论文部分内容阅读
摘 要：烟雾是火焰燃烧的一个重要特征，它总是开始诞生前的火焰传播，与火焰相比，烟雾蔓延在整个空间中，为不容易躲避的对象，较利于火灾的早期预警。可视火灾烟雾探测系统维护费用低，能节约投资成本，可连接到天眼服务中心，实现远程报警及信息管理服务。
关键词：火灾；烟雾检测；背景减除法
中图分类号：TF391.9 文献标识码：A 文章编号：1006-8937（2016）30-0015-02
1 视频火灾检测系统结构
1.1 现有的两种系统结构
分析已经上市的两种视频火灾报警系统的结构，原来现有的火灾报警系统是相似的，例如Fike公司的SingiFire系统，该系统由若干摄像机，记录储存系统、监控管理系统等组成，其在系统中使用的是拥有专用视频分析处理器的智能相机，这种相机带的处理器能够进行烟雾检测算法，除此之外相机本身都需分析并处理自己采集的信息，然后通过网络，将采集的视频和相机处理后的结果传到相关设备里就能够达成火灾报警，储存视频图像和报警结果的目的。另一种D.TecD的VSD（VideoSmoke
Detection）视频火灾烟雾检测系统则使用的是只负责采集视频图像的非智能相机，这也是它与上述SingiFire系统最大的差异，因此VSD要用专门的计算机进行所有的烟雾分析。
1.2 系统结构的设计
系统用图像探测器（CCD摄像机）采集空间内的视频，通过数字信号处理器（如TI公司的TMS320DM642DSP芯片）对视频进行分析处理，既可以将采集的视频实时显示，又可以将视频处理结果发送到客户端。图像的分析处理是系统的核心。该系统不但能够对实时监控现场的情况，还能够对火灾进行探测，并能够准确地在各种复杂的环境下判断火灾情况，探测器能够接入各类火灾报警体系和视频系统。系统的原理图，如1所示[1]，系统的结构框架，如图2所示。
如图2所示系统的探测器是一台CCD摄像机。所谓图像处理系统的输入，就是摄像机采集的视频流，利用解码器进行A/D转换成计算机可以识别的数字信号。图像处理系统依靠对视频的智能分析，包括烟雾图像提取、预处理、分割、特征判断、识别等，来判断有无发生火灾，这也是系统在运行设计好这些流程的视频处理软件。烟雾是火焰燃烧的一个重要特征，它总是开始于火焰的传播，与火焰相比烟雾蔓延在整个空间中，直到现在，既没有一个通用的方法，也沒有一个客观标准来判断分割是否成功。此外，对于摄像机采集到的图像，我们需要进行实时跟踪，利用编码器进行D/A转换在显示器中显示，对现场情况作出及时反应和判断，将火灾控制在初期阶段，示意图如3所示。
2 探测系统各模块分析
烟雾火灾探测系统软件主要包含视频模块和视频烟雾检测模块。视频模块包含图像采集驱动、视频解码与转换、视频压缩存储、系统状态监控四个子模块。图像采集驱动模块负责直接与系统相连接的相机视频的采集；视频解码与转换模块负责远程传输或从其他系统中引入的视频的解压缩并转换成本系统能够处理的视频格式；作为监控系统，视频压缩储存和系统状态监控模块对整个系统实行管理与控制。
视频图像预处理、运动目标检测、烟雾特征分析、统计与报警系统是视频烟雾检测模块的四个子模块。运动目标检测用于检测摄像头监控区域中的运动目标，是烟雾特征分析的基础。图像预处理通常包括增强、滤波等方面，用于增强图像的质量：图像分割需要把我们感兴趣的目标区域提取出来：烟雾特征分析是视频烟雾检测算法的核心，利用烟雾亮度与饱和度特征、扩散性特征、不规则特征对可疑图元进行了检查，可疑图元如果出现在烟雾出现的区域就进行标记：含有烟雾的可疑图元被统计与报警信息子模块进行时间统计和空间统计，报警信息子模块根据统计出的结果发出火警信息，这样，误报率就被有效的降低。
3 算法在实际中的实现
3.1 运动目标检测
运动目标检测是整个算法的基石，也是视频烟雾检测算法的第一步。后续算法得以成功的保障就是良好的运动目标检测效果。下面利用背景减除法对运动目标进行检测，得到的结果，如图4所示。
（a）表示当前的背景图像，图4（b）表示烟雾图像，则表示检测到的背景中的运动目标。从图中可以看出较完整的检测出了烟雾区域，并显示为白色。
3.2 烟雾图像的增强
采用灰度修正法来进图像增强，灰度变换调整前后的图像和直方图，如图，5所示。
我们选择的是对比度不足的pout.tif图像，从它的直方图可以算出，它的灰度值大概在[95 160]这个范围内，所以我们要调整它的灰度范围，改为[0 200]，增大灰度范围，从而增强对比度。变换后在整个灰度范围内，像素值的个数都非常均衡。很明显，变换后的图像比变换前的图像具有更好的视觉效果。
3.3 烟雾图像的滤波
在实际应用过程中，一幅图像可能存在各种各样的噪声，滤波能够除去噪声对图像的影响。
3.4 烟雾图像的分割处理
算法的第二步是可疑图元分割，依据运动目标检测的结果，统计在一定的局部区域内目标像素点的数目来确定后续的烟雾特征分析和统计与报警模块的输入图像，这个图像也就是可疑图元。在运动目标提取的基础上进行可疑图元分割的结果，如图6所示。
4 结 语
随着经济的迅速发展，人们越来越关注大空间场所的防火问题。作为一种全新的、有效的火灾检测手段，可视型火灾烟雾检测技术未来的使用价值和应用前景不可忽视。本文首先对目前国内外火灾检测技术的研究现状进行了讨论，并对未来的发展趋势进行了研究；然后在视频图像处理基本理论上，对烟雾图像信号的目标检测、预处理、可疑区域分割，烟雾特征分析的问题进行了研究，提出了具体的烟雾检测算法，成功地识别出烟雾。
参考文献：
[1] 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，2012，21（11期）：1185～1186.
关键词：火灾；烟雾检测；背景减除法
中图分类号：TF391.9 文献标识码：A 文章编号：1006-8937（2016）30-0015-02
1 视频火灾检测系统结构
1.1 现有的两种系统结构
分析已经上市的两种视频火灾报警系统的结构，原来现有的火灾报警系统是相似的，例如Fike公司的SingiFire系统，该系统由若干摄像机，记录储存系统、监控管理系统等组成，其在系统中使用的是拥有专用视频分析处理器的智能相机，这种相机带的处理器能够进行烟雾检测算法，除此之外相机本身都需分析并处理自己采集的信息，然后通过网络，将采集的视频和相机处理后的结果传到相关设备里就能够达成火灾报警，储存视频图像和报警结果的目的。另一种D.TecD的VSD（VideoSmoke
Detection）视频火灾烟雾检测系统则使用的是只负责采集视频图像的非智能相机，这也是它与上述SingiFire系统最大的差异，因此VSD要用专门的计算机进行所有的烟雾分析。
1.2 系统结构的设计
系统用图像探测器（CCD摄像机）采集空间内的视频，通过数字信号处理器（如TI公司的TMS320DM642DSP芯片）对视频进行分析处理，既可以将采集的视频实时显示，又可以将视频处理结果发送到客户端。图像的分析处理是系统的核心。该系统不但能够对实时监控现场的情况，还能够对火灾进行探测，并能够准确地在各种复杂的环境下判断火灾情况，探测器能够接入各类火灾报警体系和视频系统。系统的原理图，如1所示[1]，系统的结构框架，如图2所示。
如图2所示系统的探测器是一台CCD摄像机。所谓图像处理系统的输入，就是摄像机采集的视频流，利用解码器进行A/D转换成计算机可以识别的数字信号。图像处理系统依靠对视频的智能分析，包括烟雾图像提取、预处理、分割、特征判断、识别等，来判断有无发生火灾，这也是系统在运行设计好这些流程的视频处理软件。烟雾是火焰燃烧的一个重要特征，它总是开始于火焰的传播，与火焰相比烟雾蔓延在整个空间中，直到现在，既没有一个通用的方法，也沒有一个客观标准来判断分割是否成功。此外，对于摄像机采集到的图像，我们需要进行实时跟踪，利用编码器进行D/A转换在显示器中显示，对现场情况作出及时反应和判断，将火灾控制在初期阶段，示意图如3所示。
2 探测系统各模块分析
烟雾火灾探测系统软件主要包含视频模块和视频烟雾检测模块。视频模块包含图像采集驱动、视频解码与转换、视频压缩存储、系统状态监控四个子模块。图像采集驱动模块负责直接与系统相连接的相机视频的采集；视频解码与转换模块负责远程传输或从其他系统中引入的视频的解压缩并转换成本系统能够处理的视频格式；作为监控系统，视频压缩储存和系统状态监控模块对整个系统实行管理与控制。
视频图像预处理、运动目标检测、烟雾特征分析、统计与报警系统是视频烟雾检测模块的四个子模块。运动目标检测用于检测摄像头监控区域中的运动目标，是烟雾特征分析的基础。图像预处理通常包括增强、滤波等方面，用于增强图像的质量：图像分割需要把我们感兴趣的目标区域提取出来：烟雾特征分析是视频烟雾检测算法的核心，利用烟雾亮度与饱和度特征、扩散性特征、不规则特征对可疑图元进行了检查，可疑图元如果出现在烟雾出现的区域就进行标记：含有烟雾的可疑图元被统计与报警信息子模块进行时间统计和空间统计，报警信息子模块根据统计出的结果发出火警信息，这样，误报率就被有效的降低。
3 算法在实际中的实现
3.1 运动目标检测
运动目标检测是整个算法的基石，也是视频烟雾检测算法的第一步。后续算法得以成功的保障就是良好的运动目标检测效果。下面利用背景减除法对运动目标进行检测，得到的结果，如图4所示。
（a）表示当前的背景图像，图4（b）表示烟雾图像，则表示检测到的背景中的运动目标。从图中可以看出较完整的检测出了烟雾区域，并显示为白色。
3.2 烟雾图像的增强
采用灰度修正法来进图像增强，灰度变换调整前后的图像和直方图，如图，5所示。
我们选择的是对比度不足的pout.tif图像，从它的直方图可以算出，它的灰度值大概在[95 160]这个范围内，所以我们要调整它的灰度范围，改为[0 200]，增大灰度范围，从而增强对比度。变换后在整个灰度范围内，像素值的个数都非常均衡。很明显，变换后的图像比变换前的图像具有更好的视觉效果。
3.3 烟雾图像的滤波
在实际应用过程中，一幅图像可能存在各种各样的噪声，滤波能够除去噪声对图像的影响。
3.4 烟雾图像的分割处理
算法的第二步是可疑图元分割，依据运动目标检测的结果，统计在一定的局部区域内目标像素点的数目来确定后续的烟雾特征分析和统计与报警模块的输入图像，这个图像也就是可疑图元。在运动目标提取的基础上进行可疑图元分割的结果，如图6所示。
4 结 语
随着经济的迅速发展，人们越来越关注大空间场所的防火问题。作为一种全新的、有效的火灾检测手段，可视型火灾烟雾检测技术未来的使用价值和应用前景不可忽视。本文首先对目前国内外火灾检测技术的研究现状进行了讨论，并对未来的发展趋势进行了研究；然后在视频图像处理基本理论上，对烟雾图像信号的目标检测、预处理、可疑区域分割，烟雾特征分析的问题进行了研究，提出了具体的烟雾检测算法，成功地识别出烟雾。
参考文献：
[1] 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，2012，21（11期）：1185～1186.