楊凱文，李雙群

（中電長城圣非凡信息系統(tǒng)有限公司，北京 102209）

0 引 言

隨著社會(huì)的不斷進(jìn)步、城市規(guī)模的擴(kuò)大以及人口密度的增加，火災(zāi)作為世界上危害最大的災(zāi)害之一，嚴(yán)重威脅著人類的生命財(cái)產(chǎn)安全。近年來，中國發(fā)生了很多重大火災(zāi)，主要集中在人員密集場(chǎng)所、森林、倉庫、高大建筑物內(nèi)等，造成了極大的人員和經(jīng)濟(jì)損失，社會(huì)影響也越來越大。因此，火災(zāi)自動(dòng)檢測(cè)顯得尤為重要。基于視頻監(jiān)控的火焰檢測(cè)作為火災(zāi)自動(dòng)檢測(cè)的核心技術(shù)，其檢測(cè)準(zhǔn)確性對(duì)于火災(zāi)的事先預(yù)防和快速響應(yīng)尤為重要。然而，視頻監(jiān)控場(chǎng)景中的火焰檢測(cè)仍然存在以下問題：

（1）許多物體與火焰具有相似的外觀，例如陽光、人造燈光、光反射現(xiàn)象、移動(dòng)的紅色目標(biāo)，這些物體經(jīng)常被誤判為火焰；

（2）很難對(duì)視頻監(jiān)控中火焰的隨機(jī)運(yùn)動(dòng)、外觀多變等復(fù)雜性質(zhì)進(jìn)行建模，但這些因素對(duì)于火焰檢測(cè)準(zhǔn)確率產(chǎn)生著直接影響。

針對(duì)上述問題，現(xiàn)有火焰檢測(cè)研究還無法達(dá)到令人滿意的結(jié)果，火焰檢測(cè)準(zhǔn)確率依然不能滿足應(yīng)用需要。由于現(xiàn)有的相關(guān)研究主要依靠顏色和形狀變化檢測(cè)視頻中的火焰，對(duì)火焰亮度、燃燒物質(zhì)和天氣條件等因素變化非常敏感，很難準(zhǔn)確地區(qū)分火焰和紅色物體。雖然運(yùn)動(dòng)屬性已經(jīng)被用于檢測(cè)火焰，但火焰隨機(jī)多變的運(yùn)動(dòng)，很難被準(zhǔn)確地描述。

本文利用火焰深度特征，對(duì)火焰的運(yùn)動(dòng)屬性進(jìn)行建模，結(jié)合火焰顏色和運(yùn)動(dòng)屬性的互補(bǔ)特性，設(shè)計(jì)了一種基于多屬性分類器融合的火焰檢測(cè)方法，用于準(zhǔn)確的檢測(cè)森林、室內(nèi)、室外環(huán)境監(jiān)控視頻中的火焰，提高火焰檢測(cè)準(zhǔn)確率。首先，提取火焰YUV顏色空間屬性，構(gòu)建顏色屬性分類器，該分類器受火焰亮度變化影響較小；接著，為了準(zhǔn)確描述火焰的隨機(jī)多變的運(yùn)動(dòng)特性，提出了一種運(yùn)動(dòng)熵描述符，運(yùn)動(dòng)熵描述符可以使用低維度特征向量有效的描述火焰的瞬時(shí)運(yùn)動(dòng)信息和內(nèi)部及邊界運(yùn)動(dòng)信息，采用詞袋模型表示運(yùn)動(dòng)目標(biāo)的有效運(yùn)動(dòng)信息；最后，在火焰檢測(cè)數(shù)據(jù)集（186有火視頻片段和185個(gè)無火視頻片段）上的實(shí)驗(yàn)表明，本文方法取得了很好的檢測(cè)準(zhǔn)確性。

本文主要貢獻(xiàn)為：

（1）設(shè)計(jì)了一個(gè)火焰檢測(cè)方法，結(jié)合了火焰顏色和運(yùn)動(dòng)屬性的互補(bǔ)特性，在監(jiān)控視頻中獲得了準(zhǔn)確的火焰檢測(cè)結(jié)果；

（2）提出了運(yùn)動(dòng)熵描述符用于表示火焰的運(yùn)動(dòng)信息，綜合描述火焰的瞬時(shí)運(yùn)動(dòng)和內(nèi)部及邊界運(yùn)動(dòng)信息；

（3）收集了一個(gè)更廣泛和更具挑戰(zhàn)性的火焰檢測(cè)數(shù)據(jù)集，綜合評(píng)估本文方法良好的火焰檢測(cè)性能。

1 相關(guān)研究

目前，火焰檢測(cè)技術(shù)已引起學(xué)術(shù)界、工業(yè)界的廣泛關(guān)注。根據(jù)使用的特征類型，現(xiàn)有研究大致分為基于顏色屬性的檢測(cè)技術(shù)和基于運(yùn)動(dòng)屬性的檢測(cè)技術(shù)。

1.1 基于顏色屬性檢測(cè)技術(shù)

常見可燃物（例如：木材、織物等）燃燒產(chǎn)生的火焰具有相似的顏色，采用基于顏色屬性的方法可以準(zhǔn)確地檢測(cè)火焰。例如：龍凱等人利用火焰顏色與火焰光譜的關(guān)系研究影響火焰顏色的因素，并通過燃燒甲烷進(jìn)行驗(yàn)證；Celik等人采用YUV顏色空間描述火焰顏色，并在YUV空間中定義了6個(gè)規(guī)則，將火焰的亮度與色度分開，有效地緩解了火焰亮度變化導(dǎo)致檢測(cè)準(zhǔn)確率降低的問題。本文采用YUV空間下的6種不同規(guī)則的組合來識(shí)別火焰顏色。除了光線和背景干擾外，不同材料可燃物燃燒產(chǎn)生的火焰顏色差別很大。如：汽油、庚烷等火焰顏色均接近白色。因此，僅僅使用顏色屬性無法準(zhǔn)確地檢測(cè)復(fù)雜環(huán)境下的火災(zāi)事件。

1.2 基于運(yùn)動(dòng)屬性檢測(cè)技術(shù)

此前，研究者們已經(jīng)提出了一些運(yùn)動(dòng)描述符來表示火焰的運(yùn)動(dòng)特性。如，F(xiàn)oggia等人提出了一個(gè)基于詞袋模型的描述符，來表示火焰運(yùn)動(dòng)信息；張馳等人基于支持向量機(jī)，將火焰的局部二值模式紋理和邊緣相似度特征進(jìn)行融合并用于火焰檢測(cè)；Xie等人同時(shí)利用火焰運(yùn)動(dòng)閃爍的動(dòng)態(tài)特征和深度靜態(tài)特征，對(duì)視頻中的火焰進(jìn)行檢測(cè)。與上述方法不同，本文提出了一種新型運(yùn)動(dòng)屬性描述符—加權(quán)歸一化運(yùn)動(dòng)熵，來表示火焰的內(nèi)部運(yùn)動(dòng)和邊界運(yùn)動(dòng)，具有描述準(zhǔn)確、特征維度低等優(yōu)勢(shì)。

2 多屬性分類器融合識(shí)別方法

本文設(shè)計(jì)的多屬性分類器融合的火焰檢測(cè)算法框架如圖1所示。該算法采用自適應(yīng)混合高斯模型（GMM），對(duì)監(jiān)控視頻背景進(jìn)行建模，并使用背景差分算法提取監(jiān)控視頻中的運(yùn)動(dòng)物體；使用形態(tài)學(xué)方法消除噪聲，將運(yùn)動(dòng)物體對(duì)應(yīng)的區(qū)域標(biāo)記為候選目標(biāo)；引入基于顏色、運(yùn)動(dòng)屬性的兩種分類器，分別對(duì)候選目標(biāo)進(jìn)行分類；最后，使用權(quán)重投票機(jī)制，融合兩種分類器得到最終檢測(cè)結(jié)果。

圖1 本文方法概述圖Fig.1 Overview of the proposed method

2.1 基于顏色屬性分類器

若所有規(guī)則都滿足，則該候選目標(biāo)被檢測(cè)為火焰目標(biāo)。

2.2 基于運(yùn)動(dòng)屬性分類器

在監(jiān)控視頻中，陽光、人造燈光等場(chǎng)景的顏色與火焰顏色相似，且一些特殊材料（如：汽油、庚烷等）燃燒產(chǎn)生的火焰顏色與常規(guī)材料燃燒的火焰顏色差別很大。因此，僅僅使用顏色屬性無法準(zhǔn)確地檢測(cè)復(fù)雜環(huán)境下的火災(zāi)事件。

由于自然環(huán)境、燃燒材料等因素影響，火焰的運(yùn)動(dòng)具有隨機(jī)性、復(fù)雜性和不可預(yù)測(cè)性等特點(diǎn)。而鉸鏈型物體（如：穿著紅色衣服的人）、剛性物體（如：紅色交通工具）和人造燈光（如：霓虹燈、車燈等）在一段時(shí)間內(nèi)沿特定的方向進(jìn)行移動(dòng)，其運(yùn)動(dòng)具有規(guī)律性、確定性。

為了有效區(qū)分火焰目標(biāo)和非火目標(biāo)，本文提出了運(yùn)動(dòng)熵描述目標(biāo)的運(yùn)動(dòng)信息，可以有效區(qū)分目標(biāo)的隨機(jī)性運(yùn)動(dòng)和規(guī)律性運(yùn)動(dòng)。

2.2.1 目標(biāo)運(yùn)動(dòng)特征提取

2.2.2 運(yùn)動(dòng)屬性分類器

2.2.2.1 運(yùn)動(dòng)屬性描述子

圖2 不同運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)屬性Fig.2 Motion attributes of different moving objects

2.2.2.2 分類器

如圖2（a）所示，由于火焰的運(yùn)動(dòng)方向直方圖是分散的，其運(yùn)動(dòng)熵值較大；相反，剛性目標(biāo)或鉸鏈型目標(biāo)的方向直方圖是集中的，其運(yùn)動(dòng)熵值較小，如圖2（b）所示。因此，基于運(yùn)動(dòng)屬性的分類器C定義為：

實(shí)驗(yàn)中，和分別設(shè)置為0.6和0.95。由于用來過濾具有閃爍特性的移動(dòng)目標(biāo)（如車燈、霓虹燈等），其運(yùn)動(dòng)具有很強(qiáng)的規(guī)律性且運(yùn)動(dòng)方向平均分布在各個(gè)角度區(qū)間中，運(yùn)動(dòng)熵值接近于1。

2.3 多屬性分類器融合系統(tǒng)

本文采用加權(quán)投票方式，融合顏色屬性、運(yùn)動(dòng)屬性分類器，屬于決策層信息融合方法，具有高靈活性、強(qiáng)抗干擾性、良好的容錯(cuò)性等優(yōu)點(diǎn)。文獻(xiàn)［9-10］研究表明，多屬性分類器融合系統(tǒng)是最魯棒的融合方式之一。

權(quán)重ω通過貝葉斯公式動(dòng)態(tài)估算，以獲得最高的識(shí)別率。若給定第個(gè)分類器的分類矩陣，類別的權(quán)重ω()通過公式（6）進(jìn)行計(jì)算：

其中，為類別的數(shù)量。

最終分類結(jié)果通過最大化多分類器，在識(shí)別一個(gè)特定類的可信度得到。候選目標(biāo)屬于類別的可信度()，通過加權(quán)投票計(jì)算得到：

3 實(shí)例驗(yàn)證

3.1 數(shù)據(jù)集

為了評(píng)價(jià)本文提出算法的性能，建立了一個(gè)火焰檢測(cè)數(shù)據(jù)集。火焰檢測(cè)數(shù)據(jù)集中收集了186個(gè)有火視頻片段和185個(gè)無火視頻片段。由47個(gè)森林場(chǎng)景、129個(gè)室內(nèi)場(chǎng)景和195個(gè)室外場(chǎng)景組成。其中包含了155個(gè)非常具有挑戰(zhàn)性的負(fù)樣本。如車燈、霓虹燈、光線變化及反射、移動(dòng)的煙霧、穿紅色衣服的人、紅色車輛等。

數(shù)據(jù)集被隨機(jī)劃分成兩個(gè)部分：80%作為訓(xùn)練集、20%作為測(cè)試集，使用準(zhǔn)確率、誤檢率（FPR）、漏檢率（FNR）評(píng)價(jià)所提方法的性能。

3.2 實(shí)驗(yàn)結(jié)果分析

表1中，與運(yùn)動(dòng)估計(jì)方法（ME）相比，本文提出的運(yùn)動(dòng)屬性分類器（MA）可以通過使用目標(biāo)內(nèi)部運(yùn)動(dòng)信息和邊界運(yùn)動(dòng)信息顯著提高火焰檢測(cè)性能。其原因是：ME方法使用SIFT特征匹配來計(jì)算運(yùn)動(dòng)信息，但很難在火焰上提取到準(zhǔn)確的SIFT匹配點(diǎn)，本文提出的運(yùn)動(dòng)熵，使用深度運(yùn)動(dòng)特征計(jì)算目標(biāo)的運(yùn)動(dòng)信息，能夠準(zhǔn)確地、區(qū)分性地描述目標(biāo)的隨機(jī)性運(yùn)動(dòng)和規(guī)律性運(yùn)動(dòng)。最后，使用加權(quán)投票規(guī)則，融合顏色屬性和運(yùn)動(dòng)屬性進(jìn)行火焰檢測(cè)，得到了最高準(zhǔn)確率（91.18%），高于Foggia方法將近1.25個(gè)百分點(diǎn)。

通過實(shí)驗(yàn)可知，顏色屬性對(duì)于火焰檢測(cè)仍然是最重要的屬性（見表1）。但是，如果只使用顏色屬性來檢測(cè)火焰，在某些特殊情況下不能正確區(qū)分火焰和非火目標(biāo)。因此，在這些特殊情況下，通過融合運(yùn)動(dòng)屬性可以得到正確的檢測(cè)結(jié)果。如圖3中的前兩行所示，F(xiàn)oggia方法得到了錯(cuò)誤的檢測(cè)結(jié)果，而本文方法通過融合顏色屬性和運(yùn)動(dòng)屬性，可以正確區(qū)分火焰和非火對(duì)象；圖3中的后兩行屬于常規(guī)材料燃燒產(chǎn)生的火焰，本文方法和Foggia方法都得到了正確的檢測(cè)結(jié)果。因此，運(yùn)動(dòng)屬性能夠減少由顏色屬性引入的誤報(bào)（既可以過濾掉穿紅色衣服的人、紅色車輛、車燈、霓虹燈等帶來的誤報(bào)），同時(shí)也能正確識(shí)別由特殊材質(zhì)（如：汽油、庚烷等）燃燒產(chǎn)生的火焰。

表1 火焰檢測(cè)結(jié)果對(duì)比Tab.1 Comparison of the fire detection results

圖3 不同方法火焰檢測(cè)結(jié)果的典型示例Fig.3 Examples of fire detection results from different methods

4 結(jié)束語

本文設(shè)計(jì)了一種基于多屬性分類器融合的火焰檢測(cè)方法，提出了運(yùn)動(dòng)熵描述符用于表示火焰的運(yùn)動(dòng)信息，結(jié)合火焰顏色和運(yùn)動(dòng)屬性的互補(bǔ)特性，提高火焰檢測(cè)算法的準(zhǔn)確率。此外，還建立了一個(gè)更廣泛和更具挑戰(zhàn)性的火焰檢測(cè)數(shù)據(jù)集，用于評(píng)估本文提出的方法。實(shí)驗(yàn)結(jié)果表明，本文方法得到了良好的火焰檢測(cè)性能。在未來研究工作中，將嘗試?yán)蒙疃葘W(xué)習(xí)方法表示火焰運(yùn)動(dòng)屬性，以進(jìn)一步提高火焰檢測(cè)準(zhǔn)確率。