基于图像处理的火灾监测系统软件设计资料下载.pdf

基于图像处理的火灾监测系统软件设计资料下载.pdf

《基于图像处理的火灾监测系统软件设计资料下载.pdf》由会员分享，可在线阅读，更多相关《基于图像处理的火灾监测系统软件设计资料下载.pdf（4页珍藏版）》请在冰点文库上搜索。

图像处理;

区域分割中图分类号:

TU855TU892文献标识码:

A文章编号:

100125531（2006）0120032204SoftwareDesignofFireDetectionSystemBasedonImageProcessingCHENYing,WUAi2guo（AutomationCollege,TianjinUniversity,Tianjin300072,China）Abstract:

Accordingtothebackgroundinmostdetectingimageholdthegreatmassoftheimagesarea,thealgorithmofareasegmentationisusedtoscavengeeachenlightenedareas,whichmakestheaverageprocessingtimeofthealgorithmlessento1/4comparingtheclassicalgorithm.Basedonthealgorithmofareasegmentation,suc2cessfullyscavengetheBoundaryChainCodeoftheenlightenedareas,andcalculateouttheroundnessofeachen2lightenedareas,andanewmothodforcalculatingthefireshapeisbroughtforward.Then,NeuralNetworkisusedfordatafusionandpatternrecognition,whichreducestherateofmisinformationmoreinthefiredetectionsystem.Keywords:

firedetection;

imageprocessing;

regionsegmentation0引言近年来,随着经济的飞速发展,各种高层的建筑群体不断涌现。

在高层建筑中,人口密集、财产集中,其消防安全问题就突显出来。

传统的火灾探测技术有感温、感烟、感光及复合型等模式。

这些技术不仅在灵敏度和可靠性方面有待提高,而且不能对火灾最初的信号做出反应。

因此,近年来积极研究并提出了图像型火灾探测技术,该技术既可在多粉尘、高湿度的室内环境中使用,也可在室外环境中使用,对火灾初始信号有更高的灵敏度,具有很好的应用前景。

该技术的一个重要部分是软件算法,本文采用数字图像处理技术,在提高探测系统算法的效率和降低误报率等方面进行了研究。

火灾初期火焰图像主要有火焰面积增大、边缘抖动、形状不规则、位置基本稳定等特性。

用上述特征作为火灾识别的判据,采用区域分割算法将各亮点区域分别处理,这样减少了算法的处理时间,使复杂算法满足实时性要求。

在此基础上,本文从形状和边缘特性方面做了进一步的尝试性研究,将圆形度添加为火灾判据之一。

1软件算法分析1.1图像的获取和预处理火焰燃烧时的红外辐射主要集中于9502000nm波段,故本系统采用带有红外线滤镜的CCD摄像头,该滤镜能将可见光完全滤除掉,只23基于图像处理的火灾监测系统软件设计低压电器（20061）有波长850nm的红外辐射才能形成视频信号。

该视频信号通过海康威视公司的视频卡转换成数字图像序列。

在实际情况中,大部分时间处于无疑似火源的状态,故可对图像序列先进行简单的有无异常情况的判断。

本系统采用减法运算检测图像的状态是否有改变。

运算公式为:

Pi（x,y）=Pi（x,y）-P（x,y）

（1）其中,Pi（x,y）为待处理的图像,P（x,y）为基准图像。

当Pi（x,y）=0时,表示当前图像无异常;

Pi（x,y）0时,表示出现新的火源或亮点,则进入下面对各种特征值的计算,判断该异常图像是否为火灾图像。

1.2图像分割算法经过预处理的图像可能有多个区域的亮点,故采用图像分割算法对图像进行区域分割,再在各分割区域提取有用的特征信息。

1.2.1阈值处理阈值分割采用最大类间方差法（又称Otsu阈值算法）获取。

该方法计算量不大,在一定条件下不受图像对比度与亮度变化的影响,因而被认为是阈值自动选取方法的最优方法6,得到广泛应用。

Otsu法求取图像最佳阈值g的公式为:

g=argmax0tL-1w0（t）（u0（t）-u）2+w1（t）（u1（t）-u）2u0（t）=0itip（i）w0（t）u1（t）=tiL-1ip（i）w1（t）u=w0（t）u0（t）+w1（t）u1（t）

（2）式中p（i）灰度值为i的频率w0（t）目标部分比例w1（t）背景部分比例u0（t）目标均值u1（t）背景均值u总均值1.2.2图像的区域分割图像区域分割即是找出图像亮点区域,将有特征信息的区域从背景中分离出来。

本系统采用四邻区域搜索法来获取亮点区域,并保存每个疑似火灾区域的位置。

在下文的计算中,都直接针对每个亮点区域进行计算,大大减少了计算量。

同时,可以统计每个图元的亮点数,作为火灾中面积增大判据的依据。

图1给出了火灾原图像,其中左边亮点区域为稳定火源,右边较大的亮点区域为火灾火焰,两个小亮点为干扰亮点。

图2是经过图元分割后所得到的图元区域图。

由线框出来的部分为疑似区域,其余部分均为背景和无需计算的干扰亮点域。

在下文的运算中,只对框里的区域进行运算,避免了处理背景的大量无用计算,大幅提升效率。

图1原火灾图像图2经图元分割后得到的图元区域1.3边界链码的提取经过图像区域分割后,对各区域进行图像平滑,然后检验各亮点区域的形状是否满足火灾火焰的特征。

边界链码中蕴含着比单个参数更多的信息,可以更准确地获取物体的周长,又用比图像本身更紧凑的方式描述物体的形状,可用于计算火焰尖角。

近年来提出了许多利用梯度最大值或二阶导数过零点提取边界的方法,这些算法计算量较大且可能出现边缘不闭合的情况,导致边缘链码提取困难,故不适合采用。

本文采用了经典拉普拉斯算子,其模板为33低压电器（20061）基于图像处理的火灾监测系统软件设计0101-41010（3）经典拉普拉斯算子方向性较强,边缘增强的效果还是令人满意的（见图3）。

图3拉普拉斯算子提取的边缘经典拉普拉斯算子所提取的边缘有可能把不是边界的地方标注成了边界,边缘粗且出现毛刺,为获取能真实地反映物体形状的边界链码,先必须对提取的边界进行细化、去毛刺处理。

经过这两步处理后,边缘修整为闭合的曲线,在任何方向的宽度都小于2个像素,这样就可以方便地提取边界链码了。

边界链码是通过带有给定方向的单位长度的线段序列来描述物体,其方向码如图4所示。

序列的第1个元素带有其位置的信息,以便重建区域。

通过边界搜索算法去掉孤立边界点,获取边界链码。

图4边界链码的方向码1.4圆形度和火焰尖角的计算圆形度表征物体形状的复杂程度,其计算公式为圆形度=周长2面积（4）周长为物体的边界长度,可从边界链码中得到。

垂直的和水平的步幅为单位长度,对角步幅的长度为2,2个直角步还原成一个对角度,其步幅也为2。

按上述规则遍历边界链码,即可算出边界长度。

通过统计图元的亮点数可获得面积。

圆形度对圆形物体取最小值4,物体形状越复杂其值越大。

本文将圆形度值除以4,使圆形度的最小值为1,以便观测。

由表1可知,圆形度作为表征火灾火焰特性的判据是十分有效的,左边干扰区域（图元序号为0）计算所得的圆形度为1.095,远小于右边火灾火焰区域（图元序号为1）计算出的圆形度值2.701,由此可以做早期的判断,排除规则发亮物体的干扰,从而减少计算量。

表1图2中各图元的计算结果图元序号图元亮点数图元边缘点数圆形度0109361.09513511072.7012软件算法基本流程和实验结果2.1系统软件基本流程利用上述对火灾火焰特征的论述,并使用3层BP神经网络计算火焰特征值与火灾发生概率间的关系1。

采用VisualC+平台编制实现算法,其火灾识别算法的基本流程如图5所示。

图5总体算法流程2.2实验结果2.2.1算法效率比较实验43基于图像处理的火灾监测系统软件设计低压电器（20061）本实验收集了1000幅576702像素的火灾图像和干扰光源图像,对比了经典算法和本文算法的效率差异。

表2是在P42.4GB计算机上各算法的效率平均值的对比。

本文算法和经典算法的处理结果基本一致,但效率提高近4倍。

表2各算法平均耗时纪录平均耗时/ms经典算法本文算法阈值处理1010区域分割8-图像平滑10104提取边缘和边界链码723（未提取边界链码）合计351372.2.2火灾判别结果的测试本实验测试了各种不同情况下火灾判别的结果（见表3）。

由表3可知,本文的算法是比较成功表3火灾识别结果实验材料放置状态是否报警早期火纸片平放是灾火焰纸片揉成团是木块平放是木块悬挂是布条平放是布条悬挂是常见烟头固定否干扰烟头左右晃动并连续向前移动否蜡烛固定否蜡烛连续向前移动否白炽灯固定否白炽灯连续向前移动并晃动否的。

它可以将“白炽灯连续向前移动并晃动”这种复杂的情况识别出来,表明系统有很高的准确性和可靠性。

3结语本文根据火灾火焰图像的特性,采用阈值分割算法将疑似火灾区域提取出来,将算法平均处理时间降为经典算法的1/4,使之满足火灾探测系统的实时性要求。

并用基于边界链码的方法获取了圆形度和火焰尖角数。

通过大量的实验,取得了较好的识别结果。

【参考文献】1卢结成,吴龙标,宋卫国.基于人工神经网络的火灾图像探测方法J.火灾科学,1999,8（3）:

4956.2ChenThou2ho,WuPing2hsueh.AnEarlyFire2Detec2tionMethodBasedonImageProcessingA.2004In2ternationalConferenceonImageProcessing（ICIP）C.2004.17071710.3吴龙标,宋卫国,卢结成.图像火灾监控中的一个新颖的火灾判据J.火灾科学,1997,6

（2）:

6066.4NeubauerA.Geneticalgorithmsinautomaticfirede2tectiontechnologyJ.GeneticAlgorithmsinEngineerSystems:

InnovationsandApplication,1997,4

（2）:

180184.5米锐,康戈文.火灾图像自动监测技术的研究与开发D.成都:

四川大学,2003.6付忠良.图像阈值选取方法Otsu方法的推广J.计算机应用,2000,20（5）:

3739.7季萍,卢结成.一种总线制火灾图像探测系统的设计与实现J.计算机工程与应用,2004,26:

212215.收稿日期:

2005209216低压电器荣获我国期刊界最高政府奖第三届国家期刊奖衷心感谢读者、作者和社会各界同仁给予低压电器一贯的支持与厚爱!

53