基于图像处理的火灾探测技术

卢玉书

(武警学院 基础部，河北 廊坊 065000)

基于图像处理的火灾探测技术

卢玉书

(武警学院 基础部，河北 廊坊 065000)

在基于图像的火灾探测技术中，数字图像处理是核心。将视频转换为图像之后，首先进行滤波等预处理，然后对图像进行分割即将图像中的目标与背景进行分离，以找出目标对象，通过边界跟踪获取目标轮廓及边界链码，在此基础之上提取目标的面积变化率、尖角数和圆形度等特征对目标进行分析，以判断该目标是火灾现象还是疑似火灾现象或是非火灾现象。

图像处理；火灾探测；边界链码；图像特征

0 引言

随着社会经济的不断发展，大空间建筑(如大型商场、电影院、会议中心、博物馆、展览馆以及物流仓库等)越来越多，并且在人们生活中起着十分重要的作用。大空间建筑具有单层举架高、跨度大、结构复杂等特点，一旦发生火灾时，由于建筑内空间较大，火灾发生时产生的烟雾，在该空间上传播的速度和范围往往容易受到多种因素的影响，很难到达建筑顶部，只有当火灾发生一定的时间和达到一定的程度时，安装在其顶部的感温、感烟探测器才可以探测到，因此传统的火灾探测技术难以实现对大空间建筑火灾的早期监控、预警。图像型火灾探测技术，结合了图像处理技术、模式识别技术、计算机技术等若干领域的先进技术于一体，具有非接触式探测、响应速度快、灵敏度高、监测范围广等特征，不受空间高度、气流速度、热障、易爆、有毒等环境条件的限制，能对早期火灾及时准确地做出判断，从而实现早期预警、监控的目的。基于图像的火灾探测技术已成为大空间及户外火灾探测的有效手段[1]。

1 图像型火灾探测技术基本原理

图1是基于图像处理的火灾探测系统框图。系统通过带有红外滤光片的摄像镜头实时采集现场图像，在进行滤波等预处理操作后，采用背景差分法提取目标图像，即把当前采集的图像与存储的背景图像进行差分运算，比较差分结果与预先给定阈值的大小，如果差分结果比阈值小，则说明无异常情况出现，反之，则需进一步判断，通过继续采集5帧现场图像并分别与背景进行差分运算，求取差分结果的平均值，再次与阈值进行比较，如果比阈值小，就停止检测并进行背景图像的更新，否则初步判断有火灾出现。发现火灾后，对图像进行分割处理获取目标区域，并通过面积滤波的方式，把区域面积较小的目标作为噪声滤除，以确定真正的目标图像，然后通过边界跟踪获取目标轮廓及边界链码，在此基础之上提取目标的面积变化率、尖角数(边缘抖动特征)和圆形度等特征实现火灾的自动识别[2]。

图1 火灾探测定位系统框图

2 早期火灾的图像识别

基于图像处理的火灾探测技术，主要是利用火灾的一些视觉特征进行判断。由于在火灾发生初期，火焰从产生到发展需要经历一个过程，这就使火焰在这个阶段呈现的特征就更加明显，如随着时间的变化，火焰的大小、形状以及火焰的尖角数等特征都是在变化的，因此，只要设计出算法能够合理的表征出这些特征，就能够实现早期火灾的探测[3]。

2.1 边界跟踪与链码提取

边界链码通过采用特定方向和特定长度的直线段相连实现对边界点编码，直线段的方向固定并且数目有限，在边界链码中要确定起始点的坐标，而其他各点由搜索方向代表的偏移量表示，由于每个点只需一个方向数表示，即可代替这个点的两个坐标，因此，用链码表示边界点可大大减少数据量。图2为8邻域链码方向图。为了方便提取火焰特征值，在对二值图像进行分割后，进一步对所述不同区域的目标进行边界跟踪，提取目标的轮廓。轮廓的跟踪可依链码的方向进行，下一跟踪点的取得依赖于上一轮廓点，从而避免了对所有像素点的扫描，增加了轮廓跟踪的效率。

图2 边界链码方向示意图

程序中，为了获得相邻边界点的像素值，首先需要知道相邻点的坐标，这可根据边界链码值，由中心点的坐标加上相应的偏移量得到。如果假设图像坐标原点在其左上角，X轴方向向右，Y轴方向向下时中心点与相邻点的偏移量如表1所示。

表1 中心点与相邻点偏移量表

链码存储于一维数组中，由于链码需要存储边界起始点的位置坐标，因此，数组中开始的两个单元存储起点坐标，再用一个单元存储链码数，然后存储链码序列，链码的存储结构如表2所示。

表2 链码存储结构

获取边界链码的过程主要是：(1)按照从左到右，从上到下的顺序依次扫描分割后的目标区域图像，通过灰度值判断是否是边界点，如果是，把它标记为起始点同时记录该点坐标，并寻找与其相邻的下一个边界点；如果不是，则继续按扫描顺序寻找边界起始点。(2)把当前的边界点作为中心，并根据前一个链码值确定下一个边界点的检测方向，如果链码值为奇数，将链码值加2作为当前边界点的检测的初始方向；如果为偶数，则链码值加1。按照确定检测方向的规则，以顺时针的方式检测与中心点相邻的8个区域，如果在8个区域中找到新的边界点，则把链码值保存到数组中；如果没有找到相邻的边界点，就说明当前中心点为孤立的点，无需存储。(3)经过跟踪回到边界起始点，形成一个闭合的边界线，跟踪结束。

2.2 火灾图像探测依据

这里用到的主要参数有：圆形度、面积变化率和尖角数[4-5]。特征值提取流程如图3所示。

2.2.1 形状特征

由于火焰的形状并不规整，而大部分干扰源的形状规整程度较高，本系统将形状特征作为第一个判断依据，如式(1)所示，由于圆形度在一定程度上可以体现出目标形状繁复程度，因此，将其作为形状特征的量化标准。

2.2.2 面积特征

早期火灾的面积会连续不断的增大，对应摄像头采集到的目标图像高亮度区域的面积也会增大，因此，系统采用比较相邻两幅图像中的火焰面积大小和连续5幅图像中火焰面积平均值变化情况的方法获得火焰图像面积变化特征。

图3 特征提取流程

假设连续采集5幅图像中火焰的面积为S1、S2、S3、S4、S5，相邻两幅图像的变化量为：

前j(j=2，3，4，5)幅图像的平均面积为：

一般情况下，对于固定光源和燃烧状态相对稳定的火焰，△Si的值相当小，As几乎是一个恒定值，而对于早期的火灾火焰则不然，由于其在时间上的发展性，△Si值应当是大于零的，而后采集到的图像中火焰区域的面积总大于先前采集到的，因此，As的值是逐渐增大的，根据设定的△Si和As差值的阈值，就可以探测出稳定火焰和失控火焰，进而去除掉固定的稳定光源的干扰。

2.2.3 火焰尖角数

对于一般的高温物体或是其他稳定的火焰，其边缘形状基本保持不变，但对于早期火灾火焰的边缘变化有其独特的规律，火焰尖角数的无规则变化就是一个明显的表现。对火焰尖角来说，其特征之一就是“尖”，这要求尖角的形状要满足一定的标准；火焰尖角的另一个特征就是顶点，顶点是局部的极值点，由于CCD采集的图像会发生一些微小的变动，随机产生一些小的突起，因此，为了提高检测尖角的准确度，系统设置了一个高度的下限值，将这些小的突起滤除，并且为了防止重复计算尖角数，对尖角的宽度也设置了一个上限值。提取尖角时，首先对边界链码进行移位操作以使链码最小，再对链码进行遍历操作，根据链码特点得到边界上升和下降的信息，以获取尖角，并根据设定的高度和宽度阈值，滤除小的毛刺和不是很尖的大角，并最终统计出火焰尖角的数目。试验表明，采用边界链码方式获取火焰尖角的方法更加简单明了，提取尖角的效率较高，而且易于实现[6]。

3 系统实现

考虑到系统应用的灵活性以及便于更新，摄像头采集的红外图像信号经视频采集卡转换为数字信号后，交由上位机处理，图像处理过程完全由软件实现。本系统采用VisualC++作为系统的开发平台,其流程图如图4所示。

图4 系统流程图

4 结束语

火灾图像识别技术采用了图像处理、模式识别、计算机等多领域先进技术，能及时准确地对火情实施定位预警，且具有控制距离远、反应速度快及灵敏可靠等优点，因此，以此技术为基础开发的大空间火灾探测系统，可以有效避免常规火灾探测系统在大空间火灾探测中的延报、误报等现象，具有广阔的应用前景[7]。

[1] 陈莹.图像识别火灾探测报警系统的研究与设计[J].微电子学与计算机，2009，26(8)：37-40.

[2] 吴龙标，宋卫国.图像火灾监控中一个新颖的火灾判据[J].自然科学发展,2001，11(1)：60-66.

[3] 邓志华，杨立中.火灾早期特性分析及影像特征研究[J].火灾科学,1997，6(2)：81-85.

[4] 袁宏永，苏国锋.基于实时序列红外图像的火灾频闪频率测量研究[R].’99城市火灾安全国际学术会议,1999:162-166.

[5] 周军盈，杜啸晓.图像识别技术在火灾探测中的应用[J].消防科学与技术，2007，26(4):417-420.

[6] 刘平，吴洪森.视频火焰实时监测系统的研究与实现[J].消防科学与技术，2009，28(9)：665-668.

[7] 冯引安,李引贤.图像型火灾探测技术研究[J].建筑电气,2009,28(7):16-19.

(责任编辑 马 龙)

Fire Detection Technology Based on Image Processing

LU Yushu

(DepartmentofBasicCoursesTeaching,TheArmedPoliceAcademy,Langfang,HebeiProvince065000,China)

Digital image processing plays a core role in the fire detection technology based on image. The target object will be found out after a successful convert from video into image, the preprocessing such as filtering, the image segmentation i.e. the target of the image is segmented from the background. On the basis of a target contour and a boundary chain code obtained through the boundary tracking, the characteristics of the target rate extraction, the number of sharp corners and the circular degree of the area are analyzed to determine whether the target is fire phenomenon,a suspected fire or non-fire phenomenon.

image processing; fire detection; boundary chain code; image characteristics

2015-04-16

卢玉书(1967— )，女，河北文安人，教授。

D631.6;TP391.14

A

1008-2077(2015)06-0027-04