基于運動軌跡特征的火焰檢測方法

耿慶田，張 晶，趙宏偉，王 闖

(1.長春師范大學計算機科學與技術學院，吉林長春 130032；2.吉林大學計算機科學與技術學院，吉林長春 130012；3.長春市寬城區(qū)綜合實踐教育基地校，吉林長春 130052)

火焰目標檢測是現(xiàn)代火災預警系統(tǒng)中的關鍵技術，也是計算機視覺研究領域的重要內(nèi)容。與依靠煙霧、熱量等傳感器來檢測火災的傳統(tǒng)火災預警系統(tǒng)相比較，采用計算機視覺技術的火災檢測系統(tǒng)有著很大的優(yōu)勢。其方法最大的特點是適合于大空間的區(qū)域，并且發(fā)現(xiàn)時間短。對火災預警系統(tǒng)監(jiān)控視頻中的火焰目標進行檢測時，主要是把視頻圖像中運動狀態(tài)的火焰區(qū)域從復雜的固定背景中剝離出來，作為火焰檢測識別的重要數(shù)據(jù)。

目前，國內(nèi)外研究人員對火焰的檢測方法提出了很多算法，并取得了一些成功。楊楠[1]采用隱馬爾可夫模型模擬火焰閃爍特征,并通過圖像的亮度來判斷疑似火焰區(qū)域；Chen[2]通過高斯混合模型，用顏色特征提取火焰疑似區(qū)域；Lei[3]通過提取紋理及范圍變化特征，利用Bayes分類器來檢測識別火焰區(qū)域；Zhang等[4]使用傅里葉算法提取輪廓特征來檢測火焰區(qū)域；王瑩[5]提出基于顏色空間的火焰顏色檢測模型；Habiboglu[6]提出了基于時空協(xié)方差的區(qū)域火焰檢測算法。

由于燃燒的火焰在視頻圖像中最直觀的形式是運動，它以火焰運動軌跡的變化表現(xiàn)出來。本文根據(jù)火焰運動軌跡曲線的變化部分，提取相應曲率的極值點，為了使該極值點具有旋轉、縮放、平移等不變性，需要把極值點在變化曲線中的相對位置表示出來作為提取火焰運動的特征向量，從而得到運動火焰軌跡的幾何特征。這樣在進行火焰相似性比對查詢時，降低了維度，提高了火焰的檢測效果。

1 火焰運動軌跡曲率特征提取

基于火焰運動區(qū)域特征的檢測技術關鍵在于運動特征的提取。優(yōu)質的特征要具備以下幾個關鍵點：(1)差異性，即不同物質對象有不同的特征；(2)穩(wěn)定性，同類物質對象的特征值比較相近；(3)獨特性，選取的各特征之間相互獨立；(4)少數(shù)性，描述物質對象的特征提取盡量少。

1.1 軌跡曲率極值點

本文在進行軌跡特征提取時首先要解決的是軌跡曲率極值點的獲取。

圖1 點到直線的距離

如圖1所示，在歐拉平面內(nèi)，設pi=(xi,yi),i∈[1,n]為火焰運動區(qū)域軌跡上的點，p1為起點，pn為終點，pj是從pi+2為起點的界點，直線L為連接點pj和pi+2的直線，d(i,j,k)為軌跡點pk到直線L的歐幾里得度量，設火焰運動軌跡曲線方程為y=f(x)，則曲率如式(1)所示。

(1)

設d(i,j)為閾值，其表達式為：

(2)

若d(i,j,k)>d(i,j)，則點pk作為軌跡曲線的特征點。由于d(i,j)的值恒定，因此該方法不能完全滿足軌跡曲線的不變性的需求。

為滿足軌跡曲線縮放不變性的要求，閾值的設定根據(jù)曲線大小的百分比：

T=(dwidth+dheight)percentage.

其中，dwidth，dheight分別表示火焰運動軌跡曲線最小邊界矩形的寬和高，正則化特征值，則曲率極值點如式(3)所示。

(3)

其中，n表示軌跡曲線的曲率極值點數(shù)量，經(jīng)(4)式變換可滿足需要。

(4)

其中，leni是點pi到極值點的距離，特征值變?yōu)?li,θi)，如圖2所示。

圖2 特征示意圖

在圖2中，p1是軌跡曲線起點，p4是曲線終點，p2,p3為曲率極值點，通過這四點可以計算出相對位置，并能夠較好地描述火焰軌跡曲線的幾何特性。

1.2 特征比對

本文通過下述算法來進行特征比對，設α是n維特征空間中的特征向量，可表示為(α1,α2,…,αn)，H(α)代表第一個分量α1，R(α)代表(α2,…,αn)，對于特征空間中的向量α和β，相似度比對定義如下：

(5)

則

(6)

圖3 軌跡曲線比對圖

如圖3所示，通過仿真實驗對比樣本軌跡曲線特征點和軌跡曲線集中A、B、C、D曲線特征點的相似度,可以發(fā)現(xiàn)，軌跡曲線B和樣本曲線最相符，與人類肉眼觀察結果一致，驗證了此算法的可行性。

2 實驗結果

本文使用Matlab從比爾肯大學火災視頻庫中選取了3段火焰視頻進行仿真實驗測試，實驗結果如圖4所示，a，b兩列分別是原始圖像和使用本文方法的檢測結果。通過對圖4的觀察，可以看到，本文所采用的算法能夠較為有效地識別出圖像中的火焰移動目標。值得注意的是，該算法經(jīng)驗證可以應用在實時的檢測環(huán)境中。盡管該方法還檢測到了人手部的輪廓，但這部分結果可在與顏色特征檢測算法的結合中加以排除。

圖4 火焰運動區(qū)域特征檢測效果圖

3 結論

本文提出了一種針對火焰燃燒過程中所表現(xiàn)出的動態(tài)曲線軌跡特征的檢測方法，是對基于顏色特征火焰檢測方法的補充，實驗結果表明，對于室外燃燒火焰形態(tài)變化較明顯的特征提取效果會更好。若將顏色特征和本文算法相結合并應用到火焰檢測中，則更能在實時環(huán)境中實現(xiàn)火焰檢測，并可以應用到早期火災報警中。本文算法使用基于火焰運動特性軌跡曲線檢測模型，并利用該模型進行實驗與結果分析。可以更好地滿足火焰檢測的特殊情況，提高火焰檢測的準確率和抗干擾性，獲得了較為理想的檢測效果。

[1]洪義,王兆其,朱登明,等.基于Level-Set的火焰動畫生成方法研究[J].計算機研究與發(fā)展,2010,47(11):1849-1856.

[2]王瑩,李文輝.基于多特征融合的高精度視頻火焰檢測算法[J].吉林大學學報:工學版,2010,40(3):769-775.

[3]Liu J,Liu S,Zhou W,et al.Flame detection on swirl burner using ECT with dynamic reconstruction algorithm based on the split Bregman iteration[J].IEEE Sensors Journal,2017,17(22)：7290-7297.

[4]Jean-Yves D S L,Sabine L,Emeline T,et al.Prediction of response factors for gas chromatography with flame ionization detection:Algorithm improvement,extension to silylated compounds,and application to the quantification of metabolites[J].Journal of Separation Science,2015,38(18):3209-3217.

[5]陳垂雄,嚴云洋,劉以安,等.運動區(qū)域提取和閃頻分析并行的火焰檢測算法[J].數(shù)據(jù)采集與處理,2017,32(2):424-430.

[6]段鎖林,毛丹.關于火災火焰圖像檢測算法研究[J].計算機仿真,2016,33(2):393-398.

[7]王全,趙涓涓.海計算模式下的森林火焰識別算法[J].計算機工程與設計,2015(11):3019-3024.

[8]Liu Z G,Zhang X Y,Yang-Yang,et al.A flame detection algorithm based on Bag-of-Features in the YUV color space[C].International Conference on Intelligent Computing and Internet of Things.IEEE,2015:64-67.