英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

Pattern Recognition Letters 27 (2006) 49–58

基于计算机视觉的火灾和火焰实时检测方法

B. Ugˇur Touml;reyin ^a，*， Yigˇithan Dedeogˇlu ^b， Ugˇur Guuml;duuml;kbay ^b， A. Enis Ccedil;etin ^a

^a计算机工程系，尔肯特大学， 06800 尔肯特，安卡拉，土耳其 ^b

计算机工程系，尔肯特大学， 06800 尔肯特，安卡拉，土耳其

于2004年6月26日收到；已收到2005年6月20日修订表格 联机2005年8月26日

R. Davies通讯

摘要

本文提出了一种通过处理普通摄像机监控场景生成的视频数据来实时探测火灾和火焰的新方法。除了传统上的对火焰运动和颜色特征的分析外， 还可以通过分析小波域内的视频来检测火焰和火焰闪烁。利用时间小波变换可以检测火焰边界的准周期行为，通过计算运动火色区域的空间小波变换，可以检测火焰区域的颜色变化。火灾探测算法中使用的另一火焰特征是火色区域边界的不规则性。上述所有特征结合在一起就可做出结论。实验结果表明， 该方法在火灾和火焰检测方面非常成功。此外， 与仅使用运动和颜色特征的方法相比， 它极大地减少了对普通火色运动物体发出的假警报。

爱思唯尔版权所有。

关键词:视频火灾检测；小波变换；高斯混合模型；视频事件检测

引文

此外，闭路电视(CCTV)监控系统目前安装在各种公共场所，监控室内和室外。该系统可通过使用实时处理闭路电视摄像机输出的火灾探测软件，获得早期火灾探测能力。

图像和视频内容的理解和分析方法已经被包括(Davis and Bobick， 1997； Haering et al.， 2000； Javed and Shah， 2002； Naphade et al.， 1998)等人研究过了。能够解决该问题的方法必须根据具体应用来进行设计。视频火灾检测就是这样一个需要特定场景的应用。有学者提出几种基于视频的火灾和火焰检测算法 (Chen et al.， 2004； Fastcom Technology， 2002； Healey et al.， 1993； Liu and Ahuja， 2004； Phillips et al.， 2002)。这些方法利用了不同的火焰特征，包括颜色、运动方式和火灾区域的几何形状。Healey et al. (1993) 只使用颜色来进行火焰检测。Phillips et al. (2002) 使用像素颜色及其时间变化来进行火焰检测。Chen et al. (2004) 利用一种变化检测方案来检测火灾区域的闪烁。在 (Fastcom Technology， 2002) 中计算了时域目标边界像素的快速傅立叶变换(FFT)来检测傅立叶域中的峰值。Liu and Ahuja (2004) 也在傅立叶领域中表示了火灾区域的形状。 傅立叶域方法的一个重要缺点是火焰闪烁不是纯正弦曲线而是随机的。因此，在FFT图中很难检测到峰值。此外，傅立叶变换不携带任何时间信息。为了使FFTs也携带时间信息，它们必须在数据窗口中计算。因此，时间窗的取值范围对于检测来说十分非常重要。如果窗口太长，则可能无法在FFT数据中观察到峰值。如果太短，则可能完全错过周期，因此在傅立叶域中无法观察到峰。

我们提出了一种基于小波变换的视频火灾检测方法。该方法不仅可以检测视频中火焰和火焰颜色的运动区域，还可以在小波域中分析这些区域的运动情况用以火焰闪烁估测。我们可以观察到湍流火焰的特征闪烁频率约为10hz，并与燃烧材料和燃烧器无关(Albers and Agrawal， 1999； Chamberlin and Rose， 1965)。物体的轮廓、色度或光度值以大于0.5赫兹的频率振荡，这些特征是表示可能存在火焰的重要标志 (Fastcom Technology， 2002)。因此，通过检测火焰彩色运动像素的周期性高频行为，可以使火灾检测方案对虚假报警方面具有更强的鲁棒性。

本文在小波域中对运动像素进行了高频分析。我们的小波域运动分析与(Davis and Bobick， 1997) 的时间模板和 (Javed and Shah， 2002) 的运动递归图像有相似之处。 小波变换是一种时频分析工具，可以在不完全丢失时间信息的情况下检测小波域中的整个频段 (Cetin and Ansari， 1994； Mallat and Zhong， 1992)。由于小波变换是使用子带分解滤波器组计算的，因此不需要任何批处理。它非常适合于通过检测小波变换系数的过零点来确定火灾和火焰彩色运动物体高频活动的增加。

湍流高频行为不仅存在于边界上，而且存在于火区内部。该方法的另一个新颖之处是分析了火灾和火焰颜色区域内的空间变化。(Fastcom Technology， 2002) 中描述的方法没有利用这种颜色变化。空间小波分析使得探测火灾区域内的高频行为成为可能。小波系数的能量变化是区域内活动的一个指标。另一方面，因为火色像素值不会发生变化，火色运动物体的小波系数值不会发生变化。

检测算法

基于视频的火灾检测算法包括一下四个步骤: (i) 确定当前视频帧中的移动像素或区域；(ii) 检测移动像素的颜色是否与预先指定的火色匹配，然后进行小波分析(iii) 时空模型和 (iv) 利用空间域来确定这些运动区域内的高频活动。在接下来的小节中，本文将详细解释该算法的每一步。

基于变化区域检测

Collins et al. (1999) 提出了一种混合背景估计方法来确定视频中的运动像素和区域。设x n [k，l] 为第n帧x n中像素位置 [k，l] 处的强度(亮度)值，相同像素位置下估计的背景强度值Bn 1 [k，l] 计算如下:

式中B n [k，l] 为之前对相同像素位置背景强度值的估计。更新参数a是一个接近1的正实数。初始，B 0 [k，l]被设置为第一个图像帧x[k，l]。如果图像帧x n和图像帧x n1中与之对应的亮度值满足以下不等式，则设位于[k，l]处的像素在移动:

其中T n [k，l]为自适应确定的阈值(Collins et al.， 1999)。假设与背景显著不同的区域是移动区域。从当前图像中减去估计的背景图像来检测运动区域。换句话说，所有的像素都令人满意：

确定方式：这些位于[k，l]位置的像素被分组成连通区域(blob)，并使用两层连通组件标记算法进行标记(Heijden， 1996)。该算法第一步的输出是一个二元像素图块[k，l]，表示图像x中位置x[k，l]的像素是否在移动。

其他更复杂的方法，包括Bagci等人(2002)和Stauffer和Grimson(1999)开发的方法，也可以用于移动像素估计。在我们的应用中，运动区域的准确检测不像在其他目标跟踪和估计问题中那么关键；我们主要关注的是实时检测运动区域作为火灾和火焰检测系统的第一步。我们选择采用Collins等人(1999)提出的方法，因为该方法计算效率高。

检测火色像素

将移动像素的颜色值与预先确定的颜色分布进行比较，该颜色分布在RGB颜色空间中表示视频中可能出现的火色。从含有火灾区域的样本图像中得到火灾颜色分布。可能的颜色值在RGB颜色空间中形成一个三维点云，如图1(a)所示(要解释图中的颜色，请参考本文的web版本)。云用RGB颜色空间中的高斯混合表示，如(Reynolds and Rose， 1995)所述。根据以往的观测结果估计出一个高斯分布为10个高斯分布的高斯混合模型，如图1(b)所示。

设x[k，l]为位置[k，l]的像素，颜色值[r[k，l]，g[k，l]，b[k，l]]。我们检查像素是否位于高斯中心的两个标准差内，以确定其性质。换句话说，如果给定的像素颜色值位于图1(b)所示的一个球体内，则假设该像素为火焰色像素。我们设置了一个名为fire-color的二进制掩码，它返回给定像素是否为fire-color。这个掩码与第一步中形成的小块的交集作为一个新的二进制掩码(称为fire)输入到下一步。

短时小波域分析

我们的火灾检测算法的第三步是跟踪火灾颜色区域像素的频率历史，并分析历史。为了以可靠的方式检测火灾引起的像素闪烁或振荡，视频捕获速率应该足够高，以捕获火焰中的高频闪烁。要捕捉10hz的闪烁，视频应该每秒至少捕捉20帧(fps)。然而，在一些监视系统中，视频捕获率低于20赫兹。如果视频以较低的捕获速率可用，则会发生混叠，但仍可在视频中观察到火焰引起的闪烁。例如，在一个10帧频的视频中，8赫兹的正弦信号显示为2赫兹的正弦信号。.

二元掩模火的每个像素xn[k，l]被馈送到两个阶段滤波器组，如图2所示。信号xn[k，l]是一维信号，表示第n帧中位置[k，l]颜色值的时间变化。时间小波分析可以使用YUV颜色表示中的亮度(Y分量)或RGB颜色表示中的红色分量进行。在我们的实现中，使用像素的红色通道值。双通道子带分解滤波器组由半带高通和低通组成。滤波系数分别为{0.25、0.5、0.25}和{0.25、0.5、0.25}的滤波器，如图2所示。滤波器组产生小波子信号dn[k，l]和en[k，l]。如果在像素位置有高频活动[k，l]，高频段子信号d和e得到非零值。然而，在一个稳定的像素中，由于在子带分析中使用高通滤波器，这两个子信号的值应该等于零或非常接近零。如果像素在某一时刻是火焰边界的一部分(见图3)，那么由于背景颜色到火焰颜色的转换，在一秒钟内会出现几个尖峰，反之亦然。如果有一个普通的火颜色的运动物体通过像素[k，l]，那么由于背景像素到目标像素的过渡，这些小波子信号中的一个将会有一个单脉冲，如图4所示。利用子带信号dn和en在几秒内的零点交叉数来区分火焰像素和普通火焰颜色的物体像素。如果该数字高于某个阈值，则可以为该像素发出警报。

火焰中像素xn[111，34]红通道的时间历程，对应的小波信号如图3所示。从图中可以明显看出，火焰像素的红色通道值中有闪烁。对于n = 1，2，3，19，23，24，41和50的图像帧，像素是火焰的一部分。它成为n = 12的背景的一部分，hellip;， 17， 20， 21， 26， 27， 31，hellip;， 39，45，52，hellip;和60。小波域子信号dn和en揭示了像素点在[111，34]处的波动，有几个零点交叉。由于在小波计算过程中采用下采样操作，经过每一阶段的子带滤波后，小波信号的长度减半。结果，一个样本的价值部分波段信号对应于原始信号的几个样品，例如，在原始信号中，d5[111，34]的值对应的值x10[111年34]和x11[111，34]和e4[111，34]的值对应于x12 [111，34]，13[111，34]，x14[111，34]和连接x15[111，34] 的值。

像素xn[18，34]是火色物体的一部分，其红色通道的时间历程及其对应的小波信号如图4所示。如图所示，无论是原始信号还是小波信号都不具有振荡特性。对于n = 1，2和3，像素是白色背景的一部分，对于n = 4，5，6，7和8，像素是火焰色对象的一部分，然后对于n gt; 8，像素再次成为背景的一部分。对应的小波信号dn和en不具有如图4所示的振荡特性。通过设置阈值，可以忽略第10帧之后由于噪声在0附近造成的小变化。

火焰闪烁分析所需的小波级数由视频捕获率决定。在二进小波分解的第一阶段，得到了信号xn[k，

全文共13744字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[217]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 使用“动态”边界条件的氨分散CFD模拟外文翻译资料
• 鱼骨图和风险矩阵分析方法及其在天然气球形储罐安全评价中的应用外文翻译资料
• 系统安全流程外文翻译资料
• 安全任务与责任.外文翻译资料
• 评估上行闪电事件在莫洛多卡西莫车站测量外文翻译资料
• 大气中的基本放电过程外文翻译资料
• 19世纪90年代与20世纪90年代美国由于雷电的造成的死亡，伤害和损害的比对外文翻译资料
• Oklahoma中尺度对流系统与雷达和卫星有关的总闪电特性观测外文翻译资料
• 计算雷击建筑物的电流和磁场分布外文翻译资料
• 1995 – 2010年期间美国大陆云闪的空间和时间变异性外文翻译资料