基于MATLAB的火灾视频探测技术

赵丽娜 徐常志 叶俊健 陈晓波 邓伟锋

摘   要： 基于传感器的火灾识别方法在空间广阔、布局跨度大的特定环境下难以实现火灾的有效、及时探测。提出一种基于MATLAB的火灾视频探测技术，集成火焰图像采集、火灾图像识别、火灾报警联动等模块，通过编写MATLAB函数，对火焰视频图像进行灰度处理、二值化处理、边缘检测等操作，对火焰的边缘变化、形状变化、闪动变化和面积变化等特征进行分析，提取火警信息。应用表明，基于MATLAB的火灾视频探测技术具有可靠性、准确性，能够实时计算得到火焰轨迹，为早期预警火灾的发生打下了坚实的基础。

关键词： MATLAB;火灾视频探测;图像识别;边缘检测;传感器

引言

火灾是一种威胁公共安全和社会发展的灾害，会对公用设施造成破坏，带来严重的经济损失[1]。一般情况下，火灾探测主要依靠烟雾传感器和测温传感器，但是在空间广、跨度大的一些特定环境下，这类传感器难以探测火灾初期产生的热量和烟雾[2]。烟雾传感器需要有一定量的烟雾颗粒进入其内部才能告警，测温传感器往往在火灾成型后才能告警，这都会导致火灾救援错过最佳时间点[3]。

随着新一代信息技术的发展，模式识别、图像处理技术得以完善，火灾视频探测成为可能。火灾视频探测技术有效地克服了空间广、跨度大环境下火灾识别的局限性。对于动态的火灾视频探测开发环境，OpenCV是一款常用的计算机视觉软件，但是其技术文档并不完善，缺乏技術支持，而MATLAB具有更快速的开发能力、更简便的调试过程、更简单的仿真操作，并且具有强大的矩阵库和集成的可视化调试工具等作为支撑，故本文重点研究MATLAB开发环境下基础图像处理算法在火焰图像预处理、特征提取、边缘检测等方面的有效性和准确性。

1  技术综述

在火灾探测领域，应用较多的设备包括红外探头和传感器，其中传感器包括烟雾传感器、气体传感器、测温传感器等，它们通过对空气中二氧化碳、一氧化碳火焰燃烧时产生的气体的检测、温度的检测等达到对火灾进行监控的目的。这些检测方法对室内封闭区域和小空间区域，例如隧道、酒店等，具有良好的检测效果。但如引言所述，对于野外等空间广、跨度大的环境，由于传感器感知范围的限制，一般情况下，当探测距离超过13 m时，这些传感器就不能很好地发挥作用了，况且在野外环境不可能大量地安装传感器。

从20世纪90年代起，陆续有学者开始开展上述研究。早期的研究主要针对火焰的识别，大多数利用火焰明亮度和颜色等特征，因为这些特征比较明显，又容易被提取到。颜色模型包括一开始的RGB颜色模型，以及后续的HSI、YCbCr等颜色模型。后来为了提高识别准确率，又有研究人员开始注意到火焰和烟雾的其他特征。对于火焰，王琳[4]通过研究火焰跳动的特征，发现火焰质心跳动频率为10 Hz左右，这可以作为区分火焰和非火焰区域的依据。袁非牛等[5]根据烟雾产生之后总是向上运动这一特征，对烟雾进行识别，他们还使用LBP、LBPV等算法提取局部特征，进行火焰和烟雾的更好识别。还有不少学者使用小波分析提取火焰边缘特征或者利用小波能量特征对火焰进行识别。为了进一步提升识别的准确率，很多学者也开始将多种特征加以融合，主要融合的特征有颜色、运动状态、背景模糊程度等。

2  火灾视频探测技术

火灾视频探测技术，即利用数码感光器件（如CCD相机）、计算机主机、图像采集单元、图像预处理算法，通过模式识别的方法判断监控视频中是否有火焰和烟雾的技术。火灾从形成到蔓延需要一定的时间，从火灾的初始阶段到引燃阶段，具体表现为被燃物质产生的火焰较小，但是烟雾较大，火焰和烟雾的面积、颜色、形状、辐射强度等都在不断变化，火焰的面积呈连续扩展增加的趋势。在数字图像处理中，面积是通过阈值化统计的图像亮点来表征的，只要能够提取背景，就可以确定火焰与烟雾的运动像素与活动区域。基于图像处理的火灾视频探测技术正是利用了这一特征，实现了从含有背景噪声的图像阵列中准确地识别与火灾相关的信息，从而达到广空间、大跨度火灾探测的目的。

图1描述了火灾视频探测系统的整体结构。球机会周期地进行图像抓拍，当有火灾发生时，球机对光信息进行预处理，传送给工控机的图像采集单元，工控机的软件系统对采集到的火灾图像采用算法进行识别分析，判断图像中是否含有火灾相关信息。如有，系统的火灾报警器将会发出报警，并将报警信息上传到消防系统平台，以促使消防人员及时地到达现场，扑灭火灾。

3  基于MATLAB的火灾视频探测技术路线

MATLAB最大的特点是易于扩展，她允许用户自行建立指定功能的MATLAB文件。一个从事特定领域的工程师，不仅可直接利用MATLAB所提供的函数及基本工具箱函数，还可方便地构造出专用的函数，从而大大扩展其应用范围。当前支持MATLAB的商用Toolbox（工具箱）有数百种之多。MATLAB具有易学易用性与高效性，不需要用户有高深的数学知识和程序设计能力，也不需要用户深刻了解算法及编程技巧。MATLAB语句功能十分强大，一条语句可完成十分复杂的任务，如fft语句可完成对指定数据的快速傅里叶变换，这相当于上百条C语言语句的功能，大大加快了软件开发效率。

图2所示为基于MATLAB的火灾视频探测技术路线。该系统由火焰图像采集系统、火灾图像识别系统、火灾报警联动系统三大模块组成。火焰图像获取主要通过数码感光器件（如CCD相机），将火灾的光信息转化为数字图像信号，然后进入工控机内的图像采集单元，利用火灾图像识别系统进行图像采集、图像预处理、特征提取及图像识别。在图像预处理过程中，采用中值滤波方法抑制噪声，从而对图像进行平滑处理。

4  应用

4.1  火灾火焰图像特征分析

在火灾发生的早期阶段，对火灾视频进行现场识别主要是通过对火焰或烟雾的图像特征来实现的。火灾是一种失去了控制的剧烈性的燃烧，初期的火焰是从无到有的，是非固定的，在不同的发展阶段，火焰的特征，如形状、面积、颜色、尖角、频闪等，都存在着一定的特征。本文将火灾火焰图像特征变化划分为边缘变化、形状变化、闪动变化和面积变化。

（1）边缘变化：火灾早期发生时，火焰边缘存在着一定的变化规律，与其他的高温物体及稳定火焰的边缘变化不同。精确的探测方法是通过边缘检测算法将边缘提取出来。根据边缘的形状、曲率等特性进行编码，再根据编码提取到的边缘特征数值，以一定的权重加入综合判断过程。

（2）形状变化：火灾早期发生阶段，火焰的形状变化反映了火焰在空间中的分布。在这一阶段，火焰的空间取向变化、火焰的抖动以及分合等形状变化，都具有独特的变化规律。

（3）闪动变化：火焰在燃烧的过程中会按一定频率进行闪烁，在数字图像中，体现为灰度直方图随着时间的变化规律。

（4）面积变化：火灾早期发生时，火焰的面积呈连续扩展增加的趋势。在数字图像处理中，面积是通过阈值化统计的图像亮点来表征的。

4.2  视频图像运动检测

视频图像运动检测，是通过在视频中提取单帧或多帧运动目标，跟踪计算出运行轨迹的检测。目前常用的目标运行轨迹追踪方法有光流法、高斯模型法、背景差法、帧间差法等。本文提出一种鱼洞检测方法。首先，运用MATLAB函数进行灰度处理，即

至此，即运用MATLAB语句实现了火灾视频的鱼洞检测。通过二值化处理和Canny算法等，对视频中火焰的单帧或多帧运动轨迹进行处理，实时地计算得到了火焰轨迹。

5  结论

本文运用MATLAB对火焰图像进行灰度处理、二值化处理、边缘检测等，验证了基于MATLAB的火灾视频探测算法在火焰图像预处理、特征提取、边缘检测上的有效性和准确性，为早期预判火灾是否发生打下了坚实的基础。

参考文獻

[1] 卢胜男， 冯建利， 段沛沛. 视频火灾识别方法研究综述[J]. 电视技术， 2013， 37（3）： 179-184， 200.

[2] 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， 31（11）： 1185-1188.

[3] Healey G， Slater D， Lin T， et al. System for real-time fire detection[C]// IEEE Computer Society Conference on Computer Vision & Pattern Recognition， Cvpr. IEEE， 1993.

[4] 王琳， 李爱国， 郝春雨. 基于火焰图像跳动特征的火灾识别算法[C]// 中国控制会议， 2014.

[5] 袁非牛， 张永明， 刘士兴， 等. 基于累积量和主运动方向的视频烟雾检测方法[J]. 中国图象图形学报， 2008（4）： 808-813.