韩美林,张文文
(1.商洛学院 电子信息与电气工程学院,陕西 商洛 726000;2.陕西锌业有限公司变电站,陕西 商洛 726000)
为了实现林区的视频监控硬件系统与森林火灾自动识别软件系统的结合,去除冗余信息,提高视频火焰检测效率和准确率,更好地预防与监测森林火灾,本文首先针对火焰的视觉特征进行分析,抽取出了4种可以高效表征火焰特征的参量。由于森林环境复杂多变,为了提高火灾检测的效率和准确率,对烟雾的特征进行分析和提取,设计出基于火焰特征与烟雾特征的多特征融合的火灾检测系统,目的是检测森林火灾。仿真结果表明,基于视频图像的多特征融合的森林烟火检测系统可实现对森林火灾高效的识别。
火灾发生时,火焰颜色是最为直观的外在表现,也是用于区分其他物体特征之一。火焰的颜色不是一成不变的,而是有其规律,焰心区域亮度最高而越靠近边缘颜色随之变暗。火焰的颜色也与外界温度相关,随着温度的变化,火焰颜色也在黄、橙、红之间反复闪变。为了弥补常用的颜色空间,如RGB和HSI的缺陷,更好地体现火焰颜色特征,本文采用融合图像的彩色信息和亮度模型。虽然不能完全去除干扰物体,但是分割出的火焰区域更真实,有助于检测效率的提高[1]。
火焰的形状不一,且在不同时刻火焰的形状也不同。为了将火焰与其他物体进行区分,通常用其轮廓特征来表示形状特征。针对火焰的形状采用圆形度其形状特征。圆形度指的是物体轮廓接近圆的程度,反映物体形状的不规则的程度。采用圆形度的计算公式,计算出视频中每一帧图像的疑似区域最大轮廓的圆形度,作为判定是否发生火情的条件之一[2]。
森林中的燃烧物往往为位置固定不变的树木,发生火情之后,其火焰一直存在于相对固定的中心位置,向各个方向蔓延。火灾初期,如果不考虑外界环境如气流的影响,火焰不会在空间上有大面积的整体移动。针对此,在整个时间序列上看,火焰区域的像素点被判断为运动的概率会比较高[3]。
图像之间内容相似的程度可以用相似度去描述。由于处于中心位置的燃烧物的位置相对固定,因此采集的相邻帧之间火焰视频图像特征相对稳定,即相似度特征稳定。但这只是针对于相对固定的中心位置的火焰,火焰的边缘即图像边缘相似度并不稳定。相比与其他的常见干扰如灯泡、手电灯、车灯而言,火焰图像还具有以下特征:形状没有规律,在较短时间内相邻帧图像中心位置相似度较高,边缘部分相似度低,即可利用火灾火焰连续形状的相似度来区分火焰与其他干扰。
火灾发生仅靠火焰的颜色难以实现火情的准确识别,因为林内环境复杂,需同时考虑火灾发生时伴随的另一现象:烟雾。火灾烟雾一旦产生会不断地向四周扩散,并且烟雾的颜色会随着燃烧的时间在扩散的过程中表现出不同。常见的烟雾扩散的颜色为灰白色,如果发生火情,由于烟雾的产生及扩散,在相邻帧图像中的RGB分量的值应当是逐渐靠近的。因此,可以利用颜色分量的变化特点对同一场景的不同帧图像进行分析,判别是否有烟雾出现,作为是否发生火情的判别依据之一。
人眼视觉往往更容易观察到移动物体,运动是非常重要的特征。火灾烟雾在产生之后,由于火灾烟色雾的密度通常小于空气的密度,会随着燃烧时间或者其他外界因素,烟雾会不断地运动。只考虑烟雾密度,烟雾通常由下至上飘动,而干扰物如树叶或云朵或飞鸟则不具有这样的运动特征。因此,利用火灾烟雾的运动特征,可以高效地把火灾烟雾飘动和其他飘动展开区别,排除干扰物,提高火灾检测的准确率。
随着燃烧,烟雾会不断向四周扩散,必然会遮挡其他的物体。烟雾具有半透明的属性,在采集的视频图像上表现为图片的背景被覆盖,使得背景图片变得平滑;表现在图像频域中为高频分量减少。所以,可以将烟雾图像转换至频域,通过图片的小波分析来提取图片的高频信息,利用烟雾的高频特性变化作为判别特征之一。
火焰的形状随着燃烧时间不断变化,火焰中心较火焰边缘而言形状较为稳定。火灾烟雾由于扩散,轮廓边缘展现出繁杂性的特征。利用边缘的检测可以大幅度减少数据量,排除掉与火灾无关的图像信息,保留图像重要的结构属性。检测到火灾烟雾轮廓后,为了描述火灾烟雾边缘的不规则性,本文通过分析火灾烟雾的周长与区域范围的关联来表述。通过数学形态学运算,获得火灾烟雾区域的外轮廓边缘与内轮廓边缘;用火灾烟雾区域的周长与区域范围的关联,来描述火灾烟雾边缘的不规律性,作为判别依据之一。
在完成火焰特征分析和烟雾特征分析之后,得到了多个用于判别火灾的特征集合,为了应用于森林火灾检测,完成对火灾高效准确的识别,本文采用了多特征融合的基于视频图像的烟火自动识别系统设计框架。当两个或两个以上的特征判别为有火情发生时,则系统报警(见图1)。作为整体性监控系统,系统关联到视频监控硬件和无线信息传输技术方法等各种技术。系统最终目的是实施火情的自动判别,迅速返回结果,实现林内的全天候监测、火情自动告警,预防火灾的发生,减少火灾带来的损失。
图1 基于视频图像的烟火自动识别系统设计
仿真结果如图2所示。本文采用的基于火焰颜色与烟雾特征的多特征融合检测算法能够准确识别火灾,可应用于基于视频图像森林火灾自动检测,更好地预防与监测森林火灾。
图2 仿真结果
为实现林区的视频监控硬件系统与森林火灾自动识别软件系统的结合,本文分析了火焰的基本特征和烟雾的基本特征,设计出基于视频图像的火焰特征检测与基于视频图像的烟雾特征检测。采用多特征融合的判别方法,判别是否有火情发生,提高视频火焰检测效率和准确率,预防与监测森林火灾。