森林防火四旋翼

朱泓宇　王丽芬　马明涛

摘 要：现阶段森林火灾是一种危险性极高、灾难范围极广、发生时间不可预知的一种灾难，在火灾发生前能尽早发现火灾的具体位置是控制森林火灾的重中之重，本次方案通过无人机与视觉识别深度学习的结合有效锁定火源的具体位置，但是在无人机飞行过程中风速、高度、视觉范围等原因会对视觉识别产生一定的影响，为此我们提出用OpenCV的RGB与HIS的结合判斷法在森林火灾的防控中起到一定的防火作用，经过一定的实验分析，功能比较稳定。

关键词：森林防火;无人机;OpenCV

引言：

如今已经是21世纪，我国的科技水平不断提升，人类文明发展不断进步，但全球气候的变暖导致森林火灾的发生的情况越来越严重。全世界每年平均发生森林火灾20多万次，烧毁森林面积约占全世界森林总面积的1%以上。中国每年平均发生森林火灾约1万多次，烧毁森林几十万至上百万公顷，约占全国森林面积的5～8%。森林火灾不仅烧毁林木，减少森林面积，而且严重破坏森林结构和森林环境，导致森林生态系统失去平衡，森林生物量下降，生产力减弱，益兽益鸟减少，甚至造成人畜伤亡。

1.森林火灾的特点：

森林火灾是一种破坏力强、燃烧性快、控制难度大、传播更加广泛的一种自然灾害，一旦发生，将会产生无法预估的后果。

1.1森林火灾的成因：

产生森林火灾的原因主要有两方面：人为纵火与天然火灾。

由于社会治安的逐步加强，人为纵火的情况已经越来越少，发生天然火灾的情况越来越严重，火灾一旦发生，火势蔓延开来，人为救火更加微不足道。

1.2森林火灾的种类：

（一）一般森林火灾：受害森林面积在1公顷以下或者其他林地起火的，或者死亡1人以上3人以下的，或者重伤1人以上10人以下的;

（二）较大森林火灾：受害森林面积在1公顷以上100公顷以下的，或者死亡3人以上10人以下的，或者重伤10人以上50人以下的;

（三）重大森林火灾：受害森林面积在100公顷以上1000公顷以下的，或者死亡10人以上30人以下的，或者重伤50人以上100人以下的;

（四）特别重大森林火灾：受害森林面积在1000公顷以上的，或者死亡30人以上的，或者重伤100人以上的。

2005年，西班牙和葡萄牙等地发生火灾;2006年，加利西亚自治区发生火灾;2007年，保加利亚和乌克兰等地发生火灾，防火形势异常严峻，刻不容缓。

1.3防治森林火灾的措施：

首先，加强法制宣传教育。目前，加强森林防火的法制宣传已经被世界各地所重视;其次，在力所能及的范围内进行消防演练，防止火灾发生时，造成人为不必要的损失。再次，采取森林防火带加强防护，同时，加强林业人员对森林的巡查，可以采取地面巡查，瞭望台巡查等方式。

1.4森林防火的图像处理：

近几年无人机逐步应用到各行各业中，本次设计方案主要是应用无人机进行检测与巡查。无人机具有速度快，检测视角广阔，应用灵活的特点，故我们采用无人机进行防火监测。利用OpenCV的强大的图像处理库，直接将图像分离为RGB三通道，设置条件限制，找到火焰的像素位置，将原图处理成二值图像。对于火焰检测，主要结合RGB判据和HIS判据，设定合适的阈值条件，检测出火焰对应像素的区域，将原图二值化，经过中值滤波以及数学形态学的膨胀运算等图像处理，消除一些噪声及离散点，连通一些遗漏的区域。基于OpenCV的开源库，在VS平台上，实现了火焰的检测。通过对图像的处理分析，采取相应的防护措施。

2.OpenCV算法：

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，实现了图像处理和计算机视觉方面的很多通用算法。

对火焰的识别如步骤如下：

直接对图像中的内容进行处理，将图像中的内容分离为RGB三通道，设置一定的条件限制，从而找到火焰的像素的位置，将图像进行二值化处理，并将RGB判断与HIS判断结合，来分割火焰的位置。人眼看到的颜色模型一般都是RGB模型，火焰的R和G的分量会很大，且G会大于B。HIS颜色模型分别用色度、饱和度、亮度来描述颜色的特征。考虑到单一颜色模型的判断性可能不够高，所以采用RGB判断和HIS判断结合的方法。判断方法如下：

rule1：R≥G≥B

rule2：R≥RT

rule3：S≥（（255-R）*ST/RT）

其中，Rt为红色分量阈值，St为饱和度阈值，火焰像素主要取决于红色分量（R）的色度和饱和度。若满足式上式，则判断该位置为火焰像素，显示为白色，否则显示为黑色。判据中阈值的选择对于火焰检测是至关重要的，一般靠经验设定，为了获取火焰识别最好的效果，设置两个滑动条，改变阈值Rt和St的大小，选取最合适的值。由于上式中只需用到HIS中的S分量，所以不需要用到颜色模型转换函数，直接计算S分量即可。

获取二值图像后，需要对其预处理，找到遗漏的点，去除异常的点。因为有噪音的存在以及离散点，对图像进行平滑滤波，用像素点邻域灰度值的中值来代替该像素点的灰度值，非常利于消除一些误判断为火焰的像素点。由于部分火焰的颜色不是介于红黄之间，无法识别，需要实现区域的连通，因此对二值图像进行数学形态学操作。编写CheckColor函数，将以上3个功能实现。为了表示出视频中火焰的区域，在预处理过后，将火焰轮廓用矩形框标记，编写了画矩形框的函数DrawFire，其中使用了OpenCV的寻找轮廓的函数findContours，由于作业中test2的火焰位置是分散在不同地方的，所以对整张图像进行区域的划分，分别用不同矩形标记不同区域出现的火焰采用RGB判据和HIS判据结合的方法，按照经验法和不断地调试，选择合适的阈值，基于OpenCV在VS上实现算法，从实验结果可以看出，在背景比较单调且与火焰差别较大时，效果良好，几乎没有任何噪声对其造成干扰。但背景复杂或与火焰颜色比较相似时，会不时出现噪声和误判，需要进一步提高算法。

3.实验结果与分析：

采用RGB判据和HIS判据结合的方法，按照经验法和不断地调试，选择合适的阈值，基于OpenCV在VS上实现算法，从test1实验结果可以看出，在背景比较单调且与火焰差别较大时，效果良好，几乎没有任何噪声对其造成干扰。但背景复杂或与火焰颜色比较相似时，会不时出现噪声和误判，需要进一步提高算法。

4.结论：

经过理论的分析和实验的验证，OpenCV能够有效的分析出图像中的火源特征点，进行良好的火源点匹配，虽然还存在一定的不足，但是该算法在森林火势火源图像定位方面具有广阔的应用前景。

参考文献：

[1]2018.12.05 李国仁 《基于视觉的四旋翼无人机目标跟踪研究》;

[2]2018.09.05 赵伟 《无人机森林防火系统的火灾图像识别仿真》;

[3]2016.01.15 陆旭明 《基于OpenCV图像处理的火焰检测设计》。

作者简介：

朱泓宇（1998—），男，本科，吉林农业科技学院电气与信息工程学院学生，主要研究方向：电子信息科学与技术

王丽芬（1976—），女，软件工程，硕士。马明涛（1972-），男，电子信息科学与技术，硕士。

*课题项目：本论文源自于大学生科技创新训练计划项目“防火无人机”（项目编号：吉农院合字【2019】第086号）。