大空间建筑中火灾探测方法设计doc

1、.：.； 西安建筑科技大学华清学院课程设计论文义务书 摘要火灾是各类灾祸中发生频率最高的一种，随着城市化进程的飞速开展以及人口的迅速膨胀，火灾呵斥的损失也越来越大。当前，高层建筑和大空间场所越来越多，如何在大空间环境下较早的发现火灾要挟并进展报警和扑灭，从而尽量减少生命、财富损失成为研讨的热点。图像型火灾探测技术因其监控范围广、环境顺应性强、晋级容易等特点而备受关注，非常适宜大空间环境下的火灾探测。在此根底上，针对早期火灾发生时出现的典型物理景象烟雾和阴燃，本文提出了一种旨在大空间环境下探测早期火灾的新型双波段图像型火灾探测系统。在烟雾探测方面，本文根据方式识别的三个根本步骤设计提出了一整套烟

2、雾探测的方法。在可疑区域分割环节，系统运用混合高斯模型对背景进展建模，进而提取可疑区域，分割可疑图元。在特征提取环节中，根据烟雾的半透明性和闪烁频率两种特性系统提取了可疑图元的高低频能量，颜色饱和度能量和边境平均闪烁频率四种特征值。最后，在烟雾判别环节，系统运用这四种特征值构成的特征向量对可疑图元进展烟雾断定。在红外波段，运用了可疑图元的面积变化率、火焰尖角数和区域类似度三种特征值对可疑图元能否是阴燃进展判别。最后，提出了根据烟雾和阴燃各自的判别结果进展早期火灾综合判别的判别流程。本文对烟雾可疑区域的提取、可疑图元的特征值提取和分析以及烟雾的判别规那么做了深化的讨论。关键词：大空间早期火灾，双

3、波段，数字图像处置，混合高斯模型，小波变换，颜色空间AbstractIn every kind of disasters, fire happens most frequently. And with the high growspeed of the population and the number of cities,destructions and losses that firecauses become more and more great. Today, there are more and more skyscrapers andbig buildings, how to d

4、etect fire threaten in these kinds of places as soon as possibleand limit the loss to the lowest level become more important than ever.For its broad detect range and easy settlement features, much attention has been focused on a new style detection method - fire detection based on video images. A wh

5、ole processof detection was developed based on classic three steps method in pattern recognition.In suspicious region segmentation step, system uses the multi-Gaussian model to establish model of background, thus to district motive region in the current frame. In features extraction step, system ext

6、racts four eigenvalues like high/low frequency energy, color saturation energy and average boundary flicker frequency. In ultra red band, system uses area changing rate, number of sharp-angles and area similarity to judge if there is smolder in suspicious region.Methods that used in region segmentat

7、ion and recognition are thoroughly discussed in this dissertation. Videos of smoke and flames in both visible and ultra red bands are used to testify those methods, and the result show that the system and methods we developed are effective.KeyWords: Early fire in large space, Double-band, Digital im

8、age processing, Multi-Gaussian model, Wavelet transform, Color space 目录 TOC o 1-3 h z u HYPERLINK l _Toc281070002 HYPERLINK l _Toc281070003 1 引言 PAGEREF _Toc281070003 h 5 HYPERLINK l _Toc281070004 1.1 课题背景 PAGEREF _Toc281070004 h 6 HYPERLINK l _Toc281070005 1.2 相关概念 PAGEREF _Toc281070005 h 6 HYPERLI

9、NK l _Toc281070006 1.3 设计意义 PAGEREF _Toc281070006 h 7 HYPERLINK l _Toc281070007 1.4 报告内容安排 PAGEREF _Toc281070007 h 7 HYPERLINK l _Toc281070008 2 火灾探测系统的系统构造及任务原理 PAGEREF _Toc281070008 h 8 HYPERLINK l _Toc281070009 2.1 探测系统的系统构造 PAGEREF _Toc281070009 h 8 HYPERLINK l _Toc281070010 2.2 系统的任务原理 PAGEREF

10、_Toc281070010 h 9 HYPERLINK l _Toc281070011 3 大空间建筑中火灾探测方法设计概述 PAGEREF _Toc281070011 h 11 HYPERLINK l _Toc281070012 3.1 提出本设计的背景 PAGEREF _Toc281070012 h 11 HYPERLINK l _Toc281070013 3.2 设计理念概述 PAGEREF _Toc281070013 h 11 HYPERLINK l _Toc281070014 3.3实现该系统的主要流程 PAGEREF _Toc281070014 h 11 HYPERLINK l _

11、Toc281070015 4 大空间建筑中火灾探测方法详细设计 PAGEREF _Toc281070015 h 12 HYPERLINK l _Toc281070016 4.1 烟雾可疑图元的分割及预处置 PAGEREF _Toc281070016 h 12 HYPERLINK l _Toc281070017 4.1.1 基于混合高斯模型的运动分析方法 PAGEREF _Toc281070017 h 12 HYPERLINK l _Toc281070018 4.1.2 期望值最大EM算法 PAGEREF _Toc281070018 h 13 HYPERLINK l _Toc281070019

12、4.1.3 运用EM 算法进展混合高斯模型参数估计 PAGEREF _Toc281070019 h 13 HYPERLINK l _Toc281070020 4.1.4 运用混合高斯模型对背景建模 PAGEREF _Toc281070020 h 15 HYPERLINK l _Toc281070021 4.1.5 运动区域的提取 PAGEREF _Toc281070021 h 15 HYPERLINK l _Toc281070022 4.1.6 图像的平滑滤涉及图元分割 PAGEREF _Toc281070022 h 15 HYPERLINK l _Toc281070023 4.2 可疑图元的

13、特征分析及烟雾判别 PAGEREF _Toc281070023 h 18 HYPERLINK l _Toc281070024 4.2.1 可疑图元的特征分析 PAGEREF _Toc281070024 h 18 HYPERLINK l _Toc281070025 4.2.2 可疑图元颜色饱和度信息的分析 PAGEREF _Toc281070025 h 19 HYPERLINK l _Toc281070026 4.2.3 可疑图元边境闪烁频率的分析 PAGEREF _Toc281070026 h 20 HYPERLINK l _Toc281070027 4.2.4 烟雾的综合判别 PAGEREF

14、 _Toc281070027 h 20 HYPERLINK l _Toc281070028 4.3 阴燃的红外图像探测 PAGEREF _Toc281070028 h 23 HYPERLINK l _Toc281070029 4.3.1特征提取 PAGEREF _Toc281070029 h 23 HYPERLINK l _Toc281070030 4.3.2阴燃的判别 PAGEREF _Toc281070030 h 24 HYPERLINK l _Toc281070031 5 结论 PAGEREF _Toc281070031 h 26 HYPERLINK l _Toc281070032 5.

15、1 本次设计结论 PAGEREF _Toc281070032 h 27 HYPERLINK l _Toc281070033 5.2 设计缺乏及改良 PAGEREF _Toc281070033 h 27 HYPERLINK l _Toc281070034 致 谢28 HYPERLINK l _Toc281070035 参考文献291 引言1.1 课题背景火灾是世界各国人民所面临的一个共同的灾难性问题。在社会生活中，火灾是要挟公共平安，危害人们生命财富平安的最主要的灾祸之一。随着社会消费力的开展，社会财富的日益添加，火灾损失上升及火灾危害扩展的总趋势是客观规律。火灾是当今世界上多发性灾祸中发生频率

16、最高，也是时空跨度最大的一种灾祸。因此，消防任务成为人们普遍关怀的问题。而消防任务根据详细的运用场所不同，所要采取的措施和运用的设备有很大的区别。随着城市化进程的飞速开展，高层建筑和大空间场所越来越多。如何在大空间环境下发现处于早期阶段的火灾要挟从而减少生命、财富损失成为各类消防任务中凸显的一个方面。虽然火灾探测技术开展已久，然而传统的火灾探测技术中，感烟、感温、感光等探测器，由于遭到各种要素空间高度、空气流速、粉尘、温度、湿度等的影响，在大空间环境下进展火灾探测都遇到了不同的困难，从而在一定程度上失去了成效。所以，如何在大空间环境下尽早的发现并控制火灾依然困扰着科研和消防人员。本文从这个严峻

17、的问题出发，提出了一种双波段图像型火灾探测方法，旨在在大空间环境下，及早的发现火灾危险，从而尽量减少人们的生命、财富损失。1.2 相关概念火灾发生开展过程中，通常会产生烟雾，同时会释放出熄灭气体气溶胶。它们与空气中的氧气发生反响，构成火焰。火焰会释放出大量的红外线和紫外线，导致环境温度逐渐升高。气溶胶、烟雾、火焰和热量等是火灾的特征，通常称为火灾参量，经过这些参量的测定可以确定能否有火灾发生。火灾发生的初期，并不是一切的火灾参量都会出现。这个时候存在的主要的物理景象有：阴燃，火羽流和烟气等。所谓的阴燃，是指一种只在气固相界面处的熄灭反响，而没有气候火焰的熄灭景象。阴燃的温度比较低，熄灭速度慢。

18、作为自我维持的无明火的熄灭，阴燃的典型温度范围是6001000K。火羽流是发生在火灾初始阶段的一种熄灭景象。在火焰上方由浮力驱动的热气流继续上升并进入有新颖空气的区域，由于其包含火焰部分，故称为火羽流。火羽流的典型温度在5001700K。烟气是熄灭产物中微小颗粒的集合。烟气在流经过程中与周围环境进展热交换。其温度介于火羽流和环境温度之间。普通烟气的温度在300800K 之间。由于这些物理景象在发生时与周围的环境存在着较大的差别，表现为其边缘效应和形体效应，从而构成图像信息。我们知道，光其实是一种电磁波。波长分布在 5nm 到400nm 之间的电磁波称为紫外光；波长分布在400nm 到760nm

19、 之间的电磁波称为可见光；而波长760nm 到1mm 之间的电磁波被称为红外光。物体的温度由低到高，辐射出的电磁波的波长由长到短。当物体的温度在 800K 左右的时候，才会产生暗红色的可见光。同时，由辐射定律可知，当物体为黑体时，只需其温度高于1000K，才可以依托其本身发出的可见光识别出物体的形体信息。物体熄灭时，其放出的能量95%集中在红外波段。同时，由于阴燃属于低温熄灭，其辐射的可见光是非常少的。所以，运用带有红外滤镜的摄像头可以在红外波段对阴燃进展探测。而由于烟气对可见光的反射作用，所以运用普通的彩色 CCD 摄像头，可以探测到烟气的图像信息。因此，我们选择了烟雾和阴燃作为表征早期火灾

20、的物理景象进展探测，从而根据烟雾和阴燃的探测结果判别能否有火灾发生。1.3 设计意义目前许多火灾探测系统都是采用传统感温、感烟传感器，这种系统有很多缺陷，误报率非常高，受环境限制，而且这种系统不能掌握火灾现场的情况，不能依托其来进展实时调度等任务，以致于火灾发生时不可以及时提供准确信息，给扑救任务带来很大的不便。而本文 采用的方法与传统的火灾探测系统相比有明显优势，可以准确的探测到早期火灾的发生并及时作出反响，从而给扑救任务带来很大便利。1.4 报告内容安排论文的构造安排如下：第一章：引见课题的研讨背景，对大空间建筑中火灾探测方法设计的意义以及早期火灾发生的特点。最后引见了报告的内容及安排。第

21、二章：对火灾探测系统的构造及任务原理进展了阐明。第三章：大约引见了本次课程设计的研讨内容以及我所做的一些任务。第四章：本章对本次研讨的内容及我做的任务进展了详细的引见，包括阴燃的红外图像探测，对可疑图元进展特征提取和分析的方法，如何提取了可疑图元的高低频能量，颜色饱和度能量和边境平均闪烁频率四种特征值，以及如何运用这四种特征值构成的特征向量对可疑图元进展烟雾判别等内容。第五章：对本次课程设计的缺乏进展了总结并对以后的任务进展了展望。2 火灾探测系统的系统构造及任务原理本章将详细引见双波段图像型火灾探测系统的系统构造及任务原理。2.1 探测系统的系统构造探测系统根据所选择的物理景象在红外波段和可

22、见光波段完成探测义务，因此称为双波段图像型火灾探测系统。通常图像处置系统根本的三个部件是：图像数字化仪，处置图像的计算机和图像显示设备。双波段图像型火灾探测系统的根本组成也包括这三个部分。系统采用一个带红外滤镜的CCD 摄像机和一个普通的CCD 摄像机作为探头，并采用海康威视公司的DS-40 xxHC 视频采集卡作为图像数字化的工具。系统选用的红外滤镜只允许波长大于850nm 的光波经过，由于阴燃产生的红外辐射主要集中在950nm-2000nm 的近红外波段，因此可以捕获红外辐射而滤去可见光的扰。同时，系统运用高性能的计算机完成图像处置任务，从视频图像的图像序列中识别有无火灾发生。并运用普通的

23、CRT 显示器显示视频信息。同时从系统扩展的角度讲，设计还应包括由计算机一致控制的联动模块，如报警和灭火等安装。系统如图2-1所示。图2-1 双波段图像型火灾探测系统由于光的传播速率是最快的，因此，经过图像进展探测在反映速度上大大优于其它类型的探测手段。将监控设备安装在房屋或广场等大空间的角落，可以实现整个空间范围内的监控，这表达出了系统监控范围广的优点。另外，在系统的晋级过程中，改良的部分主要集中在探测算法和软件方面，硬件部分根本不需求很大的改动，因此，系统的晋级相对容易。可以看出，系统具有反映迅速、监控范围广、环境顺应才干强、系统晋级容易等很多优点。图像采集的主要器件包括摄像器件和视频采集

24、卡。通常讲的摄像器件主要有：热像仪、微光摄像机、黑白CCD 摄像机以及彩色 CCD 摄像机。在摄像器件的选取上是根据早期火灾的物理景象的典型光谱特征进展的。对阴燃主要是对其本身产生红外波段的辐射进展探测，比较适宜的摄像器件是微光摄像机或者彩色CCD 摄像机配合红外滤光镜片，而烟雾采用彩色CCD 摄像机。这种红外波段加可见光波段的组合便是所谓的双波段技术。本系统采用了海康威视公司的 DS-40 xxHC 视频卡。该视频卡是一款性价比较高的运用于专业数字监控、视音频处置的视音频紧缩卡。它采用了高性能的视频紧缩技术规范H.264 及OggVorbis相当于G.722的音频编码规范，完全依托硬件实现了

25、视频及音频的实时编码CIF 格式PAL/30 帧NTSC并准确同步，实现了动态码率、可控帧率、帧方式选择、动态图像质量控制、音频预览、视频丧失报警等功能。并能独立调整各通道参数。2.2 系统的任务原理系统利用高性能的计算机对获得的视频信息，进展延续帧的数字图像处置，从大量的信息中提取系统感兴趣的部分进展分析和识别。由于系统不能够一直在有火灾的环境下进展调试，因此需求大量的视频文件。可以对以往的信息进展回想和分析是图像型火灾探测系统的另一大优点。显然，其它探测手段是无法显现这种功能的。系统所处置的视频信息保管在两种方式的视频文件格式里，分别是：H.264格式和AVI 格式。从视频采集卡中获取的视

26、频格式是经过硬件编码H.264 视频文件格式。H.264 最大特点是非常低的码率和对带宽非常低的要求。海康威视的视频采集卡输出的就是 H.264 格式的视频文件。由于码率很低，在有限的计算机存储设备中可以保管较多的监控视频信息，非常有利于信息挑选。AVI 格式的运用很广泛，是目前视频文件的主流。大多数编程软件都提供了AVI格式文件的函数接口，因此有利于对视频图像的编程分析。在研讨过程中，我们先经过编程将H.264 格式的视频文件转换为AVI 文件，然后再进展详细的算法实现和分析判别。本系统的视频图像处置分为两个部分，红外图像的处置和彩色图像的处置。两个部分有类似的处置过程，也是方式识别比较典型

27、的阶段。第一个阶段为图像分割或物体分别阶段；第二个阶段为特征提取阶段；第三个阶段为分类阶段。第一个阶段主要是经过相关的算法从当前图片中检测出可疑物体区域，并把它们的图像与背景或其他景物分别。这个过程通常需求背景信息的支持，背景信息能够为一副背景图片，也能够为一组背景图片序列或一个背景模型。第二阶段是对可疑区域中的物体进展度量。一个度量是指一个物体的某个度量值或者在另一个变换域如傅立叶变换或小波变换中的度量值。特征是一个或几个度量的函数。经过计算可以对物体的一些重要特性进展定量化表示。特征提取过程产生了一组特征，把它们结合在一同，就构成了特征向量。特征向量所包含的信息量大大小于原始图像，然而这些

28、信息代表了后续分类决策必需依托的全部知识。第三个阶段的输出仅仅是一种分类决策，利用第二阶段的特征向量和制定的判别规那么来分析可疑区域属于哪种分类，从而判别图像中能否有烟雾或者阴燃。3 大空间建筑中火灾探测方法设计概述3.1 提出本设计的背景目前许多火灾探测系统都是采用传统感温、感烟传感器，这种系统有很多缺陷，误报率非常高，受环境限制，而且这种系统不能掌握火灾现场的情况，不能依托其来进展实时调度等任务，以致于火灾发生时不可以及时提供准确信息，给扑救任务带来很大的不便。而本文采用的方法与传统的火灾探测系统相比有明显优势，可以准确的探测到早期火灾的发生并及时作出反响，从而给扑救任务带来很大便利。3.

29、2 设计理念概述本文主要研讨的是火灾探测问题，经过查阅相关资料，我提出了大空间中火灾探测的一个方法。本文主要是利用利用高性能的计算机对获得的视频信息，进展延续帧的数字图像处置，从大量的信息中提取系统感兴趣的部分进展分析和识别。可以对以往的信息进展回想和分析是图像型火灾探测系统的一大优点。本系统的视频图像处置分为两个部分，红外图像的处置和彩色图像的处置。第一个阶段为图像分割或物体分别阶段；第二个阶段为特征提取阶段；第三个阶段为分类阶段。第一个阶段主要是经过相关的算法从当前图片中检测出可疑物体区域，并把它们的图像与背景或其他景物分别。第三个阶段的输出仅仅是一种分类决策，利用第二阶段的特征向量和制定

30、的判别规那么来分析可疑区域属于哪种分类，从而判别图像中能否有烟雾或者阴燃。3.3实现该系统的主要流程实现该系统主要有以下几个流程：烟雾可疑图元的分割及预处置。可疑图元的特征分析及烟雾判别。阴燃的红外图像探测。 4 大空间建筑中火灾探测方法详细设计4.1 烟雾可疑图元的分割及预处置4.1.1 基于混合高斯模型的运动分析方法运用背景差分的方法，对烟雾可疑区域的提取效果并不理想。本系统采用了运用混合高斯模型对背景进展逐像素建模，然后根据当前图像和背景模型的比较提取前景的方法。首先，我们看一下高斯分布模型。高斯分布模型是概率分布中最重要的一种，也称为正态分布模型。该分布的密布函数如式4-1 所示。 4

31、-1 这里 和 分别是均值和规范差，对应的分布函数如式4-2 所示。 4-2 均值和方差分别为 0 和1 的正态分布称为规范正态分布。其概率密度分布如图3-5(a)所示。混合高斯模型是从高斯模型中开展出来的一种混合分布模型。对于观测数据集X=x1, x2 , , xN中的单个采样xi, 其离散混合高斯分布的密度函数为 4-3 其中，K 是分布数, k 是权重系数，表示各混合成分的权重；k 是各高斯模型的均值,k 是协方差。但是在计算中,为了减少计算量我们通常取=，这种方法并不明显影响计算的精度。分布数K通常取3到5。图 4-1(b)是一个参数为 = 2,3, = 1,0.5, = 0.4,0.

32、6的混合高斯分布的概率密度分布。 (a) 单高斯分布的概率密度 (b) 混合高斯分布的概率密度 图 4-1 单高斯和混合高斯分布的概率密度4.1.2 期望值最大EM算法如何从一个给出的样本空间，估计其混合高斯模型的各个参数，是背景建模过程中的一个关键步骤。期望值最大化Expectation Maximization, EM算法是参数估计的一种很重要的算法，它是一种当观测数据为不完全数据时求解极大似然估计的迭代算法，大大降低了极大似然估计的计算复杂度，但性能却与极大似然估计相近，具有很好的实践运用价值。EM 算法主要运用于以下两种情况：第一，由于观测过程出现的问题，使得样本有遗失，或者说样本不完

33、好；第二，当似然函数非常复杂，使得求解困难，或者存在隐参数的情况。EM 算法的根本思绪是：似然函数是一个随即变量，随机变量直接求最大化不好计算，然而它的期望却是一个确定性的函数，优化起来比较容易。4.1.3 运用EM 算法进展混合高斯模型参数估计下面我们论述如何运用EM算法进展混合高斯模型的参数估计。给定一系列观测值X = x1, x2 , xN，要估计一个混合高斯模型式4-3的参数=，=1, 2, , K ，=1, 2, , K ，= 1, 2, , k。混合模型下的非完备log似然函数为： 4-4由于在对数运算中包括了求和项，因此很难获得最大值。利用EM 算法，假定存在一个隐含变量Y=y1

34、,y2 ,yN，确定由哪一个分量生成相应的数据，式4-3可转化为: 4-5然而由于隐含随机变量Y= y1,y2, ,yN 是未知的，因此必需获得该变量的分布。利用Bayes 公式在假定初始参数g =(1g, ,Mg,1g, ,M 4-6式中 4-7因此可得到： 4-8上式中只需第一项与k 有关，第二项只与变量k 有关。因此Q函数极大化可以分别极大化。 4-9 4-10 4-11式4-9,4-10,4-11就是混合高斯模型EM 算法的迭代公式。通常来讲，迭代收敛的条件有以下几种：1.设定阈值L，当log L(t +1) log L(t) T max时，迭代收敛。第二种方法相对较为死板，计算效率低

35、。所以，本系统采用的是第一种方法。4.1.4 运用混合高斯模型对背景建模假设是在特定的光线下，那么即使思索有噪声的情况，运用单高斯模型也足够建立像素的模型。但是当光线随时间变化时，运用混合高斯模型对背景进展建模是一个很好的选择。运用混合高斯模型对背景建模的方法是对背景中的每一个像素根据一个图像序列建立一个混合高斯模型，而不是将一切的像素建立为某个分布模型。然后对当前图像中的像素进展匹配，假设当前像素符合背景模型中的某个高斯分布，那么以为是背景，否那么以为是运动物体。4.1.5 运动区域的提取对当前图像逐像素的与背景模型进展比较，从而提取可疑区域。可疑区域提取的详细过程为：1. 初始化一个蒙板m

36、ask，蒙板各像素均为白色。2首先将当前帧图像与背景模型相对应像素的均值参数相减，然后取绝对值作为偏向err。3更新mask，先将err对角化得到err。当err512时，mask 对应像素设为白色；当err512时，mask对应像素设为黑色。4.1.6 图像的平滑滤涉及图元分割经过以上方法提取的烟雾可疑区域比较明晰、完好。但是，仍存在一些少量的噪声和较剧烈的光线变化所呵斥的干扰，需求进展滤波处置。滤波是图像处置时最常运用的一种处置手段。滤波的方法也有很多，可以在空间域中进展，也可以在其它变换域中进展。 在空间域中滤波普通可分为线性滤波和非线性滤波两类。线性滤波器的设计通常基于对傅立叶变换的分

37、析。非线性滤波器那么普通直接对邻域进展操作。另外各种空间域滤波器根据功能的不同主要分为平滑滤波器和锐化滤波器。平滑可以经过低通滤波来实现。空间滤波器都是利用图像与模板进展卷积来实现的，主要步骤是：1. 将模板在图中遨游，并将模板中心与图中某个像素位置重合。2. 将模板上的系数与图像中对应的像素相乘。3. 将一切乘积相加。4. 将和模板的输出呼应赋给图中对应模板中心位置的像素。平滑滤波通常在空间域中进展，通常运用的方法有线性滤波、中值滤波和自顺应滤波等。我们采用了不同的方法对图像进展滤波并比较滤波结果。图 4-2(a)中给出了一幅图像的一部分，其中所标的是一些像素的灰度值。现设有一个33的模板如

38、图4-2(b)所示，模板中所标的是模板系数。如将k0所在位置与图中灰度值为s0的像素重合也就是将模板中心放在图中(x,y)位置，模板的输出相应R 为： R= k0s0+k1s1+ksss (a) (b) (c) 图4-2 用33模板进展空间域滤波的表示图 将 R 赋给加强图，作为在(x,y)位置的像素值，如图4-2(c)所示。假设对原图中每个像素都进展这样的操作，就可以得到加强图中一切像素的新灰度值。假设我们在设计滤波器的时候给每个k 赋予不同的值，就可得到不同的高通或低通滤波效果。出于图元分割的思索，我们希望尽量消除一切小像素图元的干扰。可以看出在这种情况下中值滤波器是最好的选择。为了尽量消

39、除小像素图元的干扰，我们选择55的中值滤波器。这样绝大部分的小像素图元干扰曾经被滤去了。这样可以大幅度减少下一步图元分割的计算量，有利于提高系统的执行效率。在图像分割之前，我们先要定义图像中什么样的像素算是相邻像素。定义相邻像素通常有两种边沿衔接的商定方式：4-衔接方式和8-衔接方式。在 4-3(a)的衔接方式中，一切与当前像素点接触的8 个像素点中，只需垂直和程度方向的4 个像素以为是衔接的像素，如图4-3(b)所示。而在8-衔接方式中，一切与当前像素点接触的8 个像素点均以为是衔接像素，如图4-3(b)所示。 图4-3(a) 4-衔接方式表示图 图4-3(b) 8-衔接方式表示图图元的面积

40、相差非常悬殊。小面积图元的产生缘由有很多：能够是干扰呵斥，也能够是小型物体或烟雾的非常早的初期阶段的图像。不论是那种缘由，我们并不需求对一切的图元都进展分析，而只选择面积最大的假设干图元进展分析。缘由是假设是干扰，那么理所当然应该被过滤掉而不予思索。假设是烟雾，那么烟雾的面积是在不断分散的。通常来讲烟雾分散的速度是比较快的，在很短的时间内烟雾区域就可以成为挪动区域中面积比较大的部分。所以，只选择面积较大的假设干图元进展分析，一方面并不影响系统判别的准确性；另一方面也可以减少计算量，提高代码执行效率。我们称被选定的图元为可疑图元。下面，我们要对图元的面积进展统计，从而找出面积最大的假设干个图元作

41、为可疑图元。在选择可疑图元的时候，我们制定了如下的规那么：假设面积最大的图元的面积像素数为amax，第i 个图元成为可疑图元的条件是：ai 1/50 amax将可疑图元提取出来后可以发现面积较大的可疑图元是烟雾区域，而面积较小的可疑图元是由于光线变化非常剧烈而被质疑的区域。当然，整个图像中光线都有变化，我们曾经较为胜利的滤去了大部分光线变化和其它噪声所呵斥的干扰。4.2 可疑图元的特征分析及烟雾判别本节将引见如何对可疑图元进展特征提取及烟雾判别。目前，对烟雾进展识别方法的比较少。纹理分析是一种比较常用的方法，但是这种方法对图像的质量以及可疑区域分割的效果要求比较高。我们所采用的是小波分析，颜色

42、饱和度分析以及闪烁频率分析的方法，获得了比较好的效果。4.2.1 可疑图元的特征分析根据烟雾的半透明性和边境闪烁的特征，我们制定了三种特征提取和分析方法。分别是经过小波变换对可疑图元和背景进展高低频能量分析，在HSV 颜色空间对可疑图元和背景进展颜色饱和度能量分析以及利用图像帧序列对可疑图元进展边境闪烁频率分析。由于烟雾处于一种半透明形状，所以被烟雾覆盖的地方，图像的锋利程度较之背景会有很大的下降。这直接导致了该区域高频能量被削减，而低频能量添加。这里我们所说高频是指图像中锐度比较大的部分，通常是由物体的边角、纹理等构成；而低频是指图像中颜色或灰度相近的平滑区域。更确切的说高频能量主要集中在图

43、像中颜色或灰度变化梯度较大的部分；而低频能量主要集中在图像中颜色或灰度变换梯度较小的部分。小波分析的方法可以监视当前图像和背景图像之间高频和低频能量变化的情况。因此，我们提出了一种基于小波分析的烟雾特征提取和分析方法。 在实现的方法上，二维小波变换是从原始信号s 开场在每个层次只分解上一层次的近似系数。但与一维小波变换不同的是，在每个层次进展分解的时候，需求在两个维度分别作用两次滤波器。这样就得到了四组系数cAj, cHj, cVj, cDj,，其中其中cAj是第j 层的近似系数，它是在两个维度都作用低通滤波器得到的。cHj, cVj, cDj分别是在横向作用低通滤波器、纵向作用高通滤波器得到

44、的程度细节系数，横向作用高通滤波器、纵向作用低通滤波器得到的垂直细节系数和两个维度都作用高通滤波器得到的对角细节系数。所以在处置二维信号的过程中，需求分别去除横向的，纵向的和两个方向的关联信息，那么就构成了一组近似系数和三组细节系数。分解的数据传送方式如图4-3(a)所示。从图中可以看出, cAj如今行上分别与低通滤波器滤波器Lo _ D和高通滤波器Hi _ D做卷积。然后在列上进展下采样，保管偶数列。将得到的结果再分别在列上与滤波器Lo _ D和Hi _ D做卷积。然后在行上进展下采样，保管偶数行，得到系数cAj+1, cHj+1, cVj+1, cDj+1。 小波重构是小波分解的逆过程，其

45、数据传送方式如图4-4(b)所示。 图4-4a小波分解数据传送表示图图4-4b小波重构数据传送表示图 图4-4 基于小波的图像分解与重构4.2.2 可疑图元颜色饱和度信息的分析可疑图元的颜色饱和度特征，是本文中烟雾判别的另一个判据。火灾发生时，由于熄灭物，烟雾浓度，光线环境等诸多缘由，烟雾的形状也会有所不同。在熄灭物阴燃和热解的过程中经常会产生微小的液相颗粒，因此这时候烟雾为淡色；而在明火熄灭的过程中，经常产生固相的含炭颗粒，这时其烟雾为黑色。所以火灾发生的初期，烟雾颜色较浅，有半透明性，背景中物体的颜色饱和度在经过烟雾后会得到一定程度的减弱。所以，在系统中，我们利用烟雾的这一个特征来进展识别

46、分析。对颜色信息的分析，我们是在HSV 颜色空间下进展的。在进展颜色饱和度信息分析之前，我们也先规定一个区域的颜色饱和度能量ES 。如式4-10所示： 4-12式中，S ( x, y )表示在HSV 颜色空间下(x, y)点的颜色饱和度S。区域R的颜色饱和度能量就是区域中各像素颜色饱和度S 的平方和。 进展颜色分析前，先要将当前图像与背景都从RGB 颜色空间转换到HSV 颜色空间，然后再分别计算它们的饱和度能量烟雾的半透明性使得场景变“灰蒙蒙的，从而使场景中物体颜色的饱和度有所下降。所以，可疑图元颜色饱和度的变化可以作为烟雾断定的另一个判据。4.2.3 可疑图元边境闪烁频率的分析在可见光波段对

47、火焰的图像型探测技术中，火焰的闪烁特性经常被用来作为探测对象。火焰的闪烁外表上看来似乎是杂乱无章的，现实上火焰信号的频谱特征有着特有的规律。许多研讨人员对不同尺寸、外形的房间进展了多种资料的火灾实验，发如今火灾初期出现明火以后，火焰的主要频率为8-12Hz，同时火焰的频率受熄灭物、房间外形、房间尺寸的大小，环境的变化等要素影响不大。因此，利用火焰的闪烁频率作为火灾识别的一个判据是非常有用的。烟雾边境的闪烁频率比火焰的要小，通常在1-3Hz。我们先在可疑图元的边境取假设干像素点，然后对其进展分析。假设这些像素点，在属于可疑图元和不属于可疑图元之间变化，那么就可以以为可疑图元具有的闪烁特性。但是，

48、这种探测是具有很强时效性的。由于烟雾是呈蔓延的形状不断分散的，所以在较短的时间内烟雾的边境就会扩展到一个更大的区域，从而包括了初始设定的观测点。我们在边境闪烁频率的探测上设定一个时间有效值为2 秒。也就是说我们在设了观测点后，仅仅思索的其后2 秒钟内采集的图像信息。根据这2 秒钟内采集的图像信息来判别可疑图元边境的闪烁特性。根据采样定理，我们知道，要观测到 3Hz 的信息，我们至少要使采样速率大于等于6Hz。我们采用的12fps 的帧速率完全可以满足这一要求。我们从视频中截取有可疑图元的延续图像24 帧，也就是两秒钟内的延续帧。下面，我们对延续帧中的可疑区域进展处置和分析。首先，利用背景模型，

49、对延续帧序列进展可疑运动区域的提取。然后再对提取的可疑区域进展中值滤波。接下来，对各帧可疑区域进展图元分割，并对各帧中图元的面积进展统计，只保管面积较大的图元。4.2.4 烟雾的综合判别任何一种探测技术最终的目的都是对被探测的物体进展分类识别。火灾探测部分的输出是一种决策，它将指点系统的联动部分做出相应的下一步动作，如报警，灭火等措施。下面，将讲述怎样综合上面各种特征判别可疑图元是不是烟雾。我们运用高低频能量，饱和度能量和闪烁频率这三个特征值组成的特征向量对烟雾进展综合的判别。对高低频能量特征值判别规那么：设定阈值T el , T eh，当可疑图元与背景的高低频能量比1=EL1b/EL1a和h

50、=EH1b/EH1a满足1T el且h经过对样本进展实验研讨，我们设定阈值初始值如下T el=1.2 ，T eh=0.8。也就是说当可疑图元和对应的背景区域的高低频能量比满足：11.2且h0.8时，我们以为该可疑图元能够为烟雾。需求留意的是当水蒸气，阴影等景象出现时，也能够呵斥类似的高低频能量变化，从而给判别带来干扰。因此，这个条件是断定可疑图元为烟雾的必要条件，但并不是充分条件。对颜色饱和度能量特征值判别规那么：当可疑图元与背景的颜色饱和度能量比s=ESb/ESa满足sTes时，系统以为该可疑图元能够是烟雾。 经过对样本进展实验研讨，我们设定阈值Tes=0.8，也就是说当s0.8时，可疑区域

51、能够是烟雾。进入监控区域的挪动物体多种多样，假设挪动物体本身的颜色饱和度很小，那么就会干扰系统的判别，因此这条判别规那么也仅是一个必要条件。边境闪烁频率特征值判别规那么：当可疑图元的半面边境平均闪烁频率满时，系统以为该可疑图元能够是烟雾。经过相关资料提供的信息及对样本进展的实验研讨。我们设定阈值Tf1=1,Tfh=3。也就是说，当的时候，可疑图元能够是烟雾。该条件也仅是一个必要条件，系统需求结合上述条件进展综合的烟雾判别。 我们需求综合上面几个特征值更加准确对烟雾进展判别。只需可疑图元满足上面三个判别规那么，才干被判别为烟雾。也就是说，本系统以为可疑图元k 是烟雾的充分必要条件是该可疑图元同时

52、满足以下几点：1.可疑图元k 和对应的背景区域的高低频能量比lk=EL1k,b/ EL1k,a, hk= EH1k,b/ EH1k,a满足lk1.2且hk0.8。2.可疑图元k 和对应的背景区域的颜色饱和度能量比sk= ESk,b/ ESk,a, sk0.8。3.可疑图元k的半面边境平均闪烁频率满足：1 3。 图4-5 烟雾探测的软件流程图当然，必要条件越多，系统的误报率就会越低。但是判别条件增多能够会导致系统的可靠性下降，也就是漏报率提高。因此，合理的制定判别规那么，设定判别规那么的数目，从而在误报率和可靠性之间进展权衡思索是非常重要的。 烟雾判别的整体软件流程如图 4-15 所示。对可疑图

53、元特征值的提取和分析是烟雾探测中最重要的任务。准确有效的特征值提取，才干保证烟雾探测的高可靠性和低误报率。4.3 阴燃的红外图像探测火灾发生初期阶段的另外一种典型的物理景象是阴燃。阴燃产生的红外辐射主要集中在0.95m-2.0m这一波段。系统运用带有滤镜的 CCD 摄像机，它只允许波长大于0.85m的光波经过，因此可以捕获红外辐射而滤去可见光的干扰。在可见光波段对烟雾的探测是双波段图像性火灾探测系统的一“目；在红外波段图像中对阴燃的探测构成了系统的另一“目。 跟烟雾探测一样，红外探测过程同样分为三个阶段：图像获取和预处置阶段，特征提取阶段以及阴燃的判别阶段。4.3.1特征提取根据火灾火焰特点，

54、以及特征提取的可行性，选取了以下四个特征作为判别火灾的判据。圆形度：圆形度可以衡量物体外形的规那么程度。火灾火焰外形不规那么，而大部分干扰源如烟头，灯光等外形规那么程度较高。比较常用的圆形度是周长的平方和面积的比，为了表达更直观，我们加一个系数 1/4。即： 4-13其中Ck表示编号为k的图元的圆形度，Pk 表示图元的周长，Ak 表示其面积，K为图像中的图元个数。在详细计算中，周长可以根据其边境链码得到，面积可以根据图元内的亮点个数得到。当物体的边境为圆形时，其圆形度为最小值1，物体边境的复杂程度越高，其圆形度的值越大。 面积变化：检查延续两幅图像的各图元亮点个数，判别可疑区域面积能否为增大趋

55、势。增长率Gk 可由下式获得： 4-14其中Size(bk,j) 表示第i幅图像中标号为k的图元中亮点个数。Gk,j 为正表示面积是增长的, Gk,j为负表示面积减小。取延续 10 组面积变换率，求面积增长的组所占的比例，也就是面积增长比例Gk。形体变化：火灾火焰应该有较明显的抖动，也就是说相邻图像的形体应该有比较明显的变化，这种特征可以经过前后两幅图像中各对应图元的类似度k,j来衡量，k,j可由下面的公式获得： 4-15其中，bk,jx,y表示第i幅图像，编号为k的图元中x,y坐标处的像素。该像素是亮点那么bk,jx,y为1，否那么为0。边缘特征：熄灭景象构成时，在火焰或阴燃区域的边缘会构成火焰尖角，火焰尖角的顶点是部分极值点，也是尖角的特征点。火焰尖角的特征是狭长，这一要求可以经过控制的值来实现。其中，表示尖角某一行的亮点个数，为下一行的亮点个数。为了防止对同一尖角的反复计数，火焰尖角的宽度应该设置上限。尖角的高度也应该设置下限，以排除噪声的干扰。尖角的个数是判别可疑区域能否为火焰的一个比较有效的判据。4.3.2阴燃的判别根据提取的各图元空间和时间上的特征进展火灾判别，我们建立一系列的判别规那么。首先，对圆形度Ckk =1,2,n进展