提取：本文主要采用更新算法对火灾图像的背景进行更新和提取。

⑶特征提取：根据二值化处理之后的火灾图像来计算火焰的面积增长率、尖角等特征。

⑷输出火灾识别部分：将提取到的火焰图像的特征进行归类，经过分类判别和初步识别后，当完全满足这两个条件时，可以确定火灾发生。

2 火灾图像的特征提取与仿真

2.1 面积变化率识别

在火灾发生的初期阶段，火焰从无到有的出现是一个不断扩张和蔓延的过程，由于火焰会受到气流速度、热量流动等诸多因素的影响，会促使火焰处于不断跳动的状态。由此，可以得到火焰的物理特性：火焰图像的高亮区域呈连续变化、不断增长的趋势。汽车大灯、强光手电筒等也同样具有高亮面积部分连续变化的特征。对比火焰物理特征可知，火焰的蔓延和擴张还是比较缓慢的，相邻火焰的面积变化率不会大幅度增长或降低，而汽车大灯、快速移动的手电筒则会导致相邻图像的高亮区域面积变化率较大。相反，家用白炽灯由于光源固定，其面积变化率最低，几乎可以接近零变化率。由此可见，基于图像处理的火灾探测技术可以通过判断面积变化率的方式来区别火灾、固定光源、移动光源等干扰。

本文连续计算10帧火灾图像的火焰面积，得到火焰面积的增长率，记作Ij。

公式（1）中，A是火焰面积，Rj是火焰区域。将采集到的火灾图像通过二值化处理、滤波降噪和图像分割后，分别计算每一帧火焰区域的面积，并代入公式（1）中，最终可以获得连续若干帧火灾图像的面积增长率。

MATLAB仿真实验部分代码如下：

RGB=imread（＼E：＼实验＼picture4.jpg）； //读取RGB火灾图片//

I=rgb2gray（RGB）； //灰度化处理//

BW=im2bw（I，0，6）； //二值化处理，添加阈值分割//

A=length（find（BW==1））； //火灾图像区域面积//

……

2.2 火焰尖角的识别

抖动是火灾发生早期时火焰的重要特征之一，其与面积变化率的判断联系紧密，可以弥补面积变化率判断的不足之处，确保火灾检测技术更加精准可靠。火焰边缘抖动的最明显表现是其尖角成无规则、无规律的跳动，但火焰尖角的形态基本不会发生变化。火焰尖角具有高度高、宽度小和形态狭长等特点，尖角数量是通过帧图像边缘提取实现的。因此，可以根据火焰的特征对其尖角进行识别。

火焰尖角的识别过程如图2所示：

火焰尖角具有高度高、宽度小和形态狭长等特点，所以，对火焰尖角进行检测要进行相应的调节，其检测步骤如下：

（1）确认火焰尖角顶点的位置；

（2）对提取得到的火焰图像边缘进行特征提取之后，按照其边界点逐点扫描，如果存在一个左右相邻区域内连续50个点的高度全部小于或等于该边界点，则判断为疑似火焰尖角点，同时将这些火焰边界点利用坐标矩阵记录；

（3）判断这些边界点是否属于火焰尖角。

MATLAB仿真实验部分代码如下：

sum=0； //计算得到火焰尖角的个数//

for k=1； //得到疑似火焰尖角的行数、列数和边界矩阵//

for i=1：n //比较之后确定其在边界矩阵中的位置//

if （is equal （tt（i，：），jj（k，：）））

if（i>50&i+50

d1=sqrt（（tt（i+50）-tt（i））^2+（tt（i，2）-tt（i+50，2））^2）； //火焰尖角到达左边第50个点的距离//

d2=sqrt（（tt（i+50）-tt（i））^2+（tt（i，2）-tt（i-50，2））^2）； //火焰尖角到达邮编第50个点的距离//

c=sqrt（（tt（i-50）-tt（i+50））^2+（tt（i+50，2）-tt（t-50，2））^2； //左边第50个点到右边第50个点的距离//

……

3 基于MATLAB的实验结果分析

3.1 实验环境

计算机一台、高清摄像头、打火机、纸张、木料、白炽灯，以MATLAB作为实验分析工具，每秒钟截取30帧的图像，图像大小为160*120像素，再进行灰度处理、二值化处理、滤波降噪、阈值分割等。

3.2 面积增长率实验结果

选取连续的10帧火灾图像，计算火灾图像亮点区域的面积增长率，图3给出了详细的面积增长率实验数据。

由图3可知，当纸张和木料燃烧时，图像的面积变化率较大，始终呈现较强的增长趋势；当点亮打火机时，检测到的图像面积变化范围较小；当打开白炽灯时，图像的面积变化率始终稳定。

3.3 火焰尖角实验结果

选取连续的1800帧火灾图像进行分割，形成分割图，按照每30帧计算一次火焰尖角的平均值，得到了如图4所示的每分钟获得的实验数据。

如图4可知，当纸张和木料燃烧时，其火焰尖角始终保持在5个以上，火焰尖角的变化较大；当点亮打火机和白炽灯时，火焰尖角的变化率始终控制在一定范围内，保证在5个以下，因此，火焰尖角可以作为火灾探测中的重要参数。

4 結论

综上所述，本文在分析了基于图像处理的火灾探测技术流程和原理之后，对火灾图像的火焰面积变化率、尖角等特有属性进行深入研究，采用MATLAB实验环境对火灾图像的识别进行仿真。实验表明，火焰面积变化率、火焰尖角均可以作为火灾探测中的决策参数。在进一步研究火灾探测系统时，可以将其作为决策参数的输入部分，确保火灾探测的及时性和准确性。

[参考文献]

[1]许峰，于春雨，徐放.视频烟雾火灾探测技术研究趋势[J].消防科学与技术，2012，11：1185-1188.

[2]刘晓军.图像型火灾探测技术中的火灾定位研究[J].北华航天工业学院学报，2013，01：31-33.

[3]岳鹏.火灾探测技术在大空间建筑的应用研究[J].山西建筑，2013，16：27-28.

[4]徐冬新.视频图像检测火灾探测技术比较[J].化工自动化及仪表，2013，06：728-729.

[6]ZHOU Jia-qi，LI Wen-yuan，LU Ji-ping，et al.Incorpora-ting aging failure mode and multiple capacity state modelof HVDC system in power system reliability assessment[J].Electric Power Systems Research，2007，77（8）：910-916.